Ich arbeite oft mit cases – konkrete Change-Situationen aus meiner Praxis, anonymisiert, auf einer Seite zusammengefasst. Mit einem solchen case lassen sich Reflexion, Hypothesenbildung, Interventionssystem und Architektur wunderbar üben. Gerade das Hypothesenbilden ist für Neulinge wirklich schwierig: Systemisches Denken verdreht ganz schön den Kopf, bevor er wieder richtig draufsitzt.
Ich habe ein Experiment gestartet und einen der verwendeten cases ChatGPT zum Hypothetisieren gegeben. Das für mich überraschende Ergebnis: Durchaus brauchbare Anfangshypothesen. KI ist nicht gerade brilliant, aber einen Anfänger oder eine Anfängerin in systemischem Denken wird mit Links überholt.
Stellen wir uns mal vor, was KI für überlastete Teilzeitstudierende mit einem vollgepfropften Kalender ist: eine massive Verführung. Das mag ja OK sein, ich kann auch nicht mehr am Papier Wurzelrechnen. Aber stellen wir uns mal vor, was passiert, wenn die Hypothesenbildung massiv ausgelagert wird. Wie wirkt das weiter?
Es ist erst eine These, dass die erste Generation „KI-natives“ dramatisch anders lernt (und zwar sehr viel schlechter) als zuvor. Die These ist nicht stabil genug, aber es gibt eine Menge stützende Proxies aus der Forschung. So ergab eine Studie des MIT, dass ChatGPT-user (vor allem, wenn sie jünger sind) deutlich niedrigere Hirnaktivität hatten und “consistently underperformed at neural, linguistic, and behavioral levels” (die Studie hier im preprint). Eine Studie der Carnegie Mellon University und Microsoft hat ergeben, dass die Mechanisierung von Routineaufgaben signifikant die Fähigkeit zum kritischen Denken untergräbt. Meine Erfahrungen passen genau dazu: Ich erlebe, dass viele Studierende unsicheren oder belastenden Situationen ausweichen, und für mich besonders verstörend: Wo ist die Neugier hingeraten? Es wird fast nichts mehr gefragt.
Ich halte das für devastierend. Es macht mich reichlich sprachlos.
ChatGPT und Gemini weitergedacht
Nun, einfach Betroffenheit teilen und lamentieren ist nicht mein Standard. Wir sind dazu da, um Entwicklungen zu verstehen, weiterzudenken, und nach dem offenen Ausgang zu suchen, der Möglichkeiten bietet. Schauen wir uns dazu die verschiedenen Lernräume an, die wir haben – zumindest zwei können wir grob unterscheiden:
Die Lernräume im engeren Sinn sind die formalen, institutionalisierten Lernräume – wo wir hingehen, um zu lernen. Alle meine Kolleg:innen an Hochschulen kippen gerade das Instrument „Abschlussarbeit“, weil sie KI-Texte geliefert bekommen. Damit kippen sie leider auch die bis jetzt beste Möglichkeit, sich intensiv, tiefgehend und über längere Zeiträume (als eine Klausur) mit einem Thema auseinanderzusetzen. In diesem Kontext suchen wir alle gerade neue Möglichkeiten, um längere, intensive und selbstgesteuerte Lernprozesse anders zu gestalten. Das Problem dabei ist nur, dass die Lernenden noch immer die Lernenden sind, die in ihren Alltagen KI nutzen und so geprägt in einen Kontext kommen, in dem sie dann scheitern.
Dazu kommen aber noch unsere Lernräume im weiteren Sinn, nämlich im Berufsalltag. Mittlerweile gibt es genug Evidenz, wie tief KI dort bereits angekommen ist (und wenn es nur der Beleg ist, was passiert, wenn ChatGPT mal kurzfristig ausfällt). Dort im Alltag sind die Junior-Organisationsentwickler:innen, die einige Jahre „mitlaufen“, Unterstützungsleistungen bringen, zum ersten Mal eigene Designs entwickeln, die ersten Male selbst moderieren, eine Großgruppe „mithalten“, Krisen durchleben, Dinge falsch machen und scheitern. Das ist ein sehr heftiges, aber notwendiges Lernfeld. Meine ersten Designs waren grottenschlecht. Ich habe Aufträge verpatzt und Kund:innen verloren. Ich habe hart gelernt in meinen ersten Jahren. Wer von Euch Profis das nicht hat, werfe den ersten Stein.
Wozu etwas lernen, was KI in fünf Sekunden erledigt?
Mindestens die Hälfte jener Dinge, die ich früher falsch gemacht habe und an denen ich hart gelernt habe, kann ChatGPT aus dem Handgelenk. Damit will ich sagen: Wenn ich es gewohnt werde, mir von ChatGPT ein Seminardesign machen zu lassen (und wieviele von uns da draußen tun das schon jeden Tag?), werde ich nie besser werden, weil ich die Lernkurve nicht habe. Ja, es gibt das Beispiel der Zwerge auf den Schultern von Riesen, aber meine Riesen sind nicht ChatGPT, sondern Menschen. Meine KI ist „NI“ („natürliche Intelligenz“) und heißt Brenda Jones, Gerhard Schwarz, Ed Schein, John Kotter, Hartmut Rosa, Stefan Kühl, Johnathan Haidt, Roswitha Königswieser, Joana Krizanits, Karl Schattenhofer, Oliver König, Monika Stützle-Hebel und noch viele mehr, deren Bücher bei mir im Regal stehen und die ich zum Teil auch live erleben durfte.
Für OE-Profis, die Hypothesenbildung können, mag es eine Arbeitserleichterung sein, wenn man dank KI einen Anfang hat. Wir gehen ohnehin in mehrere Schleifen, um sie zu hinterfragen. Wir validieren unser Material auch mit unseren Kund:innen und entwickeln es damit weiter. Aber wer noch nicht da durchgegangen ist, wie man gute Hypothesen erstellt, ist mit KI geliefert. Das Problem ist ja nicht der Output der KI, sondern die Interpretation. Die emeritierte Wissenschaftsforscherin Helga Nowotny von der ETH Zürich bringt es in ihrem Artikel „In AI we trust?“ auf den Punkt: „Wenn wir uns zu sehr auf ihre Vorhersagen verlassen, laufen wir Gefahr, zu einer deterministischen Weltsicht zurückzukehren, in der alles schon entschieden ist.“ Nun, genau solche Phänomene erlebe ich gerade in meiner Arbeit: das teils standhafte Beharren an der Existenz deterministischer Erklärungen. Diese Ent-Täuschung (im Wortsinn) haben wir alle erlebt. Sie ist eine narzisstische Kränkung unseres Urteilsvermögens, aber nur so geht es vorwärts.
Übrigens: Nachdem ich ChatGPT um Hypothesen zu meinem Case bat, versuchte ich per prompt in Diskurs zu gehen –genauso wie wir im Staff Anfangsthesen weiterentwickeln. Wir hinterfragen ja Thesen, bis sie sich der Sättigung nähern. Das Ergebnis war wahrhaft desillusionierend: ChatGPT begann zu halluzinieren, widersprach sich , entschuldigte sich unterwürfig, halluzinierte noch schlimmer, erzählte plötzlich etwas gänzlich neues, verlor den Faden. Es war reinster Stuss. Für die zentrale Aufgabe von Hypothesen (nämlich Veränderung des Denkens und Erlebens auszulösen) ist KI wirklich untauglich.
Das ist zwar nur eine Einzelerfahrung, aber es gibt dasselbe auch wissenschaftlich. Einer der Doyens der qualitativen Inhaltsanalyse ist der Psychologe Philipp Mayring. Er hat im Jänner 2025 einen Artikel publiziert zur qualitativen Inhaltsanalyse mit ChatGPT (hier zum Download – der Tipp ist übrigens von meiner hochgeschätzten Kollegin Ruth Picker), und seine Ergebnisse sind schwer durchwachsen. Er schreibt über die Ergebnisse:
„Die Ergebnisse der Software wiesen, egal welche Vorgaben gemacht wurden, meistens in Richtung einer groben, oberflächlichen Zusammenfassung im Sinne einer Themenauflistung. Für die von mir entwickelten qualitativ-inhaltsanalytischen Verfahren (MAYRING 2022a, 2022b) erscheinen sie wenig geeignet.“
Verteufeln? nein. Verstehen!
Ich biete gerade eine Menge Stoff, um als Verteufler von KI durchzugehen. Stimmt nicht, ich habe ein Argument dagegen: Jede technologische Revolution hat uns Menschen erst mit Verzögerung in die Lage versetzt, sie wirklich zu nutzen, das ist seit dem Buchdruck nicht viel anders geworden. Wir werden also erst lernen müssen, damit umzugehen. Und wir werden gut auf unser derzeitiges Scheitern schauen müssen, um einen guten Sprung vorwärts machen zu können.
Und nun? Was tun? Gar nicht so einfach.
Wer hier eine gute Idee hat, möge diese bitte teilen (ich poste sie gerne hier unten dran). Ich habe – zugegeben – noch keine wirklich zündende. Ich experimentiere mit Lernformaten, die das Hier und Jetzt wieder ins Zentrum rücken und damit noch mehr die unmittelbare affektive Betroffenheit in der Situation nützen (gut, dass ich Gruppendynamiker bin). Auch dazu gehört, Lernräume möglichst näher an die Wirklichkeit zu verlegen im Sinne von: geht raus, stößt euch den Kopf, und wenn ihr wiederkommt, findet Ihr einen schützenden Lernraum zum Verarbeiten. Dazu braucht es auch in Hochschulkontexten mehr Freiraum, den es nicht immer gibt, denn KI entwickelt sich im Moment zehnmal so schnell wie Curricula.
Und die Lernräume im ersten Tun in der Praxis? Da habe ich die Anfangshypothese, dass sich durch KI sehr schnell eine sehr brutale Selektion einstellen wird: Wer hat genug Eigenstruktur, um an KI vorbei Hirnströme zu aktivieren und alle Ressourcen des Geistes und Körpers zu nutzen? Das werden gute Supervisorinnen, Coaches und Organisationsentwicklerinnen. Das persönliche Engagement, sich zu engagieren und nicht den leichten Weg zu gehen, wird zur Schlüsseleigenschaft werden.
Ich hoffe nur, dass Kund:innen das auch merken, damit sie Qualität von ChatGPT unterscheiden können. Das ist gar nicht so einfach, denn KI produziert in meinem Bereich sehr einladenden, verfänglichen, anschlussfähigen – nunja, Unsinn.
Was diese reduzierten Lernräume im Management und der internen OE ausmachen, ist ein nächstes spannendes Thema – aber mal langsam. Nur KI gibt auf jede Frage gleich eine Antwort, egal welche.
(Übrigens: In meinem Datenschutzverweis steht, dass ich keine KI-Inhalte verwende. Das Bild oben ist – dem Thema geschuldet – die Ausnahme. Es ist von Gemini.)
Kommentare
Lernprozesse sind ja Interaktions-/Kommunikationsprozesse. Neben den formalen sind es auch die informellen – zum Beispiel gemeinsame Lerngruppen, die sich organisieren. Und sichtlich „kürzt“ die KI und diverse Tools da etwas ab – die Frage ist nur mit welchen Wirkungen und Nebenwirkungen. Was bedeutet es, wenn es selbst nicht gedacht und entwickelt wird/wurde, also der eigene Interaktions- und Auseinandersetzungsprozess nicht stattfindet, sondern „zugekauft“ wird? Klaus Wögerer, Lehrgangsleiter ASYS (Systemische Supervision und Coaching)
Eine hochspannende Kollegin (die viel Ahnung von Computern hat so ganz nebenbei) hat mir geschrieben: Wir vergessen gerne, dass KI nicht denkt, sondern rechnet. Ja, denke ich: wir vergessen, dass sie nicht so ist wie wir. Und sie hat mir eine wunderbare Erklärung von KI geschickt, aus der "Sendung mit der Maus". "Für Kinder, Jugendliche und so manche Erwachsene fein erklärt", sagt sie, und das kann ich als Erwachsener bestätigen.