Warum liefert dieselbe KI bei anderen bessere Ergebnisse als bei mir?
Weil der Ertrag eines KI-Werkzeugs an der Person hängt, die es bedient. Forschung aus dem Bildungsbereich zeigt: Entscheidend ist die Interaktionskompetenz — präzise anweisen, Ausgaben kritisch prüfen, Ergebnisse in die eigene Arbeit übernehmen. Sie sagt den Nutzen von KI-Unterstützung besser voraus als Vorwissen oder Abschlüsse. Der gute Nachricht daran: Diese Kompetenz ist eine erlernbare Arbeitstechnik, kein Talent.
Das Werkzeug ist selten der Unterschied
Wenn ein Kollege mit demselben KI-Werkzeug sichtbar mehr erreicht, liegt der Verdacht nahe, er nutze eine bessere Version oder kenne einen Trick. In fast allen Fällen trifft beides nicht zu. Ein Sprachmodell erzeugt seine Antwort unmittelbar aus dem, was es bekommt — und was es bekommt, unterscheidet sich zwischen zwei Personen erheblich: im Detailgrad der Aufgabe, im mitgelieferten Hintergrund, in der Klarheit der Erwartungen und im Umgang mit der Antwort danach.
Was die Forschung dazu gemessen hat
Eine kontrollierte Studie aus dem Bildungsbereich (Idan und Anand 2026) hat untersucht, welche Eigenschaften vorhersagen, wie stark jemand von KI-Unterstützung profitiert. Geprüft wurden unter anderem Abschlussnoten, fachliches Vorwissen und Studiendauer — und daneben die Kompetenz im Umgang mit dem System selbst. Das Ergebnis fiel eindeutig aus: Den Ausschlag gab die Interaktionskompetenz, also das Zusammenspiel aus drei Fähigkeiten:
- Anweisen — die Aufgabe so formulieren, dass das System sie treffen kann
- Prüfen — die Ausgabe kritisch bewerten, statt sie ungeprüft zu übernehmen
- Anwenden — das Ergebnis in den eigenen Arbeitszusammenhang übersetzen
Bemerkenswert war ein zweiter Befund: Gerade Personen mit wenig Vorwissen holten durch KI-Unterstützung am stärksten auf — allerdings nur dann, wenn diese drei Fähigkeiten ausgeprägt waren. Fehlten sie, blieb der Fortschritt klein, obwohl das Potenzial am größten gewesen wäre.
Warum sich der Abstand vergrößert
Der Unterschied zwischen geübten und ungeübten Nutzern bleibt nicht konstant. Wer präziser anweist, bekommt bessere Antworten, erkennt schneller, was das System leisten kann, und baut daraus wirksamere Routinen — der Vorsprung wächst mit jeder Nutzung. Wer dagegen nach einigen enttäuschenden Versuchen aufgibt, sammelt keine Erfahrung und bestätigt sich die eigene Skepsis. So entstehen in ein und demselben Betrieb zwei Realitäten über dasselbe Werkzeug.
Die vier häufigsten Unterschiede im Detail
| Verhalten | Ungeübte Nutzung | Geübte Nutzung |
|---|---|---|
| Aufgabe | Ein Satz, vieles bleibt implizit | Anforderungen, Kontext und Format ausdrücklich benannt |
| Antwort | Wird übernommen oder verworfen | Wird geprüft, nachgeschärft, weiterverarbeitet |
| Eigene Meinung | Steht in der Anfrage | Bleibt draußen, Gegenargumente werden angefordert |
| Erfahrung | Bleibt im Kopf einer Person | Wird als Vorlage im Team dokumentiert |
Was Sie konkret tun können
Der wirksamste Einstieg ist die Struktur der Anweisung: Was muss die Antwort enthalten, in welchem Format, für welchen Zweck? Die Bausteine dafür beschreibt die Anleitung zur guten KI-Anweisung. Danach lohnt der Blick auf die Prüfroutine — Fakten hinterfragen, bei wichtigen Punkten eine zweite, anders formulierte Anfrage stellen. Und schließlich die Dokumentation: Bewährte Anweisungen als Team-Vorlagen sichern, damit die Kompetenz nicht an einzelnen Personen hängt. Ob sich dafür eine strukturierte Schulung lohnt, hängt von Teamgröße und Nutzungsintensität ab.
Die vollständige Forschungslage — von der sprachlichen Oberfläche über Tonfall-Studien bis zur Kreativitätsfrage — haben wir im Beitrag Warum KI nicht bei jedem gleich gut funktioniert aufbereitet.