Vergleich: Menschliches Problemlösen und KI-Problemlösen

Image by ???? from Pixabay

Problemlösen ist in vielfältiger Weise Bestandteil unseres täglichen Lebens, und dabei nicht nur auf berufliche Probleme begrenzt. Wenn man es einfach ausdrückt, sind KI-Modelle Instrumente für Problemlösungen. Es stellen sich dabei nun folgende Fragen:

(1) Wie lösen KI-Modelle Probleme?

Die Vorgehensweise, wie KI-Modelle Probleme lösen, habe ich in einem anderen Blogbeitrag nach Bender et al. 2021) als eine Art stochastische Papageien beschrieben Der Grund ist relativ einfach, denn bei KI-Modellen (z.B. Large Language Models) funktioniert das Problemlösen durch die Vorhersage des nächsten Tokens (Token Prediction). Es wird an dieser Beschreibung schon deutlich, dass Menschen ihre Probleme anders lösen.

(2) Gibt es Unterschiede zum menschlichen Problemlösen?

Hutmacher und Wendt haben das menschliches Problemlösen in einem aktuellen Artikel in der Zeitschrift Psychologische Rundschau folgendermaßen beschrieben:

Menschliches Problemlösen ist „(…) mitunter erratischer, vor allem aber vielfältiger und damit schlussendlich oft situationsadäquater ist (Ohlsson, 2012). Daraus folgt auch, dass KI Problemlösungsversuche nur sehr bedingt als Vorbild dienen können, um menschliches Problemlösen zu modellieren. (…) Der Kontrast zwischen Mensch und Maschine wird an einem zweiten Punkt noch deutlicher (siehe Wendt, 2024): KI-Systeme reagieren auf den Input der Nutzerinnen und Nutzer. Natürlich reagieren auch Menschen auf den „Input“ ihrer Umwelt. Menschen suchen aber außerdem aktiv verschiedene Umwelten auf und wählen ihre Probleme“ ( Hutmacher & Wendt (2025). Von Menschen und Maschinen: Psychologiehistorische Reflexionen über Künstliche Intelligenz, Psychologische Rundschau (2026), 77(3), 123–128).

Der Vergleich zwischen dem KI-Problemlösen und dem menschlichen Problemlösen läuft meines Erachtens auf einen Kategorienfehler hinaus, den ich im Rahmen der Intelligenz-Diskussionen schon in verschiedenen Beiträgen thematisiert habe. Siehe dazu beispielsweise

Künstliche Intelligenz – ein Kategorienfehler?

OpenAI Model „o1“ hat einen IQ von 120 – ein Kategorienfehler?

Künstliche Intelligenz – Menschliche Kompetenzen: Anmerkungen zu möglichen Kategorienfehler

Ein wenig Statistik: Fast 1.3 Millionen Pageviews in 2013

statistik-2013Am Anfang eines neuen Jahres blicken auch wir kurz auf das Jahr 2013 zurück. Pageviews (Quelle: Strato): 2013: 1.283.314 (2012: 990.462 und 2011: 911.035). Artikel (WordPressStats): 2013: 1.716 (2012: 1510). Diese enormen Steigerungsraten haben wir in 2013 nicht erwartet. Umso mehr freut es uns, dass unser Angebot auf so großes Interesse stößt – Herzlichen Dank. In 2014 haben wir vor, noch besser zu werden.

Etwas Statistik: Fast 1 Millionen Pageviews in 2012

Am Anfang eines neuen Jahres blicken auch wir kurz auf das Jahr 2012 zurück. Die Pageviews haben sich von 911.035 (2011) auf 990.462 (2012) um ca. 9% erhöht (Quelle: Strato) – das ist eine tolle Steigerung und zeigt die Akzeptanz unseres Angebotes. Immerhin finden Sie bei uns aktuell 1510 Artikel in 8 Kategorien und 88 Seiten mit interessanten Inhalten. Um die Qualität zu sichern, geben wir bei den jeweiligen Beiträgen immer die Quellen an, sodass Sie die Beiträge noch besser einordnen können. Auch in diesem Jahr werden wir Ihnen wieder spannende Themen anbieten. Darüber hinaus hat sich unsere neue Lernplattform als stabil und sehr gut nutzbar erwiesen. Auch dieser Bereich wird in 2013 weiter ausgebaut. Geplant ist, die Angebote über Partner deutschlandweit anzubieten. Denn Sie wissen doch:

Wagner, K.; Ziltener, A. (2008): Open Innovation System: Ein Ansatz zur Steigerung regionaler Innovationsaktivitäten

Ausstellungshalle1.jpgDas Diskussionspapier Wagner, K.; Ziltener, A. (2008): Open Innovation System: Ein Ansatz zur Steigerung regionaler Innovationsaktivitäten zeigt auf, „wie Innovationsschwächen und Hemmnisse von KMU durch die Einbindung in ein offenes Innovationssystem (Open Innovation System) überwunden werden können. Der Artikel beschreibt zwar Ansatzpunkte aus der Schweiz, allerdings sind die Erkenntnisse durchaus übertragbar. Die regionalen Wirtschaftförderungen in Deutschland sollten sich deshalb das Diskussionspapier genau durchlesen. Die heute stark geförderten Cluster (Metall-Cluster, Kunststoffverarbeitungs-Cluster, usw.) sind oftmals zu abgeschottet, um die vollen Möglichkeiten von offenen Systemen zu nutzen – sie schmoren alle in ihrem eigenen Saft (in ihrem Fachwissen). Die offene Integration von Bedürfnisinformationen und Anwendungswissen in die Geschäftsprozesse würde die Wertschöpfung steigern. Aber wer will das schon, sich in einem offenen Innovationssystem zu bewegen? Man bleibt unter sich…. mit allen Konsequenzen – auch für den Arbeitsmarkt.

Reinmann, G.; Mandl, H. (Hrsg.) (2004): Psychologie des Wissensmanagements

psychologie-des-wissensmanagements.jpgGabi Reinmann und Heinz Mandl haben als Herausgeber des Buchs Psychologie des Wissensmanagements viele Beiträge zu einem sehr interessanten, aber oftmals vernachlässigten Aspekt des Wissensmanagements zusammengestellt. Es freut mich sehr, dass diese Artikel ein kleines Gegengewicht zur überwiedegend technokratischen, ingenieurwissenschaftlichen Darstellung des Wissensmanagements darstellen. Es lohnt sich bestimmt, sich intensiver mit psychologischen Aspekten zu befassen.

Informationsvisualisierung – aber wie?

Mathias Oborski schreibt in seinem lesenswerten Artikel Im Himmel der Information (Zeit online vom 08.04.2007) über das Java-Apllet Universe und über verschiedene andere Projekte von Jonathan Harris. Diese Tools sollte man nicht überbewerten, da sie wohl für eine professionelle Recherche noch nicht geeignet sind. Dennoch zeigt es einen Trend auf, Zusammenhänge in der Daten- und Informationswelt stärker zu visualisieren. Universe habe ich gerade einmal für verschiedene Begriffe ausprobiert: Faszinierend. Versuchen Sie es doch auch einmal.