Wie man Kompetenzen erwirbt
Vom Novizen zum Experten: Die Wissenschaft des Lernens
Geschätzte Lesezeit: 15–20 Minuten
Diese Seite vertieft die wissenschaftlichen Grundlagen des Workshops mit Fokus auf drei Themen, die hier ausführlich behandelt werden:
- Kernthema 1: Die Progression von schwachen zu starken Methoden (Newell & Simon, Anderson)
- Kernthema 2: Vorhersagefehler als Lernmechanismus, ein im Workshop nicht behandeltes, aber für das Verständnis von Lernprozessen zentrales Konzept
- Kernthema 3: Das interne Modell: Was Expertise eigentlich ist
Für verwandte Themen siehe: Arbeitsgedächtnis & Cognitive Load | Gedächtnis & Lernstrategien
Die Progression von schwachen zu starken Methoden
Wenn wir neue Fähigkeiten erlernen, verändert sich die Art, wie unser Gehirn Information verarbeitet. Dieser Prozess erklärt, warum das Auslagern kognitiver Arbeit an KI den Aufbau echter Expertise gefährden kann.
Newell und Simon (1972) beschrieben erstmals die Progression von schwachen zu starken Problemlösungsmethoden. John Andersons ACT-R-Theorie (Anderson 1982, 2007) modelliert, wie dieser Übergang durch Wissenskompilation geschieht: Deklaratives Wissen wird durch Übung und Feedback zu automatisierten Produktionsregeln.
Diese Darstellung vereinfacht: In modernem ACT-R ist die Beziehung zwischen deklarativem und prozeduralem Wissen dynamischer und bidirektionaler, als das Stufenmodell suggeriert. Auch Experten behalten deklarative Repräsentationen, die weiterhin aktualisiert werden können. Für den Lehrkontext bleibt die grundlegende Progressionslogik aber nützlich.
Schwache Methoden (Anfänger-Stadium)
Schwache Methoden sind domänenübergreifende Problemlösungsstrategien, die Anfänger verwenden, wenn ihnen spezifisches Wissen fehlt:
- Mittel-Ziel-Analyse:
Was ist der Unterschied zwischen meinem aktuellen Stand und dem Ziel? - Rückwärtsarbeiten:
Vom Ziel zurück zum Ausgangszustand gehen - Analogie:
Das erinnert mich an...(oft basierend auf Oberflächenmerkmalen) - Versuch und Irrtum:
Ich probiere Verschiedenes aus, bis etwas funktioniert - Hill-climbing:
Immer in Richtung dessen bewegen, was besser erscheint
Mit schwachen Methoden:
- Ziel ist, \(x\) zu finden
- Aktueller Zustand: \(3x + 5 = 20\)
- Wie kann ich den Unterschied verringern?
- Vielleicht \(5\) subtrahieren?
- Warum? Ähm… um \(x\) allein zu bekommen?
- Ok, also \(3x = 15\)
- Was reduziert jetzt den Unterschied?
- Durch \(3\) teilen?
- \(x = 5\)
Beachte das überlegte, schrittweise Vorgehen!
Prozeduralisierung (Fortgeschrittenen-Stadium)
In dieser Phase werden wiederkehrende Muster zu Prozeduren. Der Prozess ist immer noch bewusst, läuft aber flüssiger ab, mit geringerer kognitiver Belastung und weniger Fehlern. Ein typisches Beispiel: Das Einmaleins wird direkt aus dem Gedächtnis abgerufen, statt jedes Mal neu berechnet.
Gleichzeitig beginnen sich Produktionsregeln zu bilden. Das sind WENN-DANN-Bedingungs-Aktionspaare:
WENNich “3 × 4” seheDANNantworte “12”WENNeine Gleichung die Form \(ax + b = c\) hatDANNsubtrahiere b von beiden SeitenWENNder Code nicht kompiliertDANNprüfe zuerst auf Syntaxfehler
Kompilierung (Experten-Stadium)
Durch wiederholte Übungsdurchläufe wird Wissen automatisch (Anderson 1982). Mustererkennung dominiert, die kognitive Belastung sinkt auf ein Minimum, und die Ausführung wird schnell und fehlerfrei. Das Paradoxe daran: Experten können ihre eigenen Schritte oft nicht mehr erklären!
Welche Regeln in einer Situation ausgelöst werden, hängt von ihrer Produktionsstärke ab. Häufig erfolgreiche Regeln werden stärker und schneller aktiviert. Deshalb verbessert Übung sowohl Geschwindigkeit als auch Genauigkeit, weil sich stärkere Produktionen gegen schwächere Alternativen durchsetzen.
Experte sieht die Gleichung und erkennt sofort → \(x = 5\)
Wenn nach Erklärung gefragt:
- “Ich weiss es einfach…”
- “Du subtrahierst 5 und teilst durch 3”
- “Wie wusste ich das? Ich bin mir nicht sicher…”
Das Wissen ist zu automatischen Prozeduren kompiliert.
Denke an ein Thema, das du deinen Studierenden beibringst:
- Welche “schwachen Methoden” verwenden Anfänger typischerweise?
- Welche automatisierten Prozeduren haben Experten entwickelt?
- Was würde passieren, wenn du Anfängern direkt Experten-Werkzeuge gibst?
Notiere 2–3 Beobachtungen aus deiner eigenen Lehre.
Kognitive Belastung und Expertise
Die Cognitive Load Theory erklärt, warum Anfänger und Experten das gleiche Material völlig unterschiedlich verarbeiten. Eine ausführliche Darstellung findest du im Deep-Dive Arbeitsgedächtnis & Cognitive Load. Hier das Wesentliche für den Kompetenzaufbau:
Expertise verändert die kognitive Belastung grundlegend. Was für Anfänger 7+ interagierende Elemente im Arbeitsgedächtnis erfordert (z.B. das Lösen von \((x + 3)(x - 2) = 0\)), ist für Experten ein einziger Chunk. Wer kognitive Arbeit vollständig an KI auslagert, verarbeitet nichts im Arbeitsgedächtnis, und ohne Verarbeitung findet kein Lernen statt. Dieser Zusammenhang ist als Expertise Reversal Effect bekannt und hat direkte Konsequenzen für den KI-Einsatz: Was Experten hilft (komplexe Werkzeuge, offene Probleme), überfordert Anfänger, und umgekehrt.
Das KI-Bypass-Problem
Wie KI die kognitive Architektur stört
Das Auslagern kognitiver Prozesse an KI kann das gesamte Lernsystem kurzschliessen. Ohne kognitive Anstrengung findet keine Verarbeitung im Arbeitsgedächtnis statt, und unverarbeitete Informationen gelangen nicht ins Langzeitgedächtnis. Ohne Speicherung entstehen keine Schemata, und ohne Schemata bleibt der Weg vom Anfänger zum Experten blockiert.
Das Grundproblem: KI bietet die Vorteile von Expertise (sofortiger Zugriff auf organisiertes Wissen), ohne den Prozess, der Expertise schafft (Arbeitsgedächtnisanstrengung → Speicherung im Langzeitgedächtnis).
Diese Risiken sind am gravierendsten bei systematischem, undifferenziertem Outsourcing. Gelegentliche KI-Nutzung nach eigenem Versuch kann den Lernprozess unterstützen, wie die Versuch-dann-Prüfe-Struktur weiter unten zeigt.
Die Experten-Anfänger-Unterrichtsfalle
Ein folgenreicher Fehler in der Bildung ist anzunehmen, dass Anfänger so lernen sollten, wie Experten arbeiten. Kirschner (Kirschner u. a. 2022) bezeichnet das als Verwechslung der „Epistemologie des Experten mit der Pädagogik für Lernende”.
Warum Expertenmethoden Anfängern aktiv schaden
Anfängern Expertenwerkzeuge zu geben, kann aktiv schädlich sein:
| Mechanismus | Experten | Anfänger | Ergebnis mit KI |
|---|---|---|---|
| Kognitive Belastung | Verarbeiten viele Elemente als Chunks | Werden mit derselben Komplexität überfordert | Kognitive Überlastung, kein Lernen |
| Produktionsregeln | Starke Regeln feuern automatisch | Müssen Regeln durch Wiederholung aufbauen | Keine Wiederholung, dauerhafte Abhängigkeit |
| Schemabildung | Reichhaltige Schemata durch Erfahrung | Müssen Schemata Element für Element konstruieren | Kein Konstruktionsprozess, kein Transfer |
| Metakognition | Wissen, wann welche Strategie passt | Entwickeln Bewusstsein durch Selbstüberwachung | Keine Selbstüberwachung, keine Selbsteinschätzung |
Wenn Anfänger zu früh Expertenwerkzeuge nutzen, können sich mehrere Risiken verstärken (Bastani u. a. 2025): Anfänglicher Erfolg schafft falsches Selbstvertrauen, schwache Methoden verkümmern durch Nichtgebrauch, und Transfer scheitert, wenn KI nicht verfügbar ist. Das Selbstbild aktualisiert sich: Lernende schliessen aus ihren Erfahrungen rational, dass sie es allein nicht können.
Diese Prinzipien bilden die Grundlage für:
- Die Fragen 14 bis 16 des Analysebogens im Abschnitt zur Werkzeugnutzung (Frage 15 bestimmt die übernommene Operation; Frage 16 bezieht sie auf das aktuelle Lernziel)
Du wirst diese Prinzipien in der Praxis anwenden, wenn du deine eigenen Aufgaben analysierst.
Bevor du weiterliest, fasse für dich zusammen:
- Was sind die drei wichtigsten Erkenntnisse für deine Lehre?
- Welche eine Änderung an einer Aufgabe wirst du zuerst umsetzen?
- Wo erwartest du den grössten Widerstand von Studierenden?
Wer seine Erkenntnisse in eigene Worte fasst, verankert sie besser.
Du hast jetzt die vollständige wissenschaftliche Grundlage gelesen. Formuliere in einem Satz:
Was ist die wichtigste Erkenntnis, die du in deine nächste Lehrveranstaltung mitnimmst?
Schreibe den Satz auf, bevor du die Schnellreferenz-Tabelle anschaust.
Schnellreferenz
| Schwache Methoden (Anfänger) | Starke Methoden (Experten) |
|---|---|
| Mittel-Ziel-Analyse | Mustererkennung |
| Rückwärtsarbeiten vom Ziel | Vorwärtsverkettung aus Prinzipien |
| Versuch und Irrtum | Automatisierte Prozeduren |
| Oberflächenanalogien | Tiefenstruktur |
| Schrittweise bewusst | Automatisch gechunkt |
| Stadium | Was passiert | Didaktische Implikation |
|---|---|---|
| Deklarativ | Auswendig gelernte Regeln befolgen | Klare durchgearbeitete Beispiele geben |
| Kompilierung | Wiederholte Sequenzen werden zu Chunks | Viele ähnliche Übungsaufgaben |
| Prozedural | Automatisierte Expertise | Bereit für komplexe Anwendungen |
Literatur
Wiederverwendung
Zitat
@online{ellis,
author = {Ellis, Andrew},
title = {Wie man Kompetenzen erwirbt},
url = {https://virtuelleakademie.github.io/cas-lernpsychologie/lernen-verstehen/kompetenz-erwerben/},
langid = {de}
}