Eine Forschungsgruppe um Nataliya Kosmyna am MIT Media Lab hat vier Sitzungen lang gemessen, was im Kopf passiert, wenn man Aufsätze mit ChatGPT schreibt statt ohne. 54 Personen, drei Gruppen — eine mit dem Sprachmodell, eine mit klassischer Suche, eine nur mit dem eigenen Kopf —, dazu ein EEG, das die neuronale Konnektivität über alle Frequenzbänder aufzeichnet. Das erste Ergebnis ist erwartbar: Die KI-Modell-Gruppe zeigt durchgehend die schwächste Vernetzung, die Brain-only-Gruppe die stärkste. Wer auslagert, aktiviert weniger. Das ließe sich verbuchen — jedes Werkzeug hat einen Preis, und ein geringerer Aufwand ist ja oft genau der Punkt.
Die Sitzung, die sich nicht so leicht verbuchen lässt, ist die vierte. Dort wechselte die KI-Modell-Gruppe zum Schreiben ohne Hilfe — und die Konnektivität kam nicht zurück. Sie blieb unter dem Niveau derer, die von Anfang an ohne KI-Modell gearbeitet hatten. Kein Reset, kein Nullpunkt, an den man zurückkehrt, sobald man das Werkzeug weglegt. Die AutorInnen nennen das Cognitive Debt — kognitive Schuld.
Der Begriff trägt nicht moralisch. Er ist buchhalterisch gemeint, in Analogie zu den technischen Schulden in der Softwareentwicklung: Was man heute nicht selbst durchdenkt, verschwindet nicht, sondern wird als Defizit fortgeschrieben — und lässt sich nicht kurzfristig abtragen, indem man sich beim nächsten Mal eben mehr Mühe gibt. Das ist die unbequeme Hälfte. Die bequeme war, dass man die Arbeit abgegeben hat und schneller fertig war.
Bevor das größer klingt, als es ist: Die AutorInnen halten ihre Grenzen selbst offen, und die sind erheblich. Es ist ein Preprint, noch nicht peer-reviewed, mit einer kleinen, rein akademischen Stichprobe aus einem einzigen Umfeld. Getestet wurde nur textbasiert mit ChatGPT — ein Modell, eine Modalität. Das EEG erfasst ohnehin nur die Oberfläche; was im Hippocampus geschieht, wo Erinnerung entsteht, müsste ein fMRT zeigen, das noch fehlt. Sie maßen das Schreiben von Essays im Bildungskontext: Das Modell liefert den Text, den man übernimmt – nicht KI im Allgemeinen, nicht das KI-Modell als Gegenleser eines eigenen Entwurfs.
Genau diese Enge macht den Befund brauchbar. Sie sagt, wofür er gilt — für das Auslagern des Schreibens selbst — und wofür nicht. Wer daraus „KI macht dumm” liest, überdehnt ihn; wer ihn deshalb wegwischt, übersieht, dass er zu robusteren Ergebnissen passt: zum Generationseffekt der Gedächtnisforschung, zu Sternbergs „use it or lose it”. Was man selbst erzeugt, behält und versteht man besser als das, was man liest. Die vierte Sitzung zeigt nur die Kehrseite derselben Münze.
Sie zeigt noch etwas, das in den Schlagzeilen unterging. In der anderen Richtung — die Brain-only-Gruppe wechselte zum KI-Modell — lag die Gedächtnisleistung höher als bei jenen, die von Beginn an mit dem KI-Modell geschrieben hatten. Die eigene Vorarbeit wirkte als Puffer. Wer zuerst selbst gedacht hat, kann das KI-Modell danach nutzen, ohne dieselbe Schuld aufzubauen. Die Reihenfolge entscheidet.
Das ist die praktische Pointe, und sie hat wenig mit Technik-Abwehr zu tun. Cal Newport hat für das konzentrierte Arbeiten plädiert, lange bevor es Sprachmodelle gab; die KI verschiebt seine Frage nur, sie hebt sie nicht auf. Sie lautet jetzt: Was muss zuerst passieren, damit das Modell danach nützt? Die eigene Denkbewegung an den Anfang zu setzen — die ersten Minuten an einem Problem ohne Werkzeug, bis ein eigenes Bild steht — ist keine Tugendübung. Es ist Kapitalerhalt. Das KI-Modell erweitert ein Urteil, das schon da ist; ein Urteil, das nie gebildet wurde, kann es nicht ersetzen, nur ersetzt aussehen lassen.
Auch diese Diagnose entstand mit einem KI-System. Es hat Quellen eingelesen, mir widersprochen, Entwürfe gebaut. Aber nicht am Anfang. Am Anfang stand die Frage, was an diesem Befund eigentlich zählt — und die habe ich mir beantwortet, bevor das System dazukam. Es ist der Unterschied zwischen erster und letzter Instanz, und nach Kosmyna ist er nicht bloß stilistisch. Er ist im EEG sichtbar.
Die Rechnung, die hier aufgeschoben wird, kommt nicht als Krise. Sie kommt als langsam sinkende Fähigkeit, die niemand bemerkt, weil das Ergebnis ja jedes Mal vorzeigbar war. Wer entscheidet, was er an die Maschine abgibt, entscheidet mit, was er sich selbst noch zutraut, wenn sie einmal nicht da ist. Das ist keine Frage für später. Es ist die Reihenfolge von heute.
Quellen
- Nataliya Kosmyna et al. (MIT Media Lab), »Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task«, arXiv:2506.08872, 2025 (Preprint, under review): https://arxiv.org/abs/2506.08872 · Studien-Website: https://www.brainonllm.com/
- Cal Newport, »Deep Work: Rules for Focused Success in a Distracted World«, Grand Central Publishing, 2016 (dt.: »Konzentriert arbeiten«, Redline 2017)
- Norman J. Slamecka & Peter Graf, »The Generation Effect: Delineation of a Phenomenon«, Journal of Experimental Psychology: Human Learning and Memory, 4(6), 1978, S. 592–604: https://doi.org/10.1037/0278-7393.4.6.592
- Robert J. Sternberg, »Does AI increase cognitive abilities, decrease them, or a little bit of each?«, Frontiers in Education, 11:1759062, 2026 (Prinzip »use it or lose it«): https://doi.org/10.3389/feduc.2026.1759062
- Wiki: manage-ai-entscheid-forschung (Strang 5–6) · systemkompetenz-und-urteilskraft