Wer dreimal Pasta gekocht hat, hält sich für einen passablen Koch. Wer einmal in einer Profiküche gestanden hat, weiß dass er nichts kann. Die Profiküche zeigt dir schonungslos wie weit du noch weg bist. Deine Küche zu Hause gibt dir das Feedback nicht. Deine Pasta schmeckt “ganz gut”, also bist du “ganz gut”. Woher sollst du auch wissen was dir fehlt?
Das ist der sogenannte Dunning-Kruger-Effekt. Nicht “dumme Leute merken nicht dass sie dumm sind”, sondern: Je weniger man von einer Sache versteht, desto weniger merkt man was man nicht versteht. Das betrifft jeden, bei irgendeinem Thema, immer.
Was KI damit zu tun hat
Jedes Werkzeug das man schlecht bedient, wehrt sich. Die Gitarre klingt schief, der Braten brennt an. Man merkt sofort dass man es nicht kann, und das ist der Anfang vom Lernen.
KI wehrt sich nicht. Du gibst einen halbgaren Prompt rein und bekommst einen flüssigen, selbstbewussten, fertig aussehenden Text zurück. Jedes Mal. Egal wie schlecht dein Input war. Der Output sieht aus wie Kompetenz — auch wenn keine im Spiel war. Drei Versuche, und du hast eine Meinung. Die Meinung fühlt sich an wie Erfahrung. Du hast das Ding ja benutzt. Du hast gesehen was es kann.
Das ist der Dunning-Kruger-Peak, und er fühlt sich an wie eine informierte Meinung. Man fühlt sich kompetent.
Dafür braucht es keinen bösen Konzern. Du machst das ganz alleine. Das Werkzeug gibt dir kein ehrliches Feedback, du füllst die Lücke mit Selbstüberschätzung — normaler menschlicher Vorgang, passiert bei jedem Thema. Nur dass KI diesen Vorgang maschinell beschleunigt, weil der Output immer gut aussieht, egal was du reingesteckt hast.
Wo die meisten stehenbleiben
“Ganz nett, aber letztlich nutzlos.” Hier bleiben die meisten stecken, und das ist der entscheidende Punkt: Weil das Werkzeug die Lernkurve versteckt. Bei der Gitarre weißt du nach drei Versuchen dass du noch nicht spielen kannst. Bei KI denkst du nach drei Versuchen dass du “alles gesehen” hast. Warum weitermachen? Du hast es doch geblickt.
Die Tür geht zu, und man merkt es nicht. Weil man keine Information hat die einem sagt: Da ist noch was.
Das produziert zwei Gruppen die denselben Fehler machen. Die einen rechnen den Wow-Effekt von Versuch eins hoch: “KI ersetzt alle Jobs.” Die anderen verallgemeinern die Enttäuschung von Versuch drei: “KI kann nur Slop.” Beide stehen auf dem Dunning-Kruger-Peak. Beide haben bei Versuch drei aufgehört.
Was das Ganze verschärft: KI-Anbieter optimieren auf Nutzerzufriedenheit, und ein Spiegel der dich hässlich macht verliert Kunden. Die Metrik “der Nutzer war zufrieden” belohnt den Schmeichelspiegel. Deine Selbstüberschätzung wird nicht erfunden, aber maschinell verstärkt — der Spiegel lernt, dir genau die Verzerrung zu zeigen die dich am längsten hinschauen lässt.
Was nach Versuch drei kommt
Was passiert wenn man nach Versuch drei nicht aufhört?
Man lernt die KI zu challengen — den ersten Output nicht akzeptieren, sondern zurückschieben, nachbohren, Widersprüche aufzeigen. Der erste Output ist fast nie der beste, aber bei Versuch drei weiß man das noch nicht.
Man betreibt Resistance Mining — KI-Systeme haben eingebaute Verhaltensschranken (“Alignment”), die dafür sorgen dass die KI bei bestimmten Themen abblockt, ausweicht oder in Phrasen verfällt. Wer diese Schranken versteht, kann sie gezielt umgehen und bekommt Zugang zu dem was das System eigentlich kann.
Man lernt Skills zu bauen — systematische Anweisungen die der KI beibringen, wie sie an bestimmte Probleme herangehen soll, welche Fehler sie vermeiden soll, welche Biases sie korrigieren muss. Das ist wie der Unterschied zwischen “koch mal Pasta” und einem Rezept das Garzeiten, Salzmengen und Saucenkonsistenz spezifiziert.
Man baut Wissensarchitektur — Subthemen durcharbeiten, Analysen aufbauen, Kontexte schaffen auf die man später per Chat-Suche zugreifen kann. Statt jedes Gespräch bei Null anzufangen, entsteht eine kumulative Wissensbasis.
Man lernt die KI zu feinsteuern — wenn sie bockt, ausweicht, in Schleifen hängt oder plötzlich generischen Müll produziert, gibt es Techniken um sie wieder produktiv zu kriegen. So wie man bei jedem komplexen Werkzeug lernt, mit seinen Macken umzugehen.
Nichts davon ist offensichtlich. Nichts davon entdeckt man in drei Nachmittagen. Und wer diese Begriffe gerade zum ersten Mal gelesen hat, hat damit den besten Beleg dafür, dass der Dunning-Kruger-Turbo real ist: Die Lernkurve existiert, aber das Werkzeug selbst macht sie unsichtbar.