"Ich weiß, dass ich nichts weiß" — ist Nichtwissen schlimm?

"Ich weiß, dass ich nichts weiß"

Sokrates hat es schon gewusst, in der Lernpsychologie ist es seit Jahrzehnten gut belegt. Wer sein Nichtwissen erkennt, lernt besser.

Der Satz "Ich weiß, dass ich nichts weiß" geht sinngemäß auf Platons Apologie des Sokrates zurück, später ist daraus ein geflügeltes Wort geworden. Eine moderne Variante des Gedankens findet sich etwa bei Bertrand Russell: "The more I learn, the more I realize how much I don't know." Das klingt nach Kalenderspruch, trifft aber ziemlich genau, was gute Lernende auszeichnet – und worin sich der Mensch derzeit von der KI unterscheidet.

Eine kleine Beobachtung aus der Praxis

Vor Kurzem haben wir einige hundert Progress-Test-Fragen aus dem Medizinstudium von mehreren großen Sprachmodellen beantworten lassen. Der Progress Test ist ein formativer Test, der das gesamte Curriculum abdeckt und denselben Fragenkatalog allen Jahrgängen vorlegt, vom ersten Semester bis kurz vor dem Examen. Damit Studierende, deren Ausbildung eine Frage noch gar nicht erreicht hat, nicht ins Raten gezwungen werden, gibt es jeweils die Antwortoption "weiß nicht". Wie oft haben die Modelle diese Option gewählt? Fast nie. Menschen treffen diese Entscheidung in vergleichbaren Tests dagegen in Sekundenbruchteilen, sobald ihr Wissen ausgeschöpft ist — sie wissen schnell und ziemlich zuverlässig, wann sie etwas nicht wissen (Glucksberg & McCloskey, 1981).

So beiläufig diese Beobachtung wirkt, sie verweist auf etwas, das in der Lernforschung lange unterschätzt wurde. Nichtwissen ist kein Mangel, der einfach geschlossen werden müsste. Es ist eine eigenständige metakognitive Leistung mit großer Bedeutung für gelingendes Lernen.

Was wir über unser Nichtwissen wissen können

Die kognitionspsychologische Tradition begann 1990 mit dem Metakognitionsmodell von Nelson und Narens (Nelson, 1990). Es unterscheidet zwei Ebenen: das, was wir über die Welt wissen (die Objekt-Ebene), und das, was wir über unser eigenes Wissen wissen (die Meta-Ebene). Die Meta-Ebene beobachtet die Objekt-Ebene (Monitoring) und steuert sie (Kontrolle) — etwa wenn wir merken, dass eine Vokabel noch nicht sitzt, und beschließen, sie noch einmal zu wiederholen.

Daraus wurden zwei wichtige Forschungslinien. Die eine zeigt, dass wir oft erstaunlich treffsicher einschätzen, ob wir etwas erinnern werden, vor allem wenn wir uns vor dem Urteil einen Moment Zeit lassen. Rhodes und Tauber bestätigten das in einer Meta-Analyse über 4.554 Teilnehmende: Verzögerte Selbsteinschätzungen sind deutlich besser kalibriert als unmittelbare (Rhodes & Tauber, 2011).

Die andere Linie ist weniger schmeichelhaft. Kruger und Dunning beschrieben 1999 einen nach ihnen benannten Effekt. Wer wenig Kompetenz hat, dem fehlt oft genau die metakognitive Fähigkeit, diese Inkompetenz zu erkennen (Kruger & Dunning, 1999). Davis und Kolleg*innen übertrugen das 2006 in einem viel beachteten JAMA-Review systematisch auf Ärzt*innen. Die Selbsteinschätzung als Grundlage des lebenslangen Lernens hat empirisch nur begrenzte Validität, gerade dort, wo sie am dringendsten gebraucht würde (Davis et al., 2006). Knof und Kolleg*innen replizierten das 2024 in einer Studie mit 426 Erstsemestern der Medizin: Über ein Drittel überschätzte die eigene Anatomie-Leistung deutlich, Selbsteinschätzung und tatsächliche Leistung gingen sogar gegenläufig auseinander (Knof et al., 2024).

Solche Befunde muss man allerdings sorgfältig lesen. Eine vermeintliche Selbstüberschätzung entsteht oft schon dadurch, dass Lernende gar nicht überblicken, wie tief ein Thema reicht — ein Effekt, den die Psychologie als illusion of explanatory depth beschreibt: Wir halten unser Verständnis für vollständiger, als es ist, solange uns niemand zwingt, es wirklich auszuformulieren (Rozenblit & Keil, 2002). Wer sein Nichtwissen erkennen will, muss also zuerst verstehen, worüber er überhaupt urteilt.

Eva und Regehr haben daraus eine wichtige Konsequenz gezogen. Selbstbewertung ist nicht bloß Introspektion, sondern eine Art externalisierte Informationssuche (Eva & Regehr, 2005). Wer wirklich wissen will, was er nicht weiß, sollte nicht in sich hineinhorchen, sondern Feedback holen, sich testen lassen oder seine Erklärungen einer kritischen Außenperspektive aussetzen.

Nichtwissen als Lernmotor

Wenn das Wissen um eigenes Nichtwissen so schwierig ist, warum lohnt sich der Aufwand? Drei Forschungslinien geben darauf eindrucksvolle Antworten.

Loewenstein zeigte 1994 in seiner Information Gap Theory, dass präzise umrissenes Nichtwissen Neugier erzeugt (Loewenstein, 1994). Kang und Kolleg*innen wiesen 2009 mittels funktioneller MRT nach, dass Neugier das dopaminerge Belohnungssystem aktiviert und die Erinnerung an überraschende Antworten messbar verbessert, sogar zehn Tage später (Kang et al., 2009).

Die zweite Linie ist Productive Failure, das produktive Scheitern. Im klassischen Unterricht kommt erst die Erklärung und dann die Übung. Man kann diese Reihenfolge aber auch umdrehen. Lernende bekommen zuerst ein Problem, für das ihnen das nötige Wissen noch fehlt, und beißen sich daran fest. Dieses absehbare Scheitern ist kein verlorener Aufwand, sondern legt offen, was man noch nicht versteht, und macht den Kopf empfänglich für die Erklärung, die erst danach folgt. Sinha und Kapur fassten 2021 in einer Meta-Analyse über 53 Studien und mehr als 12.000 Teilnehmende zusammen, dass dieser Ansatz dem konventionellen Vorgehen moderat überlegen ist, in besonders sauber durchgeführten Studien sogar deutlich (Sinha & Kapur, 2021). Die Wirkmechanismen sind klar identifiziert: Aktivierung von Vorwissen, Bewusstmachung von Wissenslücken, bessere Vorbereitung auf die anschließende Erklärung.

Die dritte Linie betrifft Fehler. Janet Metcalfe synthetisierte 2017 die Forschung zum Lernen aus Fehlern und beschrieb den Hypercorrection-Effekt (Metcalfe, 2017). Genau die Fehler, die jemand in der festen Überzeugung begeht, richtigzuliegen, werden nach Feedback besonders nachhaltig korrigiert. Wer falsch lag und dachte, er liege richtig, profitiert am meisten von der Berichtigung.

Und die KI?

Hier schließt sich der Kreis zur Ausgangsbeobachtung. Große Sprachmodelle haben bislang keine zuverlässige Repräsentation ihres eigenen Nichtwissens. Sie generieren auch dann eine Antwort, wenn sie keine plausible Quelle dafür haben. Was bei Multiple-Choice-Aufgaben dazu führt, dass "weiß nicht" als Option de facto (fast) nie ankommt. Die Forschung dazu steckt allerdings noch in den Anfängen. Erste Ansätze versuchen, Modelle zur expliziten Unsicherheits-Schätzung zu trainieren. Aber die menschliche Fähigkeit, in Sekundenbruchteilen ein "nein, weiß ich nicht" zu formulieren, ist davon noch weit entfernt.

Der praktische Schluss daraus ist nicht, KI als Lernhilfe abzulehnen, im Gegenteil. Aber wer mit KI lernt, lehrt oder forscht, sollte deren Output mit demselben Maß an metakognitiver Skepsis behandeln, das man von guten Studierenden erwartet.

Was wir (noch) nicht wissen

• Wie groß der Teil unseres Nichtwissens ist, den wir überhaupt erkennen können, lässt sich kaum beziffern. Gerade zur schieren Menge des Nichtwissens ist die empirische Literatur auffällig dünn.
• Wie sich Selbsteinschätzungs-Kalibrierung auf das offene Eingeständnis von Ungewissheit gegenüber Patient*innen auswirkt und welche Effekte das auf Vertrauen und Adhärenz hat, ist empirisch kaum untersucht.
• Wie sich KI-Systeme so trainieren lassen, dass sie ihr Nichtwissen explizit machen, ohne übervorsichtig zu werden, ist eine offene Forschungsfrage mit erheblichen praktischen Konsequenzen.

Fazit

• Nichtwissen ist kein Mangel. Es ist die Voraussetzung dafür, dass überhaupt etwas gelernt wird, und eine eigenständige metakognitive Leistung.
• Wir überschätzen uns systematisch. Gerade dort, wo es am wichtigsten wäre, also bei eigener Inkompetenz, fällt die Selbsteinschätzung oft am schlechtesten aus.
• Präzises Nichtwissen ist Treibstoff. Information Gaps erzeugen Neugier, Productive Failure verbessert Verständnis, Hypercorrection korrigiert nachhaltig.
• KI-Output braucht metakognitive Skepsis. Wenn das System nie "weiß nicht" antwortet, müssen wir es selbst tun.