ALTES SKRIPT ERKANNT
“Wenn die KI es kann, brauche ich es nicht zu wissen”
Versuch diese Antwort:
“Die KI macht generische Lösungen schneller. Mein Wissen ist, wo sie blind ist.”DIE ÜBUNG ANSEHEN
Erstelle eine Antwort auf diesen Gedanken – und einen Schritt, der sie belegt.
DER GEDANKE
“Wenn die KI es kann, brauche ich es nicht zu wissen”
DEINE AUFGENOMMENE ANTWORT
“Die KI macht generische Lösungen schneller. Mein Wissen ist, wo sie blind ist.”
EIN PRIVATER SCHRITT
Beim nächsten KI-Vorschlag: Schreib auf, was die KI nicht sah. Nicht um sie zu kritisieren — um zu sehen, wo dein Wissen aktiv war. Eine Beobachtung reicht.
Der Moment vor dem Klick auf »Akzeptieren«
- Die Abkürzung, die Sinn ergibtDu öffnest dein Notebook zur Code-Review. Der Pull Request hat eine neue Query-Optimierung. Du wüsstest, wie man das analysiert: die Indexing-Strategie, die Ladezeiten, was in dieser Produktionsumgebung mit den Partitionierungen passiert. Aber es gibt einen Kommentar: »KI-Vorschlag«. Und die Lösung ist... funktional. Keine Fehler, keine offensichtlichen Probleme. Und ein Gedanke kommt: *Wenn etwas ohne tiefes Verständnis richtig ist, wozu diese Jahre an Datenbankwissen?* Du klickst »Approve«. Rationale Effizienz. Aber irgendwo weißt du, dass du nicht wirklich hingesehen hast.
- Das Kontextwissen, das das Prompt nicht erreichtDie KI sah die Query. Sie sah nicht, dass eure Produktionsserver zu bestimmten Zeiten unter Last bei Aggregationen leiden. Sie wusste nicht von der Migration, die nächste Woche kommt und alte Indizes mit sich bringt. Sie kannte die Compliance-Anforderung nicht: Daten auf diesem Tisch müssen für 7 Jahre in bestimmter Struktur erhalten bleiben. Dein Wissen war: Diese Optimierung bricht das später. Und die KI: Das sieht in isolierter Form gut aus. Beide Analysen sind funktional richtig. Aber nur eine kennt die Zeittafel und die Pflichten, die unsichtbar sind, wenn man ein generisches Optimierungsproblem sieht.
Das Vertrauen wiedergewinnen durch genaues Hinsehen
Du brauchst die KI nicht zu meiden. Aber bevor du akzeptierst: Pausiere. Was fehlt im Prompt? Was weiß die KI über dein System nicht? Schreib eine Frage auf, nicht eine Kritik. Wenn du erkennst, dass etwas Wichtiges fehlte — das ist keine KI-Schwäche. Das ist deine Stärke, die Learning wert war. Die KI hat dich schneller gemacht im Erkennen davon. Das ist Handwerk. Das ist nicht Obsoleszenz.
TRACE · 01/04
Wie dieses Skript dich steuert
- Du siehst einen KI-generierten Vorschlag und nehmst ihn ohne tiefere Analyse an, weil er »funktioniert«.
- Wenn ein Kollege nach deiner Herangehensweise bei Optimierungen fragt, fällt dir auf, dass du mit »Die KI hätte aber...« antwortest.
- Du spürst, dass die Zeit, in der du ein System wirklich verstehst, weniger wertvoll fühlt als schnelle Lösungen.
SOURCE_LOCATED · 02/04
Die verborgene Regel darunter
Das KI-Obsoleszenz-Skript
Wenn ein System etwas schnell löst, dann war der Aufwand, es zu verstehen, verschwendete Zeit. Daher ist Verständnis, das automatisierbar ist, Verständnis, das ich nicht hätte brauchen sollen.
FORGING_REPLACEMENT · 03/04
Ersatzzeilen (diese aufnehmen)
- Die KI macht generische Lösungen schneller. Mein Wissen ist, wo sie blind ist.
- Ich habe Jahre an Kontext gelernt, der im Prompt nicht sichtbar ist. Der Unterschied ist dort.
- Die KI zu lesen ist noch Arbeit. Es ist andere Arbeit, aber es bleibt meine Verantwortung.
In der App pro Person generiert — das hier ist die Richtung, nicht dein Skript. Deins entsteht aus deinen exakten Worten.
INSTALL · 04/04
Das Protokoll, auf einer Karte
Wenn ich denke
“Wenn die KI es kann, brauche ich es nicht zu wissen”
Sage ich
“Die KI macht generische Lösungen schneller. Mein Wissen ist, wo sie blind ist.”
Dann tue ich eine Sache
Beim nächsten KI-Vorschlag: Schreib auf, was die KI nicht sah. Nicht um sie zu kritisieren — um zu sehen, wo dein Wissen aktiv war. Eine Beobachtung reicht.
STATUS: READY_TO_INSTALL
Diesen Gedanken löschen4 Minuten. Deine Stimme. Kostenlos.
Das Wipe-Protokoll
- Schreibe den Gedanken exakt so auf, wie er läuft: „Wenn die KI es kann, brauche ich es nicht zu wissen“. Wort für Wort — der Wipe zielt auf den Satz, nicht auf das Gefühl.
- Finde die Regel und die vermiedene Handlung. Wovon entschuldigt dich dieser Gedanke so bequem?
- Nimm die Ersatzzeilen unten mit deiner eigenen Stimme auf. Sprich, als wärst du es ernst — keine Aufnahme, keine Installation.
- Fahre die Schleife: morgens und abends abspielen, 7 Tage lang eine Beweis-Handlung pro Tag loggen.
Klare Antworten
Wenn ich die KI-Lösung prüfe statt sie selbst zu schreiben, bin ich dann immer noch am Lernen?
Ja, aber anders. Schreiben lehrte dich durch Versuch und Fehler. Lesen, das informiert werden kann, lehrt dich das Erkennen von Fehlern schneller. Das ist nicht weniger Verständnis — es ist entwickelteres Verständnis. Die Schnelligkeit ist ein Merkmal, nicht ein Mangel.
Was ist mit jungen Ingenieuren, die mit KI aufwachsen und nie das »echte« Problem sehen?
Sie brauchen jemanden, der ihnen zeigt: Das ist, was die KI nicht sah. So lernst du »System Thinking«, nicht aus Büchern, sondern vom Sehen von Lücken. Die KI hat das nicht geändert — es hat es nur sichtbarer gemacht, wer dieses Wissen weitergeben kann.
Wie unterscheide ich zwischen echtem Kontext-Wissen und nur Ego-Verteidigung meiner Arbeit?
Wenn du Konsequenzen benennen kannst, die aus dem fehlenden Verständnis folgen — das System wird unter Last langsam, die Migration wird komplexer, die Compliance-Audit scheitert — dann ist es echtes Wissen. Wenn du nur sagst »ich hätte es anders gemacht«, ist es Ego.
Verwandte alte Skripte
Verwandte Selbstchecks
Verwandte Forschung
Forschende zum Weiterlesen
Verwandte Mechanismen
Die Forschung hinter diesem Skript
- Impostor Phenomenon in Software Engineers — Guenes et al., ICSE-SEIS 2024, 2024
- Understanding and effectively mitigating code review anxiety — Lee et al., Empirical Software Engineering, 2024
- Understand team effectiveness (Project Aristotle) — Google re:Work, 2016
- Psychological impacts of AI-induced job displacement among Indian IT professionals: a Delphi-validated thematic analysis — PMC, 2024