Nr. 02 · Ratgeber
KI-Gewohnheiten, die dich schärfer statt nur schneller machen
Von Sebastian Röhl, Entwickler von HabitKit
13 Min. Lesezeit Veröffentlicht Aktualisiert
KI kann dich schneller machen, und sie kann dich auch schärfer machen. Der Unterschied liegt darin, wie du sie nutzt. Um im KI-Zeitalter geistig fit zu bleiben, bau dir ein paar kleine Gewohnheiten auf: Versuch es erst selbst, bevor du fragst. Bitte um Hinweise und Erklärungen statt nur um fertige Antworten. Lass dich von der KI abfragen, lass sie dein Denken hinterfragen, und halte ein paar Fähigkeiten durch regelmäßiges Üben in Form.
Diese Gewohnheiten sind praktische Vorschläge, die auf der Forschung unten aufbauen, kein Programm, das eine einzelne Studie getestet hat. Die Forschung weist in eine ermutigende Richtung: Gut eingesetzt hilft KI Menschen, zu lernen und gleichzeitig mehr zu schaffen.
Auf dieser Seite
KI macht Menschen schneller und besser in ihrer Arbeit
Die Ergebnisse zur Produktivität sind deutlich. In einem präregistrierten Experiment, veröffentlicht in Science, gaben Shakked Noy und Whitney Zhang 453 Fachkräften mit Hochschulabschluss Schreibaufgaben aus ihrem eigenen Beruf und ließen die Hälfte von ihnen ChatGPT nutzen. Die durchschnittlich benötigte Zeit sank um 40 %, die Qualität der Ergebnisse stieg um 18 %.
Erik Brynjolfsson, Danielle Li und Lindsey Raymond begleiteten 5.172 Mitarbeitende im Kundensupport, während ein KI-Assistent schrittweise eingeführt wurde. Die pro Stunde gelösten Anliegen stiegen im Schnitt um 15 %. Weniger erfahrene und weniger qualifizierte Mitarbeitende verbesserten sowohl das Tempo als auch die Qualität ihrer Arbeit, und die Autoren fanden Hinweise darauf, dass die KI-Unterstützung das Lernen der Mitarbeitenden erleichtert.
Auf diesem letzten Ergebnis baut dieser Ratgeber auf. Dasselbe Werkzeug, das die Arbeit beschleunigt, kann Menschen helfen, besser darin zu werden.
KI kann auch unterrichten
Das eindrucksvollste Ergebnis stammt aus einem Physik-Einführungskurs an der Harvard University. Greg Kestin und sein Team bauten einen KI-Tutor nach denselben didaktischen Prinzipien wie die Lektionen zum aktiven Lernen im Kurs selbst. Er hielt die Studierenden aktiv bei der Sache, dosierte, wie viel sie auf einmal aufnehmen mussten, und führte sie der Reihe nach durch jeden Teil jeder Aufgabe. Die Forschenden stellten vorbereitete Lösungen bereit und nutzten eine eigens entwickelte Plattform, um diese Abfolge zu steuern. In einer randomisierten Crossover-Studie mit 194 Studierenden lernte jede Person ein Thema zu Hause mit dem Tutor und ein anderes im Präsenzunterricht.
In den Worten der Autoren: „Wir stellen fest, dass Studierende mit dem KI-Tutor in kürzerer Zeit signifikant mehr lernen als beim aktiven Lernen im Präsenzunterricht.“ In den Tests direkt nach der Lektion war der mediane Lernzuwachs in der KI-Gruppe mehr als doppelt so hoch wie im Unterricht. Die mediane Zeit mit dem Tutor betrug 49 Minuten, verglichen mit geschätzten 60 Minuten Lernzeit im Unterricht, und die Studierenden gaben an, sich stärker eingebunden und motivierter zu fühlen. Wie viel sie Monate später noch wussten, hat das Experiment nicht gemessen.
Auf die Gestaltung kommt es an
Hamsa Bastani und ihr Team führten ein randomisiertes Experiment mit fast tausend Schülerinnen und Schülern im Mathematikunterricht an Oberschulen in der Türkei durch. Die Klassen übten mit ihren üblichen Materialien oder mit einem von zwei GPT-4-Werkzeugen. GPT Base ähnelte einem gewöhnlichen Chat-Assistenten. GPT Tutor war angewiesen, Hinweise statt Antworten zu geben, und in seinen Prompts standen von Lehrkräften bereitgestellte Lösungen und Erläuterungen zu typischen Fehlern.
Beide Versionen verbesserten die Leistung beim unterstützten Üben: Die Noten lagen mit GPT Base um 48 % und mit GPT Tutor um 127 % höher als in der Kontrollgruppe. In der anschließenden Prüfung ohne Hilfsmittel schnitt die GPT-Base-Gruppe um 17 % schlechter ab als die Kontrollgruppe. Die Ergebnisse der GPT-Tutor-Gruppe waren statistisch nicht von denen der Kontrollgruppe zu unterscheiden: Die Schutzmechanismen des Tutors verhinderten den Rückgang weitgehend, brachten aber keine signifikante Verbesserung in der Prüfung. Das sind relative Unterschiede, keine Veränderungen in Prozentpunkten.
Zusammen liefern diese Studien gute Argumente für eine KI, die die Lernenden bei der Sache hält. Sie haben verschiedene Umgebungen und eigens gebaute Tutoren getestet, daher kann man nicht davon ausgehen, dass ein paar Chat-Prompts ihre Ergebnisse reproduzieren. Die Gewohnheiten unten übernehmen ihre Gestaltungsprinzipien und verbinden sie mit etablierter Lernforschung.
Versuch es selbst, bevor du fragst
Diese Idee ist viel älter als KI. Eine Metaanalyse von Sharon Bertsch und Kollegen aus dem Jahr 2007 fasste 86 Studien zum Generierungseffekt zusammen: Menschen erinnern sich besser an Inhalte, die sie selbst hervorbringen, als an Inhalte, die sie nur lesen. Über diese Studien hinweg lag der Vorteil bei einer Effektstärke von 0,40, fast einer halben Standardabweichung.
Mach also selbst den ersten Zug. Schreib einen groben Absatz, skizziere die Gliederung oder beschäftige dich zehn Minuten mit dem Problem, und hol dann die KI dazu, um zu vergleichen, zu verbessern und zu erklären. Dein Versuch gibt der KI etwas Konkretes, mit dem sie arbeiten kann, und dir etwas, an das du dich erinnerst. Die Studien arbeiteten mit Wortlisten und einfachen Aufgaben, nicht mit KI. Sieh das also als sinnvolle Reihenfolge beim Arbeiten, nicht als getestetes Rezept.
Bitte um Hinweise und Erklärungen
Beide Forschungs-Tutoren waren darauf ausgelegt, die Lernenden durch die Arbeit zu führen. Dasselbe Prinzip kannst du in deinen eigenen Chats ausprobieren, indem du um einen Hinweis bittest, den nächsten Schritt selbst versuchst und dann prüfst, ob du es verstanden hast:
- „Löse es noch nicht. Gib mir einen Hinweis.“
- „Geh das mit mir Schritt für Schritt durch und lass mich jeden Schritt zuerst selbst versuchen.“
- „Erklär mir, warum das funktioniert, und stell mir dann eine Frage, um zu prüfen, ob ich es verstanden habe.“
Wenn du die fertige Antwort haben willst, und das wird oft so sein, lass dir die Begründung mitgeben und lies auch diesen Teil.
Lass dich von der KI abfragen
Etwas aus dem Gedächtnis abzurufen, ist einer der zuverlässigsten Wege, es zu lernen. In zwei Experimenten ließen Henry Roediger und Jeffrey Karpicke Studierende Prosatexte lernen und danach entweder Abruftests machen oder den Stoff erneut lernen. In den Abschlusstests zwei Tage oder eine Woche später erinnerten sich die Studierenden, die das Abrufen geübt hatten, an deutlich mehr, obwohl das erneute Lernen die anderen Studierenden zuversichtlicher machte. Ihr Fazit: „Testen ist ein wirksames Mittel, um das Lernen zu verbessern, nicht nur, um es zu bewerten.“
KI kann es viel leichter machen, Übungsfragen vorzubereiten. Gib ihr das Kapitel oder die Notizen, aus denen du lernen willst, und frag dann:
- „Frag mich zu diesem Kapitel ab, eine Frage nach der anderen. Warte auf meine Antwort, bevor du mir sagst, ob sie stimmt.“
- „Stell mir fünf Fragen zu dem, was wir gestern durchgenommen haben, angefangen mit der schwierigsten.“
Antworte aus dem Gedächtnis, bevor du nachschaust, und prüf die Fragen und das Feedback der KI anhand deiner Unterlagen. Die Studie von 2006 nutzte Tests mit freiem Abruf ohne Feedback, keine von KI erstellten Quizfragen. Diese Prompts wenden die Idee also an, statt das zu wiederholen, was getestet wurde.
Lass die KI dein Denken hinterfragen
Hao-Ping (Hank) Lee und sein Team befragten 319 Wissensarbeiterinnen und Wissensarbeiter, die 936 Beispiele für ihren Einsatz von generativer KI beschrieben. Die Teilnehmenden schilderten, wie sich kritisches Denken in Richtung Überprüfen von Informationen, Zusammenführen von Antworten und Überwachen der Aufgabe verlagerte. Wer sich die Aufgabe selbst eher zutraute, berichtete von mehr kritischem Denken; wer der KI mehr zutraute, von weniger. Das waren selbst berichtete Zusammenhänge, kein Test, der zeigt, dass KI eine Veränderung der Denkfähigkeit verursacht hat.
Eine praktische Gewohnheit zum Ausprobieren: Bitte die KI um ein Gegenargument. Ob solche Prompts das kritische Denken verbessern, hat die Befragung nicht getestet:
- „Was ist der stärkste Einwand dagegen?“
- „Bei welchem Teil deiner Antwort bist du dir am wenigsten sicher?“
- „Was müsste stimmen, damit das Gegenteil richtig ist?“
Prüf dann die eine Aussage, auf die es am meisten ankommt, anhand einer Quelle, bevor du dich darauf verlässt.
Halte ein paar Fähigkeiten in Übung
Die Luftfahrt lebt seit Jahrzehnten mit leistungsfähiger Automatisierung und bietet einen nützlichen Vergleich, allerdings keinen direkten Beleg zu KI. Die US-Luftfahrtbehörde Federal Aviation Administration nennt Autoflight-Systeme „nützliche Werkzeuge für Piloten“, die „die Sicherheit und den Umgang mit der Arbeitslast verbessert haben“. Ihr Sicherheitshinweis von 2013 ermutigt Fluggesellschaften, dafür zu sorgen, dass Piloten wissen, wann sie die Automatisierung nutzen sollten, etwa bei hoher Arbeitslast, und im Rahmen ihrer Betriebsrichtlinien passende Gelegenheiten zum manuellen Üben zu schaffen.
Eine Simulatorstudie von Stephen Casner und Kollegen mit 16 Linienpiloten ergab, dass ihre manuellen Flugfertigkeiten weitgehend intakt waren. Mehr Probleme zeigten sich bei der gedanklichen Seite des manuellen Fliegens, etwa dabei, die Position des Flugzeugs ohne die Kartenanzeige im Blick zu behalten. Die Autoren vermuten, dass diese Fähigkeiten davon abhängen könnten, wie aktiv Piloten bei der Sache bleiben, während die Automatik fliegt.
Die Forschung zum Erhalt von Fähigkeiten sagt ganz allgemein dasselbe. Eine Metaanalyse über 53 Artikel, die Winfred Arthur Jr. und Kollegen 1998 veröffentlichten, fand nach langen Phasen ohne Übung einen erheblichen Verlust an Fähigkeiten, wobei kognitive, auf Genauigkeit ausgerichtete Aufgaben anfälliger waren als körperliche, auf Tempo ausgerichtete.
Such dir also zwei oder drei Fähigkeiten aus, die dir wichtig sind, und gib jeder eine kleine, regelmäßige Wiederholung: Schreib einmal pro Woche einen ersten Entwurf selbst, rechne im Kopf, bevor du nachprüfst, oder arbeite fünfzehn Minuten an einem Bug, bevor du fragst. Das sind Ausgangspunkte, keine getesteten Übungspläne. Nutze KI für andere Aufgaben ganz selbstverständlich und prüf die Ergebnisse dort, wo es auf Genauigkeit ankommt. Werkzeugen einen Teil der Denkarbeit zu überlassen ist so vertraut wie ein Einkaufszettel.
Verfolge deine KI-Gewohnheiten in HabitKit
Such dir ein oder zwei der Gewohnheiten oben aus und leg jede als eigene Gewohnheit in HabitKit an, etwa „Von KI abgefragt“ oder „Erst selbst entworfen“, mit Ja / Nein unter Erfassung. Das Titelbild ist eine stilisierte Illustration einer Beispielgewohnheit mit beispielhaften Erledigungen. HabitKit verfolgt das Üben; das KI-gestützte Lernen machst du in dem KI-Werkzeug deiner Wahl. Gib der Gewohnheit dann einen Wochenrhythmus:
- Öffne die Gewohnheit und tippe auf das Bearbeiten-Symbol.
- Tippe unter Wiederholung auf die Karte, um Ziel & Streak zu öffnen.
- Wähle Mal pro Woche. Es startet bei 3 / Woche; mit den Plus- und Minus-Tasten kannst du das ändern.
- Geh zurück zum Bearbeiten-Bildschirm und tippe auf Speichern.
Drei erfolgreiche Tage pro Woche lassen Platz für stressige Tage. Das ist ein Beispielplan, keine Häufigkeit, die die Studien ermittelt haben. Take a day off without breaking your streak (auf Englisch) erklärt, wie das Wochenziel zählt.
Stell eine Erinnerung auf eine Uhrzeit, zu der du normalerweise mit der Arbeit anfängst, und kopple das Üben an einen Auslöser wie das Aufklappen deines Laptops. Erinnerungen werden nach Uhrzeit und Wochentag geplant. Set a reminder for a habit (auf Englisch) zeigt, wo du sie findest, und wie du einen Auslöser für deine Gewohnheit wählst erklärt, warum der Auslöser wichtig ist. Das Notizfeld im Tageseditor, das fragt „Was lief gut? Was kam dazwischen?“, ist ein guter Ort, um eine Sache aufzuschreiben, die du gelernt hast; Log a completion and fix a past day (auf Englisch) erklärt Notizen.

Eine beispielhafte Lernnotiz im Tageseditor von HabitKit. Halte fest, was du geübt hast und was du als Nächstes ausprobieren willst.
Ein Eintrag erledigt die Gewohnheit nicht für dich. Eine Metaanalyse von 138 Studien von Benjamin Harkin und Kollegen ergab, dass es Menschen im Schnitt half, ihre Ziele zu erreichen, wenn sie ihren Fortschritt beobachteten, mit größeren Effekten, wenn der Fortschritt physisch festgehalten wurde. Ein Ergebnis für eine bestimmte App ist das allerdings nicht. Fang kleiner an, als es sich lohnend anfühlt: Ein Quiz pro Woche, das du wirklich machst, schlägt einen Tagesplan, den du aufgibst. Klein anfangen: eine Gewohnheit aufbauen, die du wiederholen kannst erklärt mehr dazu, wie du die erste Version wählst.
Was die Forschung dir noch nicht sagt
Diese Studien sind stark, aber jede deckt eine bestimmte Umgebung ab: Schreibaufgaben in einem Online-Experiment, das Supportteam eines einzigen Unternehmens, einen einzigen Physikkurs, eine Gruppe von Schülerinnen und Schülern im Mathematikunterricht. Auch fielen die Zugewinne nicht für alle gleich aus. In der Support-Studie sahen die erfahrensten und am besten qualifizierten Mitarbeitenden kleine Zugewinne beim Tempo und leichte Einbußen bei der Qualität, und das Harvard-Team weist darauf hin, dass sein Tutor eingesetzt wurde, als die Studierenden den Stoff zum ersten Mal kennenlernten.
Die zitierten Studien testen nicht genau diese Zusammenstellung von Gewohnheiten und belegen nicht, dass sie das allgemeine Denkvermögen langfristig verbessert. Sie verbinden aktuelle Ergebnisse zu KI mit Lernforschung, die viel älter ist als KI. Sieh die Gewohnheiten als Experimente, die du an dir selbst machen kannst: Probier eine ein paar Wochen lang aus und prüf, was du ohne Hilfe erklären oder tun kannst, und nicht nur, wie schnell du fertig wirst.
Quellen
- Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192. 10.1126/science.adh2586
- Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889-942. 10.1093/qje/qjae044
- Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. 10.1038/s41598-025-97652-6
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. 10.1073/pnas.2422633122
- Bertsch, S., Pesta, B. J., Wiscott, R., & McDaniel, M. A. (2007). The generation effect: A meta-analytic review. Memory & Cognition, 35(2), 201-210. 10.3758/BF03193441
- Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249-255. 10.1111/j.1467-9280.2006.01693.x
- Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, 1-22. 10.1145/3706598.3713778
- Federal Aviation Administration. (2013). Manual flight operations (Safety Alert for Operators 13002). faa.gov
- Casner, S. M., Geven, R. W., Recker, M. P., & Schooler, J. W. (2014). The retention of manual flying skills in the automated cockpit. Human Factors, 56(8), 1506-1516. 10.1177/0018720814535628
- Arthur, W., Jr., Bennett, W., Jr., Stanush, P. L., & McNelly, T. L. (1998). Factors that influence skill decay and retention: A quantitative review and analysis. Human Performance, 11(1), 57-101. 10.1207/s15327043hup1101_3
- Harkin, B., Webb, T. L., Chang, B. P. I., Prestwich, A., Conner, M., Kellar, I., Benn, Y., & Sheeran, P. (2016). Does monitoring goal progress promote goal attainment? A meta-analysis of the experimental evidence. Psychological Bulletin, 142(2), 198-229. 10.1037/bul0000025
Wir stellen fest, dass Studierende mit dem KI-Tutor in kürzerer Zeit signifikant mehr lernen als beim aktiven Lernen im Präsenzunterricht.