Was meint eigentlich Human-AI Zusammenarbeit?

Überall hört und liest man davon, dass die Zukunft der Arbeit eine enge Kollaboration von Mensch und KI bedeutet.

Das klingt futuristisch, wenn wir KI als humanoide Wesen verstehen. Und ist bereits Realität, wenn wir KI als Tool sehen.

Was wir dabei oft vergessen:

Wir differenzieren nicht, welche Art von Zusammenarbeit wir meinen.

Und so verpassen wir es, die richtige Form zu wählen.

Mittlerweile kennen wir 5 Archetypen der Zusammenarbeit - je nach Aufgabestellung eignet sich ein andere Modell.

1️⃣ Gestaffelte Review-Systeme (Tiered Review Systems):

KI agiert autonom innerhalb vordefinierter Risikoparameter, während Menschen überwachen und Ausnahmefälle bearbeiten. Im Finanzhandel führen Algorithmen beispielsweise Transaktionen innerhalb festgelegter Grenzen aus, und menschliche Risikomanager greifen nur ein, wenn Schwellenwerte überschritten werden. Solche Systeme benötigen sorgfältig kalibrierte Warnmeldungen, um menschliche Aufsichtspersonen nicht zu überlasten.

2️⃣ „Human-in-the-Loop“-(HITL)-Workflows:

KI führt eine Aufgabe aus, aber menschliche Experten prüfen jedes einzelne Ergebnis. Dieses Modell eignet sich für Hochrisikobereiche wie die medizinische Bildgebung: Die KI analysiert Scans und liefert Konfidenzwerte, dennoch überprüft ein Arzt jede Schlussfolgerung und trifft die endgültige Entscheidung. HITL-Systeme sichern die Qualität, können jedoch die Effizienzgewinne begrenzen.

3️⃣ Zentauren-Modelle (Centaur Models):

Menschen bleiben Planer und Entscheidungsträger und delegieren spezifische Teilaufgaben an KI, während sie die strategische Kontrolle behalten. Zentauren nutzen KI etwa zum Sammeln von Informationen, zur Anwendung von Formeln oder zum Entwurf von Texten und integrieren diese Ergebnisse anschliessend in ihre eigene Analyse. Studien zeigen, dass Zentauren-Teams eine hohe Genauigkeit erreichen und Domänenkompetenz stärken. Allerdings entwickeln sie möglicherweise keine neuen KI-Fähigkeiten und sind mitunter zurückhaltend, KI-Beiträge angemessen zu würdigen.

4️⃣ Cyborg-Modelle:

Menschen und KI erschaffen gemeinsam in einem kontinuierlichen Prozess. Die Zusammenarbeit läuft als iterativer Dialog ab: Die KI schlägt Optionen vor, Menschen verfeinern sie, und Aufgaben werden in Echtzeit hin und her übergeben. Diese eng verflochtene Co-Creation ermöglicht es Fachkräften, sich neue KI-Kompetenzen anzueignen („newskilling“) und kann Kreativität sowie komplexe Problemlösung fördern. Der Nachteil ist ein höheres Risiko von Übervertrauen und Automatisierungsfehlern.

5️⃣ Selbst-Automatisierer (Self Automators):

Einige Mitarbeitende geben Kontrolle weitgehend ab, indem sie Aufgaben in wenige Prompts bündeln und KI-Ergebnisse mit minimaler Aufsicht übernehmen. Dieser Ansatz bringt schnelle Produktivitätsgewinne bei Routinetätigkeiten, untergräbt jedoch sowohl die Domänenkompetenz als auch die KI-Kompetenz.