Der Monitor leuchtet, der Cursor blinkt, und auf die komplexe Frage der Chef:innen antworten die Mitarbeiter:innen nur noch mit einem Klick auf "Generieren“. Die KI spuckt die Lösung aus: "Kein Problem, ich erledige das!" Was wie eine Utopie der Produktivität klingt, hat eine Schattenseite. Wie die aktuelle Debatte um "Deskilling" zeigt, erkaufen wir uns die Bequemlichkeit mit einem hohen Preis: dem Verlust eigener Expertise.

Die Anatomie des Kompetenzverlusts

Das Phänomen ist nicht neu. Navigationssysteme haben bereits unseren Orientierungssinn geschwächt, doch generative KI beschleunigt diesen Prozess dramatisch. Die Grafik zum Thema verdeutlicht die Mechanismen:

• Weniger Kreativität: Wenn Algorithmen die ersten Entwürfe liefern, verkümmert die menschliche, originelle Ideenfindung.
• Verlust von Wissen: Wer Antworten nicht mehr erarbeitet, sondern nur konsumiert, verankert das Wissen nicht im Langzeitgedächtnis.
• Blinde KI-Assistenz: Das kritische Hinterfragen entfällt. Wir vertrauen der Maschine blind ("Automation Bias"), selbst wenn sie halluziniert oder Fehler macht.

Ein weiterer zentraler Treiber des Deskilling ist die zunehmende Auslagerung komplexer Aufgaben an KI-Systeme. Nicht aus Notwendigkeit, sondern weil es bequemer ist und deutlich schneller geht. Studien zeigen, dass Tätigkeiten, die früher drei Stunden in Anspruch genommen hätten, mit KI-Unterstützung in rund 15 Minuten erledigt werden.

Die menschliche Rolle verschiebt sich dabei zunehmend auf einfache, nachgelagerte Tätigkeiten. In diesem Prozess degradiert man sich schrittweise zum "Praktikanten der KI": Man führt aus, überprüft oberflächlich oder akzeptiert Ergebnisse, ohne noch in der Lage zu sein, komplexe Lösungswege wirklich zu verstehen. Damit geht nicht nur die Fähigkeit verloren, Lösungen kritisch zu interpretieren und zu evaluieren, sondern auch, ihre Richtigkeit, Plausibilität und Sinnhaftigkeit fundiert zu hinterfragen.

Eine gefährliche Schere

Während die Abhängigkeit von der KI zunimmt (grüner Pfeil), nimmt die menschliche Expertise ab (roter Pfeil). Wir verlernen, die Werkzeuge unseres Handwerks manuell zu bedienen.

Besonders drastisch lassen sich diese Konsequenzen in dienstleistungsintensiven Branchen wie bei uns im Tourismus beobachten. Das Problem des Deskilling betrifft dabei nicht nur den Verkauf am Schalter, sondern frisst sich tief in die internen Strategie-Abteilungen der TVBs. 

Ein Beispiel:

Lukas (28) arbeitet im Projektmanagement eines großen österreichischen Tourismusverbandes. Seine Aufgabe: Die Konzeption eines neuen "Nachhaltigen Themenwanderwegs" inklusive Antrag auf Fördermittel (z.B. LEADER-Förderung).

• Die menschliche Expertise (früher): Lukas hätte früher stundenlang Wanderkarten studiert, mit Grundbesitzern telefoniert und das GIS (Geografisches Informationssystem) des Landes geprüft, um Naturschutzzonen zu identifizieren. Er hätte ein Konzept geschrieben, das die spezifische Sage des Tals ("Die Riese vom …") mit der lokalen Flora verbindet. Er kannte die feinen politischen Nuancen zwischen dem Bürgermeister der Gemeinde A und der Agrargemeinschaft B.
• Das Deskilling-Szenario: Lukas ist unter Zeitdruck. Er füttert die KI mit: "Erstelle ein Konzept für einen familienfreundlichen, nachhaltigen Themenwanderweg in den österreichischen Alpen, Fokus Naturerlebnis, für einen Förderantrag." Die KI liefert in Sekunden: Ein solides Konzept mit Stationen wie "Barfußpfad", "Insektenhotel" und "Holzklangspiel". Der Text für den Förderantrag klingt hochprofessionell und eloquent. Lukas übernimmt es, passt nur die Ortsnamen an und reicht es ein.

Die fatalen Konsequenzen:

1. Verlust der regionalen Identität (Die "Standardisierung der Alpen"): Die KI greift auf den Durchschnitt aller verfügbaren Daten zu (Große Sprachmodelle (LLMs) werden auf milliarden von Daten die Verfügbarkeit trainiert). Das Ergebnis ist ein generischer "Alpen-Einheitsbrei". Der vorgeschlagene "Barfußpfad" existiert bereits in zehn Nachbartälern. Was fehlt, ist die lokale DNA – das spezifische Wissen um das alte Bergwerk, das man hätte einbinden können, oder die seltene Wasser-Orchideenart, die nur dort wächst. Der Mitarbeiter verlernt, das Einzigartige seiner Region zu erkennen und zu kuratieren.
2. Verlust der Machbarkeits-Kompetenz: Da Lukas die Recherche der KI überlassen hat, übersieht er, dass die vorgeschlagene Route durch ein Wildruhegebiet führt (was die KI nicht wusste) oder über den Grund eines Bauern, der schon seit Jahren keine Wegerechte mehr gibt. Früher wusste Lukas das aus dem Gedächtnis oder durch manuelle Prüfung. Jetzt verlässt er sich auf die Plausibilität des Textes. Der Antrag wird abgelehnt, oder schlimmer: Das Projekt scheitert in der Umsetzung.
3. Verkümmerung des Stakeholder-Managements: Ein wichtiges Konzept (zumindest bei uns in Österreich) ist die politische Diplomatie. Wer das Schreiben an die KI delegiert, verliert das Gefühl für den richtigen Tonfall ("Amtssprache" vs. "touristisches Marketing") gegenüber den Landesbehörden oder den Almgenossenschaften.

In engem Zusammenhang mit dem Deskilling steht die Tatsache, dass man sich erhofft, Arbeitsplätze durch KI einzusparen, um so Kosten zu reduzieren. Eingespart wird hier aber nicht bei den langjährigen MitarbeiterInnen, sondern bei den jungen Talenten. Woher kommen aber die "alten Hasen", wenn die Jungen keine Chance bekommen, weil sie durch KI ersetzt wurden?

Gegensteuern: Wie wir die Kontrolle behalten

Müssen wir also zurück zu Schreibmaschine und Faltkarte? Nein. Aber wir benötigen eine neue Strategie im Umgang mit der Technologie. Um dem Deskilling entgegenzuwirken, sind drei Maßnahmen entscheidend:

1. Das "Human-in-the-Loop"-Prinzip stärken: KI sollte als Co-Pilot, nicht als Autopilot verstanden werden. In der Ausbildung (sei es an Universitäten oder in der Tourismusschule) muss der Fokus darauf liegen, die Ergebnisse der KI zu verifizieren. Die Aufgabe lautet nicht mehr "Schreib einen Text", sondern "Lass die KI einen Text schreiben und korrigiere ihre Fehler und stilistischen Schwächen.". Das erfordert mehr Expertise, nicht weniger.

2. Bewusstes „Re-Skilling“ und Basistraining: Unternehmen sollten regelmäßige "analoge Tage" oder Simulationen einführen, in denen ohne KI-Assistenz gearbeitet wird. Ein:e Reiseberater:in muss auch ohne Algorithmus wissen, wo Vietnam liegt und wie ein Tarifsystem funktioniert. Nur wer die Grundlagen beherrscht, kann beurteilen, ob die KI gute Arbeit leistet.

3. Förderung kritischer Kreativität: Wir müssen lernen, Fragen zu stellen, die eine KI (noch) nicht beantworten kann. Empathie, ethische Abwägung und komplexe Problemlösung in unvorhergesehenen Situationen bleiben menschliche Domänen.

Fazit

KI ist ein mächtiges Werkzeug. Doch wenn wir zulassen, dass sie das Denken für uns übernimmt, werden wir von Meister:innen zu bloßen Zuschauer:innen. Die Herausforderung der Zukunft liegt nicht darin, die KI besser zu machen – sondern darin, selbst gut zu bleiben.