Zu den nützlichsten Dingen, die wir mit KI tun können, gehört mehr als die Frage nach Antworten: Wir können mit ihr Ideen, Hypothesen, Geschäftsmodelle, Entscheidungen und Probleme durch verschiedene Denkrahmen untersuchen.
Dieser Zugang zum Denken interessiert mich zunehmend.
Wenn ich auf ein erhellendes Video, einen Artikel, einen Podcast oder ein Buch stoße, interessiert mich am meisten oft gar nicht das Ergebnis. Mich interessiert die Struktur dahinter.
Wie denkt dieser Mensch? Welchen Schritten folgt er? Welche Annahmen prüft er? Aus welchen Perspektiven betrachtet er ein Problem? Welche Kriterien leiten sein Urteil?
Mit anderen Worten: Mich interessiert die Architektur seines Denkens.
Denn wenn diese Architektur stark ist, wird sie zu etwas, das wir nutzen können.
Vom Konsum von Ideen zum Herauslösen von Denkrahmen
Wir verbringen bemerkenswert viel Zeit damit, das Denken anderer zu konsumieren.
Wir sehen ein erhellendes Interview, lesen eine überzeugende Analyse oder hören jemandem zu, der ein komplexes Problem zerlegt. Wir merken, dass darin etwas Wertvolles steckt. Vielleicht speichern wir den Link, machen ein paar Notizen oder teilen es mit jemandem.
Und dann ziehen wir meistens weiter.
Was wäre, wenn wir wertvolle geistige Inhalte anders behandelten?
Statt nur ihre Schlussfolgerungen aufzubewahren, könnten wir den Denkrahmen herauslösen, der sie hervorgebracht hat.
Wir könnten die Abfolge der Fragen, die Bewertungskriterien, die zugrunde liegenden Annahmen und die beteiligten Perspektiven bestimmen. Und diese Struktur dann in einem wiederverwendbaren Format festhalten – selbst in etwas so Einfachem wie einer Markdown-Datei.
Wenn wir das nächste Mal vor einem ähnlichen Problem stehen, müssten wir die ursprüngliche Einsicht nicht aus dem Gedächtnis rekonstruieren.
Wir könnten den Denkrahmen direkt anwenden.
Nehmen wir die Prüfung einer Geschäftsidee.
Statt die KI zu fragen, ob eine Geschäftsidee gut ist, könnten wir dieselbe Idee durch mehrere unabhängige Denkrahmen untersuchen.
Ein Validierungsrahmen könnte schwache Annahmen über Kunden und Nachfrage aufdecken.
Ein strategischer Rahmen könnte Wettbewerbsnachteile oder übersehene Chancen sichtbar machen.
Ein architektonischer Rahmen könnte zeigen, dass die Lösung selbst schlecht strukturiert ist.
Ein Risikomodell könnte Schwachstellen offenlegen, an die wir nicht gedacht hatten.
Ein Skalierungsrahmen könnte zeigen, was brechen würde, wenn die Idee tatsächlich Erfolg hätte.
Wichtig ist, dass diese Denkrahmen nicht unbedingt übereinstimmen.
Und genau das macht sie nützlich.
Jeder zeigt eine andere Dimension des Problems. Zusammen ergeben sie ein reicheres Bild als eine einzelne, von einem Modell erzeugte Meinung.
Von einzelnen Prompts zu Denksystemen
Noch interessanter wird es, wenn der Prozess automatisiert ist.
Stellen Sie sich vor, Sie beschreiben eine Geschäftsidee in einer Sprachnachricht.
Ein System transkribiert sie, zieht die relevanten Informationen heraus und ordnet sie in ein strukturiertes Format.
Diese Informationen durchlaufen dann mehrere Denkrahmen, nacheinander oder parallel.
Jeder Rahmen untersucht einen anderen Aspekt der Idee. Die Ergebnisse werden gesammelt, verglichen und zu einer zusammenhängenden Analyse geordnet.
Schwache Annahmen werden sichtbar. Risiken werden erkannt. Chancen zeichnen sich ab. Widersprüche zwischen den Perspektiven lassen sich untersuchen und müssen nicht übergangen werden.
Statt einer einzigen Antwort der KI erhalten wir eine strukturierte Prüfung der Idee durch mehrere unterschiedliche Denksysteme.
Und derselbe Ansatz reicht weit über die Prüfung von Geschäftsideen hinaus.
Er lässt sich auf strategische Entscheidungen, Produktentwicklung, organisatorische Herausforderungen, persönliche Projekte oder fast jedes wiederkehrende Problem anwenden, das davon profitiert, aus mehreren Perspektiven betrachtet zu werden.
Die Komplexität der Automatisierung ist dabei zweitrangig.
Entscheidend ist ein verändertes Verständnis der Rolle von KI.
Wir hören auf, sie als Autorität zu behandeln, die Antworten liefert, und beginnen, sie als System zu sehen, das uns hilft, mit verschiedenen Denkweisen zu arbeiten.
Das eigene Urteil bleibt trotzdem nötig. Denkrahmen haben ihre eigenen Annahmen und Grenzen, und auch ihre Ergebnisse müssen hinterfragt werden.
Sie können unser Denken aber expliziter, systematischer und leichter überprüfbar machen.
Die eigentliche Chance
Ich halte das für eine der am meisten unterschätzten Arten, KI zu nutzen.
Nicht als Ersatz für das Denken.
Nicht bloß als Textgenerator.
Und nicht als Maschine für schnelle Antworten.
Ich sehe sie als Infrastruktur für das Denken.
Der künftige Wert von KI hängt womöglich davon ab, wie viel leistungsfähiger die Modelle werden, und ebenso davon, wie gut wir lernen, Systeme um sie herum zu bauen.
Systeme, die nützliche Denkrahmen bewahren, verschiedene Perspektiven verbinden und uns helfen, unsere eigenen Annahmen zu prüfen.
Es geht um mehr, als KI besser für uns denken zu lassen.
Es geht darum, bessere Bedingungen dafür zu schaffen, dass wir selbst denken.
ThemaMenschliche Systeme
