Was hat Phronesis mit KI zu tun? So einiges, wie man in einem neuen Text von Dirk Lindebaum und Co-Autoren nachlesen kann:
Lindebaum, D., Balasubramanian, N., Ashraf, M. & Haack.P. (in press). A process model of managerial phronesis in the age of generative AI. Academy of Management Review. Online hier zugänglich.
Lindebaums Forschungskontext ist das Management. Doch davon sollte man sich als Akteur im Kontext Hochschulbildung nicht abschrecken lassen, denn: Lindebaums Texte rund um KI kann man aus meiner Sicht auch dann mit Gewinn lesen, wenn es um Hochschule geht. Erstmals bin ich im Herbst 2023 auf ihn aufmerksam geworden, als er einen Beitrag zum Einfluss generativer KI auf menschliche Reflexivität und Verantwortung veröffentlicht hat (einen Blogbeitrag vom November 2023 findet sich hier). Ich möchte auf die Inhalte des aktuellen Textes (siehe oben) genauer eingehen und zeichne dazu ein wenig nach, wie ich mir den Text erschlossen habe.
Zunächst zum Begriff der Phronesis. Was bedeutet das? Umschrieben wird Phronesis in der Regel als praktische Klugheit, Weisheit oder auch Urteilskraft. Interessanterweise hat Carolin Kreber Phronesis im Zusammenhang mit Scholarship of Teaching and Learning bereits vor über zehn Jahren thematisiert (auch dazu gibt es einen Blogbeitrag hier von 2017). Kreber greift dabei auf Aristoteles zurück, der Phronesis als eine von drei Formen des Wissens neben Episteme (theoretisches Wissen oder Wissenschaft) und Techne (produktives Wissen oder Handwerk bzw. Kunst) sieht.
Lindebaum et al. umschreiben in ihrem aktuellen Text Phronesis als Fähigkeit, in komplexen Situationen im Sinne des Gemeinwohls moralische und kontextspezifische Urteile zu fällen. Phronesis integriert in dieser Lesart: (a) moralische Einsicht, (b) Kontextsensibilität, (c) praktisches Anwendungswissen. Zudem halten die Autoren fest, dass Phronesis sowohl eine retrospektive als auch prospektive Dimension hat, worauf ich gleich noch zurück komme. Die Autoren beschäftigen sich weiter mit der Frage, wie man diese Fähigkeit in Zeiten von KI unter welchen Bedingungen aufbaut, aufrechterhält und/oder ausbaut oder aufs Spiel setzt.
Ausgangspunkt ist die (logisch nachvollziehbare) Annahme, dass Menschen Phronesis nicht dadurch entwickeln, dass sie sich (abstraktes) Wissen aneignen, sondern indem sie selbst soziale und situativ eingebettete Erfahrungen machen und deren Bedeutung für das eigene Handeln reflektieren. Folgerichtig landen Lindebaum et al. auf der Suche nach einer theoretischen Basis beim erfahrungsbasierten Lernzyklus von David A. Kolb aus den 1980er Jahren. Kolb selbst, so eine Anmerkung meinerseits, baut auf Dewey auf, den Lindebaum et al. in ihren Überlegungen noch mit hinzunehmen. Der Lernzyklus nach Kolb beginnt stets mit einer konkreten Erfahrung (1), die beobachtet und reflektiert wird (2); über die Reflexion wird aus den erfahrungsbedingten Einsichten Wissen, das einen gewissen Allgemeinheitsgrad hat (3), das dann zur Grundlage neuen Handelns oder Experimentierens wird (4).
Nun ist der erfahrungsbasierte Lernzyklus nach Kolb größtenteils, so die Autoren, auf eine retrospektive Reflexion ausgerichtet. Da Lernen aber nicht erst bei einer bereits gemachten Erfahrung einsetze, ergänzen Lindebaum et al. eine prospektive Dimension: Epistemische Motivation und die Fähigkeit, über bestehende Erfahrungshorizonte hinauszudenken, ermöglichen es, neue Optionen zu sehen und Erfahrungen überhaupt erst zu erzeugen bzw. Chancen aufzusuchen, diese zu machen. Kant und Dewey liefern den Autoren dafür die theoretischen Bausteine.
Ich habe das theoretische Modell, das Lindebaum et al. für den Prozess der Entstehung von Phronesis anbieten, so verstanden:
Kant und Dewey werden herangezogen, um eine Lücke bei Kolb zu schließen. Kolb erklärt, wie man aus gemachten Erfahrungen lernt: Ich tue etwas – ich mache eine Erfahrung – ich reflektiere sie – ich bilde daraus eine Vorstellung/Annahme – ich probiere etwas Neues aus. Dieser Zyklus beginnt also mit einer Erfahrung durch Handeln. Lindebaum et al. fragen nun aber: Wie kommt ein Mensch überhaupt dazu, eine neue, noch nicht gemachte Erfahrung zu suchen oder eine Situation anders zu sehen? Ich konstruiere mir mal ein Beispiel aus meinem Kontext: Ein Hochschullehrer hat über Jahre Erfahrung damit, wie Studierende Texte schreiben und er hat ein bestimmtes Verständnis davon, was gutes wissenschaftliches Schreiben ist. Nun kommt generative KI und macht sich überall breit. Hierzu liegen keine Erfahrungen vor: Neue Formen des wissenschaftlichen Schreibens, in denen KI was auch immer übernimmt, muss man als Möglichkeit erst einmal denken können; diese Möglichkeit ergibt sich nicht automatisch aus bisheriger Erfahrung. Hier kommt Kant ins Spiel: Kant zufolge kann der Mensch über das hinausdenken, was ihm seine bisherige Erfahrung unmittelbar vorgibt; er kann also einen Möglichkeitsraum eröffnen, der nicht einfach aus vergangenen Erfahrungen abgeleitet wird (das ist übrigens auch der Grund, warum der Mensch philosophische Gedankenexperimente machen kann). Allerdings ist eine gedachte Möglichkeit noch keine Erkenntnis. Man muss mit der gedachten Möglichkeit etwas machen: ausprobieren, erleben, erfahren, beobachten, reflektieren, Annahmen korrigieren. Mit diesem Argument wird Dewey einbezogen (wobei ich denke, dass Kolb das an sich schon mitgedacht hat). Eine Möglichkeit wird durch Erfahrung und Auseinandersetzung mit der Welt geprüft und weiterentwickelt. Am Ende lautet für Lindebaum et al. der Prozess zum Aufbau von Phronesis so: Vorstellung einer Möglichkeit – Motivation, diese Möglichkeit zu erkunden – neue Erfahrung – Reflexion –Lernen. Mit dieser Prozessmodellierung betrachten die Autoren nun den Einfluss von generativer KI.
Diese kann in den skizzierten Prozess auf zwei unterschiedliche Weisen eingreifen. Stehen Menschen unter Zeitdruck und delegieren die Erledigung von Aufgaben an Maschinen (Offloading), kann KI eigenes Urteilen und die Auseinandersetzung mit Erfahrungen ersetzen; die Tätigkeiten, die erforderlich sind, um Phronesis aufzubauen, werden dadurch nicht oder nicht mehr ganz vollzogen, werden verkürzt oder abgekürzt – die Folge ist epistemisches Deskilling.
Wenn aber eine Person zum einen für ihre Entscheidungen verantwortlich und rechenschaftspflichtig ist (accountability) und bereits über hohe Expertise und einen selbst erarbeiteten Erfahrungsschatz verfügt, kann die Interaktion mit KI auch reflexive Akte intensivieren. Gemeint ist das so: Eine wissende und erfahrene Person erkennt, dass eine KI-Antwort zum Beispiel zu allgemein, kontextunsensibel oder nicht überzeugend ist; sie nimmt diese Differenz zum Anlass, die eigene Situation, die eigenen Annahmen und die zugrunde liegenden Wert- und Zielvorstellungen genauer zu prüfen. Auf diese Weise kann KI als Anstoß für eine Weiterentwicklung praktischer Urteilskraft wirken; das wäre dann epistemisches Upskilling.
Entscheidend ist also: Die produktive Nutzung von KI setzt ein bereits vorhandenes Maß an Erfahrung und Expertise voraus, weil erst dadurch Ungereimtheiten der KI-Antwort wahrgenommen und epistemisch bearbeitet werden können. Wer noch keine hinreichende Erfahrung und Expertise besitzt und die KI dennoch zur Lösung von Aufgaben nutzt, überspringt gerade die eigenen Erfahrungen und Reflexionsprozesse, durch die Phronesis erst entsteht. Die KI ersetzt damit nicht nur einzelne Urteilsleistungen, sondern entzieht der Person schrittweise die Erfahrungsgrundlage, auf der sie selbst Urteilskraft entwickeln könnte.
Ich versuche mich noch einmal an einer Übertragung auf den Hochschulkontext: Eine Lehrperson, die noch keine eigene hochschuldidaktische Expertise entwickelt und nur wenig Erfahrung hat, delegiert die Planung ihrer Lehre weitgehend an KI: Sie lässt sich von KI Lernziele formulieren, Lehrmethoden auswählen, Aufgaben und Materialien entwickeln; der resultierende Lehrentwurf ist KI-generiert. Damit hat sie zwar eine unmittelbar verwendbare Lösung zur Hand, sammelt aber weniger eigene Erfahrungen in der Gestaltung von Lehre, an denen sie ihre Entscheidungen erproben und reflektieren könnte. Zugleich fehlt ihr eine wissens- und erfahrungsbasierte Referenz zum Überprüfen der Vorschläge, die KI macht: Sind sie sachlich angemessen, passen sie zur konkreten Situation und zum Kontext? Die KI verkürzt hier den Erfahrungs- und Reflexionsprozess, in dem sich praktische hochschuldidaktische Urteilskraft (Phronesis) erst entwickelt. Demgegenüber kann eine hochschuldidaktisch kundige und versierte Person KI durchaus so nutzen, dass sie eigene Ideen etwa für einen Lehrentwurf schärft, Alternativen im Dialog zu testet oder gegebenenfalls sogar Fehlannahmen hinter dem Gestaltungsprozess entdeckt etc.
Das klärt auch die Frage, warum jemand, der hohe Expertise und einen großen Erfahrungsschatz hat, KI überhaupt nutzen sollte. Experten nutzen KI im Idealfall nicht primär, um fehlendes Wissen zu liefern, sondern um Alternativen zu erzeugen, auf die sie selbst nicht gekommen wären, um eigene Annahmen zu testen, Perspektiven oder Szenarien durchzuspielen, die eigene Position an einer künstlich erzeugten Antwort zu vergleichen etc. Das heißt (so verstehe ich Lindebaum et al.): Experten können KI auch nutzen, um Handlungsmöglichkeiten oder moralische Konstellationen zu erzeugen, die sie aus ihrer bisherigen Erfahrung nicht unmittelbar kennen. Entscheidend ist in diesem Zusammenhang, dass die Antwort der KI in der Regel genau nicht optimal passt: Sie ist etwa zu allgemein, erklärt ihr eigenes Ergebnis nicht überzeugend oder wird der konkreten Situation nicht gerecht. Der wissende und erfahrene Mensch bemerkt diese Diskrepanz und beginnt deshalb, die Antwort und die eigenen Annahmen zu hinterfragen. Daraus entstehe ein „booster effect“.
Die Argumentation von Lindebaum et al. hat Ähnlichkeit mit der Argumentation im Empfehlungspapier des Wissenschaftsrats zu KI in der Hochschulbildung (der dazugehörige Blogpost findet sich hier). Auch meine wiederholten Versuche, auf die Rolle des Fachwissens für die Nutzung von KI im Hochschulkontextes hinzuweisen, lässt sich da nahtlos einordnen [leider ist der nun publizierte Beitrag online nicht frei zugänglich: Reinmann, G. (2026). Generative KI in Studium und Lehre: Welche Bedeutung hat fachliches Wissen für kritisches Denken? In U. Dittler & C. Kreidl (Hrsg.), Hochschulentwicklung der Zukunft (S. 119-133). Stuttgart: Schäffer-Poeschel.]
Mein Fazit: Ein lesenswerter Text, der mit Deskilling und (voraussetzungsreichem) Upskilling infolge von KI nicht unbedingt ein bislang unbekanntes Phänomen beschreibt, dazu aber eine theoretisch tief durchdachte Modellierung anbietet, die hilft, das Phänomen besser zu greifen, nämlich: Die Autoren beschreiben die Entstehung von Phronesis als einen Lernzyklus, der um eine prospektive Dimension erweitert wird: Phronesis entsteht nicht nur durch die reflexive Verarbeitung bereits gemachter Erfahrungen, sondern auch dadurch, dass epistemische Motivation und erfahrungsunabhängiges Wissen dazu befähigen, über Erlebtes und Bekanntes hinaus neue Möglichkeiten und damit auch wieder neue Erfahrungen zu erschließen. Generative KI kann in diesen Prozess auf unterschiedliche Weise eingreifen: Sie kann durch kognitives Offloading gerade jene Erfahrungs- und Reflexionsprozesse ersetzen, durch die praktische Urteilskraft entsteht (epistemisches Deskilling) – ein gravierendes Risiko gerade im Hochschulkontext, wie ich finde. KI kann aber auch die prospektive Erzeugung und reflexive Verarbeitung von Erfahrungen unterstützen und Phronesis weiterentwickeln (epistemisches Upskilling) – was aber Expertise und eigene Erfahrung voraussetzt!