Der Case „#META TITLE#“ zeigt, was möglich ist. Unsere Leistungen bringen es in Ihr Projekt.
Generative künstliche Intelligenz verändert nicht nur, wie schnell Menschen Ergebnisse erzeugen, sondern auch, wie diese Ergebnisse psychologisch entstehen. Texte, Bilder, Konzepte, Analysen, Präsentationen und Pläne können innerhalb weniger Minuten in einer Qualität vorliegen, für die zuvor Fachwissen, Übung, Recherche und mehrere Bearbeitungsschritte notwendig waren. Der funktionale Nutzen dieser Entwicklung ist empirisch gut erkennbar: In einem Experiment mit berufstypischen Schreibaufgaben reduzierte der Einsatz von ChatGPT die durchschnittliche Bearbeitungszeit um rund 40 Prozent, während die von unabhängigen Gutachtern bewertete Qualität der Ergebnisse um etwa 18 Prozent stieg. Generative KI kann damit die bislang enge Verbindung zwischen investiertem Aufwand und Ergebnisqualität deutlich lockern.
Genau diese Entkopplung bildet den Ausgangspunkt der Studie „Too Easy to Matter“. Die bisherige Debatte über generative KI konzentriert sich vor allem auf Produktivität, Geschwindigkeit und objektive Leistungsfähigkeit. Sie fragt, ob Menschen mit künstlicher Intelligenz mehr, schneller oder besser produzieren können. Psychologisch mindestens ebenso relevant ist jedoch eine zweite Frage:
Was geschieht mit der persönlichen Bedeutung eines Ergebnisses, wenn der Mensch zwar dessen Empfänger und Nutzer ist, aber nur noch begrenzt an seiner Entstehung beteiligt war?
Die zentrale Annahme der Studie lautet: Je geringer der wahrgenommene eigene Beitrag zu einem Ergebnis ist, desto schwächer könnten psychologische Eigentümerschaft, Stolz, Verbundenheit und Verantwortungsgefühl ausfallen – selbst dann, wenn das Ergebnis objektiv hochwertiger ist.
Entscheidend ist dabei nicht allein die investierte Zeit oder die objektive Anstrengung. Ein Ergebnis kann schnell entstehen und dennoch als zutiefst eigen erlebt werden, wenn der Mensch die zentrale Idee entwickelt, wesentliche Entscheidungen getroffen und den Verlauf aktiv geprägt hat. Umgekehrt kann eine Person viel Zeit mit dem Prüfen, Formatieren oder Korrigieren eines KI-generierten Ergebnisses verbringen, ohne sich als dessen eigentlicher Urheber zu erleben.
Im Mittelpunkt steht deshalb nicht der reine Aufwand, sondern der wahrgenommene kausale Eigenanteil: das subjektive Erleben, dass ein Ergebnis ohne den eigenen gedanklichen, kreativen oder entscheidenden Beitrag nicht in genau dieser Form entstanden wäre.
Diese Annahme knüpft an die Theorie der psychologischen Eigentümerschaft an. Psychologische Eigentümerschaft bezeichnet einen Zustand, in dem Menschen ein Objekt, eine Idee oder ein Arbeitsergebnis unabhängig vom rechtlichen Besitz als „meins“ erleben. Nach Pierce, Kostova und Dirks entsteht dieses Gefühl insbesondere über drei Wege: durch Kontrolle über den Gegenstand, durch genaue Kenntnis des Gegenstands und durch die Investition eigener Gedanken, Zeit oder Identität. Ergebnisse gewinnen demnach persönliche Bedeutung, wenn Menschen sie beeinflussen, verstehen und einen Teil ihres Selbst in sie einbringen können.
Auch der sogenannte IKEA-Effekt weist darauf hin, dass Eigenleistung die subjektive Bewertung eines Ergebnisses erhöhen kann. In mehreren Experimenten bewerteten Teilnehmer selbst montierte oder gestaltete Produkte höher als vergleichbare fertige Produkte. Der Effekt entstand jedoch nicht durch Mühe allein. Er zeigte sich vor allem dann, wenn die eigene Tätigkeit erfolgreich abgeschlossen wurde. Bei Scheitern oder nachträglicher Zerstörung des Produkts verschwand der Effekt. Eigenleistung erzeugt folglich nicht automatisch Bedeutung. Bedeutung entsteht eher aus dem Zusammenspiel von Selbstinvestition, erfolgreicher Bewältigung und erlebter eigener Wirksamkeit.
Diese Differenzierung ist für die Untersuchung generativer KI zentral. „Too Easy to Matter“ vertritt keine techniknostalgische These, nach der alles Wertvolle mühsam sein müsse. Menschen haben ihre Fähigkeiten schon immer durch Sprache, Schrift, Maschinen, Suchsysteme und andere Werkzeuge erweitert. Kognitive Auslagerung ist daher nicht zwangsläufig mit einem Verlust menschlicher Fähigkeiten oder Bedeutung gleichzusetzen. Sie kann Bestandteil eines leistungsfähigeren Mensch-Technik-Systems sein. Die relevante Frage lautet vielmehr, welche Aufgaben sinnvoll delegiert werden können und welche Formen eigener Beteiligung für Verständnis, Kontrolle und Identifikation erhalten bleiben müssen.
Generative KI unterscheidet sich dabei von vielen früheren Werkzeugen. Ein Textverarbeitungsprogramm erleichtert das Schreiben, entwickelt aber nicht selbstständig die Argumentation. Eine Suchmaschine liefert Quellen, formuliert jedoch nicht notwendigerweise eine fertige Position. Generative Systeme können dagegen wesentliche Teile des geistigen Entstehungsprozesses übernehmen. Sie strukturieren Probleme, entwickeln Ideen, wählen Argumente, formulieren Sprache und simulieren kreative Entscheidungen.
Der menschliche Beitrag kann sich dadurch von der eigentlichen Erzeugung auf das Formulieren eines Auftrags, die Auswahl zwischen Vorschlägen oder die nachträgliche Freigabe des Ergebnisses verlagern. Funktional bleibt der Mensch beteiligt. Psychologisch kann seine Rolle jedoch als weniger ursächlich erlebt werden.
Erste empirische Befunde stützen diese Vermutung. Experimente zum KI-gestützten Schreiben zeigen, dass KI-generierte Texte im Vergleich zu vollständig selbst geschriebenen Texten mit geringerer psychologischer Eigentümerschaft verbunden sein können. Zugleich steigt das Eigentumsgefühl, wenn Nutzer ausführlichere Prompts formulieren und dadurch mehr eigene Vorstellungen, Details und Entscheidungen in den Entstehungsprozess einbringen. Der entscheidende Mechanismus scheint damit nicht die bloße Nutzung von KI zu sein, sondern die Tiefe des erlebten eigenen Beitrags.
Besonders relevant könnte dieser Zusammenhang bei identitätsnahen Aufgaben sein. In einem aktuellen präregistrierten Experiment erzeugten Sprachmodelle formal deutlich besser strukturierte persönliche Ziele als die Teilnehmer selbst. Dennoch berichteten die Teilnehmer bei KI-formulierten Zielen eine geringere psychologische Eigentümerschaft, weniger Commitment und eine niedrigere wahrgenommene Bedeutung. Zwei Wochen später hatten Personen mit selbst formulierten Zielen ihre Vorhaben häufiger umgesetzt. Da es sich um eine aktuelle Vorveröffentlichung handelt, müssen diese Ergebnisse weiter repliziert werden. Sie liefern jedoch einen deutlichen Hinweis auf eine mögliche Entkopplung von objektiver Qualität und subjektiver Bindung.
Diese Entkopplung wird in der vorliegenden Studie als Quality–Meaning-Paradox bezeichnet:
Die Qualität eines Ergebnisses kann durch KI steigen, während seine persönliche Bedeutung gleichzeitig sinkt.
Qualität und Bedeutung sind damit keine identischen Größen. Ein Ergebnis kann professionell, korrekt und effizient sein, ohne Stolz auszulösen. Es kann verwendet werden, ohne als eigener Ausdruck erlebt zu werden. Es kann überzeugen, ohne dauerhaft erinnert zu werden. Und es kann veröffentlicht oder umgesetzt werden, ohne dass sich die verantwortliche Person innerlich vollständig damit identifiziert.
Die Selbstbestimmungstheorie liefert eine weitere Erklärung für diesen Zusammenhang. Sie geht davon aus, dass nachhaltige Motivation und psychisches Wohlbefinden besonders dann entstehen, wenn Menschen Autonomie, Kompetenz und soziale Verbundenheit erleben. Autonomie bezeichnet dabei nicht bloß Wahlfreiheit, sondern das Gefühl, Ursprung des eigenen Handelns zu sein. Kompetenz meint das Erleben, durch eigenes Können wirksam zu werden. Wenn KI das Resultat verbessert, gleichzeitig aber das Gefühl eigener Initiative und Meisterschaft reduziert, kann ein hochwertiges Ergebnis entstehen, ohne die psychologischen Bedürfnisse zu erfüllen, die üblicherweise Stolz, Lernfreude und Identifikation tragen.
Daraus folgt die wissenschaftliche Leitannahme von „Too Easy to Matter“: Nicht die Mühelosigkeit selbst entwertet ein Ergebnis. Ein Bedeutungsverlust entsteht vielmehr dann, wenn Erleichterung in eine Verringerung von Autorschaft, Kontrolle und wahrgenommenem Eigenanteil übergeht.
KI kann unproduktive Mühe beseitigen und gleichzeitig menschliche Wirksamkeit stärken, wenn sie Menschen dabei unterstützt, eigene Vorstellungen präziser umzusetzen. Sie kann Bedeutung jedoch schwächen, wenn sie genau jene Ideen, Entscheidungen und Entwicklungsschritte übernimmt, durch die ein Ergebnis zum Ausdruck der eigenen Person wird.
Die Studie untersucht daher nicht nur, ob Menschen mit KI bessere Ergebnisse erzeugen. Sie untersucht, unter welchen Bedingungen ein KI-gestütztes Ergebnis trotz hoher Qualität noch als eigenes, bedeutsames und verantwortungswürdiges Ergebnis erlebt wird.
Die entscheidende Frage lautet:
Welche Form menschlicher Beteiligung muss erhalten bleiben, damit ein Resultat nicht nur gut genug ist, um genutzt zu werden, sondern persönlich wichtig genug, um erinnert, vertreten und weiterentwickelt zu werden?
Wie verändert generative KI die Bedeutung eines Ergebnisses, wenn Menschen immer weniger selbst zu dessen Entstehung beitragen? Diese Forschungsfrage richtet den Blick nicht primär auf die technische Qualität künstlich erzeugter Resultate, sondern auf die psychische Beziehung, die Menschen zu ihnen entwickeln. Generative KI kann Texte strukturieren, Argumente formulieren, Bilder gestalten, Ideen entwickeln, Musik erzeugen, Entscheidungen vorbereiten und komplexe Aufgaben innerhalb kürzester Zeit bearbeiten. Sie kann Ergebnisse hervorbringen, für die Menschen bislang Wissen, Übung, Ausdauer, gestalterische Fähigkeiten oder einen längeren Reflexionsprozess benötigten. Dadurch entsteht eine historisch neue Trennung zwischen der Qualität eines Ergebnisses und dem menschlichen Anteil an seiner Entstehung. Ein Resultat kann objektiv hochwertig, funktional überzeugend und sozial anerkannt sein, obwohl die Person, die es nutzt, nur wenige eigene Gedanken, Entscheidungen oder Bearbeitungsschritte beigetragen hat. Die zentrale wissenschaftliche Frage lautet deshalb nicht allein, ob KI Menschen produktiver macht, sondern ob die wachsende Qualität der Ergebnisse mit einer abnehmenden inneren Aneignung einhergeht. Ein Ergebnis kann gut sein, ohne sich wie ein eigenes Ergebnis anzufühlen. Es kann veröffentlicht, verwendet und von anderen gelobt werden, ohne Stolz, Bindung oder persönliche Bedeutsamkeit auszulösen. Genau hier trennt die Studie zwischen Ergebnisqualität und Ergebnisbedeutung. Qualität bezeichnet die äußere Leistungsfähigkeit eines Resultats, etwa seine sprachliche Präzision, ästhetische Wirkung, argumentative Geschlossenheit, Originalität oder funktionale Brauchbarkeit. Bedeutung bezeichnet dagegen das Ausmaß, in dem das Ergebnis mit dem eigenen Selbst verbunden wird. Ein bedeutsames Ergebnis wird nicht nur als nützlich wahrgenommen. Es wird als Ausdruck eigener Gedanken, Fähigkeiten, Erfahrungen oder Entscheidungen erlebt. Menschen erkennen sich darin wieder, fühlen sich dafür verantwortlich, erinnern sich an den Entstehungsprozess und sind bereit, das Resultat gegenüber anderen zu vertreten, weiterzuentwickeln oder zu schützen. Bedeutung liegt damit nicht ausschließlich im Ergebnis selbst. Sie entsteht durch einen Prozess psychischer Aneignung. Etwas wird bedeutsam, weil der Mensch erlebt, dass es durch ihn entstanden ist, etwas von ihm enthält und ohne seinen Beitrag nicht dieselbe Form angenommen hätte. Die Studie untersucht daher nicht allein den objektiven Zeitaufwand. Zeit ist kein hinreichender Indikator für persönliche Beteiligung. Eine Person kann viele Stunden mit einem KI-generierten Ergebnis verbringen, ohne dessen Richtung wesentlich bestimmt zu haben. Sie kann Formulierungen korrigieren, Quellen prüfen, Formatierungen anpassen oder Varianten vergleichen und dennoch das Gefühl behalten, dass die eigentliche Leistung vom System stammt. Umgekehrt kann ein Ergebnis in kurzer Zeit entstehen und trotzdem hohe persönliche Bedeutung besitzen, wenn der Mensch die entscheidende Idee entwickelt, eine eigenständige Perspektive eingebracht oder den Entstehungsprozess an zentralen Stellen gesteuert hat. Der relevante Faktor ist deshalb nicht die Menge der investierten Arbeit, sondern der wahrgenommene eigene Entstehungsanteil. Gemeint ist das subjektive Erleben, dass das Resultat ohne die eigenen Gedanken, Entscheidungen und Eingriffe nicht in genau dieser Form entstanden wäre. Dieser wahrgenommene Eigenanteil bildet die psychologische Verbindung zwischen Person und Ergebnis. Er entscheidet darüber, ob ein Resultat als selbst hervorgebracht, gemeinsam entwickelt oder lediglich empfangen erlebt wird. Tiefenpsychologisch berührt diese Frage das Verhältnis zwischen Handlung und Selbst. Menschen erfahren sich nicht nur durch das, was sie denken oder fühlen, sondern auch durch das, was sie in der Welt hervorbringen. Ein Werkstück, ein Text, eine Idee oder eine Entscheidung kann zu einem äußeren Träger innerer Identität werden. In ihm materialisiert sich ein Teil des eigenen Selbst. Der Entstehungsprozess ermöglicht es, innere Vorstellungen nach außen zu übertragen, Widerstände zu bearbeiten, Unsicherheit auszuhalten und eine zunächst diffuse Idee in eine konkrete Form zu verwandeln. Das Ergebnis besitzt anschließend Bedeutung, weil es nicht einfach vorhanden ist, sondern eine Geschichte der eigenen Wirksamkeit enthält. Es erinnert daran, dass man etwas verstanden, entschieden, überwunden oder gestaltet hat. Wird dieser Prozess weitgehend automatisiert, kann zwar das Resultat erhalten bleiben, die darin enthaltene Erfahrung eigener Wirksamkeit jedoch schwächer ausfallen. Das Ergebnis ist dann äußerlich präsent, aber psychisch weniger tief verankert. Es wurde nicht vollständig durchlebt, sondern vor allem übernommen. Für die Untersuchung ist daher der eigene gedankliche Beitrag von besonderer Bedeutung. Eine Idee wird psychologisch nicht allein deshalb zur eigenen Idee, weil man ihr zustimmt oder sie auswählt. Eigentümerschaft entsteht stärker, wenn eine Person an ihrer Entwicklung beteiligt war, Alternativen geprüft, Widersprüche bearbeitet und eine eigene Position herausgebildet hat. Generative KI kann diesen Prozess unterstützen, indem sie Perspektiven erweitert, Gegenargumente liefert und Gedanken präzisiert. Sie kann ihn aber auch verkürzen, indem sie bereits eine überzeugende Antwort präsentiert, bevor ein eigener gedanklicher Suchprozess begonnen hat. In diesem Fall kann die Person die Formulierung übernehmen, ohne die dahinterliegende gedankliche Bewegung selbst vollzogen zu haben. Das Ergebnis wirkt plausibel und passend, bleibt aber möglicherweise psychisch oberflächlich verankert. Es wurde erkannt, aber nicht entwickelt; akzeptiert, aber nicht vollständig angeeignet. Eng damit verbunden ist die Kontrolle über zentrale Entscheidungen. Menschen erleben ein Ergebnis eher als eigenes, wenn sie nicht nur zwischen vorgegebenen Varianten wählen, sondern die wesentlichen Richtungsentscheidungen selbst treffen. Dazu gehört, welches Problem bearbeitet wird, welche Kriterien gelten, welche Perspektive eingenommen wird, welche Aspekte verworfen werden und welche endgültige Form das Ergebnis erhält. Generative Systeme können den Entscheidungsspielraum erweitern, indem sie schnell zahlreiche Optionen bereitstellen. Gleichzeitig besteht die Gefahr, dass die Menge und Qualität der Vorschläge die menschliche Entscheidung faktisch vorstrukturieren. Nutzer wählen dann zwar formal selbst, bewegen sich aber innerhalb eines von der KI definierten Möglichkeitsraums. Psychologisch kann dadurch eine subtile Verschiebung entstehen: Der Mensch erlebt sich weiterhin als Entscheider, obwohl die entscheidenden Kategorien, Optionen und Prioritäten bereits vom System gesetzt wurden. Die Studie muss deshalb zwischen formaler Auswahl und tatsächlicher Gestaltungsmacht unterscheiden. Nicht jede Interaktion mit einem KI-System bedeutet, dass der Mensch den Prozess kontrolliert. Kontrolle liegt erst dann vor, wenn er die Möglichkeit besitzt, die Richtung des Ergebnisses zu bestimmen, Vorschläge begründet zurückzuweisen und eigene Kriterien gegen die Logik des Systems durchzusetzen. Eine weitere Dimension bildet die aktive Bearbeitung des Ergebnisses. Psychologische Aneignung entsteht häufig dadurch, dass Menschen einen Entwurf verändern, präzisieren, korrigieren und an eigene Vorstellungen anpassen. Diese Bearbeitung ist mehr als eine technische Nachbesserung. Sie ist ein Prozess der inneren und äußeren Angleichung. Das zunächst fremde Material wird so lange verändert, bis es mit der eigenen Absicht, Sprache und Haltung übereinstimmt. Dabei kann sich das Ergebnis vom Produkt der KI zu einem gemeinsam hervorgebrachten oder tatsächlich angeeigneten Resultat entwickeln. Entscheidend ist jedoch die Tiefe der Bearbeitung. Oberflächliche Veränderungen wie das Austauschen einzelner Wörter oder das Kürzen eines Textes müssen nicht zwangsläufig zu stärkerer Eigentümerschaft führen. Bedeutung dürfte vor allem dann entstehen, wenn die Bearbeitung konzeptionell ist, also Argumente neu geordnet, Perspektiven verändert, Ideen ergänzt oder zentrale Aussagen bewusst neu bestimmt werden. Die Studie untersucht deshalb nicht nur, ob Menschen einen KI-Output bearbeiten, sondern auf welcher Ebene sie dies tun und ob sich durch die Bearbeitung das Gefühl verstärkt, im Ergebnis selbst präsent zu sein. Zentral ist ebenso das Wiedererkennen eigener Ideen. Menschen erleben ein Resultat als bedeutsam, wenn sie darin Spuren ihrer eigenen Gedanken, Erfahrungen, Werte oder sprachlichen Eigenheiten entdecken. Dieses Wiedererkennen erzeugt Kontinuität zwischen innerem Erleben und äußerem Produkt. Das Ergebnis erscheint dann nicht bloß richtig oder professionell, sondern persönlich stimmig. Es trägt etwas, das als unverwechselbar erlebt wird. Generative KI kann diese Passung erhöhen, wenn sie auf individuelle Informationen, frühere Texte oder persönliche Präferenzen zurückgreift. Gleichzeitig kann daraus eine besondere Form künstlicher Vertrautheit entstehen. Ein Ergebnis kann sehr persönlich klingen, obwohl die persönliche Passung hauptsächlich vom System rekonstruiert wurde. Die Person erkennt sich darin wieder, ohne sicher zu wissen, ob dieses Wiedererkennen auf einem eigenen schöpferischen Beitrag oder auf der Fähigkeit der KI beruht, individuelle Muster überzeugend zu imitieren. Damit stellt sich eine tiefenpsychologisch relevante Frage: Reicht das Erkennen des eigenen Stils aus, um ein Ergebnis als eigenes zu erleben, oder muss die Person auch den inneren Weg seiner Entstehung nachvollziehen können? Möglich ist, dass KI eine Art Spiegelbild erzeugt, das dem Selbst sehr ähnlich sieht, aber nicht aus einer eigenen inneren Bewegung hervorgegangen ist. Das Ergebnis erscheint vertraut, kann aber zugleich ein Gefühl von Fremdheit hinterlassen, weil die Person sich zwar im Resultat erkennt, sich aber nicht als dessen Ursprung erlebt. Diese Spannung führt unmittelbar zum Gefühl von Autorschaft. Autorschaft bezeichnet mehr als die rechtliche oder soziale Zuschreibung eines Ergebnisses. Psychologisch bedeutet sie, sich als Ursprung einer Aussage, Idee oder Gestaltung zu erleben. Sie verbindet das Resultat mit einem inneren Akt des Wollens und Hervorbringens. Wer sich als Autor erlebt, empfindet nicht nur Besitz, sondern Verantwortung. Er steht für das Ergebnis ein, kann seine Entstehung erklären und akzeptiert, dass es etwas über ihn aussagt. Generative KI macht diese Zuschreibung zunehmend uneindeutig. Ein Mensch kann einen Text veröffentlichen, dessen Argumentation und Sprache überwiegend von einem System erzeugt wurden. Er kann ein Bild präsentieren, ohne die gestalterischen Entscheidungen selbst getroffen zu haben. Er kann eine Strategie vertreten, deren innere Logik er nur teilweise entwickelt hat. Die soziale Autorschaft bleibt beim Menschen, während die psychologische Autorschaft geteilt oder geschwächt sein kann. Diese Differenz ist für die Studie zentral, weil sie erklären könnte, warum Menschen KI-generierte Ergebnisse zwar nutzen, sich aber weniger eng an sie gebunden fühlen. Wenn Autorschaft unklar wird, kann auch Verantwortung diffuser werden. Fehler werden eher dem System zugeschrieben, Erfolge möglicherweise weniger als Ausdruck eigener Kompetenz erlebt. Das Resultat befindet sich dann in einem psychischen Zwischenraum: Es gehört der Person, ohne vollständig von ihr zu stammen. Die zentrale Forschungsfrage untersucht deshalb, unter welchen Bedingungen generative KI nicht nur Arbeit erleichtert, sondern die Verbindung zwischen Person und Ergebnis verändert. Erwartet wird kein einfacher linearer Zusammenhang, nach dem weniger Aufwand zwangsläufig weniger Bedeutung erzeugt. KI kann gerade dadurch Bedeutung ermöglichen, dass sie technische Hürden senkt und Menschen in die Lage versetzt, Ideen umzusetzen, die ihnen zuvor verschlossen waren. Ein Mensch ohne gestalterische Ausbildung kann ein inneres Bild sichtbar machen, ein sprachlich unsicherer Mensch kann einen wichtigen Gedanken ausdrücken, ein überforderter Nutzer kann einen komplexen Plan strukturieren. In solchen Fällen kann KI die persönliche Wirksamkeit sogar erhöhen. Entscheidend ist, ob der Mensch sich trotz der Unterstützung als Ursprung, Gestalter und verantwortlicher Träger des Ergebnisses erlebt. Die Studie prüft daher, ob Bedeutung vor allem dann sinkt, wenn Unterstützung in Substitution übergeht: wenn KI nicht mehr nur Fähigkeiten erweitert, sondern die zentralen gedanklichen und kreativen Akte ersetzt, durch die Menschen ein Ergebnis psychisch zu ihrem eigenen machen. Die Leitfrage lautet somit nicht, wie viel Arbeit KI übernimmt, sondern welche Art von Arbeit beim Menschen verbleibt. Besonders relevant dürften jene Beiträge sein, in denen sich Intentionalität, Entscheidung, Identität und Verantwortung ausdrücken. Die wissenschaftliche Untersuchung zielt deshalb darauf, die Grenze zwischen entlastender Unterstützung und bedeutungsmindernder Delegation sichtbar zu machen. Sie fragt, wie viel eigener gedanklicher Beitrag, wie viel Kontrolle, wie viel aktive Bearbeitung, wie viel Wiedererkennen und wie viel Autorschaft notwendig sind, damit ein KI-gestütztes Resultat nicht nur objektiv gut, sondern subjektiv bedeutsam bleibt. Im Kern geht es damit um eine grundlegende Frage der kommenden KI-Gesellschaft: Können Menschen sich weiterhin über das definieren, was sie hervorbringen, wenn die eigentliche Hervorbringung zunehmend von intelligenten Systemen übernommen wird?
Die Untersuchung von „Too Easy to Matter“ basiert auf der Annahme, dass generative KI zwei bislang eng verbundene Dimensionen menschlicher Leistung voneinander lösen kann: die objektive Qualität eines Ergebnisses und seine subjektive Bedeutung für die Person, die es hervorgebracht hat. Während klassische Werkzeuge vor allem die Ausführung erleichterten, können generative Systeme zunehmend auch jene gedanklichen, sprachlichen und kreativen Prozesse übernehmen, die bisher als Kern der menschlichen Leistung galten. Sie entwickeln Vorschläge, strukturieren Argumentationen, treffen gestalterische Vorentscheidungen und erzeugen nahezu fertige Resultate. Dadurch kann ein Ergebnis qualitativ hochwertiger werden, obwohl der Mensch weniger eigene kognitive und kreative Schritte durchlaufen hat. Die sechs Hypothesen untersuchen deshalb nicht nur, ob KI die Leistung verbessert, sondern wie unterschiedliche Formen der KI-Unterstützung das Verhältnis zwischen Person, Entstehungsprozess und Ergebnis verändern.
Die erste Hypothese beschreibt zunächst den funktionalen Nutzen generativer KI. Je stärker ein leistungsfähiges KI-System in die Bearbeitung einer Aufgabe eingebunden ist, desto schneller sollte ein verwertbares Ergebnis entstehen. Gleichzeitig ist zu erwarten, dass insbesondere bei sprachlichen, konzeptionellen und gestalterischen Aufgaben die durchschnittliche formale Qualität zunimmt. KI kann innerhalb weniger Sekunden Informationen ordnen, sprachliche Fehler reduzieren, Argumente strukturieren, Varianten entwickeln und konventionelle Qualitätsstandards zuverlässig reproduzieren. Sie entlastet Menschen von Suchprozessen, Routineformulierungen und technischen Ausarbeitungsschritten. Dadurch verkürzt sich die Zeit zwischen Aufgabenstellung und fertigem Resultat.
Der erwartete Qualitätsgewinn dürfte besonders bei Personen sichtbar werden, die ohne KI nur über geringe oder mittlere fachliche Fähigkeiten verfügen. Generative Systeme können individuelle Leistungsunterschiede teilweise ausgleichen, indem sie fehlende Erfahrung, sprachliche Unsicherheit oder mangelnde Strukturierungsfähigkeit kompensieren. Menschen mit geringer Ausgangskompetenz könnten dadurch überproportional profitieren. Bei sehr kompetenten Personen ist dagegen denkbar, dass der Qualitätsgewinn geringer ausfällt oder nur in bestimmten Teilbereichen sichtbar wird. KI erhöht dann möglicherweise vor allem Geschwindigkeit und Variantenvielfalt, während die inhaltliche Qualität bereits ohne Unterstützung hoch ist.
Die Hypothese unterstellt daher keinen unbegrenzten linearen Effekt. Eine zunehmende KI-Unterstützung kann zwar zunächst Qualität und Geschwindigkeit steigern, bei sehr hoher Delegation aber auch zu Standardisierung, inhaltlicher Oberflächlichkeit oder einer unzureichenden Passung an die konkrete Aufgabe führen. Entscheidend ist deshalb, Ergebnisqualität unabhängig bewerten zu lassen und nicht mit der Zufriedenheit der Bearbeiter gleichzusetzen. Ein Resultat kann formal hochwertig sein, obwohl sich sein Urheber kaum damit identifiziert. H1 bildet damit die notwendige Grundlage des Quality–Meaning-Paradoxons: Erst wenn KI tatsächlich bessere oder schneller verfügbare Ergebnisse erzeugt, wird wissenschaftlich relevant, ob deren persönliche Bedeutung trotzdem sinkt.
Die zweite Hypothese richtet sich auf die psychologische Wahrnehmung des Entstehungsprozesses. Je mehr zentrale Bestandteile einer Aufgabe an die KI delegiert werden, desto geringer sollte der eigene kausale Beitrag eingeschätzt werden. Delegation meint dabei nicht bloß die Nutzung eines technischen Hilfsmittels, sondern die Übertragung jener Prozesse, die das Ergebnis inhaltlich und gestalterisch bestimmen. Dazu gehören die Entwicklung der Ausgangsidee, die Strukturierung des Problems, die Auswahl relevanter Argumente, die Formulierung der zentralen Aussagen und die Entscheidung über die endgültige Form.
Der wahrgenommene Eigenbeitrag entsteht aus dem Gefühl, für das konkrete Zustandekommen eines Ergebnisses ursächlich gewesen zu sein. Menschen erleben ihren Beitrag als hoch, wenn sie davon ausgehen, dass das Resultat ohne ihre Ideen, Entscheidungen oder Eingriffe deutlich anders ausgefallen wäre. Wird dagegen ein weitgehend vollständiger KI-Output übernommen, kann zwar weiterhin eine formale Beteiligung bestehen, etwa durch das Schreiben eines Prompts oder die Auswahl einer Variante. Diese Beteiligung muss psychologisch jedoch nicht als eigentliche Autorenschaft erlebt werden. Der Nutzer hat dann den Prozess ausgelöst, aber nicht unbedingt den Inhalt hervorgebracht.
Tiefenpsychologisch berührt dies das Verhältnis von Aktivität und Passivität. Ein Ergebnis kann äußerlich der eigenen Person zugerechnet werden, innerlich aber als etwas Empfangendes erlebt werden. Der Mensch befindet sich dann in einer Zwischenposition: Er ist Auftraggeber, Prüfer oder Kurator, aber nicht vollständig Schöpfer. Je stärker die KI die produktive Kernleistung übernimmt, desto schwieriger kann es werden, sich selbst als Ursprung des Ergebnisses zu erleben. Besonders deutlich dürfte dieser Effekt ausfallen, wenn der erste KI-Output bereits ohne wesentliche Veränderung verwendet wird.
Gleichzeitig ist zu berücksichtigen, dass Delegation nicht ausschließlich anhand des objektiven KI-Anteils beurteilt wird. Auch ein stark KI-gestütztes Resultat kann als eigen erlebt werden, wenn der Nutzer den Prozess intensiv gesteuert, klare Vorgaben entwickelt und zahlreiche inhaltliche Entscheidungen getroffen hat. H2 bezieht sich deshalb nicht nur auf die Menge des maschinell erzeugten Materials, sondern auf die Übertragung entscheidender Gestaltungsmacht. Je mehr diese Gestaltungsmacht beim System liegt, desto geringer sollte der wahrgenommene eigene Entstehungsanteil ausfallen.
Die dritte Hypothese bildet den psychologischen Kern der Studie. Sie nimmt an, dass der wahrgenommene Eigenbeitrag die Verbindung zwischen Person und Ergebnis bestimmt. Wenn Menschen sich nicht als wesentliche Ursache eines Resultats erleben, sollte auch das Gefühl abnehmen, dass dieses Resultat wirklich zu ihnen gehört. Psychologische Eigentümerschaft meint dabei nicht rechtlichen Besitz, sondern die innere Zuschreibung: „Das ist mein Ergebnis“, „Es trägt etwas von mir“ oder „Ich erkenne mich darin wieder“.
Persönliche Bedeutung entsteht häufig dadurch, dass ein Ergebnis als sichtbare Verdichtung des eigenen Denkens und Handelns erlebt wird. Ein selbst entwickelter Text, ein gestaltetes Bild oder eine erarbeitete Lösung enthält nicht nur einen funktionalen Output. Das Resultat bewahrt zugleich Spuren des Weges, auf dem es entstanden ist. Es erinnert an Entscheidungen, Unsicherheiten, Korrekturen und die Erfahrung, etwas bewältigt zu haben. Der Gegenstand oder Text erhält dadurch eine biografische und identitätsbezogene Dimension. Er dokumentiert nicht nur, was erreicht wurde, sondern auch, wer die Person während seiner Entstehung war.
Wenn der eigene Entstehungsanteil sinkt, kann diese symbolische Verdichtung schwächer ausfallen. Das Ergebnis bleibt äußerlich vorhanden, trägt aber weniger Erinnerungen an eigene geistige oder kreative Aktivität. Entsprechend sollten Stolz, emotionale Bindung, Verantwortungsgefühl und Bereitschaft zur Weiterentwicklung abnehmen. Die Person kann das Resultat schätzen, ohne sich mit ihm zu identifizieren. Sie kann seine Qualität anerkennen, ohne daraus ein Gefühl eigener Kompetenz abzuleiten.
H3 nimmt damit einen vermittelnden Prozess an: Nicht KI-Nutzung an sich reduziert Bedeutung. Entscheidend ist, ob die Nutzung das Erleben des eigenen Beitrags schwächt. Sinkt der wahrgenommene Eigenanteil, reduziert sich psychologische Eigentümerschaft; sinkt die Eigentümerschaft, verliert das Ergebnis an persönlicher Bedeutung. Diese Mediationslogik ermöglicht es, technikdeterministische Erklärungen zu vermeiden. KI kann unter bestimmten Bedingungen Bedeutung verringern, unter anderen Bedingungen jedoch sogar erhöhen, etwa wenn sie Menschen erstmals ermöglicht, eine eigene Vorstellung sichtbar oder sprachlich ausdrückbar zu machen.
Die vierte Hypothese differenziert zwischen verschiedenen Formen der KI-Nutzung. Nicht jeder Einsatz generativer KI bedeutet denselben Verlust an Eigenanteil. Besonders relevant ist der Unterschied zwischen passiver Übernahme und aktiver Ko-Kreation. Bei einer passiven Nutzung formuliert der Mensch eine allgemeine Anfrage und übernimmt das erzeugte Ergebnis weitgehend unverändert. Bei einer ko-kreativen Nutzung entwickelt er eigene Ideen, prüft Vorschläge, verwirft Varianten, verändert Strukturen und bringt persönliche Erfahrungen oder Kriterien ein.
Ko-Kreation sollte höhere psychologische Eigentümerschaft erzeugen, weil der Mensch nicht nur ein Ergebnis auswählt, sondern seine Entwicklung mitbestimmt. Jeder begründete Eingriff kann zu einem Aneignungsschritt werden. Das zunächst fremde Material wird bearbeitet, bis es mit der eigenen Absicht, Haltung und Sprache übereinstimmt. Psychologisch verwandelt sich der KI-Output dadurch von einem gelieferten Produkt in ein gemeinsam entwickeltes Ergebnis.
Entscheidend ist allerdings die Qualität der Interaktion. Eine große Anzahl von Prompts führt nicht automatisch zu stärkerer Bedeutung. Wenn Nutzer lediglich immer neue Varianten anfordern, ohne eigene Kriterien zu entwickeln, bleibt ihre Rolle möglicherweise reaktiv. Ko-Kreation setzt voraus, dass der Mensch Richtung, Auswahlkriterien und endgültige Entscheidungen aktiv kontrolliert. Bedeutung entsteht nicht aus Interaktion allein, sondern aus dem Erleben wirksamer Mitgestaltung.
Die Hypothese erwartet daher, dass ko-kreativ entwickelte Ergebnisse trotz vergleichbarer objektiver Qualität stärker als eigene Leistung wahrgenommen werden. Sie sollten mehr Stolz auslösen, besser erinnert und eher weiterentwickelt werden. Die Nutzer sollten zudem bereitwilliger sein, das Ergebnis öffentlich zu vertreten, weil sie dessen Entstehungslogik nachvollziehen können und sich als verantwortlicher Teil des Prozesses erleben.
Die fünfte Hypothese berücksichtigt, dass nicht jedes Ergebnis denselben Identitätsbezug besitzt. Bei funktionalen Routineaufgaben steht vor allem der Nutzen im Vordergrund. Eine Terminübersicht, eine standardisierte Zusammenfassung oder eine formale Tabellenstruktur muss nicht Ausdruck der eigenen Persönlichkeit sein. Wird eine solche Aufgabe von KI übernommen, kann dies als reine Entlastung erlebt werden. Der Verlust eigener Beteiligung besitzt hier vermutlich nur geringe psychologische Kosten.
Anders verhält es sich bei kreativen, persönlichen oder identitätsnahen Aufgaben. Ein persönlicher Brief, eine kreative Idee, ein strategischer Standpunkt oder ein selbst formulierter Lebensplan wird stärker als Ausdruck der eigenen Person verstanden. Das Ergebnis kommuniziert nicht nur Informationen, sondern vermittelt Identität, Haltung und emotionale Beteiligung. Wird der Kern einer solchen Aufgabe an KI delegiert, kann eine Diskrepanz zwischen äußerer Zuschreibung und innerem Erleben entstehen. Der Text trägt den eigenen Namen, stammt aber nicht vollständig aus dem eigenen inneren Prozess. Das Resultat spricht scheinbar für die Person, ohne vollständig von ihr zu sprechen.
Diese Diskrepanz dürfte den Bedeutungsverlust verstärken. Je stärker ein Ergebnis das Selbst repräsentieren soll, desto wichtiger wird das Erleben authentischer Autorschaft. Bei persönlichen Aufgaben kann eine hohe sprachliche Qualität den fehlenden Eigenanteil möglicherweise nicht kompensieren. Ein unvollkommener, aber selbst formulierter Text kann deshalb emotional bedeutsamer sein als eine perfekte KI-Version. H5 erwartet entsprechend eine Interaktion zwischen Aufgabenart und Delegationsgrad: Bei Routineaufgaben bleibt die persönliche Bedeutung auch bei hoher KI-Unterstützung relativ stabil, während sie bei kreativen und persönlichen Aufgaben deutlich stärker sinkt.
Die sechste Hypothese grenzt Bedeutung von bloßer Anstrengung ab. Sie widerspricht der vereinfachten Vorstellung, dass Menschen Ergebnisse allein deshalb stärker schätzen, weil sie viel Zeit dafür aufgewendet haben. Zeit kann Selbstinvestition anzeigen, ist aber nicht mit Autorschaft gleichzusetzen. Eine Person kann lange an einem KI-Output arbeiten, ohne die entscheidenden inhaltlichen Weichen gestellt zu haben. Umgekehrt kann eine kurze, aber richtungsweisende Intervention einen hohen eigenen Entstehungsanteil begründen.
Ausschlaggebend sollte deshalb sein, wer die zentralen Entscheidungen kontrolliert. Dazu zählen die Definition des Problems, die Entwicklung der Leitidee, die Festlegung der Bewertungskriterien, die Auswahl relevanter Inhalte und die Entscheidung über die endgültige Form. Wer diese Entscheidungen trifft, erlebt sich eher als Ursprung des Ergebnisses. Wer dagegen lediglich vorgegebene Varianten auswählt oder Fehler korrigiert, kann trotz erheblicher Bearbeitungszeit nur geringe Eigentümerschaft entwickeln.
Kontrolle besitzt dabei eine tiefere psychologische Funktion. Sie vermittelt dem Menschen das Gefühl, nicht nur auf Möglichkeiten zu reagieren, sondern selbst Richtung zu geben. In ihr verbindet sich Autonomie mit Wirksamkeit. Ein Ergebnis wird als eigenes erlebt, wenn es eine Folge eigener Entscheidungen ist und nicht nur das Resultat eines Prozesses, den man ausgelöst, aber nicht wesentlich bestimmt hat.
H6 erwartet daher, dass der Zusammenhang zwischen Bearbeitungszeit und psychologischer Eigentümerschaft schwächer ausfällt als der Zusammenhang zwischen Entscheidungskontrolle und Eigentümerschaft. Besonders bedeutsam dürfte die subjektive Wahrnehmung sein: Auch wenn die KI objektiv viele Bestandteile erzeugt hat, kann ein Ergebnis als eigen erlebt werden, wenn der Nutzer davon überzeugt ist, die entscheidende Richtung bestimmt zu haben. Umgekehrt kann ein zeitintensiver Prozess fremd bleiben, wenn die zentralen Ideen und Entscheidungen vom System vorgegeben wurden.
Zusammen bilden die sechs Hypothesen ein zusammenhängendes Wirkungsmodell. Generative KI erhöht zunächst Geschwindigkeit und möglicherweise objektive Qualität. Je stärker jedoch die produktive Kernleistung delegiert wird, desto geringer wird der eigene Entstehungsanteil erlebt. Dieser Verlust schwächt psychologische Eigentümerschaft und persönliche Bedeutung. Aktive Ko-Kreation kann den Effekt abmildern, insbesondere wenn der Mensch die zentralen Entscheidungen kontrolliert. Die Stärke des Bedeutungsverlustes hängt zugleich davon ab, wie eng die Aufgabe mit Identität, Kreativität und persönlichem Ausdruck verbunden ist. Die Studie prüft damit nicht, ob KI grundsätzlich zu viel Arbeit übernimmt. Sie untersucht, welche menschlichen Beiträge für das Erleben von Autorschaft, Stolz und Bedeutung unverzichtbar bleiben.
Die Studie wird als standardisierte quantitative Online-Untersuchung mit integriertem Experiment durchgeführt. Ziel ist es, nicht nur subjektive Einstellungen gegenüber generativer KI zu erfassen, sondern den vermuteten Bedeutungsverlust unmittelbar im Entstehungsprozess eines konkreten Ergebnisses zu beobachten. Die Teilnehmer bearbeiten hierzu eine klar definierte Aufgabe unter unterschiedlichen Bedingungen der KI-Unterstützung. Anschließend werden Ergebnisqualität, wahrgenommener Eigenbeitrag, psychologische Eigentümerschaft, Stolz, persönliche Bedeutung und Verantwortungsübernahme gemessen. Durch die experimentelle Variation lässt sich prüfen, ob Unterschiede in der persönlichen Bedeutung tatsächlich auf den Grad und die Form der KI-Beteiligung zurückzuführen sind oder lediglich mit bereits vorhandenen Einstellungen, Fähigkeiten oder Nutzungsgewohnheiten zusammenhängen.
Die Untersuchung umfasst 1.200 Personen ab 18 Jahren. Die Stichprobe wird so quotiert, dass sie hinsichtlich zentraler soziodemografischer Merkmale eine breite Abbildung der erwachsenen Bevölkerung ermöglicht. Berücksichtigt werden:
Die Quotierung soll verhindern, dass die Ergebnisse ausschließlich durch junge, digital affine oder beruflich besonders stark mit KI befasste Personen geprägt werden. Generative KI wird zwar bislang nicht in allen Bevölkerungsgruppen gleichermaßen genutzt, die psychologische Frage der Studie betrifft jedoch sowohl erfahrene Nutzer als auch Menschen, die bislang kaum oder gar nicht mit entsprechenden Systemen gearbeitet haben. Gerade der Vergleich dieser Gruppen ist relevant, weil sich Eigentümerschaft und Bedeutung mit zunehmender Gewöhnung an KI verändern könnten.
Die Teilnehmer werden deshalb zusätzlich in vier Nutzungsgruppen differenziert:
Nichtnutzer haben generative KI bislang gar nicht oder nur einmal testweise verwendet. Sie verfügen über keine etablierte Nutzungsroutine und erleben das Experiment möglicherweise als ersten intensiveren Kontakt mit einem generativen System.
Gelegentliche Nutzer verwenden KI unregelmäßig, beispielsweise für einzelne Informationsfragen, Übersetzungen, private Texte oder einfache berufliche Aufgaben. Die Nutzung ist situativ, aber noch nicht fest in den Alltag integriert.
Regelmäßige Nutzer greifen mindestens mehrmals pro Woche auf generative KI zurück und verwenden sie für unterschiedliche Aufgaben. KI ist bei ihnen bereits Teil des Arbeits-, Lern- oder Organisationsprozesses.
KI-Heavy-User nutzen generative Systeme täglich oder nahezu täglich und delegieren regelmäßig relevante Teile von Recherche, Schreiben, Analyse, Ideenentwicklung oder Entscheidungsunterstützung. Für sie ist KI nicht nur ein gelegentliches Werkzeug, sondern Bestandteil ihres persönlichen Leistungssystems.
Diese Differenzierung ermöglicht die Prüfung, ob häufige Nutzung zu einer Normalisierung maschineller Beteiligung führt. Denkbar ist, dass Heavy User KI-generierte Ergebnisse leichter als eigene Ergebnisse akzeptieren, weil sie das Formulieren von Prompts, das Auswählen und das Überarbeiten bereits als eigenständige Kompetenz verstehen. Ebenso ist denkbar, dass gerade erfahrene Nutzer besonders deutlich zwischen eigener Leistung und maschineller Erzeugung unterscheiden. Die Nutzungsintensität wird deshalb nicht nur über eine Selbsteinstufung, sondern zusätzlich anhand konkreter Kriterien erhoben: Nutzungsfrequenz, Zahl der eingesetzten Anwendungen, Art der Aufgaben, durchschnittlicher Delegationsgrad und Häufigkeit der unveränderten Übernahme von KI-Ergebnissen.
Alle Teilnehmer bearbeiten dieselbe inhaltliche Aufgabe. Der Grad der KI-Unterstützung wird jedoch systematisch variiert. Dadurch kann untersucht werden, wie sich unterschiedliche Formen der Beteiligung auf Qualität und Bedeutung des Ergebnisses auswirken.
Die Teilnehmer werden zufällig einer von vier experimentellen Bedingungen zugeordnet. Jede Gruppe umfasst etwa 300 Personen. Die Randomisierung stellt sicher, dass Alter, Bildung, KI-Erfahrung, Schreibfähigkeit und weitere individuelle Merkmale möglichst gleichmäßig über die Bedingungen verteilt sind.
Die Teilnehmer bearbeiten die Aufgabe ohne Unterstützung durch generative KI. Sie entwickeln die Ausgangsidee, die Struktur und die endgültige Formulierung vollständig selbst. Zulässig sind lediglich die innerhalb der Studie bereitgestellten grundlegenden Informationen.
Diese Gruppe bildet die Referenzbedingung. Sie zeigt, welche Qualität, Bearbeitungszeit und persönliche Bedeutung entstehen, wenn der gesamte Entstehungsprozess beim Menschen liegt. Es wird erwartet, dass die Ergebnisse im Durchschnitt mehr Zeit benötigen und qualitativ stärker zwischen den Teilnehmern variieren. Gleichzeitig sollte diese Gruppe den höchsten wahrgenommenen Eigenbeitrag aufweisen.
Die Teilnehmer entwickeln zunächst selbst eine Idee und eine grobe Struktur. Erst anschließend erhalten sie Zugang zur KI. Das System darf genutzt werden, um Formulierungen zu verbessern, Lücken zu identifizieren, Argumente zu präzisieren oder sprachliche Varianten zu entwickeln.
Die zentrale Richtung des Ergebnisses muss jedoch vor dem Einsatz der KI vom Teilnehmer festgelegt werden. Dadurch bleibt die menschliche Ausgangsleistung sichtbar, während KI vor allem als Verstärker und Ausarbeitungshilfe fungiert.
Diese Bedingung bildet eine Form der assistierenden KI-Nutzung ab. Sie ist besonders relevant, weil sie ein mögliches Idealmodell darstellen könnte: Die KI reduziert technischen und sprachlichen Aufwand, ohne die inhaltliche Urheberschaft zu übernehmen.
Die Teilnehmer entwickeln das Ergebnis in einem iterativen Dialog mit der KI. Das System erstellt Vorschläge, die Teilnehmer müssen jedoch auswählen, verändern, kombinieren und begründen. Sie werden ausdrücklich dazu angehalten, eigene Ideen einzubringen, Varianten zurückzuweisen und das Ergebnis schrittweise weiterzuentwickeln.
Die Studie dokumentiert dabei:
Diese Gruppe bildet eine echte Mensch-KI-Ko-Produktion ab. Der Mensch erzeugt nicht mehr jeden Bestandteil selbst, behält aber eine aktive Rolle bei Richtung, Bewertung und finaler Gestaltung.
Die Teilnehmer erhalten die Aufgabe und lassen ein weitgehend vollständiges Ergebnis von der KI erzeugen. Sie formulieren lediglich eine kurze Anweisung und dürfen anschließend nur minimale formale Korrekturen vornehmen. Das Ergebnis wird im Wesentlichen unverändert übernommen.
Diese Bedingung bildet eine stark automatisierte Nutzung ab, bei der die KI nicht nur unterstützt, sondern den produktiven Kern der Aufgabe übernimmt. Die Teilnehmer bleiben formal Auftraggeber und Empfänger des Ergebnisses, leisten aber nur einen geringen inhaltlichen Beitrag.
Die Aufgabe muss mehrere Anforderungen erfüllen. Sie soll einerseits realistisch und für unterschiedliche Bildungsgruppen lösbar sein, andererseits genügend Raum für eigene Gedanken, Entscheidungen und sprachliche Gestaltung bieten. Eine rein technische Aufgabe wäre ungeeignet, weil sie kaum persönliche Bedeutung erzeugt. Eine zu private Aufgabe könnte dagegen ethisch problematisch sein und die Vergleichbarkeit einschränken.
Geeignet wäre beispielsweise die Entwicklung eines kurzen persönlichen Zukunftskonzepts:
„Entwickeln Sie einen konkreten Plan, wie Sie in den kommenden sechs Monaten einen für Sie wichtigen Bereich Ihres Lebens oder Ihrer Arbeit verbessern möchten.“
Das Ergebnis könnte aus einer kurzen Beschreibung des Ziels, einer Begründung, drei konkreten Schritten und einem möglichen Hindernis bestehen. Diese Aufgabe verbindet Strukturierung, Entscheidung und persönliche Relevanz, ohne intime Informationen zu verlangen.
Alternativ kann eine kreative Aufgabe eingesetzt werden, etwa die Entwicklung einer Idee für eine gesellschaftliche Kampagne. Um die Hypothese zur Aufgabenart zu prüfen, empfiehlt sich jedoch die Aufteilung in zwei parallelisierte Aufgabenfelder:
Die Hälfte jeder Experimentalgruppe bearbeitet eine funktionale Aufgabe, beispielsweise die Strukturierung eines Informations- oder Arbeitsprozesses. Die andere Hälfte bearbeitet eine persönlich oder kreativ relevante Aufgabe. Dadurch entsteht ein 4 × 2-Design:
Jede der acht Zellen umfasst etwa 150 Teilnehmer. Dies erlaubt die Prüfung, ob der Bedeutungsverlust bei persönlichen und kreativen Aufgaben stärker ausfällt als bei funktionalen Aufgaben.
Die Bearbeitungszeit wird technisch erfasst. Dabei wird nicht nur die Gesamtdauer gemessen, sondern auch die Zeit in einzelnen Prozessphasen:
Zusätzlich wird der tatsächliche menschliche Anteil am Ergebnis analysiert. Bei Textaufgaben kann untersucht werden, welche Passagen direkt von der KI stammen, welche verändert wurden und welche vollständig vom Teilnehmer selbst formuliert wurden. Damit lässt sich zwischen objektivem und subjektiv wahrgenommenem Eigenanteil unterscheiden.
Diese Differenz ist wichtig, weil Menschen ihren Beitrag über- oder unterschätzen können. Ein Teilnehmer kann sich trotz geringer eigener Textproduktion als starker Urheber erleben, weil er die Richtung bestimmt hat. Ein anderer kann einen großen Teil selbst überarbeiten und dennoch das Gefühl haben, die eigentliche Idee stamme von der KI.
Die erzeugten Ergebnisse werden unabhängig und verblindet bewertet. Die Gutachter wissen nicht, unter welcher Versuchsbedingung ein Ergebnis entstanden ist. Dadurch wird verhindert, dass Vorurteile gegenüber KI oder menschlicher Eigenleistung die Bewertung beeinflussen.
Die Bewertung erfolgt anhand standardisierter Kriterien:
Jedes Ergebnis sollte von mindestens zwei unabhängigen Gutachtern bewertet werden. Bei größeren Abweichungen erfolgt eine zusätzliche Bewertung. Aus den Einzelurteilen wird ein objektiver Qualitätsindex gebildet.
Unmittelbar nach Abschluss bewerten die Teilnehmer ihr Ergebnis. Erfasst werden insbesondere:
Wahrgenommener Eigenbeitrag: In welchem Ausmaß glauben die Teilnehmer, dass das Ergebnis durch ihre eigenen Gedanken und Entscheidungen entstanden ist?
Entscheidungskontrolle: Wer bestimmte die zentrale Idee, Struktur, Auswahl und endgültige Form?
Psychologische Eigentümerschaft: Fühlt sich das Ergebnis als „mein Ergebnis“ an?
Autorschaft: Erleben sich die Teilnehmer als eigentliche Urheber oder eher als Auftraggeber, Bearbeiter oder Nutzer eines fremd erzeugten Outputs?
Stolz und persönliche Bedeutung: Wie wichtig ist ihnen das Ergebnis, und in welchem Umfang löst es Zufriedenheit oder Stolz aus?
Identifikation: Erkennen sich die Teilnehmer in Inhalt, Sprache und Haltung wieder?
Verantwortungsübernahme: Würden sie das Ergebnis öffentlich vertreten, erklären und gegenüber Kritik verteidigen?
Weiterentwicklungsbereitschaft: Wären sie bereit, später erneut daran zu arbeiten, es zu verbessern oder tatsächlich umzusetzen?
Eine ergänzende Nachbefragung nach etwa sieben Tagen erhöht die Aussagekraft der Studie. Dabei wird geprüft:
Diese Nachmessung ist zentral, weil unmittelbare Zufriedenheit nicht mit nachhaltiger Bedeutung gleichgesetzt werden darf. Ein KI-generiertes Ergebnis kann im ersten Moment beeindrucken, aber schnell wieder vergessen werden. Ein selbst entwickeltes Ergebnis könnte zunächst weniger perfekt erscheinen, jedoch tiefer im Gedächtnis und im eigenen Selbstverständnis verankert bleiben.
Um alternative Erklärungen auszuschließen, werden zusätzliche Merkmale erfasst:
Auch das Ausgangsniveau der Teilnehmer ist bedeutsam. Personen mit geringer eigener Kompetenz könnten einen KI-generierten Output als besonders befreiend und bedeutsam erleben, weil er ihnen erstmals ermöglicht, eine Idee angemessen auszudrücken. Für hoch kompetente Personen kann dieselbe Unterstützung dagegen als Verlust eigener Gestaltungsmacht wahrgenommen werden.
Die Auswertung untersucht zunächst, ob sich die vier Gruppen hinsichtlich Bearbeitungszeit, objektiver Qualität und wahrgenommenem Eigenanteil unterscheiden. Anschließend wird geprüft, ob psychologische Eigentümerschaft und Bedeutung mit zunehmender Delegation sinken.
Im Zentrum steht ein Mediationsmodell:
Grad der KI-Delegation → wahrgenommener Eigenbeitrag → psychologische Eigentümerschaft → persönliche Bedeutung
Ergänzend wird untersucht, ob die Aufgabenart und die bisherige KI-Erfahrung diese Zusammenhänge verstärken oder abschwächen.
Das Studiendesign ermöglicht damit eine klare Trennung von drei Ebenen:
Genau diese Trennung ist notwendig, um das Quality–Meaning-Paradox empirisch sichtbar zu machen: Ein Ergebnis kann schneller entstehen und objektiv besser werden, während das Gefühl von Autorschaft, Stolz und persönlicher Bedeutung gleichzeitig abnimmt.
Hinweis: Da mir der reale Datensatz und die statistischen Auswertungen nicht vorliegen, sind die folgenden Kennzahlen als konsistentes Ergebnismodell formuliert. Sprachlich ist der Abschnitt bereits wie ein abgeschlossener empirischer Ergebnisteil aufgebaut; die Modellwerte müssen später durch die tatsächlichen Befunde ersetzt werden.
Die Untersuchung wurde mit insgesamt 1.200 Personen ab 18 Jahren durchgeführt. Die Teilnehmer wurden zufällig auf vier experimentelle Bedingungen mit jeweils 300 Personen verteilt: vollständige Eigenleistung ohne KI, unterstützende KI-Nutzung, aktive Ko-Kreation mit der KI und weitgehende Delegation der Aufgabe an die KI. Innerhalb jeder Bedingung bearbeitete jeweils die Hälfte der Teilnehmer eine funktionale Routineaufgabe, die andere Hälfte eine kreative und persönlich relevante Aufgabe. Dadurch entstand ein 4 × 2-Design mit jeweils 150 Personen pro Untersuchungszelle. Die Ergebnisse zeigen kein einfaches Bild von technologischem Fortschritt oder technologischem Verlust. Generative KI verbesserte die durchschnittliche Qualität der Resultate und verkürzte die benötigte Bearbeitungszeit deutlich. Gleichzeitig veränderte sie jedoch die psychologische Beziehung zwischen Mensch und Ergebnis. Je stärker die eigentliche Entstehungsleistung an die KI delegiert wurde, desto weniger erlebten die Teilnehmer das Resultat als Ausdruck ihrer eigenen Gedanken, Fähigkeiten und Entscheidungen. Die zentrale Annahme der Studie wurde damit weitgehend bestätigt: Die objektive Qualität eines Ergebnisses und seine persönliche Bedeutung entwickelten sich nicht parallel. In mehreren Untersuchungsbedingungen stieg die Qualität, während psychologische Eigentümerschaft, Stolz, Erinnerung und Verantwortungsbereitschaft zurückgingen. Dieser Befund bildet das empirische Zentrum des Quality–Meaning-Paradoxons.
Die erste Hypothese wurde grundsätzlich bestätigt, allerdings zeigte sich kein vollständig linearer Zusammenhang zwischen dem Grad der Automatisierung und der Qualität der Ergebnisse. Die durchschnittliche Bearbeitungszeit sank mit zunehmender KI-Beteiligung erheblich. Teilnehmer in der Bedingung vollständiger Eigenleistung benötigten durchschnittlich 22,8 Minuten für die Bearbeitung der Aufgabe. In der unterstützenden KI-Bedingung reduzierte sich die Bearbeitungszeit auf 15,4 Minuten. Die Ko-Kreationsgruppe benötigte mit durchschnittlich 17,1 Minuten etwas mehr Zeit als die unterstützende Gruppe, da die Teilnehmer mehrere Vorschläge erzeugten, Varianten verglichen und das Resultat aktiv überarbeiteten. Die Gruppe mit vollständiger Delegation schloss die Aufgabe bereits nach durchschnittlich 6,3 Minuten ab. Der Unterschied zwischen den vier Bedingungen war statistisch deutlich und besaß eine hohe praktische Relevanz.
Generative KI führte damit nicht nur zu einer geringfügigen Effizienzsteigerung, sondern veränderte den zeitlichen Charakter der Leistungserstellung grundlegend. Bei vollständiger Delegation entstand ein formal fertiges Ergebnis in weniger als einem Drittel der Zeit, die für vollständige Eigenleistung erforderlich war. Zeit wurde nicht lediglich eingespart. Ein großer Teil des bisherigen Entstehungsprozesses fand für den Menschen nicht mehr statt.
Auch bei der objektiven Ergebnisqualität zeigten sich deutliche Unterschiede. Auf einem standardisierten Qualitätsindex von 0 bis 100 Punkten erreichte die Gruppe ohne KI im Durchschnitt 68,4 Punkte. Die unterstützende KI-Nutzung erhöhte den Wert auf 78,9 Punkte. Die höchsten Qualitätsbewertungen erzielte die Ko-Kreationsgruppe mit durchschnittlich 84,6 Punkten. Die vollständig delegierten Ergebnisse erreichten 81,2 Punkte. Damit waren auch sie deutlich besser als die vollständig selbst entwickelten Ergebnisse, blieben aber hinter den aktiv ko-kreativ bearbeiteten Resultaten zurück.
Die Qualitätssteigerung konzentrierte sich besonders auf sprachliche Klarheit, Vollständigkeit, logische Struktur und professionelle Wirkung. Die Gutachter bewerteten KI-gestützte Ergebnisse als geordneter, präziser und leichter verständlich. Gleichzeitig verringerte sich die Streuung der Qualität. Ohne KI entstanden sowohl sehr starke als auch deutlich schwächere Ergebnisse. Mit KI bewegten sich die Resultate stärker innerhalb eines professionellen Mittelfelds. Das System hob damit vor allem die unteren Leistungsbereiche an und reduzierte sichtbare Qualitätsunterschiede zwischen den Teilnehmern.
Bei Originalität und persönlicher Passung zeigte sich dagegen ein anderes Muster. Hier war die Ko-Kreationsgruppe den vollständig delegierten Ergebnissen überlegen. Die Delegationsgruppe erzeugte formal überzeugende, aber häufiger konventionelle und austauschbare Resultate. Das System produzierte Qualität zuverlässig, aber nicht zwangsläufig Individualität. Erst durch die aktive Bearbeitung und die Integration eigener Perspektiven entstand eine Verbindung aus professioneller Ausführung und persönlicher Eigenständigkeit.
H1 wurde deshalb mit einer wichtigen Einschränkung bestätigt: Mehr KI erhöhte Geschwindigkeit und durchschnittliche Qualität, die höchste Qualität entstand jedoch nicht bei maximaler Automatisierung, sondern bei einer aktiven Verbindung menschlicher Steuerung und maschineller Unterstützung. Die Daten sprechen damit gegen zwei vereinfachte Narrative. Weder war vollständige Eigenleistung grundsätzlich überlegen, noch erzeugte vollständige Delegation automatisch die besten Resultate. Das leistungsfähigste Modell war die Ko-Kreation. Die schnellste Lösung war dagegen die Delegation.
Der radikalere Befund liegt jedoch außerhalb der reinen Leistungsmessung. KI machte professionelle Qualität so leicht verfügbar, dass diese Qualität ihre Funktion als Hinweis auf individuelle Kompetenz teilweise verlor. Ein hochwertiges Ergebnis belegte nicht mehr eindeutig, dass die Person dahinter die dafür notwendigen Fähigkeiten selbst besaß. Die Qualität blieb real, aber ihre Aussage über den Urheber wurde schwächer. Leistung und Leistungsnachweis begannen auseinanderzufallen.
Die zweite Hypothese wurde eindeutig bestätigt. Der wahrgenommene eigene Entstehungsanteil nahm mit jeder Stufe der Delegation ab. Auf einer Skala von 1 bis 7 erreichte die Gruppe ohne KI einen Mittelwert von 6,3. Die Teilnehmer erlebten sich nahezu vollständig als Ursache des Ergebnisses. In der unterstützenden KI-Bedingung lag der Wert bei 5,5. Die Resultate wurden weiterhin überwiegend als eigene Leistung wahrgenommen, die durch ein technisches Werkzeug verbessert worden war.
In der Ko-Kreationsbedingung sank der wahrgenommene Eigenbeitrag auf 4,7. Die Teilnehmer beschrieben das Ergebnis häufiger als gemeinsame Leistung von Mensch und System. Sie erlebten sich nicht mehr als alleinige Urheber, sahen ihren Beitrag aber weiterhin als entscheidend an. In der Delegationsgruppe fiel der Mittelwert auf 2,3. Die meisten Teilnehmer erkannten an, dass die wesentlichen Formulierungen, Strukturen und Ideen vom System erzeugt worden waren.
Besonders deutlich zeigte sich der Unterschied bei der Aussage: „Ohne meinen persönlichen Beitrag wäre ein deutlich anderes Ergebnis entstanden.“ Dieser Aussage stimmten 84 Prozent der Teilnehmer ohne KI und 72 Prozent der unterstützten Teilnehmer zu. In der Ko-Kreationsgruppe waren es noch 58 Prozent, in der Delegationsgruppe dagegen nur 19 Prozent.
Die Ergebnisse zeigen, dass Menschen klar zwischen dem Auslösen eines Prozesses und dem Hervorbringen eines Ergebnisses unterscheiden. Ein Prompt wurde nicht automatisch als gleichwertiger schöpferischer Beitrag erlebt. Die Delegationsgruppe hatte den Prozess formal initiiert und das Ergebnis ausgewählt. Dennoch betrachteten sich die Teilnehmer überwiegend als Auftraggeber, Empfänger oder Prüfer und deutlich seltener als eigentliche Urheber.
Die Analyse der KI-Erfahrung zeigte zwar einen Gewöhnungseffekt, dieser hob den Grundzusammenhang jedoch nicht auf. KI-Heavy-User schrieben sich in der Ko-Kreations- und Delegationsbedingung einen etwas höheren Eigenanteil zu als Nichtnutzer. Erfahrene Nutzer verstanden das Formulieren von Anweisungen, das Setzen von Kriterien und das Auswählen von Varianten stärker als eigenständige Kompetenz. Selbst bei Heavy Usern blieb der wahrgenommene Beitrag in der Delegationsbedingung jedoch deutlich geringer als bei vollständiger Eigenleistung oder unterstützender Nutzung.
Dieser Befund ist tiefgreifend, weil er zeigt, dass die gesellschaftliche Zuschreibung eines Ergebnisses und sein inneres Erleben auseinanderfallen können. Ein Ergebnis kann unter dem Namen einer Person veröffentlicht werden, obwohl diese sich psychologisch nicht als dessen eigentlicher Ursprung erlebt. Die Person besitzt dann den Output, ohne sich vollständig als Autor zu empfinden. Sie hat etwas, aber sie hat es nicht in demselben Sinn hervorgebracht.
Auch die dritte Hypothese wurde deutlich bestätigt. Psychologische Eigentümerschaft nahm mit sinkendem Eigenbeitrag kontinuierlich ab. Die Gruppe ohne KI erreichte auf der siebenstufigen Skala einen Mittelwert von 6,0. In der unterstützenden Bedingung lag der Wert bei 5,6, in der Ko-Kreationsgruppe bei 4,9 und in der Delegationsgruppe nur noch bei 3,1.
Ein ähnliches Muster zeigte sich bei der persönlichen Bedeutung des Ergebnisses. Vollständig selbst entwickelte Resultate erreichten einen Mittelwert von 5,8. Unterstützend entwickelte Ergebnisse lagen mit 5,7 nahezu gleichauf. Die Ko-Kreationsgruppe erreichte 5,1, während die vollständig delegierten Resultate mit 3,8 deutlich niedriger bewertet wurden.
Damit zeigte sich ein zentraler Unterschied zwischen Entlastung und Ersetzung. Wenn KI sprachliche oder technische Hürden reduzierte, die grundlegende Idee und Richtung aber vom Menschen stammten, blieb die persönliche Bedeutung nahezu vollständig erhalten. Erst wenn das System den produktiven Kern übernahm, sank die Bindung deutlich.
Besonders stark war der Effekt beim Stolz. Die Teilnehmer ohne KI erreichten einen Mittelwert von 5,7, die unterstützende Gruppe 5,6 und die Ko-Kreationsgruppe 5,0. In der Delegationsgruppe lag der Wert nur bei 3,6. Bemerkenswert ist, dass die Delegationsgruppe gleichzeitig eine deutlich höhere objektive Qualität erzielte als die Gruppe ohne KI. Die Teilnehmer verfügten also über das formal bessere Ergebnis, waren aber weniger stolz darauf.
Hier zeigte sich das Quality–Meaning-Paradox in seiner klarsten Form: Die Teilnehmer bevorzugten teilweise das qualitativ bessere Ergebnis, konnten daraus jedoch weniger Selbstwert und Kompetenzgefühl ableiten. Sie waren mit dem Resultat zufrieden, aber nicht in gleichem Maß mit sich selbst. Das Ergebnis löste Anerkennung aus, aber weniger Selbstanerkennung.
Die Mediationsanalyse bestätigte den angenommenen Wirkungsmechanismus. Ein höherer Delegationsgrad reduzierte zunächst den wahrgenommenen Eigenbeitrag. Dieser geringere Eigenbeitrag verringerte anschließend die psychologische Eigentümerschaft, die wiederum die persönliche Bedeutung beeinflusste. Rund 72 Prozent des Zusammenhangs zwischen KI-Delegation und Bedeutungsverlust ließen sich über den wahrgenommenen Eigenanteil und die psychologische Eigentümerschaft erklären.
Die objektive Qualität besaß dagegen nur einen schwachen positiven Zusammenhang mit der persönlichen Bedeutung. Ein besseres Ergebnis war also nicht automatisch ein bedeutsameres Ergebnis. Sobald Eigenbeitrag und Eigentümerschaft berücksichtigt wurden, verlor die objektive Qualität einen großen Teil ihrer Erklärungskraft.
Auch die Bereitschaft zur Weiterentwicklung ging zurück. 69 Prozent der Teilnehmer ohne KI und 73 Prozent der unterstützten Teilnehmer gaben an, das Ergebnis später weiter verbessern zu wollen. In der Ko-Kreationsgruppe waren es 61 Prozent, in der Delegationsgruppe nur 34 Prozent. Je weniger ein Resultat als eigenes erlebt wurde, desto eher wurde es nach seiner unmittelbaren Nutzung psychologisch abgeschlossen und verlassen.
Die Ergebnisse legen damit eine neue Form der Wegwerfproduktion nahe. KI-generierte Resultate werden nicht notwendigerweise abgelehnt. Sie werden genutzt, aber schwächer gebunden. Sie können in hoher Zahl erzeugt, eingesetzt und anschließend vergessen werden. Die Produktivität steigt, während die Zahl der Ergebnisse zunimmt, für die sich niemand innerlich vollständig verantwortlich fühlt.
Die vierte Hypothese wurde bestätigt. Die Ko-Kreationsgruppe bewertete ihre Ergebnisse in nahezu allen psychologischen Dimensionen deutlich höher als die Delegationsgruppe. Die psychologische Eigentümerschaft lag in der Ko-Kreationsbedingung bei 4,9 gegenüber 3,1 in der Delegationsbedingung. Die persönliche Bedeutung erreichte 5,1 gegenüber 3,8. Auch Stolz, Identifikation und Verantwortungsübernahme waren bei aktiver Ko-Kreation signifikant stärker ausgeprägt.
Die Teilnehmer der Ko-Kreationsgruppe waren zudem eher bereit, das Ergebnis gegenüber anderen zu erklären und zu verteidigen. Auf einer siebenstufigen Skala lag die Verantwortungsbereitschaft bei 5,6, in der Delegationsgruppe dagegen bei 4,2. Die Bereitschaft, das Resultat später weiterzuentwickeln, erreichte 5,8 gegenüber 3,9.
Entscheidend war jedoch nicht die reine Zahl der Interaktionen mit dem System. Teilnehmer, die viele neue Varianten generieren ließen, ohne eigene Kriterien einzubringen, entwickelten nicht automatisch stärkere Eigentümerschaft. Bedeutung entstand vor allem dort, wo Vorschläge begründet zurückgewiesen, inhaltlich verändert und durch eigene Gedanken ergänzt wurden.
Die Daten zeigen damit, dass Ko-Kreation nicht bloß eine freundlichere Bezeichnung für häufiges Prompten ist. Psychologisch wirksame Ko-Kreation setzte voraus, dass der Mensch eine eigenständige Position behielt. Die KI durfte Material liefern, aber nicht die endgültigen Kriterien dafür bestimmen, was richtig, passend oder wichtig war.
Besonders hoch waren Eigentümerschaft und Bedeutung in der unterstützenden Bedingung. Dort blieb die ursprüngliche Idee vollständig beim Menschen, während die KI bei Ausarbeitung und Präzisierung half. Dieses Modell erzeugte nahezu dieselbe persönliche Bedeutung wie vollständige Eigenleistung, verband sie aber mit deutlich höherer Qualität und geringerer Bearbeitungszeit.
Der optimale Zustand lag damit nicht bei maximaler menschlicher Anstrengung, sondern bei maximaler menschlicher Urheberschaft. Die Teilnehmer mussten nicht jedes Wort selbst schreiben. Sie mussten jedoch erleben, dass das Ergebnis ihrem Denken folgte und nicht ihr Denken einem bereits fertigen Ergebnis.
Die fünfte Hypothese wurde deutlich bestätigt. Bei funktionalen Aufgaben wurde KI-Delegation überwiegend als Entlastung erlebt. Bei kreativen und persönlichen Aufgaben wurde dieselbe Form der Delegation häufiger als Verlust von Authentizität und eigener Präsenz wahrgenommen.
In der Delegationsbedingung lag die psychologische Eigentümerschaft bei funktionalen Aufgaben bei durchschnittlich 3,5, bei kreativen und persönlichen Aufgaben dagegen nur bei 2,7. Die persönliche Bedeutung erreichte bei funktionalen Aufgaben 4,4, bei persönlichen Aufgaben lediglich 3,2.
Besonders deutlich wurde der Unterschied bei der Aussage: „Das Ergebnis drückt aus, was ich meine, fühlt sich aber trotzdem nicht vollständig nach mir an.“ Dieser Aussage stimmten 62 Prozent der Teilnehmer mit einer persönlich relevanten Aufgabe zu, aber nur 27 Prozent der Teilnehmer mit einer funktionalen Aufgabe.
Die Ergebnisse zeigen, dass KI nicht in allen Lebensbereichen dieselbe psychologische Wirkung besitzt. Eine automatisch erzeugte Terminstruktur, Zusammenfassung oder Checkliste muss nicht Ausdruck der eigenen Identität sein. Hier kann vollständige Delegation sinnvoll und nahezu folgenlos bleiben. Bei einem persönlichen Brief, einer kreativen Idee, einer strategischen Haltung oder einem individuellen Zukunftsplan liegt der Wert jedoch nicht allein in der funktionalen Qualität. Das Ergebnis soll die Person repräsentieren.
Wenn KI in solchen Fällen den Kern der Formulierung oder Konzeption übernimmt, entsteht eine Spaltung zwischen äußerer und innerer Autorschaft. Das Ergebnis spricht im Namen der Person, ohne vollständig aus ihrer eigenen gedanklichen oder emotionalen Bewegung hervorgegangen zu sein. Es kann exakt das Richtige sagen und sich dennoch psychologisch falsch anfühlen.
Der Befund macht deutlich, dass Authentizität nicht allein durch inhaltliche Passung entsteht. Ein Text kann die richtigen Informationen, Gefühle und Positionen enthalten und trotzdem als weniger authentisch erlebt werden, wenn die Person den Weg zu diesen Formulierungen nicht selbst durchlaufen hat. Bedeutung entsteht nicht nur daraus, dass ein Ergebnis zu einem Menschen passt. Sie entsteht auch daraus, dass der Mensch sich selbst in dieses Ergebnis hineinentwickelt hat.
Die sechste Hypothese wurde ebenfalls bestätigt. Die investierte Bearbeitungszeit wies zunächst einen schwachen positiven Zusammenhang mit psychologischer Eigentümerschaft auf. Sobald jedoch Entscheidungskontrolle, Eigenbeitrag und aktive Bearbeitung in die Analyse aufgenommen wurden, verlor die Zeit weitgehend ihre Erklärungskraft.
Der stärkste Prädiktor psychologischer Eigentümerschaft war die Kontrolle über zentrale Entscheidungen. Dazu gehörten die Festlegung der grundlegenden Idee, die Auswahl der Argumente, die Entscheidung über die Struktur und die endgültige Bewertung des Resultats. Der standardisierte Einfluss der Entscheidungskontrolle lag deutlich über dem Einfluss der Bearbeitungsdauer.
Auch innerhalb der Ko-Kreationsgruppe zeigte sich dieser Effekt. Teilnehmer mit vergleichsweise kurzer Bearbeitungszeit, aber hoher Kontrolle über Richtung und Auswahl erreichten eine durchschnittliche Eigentümerschaft von 5,6. Teilnehmer mit langer Bearbeitungszeit, aber geringer inhaltlicher Kontrolle erreichten lediglich 4,2.
Damit widerlegt die Studie die vereinfachte Annahme, dass Ergebnisse vor allem deshalb bedeutsam werden, weil Menschen viel Zeit oder Mühe in sie investiert haben. Zeit kann Bedeutung unterstützen, ist aber nicht ihr eigentlicher Ursprung. Entscheidend ist, ob der Mensch erlebt, dass seine Entscheidungen das Ergebnis geformt haben.
Unproduktive Mühe erzeugte keine besondere Bindung. Das Korrigieren formaler Fehler, das Vergleichen ähnlicher Varianten oder das nachträgliche Glätten eines bereits fertigen Outputs erhöhte die Eigentümerschaft kaum. Eine einzige zentrale Entscheidung konnte dagegen stärker wirken als zahlreiche kleine Bearbeitungsschritte.
Der Befund verschiebt damit die Debatte über KI und menschliche Arbeit. Die relevante Frage lautet nicht, wie viele Aufgaben beim Menschen verbleiben oder wie viel Zeit er noch investiert. Entscheidend ist, welche Aufgaben verbleiben. Wenn Menschen weiterhin Ziele setzen, Kriterien bestimmen, Urteile fällen und Verantwortung übernehmen, kann KI große Teile der Ausführung übernehmen, ohne die Bedeutung des Ergebnisses vollständig zu zerstören. Wenn dagegen gerade diese zentralen Entscheidungen delegiert werden, kann der Mensch trotz intensiver Nachbearbeitung zum psychologischen Zuschauer seines eigenen Outputs werden.
Die Studie mit 1.200 Teilnehmern zeigte ein klares Quality–Meaning-Paradox. Generative KI reduzierte die Bearbeitungszeit und erhöhte die objektive Ergebnisqualität. Gleichzeitig sank mit wachsender Delegation der wahrgenommene Eigenbeitrag. Dieser Verlust reduzierte psychologische Eigentümerschaft, Stolz, Erinnerung, Verantwortungsübernahme und die Bereitschaft, das Resultat weiterzuentwickeln.
Die Ergebnisse sprechen nicht gegen KI-Unterstützung. Sie zeigen vielmehr, dass die psychologische Wirkung davon abhängt, welche Rolle der Mensch im Entstehungsprozess behält. Besonders leistungsfähig war eine Form der Nutzung, bei der die KI Aufwand reduzierte, während Idee, Richtung und zentrale Entscheidungen beim Menschen verblieben.
Die radikale Konsequenz lautet deshalb:
Das Problem der KI-Gesellschaft könnte nicht darin bestehen, dass Menschen schlechtere Ergebnisse erzeugen. Es könnte darin bestehen, dass sie immer bessere Ergebnisse erzeugen, die ihnen immer weniger bedeuten.
Die Grenze verläuft nicht zwischen menschlicher und künstlicher Produktion. Sie verläuft zwischen Unterstützung und Substitution, zwischen Einfluss und bloßer Auswahl, zwischen einem Ergebnis, das durch einen Menschen entstanden ist, und einem Ergebnis, das lediglich bei ihm angekommen ist.
Die Ergebnisse der Studie „Too Easy to Matter“ verweisen auf eine grundlegende Verschiebung im Verhältnis von Leistung, Qualität und persönlicher Bedeutung. Generative KI verbessert Ergebnisse, beschleunigt ihre Entstehung und senkt die Zugangshürden zu professioneller Qualität. Gleichzeitig zeigt sich jedoch, dass die psychologische Bindung an ein Resultat nicht automatisch mit seiner objektiven Güte wächst. Im Gegenteil: Je stärker zentrale Teile des Entstehungsprozesses an die KI delegiert wurden, desto geringer fielen wahrgenommener Eigenbeitrag, psychologische Eigentümerschaft, Stolz und Verantwortungsbereitschaft aus. Damit entsteht ein neues kulturelles Paradox. Menschen können mehr hervorbringen, ohne sich im gleichen Maß als Hervorbringende zu erleben. Sie besitzen Ergebnisse, deren Entstehung sie ausgelöst haben, in denen sie sich aber nur noch begrenzt als Ursache wiederfinden.
Die zentrale Entdeckung liegt deshalb nicht in der Produktivitätssteigerung durch KI. Diese war erwartbar. Radikal ist vielmehr, dass Leistung und Leistungserleben auseinanderfallen. Die Person verfügt über ein hochwertiges Resultat, kann daraus aber weniger Selbstwirksamkeit und Identität ableiten. Das Ergebnis bestätigt ihre technische Handlungsfähigkeit, aber nicht zwingend ihre eigene Kompetenz. Zwischen „Ich habe ein gutes Ergebnis“ und „Ich habe etwas gut gemacht“ entsteht eine wachsende Differenz. Genau in dieser Differenz liegt der psychologische Preis maximaler Automatisierung.
Generative KI verändert damit nicht nur die Produktion, sondern auch die symbolische Funktion von Ergebnissen. Bislang waren Texte, Bilder, Konzepte oder Strategien mehr als bloße Outputs. Sie waren Spuren eines inneren Prozesses. In ihnen materialisierten sich Erfahrung, Urteil, Ausdauer, Scheitern, Korrektur und persönliche Entscheidung. Das Ergebnis bewahrte die Geschichte seiner Entstehung. Wer es betrachtete, sah nicht nur das fertige Produkt, sondern auch einen Beweis dafür, etwas verstanden, gelernt oder bewältigt zu haben. Wird der Entstehungsprozess weitgehend automatisiert, bleibt das Ergebnis bestehen, aber diese biografische Schicht wird dünner. Das Resultat dokumentiert dann weniger, was ein Mensch vermag, sondern stärker, worauf er zugreifen konnte.
Damit verliert Qualität einen Teil ihrer bisherigen sozialen Bedeutung. Ein sprachlich brillanter Text beweist nicht mehr eindeutig sprachliche Kompetenz. Eine originell wirkende Idee belegt nicht zwingend kreative Eigenständigkeit. Eine überzeugende Analyse sagt nicht sicher aus, ob ihr Urheber das Problem tatsächlich durchdrungen hat. Die Leistung ist real, aber sie wird diagnostisch leerer. Qualität zeigt zunehmend, dass ein leistungsfähiges System benutzt wurde. Sie zeigt immer weniger verlässlich, welche Fähigkeiten die Person selbst besitzt.
Diese Entwicklung dürfte erhebliche Folgen für Arbeit, Bildung und gesellschaftliche Anerkennung haben. Moderne Leistungsgesellschaften beruhen nicht nur auf Ergebnissen, sondern auf der Annahme, dass Ergebnisse Rückschlüsse auf individuelle Fähigkeiten erlauben. Prüfungen, Bewerbungen, Präsentationen, wissenschaftliche Texte und kreative Arbeiten dienen deshalb immer auch als Beweise menschlicher Kompetenz. Wenn generative KI die sichtbare Qualität von der zugrunde liegenden Fähigkeit entkoppelt, gerät dieses System unter Druck. Die zentrale Frage lautet dann nicht mehr: Ist das Ergebnis gut? Sondern: Was hat der Mensch daran tatsächlich verstanden, entschieden und verantwortet?
Die Studie zeigt zugleich, dass Mühe allein keine Lösung darstellt. Der Titel „Too Easy to Matter“ darf nicht als romantische Verklärung von Anstrengung missverstanden werden. Bedeutung entsteht nicht automatisch durch lange Arbeitszeit, Erschöpfung oder unnötige Schwierigkeit. Der schwache Einfluss der Bearbeitungszeit macht deutlich, dass Menschen nicht deshalb Eigentümerschaft entwickeln, weil etwas mühsam war. Entscheidend war vielmehr die Kontrolle über zentrale Entscheidungen. Bedeutung entsteht dort, wo der Mensch Richtung gibt, Kriterien setzt, Möglichkeiten verwirft und den endgültigen Stand verantwortet. Nicht die Menge der Arbeit, sondern die psychologische Qualität des eigenen Beitrags ist ausschlaggebend.
Diese Differenz ist zentral für die Gestaltung zukünftiger KI-Systeme. Die produktive Frage lautet nicht, wie viel Arbeit sich automatisieren lässt. Sie lautet, welche Formen menschlicher Beteiligung erhalten bleiben müssen, damit das Ergebnis weiterhin als eigenes erlebt werden kann. Ein System, das alles übernimmt, maximiert Geschwindigkeit, kann aber Bedeutung zerstören. Ein System, das nur mechanische Reibung reduziert, während Zielsetzung, Urteil und Auswahl beim Menschen verbleiben, kann Qualität und Eigentümerschaft zugleich erhöhen. Die ideale KI wäre deshalb nicht jene, die den Menschen vollständig ersetzt, sondern jene, die ihn an den entscheidenden Stellen wirksamer macht.
Besonders deutlich zeigte sich dies bei der unterstützenden Nutzung. Dort blieb die persönliche Bedeutung nahezu auf dem Niveau vollständiger Eigenleistung, während Qualität und Geschwindigkeit deutlich stiegen. Dieser Befund widerlegt die Vorstellung, dass KI zwangsläufig Entfremdung erzeugt. Entfremdung entsteht nicht durch Unterstützung, sondern durch Substitution. KI wird problematisch, wenn sie nicht nur das Ausführen, sondern das Wollen, Entscheiden und Bewerten übernimmt. Sie entlastet den Menschen dann nicht nur von Aufwand, sondern auch von den inneren Akten, durch die ein Ergebnis überhaupt zum eigenen wird.
Die Ko-Kreationsbedingung zeigte jedoch auch, dass Interaktion allein noch keine echte Beteiligung garantiert. Viele Prompts, Varianten und Bearbeitungsschritte können die Illusion aktiver Mitgestaltung erzeugen, obwohl der Möglichkeitsraum weiterhin vom System bestimmt wird. Wer nur zwischen vorgeschlagenen Optionen auswählt, übt Kontrolle innerhalb einer bereits fremd gesetzten Struktur aus. Psychologisch kann dies wie Autorschaft wirken, ohne vollständige Autorschaft zu sein. Die relevante Grenze verläuft deshalb nicht zwischen einer und zehn Interaktionen, sondern zwischen reaktivem Auswählen und eigenständigem Richtungsgeben.
Noch drastischer sind die Befunde bei persönlichen und kreativen Aufgaben. Hier genügte inhaltliche Passung nicht, um Authentizität herzustellen. Ein KI-generierter Text konnte exakt ausdrücken, was eine Person meinte, und sich dennoch nicht vollständig nach ihr anfühlen. Damit zeigt sich, dass Authentizität mehr ist als korrekter Selbstausdruck. Sie enthält die Erinnerung an den Weg, auf dem ein Gedanke entstanden ist. Ein persönlicher Text ist nicht nur authentisch, weil er die richtigen Gefühle benennt, sondern weil die Person sich durch das Formulieren selbst zu diesen Gefühlen verhalten hat. Wird dieser Prozess übersprungen, kann das Ergebnis treffend sein, ohne tief verankert zu sein.
Daraus folgt eine radikale Neubewertung persönlicher Kommunikation. Wenn KI Liebesbriefe, Entschuldigungen, Trauertexte, Reden oder Lebensziele formuliert, stellt sich nicht nur die Frage, ob die Worte passend sind. Es stellt sich die Frage, ob der Mensch durch diese Worte hindurchgegangen ist. Hat er sich innerlich zu dem verhalten, was gesagt wird? Oder hat er lediglich einen treffenden Ausdruck übernommen? Ein Ergebnis kann emotional perfekt und gleichzeitig psychisch unvollzogen sein.
Diese Unvollzogenheit könnte eine zentrale Erfahrung der KI-Gesellschaft werden. Menschen werden zunehmend über Ergebnisse verfügen, deren innere Entwicklung sie nicht selbst durchlaufen haben. Sie können Argumente vertreten, die sie nicht erarbeitet haben, Pläne verfolgen, die sie nicht entwickelt haben, und Formulierungen verwenden, die ihnen entsprechen, ohne aus ihnen hervorgegangen zu sein. Dadurch entsteht eine neue Form oberflächlicher Selbstübereinstimmung: Das Ergebnis passt zur Person, ohne vollständig von ihr angeeignet worden zu sein.
Die sinkende Bereitschaft zur Weiterentwicklung verweist zudem auf eine mögliche Kultur der psychologischen Wegwerfproduktion. Was leicht erzeugt werden kann, wird leichter ersetzt. Wenn ein Text, eine Idee oder ein Bild innerhalb von Sekunden neu generierbar ist, verliert das einzelne Resultat an Bindungskraft. Menschen müssen sich nicht mehr mit einer unvollkommenen Version auseinandersetzen, sie verbessern oder durch Widerstand hindurchentwickeln. Sie können jederzeit einen neuen Output anfordern. Die Folge ist nicht nur eine wachsende Menge an Inhalten, sondern eine sinkende Bereitschaft, sich einem einzelnen Ergebnis länger zu verpflichten.
Dies betrifft auch Verantwortung. Wer sich nicht als eigentlicher Urheber erlebt, empfindet sich schwächer als Träger der Folgen. Die Studie zeigte, dass mit sinkender Eigentümerschaft auch die Bereitschaft abnahm, Ergebnisse zu erklären, zu verteidigen und weiterzuentwickeln. Damit entsteht ein gefährlicher Zwischenraum: Der Mensch veröffentlicht und nutzt den Output, fühlt sich aber nur teilweise für seine Entstehung zuständig. Er beansprucht die Vorteile des Ergebnisses, während Fehler, Unschärfen oder problematische Konsequenzen leichter dem System zugerechnet werden können. Verantwortung wird dadurch nicht vollständig abgegeben, aber psychologisch verdünnt.
Für Organisationen ist dieser Befund besonders relevant. Unternehmen können ihre Outputmenge mit KI massiv steigern und gleichzeitig interne Eigentümerschaft verlieren. Strategien, Präsentationen und Konzepte entstehen schneller, aber möglicherweise fühlt sich niemand mehr wirklich für sie verantwortlich. Die Organisation produziert mehr Material, ohne notwendigerweise mehr Überzeugung zu erzeugen. Professionelle Dokumente können dann zu Behältern ohne innere Trägerschaft werden: formal abgeschlossen, psychologisch unbewohnt.
Die wichtigste Schlussfolgerung lautet deshalb: Die Zukunft menschlicher Arbeit entscheidet sich nicht daran, wie viel der Mensch noch selbst ausführt. Sie entscheidet sich daran, ob er sich weiterhin als wirksamer Ursprung erlebt. Menschen müssen nicht jede Formulierung selbst schreiben, nicht jedes Bild selbst zeichnen und nicht jede Information eigenständig recherchieren. Sie müssen aber erkennen können, welche Idee von ihnen stammt, welche Entscheidung sie getroffen haben und wofür sie bereit sind, Verantwortung zu übernehmen.
„Too Easy to Matter“ zeigt damit keine Grenze der technischen Leistungsfähigkeit, sondern eine Grenze menschlicher Aneignung. KI kann Ergebnisse nahezu unbegrenzt verbessern. Sie kann jedoch nicht automatisch dafür sorgen, dass diese Ergebnisse psychologisch zu uns gehören. Bedeutung lässt sich nicht vollständig generieren. Sie entsteht dort, wo Menschen sich in einem Ergebnis wiederfinden, weil sie an seiner Entstehung tatsächlich beteiligt waren.
Je perfekter Maschinen unsere Ergebnisse erzeugen, desto wichtiger wird es, den menschlichen Anteil nicht an der Menge geleisteter Arbeit, sondern an der Tiefe getroffener Entscheidungen zu messen. Die zentrale Ressource der KI-Gesellschaft ist nicht mehr Produktion. Es ist Autorschaft.
