Anthropic Education Report: Der AI Fluency Index

Ursprünglich veröffentlicht am 23. Februar 2026.

Menschen integrieren KI-Tools in ihren Alltag in einem Tempo, das noch vor einem Jahr schwer vorherzusagen gewesen wäre. Aber die Akzeptanz allein sagt uns nicht viel über die Auswirkungen dieser Tools aus. Eine weitere, ebenso wichtige Frage ist: Entwickeln Menschen, während KI zu einem Teil des Alltags wird, auch die Fähigkeiten, sie gut zu nutzen?

Frühere Anthropic Education Reports haben untersucht, wie Universitätsstudierende und Lehrkräfte Claude nutzen. Wir haben festgestellt, dass Studierende es zum Erstellen von Berichten und zur Analyse von Laborergebnissen verwenden; Lehrkräfte nutzen es, um Unterrichtsmaterialien zu erstellen und Routinearbeiten zu automatisieren. Aber wir wissen, dass sich jede Person, die KI nutzt, wahrscheinlich in dem verbessert, was sie tut. Wir wollten dies weiter untersuchen und verstehen, wie Menschen, die KI nutzen, im Laufe der Zeit „Fluency" (Kompetenz) mit dieser Technologie entwickeln.

In diesem Bericht beginnen wir, diese Frage zu beantworten. Wir verfolgen das Vorhandensein oder Fehlen einer Taxonomie von Verhaltensweisen, die unserer Auffassung nach KI-Kompetenz über eine große Stichprobe anonymisierter Gespräche hinweg repräsentieren.

In Übereinstimmung mit unserem kürzlich veröffentlichten Economic Index stellen wir fest, dass der häufigste Ausdruck von KI-Kompetenz unterstützend ist – KI wird als Gedankenpartner behandelt, anstatt Arbeit vollständig zu delegieren. Tatsächlich zeigen diese Gespräche mehr als doppelt so viele KI-Kompetenz-Verhaltensweisen wie schnelle Hin-und-her-Chats.

Wir stellen aber auch fest, dass Nutzer, wenn KI Artefakte erzeugt – einschließlich Apps, Code, Dokumente oder interaktive Tools – weniger wahrscheinlich deren Begründung hinterfragen (-3,1 Prozentpunkte) oder fehlenden Kontext identifizieren (-5,2 Prozentpunkte). Dies stimmt mit verwandten Mustern überein, die wir in unserer kürzlichen Studie zu Programmierfähigkeiten beobachtet haben.

Diese ersten Erkenntnisse liefern uns eine Baseline, die wir nutzen können, um die Entwicklung von KI-Kompetenz im Laufe der Zeit zu untersuchen.

Messung von KI-Kompetenz

Um KI-Kompetenz zu quantifizieren, verwenden wir das 4D AI Fluency Framework, das von den Professoren Rick Dakan und Joseph Feller in Zusammenarbeit mit Anthropic entwickelt wurde. Dieses Framework hilft uns, 24 spezifische Verhaltensweisen zu definieren, die unserer Auffassung nach sichere und effektive Mensch-KI-Zusammenarbeit veranschaulichen.

Von diesen 24 Verhaltensweisen sind 11 (im Diagramm unten aufgeführt) direkt beobachtbar, wenn Menschen mit Claude auf Claude.ai oder Claude Code interagieren. Die anderen 13 (darunter Dinge wie Ehrlichkeit über die Rolle von KI bei der Arbeit oder das Bedenken der Konsequenzen des Teilens von KI-generierten Ausgaben) finden außerhalb der Chat-Oberfläche von Claude.ai statt, sodass sie für uns viel schwerer zu verfolgen sind. Diese nicht beobachtbaren Verhaltensweisen sind wohl einige der folgenreichsten Dimensionen der KI-Kompetenz, daher planen wir, in zukünftigen Arbeiten qualitative Methoden zu verwenden, um sie zu bewerten.

Für diese Studie haben wir uns auf die 11 direkt beobachtbaren Verhaltensweisen konzentriert. Wir haben unser datenschutzfreundliches Analysetool verwendet, um 9.830 Gespräche zu untersuchen, die mehrere Hin-und-her-Austausche mit Claude auf Claude.ai innerhalb eines 7-Tage-Fensters im Januar 2026 beinhalteten.¹ Anschließend haben wir das Vorhandensein oder Fehlen der 11 Verhaltensweisen gemessen; jedes Gespräch konnte Hinweise auf mehrere Verhaltensweisen zeigen. Wir haben die Zuverlässigkeit unserer Stichprobe überprüft, indem wir geprüft haben, ob unsere Ergebnisse über jeden Wochentag und über die verschiedenen Sprachen in unserer Stichprobe hinweg konsistent waren (wir haben festgestellt, dass sie es waren).² Dies ergab schließlich den AI Fluency Index: eine Baseline-Messung dafür, wie Menschen heute mit KI zusammenarbeiten, und eine Grundlage, um zu verfolgen, wie sich diese Verhaltensweisen im Laufe der Zeit entwickeln, während sich Modelle verändern.



Ergebnisse

Mit unserer ersten Studie haben wir zwei Hauptmuster in der Claude-Nutzung gefunden: eine starke Beziehung zwischen KI-Kompetenz und Iteration sowie Verfeinerung durch längere Gespräche mit Claude, und Veränderungen im Kompetenzverhalten der Nutzer beim Programmieren oder Erstellen anderer Ausgaben.

Kompetenz ist stark mit Gesprächen verbunden, die Iteration und Verfeinerung aufweisen

Eines der stärksten Muster in den Daten ist die Beziehung zwischen Iteration und Verfeinerung und jedem anderen KI-Kompetenz-Verhalten. 85,7% der Gespräche in unserer Stichprobe wiesen Iteration und Verfeinerung auf: das Aufbauen auf vorherigen Austauschen, um die Arbeit des Nutzers zu verfeinern, anstatt die erste Antwort zu akzeptieren und zu einer neuen Aufgabe überzugehen. Diese Gespräche zeigten deutlich höhere Raten anderer Kompetenzverhaltensweisen, wie das folgende Diagramm zeigt:



Im Durchschnitt weisen Gespräche mit Iteration und Verfeinerung 2,67 zusätzliche Kompetenzverhaltensweisen auf – etwa doppelt so viel wie die nicht-iterative Rate von 1,33. Dies ist besonders ausgeprägt bei Kompetenzverhaltensweisen im Zusammenhang mit der Bewertung von Claudes Ausgaben. Gespräche mit Iteration und Verfeinerung sind 5,6-mal wahrscheinlicher dafür, dass Nutzer Claudes Begründung hinterfragen, und 4-mal wahrscheinlicher dafür, dass sie fehlenden Kontext identifizieren.

Beim Erstellen von Ausgaben werden Nutzer direktiver, aber weniger bewertend

12,3% der Gespräche in unserer Stichprobe beinhalteten Artefakte, einschließlich Code, Dokumente, interaktive Tools und andere Ausgaben. In diesen Gesprächen arbeiteten Menschen ganz anders mit KI zusammen.

Konkret fanden wir deutlich höhere Raten von Verhaltensweisen, die in die breiteren Themen „Description" (Beschreibung) und „Delegation" (Übertragung) fallen. Zum Beispiel ist es in diesen Gesprächen wahrscheinlicher, dass Nutzer ihr Ziel klären (+14,7pp), ein Format spezifizieren (+14,5pp), Beispiele liefern (+13,4pp) und iterieren (+9,7pp) im Vergleich zu Gesprächen ohne Artefakte. Mit anderen Worten: Sie tun mehr, um die KI zu Beginn ihrer Arbeit zu lenken.

Aber diese Direktivität korrespondiert nicht mit höheren Werten an Bewertung oder Beurteilung. Tatsächlich ist es das Gegenteil: In Gesprächen, in denen Artefakte erstellt werden, ist es weniger wahrscheinlich, dass Nutzer fehlenden Kontext identifizieren (-5,2pp), Fakten überprüfen (-3,7pp) oder die Begründung des Modells hinterfragen, indem sie es bitten, seine Argumentation zu erklären (-3,1pp). Unser Economic Index stellt fest, dass – wenig überraschend – die komplexesten Aufgaben diejenigen sind, bei denen Claude am meisten kämpft, was dies besonders bemerkenswert erscheinen lässt.



Es gibt mehrere mögliche Erklärungen für dieses Muster. Es könnte sein, dass Claude polierte, funktional aussehende Ausgaben erstellt, bei denen es nicht notwendig erscheint, weiter nachzufragen: Wenn die Arbeit fertig aussieht, behandeln Nutzer sie möglicherweise auch so. Es ist aber auch möglich, dass Artefakt-Gespräche Aufgaben betreffen, bei denen faktische Genauigkeit weniger wichtig ist als Ästhetik oder Funktionalität (zum Beispiel das Gestalten einer Benutzeroberfläche im Vergleich zum Verfassen einer juristischen Analyse). Oder Nutzer bewerten Artefakte möglicherweise über Kanäle, die wir nicht beobachten können – indem sie Code ausführen, eine App anderswo testen, einen Entwurf mit einem Kollegen teilen – anstatt ihre Bewertung innerhalb desselben ursprünglichen Gesprächs auszudrücken.

Unabhängig von der Erklärung ist dieses Muster beachtenswert. Da KI-Modelle zunehmend in der Lage sind, polierte Ausgaben zu erzeugen, wird die Fähigkeit, diese Ausgaben kritisch zu bewerten – sei es im direkten Gespräch oder auf andere Weise – wertvoller werden, nicht weniger.

Entwickle deine eigene KI-Kompetenz

Wie bei allen Fähigkeiten ist KI-Kompetenz eine Frage des Grades – für die meisten von uns ist es möglich, unsere Techniken noch viel weiter zu entwickeln. Basierend auf den Mustern in unseren Daten haben wir drei Bereiche gefunden, in denen viele Nutzer ihre Fähigkeiten verbessern könnten:

Im Gespräch bleiben. Iteration und Verfeinerung ist der stärkste Korrelat aller anderen Kompetenzverhaltensweisen in unseren Daten. Wenn du also eine erste Antwort erhältst, lohnt es sich, sie nur als Ausgangspunkt zu behandeln: Stelle Folgefragen, widersprich bei Teilen, die sich nicht richtig anfühlen, und verfeinere, wonach du suchst.

Polierte Ausgaben hinterfragen. Wenn KI-Modelle etwas erzeugen, das gut aussieht, ist das der perfekte Moment, um innezuhalten und zu fragen: Ist das korrekt? Fehlt etwas? Hält diese Begründung stand? Wie oben besprochen, zeigen unsere Daten, dass polierte Ausgaben mit niedrigeren Raten kritischer Bewertung einhergehen, obwohl Nutzer größere Anstrengungen unternehmen, um Claudes Arbeit zu Beginn zu lenken.

Die Bedingungen der Zusammenarbeit festlegen. Nur in 30% der Gespräche teilen Nutzer Claude mit, wie sie möchten, dass es mit ihnen interagiert. Versuche, explizit zu sein, indem du Anweisungen hinzufügst wie: „Widersprich, wenn meine Annahmen falsch sind", „Führe mich durch deine Begründung, bevor du mir die Antwort gibst", oder „Sag mir, worüber du dir unsicher bist." Das Festlegen dieser Erwartungen im Voraus kann die Dynamik des restlichen Gesprächs verändern.

Einschränkungen

Diese Forschung kommt mit wichtigen Vorbehalten:

• Stichprobeneinschränkungen: Unsere Stichprobe spiegelt Claude.ai-Nutzer wider, die sich während einer einzigen Woche im Januar 2026 an mehrstufigen Gesprächen beteiligten. Da wir denken, dass dies immer noch relativ früh in der Verbreitung von KI-Tools liegt, neigen diese Nutzer wahrscheinlich zu Early Adopters, die bereits mit KI vertraut sind – d. h., die möglicherweise nicht die breitere Bevölkerung repräsentieren. Unsere Stichprobe sollte als Bereitstellung einer Baseline für diese Population verstanden werden, nicht als universeller Maßstab. Da die Daten aus einer einzigen Woche stammen, können sie auch keine saisonalen oder längsschnittlichen Effekte erfassen. Und da sie sich auf Claude.ai konzentrieren, erfassen wir nicht, wie Nutzer mit anderen KI-Plattformen interagieren.
• Teilweise Abdeckung des Frameworks: In dieser Studie haben wir nur die 11 der 24 Verhaltensindikatoren bewertet, die direkt in Gesprächen auf Claude.ai beobachtbar sind. Alle Verhaltensweisen im Zusammenhang mit der verantwortungsvollen und ethischen Nutzung von KI-Ausgaben finden außerhalb dieser Gespräche statt und werden nicht erfasst.
• Binäre Klassifizierung: Für jedes Gespräch in unserer Stichprobe klassifizieren wir jedes Verhalten entweder als vorhanden oder abwesend. Dies übersieht jedoch wahrscheinlich bedeutende Nuancen – wie strittige oder teilweise Demonstrationen von Verhaltensweisen oder überlappende Signale zwischen ihnen.
• Implizite Verhaltensweisen: Nutzer könnten Kompetenzverhaltensweisen mental demonstrieren (wie das Überprüfen von Claudes Behauptungen anhand ihres eigenen Wissens), ohne diese Verhaltensweisen im Gespräch auszudrücken. Dies scheint besonders relevant für unsere Daten zu Artefakten zu sein – Nutzer könnten Claudes Ausgaben durch Testen und praktische Nutzung bewerten, anstatt durch im Gespräch sichtbare Verhaltensweisen.
• Korrelative Erkenntnisse: Die von uns identifizierten Beziehungen sind korrelativ. Wir wissen nicht, ob ein Verhalten ein anderes verursacht, oder ob beide einen gemeinsamen zugrunde liegenden Faktor widerspiegeln, wie Aufgabenkomplexität oder Nutzerpräferenzen.

Ausblick

Diese Studie bietet uns eine Baseline, die wir nutzen können, um zu bewerten, wie sich KI-Kompetenz im Laufe der Zeit verändert. Während sich KI-Fähigkeiten weiterentwickeln und die Akzeptanz zunimmt, wollen wir herausfinden, ob Nutzer anspruchsvollere Verhaltensweisen entwickeln, welche Fähigkeiten sich natürlich mit Erfahrung herausbilden und welche eine gezieltere Entwicklung erfordern.

In zukünftigen Arbeiten planen wir, unsere Analyse in mehrere Richtungen zu erweitern. Erstens planen wir, „Kohortenanalysen" durchzuführen, bei denen neue Nutzer mit erfahrenen verglichen werden, um zu verstehen, wie die Vertrautheit mit KI mit der Entwicklung von Kompetenz korreliert. Zweitens planen wir, qualitative Forschungsmethoden zu verwenden, um die Verhaltensweisen zu bewerten, die in Claude.ai-Gesprächen nicht direkt beobachtbar sind. Und drittens wollen wir die kausalen Fragen erkunden, die diese Arbeit aufwirft – etwa ob die Förderung iterativer Gespräche zu größerer kritischer Bewertung führt, oder ob es andere Interventionen gibt, die dies effektiver fördern könnten.

Darüber hinaus möchten wir KI-Kompetenz-Verhaltensweisen in Claude Code erkunden, einer Plattform, die hauptsächlich von Softwareentwicklern genutzt wird. In Vorbereitung auf diese Studie haben wir einige erste Analysen durchgeführt, die Konsistenz zwischen Claude Code-Gesprächen und solchen auf Claude.ai festgestellt haben. Dies ist jedoch noch vorläufig, und die sehr unterschiedliche Nutzerbasis und Funktionalität von Claude Code deutet darauf hin, dass umfangreichere Forschung notwendig ist.

Wir erwarten, dass sich die Natur der KI-Kompetenz im Laufe der Zeit erheblich entwickeln und verändern wird. Mit dieser und zukünftiger Forschung wollen wir diese Entwicklung sichtbar, messbar und umsetzbar machen.

Bibtex

Wenn du diesen Beitrag zitieren möchtest, kannst du den folgenden Bibtex-Schlüssel verwenden:

@online{swanson2026aifluency,
author = {Kristen Swanson and Drew Bent and Zoe Ludwig and Rick Dakan and Joe Feller},
title = {Anthropic Education Report: The AI Fluency Index},
date = {2026-02-23},
year = {2026},
url = {https://academy.claude.com/tutorials/the-ai-fluency-index},
}

Danksagungen

Kristen Swanson konzipierte die Forschung, leitete die Analyse und verfasste diesen Bericht. Zoe Ludwig und Drew Bent trugen zur Abstimmung des Frameworks, zur Botschaft und zur Überprüfung bei. Das 4D-Modell für KI-Kompetenz wurde von Rick Dakan und Joe Feller entwickelt. Zack Lee leistete technische Unterstützung. Hanah Ho half bei der Visualisierung der Daten. Keir Bradwell, Rebecca Hiscott, Ryan Donegan und Sarah Pollack stellten Kommunikationsüberprüfung und -beratung bereit.

Fußnoten

1. Beim Erforschen, wie Menschen KI-Modelle nutzen, hat der Schutz der Nutzerprivatsphäre oberste Priorität. Für dieses Projekt haben wir unser datenschutzfreundliches Analysetool verwendet, das die Bottom-up-Entdeckung von KI-Nutzungsmustern ermöglicht, indem Nutzergespräche in übergeordnete Nutzungszusammenfassungen destilliert werden, wie etwa „Code debuggen" oder „wirtschaftliche Konzepte erklären". Für diese Analyse haben wir 11 separate binäre Klassifikatoren (einen pro Verhaltensindikator) ausgeführt, wobei wir Claude Sonnet 4 für die Verhaltensklassifizierung und Claude Haiku 3.5 für die Spracherkennung verwendet haben. Das bedeutet, dass ein einzelnes Gespräch mehrere KI-Kompetenz-Verhaltensindikatoren anzeigen konnte. Gespräche wurden auf substanzielle Austausche mit mehreren Hin-und-her-Wechseln gefiltert, wobei ein Screener verwendet wurde, der Begrüßungen, Einwort-Austausche, Testnachrichten und reinen Smalltalk ausschloss. Eine manuelle Überprüfung von 200 herausgefilterten Chats ergab, dass Chats dieser Art für keine KI-Kompetenz-Indikatoren infrage kamen, sodass wir zuversichtlich sind, dass der Screener die relative Rangfolge der in der Studie beobachteten KI-Kompetenz-Verhaltensweisen nicht beeinflusst hat. In der Analyse erscheinen keine personenbezogenen Daten.
2. Verhaltensindikatoren wurden über eine einwöchige Stichprobe (20.–26. Januar 2026) berechnet und blieben von Tag zu Tag stabil, wobei die meisten Verhaltensweisen nur um 1–5 Prozentpunkte variierten. Die Samstagsraten waren bei einigen Verhaltensweisen etwas niedriger (z. B. lag Iteration und Verfeinerung am Samstag bei 81,4% im Vergleich zu einem Wochentagshöchstwert von 87,9%), was auf moderate Unterschiede zwischen beiläufiger und zielgerichteter Nutzung hindeutet, aber kein Tag zeigte eine bedeutsame strukturelle Abweichung. Die Raten waren auch über sechs Sprachen hinweg konsistent (Englisch, Französisch, Spanisch, Chinesisch, Japanisch und Deutsch), wobei die meisten Verhaltensweisen über Sprachgruppen hinweg um 3 Prozentpunkte oder weniger variierten. Zusammengenommen deuten diese Erkenntnisse darauf hin, dass die hier erfassten Verhaltensmuster konsistente Gewohnheiten im Umgang der Menschen mit KI widerspiegeln, anstatt Artefakte von Zeitpunkt, Wochentag oder sprachlichem und kulturellem Kontext zu sein.