Ein Wissensblogger teilte seine Erfahrung mit. 2019 setzte er sich das Ziel, 100 Bücher pro Jahr zu lesen. Am Ende waren es etwa 60 bis 70.
Sein ehemaliger Chef gab ihm später folgendes Feedback: Es ist nicht so, dass du zu wenig Wissen hast, sondern zu viel. Du musst Dinge tun. Seitdem liest er weniger und arbeitet mehr.
Als ich das sah, hatte ich das Gefühl, dass es den Zustand vieler Menschen beschreibt.
Du hast die Bücher gelesen und Notizen gemacht. Wenn du über die Ideen aus den Büchern sprichst, ist jedes Wort vertraut. Aber wenn du diese Dinge tatsächlich anwenden musst, um ein Problem zu lösen, kannst du vielleicht schon beim dritten Satz nicht mehr weitermachen.
Beim Lesen ist es leicht, zustimmend zu nicken. Ein Buch ergibt Sinn, ein anderer Artikel ergibt Sinn. Selbst zwei gegensätzliche Ansichten können nebeneinander plausibel wirken. Das liegt daran, dass Lesen dich nicht zwingt, dich sofort für eine zu entscheiden.
Output zwingt dich zur Entscheidung.
Einen Artikel schreiben, eine Präsentation erstellen oder eine Unterrichtsstunde vorbereiten – alles fühlt sich so an. Bevor du anfängst, denkst du, du hättest es im Kopf durchdacht. Sobald du tatsächlich beginnst, merkst du, dass der zweite und der dritte Teil nicht zusammenpassen, die Beispiele die Schlussfolgerung nicht belegen und du einige gängige Begriffe nicht einmal klar definieren kannst.
Das ist kein Problem des Ausdrucks. Es ist so, dass du es noch nicht zu Ende gedacht hast.
Ich kenne auch einen Schreiblehrer. Er führte ein Experiment zum KI-Schreiben durch und wollte, dass die KI seinen Schreibstil nachahmt. Zuerst schrieb er eine Reihe von System-Prompts, ließ die KI eine große Menge Text ausgeben und pickte dann Satz für Satz die Schwächen heraus.
Jedes Mal musste er drei Fragen beantworten: Welcher Satz war schlecht, warum war er schlecht und unter welchen Umständen konnte man ihn so schreiben? Jede Feedbackrunde floss in die nächste Version der Regeln ein.
Nach mehr als einem Monat schrieb er: In diesem Prozess wurde nicht die KI trainiert, sondern ich.
Denn er wusste zwar, was ihm nicht gefiel, konnte die Maßstäbe aber nicht klar benennen. Erst wenn die KI den Text produzierte, konnte er die Probleme benennen. Einmal darauf hinzuweisen reichte nicht; er musste erklären, warum. Als sich diese Rückmeldungen ansammelten, wurde eine Reihe von Urteilen, die ursprünglich in Gewohnheiten verborgen war, langsam zu Regeln, die sich artikulieren ließen.
Genau das bewirkt Output. Er verwandelt „Ich weiß es ungefähr“ in etwas, das überprüft werden kann. Erst wenn ein Artikel geschrieben ist, können andere darauf hinweisen, was sie nicht verstehen. Erst wenn ein Produkt gebaut ist, können Nutzer dir sagen, wo sie es nicht nutzen wollen. Erst wenn ein Forschungsplan aufgeschrieben ist, kann ein Mentor sehen, wo deine Kausalkette unterbrochen ist.
Negatives Feedback wird erst an diesem Punkt nützlich.
Ein Geschäftsfreund sagte mir einmal, dass negatives Feedback auf Informationsebene positives Feedback ist. Sinkende Einnahmen, schlechte Daten und Widerspruch von anderen weisen zumindest darauf hin, dass es hier etwas gibt, das bearbeitet werden muss.
Aber Feedback bringt Menschen nicht automatisch weiter. Wenn jemand sagt, ein Artikel sei unverständlich, kannst du es dem mangelnden Niveau des Lesers zuschreiben. Wenn niemand ein Produkt nutzt, kannst du weiterhin erklären, dass der Markt es nicht versteht. Solange sich das Verhalten nicht ändert, ist Feedback nur eine weitere unangenehme Nachricht.
Der Fokus des Outputs liegt also nicht auf der einzelnen Handlung des „Veröffentlichens“. Er umfasst: etwas zu erstellen, Feedback zu bekommen, zu beurteilen, ob das Feedback richtig ist, und dann zu entscheiden, was geändert wird.
Jeder Schritt in diesem Prozess verlangt, dass der Autor selbst entscheidet.
Das erklärt auch, warum tägliche Veröffentlichungen nicht unbedingt Urteilsvermögen bilden. Manche Leute veröffentlichen ein oder zwei Jahre lang kontinuierlich Inhalte, aber wenn du ihre Artikel nebeneinanderlegst, sind es immer noch dieselben wenigen Sätze. Bei einem konkreten Problem kann der ursprüngliche Inhalt keine Antwort liefern. Einer meiner Studenten schlug einen Test vor: Gib alle Inhalte, die eine Person in der Vergangenheit erstellt hat, in eine KI-Wissensdatenbank und schau, ob diese Wissensdatenbank konkrete Fragen beantworten kann.
Ich finde, das ist ein großartiger Test. Wenn Hunderte von Artikeln hineingegeben werden und sie nur einige korrekte, aber nutzlose Worte erzeugen kann, ist die Menge dieser Artikel zwar groß, aber es stecken nicht viele Urteile darin. Wenn sie eine konkrete Frage beantworten und vergangene Fälle, Bedingungen und verschiedene Wahlmöglichkeiten liefern kann, zeigt das, dass diese Person tatsächlich etwas hinterlassen hat.
Deshalb stimme ich dem Sprichwort nicht zu: „Solange du in großen Mengen Output erzeugst, wirst du irgendwann dein Schicksal ändern.“ Ohne Input wird Output schnell dünn. Ohne Fakten, Fälle und neue Erfahrungen kannst du nur Urteile wiederholen, die du bereits gefällt hast. Ich habe einen Verwandten, der ständig schreibt, und er hat eine Beobachtung gemacht: Manche Menschen werden durch Output nicht ausgehöhlt, weil ihre Input-Geschwindigkeit größer ist als ihre Output-Geschwindigkeit.
Dieser „Input“ bezieht sich nicht nur auf das Lesen von Büchern. Projekte durchführen, Kunden treffen, Misserfolge bewältigen und sich mit anderen austauschen – all das liefert Material. Wenn ein Mensch wirklich mehr erlebt und bewältigt hat, bekommt der Inhalt, den er schreibt, ganz natürlich Details. Ohne diese Dinge führt die bloße Erhöhung der Veröffentlichungsfrequenz schnell dazu, dass das Schreiben leer wird.
Lesen und Output sind keine Entweder-oder-Entscheidung. Lesen liefert Konzepte, Fakten und die Erfahrungen anderer. Output verlangt, dass du diese Materialien neu organisierst und deine eigenen kausalen Zusammenhänge herstellst. Feedback lässt dich sehen, ob diese Erklärungen für andere noch Bestand haben. Die Überarbeitung überlässt dir die endgültige Entscheidung.
Seit dem Aufkommen der KI sind diese Schritte deutlicher geworden. Früher konnte das Unvermögen zu schreiben an fehlender Organisationsfähigkeit oder zu langsamem Tippen liegen. Heute ist es nicht schwer, einen strukturell vollständigen Artikel zu erzeugen. Titel, Fallbeispiele und Schlussfolgerungen – all das kann enthalten sein. Daher sagt das bloße „Aufschreiben“ heute weniger über die Fähigkeit aus als früher.
Was wirklich einen Unterschied macht, ist, welche Materialien du der KI gegeben hast, was du gelöscht hast, welche Fakten du hinzugefügt hast und schließlich, welches Urteil du beibehalten hast.
Die KI kann zehn Versionen erzeugen. Sie kann dir nicht abnehmen, zu entscheiden, welchem Standpunkt du wirklich zustimmst, welches Beispiel der Überprüfung standhält und für welchen Satz du bereit bist, unter deinem Namen Verantwortung zu übernehmen.
Diese Entscheidung musst du immer noch selbst treffen.
Output muss nicht öffentlich sein. Forschungsnotizen, Code, unveröffentlichte Entwürfe und Kursübersichten können diese Runde der Verarbeitung ebenfalls abschließen. Der Schlüssel ist, ob du nach dem Abschluss klarer über das Problem bist als zu Beginn.
Wenn nicht, hast du nur das Format der Materialien geändert.
Wenn doch, verwandelt sich das Lesen endlich in dein Urteilsvermögen.
