Neue Forschung · März 2026
Die kognitive Schere:
Wenn KI unser Denken überholt
Ein Forscher hat gemessen, was viele ahnen: KI-Systeme verarbeiten Informationen inzwischen über tausendmal effizienter als Menschen – und der Abstand wächst rasant. Schlimmer noch: Wir helfen dabei mit.
Das Problem mit dem kurzen Satz
Stell dir vor: Es ist 2026, du öffnest deinen KI-Assistenten und tippst: „Schreib mir eine Absage für dieses Meeting, zwei Sätze." Dreißig Sekunden ungestörtes Nachdenken – das hätte diese Aufgabe früher gekostet. Heute delegierst du sie, ohne nachzudenken. Das ist so selbstverständlich geworden, dass es sich falsch anfühlt, es überhaupt zu erwähnen.
Genau hier beginnt die Analyse von Netanel Eliav vom Machine Human Intelligence Lab. Er nennt das Phänomen die Kognitive Divergenz: die messbar wachsende Kluft zwischen dem, was KI-Systeme verarbeiten können, und dem, was Menschen noch bereit sind selbst zu denken.
Zwei Kurven, die sich kreuzen
Die Grundlage des Papers sind zwei gut dokumentierte Trends, die bislang nie direkt miteinander verglichen wurden.
KI-Seite: Das sogenannte Kontextfenster – der Informationsraum, den ein KI-Modell in einem einzigen Denkschritt verarbeiten kann – ist von 512 Token im Jahr 2017 auf zwei Millionen Token im Jahr 2026 gewachsen. Das entspricht einem Faktor von knapp 4.000 in neun Jahren. Zum Vergleich: Moores Law beschreibt eine Verdoppelung alle zwei Jahre – die KI-Kontextfenster verdoppeln sich im Schnitt alle 14 Monate.
Menschen-Seite: Gloria Mark, Forscherin an der UC Irvine, hat von 2003 bis 2020 gemessen, wie lange Wissensarbeiter ununterbrochen auf einen Bildschirminhalt fokussiert bleiben. Das Ergebnis: von durchschnittlich 150 Sekunden im Jahr 2004 auf 47 Sekunden im Jahr 2020. Eliav übersetzt diese Daten in Token – die gleiche Einheit wie die KI – und erhält den Effective Context Span (ECS): von rund 16.000 Token im Jahr 2004 auf geschätzte 1.800 Token im Jahr 2026.
Warum der Abstand real ist – auch nach Abzügen
Fairerweise räumt Eliav ein: Das KI-Kontextfenster ist ein theoretisches Maximum, keine praktische Leistung. Forschungen zeigen, dass Sprachmodelle Informationen in der Mitte langer Eingaben schlechter verarbeiten – das sogenannte „Lost in the Middle"-Phänomen. Qualitätsbereinigt liegt der effektive KI-Kontext eher bei 100.000 bis 200.000 Token.
Das Verhältnis schrumpft dadurch von 1.111-fach auf 56–111-fach. Ein Faktor von bis zu 111 bleibt. Die Schere bleibt riesig.
Das Gehirn unter digitalem Dauerbeschuss
Warum sinkt die menschliche Aufnahmefähigkeit überhaupt? Eliav zieht acht neuroimaging-Studien heran. Das Bild ist konsistent:
Social-Media-Plattformen trainieren das Gehirn auf kurzfristige Belohnungsreize. Variable Benachrichtigungen – mal viele Likes, mal wenige – aktivieren denselben dopaminergen Mechanismus wie Glücksspiel. Der präfrontale Kortex, zuständig für Konzentration und Impulskontrolle, zeigt bei Vielnutzern messbar reduzierte Aktivität. EEG-Daten zeigen veränderte Hirnwellenmuster. Und: Kurzvideos (TikTok, Reels) stehen mit einem Rückgang der Aufmerksamkeit von r = −0,38 in Verbindung – ein substanzieller Effekt über 98.000 Probanden.
Der Trost: Es ist reversibel. Wer Social Media auf 30 Minuten täglich begrenzt, zeigt nach drei Wochen messbare Erholung.
Die eigentliche Theorie: Der Delegations-Rückkopplungskreis
Das Herzstück des Papers ist nicht die Messung, sondern die Hypothese darüber, was als Nächstes passiert. Eliav nennt es den Delegation Feedback Loop.
Der Delegations-Rückkopplungskreis – vier Schritte
- KI wird besser und zugänglicher → Der Schwellenwert, ab dem Menschen delegieren, sinkt. Aufgaben, die früher eigenes Nachdenken erforderten, werden zur Routinedelegation.
- Delegation unterhalb der eigenen Kapazität → Die kognitive Arbeit findet nicht mehr statt. Kein Denken = kein Training.
- Weniger Training → Echte Atrophie. Aufmerksamkeit, Schreibfähigkeit, kritisches Denken brauchen regelmäßige Praxis. Ohne sie verkümmern sie messbar.
- Geringere Kapazität → Noch mehr Aufgaben fallen unter den gesunkenen Schwellenwert → Die KI übernimmt noch mehr → Der Kreis schließt sich.
Empirische Belege für jeden Schritt des Kreises existieren bereits: Eine Studie mit 666 Teilnehmern zeigt, dass intensiver KI-Einsatz kritisches Denken reduziert. Eine MIT-EEG-Studie belegt, dass KI-unterstütztes Schreiben zu geringerem kognitiven Engagement führt – und wer dann wieder ohne KI schreibt, schneidet schlechter ab als jemand, der nie Hilfe hatte. Die Forscher nennen das „Cognitive Debt".
Kurz: Wir werden nicht schlechter, weil KI klüger wird. Wir werden schlechter, weil wir aufgehört haben zu üben.
Was das für uns bedeutet
KI-Lernsysteme, die Aufgaben für Schüler lösen statt sie zu begleiten, verhindern genau den kognitiven Lernprozess, den sie fördern sollten.
Wenn KI 100× mehr Kontext verarbeitet als ein Mensch review-en kann, verlieren klassische Prüf-Workflows ihre Grundlage.
Anthropics eigene Daten zeigen Deskilling-Risiken: Wer komplexe Denkarbeit dauerhaft delegiert, verliert sie langfristig.
Kognitive Kapazität ist kein rein individuelles Problem. Ein Rückgang in Bevölkerungen ist ein strukturelles Risiko – analog zur körperlichen Fitness.
Was das Paper nicht behauptet
Eliav ist vorsichtig genug, drei Grenzen klar zu ziehen:
KI-Nutzung ist nicht per se schädlich. Wer KI für Aufgaben nutzt, die wirklich seine Kapazität übersteigen – etwa ein 200.000-Token-Dokument analysieren – verliert keine Übung, die er ohnehin gehabt hätte.
KI hat den Aufmerksamkeitsrückgang nicht verursacht. Die Kurve sinkt seit 2004 – lange vor ChatGPT. Smartphones und Social Media waren die Haupttreiber bis 2020. Die KI-These betrifft erst, was danach kommt.
Es ist reversibel. Neuroplastizität wirkt in beide Richtungen. Der Kreislauf ist selbstverstärkend unter den aktuellen Bedingungen – nicht unvermeidlich.
Das Paper endet mit einem Satz, der hängen bleibt:
„Der Profi, der ‚Schreib mir eine Absage für dieses Meeting' getippt hat, wird nicht aufhören. Das Modell wird nicht kleiner. Die Frage ist, was mit den kognitiven Fähigkeiten passiert, die nicht mehr genutzt werden."
Keine Studie hat das bisher gemessen. Noch nicht. Eliavs Forschungsagenda fordert genau das: eine Langzeitstudie über mehrere Jahre, die verfolgt, was wirklich mit uns passiert, während wir denken lassen.
Die Antwort kennen wir noch nicht. Die Frage ist überfällig.
