Wie KI die Kompetenzentwicklung beeinflusst
How AI Impacts Skill Formation
January 28, 2026
papers.authors: Judy Hanwen Shen, Alex Tamkin
cs.AI
papers.abstract
KI-Assistenz führt in verschiedenen Berufsfeldern zu erheblichen Produktivitätssteigerungen, insbesondere bei unerfahrenen Arbeitskräften. Wie sich diese Unterstützung jedoch auf die Entwicklung der Fähigkeiten auswirkt, die zur effektiven Überwachung von KI benötigt werden, bleibt unklar. Unerfahrene Arbeitskräfte, die stark auf KI angewiesen sind, um unbekannte Aufgaben zu bewältigen, könnten dabei ihren eigenen Kompetenzerwerb beeinträchtigen. Wir führten randomisierte Experimente durch, um zu untersuchen, wie Entwickler die Beherrschung einer neuen asynchronen Programmierbibliothek mit und ohne KI-Unterstützung erlangten. Unsere Ergebnisse zeigen, dass die KI-Nutzung das konzeptionelle Verständnis, das Lesen von Code und die Debugging-Fähigkeiten beeinträchtigt, ohne durchschnittlich signifikante Effizienzgewinne zu erzielen. Teilnehmer, die Programmieraufgaben vollständig delegierten, erzielten zwar gewisse Produktivitätsverbesserungen, jedoch auf Kosten des Lernerfolgs bezüglich der Bibliothek. Wir identifizierten sechs verschiedene KI-Interaktionsmuster, von denen drei kognitive Beteiligung beinhalten und die Lernergebnisse selbst bei KI-Unterstützung bewahren. Unsere Erkenntnisse legen nahe, dass KI-gesteigerte Produktivität kein Abkürzung zum Kompetenzerwerb ist und KI-Assistenz sorgfältig in Arbeitsabläufe integriert werden sollte, um den Kompetenzaufbau zu erhalten – insbesondere in sicherheitskritischen Bereichen.
English
AI assistance produces significant productivity gains across professional domains, particularly for novice workers. Yet how this assistance affects the development of skills required to effectively supervise AI remains unclear. Novice workers who rely heavily on AI to complete unfamiliar tasks may compromise their own skill acquisition in the process. We conduct randomized experiments to study how developers gained mastery of a new asynchronous programming library with and without the assistance of AI. We find that AI use impairs conceptual understanding, code reading, and debugging abilities, without delivering significant efficiency gains on average. Participants who fully delegated coding tasks showed some productivity improvements, but at the cost of learning the library. We identify six distinct AI interaction patterns, three of which involve cognitive engagement and preserve learning outcomes even when participants receive AI assistance. Our findings suggest that AI-enhanced productivity is not a shortcut to competence and AI assistance should be carefully adopted into workflows to preserve skill formation -- particularly in safety-critical domains.