Vom Werkzeug zum Teammitglied: Kollaborationskompetenz im KI-Zeitalter

Ein Beitrag von Isabella Buck

Dass Lehrende und Lernende in Schulen wie Hochschulen KI-Tools nutzen, ist längst zur neuen Realität geworden. Das Bild, das viele dabei implizit vor Augen haben, dürfte aber immer noch das Bild einer einzelnen Person im stillen Kämmerchen sein, vor sich ein Laptop, an dem die Person verschiedene KI-Anwendungen im Alleingang nutzt.

Inzwischen eröffnen KI-Plattformen wie Perplexity Spaces oder BoodleBox jedoch neue Möglichkeiten, bei denen Individuen in Teams kollaborativ mit anderen Menschen und mit künstlicher Intelligenz zusammenarbeiten können. Die geteilten digitalen Räume erlauben es ihnen, Wissen gemeinsam zu sammeln, zu strukturieren, Aufgaben kollaborativ zu bearbeiten und dabei KI-Tools als Partner mit ins Boot zu holen. Während die Menschen über ein Problem diskutieren, können KI-Agenten in einem separaten Fenster selbstständig ein anderes Problem lösen, vereinfacht etwa durch das eigene Steuern der Computermaus.

Gleichzeitig durchläuft auch die Art der individuellen Interaktionen mit KI-Anwendungen im ‚stillen Kämmerchen‘ eine Veränderung. Während nach wie vor mantraartig davor gewarnt wird, die Ergebnisse  1:1 zu übernehmen, fördern Tools wie das jüngst veröffentlichte ChatGPT Canvas direkt von ihrer Anlage her ein iteratives Vorgehen, das Nutzende von einer 1:1-Übernahme wegbringt: Sie fordern Nutzende dazu auf bzw. erleichtern es ihnen, in einem iterativen Prozess gemeinsam mit der KI an Projekten zu arbeiten und Ideen Schritt für Schritt zu entwickeln. Statt einmalige Anfragen zu stellen, entsteht so ein dynamischer Dialog, der auf Interaktion und kontinuierliche Verbesserung setzt.

isabella buck
ChatGPT Canvas mit Betonung das expliziten Fokus auf Iteration

Kollaboration mit KI-Tools lautet somit das Gebot der Stunde – und zeigt, dass unser Verständnis von Kollaborationskompetenz überdacht und sowohl auf die individuelle Zusammenarbeit als auch auf die Zusammenarbeit mit anderen Menschen und KI-Anwendungen erweitert werden muss. Genau dieser Neudefinition von Kollaborationskompetenz gehe ich in meinem Gastbeitrag nach.

Kollaborationskompetenz 1.0

Kollaborationskompetenz ist inzwischen weit mehr als nur ein Buzzword; sie gilt als Schlüsselkompetenz bzw. Future Skill für das Arbeiten in der digitalen Transformation. Dabei kommen verschiedene Begriffe zum Einsatz, oft leider nicht ganz so trennscharf, mitunter auch synonym: Im Future-Triple-Helix-Modell von Ehlers et al. findet sich als sog. individuell organisationsbezogene Kompetenz die Kooperationskompetenz, definiert als die „Fähigkeit zur Zusammenarbeit in Teams […] in Präsenzinteraktion oder durch Zuhilfenahme von Medien“. Im Future-Skills-Framework des Stifterverbandes wird dagegen von „Kollaborationskompetenz“ gesprochen, wobei es darum geht, „unabhängig von räumlicher Nähe und über verschiedene Disziplinen und Kulturen hinweg effektiv und effizient in Projekten zusammenarbeiten, um als Team bessere Resultate als Einzelpersonen zu erzielen“.

Für mich ist der Begriff „Kooperation“ zu schwach, wenn es um die Kompetenz geht, die wir brauchen, um in unsicheren, emergenten Szenarien erfolgreich zu agieren. Kooperation beschreibt eine arbeitsteilige Zusammenarbeit, bei der alle unabhängig voneinander vor sich hinarbeiten, jeweils an spezifischen Aufgaben oder Teilprojekten, und die einzelnen Arbeitsergebnisse am Ende wie einzelne Puzzleteile zu einem Gesamtbild zusammensetzen. Kollaboration dagegen bezeichnet das gemeinsame und eben nicht arbeitsteilige Hinwirken auf ein Ziel, wobei alle Beteiligten aktiv und synchron miteinander interagieren – um im Bild zu bleiben, das ganze Puzzle gemeinsam gestalten. Die Zusammenarbeit ist dabei dynamisch, die Arbeitsschritte sind oft eng verzahnt, und die Verantwortung für das Ergebnis wird geteilt. In einer kollaborativen Situation sind die Beteiligten kontinuierlich miteinander im Austausch, sodass ein hoher Grad an Abstimmung, Aushandlung und wechselseitiger Bezugnahme notwendig ist.

Gehen wir über in den digitalen Bereich, so ist „Communication and Collaboration“ einer von fünf Kompetenzbereichen im DigComp2.0-Framework: „To interact, communicate and collaborate through digital technologies while being aware of cultural and generational diversity“.

Schließlich sei noch kurz auf einen anderen Begriff in diesem Kontext verwiesen, quasi ein drittes K (nicht zu verwechseln mit dem Kompetenzframework der 4K, bei dem „Kollaboration“ genannt wird als die Kompetenz, mit anderen zusammen denken, arbeiten und lernen zu können): Im Kontext der Mensch-Maschine-Zusammenarbeit ist immer wieder auch von „Koaktivität“ die Rede. Koaktivität verweist dabei auf eine Art der Mensch-Maschine-Interaktion, bei der arbeitsteiliges Agieren im Vordergrund steht, ohne dass aber eine tiefe wechselseitige Abstimmung oder Interaktion erforderlich ist. Somit ist dieser Begriff noch schwächer im Grad der Abstimmung als der Begriff der Kooperation.

Kollaborationskompetenz reloaded – Kollaborationskompetenz 2.0

Nachdem nun die verschiedenen Begriffe aufgedröselt sind, komme ich im Folgenden konkret auf die menschliche Interaktion mit KI-Tools zu sprechen. Ehlers et al. erwähnen in ihrem viel beachteten AIComp-Framework zwar Kooperationskompetenz als eine der zwölf Kompetenzen, „die bedeutsam dafür sind, in einer von KI durchdrungenen Berufs- und Lebenswelt erfolgreich handlungsfähig zu sein, zu werden und zu bleiben“, beschränken sich dabei aber auf die Zusammenarbeit mit anderen Menschen im Rahmen von KI-Projekten. Genau das ist mein Kritikpunkt: Während sich das Verständnis von Kompetenz zur Zusammenarbeit bisher nur auf die Kooperation oder Kollaboration zwischen Menschen fokussierte, haben wir nun eine neue Herausforderung: die Interaktion und Zusammenarbeit zwischen Menschen und KI. Auf der einen Seite geht es um die Interaktion zwischen einzelnen Menschen und KI-Tools im ‚stillen Kämmerchen‘, auf der anderen Seite geht es darum, KI-Tools in die Mensch-Mensch-Interaktion einzubinden. Diese Realität zwingt uns m. E. dazu, unser Konzept von Kollaboration neu zu denken und zu erweitern, also konkret darüber nachzudenken, welche Kompetenzen es braucht, um erfolgreich mit KI zu kollaborieren. Dabei ist gerade diese Fähigkeit entscheidend, um die komplexen Anforderungen der KI-induzierten Transformation zu meistern.

Eine Möglichkeit, die Interaktion zwischen Mensch und Maschine zu modellieren, liegt in der Unterscheidung zwischen human in the loop und machine in the loop. Bei human in the loop im Bereich maschinellen Lernens geht es darum, dass menschliche Expertise in den Trainings- und Entscheidungsprozess eines KI-Modells eingebunden wird. Menschen intervenieren also, um das Modell zu korrigieren, zu überwachen oder zu verbessern, insbesondere in Situationen, in denen das Modell unsicher ist oder Fehler macht. Machine in the loop bezeichnet dagegen einen Ansatz, bei dem Maschinen oder KI-Modelle unterstützend in menschliche Entscheidungsprozesse integriert werden. Hierbei liefern die Maschinen Vorschläge, Analysen oder Automatisierungen, die von Menschen überprüft werden; anschließend treffen die Menschen eine Entscheidung. Im Gegensatz zu human in the loop liegt die Hauptverantwortung für Entscheidungen bei machine in the loop bei den Menschen – die Maschinen fungieren nur als unterstützende Werkzeuge.

Diese Unterscheidung ist für mich zu dichotom angelegt und ich vermisse Zwischenvarianten. Außerdem schwingt hier für mich zu stark der moralisch erhobene Zeigefinger mit: Am Ende steht wieder einmal der Imperativ, als Mensch niemals die Deutungs- und Steuerungshoheit abzugeben. Wenn ich aber zu einer echten Kollaboration gelangen möchte, bedeutet das auch, dass ich meinen Kollaborationspartner:innen einen Vorschuss an Vertrauen entgegenbringen muss. Wenn ich mit einer Kollegin kollaborativ zusammenarbeite, prüfe ich nicht alles, was sie macht – ansonsten könnte ich es ja direkt selbst machen. Wohl gehe ich mit ihr aber in einen Austausch über das, was wir gemeinsam erstellen. Ein solches Szenario ist auch denkbar mit KI-Tools: Ein KI-Agent und ich bearbeiten getrennt voneinander eine Aufgabe und tauschen uns anschließend über unsere Ergebnisse aus, wodurch wir uns unserem Zielprodukt immer weiter annähern.

KI-Tools werden zunehmend besser. Ja, ich weiß, Halluzinationen gibt es immer noch und wird es aufgrund der Funktionsweise von generativer KI wohl auch immer geben. Bei der Mensch-KI-Kollaboration, für die ich hier argumentiere, geht es aber weder darum, KI-Tools unreflektiert zu verwenden und alle Arbeit an sie zu delegieren, noch geht es darum, im Sinne einer Entlastungsfunktion nur die kognitiv niederen Aufgaben von ihr ausführen zu lassen. Generative KI hat so viel mehr Potenzial als nur, unsere menschliche Arbeit zu entlasten. Dass dies so oft übersehen wird, stört mich am aktuellen Diskurs. Positiv gewendet: Es ist noch sehr viel Luft nach oben in der Wahrnehmung von generativer KI, gerade auch im Hochschulbereich, in dem ich unterwegs bin. Noch immer sagen viele Teilnehmende meiner Seminare, Lehrende aus allen Fachbereichen, dass sie KI-Tools nur für Übersetzungen, Textzusammenfassungen oder die stilistische Überarbeitung von Texten verwenden. Wenn ich verschiedene Texte zur Rolle von KI in menschlichen Arbeitsprozessen lese, ist dort zwar oft von Kollaboration die Rede, doch findet sich dann doch wieder die Rede vom „Menschen im Zentrum“ (etwa hier). Das ist so, wie wenn ich als Führungskraft sagen würde, dass wir ein Seminarkonzept im Team entwickeln, am Ende aber doch nur meine Meinung durchsetze.

Vor wenigen Wochen wurde das Tool STORM der Standford University durch das KI-Dorf gejagt. Auch wenn das inzwischen schon wieder wie Schnee von gestern wirkt, möchte ich darauf zurückkommen. Inzwischen ist in diesem Tool nämlich eine „Roundtable Conversation“ im Co-STORM-Modus möglich, die explizit als „Human-AI collaborate“ bezeichnet wird. Diese erlaubt eine multiperspektivische Diskussion mit KI-generierten Expert:innen, wobei man sich auch selbst an der Diskussion beteiligen kann.

isabella buck
Co-STORM-Modus mit der Möglichkeit, eigene Diskussionsbeiträge einzubringen

Rafner et al. sprechen im Kontext einer solchen Mensch-Maschine-Kollaboration von hybrider Intelligenz. Dabei handelt es sich um die Fähigkeit, komplexe Ziele zu erreichen, indem menschliche und künstliche Intelligenz kombiniert werden. Auf diese Weise werden bessere Ergebnisse erzielt, als Mensch oder Maschine alleine erreichen könnten. Dell’Acqua et al. bezeichnen Menschen, die so mit KI-Tools kollaborieren, sogar als Cyborgs, „completely integrating their task flow with the AI and continually interacting with the technology“. Echte Kollaboration zwischen Mensch und KI ist weitaus dynamischer, als nur einen Assistenten zu nutzen. Und genau darin liegt auch ein Teil des disruptiven Potenzials dieser Technologie. Anika Limburg sagt in einem Vortrag sogar, dass aus ihrer Sicht das Potenzial von KI „tatsächlich nur und ausschließlich in der Mensch-Maschine-Kollaboration liegt“. Und genau dieses Potenzial gilt es, auszuschöpfen, was aber natürlich einen entsprechenden Kompetenzerwerb impliziert. Ich habe nicht einfach ein weiteres neues Werkzeug – eine Computermaus, eine Tastatur, ein Mail-Programm –, sondern ich sehe mich quasi einer neuen Spezies gegenüber, wie der Philosoph Christian Uhle sagt: „Das ist eine komplett neue Mensch-Technik-Interaktion. In Organisationen arbeiten nicht mehr nur Menschen mit Menschen zusammen, sondern künftig Menschen mit selbstständigen KI-Akteuren. Das ist eine Transformation der Tiefenstruktur, die bewusst und klug gestaltet werden muss“. Definitiv muss sie das. Und so kommen wir zu den Implikationen eines solchen Wandels auf das Bildungssystem.

Kollaborationskompetenz 2.0 im Bildungssystem

Lehrende sind m. E. noch viel zu wenig darin geschult, KI-Tools als Kollaborationspartner zu betrachten, die Implikationen dieser partnerschaftlichen Zusammenarbeit mit KI für ihre Lehre zu begreifen und Lernende bei der Entwicklung einer dementsprechenden Kollaborationskompetenz zu begleiten. Es fühlt sich so an, als hätten viele Lehrende den ersten Schock, also den von generativer KI allgemein ausgehenden Schock inzwischen verarbeitet und sich in dieser neuen Realität irgendwie mit neuen Einverständniserklärungen und dem gelegentlichen Thematisieren von KI-Tools in ihrer Lehre eingerichtet. Mehr aber häufig auch nicht.

Wenn KI immer mehr zur Gestaltung unserer Arbeitsprozesse beiträgt und einen integralen Bestandteil derselben bildet, muss das bisherige Verständnis von Kollaborationskompetenz zwangsläufig so erweitert werden, dass dieses die Mensch-KI-Interaktion explizit umfasst. Kollaboration zwischen Mensch und Maschine muss dabei genauso trainiert werden wie Kollaboration mit anderen Menschen. So erfordert die Kollaboration mit KI-Tools spezifische Fähigkeiten, etwa das zielgerichtete Feedbackgeben. Dieses umfasst nicht nur die Bewertung der Ergebnisse, sondern auch die Fähigkeit, der KI präzise Anweisungen zu geben und klar zu benennen, welche KI-Generate einem warum zusagen und welche warum nicht. Konstruktives Feedback hilft der KI, ihre Leistung zu verbessern und die Ergebnisse an die Bedürfnisse der Nutzenden anzupassen. Es geht darum, die KI als lernfähige Partnerin zu verstehen, die aktiv an der gemeinsamen Wissenskonstruktion mitwirkt.

Daneben scheint es mir wichtig, KI nicht als monolithische Einheit zu betrachten, sondern die Vielfalt der Rollen zu erkennen, die Anwendungen in der Mensch-Maschine-Interaktion einnehmen können. KI-Tools können als Assistenten fungieren, die Routineaufgaben automatisieren. Sie können aber auch als Tutoren auftreten oder als Sparringspartner, als Coaches, als Analysten oder als kreative Partner. Diese und noch viel mehr verschiedenen Rollen von KI-Tools erfordern jeweils unterschiedliche Formen der Interaktion und Zusammenarbeit und verdeutlichen, dass eine differenzierte Betrachtung der Mensch-KI-Kollaboration unerlässlich ist. Die Vielfalt an Rollen, die KI-Programme einnehmen können, bedeuten nämlich auch eine Vielfalt an Gestaltungsformen der Mensch-Maschine-Interaktion. Die Fähigkeit, gewünschte Rollen zu spezifizieren und die Interaktion entsprechend zu gestalten, wird so zu einer zentralen Kompetenz im Umgang mit dieser Technologie.

Schließlich braucht es für die hier geforderte KI-Kollaborationskompetenz auch die Fähigkeit, sich mit anderen Menschen nicht nur über KI-Generate auszutauschen, sondern in die menschliche Interaktion auch KI-Bots einzubeziehen. So könnte man beispielsweise während einer Gruppenarbeit ein Tool mitlaufen lassen und dieses immer wieder nach seiner ‚Meinung‘ zum Gesagten fragen. Auf diese Weise muss die Bearbeitung einer Aufgabe sowohl mit der menschlichen Gruppe als auch mit dem eingesetzten Anwendungen ausgehandelt werden, dem man wiederum verschiedene Rollen zuweisen kann.

Einige Bildungseinrichtungen experimentieren laut dem aktuellen Newsletter von AI x Education bereits mit kollaborativen KI-Tools wie Perplexity Spaces, um Studierende auf die Anforderungen der Arbeitswelt vorzubereiten. In diesen „Spaces“ können Studierende Materialien gemeinsam speichern und die KI zur Analyse und Strukturierung der Inhalte verwenden.

isabella buck
Perplexity Spaces mit der Möglichkeit, mit anderen Menschen über das Tool zu kollaborieren

Das Beispiel zeigt, wie eine neue Art der Kollaborationskompetenz – mit der KI als Wissenspartnerin – gezielt gefördert werden kann. Das menschliche Team wird damit erweitert um ein Mensch-Maschine-Team. Die Kollaboration erfolgt hier, wie Samuel Tschepe schreibt, auch asynchron: Während menschliche Teams sich in synchronen Treffen, in Präsenz oder virtuell, auf kollaborative, kreative Aufgaben konzentrieren, können die Anwendungen zwischen diesen Sitzungen von den Teammitgliedern unabhängig genutzt werden. Teammitglieder interagieren individuell mit den Tools, um Erkenntnisse zu generieren und stellen dabei sicher, dass die Ergebnisse der KI nahtlos in die gemeinsame Arbeit integriert werden und die menschlichen Elemente der Zusammenarbeit nicht von der Technologie überschattet werden. Die Komplexität von Kollaboration wird also erhöht, gleichzeitig sind qualitativ hochwertigere Ergebnisse möglich.

Wenn das Verständnis eines solchen Umgangs mit Anwendungen auf der Basis von künstlicher Intelligenz weiter in die Breite gebracht wird, wird hoffentlich auch für immer mehr Menschen im Bildungsbereich das disruptive Potenzial generativer KI deutlich. Eine Kollegin meinte erst diese Woche, dass sie noch nicht sehe, dass sich durch KI-Tools wirklich so viel geändert habe an den Hochschulen bzw. im studentischen Arbeiten. Die Förderung der hier beschriebenen Kollaborationskompetenz 2.0 würde genau dazu beitragen, das Potenzial generativer KI wirklich auszuschöpfen, gemeinsam mit anderen Menschen und mit KI-Tools an Zielen zu arbeiten und nicht bei arbeitsteiligen Prozessen stehenzubleiben.

 

Autorin

isabella buck

Dr. Isabella Buck leitet das Competence & Career Center an der Hochschule RheinMain in Wiesbaden. Daneben ist sie freiberuflich als schreib- und hochschuldidaktische Trainerin unterwegs, wobei ihr Schwerpunkt auf generativer KI beim wissenschaftlichen Arbeiten liegt. Sie ist Mitglied im Kernteam des Virtuellen Kompetenzzentrums ‘Künstliche Intelligenz und wissenschaftliches Arbeiten’ (VK:KIWA) und Vorstandsmitglied in der Gesellschaft für Schreibdidaktik und Schreibforschung.

Ähnliche Beiträge