Kognitive Herausforderungen bei der Nutzung von generativer KI am Arbeitsplatz
Artikel jetzt als Podcast anhören
Kognitive Herausforderungen durch den systematischen Einsatz von generativer KI am Arbeitsplatz
Die rasante Entwicklung und Implementierung generativer KI (GenAI) in die Arbeitswelt verspricht Produktivitätssteigerungen und neue Möglichkeiten. Eine aktuelle Studie von Microsoft Research beleuchtet jedoch die kognitiven Herausforderungen, die mit der systematischen Nutzung dieser Technologie einhergehen. Die Ergebnisse deuten darauf hin, dass der effektive Einsatz von GenAI starke metakognitive Fähigkeiten erfordert – unsere Fähigkeit, unsere eigenen Gedanken zu überwachen und zu steuern.
Metakognition als Schlüsselfaktor
Die Studie vergleicht die metakognitiven Anforderungen der Arbeit mit GenAI-Systemen mit denen einer Führungskraft, die Aufgaben an ein Team delegiert. Ähnlich wie eine Führungskraft muss ein Nutzer seine Ziele klar verstehen und formulieren, diese in einzelne Aufgaben herunterbrechen, die Qualität der Ergebnisse des Systems beurteilen und die Vorgehensweise gegebenenfalls anpassen. Diese Anforderungen stellen viele Nutzer vor erhebliche Herausforderungen.
Die Forscher identifizierten drei Hauptbereiche, in denen Metakognition für die effektive Nutzung von GenAI entscheidend ist:
Prompting: Die Formulierung präziser Anweisungen für die KI. Hier müssen Nutzer ihre Ziele klar definieren und in Teilaufgaben zerlegen. Aspekte, die bei manueller Arbeit implizit bleiben, wie beispielsweise der gewünschte Tonfall einer E-Mail, müssen der KI explizit mitgeteilt werden. Dies erfordert ein hohes Maß an Planung und Strukturierung des Arbeitsablaufs.
Evaluierung der KI-Ausgabe: Im Gegensatz zu Suchmaschinen sind die Antworten von GenAI nicht deterministisch und können bei identischen Anfragen variieren. Dies erfordert ein "gut angepasstes Vertrauen" in die eigenen Bewertungsfähigkeiten und die Fähigkeit, die Qualität der generierten Inhalte kritisch zu hinterfragen.
Entscheidung über die Automatisierung von Aufgaben: Die Entscheidung, ob und wie Aufgaben automatisiert werden sollen, erfordert ein Bewusstsein für die Eignung der KI für den eigenen Workflow und die Flexibilität, Arbeitsprozesse anzupassen. Hierbei spielt die Selbsteinschätzung der eigenen Fähigkeiten und der Grenzen der KI eine wichtige Rolle.
Strategien zur Verbesserung der Mensch-KI-Interaktion
Die Studie schlägt verschiedene Strategien vor, um die Interaktion mit KI-Systemen zu verbessern:
Verbesserte Planung durch "Think Aloud": Nutzer sollten ihre Gedanken während der Arbeit mit KI verbalisieren oder aufschreiben. Dies hilft, Ziele zu klären und Aufgaben in systematische Schritte zu zerlegen.
Aktive Selbstevaluierung: Nach jeder Interaktion mit der KI sollten Nutzer Zeit für Reflexion einplanen und sich folgende Fragen stellen:
War meine KI-Anweisung präzise genug?
Wie viel Zeit habe ich mit der Überarbeitung der KI-Ausgabe verbracht?
Wäre ein anderer Ansatz effizienter gewesen?
Strategisches Selbstmanagement: Nutzer sollten verschiedene Arbeitsmodi definieren:
Einen "Denkmodus" für die sorgfältige Planung von Prompts
Einen "Reflexionsmodus" für die Überprüfung von Entscheidungen
Einen "Erkundungsmodus" für kreatives Experimentieren mit der KI
Interface-Design und zukünftige Entwicklungen
Die Autoren der Studie schlagen auch Verbesserungen im Interface-Design von Chat-Oberflächen vor, um die metakognitive Belastung der Nutzer zu reduzieren. Dazu gehören integrierte Planungstools, Self-Assessment-Prompts und Workflow-Management-Funktionen für Plattformen wie ChatGPT, Microsoft Copilot und GitHub Copilot.
Die Implementierung dieser Verbesserungen erfordert die Berücksichtigung verschiedener Faktoren. Interventionen sollten sich an Expertise und Workflow anpassen, die Unterstützung sollte mit zunehmender Erfahrung schrittweise abnehmen und es muss ein Gleichgewicht zwischen Unterstützung und kognitiver Belastung geschaffen werden.
Die intensive Planung, Vorbereitung und Segmentierung von Aufgaben vor der Übergabe an generative KI-Systeme stellt für die meisten Menschen eine völlig neue Arbeitsweise dar. Die sorgfältige Abwägung, an welchem Punkt, in welchem Umfang und mit welcher Qualität systematische Prompts die gewünschten Ergebnisse liefern, ist nicht trivial und erfordert Anleitung und Training. Die Studie verdeutlicht, dass die erfolgreiche Integration von GenAI in die Arbeitswelt nicht nur die Entwicklung leistungsfähiger Systeme, sondern auch die Anpassung der menschlichen Arbeitsweisen und die Förderung metakognitiver Fähigkeiten erfordert.
Bibliographie: https://www.microsoft.com/en-us/research/quarterly-brief/mar-2024-brief/articles/the-metacognitive-demands-and-opportunities-of-generative-ai/ https://arxiv.org/pdf/2312.10893 https://academic.oup.com/pnasnexus/article/3/6/pgae191/7689236 https://www.microsoft.com/en-us/research/project/afmr-cognition-and-societal-benefits/ https://www.microsoft.com/en-us/research/publication/the-metacognitive-demands-and-opportunities-of-generative-ai/ https://www.microsoft.com/en-us/research/uploads/prod/2024/07/Generative-AI-in-Real-World-Workplaces.pdf https://www.microsoft.com/en-us/research/publication/generative-ai-in-real-world-workplaces/ https://www.geekwire.com/2024/microsoft-study-finds-75-of-knowledge-workers-using-ai-at-work-nearly-doubling-in-six-months/ https://www.microsoft.com/en-us/research/collaboration/ai-cognition-and-the-economy-aice/projects/ https://www.linkedin.com/posts/dr-jenna-butler-44209a3b_generative-ai-in-real-world-workplaces-activity-7224431830253326336-pRVo
