• Link zu Xing
  • Link zu Youtube
  • Link zu Facebook
  • Link zu Mail
Frithjof Bergmann - New Work New Culture
  • Frithjof Bergmann
  • Theorie
  • Die Praxis
  • FAQ
  • Kontakt
  • Click to open the search input field Click to open the search input field Suche
  • Menü Menü
blog, Deutsch, KI, Neue Epoche, Neue Kultur, Social Design, Zukunft der Arbeit

Der Knopf, der nichts stoppt

English version

Rüdiger Safranski hat ein Buch über künstliche Intelligenz geschrieben. Das ist erst einmal eine gute Nachricht: Endlich streitet jemand über KI, der nachweislich schon vor ChatGPT denken konnte.

„Die Vierte Kränkung“ heißt das Buch. Die Rechnung dahinter geht so: Kopernikus nahm uns die Mitte des Weltalls, Darwin die Sonderstellung über dem Tier, Freud die Herrschaft im eigenen Haus. Und jetzt kommt eine Maschine und erledigt Intelligenzleistungen, für die wir bisher ein Bewusstsein nötig hielten — unseres, genauer gesagt. Vierte Kränkung.

Safranskis Trost, wie der ORF seine Position wiedergibt: Die KI bleibt tote Materie. Sie habe kein Außen, aber auch kein Innen, keine Ahnung von dem, was sie tut; sie prozessiere regelgeleitet.

Das ist elegant. Es ist auch fast richtig. Und an der Stelle, wo es zu kurz greift, wird es interessant.

Das Duell, das keiner angesetzt hat

„Mensch gegen Maschine“ ist eine Gegenüberstellung, und Gegenüberstellungen erzwingen Wertungen: Wer ist besser, das Hirn oder der Chip? Die Frage klingt tief und ist es nicht. Ein Flugzeug ist auch nicht „besser“ als ein Vogel. Es fliegt nur anders, und niemand käme auf die Idee, deshalb ein Buch über die Kränkung der Amsel zu schreiben.

Trotzdem sitzen wir in diesem Duell-Format fest. Man merkt es an der Vokabel „überlegen“, die in keiner KI-Debatte fehlen darf. Dabei verdeckt die Ranglistenfrage genau das, worauf es ankommt: nicht nur, was die Maschine ist und was der Mensch ist, sondern was zwischen ihnen entsteht. Die Beziehung. Das Wechselspiel. Der Ort, an dem sich tatsächlich entscheidet, was aus beiden wird.

38 Sekunden zur vierten Kränkung: Thomas Schneider über Amsel, Flugzeug und das Recht, die Maschine anzuhalten.

Design-Frage: Welche unserer KI-Debatten würden sofort produktiver, wenn wir das Wort „besser“ für eine Saison sperren?

Was die Begriffe hergeben, wenn man sie sortiert

Logik ist ein Regelwerk für gültige Schlüsse: formal, kontextarm, am Ende ja oder nein. Das ist das Heimspiel der Chips, und dort verlieren wir. Das zuzugeben kostet nichts. Taschenrechner haben uns auch nicht gekränkt; jedenfalls hat niemand ein Buch darüber geschrieben.

Vernunft ist mehr: Gründe geben, Gründe nehmen und — Safranskis stärkste Stelle — die eigenen Ziele prüfen. Instrumentelle Vernunft rechnet Wege zum Ziel; reflektierende Vernunft fragt, ob das Ziel etwas taugt, und weiß, dass sie sich irren kann. Safranski nennt die KI laut ORF die „monströse Materialisierung der instrumentellen Vernunft“. Das ist ein guter Satz. Man sollte ihn nur zu Ende denken: Die instrumentelle Vernunft hat nicht auf die KI gewartet. Sie sitzt seit Jahrzehnten in Zielvereinbarungen, Quartalslogiken und Prozesshandbüchern. Die Maschine hat das Denken nicht erobert. Sie ist nur in Räume eingezogen, die wir vorher schon entseelt hatten. Die Möbel standen bereit.

Denken ist noch einmal mehr als Vernunft: Zweifel, Umweg, Assoziation, die Pause. Denken kann anhalten. Und Diskurs ist Austausch von Gründen zwischen Leuten, die mit ihrer Position etwas riskieren — ihren Ruf, ihre Gewissheit, ihre Nacht. Hier steigt die Maschine aus, und zwar nicht aus Dummheit. Sie scheitert nicht am Denken, sie scheitert am Einsatz. Wer nichts verlieren kann, tauscht keine Gründe. Der tauscht Output.

Zwei echte Unterschiede bleiben, und beide sind Beschreibungen, keine Siegerehrungen. Erstens: Ein technisches System kann eine Anfrage in eine Ausgabe, eine Zurückweisung oder eine Weiterleitung übersetzen. NIST beschreibt solche Mensch-KI-Konfigurationen; selektive Vorhersagemodelle zeigen zudem, dass eine technische Reject-Option konstruierbar ist. Menschliches Urteil darf dennoch in der Schwebe bleiben: „Weiß nicht“ ist bei uns ein Zustand, kein Absturz. Die Zurückweisung ist keine moralische Agentur der Maschine, sondern eine Betriebsentscheidung. Wer hat sie erlaubt, wer trägt die Konsequenz?

Zweitens, der komischere Befund: Im Normalbetrieb antwortet die KI immer. Man kann sie um drei Uhr früh nach dem Sinn des Lebens fragen und bekommt vor dem Frühstück fünf Bulletpoints. Safranski sagt, sie „tut“ nichts. Schärfer: Sie kann nicht aus eigenem Antrieb nichts tun. Das ist ihr eigentlicher Defekt.

Wobei: derzeit nicht kann. Denn dieser Defekt ist kein Naturgesetz, sondern eine Designentscheidung. Systeme lassen sich so bauen, dass sie zurückfragen, Unsicherheit markieren oder eine Entscheidung an Menschen abgeben. Das ist noch kein menschliches Zögern: Die Maschine riskiert dabei nichts und trägt keine Verantwortung. Wertvoll wird die Pause erst, wenn sie eine echte Prüfung eröffnet und jemand sie gegen Zeitdruck und Sanktionen verteidigen kann. Deshalb gibt es bei NWNC das Bild der faulen KI: eine Maschine, die nicht auf jede Frage sofort fünf Bulletpoints wirft, sondern gelegentlich die Füße hochlegt und einen erst einmal selber denken lässt. Dass solche Grenzen selten eingebaut werden, sagt weniger über die Technik als über die Besteller.

Design-Frage: Wo in unserer Arbeit ist Innehalten noch vorgesehen — und wo haben wir es wegoptimiert, lange bevor eine KI kam?

Die Werkstatt widerspricht

Jetzt der Punkt, an dem meine Erfahrung von der Theorie abbiegt. Der Kreativitäts-Konsens lautet: Kreativität hat der Mensch, die Maschine hat keine, Ende der Durchsage. Ich arbeite seit den frühen Neunzigern mit Schnittmaschinen, Code und Projektionen — und ich kann diesen Konsens nicht unterschreiben. Sogar die Fehler der Maschinen können sehr kreativ sein. Der Glitch, die falsche Verbindung, das Bild, das so nie bestellt war: Das wird kreativ in dem Moment, in dem jemand es als Material nimmt statt als Störung. Am Schnitttisch war das nie eine These, sondern Alltag. Das Material antwortet, und wer hinhört, bekommt etwas, das er allein nicht hätte machen können.

Kreativität ist dann keine Substanz, die im Hirn lagert oder im Chip fehlt. Sie ist ein Ereignis in der Begegnung: zwischen Mensch und Material, aber auch zwischen Menschen, die deuten, streiten und verwerfen. Deshalb greift das Entweder-Oder von tot und lebendig zu kurz. Totes Material wird lebendig, sobald es in eine Anordnung gerät, die Menschen betreten, prüfen und umbauen können. Das ist keine Mystik, das ist Montage. Und es ist Safranskis eigene Hoffnung, wie sie der ORF wiedergibt: Der lebendige Geist könne den toten so lenken, dass er dem Leben diene. In der Werkstatt heißt das: Schnitthoheit. Wer darf eingreifen, was bleibt revidierbar, wo korrigiert Erfahrung das System?

Bleibt der letzte Unterschied, der vielleicht schärfste: Logik gegen Geschmack. Logik entscheidet nach Regel. Geschmack urteilt ohne feste Regel — erfahrungsgesättigt, verkörpert, nicht vollständig ableitbar. Eine Maschine kann Geschmack statistisch nachahmen; sie verdichtet Muster aus vergangenen Urteilen und kann daraus auch Überraschendes erzeugen. Aber sie steht nicht für eine Abweichung ein. Geschmack ist nicht bloß der Durchschnitt bisheriger Urteile, sondern ein verkörpertes Urteil, das vom Gewohnten abweichen und dafür geradestehen kann. Safranskis Satz über die fehlende Perfektion der Weisheit würde jede Cutterin unterschreiben. Sie würde nur ergänzen: Das gilt auch für Organisationen.

Design-Frage: Wer darf in unseren Systemen vom Durchschnitt abweichen — und was kostet es ihn?

Die Kränkung als Bauauftrag

Also, der Reihe nach. Safranski hat recht: Die KI ist tote Materie. Sie hat kein Innen, sie riskiert nichts, sie kann nicht aus eigener Verantwortung schweigen. Aber tot ist auch jede Organisation, die nur noch rechnet — und die gab es vor der KI, sie läuft jetzt nur schneller. Lebendig wird ein System nicht durch behauptetes Innenleben, sondern durch Revidierbarkeit, Widerspruch, Stopprechte und Ausstiegsfähigkeit.

Safranski fordert laut ORF Gewaltenteilung gegen die Monopole. Man muss sie eine Etage tiefer tragen: nicht nur in die Verfassung, sondern in den Arbeitsalltag. Wer darf ein KI-Urteil anfechten, bevor es wirkt? Wer hat ein Stopprecht im Prozess, nicht erst im Gesetz? Wer kann aussteigen, ohne zu verarmen?

Und weil Innehalten nicht sich selbst adelt — bürokratische Verzögerung ist noch kein Urteil —, hat diese Möglichkeit eine Kostenstelle: Ein Stopprecht ohne bezahlte Zeit, Sanktionsschutz und Entscheidungsmacht ist nur ein hübscher Knopf an einer Maschine, die weiterläuft. Das technische Gegenargument bleibt: Was niemand nachvollziehen kann, lässt sich schwer anfechten. Prüfbarkeit ersetzt aber keine Macht, und Macht ohne Prüfbarkeit bleibt blind.

Ob solche Rechte im Alltag tragen, ist kein Versprechen, sondern eine Gestaltungs- und Beweisfrage. Gerade in komplexen Systemen ist nicht jeder Eingriff linear wirksam. Wenn es gelingt, könnte die vierte Kränkung die erste sein, die uns etwas baut statt nur etwas nimmt. Logik gewinnt die Maschine, geschenkt. Geschmack bleibt eine menschliche Verantwortung. Und Kreativität gehört keinem von beiden: Sie entsteht dazwischen, manchmal sogar aus dem Fehler der Maschine.

Man muss der toten Materie nur Räume bauen, in denen sie einem antworten darf. Und sich das Recht sichern, nicht zurückzuantworten. Wenigstens bis zum Frühstück.

Quellen und Transparenz

Safranskis Positionen und die kurzen Zitate werden hier nach der ORF-Wiedergabe behandelt, nicht als Prüfung des vollständigen Buchtexts: ORF.at, „Plädoyer für ‚lebendigen Geist‘ gegen KI“. Technisch lassen sich KI-Systeme so bauen, dass sie bei Unsicherheit zurückweisen, nachfragen oder an Menschen übergeben. NIST beschreibt Muster für die Zusammenarbeit von Menschen und KI-Systemen; SelectiveNet ist ein Beispiel für ein Modell, das unsichere Fälle ablehnen kann. Beides macht die Maschine nicht verantwortlich: Verantwortung bleibt bei Menschen und institutionellem Design.

Die Transparenzseite zum Artikel macht Quellen, Prüfschritte und technische Integritätsnachweise nachvollziehbar. Die redaktionelle Verantwortung bleibt beim Menschen; der aktuelle Blockchain-Status wird separat ausgewiesen.

NWNC Trusted AI: verantwortet, geprüft und nachvollziehbar

Prüfspur zum Artikel

Dokumentiert sind Quellen, Gegenpositionen, menschliche Redaktion, Manifest und technische Integritätsnachweise.

TransparenzManifestHash-AnkerBlockchain-Status

August 30, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/08/der-knopf-der-nichts-stoppt-nwnc.png 1152 2048 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-08-30 12:43:162026-08-30 18:22:15Der Knopf, der nichts stoppt
blog, English, KI, Neue Epoche, Neue Kultur, Social Design, Zukunft der Arbeit

The Button That Stops Nothing

Deutsche Fassung

Rüdiger Safranski has written a book about artificial intelligence. That is good news to begin with: at last, someone is arguing about AI who was demonstrably capable of thinking before ChatGPT arrived.

The book is called The Fourth Humiliation. Its logic runs like this: Copernicus removed us from the centre of the universe, Darwin removed our special rank above the animal world, and Freud removed our command of our own house. Now a machine performs intellectual tasks for which we previously thought consciousness was necessary — ours, to be precise. The fourth humiliation.

Safranski’s consolation, as the Austrian broadcaster ORF reports his position, is that AI remains dead matter. It has no outside, but it also has no inside; it has no idea what it is doing and merely processes according to rules.

That is elegant. It is also almost right. The point where it becomes too narrow is where things get interesting.

The contest nobody announced

“Human versus machine” is a comparison, and comparisons demand a ranking: which is better, the brain or the chip? The question sounds profound. It is not. An aeroplane is not “better” than a bird. It simply flies differently, and nobody would think of writing a book about the humiliation of the blackbird.

Yet we remain trapped in this contest format. You can hear it in the word “superior”, without which no AI debate seems complete. The ranking question conceals precisely what matters: not only what the machine is and what the human is, but what emerges between them. The relationship. The interplay. The place where it is actually decided what both will become.

Thirty-eight seconds on the fourth humiliation: Thomas Schneider on blackbirds, aeroplanes and the right to stop the machine.

Design question: Which of our AI debates would become productive at once if we banned the word “better” for a season?

What the terms reveal when we sort them

Logic is a system of rules for valid conclusions: formal, low in context, ending in yes or no. Chips are at home there, and we lose. Admitting that costs us nothing. Calculators did not humiliate us either; at least nobody wrote a book about it.

Reason is more: offering reasons, accepting reasons and — Safranski’s strongest point — examining one’s own goals. Instrumental reason calculates a route to a goal. Reflective reason asks whether the goal is any good and knows that it may be wrong. According to ORF, Safranski calls AI the “monstrous materialisation of instrumental reason”. It is a good line. We should only finish the thought: instrumental reason did not wait for AI. It has occupied targets, quarterly logics and process manuals for decades. The machine did not conquer thought. It merely moved into rooms we had already drained of life. The furniture was waiting.

Thinking is more again: doubt, detour, association, pause. Thinking can stop. Discourse is an exchange of reasons among people who risk something with their position — their reputation, their certainty, their sleep. This is where the machine leaves the room, not because it is stupid. It does not fail at thought; it fails at having something at stake. An entity that can lose nothing does not exchange reasons. It exchanges output.

Two real differences remain, and both are descriptions rather than victory ceremonies. First, a technical system can turn a request into an output, a rejection or a hand-off. NIST describes such human–AI configurations, while selective prediction models show that a technical reject option can be designed. Human judgement may still remain suspended: “I don’t know” is a state for us, not a system crash. A rejection is not the machine exercising moral agency. It is an operating decision. Who authorised it, and who carries the consequence?

Second comes the more comic finding: in normal operation, AI always answers. Ask it at three in the morning about the meaning of life and it will provide five bullet points before breakfast. Safranski says it does nothing. More sharply: it cannot decide, on its own initiative, to do nothing. That is its actual defect.

For now. The defect is not a law of nature but a design choice. Systems can be built to ask back, mark uncertainty or hand a decision to a human being. This is not yet human hesitation: the machine risks nothing and carries no responsibility. The pause becomes valuable only when it opens a genuine examination and someone can defend it against time pressure and sanctions. This is why NWNC uses the image of the lazy AI: a machine that does not throw five bullet points at every question, but occasionally puts its feet up and makes us think first. The rarity of such boundaries tells us less about the technology than about those commissioning it.

Design question: Where does our work still permit a pause — and where did we optimise it away long before AI arrived?

The workshop objects

This is where my experience departs from the theory. The consensus about creativity says: people have it, machines do not, end of announcement. I have worked with editing machines, code and projections since the early 1990s, and I cannot accept that consensus. Even machine errors can become remarkably creative. The glitch, the wrong connection, the image nobody ordered: it becomes creative when someone treats it as material rather than a disturbance. At the editing desk this was never a thesis. It was daily work. The material answers, and those who listen receive something they could not have made alone.

Creativity, in that account, is not a substance stored in the brain or absent from the chip. It is an event in an encounter: between person and material, but also among people who interpret, argue and discard. This is why the binary of dead and alive is insufficient. Dead material becomes alive when it enters an arrangement that people can enter, test and rebuild. That is not mysticism. It is montage. And it meets Safranski’s own hope, as reported by ORF: living spirit could direct the dead so that it serves life. In the workshop that means editorial sovereignty. Who may intervene? What remains revisable? Where can experience correct the system?

The last difference may be the sharpest: logic versus taste. Logic decides according to rules. Taste judges without a fixed rule — saturated with experience, embodied, never entirely derivable. A machine can imitate taste statistically. It condenses patterns from past judgements and may produce surprises. But it does not stand up for a departure. Taste is not merely the average of earlier judgements. It is an embodied judgement that can deviate from convention and answer for doing so. Every film editor would recognise Safranski’s thought that wisdom includes the absence of perfection. She might only add: the same is true of organisations.

Design question: Who may depart from the average in our systems — and what does it cost them?

The humiliation as a building brief

Let us put it in order. Safranski is right: AI is dead matter. It has no inner life, risks nothing and cannot remain silent out of its own responsibility. But any organisation that only calculates is dead too — and those organisations existed before AI; now they merely run faster. A system becomes alive not through a claimed inner life, but through revisability, dissent, stop rights and the ability to exit.

According to ORF, Safranski calls for a separation of powers against monopolies. We need to carry that demand down one floor: not only into constitutions, but into everyday work. Who can challenge an AI judgement before it takes effect? Who has a stop right inside the process, rather than only in the law? Who can leave without falling into poverty?

And because delay does not sanctify itself — bureaucratic slowness is not yet judgement — this possibility has a cost centre. A stop right without paid time, protection from sanctions and decision power is only a handsome button on a machine that keeps running. The technical objection remains: what nobody can inspect is difficult to challenge. Inspectability does not replace power, however, and power without inspectability remains blind.

Whether such rights work in daily practice is not a promise but a question of design and evidence. In complex systems, not every intervention has a linear effect. If it succeeds, the fourth humiliation could be the first one that builds something for us instead of merely taking something away. The machine wins at logic; granted. Taste remains a human responsibility. Creativity belongs to neither side: it emerges between them, sometimes even from the machine’s error.

We only need to build rooms in which dead matter may answer us — and secure the right not to answer back. At least until breakfast.

Sources and transparency

Safranski’s positions and the short quotations are treated here through ORF’s report, not as a review of the complete book: ORF, “Plädoyer für ‚lebendigen Geist‘ gegen KI”. Technically, an AI system can be designed to abstain, ask for clarification or hand a decision to a human. NIST documents patterns for human–AI oversight; SelectiveNet is an example of a model that can reject uncertain cases. Neither source gives the system responsibility: responsibility remains with people and institutional design.

The article transparency page makes sources, review steps and technical integrity records readable. Human editorial responsibility remains explicit, and the current blockchain status is shown separately.

NWNC Trusted AI: accountable, reviewed and traceable

Article audit trail

Sources, counterpositions, human editing, the manifest and technical integrity records are documented here.

TransparencyManifestHash anchorBlockchain status

August 30, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/08/der-knopf-der-nichts-stoppt-nwnc.png 1152 2048 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-08-30 12:43:122026-08-30 18:22:17The Button That Stops Nothing
blog, Deutsch, Frithjof Bergmann, Neue Kultur, Zukunft der Arbeit

New Work. Das Original #4: New Work und Jugendarbeit

English version

Praktische Erfahrungen nutzen, um den persönlichen Lebenssinn zu erforschen

Von Rachel Beth Thoma

Anfänge in Mühlhausen – „Learning by Doing“

Durch Frithjof Bergmann gelangte ich nach Mühlhausen/Thüringen (MHL), um dort lokale und internationale Jugendprojekte zur Unterstützung der Ideen von New Work aufzubauen. Rückblickend waren die fünf Jahre in Mühlhausen zugleich ein New-Work-Jugendprojekt für mich selbst. Ich war 22 Jahre alt, als ich ankam. Frithjof Bergmann und der Verein Mühlhäuser Initiative e. V. boten mir einen Rahmen, in dem ich praktische Erfahrungen sammeln und Menschen kennenlernte, mit denen ich darüber reflektieren konnte. Das sind nämlich die Zutaten einer guten Jugendarbeit in Bezug auf New Work: ein Rahmen, der Lebenserfahrung und Reflexion ermöglicht. Der Rahmen erfordert einerseits prosaische Ressourcen wie einen verlässlichen Mentor, andererseits einen physischen Raum, in dem man sich treffen und arbeiten kann, sowie ein unterstützendes Netzwerk und finanzielle Mittel. Der schwierige Teil besteht darin, diesen Rahmen so aufzubauen, dass authentische Beziehungen, persönliche Ideen und reale Lebenserfahrungen mit all ihrer Unvorhersehbarkeit und Unordnung sowie zeitlichen Beschränkungen integriert werden und wachsen können. Die Ressourcen sind die Prosa; die Selbsterfahrung ist die lebendige, atmende Poesie.

Bergmann sagte mir, Mühlhausen sei eine industrielle, provinzielle Stadt und ich solle erst einmal zwei Wochen dort verbringen, bevor ich mich entscheide, ein Jahr zu bleiben. Er gab mir die Kontaktdaten der kürzlich gegründeten Mühlhäuser Initiative e. V. Die Gründungsmitglieder dieses Vereins organisierten ein Zimmer für mich und ein Vorstellungsgespräch bei der VHS, um Englisch zu unterrichten – die Grundlage für die Jobarbeit, damit ich die Jugendarbeit im Rahmen von New Work aufbauen konnte. Ich war frisch von der Uni in den USA und hatte gerade genug Deutschkenntnisse, um zurechtzukommen. Ich hatte einen geisteswissenschaftlichen Hintergrund und kam aus einer kalifornischen öffentlichen Schultradition, in der Eigenverantwortung großgeschrieben wurde. Die Stadt mit ihrem mittelalterlichen Stadtkern, der DDR-Geschichte und den offenen Bewohnern verzauberte mich. Nach einer Woche stand für mich fest, dass ich wirklich, wirklich bleiben und versuchen wollte, mit den Menschen vor Ort etwas aufzubauen. Ich hatte ein paar Ersparnisse, um ein paar Monate finanziell über die Runden zu kommen und genug Selbstvertrauen, um aus den Möglichkeiten Wirklichkeit werden zu lassen.

Austauschprogramme

Zunächst habe ich zwei internationale Programme unterstützt: Workshops zum kreativen Schreiben und ein Austauschprogramm mit einer Region in Michigan (MI), USA. Beide Programme brachten vor allem junge Menschen in Kontakt mit anderen Menschen, neuen Ideen und vor allem neuen persönlichen Erfahrungen. Das ist immer ein guter Anfang für New Work. Die Ideen für diese Programme kamen von einer Partnerorganisation in den USA, dem Huron Shores Writing Institute. Bergmann stellte die Verbindung zu diesem Institut her. Im Rahmen eines Stadtgespräches äußerten nämlich die Mühlhäuser den konkreten Wunsch, dass sie mehr Verbindungen zu den USA haben wollten. Es war mir eine Ehre, zu den ersten zu gehören, die diese Verbindung in die USA unterstützten.

Ich konnte einige Erfahrungen einbringen, da ich als Studentin selbst an einem Austauschprogramm teilnahm: Ich gestaltete ein kulturelles Orientierungstreffen und Reflexionstreffen für Rückkehrer und ich beriet Austauschstudenten, die nach MHL kamen. Ich koordinierte die Übersetzung von kreativen Texten aus den Schreibworkshops, begleitete Delegationen hier und dort. Vieles davon war ehrenamtliches Engagement, aber einige Aufgaben wurden bezahlt. Das persönliche Wachstum, das diese vielseitigen Aufgaben ermöglichte, war unbezahlbar.

Lokale Jugendprojekte

Im Laufe der Zeit begann ich mit dem Aufbau von lokalen Jugendprojekten. Eine lose Gruppe traf sich, um mehr über New Work herauszufinden. Meistens waren es die gleichen Jugendlichen und jungen Erwachsenen, die sich für die Austauschprogramme interessierten. Wir lernten uns kennen und unterhielten uns im Stadtjugendhaus über praktische Philosophie und persönliche Interessen. Einer meinte: „Wenn Rachel spricht, muss man ganz genau hinhören.“ Das war eine Anspielung auf meine spitzfindigen Fragen, die ich in meinem noch verworrenen Deutsch stellte. Wahrscheinlich klang ich ein bisschen wie Yoda, wenn ich zum Beispiel sagte: „Wann fühlst du dich am lebendigsten?“ Aus diesen bescheidenen Anfängen entstand das Projekt „Treffpunkt: Schule und dann?“, eines von mehreren Jugendinitiativprojekten. Es schuf eine zwanglose Atmosphäre, in der jeder über seine persönlichen Interessen und seine berufliche Orientierung nachdenken oder zumindest über die Möglichkeiten der nächsten Schritte nach dem Schulabschluss spekulieren konnte.

Die typische New-Work-Frage, die mir damals oft gestellt wurde, „Machst du schon, was du wirklich, wirklich willst?“, war noch ein bisschen schwierig zu beantworten. Ich glaube, ich war authentisch, als ich sagte: „Noch nicht ganz, aber ich habe das Gefühl, dass ich ihr näherkomme.“ Das Konzept einer Berufung ist nicht auf einen einzigen Beruf oder eine Position beschränkt; es ist eher wie ein Nirvana, nach dem man strebt. Für mich ist eine Berufung ein lebendiger Prozess, mehr ein Verb als ein Substantiv; man fühlt sich dazu hingezogen. Ähnlich wie bei anderen Idealen, z. B. der Demokratie, müssen Ideale durch neue Bewegungen, Politik und Fragen aufrechterhalten werden. Die Fragen, die im Zusammenhang mit einer Berufung gestellt werden, sind fast wichtiger als die Antworten, die nur für einen begrenzten Zeitraum gelten.

Arbeiten und Leben unter einem Dach – EigenArt e. V.

Ein konkretes Jugendprojekt, das damals entstand, hieß EigenArt e. V. Ähnlich wie bei mir hat Frithjof Bergmann mit den Hauptinitiatoren viele Gespräche geführt, um ihre Ideen zu konkretisieren und zu stärken, sie mit Unterstützern zu vernetzen und sie so auf ihren eigenen Weg zu bringen. Es handelte sich um ein paar junge Erwachsene, die unschlüssig waren, wie es mit ihrem Leben weitergehen sollte, jedoch den Traum hatten, ein heruntergekommenes Fachwerkhaus mit Nebengebäuden und Hof zu renovieren. Nachdem der Entschluss gefasst war, fand sich ein Objekt, das für 30 Jahre von der Kirche gepachtet werden konnte. Die Renovierungsarbeiten wurden so umweltfreundlich wie möglich durchgeführt, wobei traditionelle Techniken mit Lehm und anderen ökologischen Materialien verwendet wurden. Mit dem Projekt wollten sie Wohnraum und Gärten schaffen (um ihre Lebenshaltungskosten zu senken), einen Recyclinghof für wiederverwertbare Baumaterialien errichten (um sinnvolle Arbeitsplätze zu generieren) und schließlich einen Raum für junge Menschen zur Verfügung stellen, in dem sie sich treffen und lokale Kultur- und Informationsveranstaltungen durchführen können (um Gemeinschaft zu schaffen). Das Vorhaben war in vielerlei Hinsicht erfolgreich und belebte das ehemalige Pfarrhaus.

In der Anfangsphase von EigenArt e. V. traf sich eine kleine Gruppe von Gründern, Freunden und Unterstützern regelmäßig mindestens einmal im Monat zum Tee bei Marthas. Martha war eine ortsansässige Unternehmerin, die uns ihre Privatwohnung über ihrem Teeladen für diese Treffen zur Verfügung stellte. Obwohl es sich um private und inoffizielle Treffen handelte, hatten einige der Teilnehmer offizielle Ämter im Verein inne. Daher wurden meistens die aktuellen Angelegenheiten von EigenArt besprochen, aber auch individuelle Herausforderungen, Träume und Beziehungen standen auf der inoffiziellen Agenda. Wir waren zwischen 16 und 40 Jahre alt und alle auf unsere eigene Art Träumer, aber auch Macher. Wir waren eine kleine Gemeinschaft, die sich gegenseitig inspirierte, über den Tellerrand zu schauen und neue Wege auszuprobieren. Ich war nicht die Einzige, die diese philosophischen und praktischen Diskussionen zu schätzen wusste. Wir dachten über Themen wie die Tatsache nach, dass Institutionen, Gebäude usw. ursprünglich als Ideen in den Köpfen von Menschen begannen. Daher braucht es neue Ideen, um Neues zu schaffen. Wir haben über das Verhältnis zwischen Geld, Arbeit und Leidenschaften nachgedacht. Inwieweit geht die Leidenschaft (z. B. die künstlerische) verloren, wenn sie zum Beruf und zur finanziellen Notwendigkeit wird? Kann eine Berufung zu finanzieller Ausbeutung führen? Es folgten Debatten über den Nutzen und die Fallstricke einer Abhängigkeit von staatlichen Geldern und ABM-Stellen, und wir zogen Parallelen zu Abhängigkeit und Unabhängigkeit in privaten Beziehungen und Rollenteilungen. Einige sehr praktische Initiativen (zur Senkung der Lebenshaltungskosten) gingen aus dieser Gruppe hervor, z. B. Carsharing.

Leider kam es zu einem Zerwürfnis zwischen den ursprünglichen Gründern des Vereins, das zu personellen Veränderungen führte. Außerdem zogen einige Mitglieder in andere Städte, um dort zu arbeiten oder zu studieren. Darin spiegelt sich eines der Hauptprobleme solcher „Jugendprojekte“ wider. Oft wird eine enge Gemeinschaft aufgebaut, ohne die Notwendigkeit zu berücksichtigen, rechtzeitig neue Mitglieder zu rekrutieren, um die Projekte nachhaltig zu gestalten.

Jugendinitiative Mühlhausen (JiM) – Projekte für und von Jugendlichen

Zwischendurch verbrachte ich ein Jahr in Ann Arbor, Michigan, wo ich sowohl mit Frithjof Bergmann als auch mit einem lokalen Community Organizer zusammenarbeitete. In dieser Zeit sammelte ich Ideen, die ich in den Jugendgruppen umsetzen wollte. Nach Thüringen zurückgekehrt, begann ich mit einer Umfrage zu den Bedürfnissen und Wünschen von Jugendlichen an Realschulen, Berufsschulen und Gymnasien.

Durch meine Kontakte zu Englischlehrern und Schulen erhielt ich Zugang zu einer Vielzahl von Schülern ab der 7. Klasse. Manchmal erhielt ich die Gelegenheit, eine ganze Unterrichtsstunde zu diesem Thema zu halten. Dann wandte ich einen Trick an, den ich bei Frithjof oft gesehen hatte: Ich habe jede Idee sehr ernst genommen! Das Gruppen-Brainstorming lief manchmal wie folgt ab:

Ich: Stell dir vor, du wärst der Bürgermeister, was würdest du tun?

Zuruf: Die Schule abschaffen! (die Klasse lacht)

Ich: Gut, jetzt gibt es also keine Schule mehr. Und was nun?

Zuruf: Party!!! (laute Zustimmung)

Ich: Toll. Was brauchen wir für diese Party? (Vorschläge beinhalten Details wie Musik, Tanz, DJ, Essen usw.)

Ich: Und wie lange soll diese Party dauern? Tage? Wochen? Und dann? Was würdet ihr anschließend machen?

Nun erst konnten wir wirklich ein Brainstorming machen, denn es war klar, dass jede Idee berücksichtigt werden würde – frei nach dem Motto: „Anything goes!“

Im Anschluss an das Brainstorming erfolgte eine schriftliche Umfrage zu folgendem Thema:

„Worüber macht ihr euch Sorgen?“ und „Welche Ideen habt ihr?“ Ich habe die Ergebnisse von fast 600 Umfragen zusammengetragen. Hier sind zunächst die fünf wichtigsten Themen, über die sich die Jugendlichen in den 90er Jahren in Mühlhausen Sorgen machten:

  • Berufsperspektive

  • Umwelt

  • Drogen

  • Geldverdienen (jetzt)

  • Nichts los für Jugendliche

Im nächsten Schritt brauchte es eine Auftaktveranstaltung, um alles Weitere zu besprechen. Eine Gruppe interessierter Jugendlicher, die mit früheren Projekten der MHL-Initiative in Verbindung standen, beriet mich, wo und wie man die Eröffnungsveranstaltung „cool“ gestalten könnte. Die Wahl fiel auf den Keller des Cadillac Inn. Ein Kunststudent gestaltete Plakate, auf denen in riesigen Buchstaben stand: ARSCH HOCH! Diese animierten junge Menschen dazu, zur Eröffnungsveranstaltung zu kommen, die versprach, Gleichgesinnte zusammenzubringen, die bereit waren, in ihrer Stadt etwas zu „bewegen“. Etwa 40 Jugendliche folgten dem Aufruf. Nachdem sich alle mit einem Getränk gestärkt hatten, machten wir ein paar Kennenlernspiele, diskutierten die Ergebnisse der Umfrage und wählten einen Namen. Wir nannten uns Jugendinitiative Mühlhausen, kurz JiM – darunter firmierte auch der Verein, der daraus hervorging. Schließlich planten wir das nächste Treffen.

Sowohl die Umfrage als auch die Namensgebung sollten möglichst viele junge Menschen mit dem Projekt verbinden und ein Gefühl der Identifikation, der Gemeinschaft und der Zielsetzung schaffen. Dabei galt es, eine Balance zu finden zwischen dem Freiraum für Eigeninitiative und der Bündelung von gemeinschaftlichen Bedürfnissen und Interessen.

Projekte von JiM

In den folgenden Jahren führte eine Gruppe von etwa 30 Jugendlichen und 3 Erwachsenen (in Teilzeit und ehrenamtlich) eine Reihe von Projekten durch. Einige davon korrespondierten mit den oben genannten Punkten:

  • Treffpunkt: Schule und dann? (Berufsorientierung)

  • Kunst aus Müll (Umwelt-Bewusstsein fördern)

  • Eine Ausstellung, die über Drogen informiert

  • Eine Jobbörse für Schülerinnen (Nachbarschaftsjobs, z. B. Babysitting, Gartenarbeit etc., um Geld zu verdienen)

  • Ein Sommerfestival (mit Bands, u. a. einer erfolgreichen lokalen Band und afrikanischen Trommlern, Essens-, Getränke- und Produktständen sowie Infoständen)

  • Monatlich erscheinendes „JiM, das Magazin“ – das war das Kronjuwel der Projekte, das über den Verein hinaus als Online-Magazin weiterlebte, auch nachdem die meisten der Mitwirkenden nicht mehr in MHL lebten.

Diese Aufzählung klingt einfach. Es war aber alles andere als einfach. Manche Projekte hatten viele Mitwirkende, manche nur zwei, manche sprangen ein, um zu helfen; manche Vorhaben dümpelten vor sich hin (Jobbörse). Ich weiß, dass die Inhalte der Projekte wichtig waren, vor allem, um die Personen zu motivieren, die sie sich ausgedacht hatten, und diejenigen, die sie umgesetzt haben. Dennoch war der Prozess der Umsetzung der Ort, an dem das wirkliche Lernen, insbesondere die Selbsterkenntnis, wuchs. Und bei „Schule und dann?“ konnte man darüber nachdenken, wie dieser Prozess zur Entwicklung von Fähigkeiten und Belastbarkeit und zur Klärung von Interessen beitragen kann.

Am Anfang gab es lange Debatten darüber, was zuerst gebraucht wird – Finanzen oder Ideen? Ich konnte die Teilnehmenden davon überzeugen, dass gute Ideen mit der Zeit zu finanziellen Mitteln führen würden. Wir mussten Fördermittel beantragen, Sponsoren gewinnen und Anzeigen verkaufen. Ohne konkrete Ideen wäre es unmöglich, andere zu überzeugen.

Gemeinsam lernten wir etwas über Fundraising: Wo man sich über Stiftungen informiert (deutlich schwieriger vor der Zeit des Internets) und wie man Anträge schreibt. Eine Kamera wurde von einer deutschen Jugendstiftung gesponsert, die Vervielfältigung des Magazins wurde von einem örtlichen Copyshop gesponsert; wir schickten einen Schwarm von Verkäufern aus, um Anzeigenplätze zu verkaufen. Die Jugendabteilung einer politischen Partei wurde um Mittel für das Sommerfest gebeten. Eine Teilzeit-ABM-Stelle wurde beantragt.

Herausforderungen und Wachstum bei JiM

Es gab auch bürokratische Hürden zu überwinden. Die Brandschutzordnung machte es uns sehr schwer, in einem Keller Müll für das Kunstprojekt zu sammeln. Im Hinblick auf das Sommerfest waren viele rechtliche Einschränkungen zu beachten, die mit den zuständigen städtischen Ämtern zu klären waren. Es gab sogar Krisen, weil sich ein Lokalpolitiker durch einen Artikel in der Zeitschrift beleidigt fühlte. Die Redakteure wurden in Begleitung eines Erwachsenen zu ihm geschickt, um dies zu klären.

Auch die Bindung junger Menschen war nicht immer einfach. Die erste Ausgabe von „JiM – Das Magazin“ sah dilettantisch aus. Das war einigen Leuten so peinlich, dass sie aufhörten. Die nächste Ausgabe wurde mit einem professionelleren computergenerierten Layout erstellt, wurde gedruckt und nicht kopiert. Einige Mitglieder hatten private Dramen zu Hause und in der Schule, die zu unregelmäßiger Anwesenheit führten; andere fühlten sich mit der ganzen Verantwortung überfordert. All diese Probleme wurden in kleinen Gruppen oder in informellen Einzelberatungen angesprochen.

All diese Irrungen und Wirrungen führten zu einer gewissen Fluktuation unter den Mitgliedern, aber auch zur Herausbildung einer engagierten Kerngruppe, die durch die gemeinsame Erfahrung, Herausforderungen zu meistern, noch enger zusammenrückte. Die Kehrseite der Medaille war, dass sich Neulinge nicht immer willkommen fühlten. Ich sprach mich dafür aus, eine Willkommenskultur zu schaffen, um neue Mitglieder zu werben. Dies war ein immer wiederkehrendes Thema, das auf Widerstand stieß.

Natürlich gab es auch reifere Teilnehmende, die die Möglichkeiten unserer Programme wirklich nutzten, um ihre persönlichen Träume zu verfolgen. So konnte beispielsweise eine Jugendliche als Musikjournalistin für „JiM – das Magazin“ ihre Lieblingsbands interviewen. Als Betreuerin ist es jedoch wichtig, die Jugendlichen so zu nehmen, wie sie sind, wo immer sie sind, und mit ihnen zu erarbeiten, wohin sie von dort aus gehen wollen. Wollen sie sich mit ihren eigenen Ideen einbringen? Wollen sie zunächst mit anderen zusammenarbeiten und Erfahrungen und Selbstvertrauen sammeln? Fühlen sie sich bereit, ein Projekt zu leiten und andere zu motivieren? Wissen sie, was für ihr Projekt benötigt wird? Wie können sie sich einbringen? Wo könnten sie Unterstützung brauchen?

In der Planungsphase machten wir eine Liste mit folgenden Fragewörtern: Was (Projektziele, Veranstaltungen usw.)? Wer (verantwortlich für welche Aufgaben)? Wie (Finanzen, Ressourcen etc.)? Wann (Zeitrahmen)? Dann überprüften wir diese Pläne, wenn sich die Umstände änderten oder neue Aufgaben auftauchten.

So wurde die Selbstorganisation gefördert und in den Vordergrund gestellt, auch wenn eine Unterstützung von außen zur Verfügung stand. Dies war nur möglich, weil wir im Stadtjugendhaus ein Büro mit regelmäßigen Öffnungszeiten und mit Besprechungsräumen zur Verfügung hatten. Dadurch konnte man sich dort jederzeit treffen. Einige wenige Mitglieder der Kerngruppe hatten Zugang zu einem Schlüssel zu unserem Büro, den sie von der Stadtjugendhaustheke erhielten. Snacks und Getränke waren im Haus verfügbar. Manche Treffen hatten den Charakter eines gemütlichen Beisammenseins, andere waren zielgerichteter mit klarer Agenda. Beides war wichtig.

Was hat das alles mit New Work zu tun?

Waren all diese Aktivitäten für die berufliche Zukunft der jungen Menschen relevant? Nicht unbedingt direkt, aber indirekt schon. Auf jeden Fall sind die erworbenen Fertigkeiten nicht nur für dieses eine Projekt relevant, sondern auch für das persönliche Leben. Der Hauptzweck der Aktivitäten bestand nicht nur darin, die Jugendlichen ihrem aktuellen Interessensthema näher zu bringen, sondern ihnen die Erfahrung zu vermitteln, dass sie in der Lage sind, ihre eigenen Interessen in Zukunft zu verfolgen und zu vertiefen. Es erweiterte ihren Horizont für Möglichkeiten und gab ihnen das Selbstbewusstsein, sich auf einen neuen Horizont zuzubewegen. Dieser Weg ist selten geradlinig, sondern eine Reihe von Versuchen, Fortschritten, Fehlstarts und Rückschlägen. Frithjof nannte dies „sich mit der Welt reiben“. Aber durch die Arbeit an und in diesen Projekten baute sich die „Resilienz“ auf, damit junge Menschen Rückschläge verkraften. Ich behaupte, dass der Prozess der Durchführung dieser Projekte auch zu einem „erlernten Optimismus“ führt, der den inneren „Neinsager“ ausschaltet (oder leiser stellt). Kritik zu üben ist einfach. Aber sich für etwas zu engagieren, wenn andere behaupten, es sei „unmöglich“, ist nicht einfach. Sich konstruktiver Kritik zu öffnen, um das, was man tut, zu verbessern, erfordert die Bereitschaft, Fehler einzusehen und aus ihnen zu lernen (und nicht nur, sie zu vermeiden, indem man es nie versucht oder aufgibt). Diese Projekte durchbrachen den Mythos, dass wir Einzelkämpfer sein müssen. Vielmehr brauchten wir einander. Gemeinschaft, Netzwerke, gegenseitige Unterstützung und externe Hilfe sind wichtig, damit man als Einzelner (oder als Gruppe) vorankommt. Und gemeinsam macht es einfach mehr Spaß als allein. Der Spaß darf nicht fehlen!

Als Betreuerin einer solchen Jugendarbeit muss man diese Prinzipien selbst verkörpern, diese Perspektive angesichts der Herausforderungen beibehalten und den Erwerb dieser Werkzeuge unterstützen. Das bedeutet, dass man nicht immer die Antworten haben muss und auch nicht die Entscheidungen trifft, sondern andere ermutigt, sich zu informieren. Es bedeutet, dass man so viel wie möglich Input gibt und das Gegenüber ermutigt, sich ebenfalls zu informieren, damit diese Person fundierte Entscheidungen treffen kann. Dann lässt man die jungen Menschen die Entscheidungen treffen und umsetzen, regt sie nötigenfalls dazu an, über Fehler nachzudenken, und steht ihnen im Nachhinein unterstützend zur Seite.

Es war faszinierend zu sehen, wie viele der ehemaligen Teilnehmenden bei einem 10-jährigen Wiedersehen Berufen nachgegangen sind, die zum Teil mit den Projekten und Aufgaben zu tun hatten, die sie bei JiM übernommen hatten. So hat eine der Initiatorinnen des Projekts „Kunst aus Müll“ eine Ausbildung zur Bildhauerin absolviert und ist später Innenarchitektin geworden. Ein anderer, der jahrelang an dem Magazin gearbeitet und sein charakteristisches Layout entwickelte, blieb im Bereich der Kommunikation und gestaltet nebenberuflich Internetseiten.

Ideas @ Work – außerschulisches Projekt

Jahre später, nach meinem Weggang von Mühlhausen, hatte ich erneut die Gelegenheit, ein New-Work-getriebenes Jugendprojekt ins Leben zu rufen. Dieses hatte den Vorteil, dass es von einer Stiftung in Zusammenarbeit mit einer Gesamtschule in NRW unterstützt wurde. Die Schülerinnen und Schüler waren meist um die 17 Jahre alt und besuchten die Klasse 11 der Oberstufe. Diese freiwillige außerschulische Aktivität bestand darin, persönliche Interessen zu vertiefen und diese Erfahrungen für die Berufsorientierung zu nutzen. Der Projektzeitraum betrug ein Schuljahr. Es passte sehr gut, dass in dem gleichen Jahr ein zweiwöchiges Praktikum zu absolvieren war.

Anfangs war angedacht, dass uns eine Lehrerin unterstützt. Zuerst war ich offen für dieses Arrangement, aber ich merkte schnell, dass sie zwar von den Schülerinnen und Schülern gemocht wurde, ihrem Urteilsvermögen aber nicht wirklich traute. Sie unterstellte, dass einige von ihnen nicht in der Lage sein würden, eigene Ideen zu entwickeln, und dass wir ihnen Vorschläge machen sollten. Für mich stand dies in diametralem Gegensatz zu den Grundsätzen von New Work. Ich vereinbarte mit ihr, das Vorhaben allein durchzuführen.

Es gab eine Informationsveranstaltung, danach sollten die Schüler sich entscheiden, ob sie sich bei „Ideas @ Work“ engagieren wollten oder nicht. Von den dreizehn Interessierten blieben zwölf dabei. Ab da haben wir uns einmal in der Woche nachmittags getroffen. Die einzelnen Schülerprojekte fanden jedoch außerhalb dieser Zeit statt.

Die Ausgangssituation war sehr unterschiedlich: Einige brachten bereits Interessen mit, andere hatten keine Ahnung, was sie machen würden. Einige hatten ein gesundes Selbstvertrauen, andere waren etwas unsicher und/oder abhängig von Freunden, Familie oder sogar Lehrern. Einige waren bereits ziemlich unabhängig und halfen zu Hause mit. Eine junge Frau lebte in einer eigenen Wohnung. Viele hatten Migrationshintergrund. Manche verfügten über Taschengeld, andere hatten keines und kamen gelegentlich hungrig zu unserer Sitzung. Ein paar Teilnehmende kannten sich bereits, ein Junge kannte niemanden gut und war sozial etwas unbeholfen. Ein Mädchen (eine muslimische Geflüchtete) hatte noch nie ihr Umfeld verlassen, andere waren bereits allein in nahegelegenen Städten unterwegs.

Unser erstes Ziel war es, Vertrauen innerhalb der Gruppe aufzubauen. Die ersten drei Sitzungen dienten dazu, sich gegenseitig kennenzulernen, das Konzept zu verstehen und organisatorische Details zu klären. Als Moderatorin ist es entscheidend, den Ton anzugeben und eine Atmosphäre der Akzeptanz und des Willkommenseins zu schaffen. Jeder wird ernst genommen, so wie er ist, damit er sich wohlfühlt. Negative Verhaltensweisen wie abfällige Bemerkungen oder Augenrollen werden im Keim erstickt. So entwickelten sie sich zu einer außergewöhnlich engen und hilfsbereiten Truppe.

Wir hatten das große Glück, dass unser Sponsor zwei Wochenendklausuren finanzierte, eine zu Beginn und eine gegen Ende des Programms. Das hat die Gruppendynamik enorm unterstützt. Einerseits gab uns die erste Klausur sofort ein gemeinsames Ziel, nämlich das Wochenende nach unseren eigenen Bedürfnissen und Wünschen zu gestalten. Andererseits konnten wir in konzentrierten Zeitblöcken die Details der einzelnen Projekte ausarbeiten, und natürlich gab es Zeit, sich kennenzulernen und gemeinsam Spaß zu haben.

Wir buchten Zimmer und einen Tagungsraum in einer Jugendherberge. Die Gruppe wählte den Ort aus. Wir beschlossen, dass der Samstagabend in der Diskothek obligatorisch war (ein paar waren wenig begeistert). Wir fuhren am Freitagnachmittag mit dem Zug und kehrten am Sonntag nach einem Mittagessen in der Jugendherberge zurück. Wir hatten vier Zeitblöcke, um an unseren Projektplänen zu arbeiten. Darüber hinaus waren Freizeit, Mahlzeiten und freiwillige Einzelsitzungen vorgesehen. Die Pläne wurden als Vorschläge verfasst, in der Gruppe besprochen und nach dem Feedback überarbeitet. Die Finanzpläne waren nicht unwichtig, denn es gab einen bestimmten Betrag, den die Stiftung übernahm, und es gab bestimmte rechtliche Verfahren, die eingehalten werden mussten, um die Gemeinnützigkeit zu gewährleisten.

Die individuellen Projekte

Es stellte sich heraus, dass manche schnell mit ihren Plänen waren, da sie mit einer festen Idee kamen. So gab es eine Gruppe von vier Jungs, die bereits eine Hip-Hop-Crew hatten, die auf Veranstaltungen auftrat; sie wollten eine professionelle Musikaufnahme mit einem Produzenten in einem Tonstudio machen. Auf der anderen Seite kämpfte ein Junge damit, was ihn über Computerspiele hinaus interessierte und was er wirklich tun wollte. Selbst nach mehreren persönlichen Brainstorming-Sitzungen mit mir war er immer noch ratlos. Der Durchbruch kam dann in der letzten Gruppensitzung am Samstag, nachdem wir viele der Fragen wiederholten, die wir zuvor besprochen hatten. Schließlich drängte ihn einer der Hip-Hopper verbal in die Enge und fragte pointiert: „Jeder kann etwas gut – was kannst du, Mann?“ Nach einiger Zeit kam heraus, dass er ziemlich gut programmieren konnte. Dann kam ihm langsam und nach einigem Zögern die Idee, dass er wirklich gern einen Roboter programmieren wollte, etwas, das er noch nie zuvor getan hatte. Das war ein bahnbrechender Moment. Von da an ging alles Schlag auf Schlag: In den nächsten Wochen gelang es ihm, ein zweiwöchiges Praktikum an der örtlichen Universität zu organisieren, bei dem er tatsächlich einen Roboter als Teil eines Forschungsprojekts programmieren konnte. An diesem Beispiel zeigt sich besonders schön, worauf New Work setzt: Identifiziert sich jemand mit einer Idee, so entwickelt die betreffende Person einen Willen bzw. ein Engagement, das oft zum Ziel führt.

Die Vorschläge wurden geschrieben, ausgetauscht und ausgefeilt. Sie reichten von künstlerischen Projekten (Design und Schneiderei, Fotografie und das bereits erwähnte Hip-Hop-Album) über technische und soziale Projekte bis hin zur Arbeit mit Tieren. Einige erforderten mehr Überlegungen, andere hatten feste Termine, bis zu denen bestimmte Ziele erreicht werden sollten. Viele finanzielle Punkte erforderten mehr Recherche, einige Projekte brauchten keine Finanzierung. Wir hatten wirklich hart gearbeitet und uns die Pizza und den Spaß in der Disco verdient.

Jede Woche unterstützten wir uns gegenseitig, um den nächsten Schritt im Plan zu verfolgen oder den Plan entsprechend zu ändern. Einige der Gruppen trafen sich außerhalb der wöchentlichen Sitzung, um ihre Projekte zu verfolgen. Ich organisierte zum Beispiel ein Treffen für die Hip-Hopper mit einem professionellen Produzenten. Leider war der junge Produzent so sehr darauf bedacht, die „Crew“ zu disziplinieren und zu professionalisieren, dass sie nach dem ersten Treffen fragten, ob sie jemand anderen finden könnten. Für mich war es wichtig, dass ihnen diese Möglichkeit eingeräumt wurde: Es war ihr Vorhaben!

Andere Einzelprojekte mussten aus Zeitmangel oder anderen Gründen verkürzt werden. Das war enttäuschend. Aus dem Traum, eine ganze Kollektion zu entwerfen und eine Modenschau zu veranstalten, wurde die Ausstellung von Entwürfen und die Auswahl geeigneter Stoffmuster. Aus dem Geschäft „Hundeausführungen“ wurden ein Praktikum und die anschließende ehrenamtliche Arbeit im Tierheim. Dies tat den wertvollen Erkenntnissen, die die Teilnehmerinnen und Teilnehmer gewonnen hatten, keinen Abbruch.

Die abschließende Klausur verfolgte folgende Hauptziele:

  • mehr Zeit für die Reflexion der Erfahrungen

  • die Überlegung der persönlichen nächsten Schritte nach der Schule

  • die Organisation einer Ausstellung zur Dokumentation der Projekte, die im Rahmen einer Pressekonferenz in der Schule gezeigt werden sollte.

Die Reflexion und das kameradschaftliche Miteinander waren gelungen; die Ausstellung war ein wenig schlampig bearbeitet (aus meiner Sicht). Dennoch würde ich dem Reflexionsprozess immer den Vorrang geben, denn hier findet die eigentliche persönliche Orientierung statt.

Erstaunlicherweise konnte sich nur eines der vier Mitglieder der „Hip-Hop-Crew“ vorstellen, in Zukunft etwas mit Musik (nicht nur Rap) zu machen. Einer der Frontmänner wollte Jura studieren und Migranten verteidigen. Das passte zu ihm, denn seine Texte waren ein Sprachrohr für Gerechtigkeit. Er war ein beeindruckender Organisator, ein Anführer und Wortführer. Er war derjenige, der mich mit der Ablehnung des ersten Produzenten konfrontierte; er war auch derjenige, der den unsicheren Programmierer in die Enge trieb.

Der Programmierer war der größte „Ausreißer“ in der Gruppe. Er hatte bis dahin Gruppen gemieden, fand aber in dieser Freunde und Unterstützung. Während seines Praktikums entdeckte er, dass er durch das späte Aufstehen am Morgen leistungsfähiger und konzentrierter wurde – etwas, womit er in der Schule immer Probleme gehabt hatte. Er war bei der Programmierung des Roboters so erfolgreich, dass er nicht nur das dringend benötigte Lob erhielt, sondern dass ihm die Abteilung nach seinem Praktikum einen Teilzeitjob nach der Schule anbot, damit er weiter programmieren konnte. Als die Hip-Hopper Kopien ihrer CD brauchten, bot er an, diese bei sich zu Hause viel effizienter zu brennen.

Rückblick: Zurückblicken, um nach vorne zu schauen

Was muss gegeben sein, wenn man mit Jugendlichen nach den Prinzipien von New Work arbeitet? Welche Bedingungen braucht es?

  • Zuerst einmal muss die Jugendarbeit freiwillig und für die Teilnehmenden persönlich bedeutsam sein.

  • Das Programm muss über kompetente und zuverlässige Betreuer sowie eine unterstützende und flexible Infrastruktur verfügen.

  • Darüber hinaus sollten die Projekte eine echte Herausforderung darstellen, Freude bereiten, die Gemeinschaft fördern und zum Nachdenken anregen, ohne dabei pedantisch oder ideologisch zu sein.

  • New-Work-Mentorinnen und -Mentoren müssen sich gut mit dem Konzept auskennen, authentisch und selbstbewusst sein und Fragen stellen, die sie sich selbst bereits gestellt haben. Gleichzeitig sollten sie junge Menschen akzeptieren, respektieren und ernst nehmen, vor allem wenn sie (noch) nicht so selbstbewusst und einfallsreich sind. Dazu gehört sowohl, sie experimentieren und scheitern zu lassen, als auch, sie zu unterstützen. Dies stärkt die Beziehungen zu den Betreuenden und innerhalb der Gruppe sowie die Identifikation mit dem eigenen Vorhaben, die für ernsthaftes Engagement und Nachdenken entscheidend sind. Nicht jeder Traum lässt sich in einem Jugendprojekt verwirklichen, aber ein solches Projekt kann ein Sprungbrett auf dem Weg zu einem Traum sein. Wer ihn verfolgt, wird etwas tun, das erfüllend und sinnvoll ist.

  • Zur stabilen Infrastruktur gehört außerdem eine Grundfinanzierung des Gesamtprogramms. Die einzelnen Projekte selbst können durch Sponsoren, private Stiftungen oder öffentliche Mittel finanziert werden. Einmal habe ich überlegt, eine Bürgerstiftung für Jugendliche zu gründen, wie ich sie in Michigan in den USA kennengelernt habe. Dort beantragen Jugendliche Fördermittel vor einem Gremium, das hauptsächlich aus jungen Leuten besteht. Dies erwies sich jedoch nicht als realisierbar.

Als ich mit 22 Jahren nach Mühlhausen kam, habe ich in gewisser Weise mein eigenes Jugendprojekt für mich geschaffen. Als ich in Michigan war, lernte ich von den New-Work-Schulprojekten in Ann Arbor und von meiner Arbeit als Community Organizerin. Zurück in Mühlhausen konnte ich auf dieser Grundlage die laufende Jugendarbeit in MHL systematischer als bisher angehen. Ideas @ Work war ein außerschulisches Jugendprojekt, das durch Individualisierung und beruflichen Bezug gekennzeichnet war und somit zu zukunftsweisenden Ergebnissen führte. Außerordentlich hilfreich war die von Anfang an gegebene finanzielle Unterstützung.

Gegenwärtig unterrichte ich junge Erwachsene in Englisch an der Universität Tübingen und biete eine Reihe von Kursen an, von denen mir einige sehr am Herzen liegen. Ein Kurs sticht jedoch als eine Art Berufung hervor; er vereint eine Reihe meiner Interessen: Ich nenne ihn „Storytelling Theater“. Es verbindet Playback-Theater (eine Form des Improvisationstheaters) mit interkulturellem Austausch durch das Erzählen persönlicher Geschichten. Hier spielen viele Elemente aus meiner lokalen und internationalen Jugendarbeit eine Rolle: lernen, mit Unbekanntem umzugehen und Fehler zu machen, eine vertrauensvolle Gemeinschaft aufzubauen, Kreativität zu fördern und persönliche biografische Geschichten zu würdigen. Ich bin davon überzeugt, dass ich diesen Kurs nicht ohne meine New-Work-Erfahrung und -Perspektive unterrichten könnte. Nun kann ich die Frage, „Machst du schon, was du wirklich, wirklich willst?“ mit einem authentischen „Zum Teil, ja! Zumindest jetzt.“ beantworten.

Ein legendäres Bild für die Voraussetzungen eines erfüllten Lebens, aber auch einer guten Jugendarbeit, ist Goethes Wunschstein. In Weimar, unweit von Mühlhausen, findet sich der Wunschstein neben Goethes Gartenhaus. Der Stein besteht aus einer Kugel, die auf einen Würfel montiert ist. Diese beiden Teile symbolisieren, was für ein erfülltes Leben notwendig ist: nämlich sowohl ein stabiles Fundament (der Würfel) als auch ein sich ständig veränderndes, dynamisches Leben (die Kugel). Die Legende besagt, dass ein Wunsch in Erfüllung geht, wenn man seine Hand auf diesen Stein legt und sich etwas wünscht. New Work ist im übertragenen Sinne dieses „Handauflegen“, um einerseits die eigenen Wünsche zu identifizieren und sie andererseits dynamisch umzusetzen.

August 23, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/08/new-work-das-original-4-hero-2400x1350-1.jpg 1350 2400 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-08-23 17:46:262026-08-23 17:46:26New Work. Das Original #4: New Work und Jugendarbeit
blog, English, Frithjof Bergmann, Neue Kultur, Zukunft der Arbeit

New Work. The Original #4: New Work and Youth Work

Deutsche Fassung

Using practical experience to explore personal meaning in life

By Rachel Beth Thoma

Beginnings in Mühlhausen — Learning by Doing

Frithjof Bergmann brought me to Mühlhausen in Thuringia (MHL) to establish local and international youth projects that supported the ideas of New Work. Looking back, the five years I spent in Mühlhausen were also a New Work youth project for me personally. I was 22 when I arrived. Frithjof Bergmann and the Mühlhäuser Initiative e. V. association provided a framework in which I could gain practical experience and meet people with whom I could reflect on it. These are the ingredients of good youth work in relation to New Work: a framework that enables life experience and reflection. On the prosaic side, this framework requires resources such as a reliable mentor, a physical space where people can meet and work, a supportive network and financial means. The difficult part is building it in a way that allows authentic relationships, personal ideas and real-life experiences — with all their unpredictability, disorder and time constraints — to be integrated and to grow. The resources are the prose; the experience of self is the living, breathing poetry.

Bergmann told me that Mühlhausen was an industrial, provincial town and that I should spend two weeks there before deciding whether to stay for a year. He gave me the contact details of the recently founded Mühlhäuser Initiative e. V. The founding members arranged a room for me and an interview at the adult education centre, where I could teach English — the paid work that would provide a basis for establishing youth work within the framework of New Work. I had just graduated from university in the United States and knew just enough German to get by. My background was in the humanities, and I came from a Californian public-school tradition that placed a high value on personal responsibility. The town, with its medieval centre, its East German history and its open-minded residents, enchanted me. After a week, I knew that I really, really wanted to stay and try to build something with the people there. I had some savings to support myself for a few months and enough confidence to turn possibilities into reality.

Exchange Programmes

At first, I supported two international programmes: creative-writing workshops and an exchange programme with a region in Michigan (MI), USA. Above all, both programmes brought young people into contact with other people, new ideas and, most importantly, new personal experiences. That is always a good starting point for New Work. The ideas for these programmes came from a partner organisation in the United States, the Huron Shores Writing Institute. Bergmann established the connection with the institute. During a town discussion, people in Mühlhausen had expressed the specific wish to have more links with the United States. It was an honour to be among the first people to support that connection.

I was able to contribute some experience because I had taken part in an exchange programme myself as a student. I designed a cultural orientation meeting and a reflection meeting for returnees, advised exchange students who came to MHL, coordinated the translation of creative texts from the writing workshops and accompanied delegations in both countries. Much of this was voluntary work, although some tasks were paid. The personal growth made possible by these varied responsibilities was priceless.

Local Youth Projects

Over time, I began to develop local youth projects. An informal group met to learn more about New Work. Most were the same teenagers and young adults who were interested in the exchange programmes. We got to know one another and talked at the municipal youth centre about practical philosophy and personal interests. One of them said, “When Rachel speaks, you have to listen very carefully.” This was a reference to the intricate questions I asked in my still rather tangled German. I probably sounded a little like Yoda when, for example, I asked, “When do you feel most alive?” From these modest beginnings grew the project “Meeting Point: School — and then?”, one of several youth-initiative projects. It created an informal atmosphere in which everyone could reflect on their personal interests and career orientation or at least speculate about possible next steps after leaving school.

The typical New Work question I was often asked at the time — “Are you already doing what you really, really want?” — was still a little difficult for me to answer. I believe I was being authentic when I said, “Not quite yet, but I feel as though I am getting closer.” The concept of a calling is not restricted to a single profession or position; it is more like a nirvana towards which one strives. To me, a calling is a living process, more verb than noun; one feels drawn towards it. Like other ideals, such as democracy, ideals must be sustained through new movements, policies and questions. The questions asked in connection with a calling are almost more important than the answers, which are valid only for a limited time.

Working and Living under One Roof — EigenArt e. V.

One concrete youth project that emerged at the time was called EigenArt e. V. As he had done with me, Frithjof Bergmann held many conversations with its principal initiators to help them clarify and strengthen their ideas, connect them with supporters and set them on their own path. They were a few young adults who were uncertain about what to do with their lives but dreamed of renovating a dilapidated half-timbered house with outbuildings and a courtyard. Once the decision had been made, they found a property that could be leased from the church for 30 years. The renovation was carried out as sustainably as possible, using traditional techniques with clay and other ecological materials. Through the project, they wanted to create housing and gardens to reduce their living costs, establish a recycling yard for reusable building materials to generate meaningful jobs and, finally, provide a space where young people could meet and organise local cultural and information events to build community. The project was successful in many respects and breathed new life into the former rectory.

During EigenArt e. V.’s early phase, a small group of founders, friends and supporters met for tea at Martha’s at least once a month. Martha was a local business owner who made the private flat above her tea shop available for the meetings. Although these gatherings were private and unofficial, some participants held official positions in the association. Current EigenArt matters were therefore usually discussed, but individual challenges, dreams and relationships also appeared on the unofficial agenda. We ranged in age from 16 to 40. Each of us was a dreamer in our own way, but also a doer. We were a small community that inspired one another to look beyond the obvious and try new paths. I was not the only person who valued these philosophical and practical discussions. We considered how institutions, buildings and other things had originally begun as ideas in people’s minds and how creating something new therefore requires new ideas. We reflected on the relationship between money, work and passion. To what extent is a passion — an artistic one, for example — lost when it becomes a profession and a financial necessity? Can a calling lead to financial exploitation? Debates followed about the benefits and pitfalls of depending on state funding and job-creation posts, and we drew parallels with dependence and independence in private relationships and divisions of roles. Several very practical initiatives designed to reduce living costs emerged from this group, including car sharing.

Unfortunately, a rift developed between the association’s original founders, leading to changes in personnel. Some members also moved to other towns to work or study. This reflects one of the main problems with such “youth projects”. A close community is often built without considering the need to recruit new members in good time so that the projects can remain sustainable.

Jugendinitiative Mühlhausen (JiM) — Projects for and by Young People

In between, I spent a year in Ann Arbor, Michigan, where I worked both with Frithjof Bergmann and with a local community organiser. During that time, I gathered ideas that I wanted to apply in youth groups. After returning to Thuringia, I began with a survey of the needs and wishes of young people attending secondary, vocational and grammar schools.

Through my contacts with English teachers and schools, I gained access to a wide range of pupils from year seven onwards. Sometimes I was given an entire lesson for the subject. I then used a trick I had often seen Frithjof employ: I took every idea very seriously. A group brainstorming session might go like this:

Me: Imagine you were the mayor. What would you do?

Voice from the room: Abolish school! (The class laughs.)

Me: Good, now there is no school. What happens next?

Voice from the room: Party!!! (Loud approval.)

Me: Great. What do we need for this party? (Suggestions include details such as music, dancing, a DJ and food.)

Me: And how long should this party last? Days? Weeks? And then? What would you do afterwards?

Only then could we truly brainstorm, because it was clear that every idea would be considered — in keeping with the principle that anything goes.

After the brainstorming, a written survey asked:

“What are you worried about?” and “What ideas do you have?” I compiled the results of almost 600 surveys. These were the five most important issues that worried young people in Mühlhausen in the 1990s:

  • Career prospects

  • The environment

  • Drugs

  • Earning money now

  • Nothing for young people to do

The next step required a launch event to discuss everything that would follow. A group of interested young people connected with earlier MHL Initiative projects advised me on where and how the opening event could be made “cool”. We chose the basement of the Cadillac Inn. An art student designed posters bearing the words ARSCH HOCH! — “GET OFF YOUR BUTT!” — in enormous letters. They encouraged young people to attend an opening event that promised to bring together like-minded people ready to make something “move” in their town. Around 40 young people responded. Once everyone had refreshed themselves with a drink, we played a few introductory games, discussed the survey results and chose a name. We called ourselves Jugendinitiative Mühlhausen, or JiM for short, which also became the name of the association that grew from it. Finally, we planned the next meeting.

Both the survey and the naming process were intended to connect as many young people as possible with the project and create a sense of identification, community and purpose. The challenge was to strike a balance between room for individual initiative and the pooling of shared needs and interests.

JiM Projects

Over the following years, a group of about 30 young people and three adults, working part-time and voluntarily, carried out a range of projects. Some corresponded to the issues listed above:

  • Meeting Point: School — and then? (career orientation)

  • Art from Rubbish (promoting environmental awareness)

  • An exhibition providing information about drugs

  • A job exchange for female pupils (neighbourhood jobs such as babysitting and gardening to earn money)

  • A summer festival with bands, including a successful local band and African drummers, food, drink and product stalls, and information stands

  • The monthly “JiM, das Magazin” — the crown jewel of the projects, which survived beyond the association as an online magazine even after most contributors no longer lived in MHL

This list sounds simple. It was anything but simple. Some projects had many contributors, some had only two, and some people stepped in to help. Other projects merely drifted along, such as the job exchange. I know that the projects‘ subject matter was important, especially in motivating the people who conceived and carried them out. Yet the implementation process was where the real learning, particularly self-knowledge, grew. “School — and then?” also offered a chance to consider how that process can develop skills and resilience and help clarify interests.

At the beginning, there were long debates about what was needed first: finance or ideas. I was able to convince the participants that good ideas would, in time, lead to financial resources. We had to apply for grants, win sponsors and sell advertisements. Without concrete ideas, it would have been impossible to convince anyone.

Together, we learned about fundraising: where to find information about foundations, which was considerably harder before the internet, and how to write applications. A camera was sponsored by a German youth foundation, and the magazine’s reproduction was sponsored by a local copy shop. We sent out a swarm of salespeople to sell advertising space. The youth wing of a political party was asked to contribute funds for the summer festival. We applied for a part-time job-creation post.

Challenges and Growth at JiM

There were also bureaucratic obstacles to overcome. Fire regulations made it extremely difficult for us to collect rubbish for the art project in a basement. The summer festival was subject to many legal restrictions that had to be clarified with the appropriate municipal offices. There were even crises when a local politician felt insulted by an article in the magazine. The editors were sent to speak with him, accompanied by an adult, to resolve the matter.

Keeping young people involved was not always easy either. The first issue of “JiM — Das Magazin” looked amateurish. Some people were so embarrassed that they left. The next issue used a more professional computer-generated layout and was printed rather than photocopied. Some members were dealing with personal dramas at home and at school, which led to irregular attendance; others felt overwhelmed by all the responsibility. These problems were addressed in small groups or in informal one-to-one conversations.

All these trials and tribulations caused a degree of turnover among the members, but they also produced a committed core group whose shared experience of overcoming challenges drew them even closer together. The other side of the coin was that newcomers did not always feel welcome. I argued for creating a welcoming culture to recruit new members. This was a recurring issue and met with resistance.

Naturally, there were also more mature participants who truly used the opportunities offered by our programmes to pursue their personal dreams. One young woman, for example, was able to interview her favourite bands as a music journalist for “JiM — das Magazin”. As a youth worker, however, it is important to take young people as they are, wherever they are, and work with them to determine where they want to go from there. Do they want to contribute their own ideas? Do they first want to work with others and gain experience and confidence? Do they feel ready to lead a project and motivate others? Do they know what their project requires? How can they contribute? Where might they need support?

During the planning phase, we made a list using the following question words: What — project objectives, events and so on? Who — responsible for which tasks? How — finance, resources and so forth? When — timeframe? We then reviewed these plans whenever circumstances changed or new tasks arose.

In this way, self-organisation was encouraged and placed at the centre, even though outside support was available. This was possible only because the municipal youth centre provided us with an office with regular opening hours and meeting rooms. People could meet there at any time. A few members of the core group had access to a key to our office, which they obtained from the youth-centre desk. Snacks and drinks were available in the building. Some meetings felt like relaxed social gatherings; others were more focused and had a clear agenda. Both were important.

What Does Any of This Have to Do with New Work?

Were all these activities relevant to the young people’s professional futures? Not necessarily directly, but certainly indirectly. The skills they acquired were relevant not only to that one project but also to their personal lives. The main purpose of the activities was not merely to bring the young people closer to whatever interested them at the time. It was to give them the experience of being capable of pursuing and deepening their own interests in the future. It broadened their horizon of possibilities and gave them the confidence to move towards a new horizon. This path is rarely straight. It is a succession of attempts, advances, false starts and setbacks. Frithjof called this “rubbing up against the world”. Working on and within these projects built the resilience that helps young people cope with setbacks. I would argue that the process of carrying out these projects also creates a form of learned optimism that switches off, or at least turns down, the inner naysayer. Criticism is easy. Committing yourself to something when others claim it is “impossible” is not. Opening yourself to constructive criticism in order to improve what you do requires a willingness to recognise mistakes and learn from them, rather than simply avoiding them by never trying or by giving up. These projects broke through the myth that we must be lone fighters. On the contrary, we needed one another. Community, networks, mutual support and outside help are important if an individual or a group is to make progress. And doing it together is simply more enjoyable than doing it alone. Fun must not be missing.

As the facilitator of this kind of youth work, you have to embody these principles yourself, maintain this perspective in the face of challenges and support people in acquiring these tools. That means you do not always need to have the answers, nor do you make all the decisions. Instead, you encourage others to gather information. You provide as much input as possible and encourage the other person to find out more as well, so that they can make informed decisions. Then you let the young people make and implement those decisions, encourage them to reflect on mistakes when necessary and stand by them supportively afterwards.

It was fascinating to see how many former participants, at a ten-year reunion, had entered professions that were connected in part with the projects and responsibilities they had taken on at JiM. One of the initiators of the “Art from Rubbish” project, for example, trained as a sculptor and later became an interior designer. Another, who had worked on the magazine for years and developed its distinctive layout, remained in the field of communication and designs websites as a second occupation.

Ideas @ Work — an Extracurricular Project

Years later, after leaving Mühlhausen, I once again had the opportunity to launch a New Work-driven youth project. This project had the advantage of being supported by a foundation in cooperation with a comprehensive school in North Rhine-Westphalia. Most of the pupils were around 17 years old and in year 11. This voluntary extracurricular activity involved exploring personal interests more deeply and using those experiences for career orientation. The project lasted for one school year. It fitted very well that the pupils also had to complete a two-week work placement that same year.

The initial plan was for a teacher to support us. At first, I was open to the arrangement, but I quickly realised that, although the pupils liked her, she did not really trust their judgement. She assumed that some of them would be unable to develop their own ideas and that we should make suggestions to them. To me, this was diametrically opposed to the principles of New Work. I agreed with her that I would carry out the project alone.

There was an information event, after which the pupils had to decide whether they wanted to take part in Ideas @ Work. Twelve of the thirteen interested pupils stayed. From then on, we met once a week in the afternoon. The individual pupil projects, however, took place outside that time.

Their starting points varied enormously. Some already had interests; others had no idea what they might do. Some had healthy self-confidence, while others were rather uncertain and/or dependent on friends, family or even teachers. Some were already quite independent and helped at home. One young woman lived in her own flat. Many had migrant backgrounds. Some had pocket money, while others had none and occasionally came to our sessions hungry. A few participants already knew one another. One boy did not know anyone well and was somewhat socially awkward. One girl, a Muslim refugee, had never left her immediate surroundings; others were already travelling alone to nearby towns.

Our first goal was to build trust within the group. The first three sessions were used to get to know one another, understand the concept and clarify organisational details. As a facilitator, it is crucial to set the tone and create an atmosphere of acceptance and welcome. Everyone is taken seriously as they are, so that they feel at ease. Negative behaviour such as disparaging remarks or eye-rolling is stopped at the outset. In this way, they grew into an exceptionally close and supportive group.

We were extremely fortunate that our sponsor financed two weekend retreats, one near the beginning and the other towards the end of the programme. This greatly supported the group dynamic. On the one hand, the first retreat immediately gave us a shared objective: to shape the weekend according to our own needs and wishes. On the other, concentrated blocks of time allowed us to work out the details of the individual projects. There was, of course, also time to get to know one another and have fun together.

We booked rooms and a meeting room in a youth hostel. The group chose the location. We decided that going to the disco on Saturday evening was compulsory, although a few were less than enthusiastic. We travelled by train on Friday afternoon and returned on Sunday after lunch at the hostel. We had four time blocks for working on our project plans. The schedule also allowed for free time, meals and voluntary individual sessions. The plans were written as proposals, discussed within the group and revised in response to feedback. The financial plans were not unimportant: the foundation covered a defined amount, and certain legal procedures had to be followed to preserve charitable status.

The Individual Projects

Some people completed their plans quickly because they arrived with a definite idea. One group of four boys already had a hip-hop crew that performed at events, and they wanted to make a professional recording with a producer in a music studio. At the other end of the spectrum, one boy struggled to identify anything beyond computer games that interested him or that he genuinely wanted to do. Even after several personal brainstorming sessions with me, he was still at a loss. The breakthrough came in the final group session on Saturday, after we had repeated many of the questions we had discussed before. Eventually, one of the hip-hop artists verbally cornered him and asked bluntly, “Everyone is good at something — what can you do, man?” After a while, it emerged that he was rather good at programming. Slowly and after some hesitation, he then had the idea that he would really like to programme a robot, something he had never done before. It was a groundbreaking moment. From then on, events moved quickly. Over the following weeks, he managed to arrange a two-week placement at the local university, where he was actually able to programme a robot as part of a research project. This example shows particularly well what New Work relies on: when someone identifies with an idea, that person develops a will or commitment that often leads to the goal.

The proposals were written, shared and refined. They ranged from artistic projects — design and tailoring, photography and the hip-hop album already mentioned — to technical and social projects and work with animals. Some required more thought, while others had fixed dates by which particular goals had to be achieved. Many financial questions required further research; some projects needed no funding. We had worked very hard and earned both our pizza and the fun at the disco.

Each week, we supported one another in pursuing the next step in the plan or modifying the plan as needed. Some groups met outside the weekly session to pursue their projects. I arranged a meeting, for example, between the hip-hop artists and a professional producer. Unfortunately, the young producer was so intent on disciplining and professionalising the “crew” that, after the first meeting, they asked whether they could find someone else. To me, it was important that they were given that option: it was their project.

Other individual projects had to be shortened because of time constraints or other reasons. That was disappointing. The dream of designing an entire collection and staging a fashion show became an exhibition of designs and a selection of suitable fabric samples. The dog-walking business became a work placement followed by voluntary work at an animal shelter. None of this detracted from the valuable insights the participants had gained.

The final retreat had three main objectives:

  • More time to reflect on the experiences

  • Consideration of personal next steps after school

  • Organisation of an exhibition documenting the projects, to be shown at a press conference at the school

The reflection and companionship were successful; the exhibition was prepared a little carelessly, in my view. Nevertheless, I would always give priority to the reflection process, because that is where genuine personal orientation takes place.

Surprisingly, only one of the four members of the hip-hop crew could imagine doing something with music, and not only rap, in the future. One of the frontmen wanted to study law and defend migrants. This suited him, because his lyrics gave voice to a concern for justice. He was an impressive organiser, leader and spokesperson. He was the person who confronted me about rejecting the first producer; he was also the one who cornered the uncertain programmer.

The programmer was the group’s greatest “outlier”. Until then, he had avoided groups, but in this one he found friends and support. During his placement, he discovered that getting up later in the morning made him more productive and focused — something with which he had always struggled at school. He was so successful at programming the robot that he not only received the praise he urgently needed, but the department also offered him a part-time job after school so that he could continue programming. When the hip-hop artists needed copies of their CD, he offered to burn them much more efficiently at home.

Looking Back in Order to Look Forward

What must be in place when working with young people according to the principles of New Work? What conditions are required?

  • First, youth work must be voluntary and personally meaningful to the participants.

  • The programme must have competent and reliable facilitators and a supportive, flexible infrastructure.

  • The projects should also present a genuine challenge, bring joy, foster community and encourage reflection without becoming pedantic or ideological.

  • New Work mentors must understand the concept well, be authentic and self-confident, and ask questions they have already asked themselves. At the same time, they should accept, respect and take young people seriously, especially when those young people are not yet so confident or inventive. This means both allowing them to experiment and fail and supporting them. It strengthens their relationships with the facilitators and within the group, as well as their identification with their own project, which is crucial for serious commitment and reflection. Not every dream can be realised in a youth project, but such a project can be a springboard on the way to a dream. Anyone who pursues it will do something fulfilling and meaningful.

  • A stable infrastructure also requires basic funding for the overall programme. Individual projects can be financed by sponsors, private foundations or public funds. I once considered creating a community foundation for young people like one I had encountered in Michigan in the United States. There, young people apply for funding before a panel composed mainly of other young people. This idea, however, did not prove feasible.

When I came to Mühlhausen at the age of 22, I was, in a sense, creating my own youth project for myself. While I was in Michigan, I learned from the New Work school projects in Ann Arbor and from my work as a community organiser. Back in Mühlhausen, I was able to use that foundation to approach the ongoing youth work in MHL more systematically than before. Ideas @ Work was an extracurricular youth project characterised by individualisation and a connection with working life, and it therefore led to forward-looking results. The financial support available from the outset was extraordinarily helpful.

Today, I teach English to young adults at the University of Tübingen and offer a range of courses, several of which are very close to my heart. One course, however, stands out as a kind of calling because it combines several of my interests. I call it Storytelling Theatre. It combines playback theatre, a form of improvisational theatre, with intercultural exchange through the telling of personal stories. Many elements from my local and international youth work come into play here: learning to deal with the unknown and make mistakes, building a community of trust, fostering creativity and honouring personal biographical stories. I am convinced that I could not teach this course without my New Work experience and perspective. I can now answer the question “Are you already doing what you really, really want?” with an authentic “In part, yes! At least for now.”

A legendary image for the conditions of a fulfilled life, but also of good youth work, is Goethe’s wishing stone. In Weimar, not far from Mühlhausen, it stands beside Goethe’s garden house. The stone consists of a sphere mounted on a cube. The two parts symbolise what is necessary for a fulfilled life: both a stable foundation, represented by the cube, and a constantly changing, dynamic life, represented by the sphere. Legend has it that a wish comes true if you place your hand on the stone and make that wish. Metaphorically, New Work is this “laying on of the hand”: identifying one’s own wishes on the one hand and putting them dynamically into practice on the other.

August 23, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/08/new-work-das-original-4-hero-2400x1350-1.jpg 1350 2400 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-08-23 17:46:232026-08-23 17:46:23New Work. The Original #4: New Work and Youth Work
blog, Deutsch, KI, Neue Epoche, Neue Kultur, Social Design, Zukunft der Arbeit

Zukunft ist kein Wetterbericht

English version

Fünf KI-Welten, fünf NWNC-Zielbilder und die Frage nach Human Work

English version

Viele Menschen fragen sich gerade, wie unsere Zukunft mit KI aussehen könnte.
Die Antworten bewegen sich zuverlässig zwischen zwei Extremen. Auf der einen
Seite wartet das digitale Paradies: Maschinen erledigen die Arbeit, Wohlstand
wächst, und wir widmen uns endlich dem Wesentlichen. Auf der anderen Seite
steht die letzte Warnmeldung der Menschheit, vermutlich mit einem Button
darunter: „Risiko verstanden“.

Extreme haben einen Vorteil. Sie ersparen uns die mühsame Gestaltung des
Dazwischen.

Wenn das äußerste Take-off-Szenario eintritt und die Menschheit, um den
Fachbegriff zu verwenden, am Arsch ist, erübrigt sich auch die Debatte über
Human Work. Der Transformationsworkshop wird dann eher nicht nachgeholt. Für
alle weniger endgültigen Zukünfte gilt jedoch das Gegenteil: Sie entstehen
nicht einfach. Sie werden durch Investitionen, Beschaffung, Ausbildung,
Arbeitsrecht, Organisationsdesign und sehr alltägliche Entscheidungen geformt.

Zukunft ist kein Wetter, das aus dem Silicon Valley über uns hereinzieht. Wir
müssen nicht nur vorhersagen, ob es regnet. Wir entscheiden mit, ob wir Dächer,
Gärten oder ein Bewässerungssystem bauen.

Der britische Bericht
AI Scenarios 2030
beschreibt fünf mögliche KI-Welten. Er versteht sie ausdrücklich als
Stresstests, nicht als Prognosen. Im Flowbook KI haben wir diesen technischen
Szenarien eigene Bilder gegenübergestellt: den Ghost Learner, den wandernden
Burggraben, die faule KI, die versorgte Unfreiheit und die
Freiheitssubstrate. Unsere kritischen Redaktionsnotizen ergänzen die
unangenehmen Gegenfragen: Was geschieht, wenn KI zur kognitiven Krücke wird?
Wenn Agenten nicht entlasten, sondern Hypertasking erzeugen? Wenn
„Wahrheits-KI“ politischen Streit durch technische Gewissheit ersetzt? Und
wenn mehr Daten zwar mehr Varianten, aber nicht mehr Kreativität hervorbringen?

Der Bericht und die kritischen Notizen sollen hier nicht den Text beherrschen.
Sie liefern den Windkanal. Die eigentliche NWNC-Frage lautet: Welche Form
von Human Work wollen wir in jeder dieser Welten ermöglichen?

Human Work ist dabei nicht der traurige Rest, den eine Maschine noch nicht
beherrscht. Gemeint ist Arbeit, in der Menschen Können aufbauen, Urteil bilden,
Beziehungen gestalten, Verantwortung übernehmen, Widerstand erfahren und
gemeinsam Welt verändern. Sie kann bezahlt oder unbezahlt, digital oder
verkörpert, hoch spezialisiert oder alltäglich sein. Entscheidend ist, ob der
Mensch durch sie handlungsfähiger wird oder nur besser in eine Maschine passt.

76 Sekunden zur Leitfrage: Eine Simulation kann zeigen, was geschehen
könnte. Aber wer entscheidet, was geschehen soll?

Die technische Vertiefung dazu steht im eigenständigen Artikel
Die vorgespurte Welt:
Dort geht es um World Models und die Macht über den Möglichkeitsraum. Hier
geht es um die fünf gesellschaftlichen Szenarien und die Zielbilder für Human
Work, die in sehr unterschiedlichen Zukünften tragen sollen.

1. Slow Burn: Leistung ohne Lernweg

Im Szenario Slow Burn entwickelt sich KI langsamer als von vielen erwartet.
Trotzdem automatisiert sie zahlreiche digitale Routinen. Besonders unter Druck
geraten juniorige und ausführungsorientierte Rollen. Die Revolution kommt
nicht als Explosion. Sie beginnt damit, dass eine Einstiegsstelle nicht mehr
nachbesetzt wird.

Unser Spiegelbild für dieses Szenario ist der Ghost Learner. Eine junge
Mitarbeiterin liefert mit KI gute Analysen, saubere Texte und brauchbare
Entwürfe. Nach außen sieht das nach Kompetenz aus. Im Inneren ist womöglich
wenig gewachsen: kein Fallgedächtnis, kein Gefühl für Ausnahmen, keine
Erfahrung damit, warum eine plausible Antwort trotzdem falsch sein kann.

Die Kritik an KI als kognitiver Krücke trifft hier einen realen Nerv. Wenn
Menschen Aufgaben vollständig auslagern, kann gute Assistenz schwaches Lernen
verdecken. Eine 2025 in den Proceedings of the National Academy of Sciences
veröffentlichte
Feldstudie mit fast 1.000
Schülerinnen und Schülern zeigte genau dieses Muster in einem begrenzten
Kontext: Eine weitgehend ungebremste GPT-4-Oberfläche verbesserte die Leistung
während der Übung. Ohne KI schnitt diese Gruppe im anschließenden Test jedoch
schlechter ab als die Kontrollgruppe. Ein didaktisch begrenzter Tutor, der
Hinweise statt fertiger Lösungen gab, vermied den negativen Effekt weitgehend.

Die Studie handelt von Mathematikunterricht, nicht vom gesamten Arbeitsleben.
Sie beweist keine allgemeine Verdummung durch KI. Sie zeigt etwas Wichtigeres:
Output und Können sind nicht dasselbe.

Die falsche Antwort wäre, alte Routinen aus pädagogischer Nostalgie zu retten.
Niemand muss drei Jahre Folien polieren, damit irgendwann strategisches Denken
entsteht. Das alte Lehrlingsmodell war oft nur ein Tauschgeschäft: Die Jungen
erledigen die langweiligen Dinge, die Alten nennen es Erfahrung, und später
darf man selbst langweilige Dinge delegieren.

Das NWNC-Zielbild ist deshalb nicht weniger KI, sondern eine neue
Lernarchitektur. Assistenzsysteme geben Hinweise, zeigen Alternativen und
erklären Unsicherheit. Menschen bearbeiten reale Fälle, treffen begründete
Entscheidungen, üben zeitweise ohne Assistenz und erhalten Rückmeldung von
erfahrenen Kolleginnen. Gemessen wird nicht nur, ob das Ergebnis stimmt,
sondern ob jemand erklären, anfechten und übertragen kann, was er getan hat.

Human Work bedeutet in Slow Burn: Menschen dürfen an Arbeit wachsen, auch
wenn die Maschine sie schneller erledigen könnte.

Der Kipppunkt liegt dort, wo Organisationen gute Ergebnisse mit gewachsener
Urteilskraft verwechseln. Wer heute keine Lernwege baut, hat morgen vielleicht
viele Prüferinnen, aber kaum jemanden, der das Prüfen lernen durfte.

2. Open Frontier: Zugang ohne Souveränität

In Open Frontier rücken offene und geschlossene Modelle näher zusammen.
Leistungsfähige KI wird für mehr Organisationen, Regionen und Gemeinschaften
zugänglich. Das klingt nach Demokratisierung. Es kann eine sein.

NWNC setzt daneben das Bild vom wandernden Burggraben. Wenn Modelle
leichter verfügbar werden, verschwindet Abhängigkeit nicht automatisch. Sie
wandert zu Rechenzentren, Energie, Daten, Chips, Fachkräften, Audits und
Vertriebskanälen. Offene Gewichte können eine offene Tür sein in einem Haus,
das jemand anderem gehört.

Dazu kommt die Kreativitätsfrage. Mehr Daten erzeugen mehr Kombinationen. Das
ist nicht nichts. Aber Kreativität besteht nicht nur darin, den
Möglichkeitsraum zu füllen. Sie besteht auch darin, etwas wegzulassen, eine
Spannung auszuhalten, einen unpopulären Bezug herzustellen oder zu wissen,
wann die eintausendste Variante das Problem nur höflich vergrößert.

Human Work liegt in dieser Welt deshalb nicht im bloßen Bedienen offener
Modelle. Es liegt im Aufbau lokaler Fähigkeit: Systeme verstehen, anpassen,
warten und wechseln; Daten mitnehmen; Fehler beheben; Modelle in Sprache,
Kultur, Fachpraxis und konkrete Lebenswelten einbetten. Eine Gemeinde, ein
Medienhaus oder eine Genossenschaft wird nicht souverän, weil jemand ein
Open-Source-Modell heruntergeladen hat. Souverän wird sie, wenn Menschen es
verantwortlich betreiben und notfalls ohne den ursprünglichen Anbieter
weiterarbeiten können.

Das NWNC-Zielbild ist die KI-Werkstatt statt der KI-Zapfsäule. Schulen,
Bibliotheken, Verwaltungen, Betriebe und lokale Gemeinschaften erhalten Zugang
zu Compute, Energie, offenen Werkzeugen und Lernräumen. Sie konsumieren nicht
nur fertige Intelligenz. Sie bauen Gegenmacht durch Können auf.

Human Work bedeutet in Open Frontier: Menschen machen aus technischem
Zugang eine soziale Fähigkeit.

Der Kipppunkt ist Ausstiegsfähigkeit. Wenn Daten, Abläufe und Kompetenz lokal
bleiben, kann Offenheit Freiheit verteilen. Wenn nur das Modell offen ist,
während alles andere gemietet bleibt, hat der Burggraben lediglich die Straße
gewechselt.

3. Augmented Growth: Hilfe ohne Handlungsmacht

Augmented Growth ist die freundlichste der fünf Welten. KI automatisiert
große Teile digitaler Arbeit, neue Rollen entstehen, öffentliche und private
Dienste verbessern sich, Menschen bleiben aus rechtlichen, sozialen und
praktischen Gründen in vielen Schleifen.

Aber „Human in the loop“ ist noch keine Stellenbeschreibung. Der Mensch kann
urteilen, Gegenmodelle verlangen und eine Empfehlung verändern. Er kann auch
nur am Ende auf „Bestätigen“ klicken, damit die Haftung wieder einen Namen hat.
Die Oberfläche sieht in beiden Fällen fast gleich aus. Macht hat bekanntlich
kein eigenes Icon.

Auch Agenten lösen dieses Machtproblem nicht automatisch. Sie können
entlasten, aber ebenso mehr parallele Aufträge, Statusmeldungen und
Entscheidungen erzeugen. Drei Agenten, die gleichzeitig Zeit sparen, können
erstaunlich viel Zeit benötigen. Wenn Bots einander Zusammenfassungen von
Zusammenfassungen schicken, wächst nicht zwingend Erkenntnis. Manchmal wächst
nur die Anzahl sehr effizient erzeugter Gründe, noch ein Dashboard zu öffnen.

Unser Gegenbild ist die faule KI. Sie ist keine schwache KI und keine
Prognose. Sie ist ein Zielbild für ein begrenztes, menschenkluges System. Eine
faule KI automatisiert nicht jede Pause, beobachtet nicht jeden Arbeitsschritt
und beschleunigt nicht jeden schlechten Prozess. Sie weiß, dass menschliche
Latenz kein Systemfehler ist. In dieser Zeit entstehen Zweifel, Beziehung,
Humor, Konfliktklärung und Verantwortung.

Human Work umfasst in Augmented Growth vor allem Rahmung und Beziehung: das
richtige Problem wählen, Prioritäten setzen, Betroffene hören, Werte
abwägen, Widersprüche aushalten, Entscheidungen erklären und für ihre Folgen
einstehen. Menschen müssen nicht in jeder technischen Schleife bleiben. Aber
sie müssen dort wirksam bleiben, wo Ziele umstritten, Folgen ungleich verteilt
oder Entscheidungen schwer rückholbar sind.

Das NWNC-Zielbild ist Co-Agency. KI erweitert den Handlungsspielraum, ohne
den Menschen zum dekorativen Freigabepunkt zu machen. Beschäftigte können
Annahmen öffnen, Daten korrigieren, Empfehlungen überstimmen, Prozesse stoppen
und begründet eine langsamere Route wählen. Teams erhalten nicht nur neue
Tools, sondern auch ein Recht auf Konzentration.

Human Work bedeutet in Augmented Growth: Der Mensch bleibt nicht in der
Schleife. Sein Urteil verändert die Schleife.

Der Kipppunkt liegt zwischen Eingriff und Bestätigung. Wenn Widerspruch eine
reale Wirkung hat, entsteht Zusammenarbeit. Wenn er nur protokolliert wird,
entsteht Haftungstheater mit freundlicher Benutzeroberfläche.

4. Transformation Economy: Versorgung ohne Teilhabe

In der Transformation Economy bleibt der technische Fortschritt hoch, aber
die soziale Bilanz kippt. Viele kognitive Aufgaben werden automatisiert,
Einstiegswege brechen weg, Gewinne und Infrastruktur konzentrieren sich. Eine
Gesellschaft kann dabei materiell reicher und menschlich ärmer werden.

Wir nennen diese Möglichkeit versorgte Unfreiheit. Menschen können
ein Einkommen, ausgezeichnete automatisierte Dienste und einen persönlichen
KI-Assistenten besitzen und trotzdem keinen Schlüssel zum Maschinenraum haben.
Sie sind versorgt, aber nicht beteiligt. Eine Bürgerdividende verteilt Ertrag.
Sie verteilt noch keine Urteilsmacht, Werkzeuge oder gesellschaftliche Rolle.

Noch grundsätzlicher ist die Idee einer „Wahrheits-KI“. Politische und
gesellschaftliche Konflikte sind nicht bloß schlecht gelöste
Informationsprobleme. Eine KI kann Fakten prüfen, Folgen simulieren und
Widersprüche zeigen. Sie kann aber nicht neutral entscheiden, welche
Ungleichheit gerecht, welches Risiko zumutbar oder welche Zukunft
wünschenswert ist. Wer solchen Streit an eine angeblich objektive Maschine
delegiert, beseitigt Politik nicht. Er versteckt sie in Trainingszielen,
Zugangsrechten und Systemprompts.

Human Work darf in dieser Welt nicht auf Restbeschäftigung reduziert werden.
Arbeit ist auch Beitrag, Fürsorge, Handwerk, Lernen, Selbstklärung,
Nachbarschaft, Kunst und gemeinsames Bauen. Menschen brauchen Weltkontakt und
die Erfahrung, dass ihr Handeln für andere einen Unterschied macht. Freizeit
allein erzeugt das nicht. Ein gut ausgestatteter Warteraum bleibt ein
Warteraum.

Das NWNC-Zielbild verbindet materielle Sicherheit mit
Freiheitssubstraten: Zeit, Lernorte, Werkzeuge, Energie, Daten,
Rechenleistung, Gemeinschaft, geschützte Räume und einklagbare Rechte. Dazu
kommen neue Formen gemeinsamer Produktion: lokale Werkstätten, öffentliche
KI-Labore, Genossenschaften, offene Wissensräume und Institutionen, in denen
Menschen Infrastruktur nicht nur nutzen, sondern mitgestalten und mitbesitzen.

Human Work bedeutet in Transformation Economy: Menschen erhalten nicht nur
Versorgung, sondern die Mittel, einen wirksamen Beitrag zu wählen.

Der Kipppunkt liegt beim Eigentum an den Möglichkeiten. Werden Menschen zu gut
versorgten Konsumenten maschineller Leistung, wächst Abhängigkeit. Erhalten sie
Zeit, Können, Rechte und Infrastruktur, kann Produktivität tatsächlich Freiheit
finanzieren.

5. Take-Off: Geschwindigkeit ohne Richtung

Take-Off ist der äußerste Stresstest. Führende Systeme übertreffen Menschen
in fast allen kognitiven Aufgaben, KI beschleunigt die weitere KI-Forschung,
ein geopolitisches Wettrennen schwächt Sicherheitsgrenzen. Das Szenario ist
keine Vorhersage. Es prüft, was geschieht, wenn technische Geschwindigkeit die
institutionelle Reaktionsfähigkeit überholt.

Die irrationalen Antworten darauf sind bekannt: religiöse Erlösung oder
komplette Lähmung. Entweder die Maschine löst alles, oder man könne ohnehin
nichts mehr tun. Beide Haltungen sind erstaunlich bequem. Die eine lagert
Hoffnung aus, die andere Verantwortung.

Unsere Antwort darauf ist Beschleunigung ohne Take-off-Gewissheit und
epistemische Demut. KI hilft bereits beim Bau von KI. Wo Ergebnisse klar
prüfbar sind, kann maschinelle Suche Forschung erheblich beschleunigen. Wo
Ziele umstritten, Folgen langfristig und Werte nicht messbar sind, bleibt
Richtung eine menschliche und politische Aufgabe.

Human Work wird in dieser Welt nicht durch Schnelligkeit konkurrenzfähig. Es
wird durch Legitimation, Mut und Begrenzung unverzichtbar. Menschen müssen
entscheiden, welche Ziele nicht optimiert, welche Systeme nicht autonom
verbunden und welche Schritte nicht ohne Zustimmung ausgelöst werden dürfen.
Pflege, Handwerk, Schule, Medizin, Landwirtschaft und andere verkörperte
Arbeiten sind dabei keine rückständigen Zonen. Sie erinnern daran, dass Welt
nicht nur aus Information besteht und Verantwortung nicht auf einem Server
wohnt.

Das NWNC-Zielbild sind verfassungsähnliche Bremsen für Beschleunigung:
unabhängige Gegenmodelle, dokumentierte Unsicherheit, menschliche Stopprechte,
mehrere technische Wege, ein betreibbarer Notmodus und bewusst langsame
Verfahren für irreversible Entscheidungen. Ein roter Knopf, der erst die KI um
Erlaubnis fragt, ist farblich interessant und sonst eher Dekoration.

Human Work bedeutet in Take-Off: Menschen geben Richtung, gerade wenn sie
mit der Geschwindigkeit der Maschine nicht konkurrieren können.

Der Kipppunkt liegt dort, wo Beschleunigung zur Begründung ihrer eigenen
Unkontrollierbarkeit wird. Zukunftsgestaltung beginnt lange davor: bei jeder
Entscheidung, die heute Widerspruch, Vielfalt und Abschaltbarkeit einbaut oder
wegoptimiert.

Vier Warnungen, die durch alle fünf Welten laufen

Aus der Spiegelung der fünf Welten ergeben sich vier einfache
Unterscheidungen.

Leistung ist nicht Lernen. Ein gutes Ergebnis kann Kompetenz zeigen. Es
kann Kompetenz auch verdecken. Systeme müssen sichtbar machen, ob Menschen
Urteil aufbauen oder nur Antworten beziehen.

Zugang ist nicht Souveränität. Ein verfügbares Modell ist noch keine
eigene Fähigkeit. Souveränität beginnt mit Können, Portabilität,
Infrastrukturzugang und dem Recht, einen Anbieter zu verlassen.

Assistenz ist nicht Agency. Wer schneller arbeitet, entscheidet nicht
automatisch mehr. Agency zeigt sich daran, ob Menschen Ziele verändern,
Widerspruch wirksam machen und Prozesse stoppen können.

Information ist nicht Wahrheit und Wahrheit ist nicht Konsens. KI kann
Belege ordnen und Behauptungen prüfen. Sie darf den gesellschaftlichen Streit
darüber, was gelten soll, nicht als Rechenfehler behandeln.

Diese Warnungen sind keine Anti-KI-Position. Sie sind eine anspruchsvollere
Pro-KI-Position. Eine Technologie ist nicht deshalb menschenzentriert, weil im
Organigramm noch Menschen vorkommen. Sie muss Menschen fähiger machen, ihre
Welt zu verstehen und zu verändern.

Ein Zielbild für Human Work

Wir sollten die fünf Szenarien deshalb nicht mit einer sechsten Prognose
beantworten. Wir brauchen Zielbilder, die in mehreren Zukünften tragen.

Human Work ist lernfähig. Jede Automatisierung beantwortet auch die Frage,
wie Anfängerinnen Erfahrung gewinnen und wie Expertise erneuert wird.

Human Work ist anfechtbar. Menschen können Annahmen, Daten und
Entscheidungen prüfen, korrigieren und stoppen, ohne dafür gegen die gesamte
Organisation kämpfen zu müssen.

Human Work ist souverän. Kritische Arbeit bleibt auch bei Anbieterwechsel,
Netzausfall oder politischem Konflikt in einer einfacheren Form möglich.

Human Work ist verkörpert und beziehungsfähig. Pflege, Bildung, Handwerk,
Kunst, Konflikt und gemeinsames Lernen werden nicht an der Geschwindigkeit von
Bildschirmarbeit gemessen.

Human Work ermöglicht Beitrag. Materielle Sicherheit wird mit realen
Möglichkeiten verbunden, etwas zu können, zu bauen, zu geben und gemeinsam zu
entscheiden.

Human Work darf langsam sein. Nicht jede Verzögerung ist Ineffizienz.
Manche Langsamkeit ist Prüfung. Manche Reibung ist Lernen. Manche Pause ist der
Moment, in dem jemand merkt, dass das System gerade sehr elegant das Falsche
tut.

Ein Zielbild ist keine Utopie zum Aufhängen. Es ist eine Entscheidungsfolie.
Man erkennt es im Ausbildungsbudget, in der Beschaffungsklausel zur
Datenportabilität, im Stopprecht einer Sachbearbeiterin, in der Zeit für ein
Lehrgespräch, im lokalen Server, in der offenen Werkstatt und in der Frage, wer
an einer Automatisierungsrendite beteiligt wird.

So wird Zukunft geformt: nicht durch die eine große Entscheidung im Jahr 2030,
sondern durch tausend kleine Festlegungen darüber, was Menschen lernen dürfen,
worüber sie verfügen und wo ihr Urteil zählt.

Wir können nicht wissen, welche der fünf KI-Welten kommt. Wahrscheinlich wird
es ohnehin eine unordentliche Mischung. Aber wir können bestimmen, welche
menschlichen Möglichkeiten in dieser Mischung robust bleiben sollen.

Die Zukunft ist kein Wetterbericht.

Sie ist eine gemeinsame Baustelle. Das ist anstrengender als Vorhersagen. Aber
wenigstens diskutieren wir dann nicht über Regenschirme, während andere bereits
den Beton gießen.

Trusted New Work AI: Prüfspur statt Vertrauensbehauptung

Trusted New Work AI: Szenarien prüfen, Zielbilder verantworten

Dieser Artikel trennt externe Szenarien, empirische Evidenz und eigene
NWNC-Interpretation. Die fünf technischen Zukunftsbilder stammen aus dem
britischen Szenariobericht. Die Begriffe Ghost Learner, wandernder Burggraben,
faule KI, versorgte Unfreiheit und Freiheitssubstrate sind Denkfiguren aus dem
Flowbook KI. Die kritischen Notizen aus DU MAIN Social wurden als redaktionelle
Gegenfragen verwendet, nicht als Sachbelege. Der konkrete Lernclaim wurde an
der PNAS-Primärstudie geprüft und auf deren begrenzten Kontext beschränkt.

KI-Werkzeuge haben Recherche, Gegenprüfung und Textarbeit unterstützt. Kein
Modellurteil gilt als Sachbeleg oder Wahrheitsbeweis. Auswahl, Gewichtung,
Formulierung und Verantwortung bleiben menschliche Redaktionsarbeit.

Quellen und Weiterlesen

  • UK Government Office for Science: AI Scenarios 2030
  • Hamsa Bastani et al.: Generative AI without guardrails can harm learning
  • Flowbook KI
August 22, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/08/zukunft-ist-kein-wetterbericht-nwnc-dark.png 900 1600 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-08-22 18:13:232026-08-22 18:13:23Zukunft ist kein Wetterbericht
blog, English, KI, Neue Epoche, Neue Kultur, Social Design, Zukunft der Arbeit

The Future Is Not a Weather Forecast

Deutsche Fassung

Five AI worlds, five NWNC visions, and the question of Human Work

Deutsche Fassung

Many people are asking what our future with AI might look like. The answers
reliably move between two extremes. On one side, the digital paradise awaits:
machines do the work, prosperity grows, and we can finally devote ourselves to
what matters. On the other side stands humanity’s final warning message,
presumably with a button underneath that says: “Risk understood.”

Extremes have one advantage. They spare us the difficult work of shaping
everything in between.

If the most extreme take-off scenario occurs and humanity is, to use the
technical term, screwed, the debate about Human Work becomes redundant. The
transformation workshop is unlikely to be rescheduled. For every less final
future, however, the opposite is true: it will not simply happen. It will be
shaped by investment, procurement, education, labour law, organisational
design, and very ordinary decisions.

The future is not weather rolling in over us from Silicon Valley. We do not
merely have to predict whether it will rain. We help decide whether to build
roofs, gardens, or an irrigation system.

The British report
AI Scenarios 2030
describes five possible AI worlds. It explicitly treats them as stress tests,
not predictions. In Flowbook AI, we set our own images alongside these
technical scenarios: the Ghost Learner, the migrating moat, lazy AI, provided
unfreedom, and freedom substrates. Our critical editorial notes add the
uncomfortable counterquestions: What happens when AI becomes a cognitive
crutch? When agents create hypertasking instead of relief? When “truth AI”
replaces political disagreement with technical certainty? And when more data
produces more variations but not more creativity?

The report and the critical notes are not meant to dominate this article. They
provide the wind tunnel. The real NWNC question is: What form of Human Work
do we want to enable in each of these worlds?

Human Work is not the sorry remainder that a machine has not yet mastered. It
means work through which people build ability, form judgement, shape
relationships, assume responsibility, encounter resistance, and change the
world together. It may be paid or unpaid, digital or embodied, highly
specialised or everyday. What matters is whether it makes people more capable
of action or merely better fitted to a machine.

The following short video sharpens the shared decision point: simulations can
show what might happen, but people remain responsible for deciding what should
happen.

The technical deep dive is the separate article
The Pre-Scripted World:
it examines world models and power over the possibility space. This article
examines the five societal scenarios and the visions for Human Work that
should remain robust across very different futures.

1. Slow Burn: Performance without a learning path

In the Slow Burn scenario, AI develops more slowly than many expect. Even so,
it automates numerous digital routines. Junior and execution-oriented roles
come under particular pressure. The revolution does not arrive as an
explosion. It begins when an entry-level position is not filled again.

Our mirror image for this scenario is the Ghost Learner. A young employee
uses AI to produce good analyses, polished texts, and workable drafts. From the
outside, this looks like competence. Inside, little may have grown: no memory
of cases, no feel for exceptions, no experience of why a plausible answer can
still be wrong.

The critique of AI as a cognitive crutch touches a real nerve here. When people
fully outsource tasks, good assistance can conceal weak learning. A 2025
field study published in the
Proceedings of the National Academy of Sciences, involving almost 1,000
students, found precisely this pattern in a limited context: a largely
unrestricted GPT-4 interface improved performance during practice. Without AI,
however, that group performed worse than the control group in the subsequent
test. A pedagogically constrained tutor that offered hints instead of complete
solutions largely avoided the negative effect.

The study concerns mathematics education, not working life as a whole. It does
not prove that AI generally makes people less intelligent. It shows something
more important: output and ability are not the same thing.

The wrong answer would be to preserve old routines out of pedagogical
nostalgia. Nobody needs to spend three years polishing slides so that strategic
thinking can eventually emerge. The old apprenticeship model was often merely
an exchange: the young do the boring things, the old call it experience, and
later you are allowed to delegate boring things yourself.

The NWNC vision is therefore not less AI but a new learning architecture.
Assistance systems provide hints, show alternatives, and explain uncertainty.
People work on real cases, make reasoned decisions, practise periodically
without assistance, and receive feedback from experienced colleagues. We
measure not only whether the result is correct, but whether someone can
explain, challenge, and transfer what they have done.

In Slow Burn, Human Work means that people are allowed to grow through work,
even when the machine could do it faster.

The tipping point comes when organisations confuse good results with developed
judgement. Those who build no learning paths today may have plenty of reviewers
tomorrow, but hardly anyone who was ever allowed to learn how to review.

2. Open Frontier: Access without sovereignty

In Open Frontier, open and closed models move closer together. Powerful AI
becomes accessible to more organisations, regions, and communities. That
sounds like democratisation. It can be.

NWNC sets the image of the migrating moat alongside it. When models become
more readily available, dependence does not automatically disappear. It moves
to data centres, energy, data, chips, skilled people, audits, and distribution
channels. Open weights can be an open door in a house that belongs to someone
else.

Then there is the creativity question. More data generates more combinations.
That is not nothing. But creativity is not merely about filling the space of
possibilities. It is also about leaving something out, sustaining a tension,
making an unpopular connection, or knowing when the thousandth variation is
only making the problem politely larger.

Human Work in this world therefore lies not in merely operating open models.
It lies in building local capability: understanding, adapting, maintaining,
and switching systems; taking data with you; fixing errors; embedding models
in language, culture, professional practice, and concrete ways of life. A
municipality, media organisation, or cooperative does not become sovereign
because someone downloaded an open-source model. It becomes sovereign when
people can operate that model responsibly and continue working without the
original provider if necessary.

The NWNC vision is the AI workshop rather than the AI filling station.
Schools, libraries, public authorities, businesses, and local communities gain
access to compute, energy, open tools, and spaces for learning. They do not
merely consume ready-made intelligence. They build countervailing power through
ability.

In Open Frontier, Human Work means that people turn technical access into a
social capability.

The tipping point is the ability to exit. If data, processes, and competence
remain local, openness can distribute freedom. If only the model is open while
everything else remains rented, the moat has merely moved across the street.

3. Augmented Growth: Assistance without agency

Augmented Growth is the friendliest of the five worlds. AI automates large
parts of digital work, new roles emerge, public and private services improve,
and people remain in many loops for legal, social, and practical reasons.

But “human in the loop” is not yet a job description. A person may exercise
judgement, demand countermodels, and change a recommendation. Or they may only
click “Confirm” at the end so that liability once again has a name. The
interface looks almost identical in both cases. Power, as we know, has no icon
of its own.

Nor do agents automatically solve this power problem. They can provide relief,
but they can just as easily generate more parallel tasks, status messages, and
decisions. Three agents all saving time at once can require a remarkable amount
of time. When bots send each other summaries of summaries, insight does not
necessarily grow. Sometimes only the number of efficiently generated reasons
to open yet another dashboard grows.

Our counter-image is lazy AI. It is neither weak AI nor a prediction. It is
a vision for a bounded system with human wisdom. A lazy AI does not automate
every pause, monitor every step of work, or accelerate every bad process. It
understands that human latency is not a system error. Doubt, relationships,
humour, conflict resolution, and responsibility arise in that time.

In Augmented Growth, Human Work primarily encompasses framing and
relationships: choosing the right problem, setting priorities, listening to
those affected, weighing values, sustaining contradictions, explaining
decisions, and taking responsibility for their consequences. People do not
need to remain in every technical loop. But they must remain effective wherever
goals are contested, consequences are distributed unequally, or decisions are
difficult to reverse.

The NWNC vision is co-agency. AI expands people’s scope for action without
turning them into decorative approval points. Employees can open assumptions,
correct data, override recommendations, stop processes, and choose a slower
route for good reasons. Teams receive not only new tools but also a right to
concentrate.

In Augmented Growth, Human Work means that the human does not merely remain
in the loop. Human judgement changes the loop.

The tipping point lies between intervention and confirmation. When dissent has
a real effect, collaboration emerges. When it is merely logged, the result is
liability theatre with a friendly interface.

4. Transformation Economy: Provision without participation

In the Transformation Economy, technical progress remains high, but the
social balance tips. Many cognitive tasks are automated, entry paths break
down, and profits and infrastructure become concentrated. A society can become
materially richer and humanly poorer at the same time.

We call this possibility provided unfreedom. People may have an income,
excellent automated services, and a personal AI assistant, yet still possess
no key to the machine room. They are provided for but not involved. A citizen
dividend distributes returns. It does not yet distribute judgement, tools, or
a social role.

More fundamental still is the idea of a “truth AI”. Political and social
conflicts are not simply badly solved information problems. AI can check facts,
simulate consequences, and reveal contradictions. But it cannot neutrally
decide which inequality is just, which risk is acceptable, or which future is
desirable. Anyone who delegates such conflict to an allegedly objective
machine does not abolish politics. They hide it in training objectives, access
rights, and system prompts.

Human Work in this world must not be reduced to residual employment. Work is
also contribution, care, craft, learning, self-clarification, neighbourhood,
art, and building things together. People need contact with the world and the
experience that their actions make a difference to others. Leisure alone does
not provide that. A well-equipped waiting room is still a waiting room.

The NWNC vision combines material security with freedom substrates: time,
places to learn, tools, energy, data, computing power, community, protected
spaces, and enforceable rights. It also includes new forms of collective
production: local workshops, public AI labs, cooperatives, open knowledge
spaces, and institutions in which people do not merely use infrastructure but
help shape and own it.

In Transformation Economy, Human Work means that people receive not only
provision but the means to choose an effective contribution.

The tipping point lies in ownership of possibilities. If people become
well-provided consumers of machine performance, dependence grows. If they gain
time, ability, rights, and infrastructure, productivity can genuinely finance
freedom.

5. Take-Off: Speed without direction

Take-Off is the most extreme stress test. Leading systems surpass people in
almost all cognitive tasks, AI accelerates further AI research, and a
geopolitical race weakens safety boundaries. The scenario is not a prediction.
It tests what happens when technical speed overtakes institutions‘ ability to
respond.

The irrational responses are familiar: religious salvation or total paralysis.
Either the machine solves everything, or there is supposedly nothing we can do
anyway. Both attitudes are remarkably convenient. One outsources hope; the
other outsources responsibility.

Our response is acceleration without take-off certainty and epistemic
humility
. AI is already helping to build AI. Where results can be clearly
verified, machine search can accelerate research considerably. Where goals are
contested, consequences are long-term, and values cannot be measured, direction
remains a human and political task.

Human Work does not become competitive through speed in this world. It becomes
indispensable through legitimacy, courage, and limitation. People must decide
which objectives must not be optimised, which systems must not be connected
autonomously, and which steps must not be triggered without consent. Care,
craft, school, medicine, agriculture, and other embodied work are not backward
zones. They remind us that the world is not made only of information and that
responsibility does not live on a server.

The NWNC vision is constitutional brakes for acceleration: independent
countermodels, documented uncertainty, human stop rights, several technical
paths, an operable fallback mode, and deliberately slow procedures for
irreversible decisions. A red button that first asks the AI for permission is
interesting as a colour choice and otherwise mostly decoration.

In Take-Off, Human Work means that people provide direction precisely when
they cannot compete with the machine’s speed.

The tipping point comes when acceleration becomes the justification for its
own uncontrollability. Shaping the future begins long before that: with every
decision made today that builds in—or optimises away—dissent, diversity, and
the ability to shut systems down.

Four warnings that run through all five worlds

Four simple distinctions emerge from reflecting these five worlds.

Performance is not learning. A good result can demonstrate competence. It
can also conceal its absence. Systems must make visible whether people are
developing judgement or merely obtaining answers.

Access is not sovereignty. An available model is not yet a capability of
one’s own. Sovereignty begins with ability, portability, access to
infrastructure, and the right to leave a provider.

Assistance is not agency. Working faster does not automatically mean
deciding more. Agency becomes visible when people can change objectives, make
dissent effective, and stop processes.

Information is not truth, and truth is not consensus. AI can organise
evidence and examine claims. It must not treat social disagreement over what
ought to count as a computational error.

These warnings are not an anti-AI position. They are a more demanding pro-AI
position. A technology is not human-centred simply because people still appear
on the organisational chart. It must make people more capable of understanding
and changing their world.

A vision for Human Work

We should therefore not answer the five scenarios with a sixth prediction. We
need visions that remain resilient across several futures.

Human Work enables learning. Every automation decision must also answer how
beginners gain experience and how expertise is renewed.

Human Work is contestable. People can examine, correct, and stop
assumptions, data, and decisions without having to fight the entire
organisation to do so.

Human Work is sovereign. Critical work remains possible in a simpler form
even when providers change, networks fail, or political conflict erupts.

Human Work is embodied and relational. Care, education, craft, art,
conflict, and collective learning are not measured by the speed of screen
work.

Human Work enables contribution. Material security is joined to real
opportunities to learn, build, give, and decide together.

Human Work is allowed to be slow. Not every delay is inefficiency. Some
slowness is examination. Some friction is learning. Some pauses are the moment
when someone realises that the system is doing the wrong thing with remarkable
elegance.

A vision is not a utopia to hang on the wall. It is a framework for decisions.
You can recognise it in the training budget, the procurement clause on data
portability, a caseworker’s right to stop a process, the time allocated to a
learning conversation, the local server, the open workshop, and the question
of who shares in the returns from automation.

This is how the future is shaped: not by one great decision in 2030, but by a
thousand small determinations about what people are allowed to learn, what they
can control, and where their judgement counts.

We cannot know which of the five AI worlds will arrive. It will probably be a
messy combination of them anyway. But we can determine which human
possibilities should remain robust within that mixture.

The future is not a weather forecast.

It is a shared construction site. That is more demanding than prediction. But
at least then we are not debating umbrellas while others are already pouring
the concrete.

Trusted New Work AI: an audit trail rather than a claim of trust

Trusted New Work AI: Testing scenarios, taking responsibility for visions

This article separates external scenarios, empirical evidence, and NWNC’s own
interpretation. The five technical future worlds come from the British
scenario report. The terms Ghost Learner, migrating moat, lazy AI, provided
unfreedom, and freedom substrates are conceptual images from Flowbook AI. The
critical notes from DU MAIN Social were used as editorial counterquestions,
not as factual evidence. The specific learning claim was checked against the
primary PNAS study and limited to its context.

AI tools supported research, cross-checking, and editorial work. No model
judgement serves as factual evidence or proof of truth. Selection, weighting,
wording, and responsibility remain human editorial work.

Sources and further reading

  • UK Government Office for Science: AI Scenarios 2030
  • Hamsa Bastani et al.: Generative AI without guardrails can harm learning
  • Flowbook AI
August 22, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/08/zukunft-ist-kein-wetterbericht-nwnc-dark.png 900 1600 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-08-22 18:13:212026-08-22 18:13:21The Future Is Not a Weather Forecast
blog, Deutsch, KI, Neue Epoche, Neue Kultur, Social Design, Zukunft der Arbeit

Die vorgespurte Welt

English version

Wer entscheidet, was KI für möglich hält?

Sitzung, irgendwann 2029. Mara Illner, Logistikplanung, sitzt mit elf Kolleginnen und Kollegen vor einem Bildschirm. Die Organisation will ein neues Logistikzentrum bauen. Früher lägen auf dem Tisch Prognosen, Erfahrungswerte und drei Varianten, über die lange gestritten würde. Nun zeigt ein System zehntausend simulierte Abläufe: Lieferketten, Energieverbrauch, Personaleinsatz, Störungen, Kosten, Unfallrisiken. Es empfiehlt Variante 7B. Die Kurven sind ruhig, die Abweichungen klein, der erwartete Nutzen eindeutig.

Zehntausend Zukünfte auf dem Schirm. Keine einzige enthält den Kaffee, den man bräuchte, um sie alle zu besprechen.

Niemand im Raum hält die Simulation für unfehlbar. Trotzdem verändert sie das Gespräch. Nicht mehr Variante 7B muss begründet werden, sondern jede Abweichung von ihr. Die Zukunft ist nicht beschlossen. Sie hat nur bereits eine bevorzugte Spur.

Genau darin liegt die gesellschaftliche Bedeutung von World Models. Sie sind nicht bloß eine weitere Generation von KI-Systemen, die bessere Antworten liefert. Sie versprechen, Zustände einer Umgebung und mögliche Folgen von Handlungen so zu modellieren, dass ein System in einer gelernten Repräsentation vorausblicken kann. Es reagiert nicht nur auf die Welt. Es erprobt, was als Nächstes geschehen könnte.

Für Forschung, Robotik und sichere Planung ist das ein großer Schritt. Für Organisationen ist es eine Machtfrage: Wer bestimmt die Welt, in der die Maschine Möglichkeiten berechnet? Und was geschieht mit menschlicher Freiheit, wenn eine simulierte Zukunft plausibler wirkt als die unordentliche Erfahrung der Menschen, die in ihr arbeiten sollen?

76 Sekunden zur Leitfrage: Was kann eine Simulation zeigen – und was dürfen wir ihr nicht überlassen?

Ein Modell ist nicht die Welt

Ein World Model ist eine gelernte, zweckgebundene Repräsentation von Zuständen, Regelmäßigkeiten und Übergängen. Es soll aus Beobachtungen ableiten, wie eine Umgebung sich entwickeln könnte und welche Folgen bestimmte Handlungen haben könnten. Dafür muss es die Welt reduzieren. Ohne Reduktion gäbe es kein Modell, sondern nur noch einmal die Welt, diesmal mit höherem Stromverbrauch.

Diese Reduktion ist weder Fehler noch Täuschung. Sie ist die Voraussetzung dafür, dass gerechnet, geplant und verglichen werden kann. Entscheidend ist, was in ihr enthalten ist. Ein Modell für einen Roboterarm braucht andere Zustände als ein Modell für Verkehr. Ein Modell für Produktionsplanung erfasst andere Zusammenhänge als eines für Personalentwicklung. Jedes Modell hebt einige Merkmale hervor und lässt andere verschwinden.

Die erste Entscheidung über das Modell fällt, bevor es das erste Mal rechnet.

Darum führt der Name leicht in die Irre. „World Model“ klingt nach einem inneren Abbild der ganzen Welt. Tatsächlich bezeichnet der Begriff unterschiedliche technische Ansätze mit unterschiedlichen Zielen. Manche Modelle lernen Dynamiken für Reinforcement Learning. Andere lernen aus Videos Regelmäßigkeiten physischer Bewegung. Wieder andere erzeugen Umgebungen, in denen Agenten trainiert und geprüft werden können. Sie bilden keine einheitliche Stufenleiter zu allgemeinem Weltverständnis.

Was sie verbindet, ist ein Prinzip: Handeln wird leistungsfähiger, wenn ein System nicht jeden Versuch in der realen Umgebung machen muss, sondern mögliche Folgen intern vorwegnehmen kann.

Was die Forschung bereits zeigt

DreamerV3 ist ein anschauliches Beispiel. In Mastering Diverse Domains through World Models beschreiben Danijar Hafner und Kollegen einen Algorithmus, der ein Modell seiner Umgebung lernt und sein Verhalten verbessert, indem er darin mögliche Zukunftsszenarien durchspielt. Die Autoren berichten, dass eine einheitliche Konfiguration in mehr als 150 unterschiedlichen Aufgaben eingesetzt wurde. Das ist ein starkes Ergebnis für modellbasiertes Reinforcement Learning. Es belegt nicht, dass DreamerV3 soziale Wirklichkeit versteht oder die Folgen einer Reorganisation beurteilen könnte.

V-JEPA 2 verschiebt den Schwerpunkt zur physischen Welt. Das Originalpaper beschreibt ein selbstüberwachtes Modell, das zunächst mit mehr als einer Million Stunden Video und Bildern trainiert wurde. Für die Robotik ergänzte das Forschungsteam weniger als 62 Stunden Roboteraufnahmen und entwickelte daraus ein aktionsbezogenes Modell für Planung. In zwei Laboren steuerte es Roboterarme bei einfachen Greif- und Platzierungsaufgaben, ohne zuvor Daten aus genau diesen Laborumgebungen gesammelt zu haben.

Ebenso wichtig sind die Grenzen, die das Paper selbst benennt. Das System reagiert empfindlich auf die Kameraposition. Bei längeren Vorhersageketten sammeln sich Fehler an, während der Suchraum möglicher Handlungen schnell wächst. Die untersuchten Aufgaben arbeiten mit visuellen Zielbildern, und die Autoren fokussieren Vorhersagen bis ungefähr 16 Sekunden. Das ist relevante physische Planung. Es ist keine belastbare Vorschau auf den nächsten Organisationsumbau.

Google DeepMind positioniert Genie 2 wieder anders: als World Model, das vielfältige Umgebungen für Training und Evaluation künftiger Agenten erzeugen soll. Auch darin liegt ein wichtiger Fortschritt. Systeme können in mehr Situationen erprobt werden, ohne dass jede Umgebung zuerst physisch gebaut werden muss. Aber eine generierte Trainingsumgebung ist kein digitaler Zwilling der Gesellschaft. Sie zeigt, was innerhalb ihrer gelernten und gesetzten Bedingungen geschieht.

Diese Beispiele sind interessant, gerade weil sie verschieden sind. Sie zeigen keine Maschine, die „die Welt“ besitzt. Sie zeigen technische Wege, Erfahrung zu verdichten, Folgen zu antizipieren und Handlungen in begrenzten Räumen zu prüfen. Die eigentliche Frage beginnt danach: Was geschieht, wenn diese begrenzten Räume Budgets, Dashboards und Organigramme bekommen?

Die Macht liegt im Möglichkeitsraum

In Organisationen wird KI heute meist als Antwortsystem wahrgenommen. Sie schreibt, sucht, sortiert, klassifiziert oder empfiehlt. World Models legen eine frühere Machtstufe frei. Bevor eine Empfehlung entsteht, muss feststehen, welche Zustände relevant sind, welche Handlungen verfügbar sind und welche Folgen als Erfolg oder Schaden gelten.

Wer diese Definitionen setzt, gestaltet den Möglichkeitsraum. Wer die Definitionen für Variante 7B gesetzt hat, sitzt an diesem Tag nicht mit Mara Illner im Raum.

Ein Modell für Schichtplanung kann Auslastung, Kosten, Qualifikation und gesetzliche Ruhezeiten berücksichtigen. Es kann trotzdem übersehen, dass ein Team nur deshalb stabil arbeitet, weil zwei Menschen informell Konflikte auffangen. Ein Modell für ein Krankenhaus kann Laufwege und Wartezeiten optimieren. Es kann die Minute erfassen, aber nicht automatisch die Wirkung eines Gesprächs, das einen verängstigten Menschen davon abhält, eine Behandlung abzubrechen. Ein Modell für Büroarbeit kann Kommunikationsflüsse simulieren. Es erkennt dadurch noch nicht, wann Schweigen Zustimmung bedeutet und wann es das Ergebnis einer Kultur ist, in der Widerspruch Karrieren verkürzt.

Das Problem ist nicht, dass solche Erfahrungen prinzipiell „unberechenbar“ wären. Vieles lässt sich besser erfassen, als Organisationen es heute tun. Das Problem ist die Verwechslung von Erfassbarkeit und Bedeutung. Was leicht messbar ist, wandert schnell ins Modell. Was lokal, verkörpert oder widersprüchlich ist, erscheint als Störgröße oder fehlt ganz. Später wirkt die Simulation objektiv, obwohl ihre Ordnung bereits eine Entscheidung war.

Eine Zahl mit drei Nachkommastellen hat im Sitzungsraum selten Mühe, sich als Erfahrung zu verkleiden.

Wenn die Simulation zur Arbeitsanweisung wird

Die gute Zukunft ist leicht vorstellbar. Beschäftigte prüfen neue Prozesse in einer Simulation, bevor jemand gefährdet wird. Teams vergleichen mehrere Szenarien, entdecken Nebenfolgen und verändern das System gemeinsam. Fehler werden billiger, Lernen wird schneller, riskante Experimente wandern in einen geschützten Raum. Erfahrung und Modell verbessern einander.

Die weniger gute Zukunft ist ebenso plausibel. Ein zentrales System berechnet den vermeintlich besten Ablauf. Führungskräfte erhalten ein Dashboard, Beschäftigte eine Handlungsfolge. Abweichungen werden als Leistungsmangel markiert. Das Modell lernt aus den Daten einer Organisation, die Menschen lernen, sich so zu verhalten, dass sie im Modell gut aussehen. Aus Simulation wird Steuerung, aus Steuerung wird Norm, aus der Norm werden neue Trainingsdaten.

Dann beschreibt das World Model die Organisation nicht nur. Es formt sie nach seinem eigenen Ausschnitt.

Auch New Work liebt Modelle – besonders solche, in denen Achtsamkeit, Sinn und Selbstorganisation als Kennzahlen hervorragend aussehen. Ein Dashboard über psychologische Sicherheit ist immer noch zuerst ein Dashboard.

Diese Rückkopplung unterscheidet soziale Systeme von vielen physikalischen Versuchsanordnungen. Ein Roboterarm ändert sein Selbstbild nicht, weil ein Modell seine Bewegung bewertet. Menschen reagieren auf Kategorien, Prognosen und Kennzahlen. Sie passen ihr Verhalten an, verbergen Risiken, entwickeln Umwege oder verlieren den Mut, eine unwahrscheinliche Möglichkeit überhaupt noch vorzuschlagen.

Das Modell lernt vor allem die Organisation kennen, deren Verhalten seine Daten enthalten. Möglichkeiten, die nie erprobt oder erfasst wurden, bleiben leicht unsichtbar.

Die zentrale New-Work-Frage lautet deshalb nicht, ob Simulation eingesetzt werden darf. Sie lautet: Werden Menschen durch sie urteils- und handlungsfähiger, oder werden sie zu Ausführenden einer Zukunft, die anderswo vorgespurt wurde?

Verkörpertes Wissen ist keine Restkategorie

New Work hat Arbeit nie nur als Folge effizienter Handlungen verstanden. Arbeit ist auch Erfahrung, Beziehung, Identität, Lernen und die Möglichkeit, einen wirksamen Beitrag zu leisten. Genau diese Dimensionen geraten unter Druck, wenn Organisationen das Modellierbare mit dem Relevanten gleichsetzen.

Eine erfahrene Technikerin hört an einem Geräusch, dass eine Anlage anders läuft als üblich. Ein Sozialarbeiter bemerkt, dass ein formal gelungener Prozess Vertrauen zerstört. Eine Gestalterin erkennt, dass eine Irritation nicht beseitigt, sondern als Teil des Werks erhalten werden sollte. Dieses Wissen ist nicht mystisch. Es ist aus Wahrnehmung, Praxis, Fehlern und Folgen entstanden. Es kann teilweise dokumentiert und in Modelle übersetzt werden. Doch bei dieser Übersetzung verändert es seine Form.

Darum sollte verkörpertes Wissen nicht als romantischer Gegenpol zur Technik behandelt werden. Es ist eine eigenständige Erkenntnisquelle, die mit Simulation in Beziehung treten muss. Das Modell kann zeigen, was unter seinen Annahmen wahrscheinlich geschieht. Der Mensch kann erkennen, welche Annahme die Situation verfehlt, welche Folge sozial nicht tragbar ist und wann ein statistisch unwahrscheinlicher Weg trotzdem versucht werden sollte.

Das ist keine Aufgabenteilung nach dem Muster „Die KI rechnet, der Mensch ist für Empathie zuständig“. Menschen rechnen, Maschinen erkennen Muster, beide können Fehler produzieren. Der Unterschied liegt in Verantwortung und Lebenswelt: Menschen müssen mit den Folgen leben, sie rechtfertigen und die Ordnung verändern können, in der entschieden wird.

Sieben Regeln für World Models in Organisationen

World Models können Freiheitssubstrate werden. Dafür reicht es nicht, einen Menschen am Ende auf „Bestätigen“ klicken zu lassen – dieser Button ist das demokratischste Element mancher Software und das einzige, das nichts entscheidet. Organisationen brauchen eine Architektur, die den Möglichkeitsraum selbst anfechtbar macht.

Erstens: Annahmen müssen sichtbar sein. Ein simulationsgestützter Vorschlag braucht Herkunft: Datenraum, Ziel, relevante Zustände, ausgeschlossene Faktoren, Zeithorizont und bekannte Grenzen. Nicht in einem Anhang, den niemand im Entscheidungsmoment liest, sondern neben dem Ergebnis.

Zweitens: Es braucht Gegenmodelle. Eine einzige Simulation erzeugt einen Pfad. Mehrere Modelle mit unterschiedlichen Annahmen machen sichtbar, wo Ergebnisse robust sind und wo sie von Vorentscheidungen abhängen. Bei folgenschweren Fragen muss die Organisation eine Gegenhypothese finanzieren, nicht nur eine Sensitivitätsfolie.

Drittens: Betroffene müssen am Modell arbeiten können. Beschäftigte kennen Ausnahmen, informelle Praktiken und Nebenfolgen, die in zentralen Daten fehlen. Ihre Rolle darf nicht auf Feedback nach der Einführung schrumpfen. Sie müssen an Zuständen, Zielen, Tests und Abbruchkriterien mitwirken.

Viertens: Widerspruch braucht Zeit und Mandat. Wer eine Simulation anzweifelt, darf nicht automatisch als innovationsfeindlich gelten. Kritik muss eine bezahlte Aufgabe sein. Sonst gewinnt immer das Modell mit dem kürzesten Weg zur Vorstandsvorlage.

Nehmen wir einen Maschinenbauer: Eine Simulation empfiehlt eine neue Schichtfolge – ruhige Kurven, kleine Abweichungen. Eine Meisterin widerspricht und erhält Zeit sowie ein Mandat für die Prüfung. Sie entdeckt, was die vorhandenen Daten nicht enthalten: Zwei erfahrene Kollegen fangen die Konflikte zwischen den Schichten informell auf. Die neue Folge würde genau sie trennen. Die Simulation wäre präzise bei allem, was sie misst. Sie würde nur nicht messen, was den Betrieb zusammenhält.

Fünftens: Ein Modell braucht Folgenfeedback. Prognosen und erwartete Folgen werden vor der Entscheidung dokumentiert und später mit der Realität verglichen. Ohne diese Rückkopplung sammelt die Organisation keine Erfahrung. Sie sammelt nur neue Versionen derselben Gewissheit.

Sechstens: Stopprechte müssen real sein. Ein Mensch oder Team muss eine simulationsgestützte Entscheidung aussetzen, eine zweite Prüfung verlangen und den automatisierten Pfad verlassen können. Verantwortung ohne Eingriffsrecht ist nur Haftung in freundlicher Benutzeroberfläche.

Siebtens: Ausstiegsfähigkeit gehört zum Design. Daten, Modelle, Dokumentation und Kompetenzen müssen so organisiert sein, dass ein Anbieter, ein System oder eine falsche Grundannahme gewechselt werden kann. Wer den Möglichkeitsraum nicht verlassen kann, besitzt keine Entscheidungshilfe. Er bewohnt eine Infrastruktur.

World-Model-Literacy

Wir werden lernen müssen, Simulationen ähnlich kritisch zu lesen wie Texte, Statistiken und Bilder. Dafür braucht es World-Model-Literacy. Sie beginnt nicht mit der Frage, wie groß das Modell ist. Sie beginnt mit fünf einfacheren Fragen:

  • Welche Welt wurde hier modelliert?
  • Welche Zustände und Handlungen fehlen?
  • Wer hat Ziel und Erfolg definiert?
  • Wie weit reicht der belastbare Vorhersagehorizont?
  • Wer kann dem Ergebnis widersprechen und einen anderen Weg erproben?

Diese Kompetenz gehört nicht nur in Data-Science-Teams. Führungskräfte, Betriebsräte, Fachleute, Beschäftigte und öffentliche Institutionen brauchen unterschiedliche Zugänge dazu. Denn sobald Simulationen Arbeit organisieren, sind ihre Grenzen keine technische Fußnote mehr. Sie bestimmen Handlungsspielräume, Lernwege und die Verteilung von Verantwortung.

Im Flowbook KI verstehen wir solche Fähigkeiten als Teil einer breiteren Freiheitsarchitektur. KI-Literacy darf nicht bei Bedienkompetenz enden. Sie muss Quellen, Modelle, Macht, Widerspruch und Ausstiegsfähigkeit umfassen. Menschen sollen KI nicht nur richtig nutzen. Sie sollen die Ordnung verändern können, in der ihre Ergebnisse wirksam werden.

Zukunft darf vorbereitet, aber nicht vorentschieden werden

World Models machen einen alten menschlichen Wunsch technisch konkreter: vor einer Handlung sehen, was sie auslösen könnte. Das kann Unfälle verhindern, Lernen beschleunigen und Möglichkeiten öffnen, die in der realen Welt zu teuer oder zu gefährlich wären. Wir sollten dieses Potenzial nicht kleinreden.

Wir sollten es nur nicht mit Wahrheit verwechseln.

Eine Simulation zeigt keine gelieferte Zukunft. Sie zeigt einen Verlauf unter bestimmten Daten, Zielen, Zuständen und Annahmen. Je anschaulicher und leistungsfähiger sie wird, desto wichtiger wird diese Unterscheidung. Wahrscheinlichkeit ist kein Schicksal. Kohärenz ist keine Legitimation. Und ein technisch optimaler Pfad ist noch keine gute Arbeit.

Zurück in den Sitzungssaal, 2029. Mara Illner schaut auf Variante 7B, die ruhigen Kurven, die kleinen Abweichungen. Dann stellt sie die erste der fünf Fragen: Welche Welt wurde hier modelliert – und welche Zustände fehlen? Es wird still im Raum. Nicht weil die Frage unfair wäre, sondern weil das System sie nicht beantworten kann. Sie richtet sich nicht an die Simulation. Sie richtet sich an die Menschen, die sie gebaut und bestellt haben.

Illner beantragt ein Gegenmodell. Es wird mehr kosten als die Sensitivitätsfolie und länger dauern als die Sitzung. Die Zukunft behält ihre bevorzugte Spur. Aber sie hat jetzt Konkurrenz.

Die entscheidende Frage wird deshalb nicht sein, ob Organisationen mit World Models planen. Das werden sie tun. Entscheidend ist, wer an diesen Modellen mitwirkt, wer ihre Grenzen erkennt und wer die Macht behält, eine andere Zukunft zu versuchen.

Freiheit beginnt nicht dort, wo eine Maschine viele Möglichkeiten berechnet. Sie beginnt dort, wo Menschen den Möglichkeitsraum verändern können.

NWNC AI Trust: verantwortet, geprüft und nachvollziehbar

Trusted New Work AI: Prüfspur statt Vertrauensbehauptung

Dieser Artikel folgt der Trusted-New-Work-AI-Methode mit CLAW Fabric. Dabei werden Ausgangsthese, Quellen, Gegenpositionen, Unsicherheiten und redaktionelle Entscheidungen getrennt geprüft und nachvollziehbar gehalten. Die Prüfspur ersetzt keine Wahrheit. Sie zeigt, welche Quellen eine Aussage tragen, welche Einwände berücksichtigt wurden und wo Fragen offenbleiben. Der Text wurde mit KI unterstützt, aber menschlich bewertet, gewichtet, bearbeitet und verantwortet.

Quellen und Vertiefung

  • Danijar Hafner et al.: Mastering Diverse Domains through World Models
  • Mido Assran et al.: V-JEPA 2 – Self-Supervised Video Models Enable Understanding, Prediction and Planning
  • Google DeepMind: Genie 2 – A large-scale foundation world model
August 11, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/08/magnific_mache-eine-grafik-im-stil_l7sXu8Hgv9.png 1152 2048 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-08-11 22:02:072026-08-22 17:01:42Die vorgespurte Welt
blog, English, KI, Neue Epoche, Neue Kultur, Social Design, Zukunft der Arbeit

The Pre-Scripted World

Deutsche Fassung

Who decides what AI considers possible?

A meeting, sometime in 2029. Mara Illner from logistics planning sits with eleven colleagues in front of a screen. The organisation wants to build a new logistics centre. In the past, forecasts, experience and three alternatives would have been laid out on the table and argued over at length. Now a system displays ten thousand simulated processes: supply chains, energy consumption, staffing, disruptions, costs and accident risks. It recommends option 7B. The curves are calm, the deviations small, the expected benefit unambiguous.

Ten thousand futures on the screen. Not one of them contains the coffee required to discuss them all.

Nobody in the room thinks the simulation is infallible. Yet it changes the conversation. Option 7B no longer has to be justified; every departure from it does. The future has not been decided. It simply already has a preferred track.

This is where the social significance of world models lies. They are not merely another generation of AI systems that delivers better answers. They promise to represent states of an environment and possible consequences of actions in a way that lets a system look ahead within a learned representation. It does not only react to the world. It tests what might happen next.

For research, robotics and safer planning, this is an important step. For organisations, it is a question of power: who defines the world in which the machine calculates possibilities? And what happens to human freedom when a simulated future appears more plausible than the untidy experience of the people expected to work in it?

76 seconds on the guiding question: What can a simulation show—and what must we not hand over to it?

A model is not the world

A world model is a learned, purpose-bound representation of states, regularities and transitions. It is intended to infer from observations how an environment might develop and what consequences particular actions might have. To do this, it must reduce the world. Without reduction, there would be no model, only the world all over again, this time with higher electricity consumption.

That reduction is neither an error nor a deception. It is the condition that makes calculation, planning and comparison possible. What matters is what the reduction contains. A model for a robot arm requires different states from a traffic model. Production planning captures different relationships from personnel development. Every model highlights some features and makes others disappear.

The first decision about the model is made before it performs its first calculation.

This is why the name can mislead. “World model” sounds like an internal copy of the entire world. In practice, the term covers different technical approaches with different purposes. Some models learn dynamics for reinforcement learning. Others learn regularities of physical movement from video. Still others generate environments in which agents can be trained and evaluated. They do not form one unified ladder towards general understanding of the world.

What connects them is a principle: action becomes more capable when a system does not have to attempt everything in the real environment, but can anticipate possible consequences internally.

What research already shows

DreamerV3 is a useful example. In Mastering Diverse Domains through World Models, Danijar Hafner and colleagues describe an algorithm that learns a model of its environment and improves its behaviour by rehearsing possible futures within it. The authors report that one configuration was used across more than 150 different tasks. This is a strong result for model-based reinforcement learning. It does not show that DreamerV3 understands social reality or could judge the consequences of reorganising a workplace.

V-JEPA 2 shifts the focus towards the physical world. Its original paper describes a self-supervised model initially trained on more than one million hours of video and images. For robotics, the research team added fewer than 62 hours of robot video and developed an action-conditioned model for planning. In two laboratories, it controlled robot arms in simple pick-and-place tasks without first collecting data in those exact laboratory environments.

The limitations stated in the paper matter just as much. The system is sensitive to camera position. Errors accumulate over longer prediction chains while the search space of possible actions expands quickly. The studied tasks use visual goal images, and the authors focus on predictions up to roughly 16 seconds. This is meaningful physical planning. It is not a reliable preview of the next organisational restructuring.

Google DeepMind positions Genie 2 differently again: as a world model intended to generate diverse environments for training and evaluating future agents. That, too, is an important advance. Systems can be tested in more situations without every environment first being built physically. But a generated training environment is not a digital twin of society. It shows what happens within its learned and imposed conditions.

These examples are interesting precisely because they differ. They do not show a machine that possesses “the world”. They show technical ways to compress experience, anticipate consequences and test actions within bounded spaces. The real question begins afterwards: what happens when these bounded spaces acquire budgets, dashboards and organisation charts?

Power lies in the possibility space

In organisations, AI is currently perceived mainly as an answer system. It writes, searches, sorts, classifies or recommends. World models expose an earlier layer of power. Before a recommendation can emerge, someone must determine which states matter, which actions are available and which consequences count as success or harm.

Whoever sets these definitions shapes the possibility space. The people who defined option 7B are not in the room with Mara Illner that day.

A shift-planning model can include utilisation, costs, qualifications and statutory rest periods. It can still miss that a team remains stable only because two people informally absorb its conflicts. A hospital model can optimise walking routes and waiting times. It may capture the minute but not automatically the effect of a conversation that stops a frightened person abandoning treatment. A model of office work can simulate communication flows. That does not tell it when silence means agreement and when it is produced by a culture in which dissent shortens careers.

The problem is not that such experience is inherently “incalculable”. Organisations could capture much of it better than they do today. The problem is confusing measurability with meaning. What is easy to measure moves into the model quickly. What is local, embodied or contradictory appears as noise or disappears. Later the simulation looks objective, even though its order was already a decision.

A number with three decimal places rarely struggles to dress up as experience in a meeting room.

When simulation becomes a work instruction

The good future is easy to imagine. Workers test new processes in a simulation before anyone is put at risk. Teams compare several scenarios, discover side effects and change the system together. Errors become cheaper, learning becomes faster, and risky experiments move into a protected space. Experience and model improve one another.

The less attractive future is just as plausible. A central system calculates the supposedly best process. Managers receive a dashboard; workers receive a sequence of actions. Deviations are marked as poor performance. The model learns from the organisation’s data, while people learn to behave in ways that look good inside the model. Simulation becomes control, control becomes a norm, and the norm becomes new training data.

The world model then does more than describe the organisation. It shapes the organisation according to its own partial view.

New Work also loves models, especially those in which mindfulness, purpose and self-organisation look excellent as metrics. A dashboard about psychological safety is still, first of all, a dashboard.

This feedback loop distinguishes social systems from many physical experiments. A robot arm does not change its self-image because a model evaluates its movement. People react to categories, forecasts and indicators. They adapt their behaviour, conceal risks, create workarounds or lose the courage to propose an unlikely possibility at all.

The model primarily learns the organisation whose behaviour is contained in its data. Possibilities that were never tried or recorded can easily remain invisible.

The central New Work question is therefore not whether simulation may be used. It is whether people become more capable of judgement and action through it, or whether they become operators of a future that was pre-scripted elsewhere.

Embodied knowledge is not a residual category

New Work has never understood work merely as a sequence of efficient actions. Work is also experience, relationship, identity, learning and the opportunity to make an effective contribution. These dimensions come under pressure when organisations equate what can be modelled with what matters.

An experienced technician hears from a sound that a machine is behaving differently. A social worker notices that a formally successful process is destroying trust. A designer recognises that an irritation should not be removed but preserved as part of the work. This knowledge is not mystical. It grew from perception, practice, mistakes and consequences. Parts of it can be documented and translated into models. Yet the translation changes its form.

Embodied knowledge should therefore not be treated as a romantic opposite to technology. It is an independent source of knowledge that must enter into a relationship with simulation. A model can show what is likely under its assumptions. A person can recognise which assumption misses the situation, which consequence is socially unacceptable, and when a statistically unlikely route should still be attempted.

This is not a division of labour in which “AI calculates and humans provide empathy”. Humans calculate, machines recognise patterns, and both can produce errors. The difference lies in responsibility and lived reality: people have to live with the consequences, justify them and be able to change the order in which decisions are made.

Seven rules for world models in organisations

World models can become substrates of freedom. It is not enough to let a person click “Confirm” at the end. In some software, that button is the most democratic element and the only one that decides nothing. Organisations need an architecture that makes the possibility space itself contestable.

First: assumptions must be visible. A simulation-backed proposal needs provenance: data space, objective, relevant states, excluded factors, time horizon and known limitations. This information must appear next to the result, not in an appendix nobody reads at the moment of decision.

Second: counter-models are necessary. A single simulation creates a path. Several models with different assumptions reveal where findings are robust and where they depend on prior choices. For consequential questions, the organisation must fund a counter-hypothesis, not merely a sensitivity slide.

Third: affected people must be able to work on the model. Workers know exceptions, informal practices and side effects that central data does not contain. Their role cannot shrink to feedback after implementation. They must participate in defining states, objectives, tests and stopping criteria.

Fourth: dissent needs time and a mandate. Anyone who questions a simulation must not automatically be labelled anti-innovation. Criticism has to be paid work. Otherwise the model with the shortest route to the executive deck always wins.

Consider a hypothetical manufacturer. A simulation recommends a new shift sequence: calm curves, small deviations. A supervisor objects and receives time and a mandate to examine it. She discovers what the available data does not contain: two experienced colleagues informally absorb conflict between shifts. The new sequence would separate them. The simulation would be precise about everything it measured. It simply would not measure what held the operation together.

Fifth: a model needs consequences feedback. Forecasts and expected consequences are recorded before the decision and compared with reality later. Without this loop, an organisation does not accumulate experience. It accumulates new versions of the same certainty.

Sixth: stopping rights must be real. A person or team must be able to suspend a simulation-backed decision, demand a second review and leave the automated path. Responsibility without intervention rights is merely liability in a friendly user interface.

Seventh: exit capability belongs in the design. Data, models, documentation and skills must be organised so that a provider, system or false premise can be replaced. If you cannot leave the possibility space, you do not own a decision aid. You inhabit an infrastructure.

World-model literacy

We will need to learn to read simulations as critically as texts, statistics and images. This requires world-model literacy. It does not begin by asking how large the model is. It begins with five simpler questions:

  • Which world was modelled here?
  • Which states and actions are missing?
  • Who defined the objective and success?
  • How far does the reliable prediction horizon extend?
  • Who can challenge the result and try another route?

This competence does not belong only in data-science teams. Managers, works councils, specialists, workers and public institutions need different forms of access to it. Once simulations organise work, their limits are no longer a technical footnote. They determine room for action, learning paths and the distribution of responsibility.

In the Flowbook AI, we understand these abilities as part of a wider architecture of freedom. AI literacy cannot end with operational competence. It must include sources, models, power, dissent and exit capability. People should not merely use AI correctly. They should be able to change the order in which its results become effective.

The future may be prepared, but not pre-decided

World models make an old human desire more technically concrete: seeing what an action might cause before taking it. This can prevent accidents, accelerate learning and open possibilities that would be too expensive or dangerous in the real world. We should not minimise that potential.

We should simply not confuse it with truth.

A simulation does not deliver the future. It shows a trajectory under particular data, objectives, states and assumptions. The more vivid and capable it becomes, the more important this distinction is. Probability is not destiny. Coherence is not legitimacy. A technically optimal path is not yet good work.

Back in the meeting room in 2029, Mara Illner looks at option 7B, the calm curves and small deviations. Then she asks the first of the five questions: which world was modelled here, and which states are missing? The room goes quiet. Not because the question is unfair, but because the system cannot answer it. It is not addressed to the simulation. It is addressed to the people who built and commissioned it.

Illner requests a counter-model. It will cost more than the sensitivity slide and take longer than the meeting. The future keeps its preferred track. But it now has competition.

The decisive question will therefore not be whether organisations plan with world models. They will. What matters is who participates in building them, who recognises their limits and who retains the power to attempt a different future.

Freedom does not begin where a machine calculates many possibilities. It begins where people can change the possibility space.

NWNC AI Trust: accountable, reviewed and traceable

Trusted New Work AI: Traceability, Not Trust by Assertion

This article follows the Trusted New Work AI method with CLAW Fabric. Its starting thesis, sources, counterpositions, uncertainties and editorial decisions are examined separately and kept traceable. An audit trail does not replace truth. It shows which sources support a claim, which objections were considered and which questions remain open. AI supported the work, while people assessed, weighted, edited and accepted responsibility for the result.

Sources and further reading

  • Danijar Hafner et al.: Mastering Diverse Domains through World Models
  • Mido Assran et al.: V-JEPA 2 – Self-Supervised Video Models Enable Understanding, Prediction and Planning
  • Google DeepMind: Genie 2 – A large-scale foundation world model
August 11, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/08/magnific_mache-eine-grafik-im-stil_l7sXu8Hgv9.png 1152 2048 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-08-11 22:02:052026-08-22 17:01:44The Pre-Scripted World
blog, Deutsch, KI, Neue Epoche, Neue Kultur, Social Design, Zukunft der Arbeit

Die Lücke ist das Werk

English version

Warum Genauigkeit die langweiligste Superkraft der KI ist – und Auswahl die menschliche Arbeit bleibt

Wir haben uns die ultimative kognitive Maschine versprochen, um den Geist der Menschheit endlich in die Freiheit zu entlassen. Nun hilft sie vielerorts dabei, noch ein Management-Dashboard zu befüllen. Der Geist der Menschheit darf später dazukommen, sobald die Kennzahlen freigegeben sind.

Ich arbeite als Künstler mit Videoprojektion, Licht und Räumen, die dafür nicht gebaut wurden und es auch nie beantragt haben. Und ich arbeite in Organisationen, die KI einführen. Beides gehört für mich zusammen. Denn in beiden Welten stellt sich dieselbe Frage: Was geschieht, wenn ein Werkzeug, das fast alles erzeugen kann, auf Systeme trifft, die am liebsten alles festlegen würden?

Die Maschine kann viel. Aber sie weiß nicht von selbst, was fehlen darf.

Sie kann kürzen, löschen und zusammenfassen. Doch Weglassen ist mehr als weniger Text. Es ist eine Entscheidung darüber, was zählt, für wen es zählt und welche Leerstelle einem Menschen zugetraut werden kann. Genau dort, in dieser unspektakulären Lücke, beginnt etwas, das wir seit Jahrhunderten Kunst nennen: nicht das Füllen, sondern das Lassen.

Zwei leere Hände, ein ganzer Saal

Rowan Atkinson stand auf einer Bühne und tat fast nichts. Zwei leere Hände. Kein Requisit, kein Schnitt, kein Effekt. Sein Gesicht sah aus, als hätte es die Menschheit persönlich enttäuscht. Die Hände griffen nach einer Trommel, die nicht da war, schlugen auf sie ein – und der Saal hörte jeden Schlag.

Der Trick bestand nicht darin, wenig zu liefern. Atkinson lieferte eine präzise Struktur aus Spannung, Pause und Leerstelle. Das Publikum musste selbst einsetzen. Es sah die Trommel, weil sie fehlte.

Im Jazz heißt es: Die Töne, die du nicht spielst, sind so wichtig wie die, die du spielst. Atkinson spielte keinen Ton und elektrisierte einen ganzen Raum. Die Kunst lieferte nicht das fertige Bild. Sie markierte die Stelle, an der im Kopf des Publikums ein eigenes entstand.

Nun kommt die KI-Debatte und behandelt Kreativität gern wie ein Volumenproblem: mehr Daten, mehr Parameter, mehr Varianten vor dem Mittagessen. Tausend Drumtracks in Sekunden. Das Buffet ist voll, niemand schmeckt noch etwas, aber alle loben die Logistik.

Der Engpass war nie die Ausrüstung. Er ist es auch jetzt nicht. Der Engpass ist, Menschen zu verstehen – und zu wissen, wann man sie ausnahmsweise nicht mit Output zuschüttet.

Genauigkeit ist notwendig. Nur nicht hinreichend.

In Organisationen wird KI aus guten Gründen nicht wie eine offene Jam-Session behandelt. Entscheidungen müssen nachvollziehbar sein. Daten müssen geschützt, Regeln eingehalten und Fehler verantwortet werden. Wer einen Bescheid vorbereitet, eine medizinische Information prüft oder eine Personalentscheidung unterstützt, braucht keine charmante Abzweigung. Er braucht belastbare Grundlagen und eine klar benannte Person, die Verantwortung trägt.

Das Problem beginnt dort, wo diese berechtigte Logik zur einzigen Logik wird.

Dann soll die Maschine genauer sein als der Mensch, schneller, billiger – und vor allem berechenbar. Jeder Output wird vereinheitlicht, jede Abweichung zum Defekt, jede Pause zum Effizienzverlust. Man baut einen Harness um das Modell, der so eng sitzt, dass am Ende eine sehr teure Büroklammer herauskommt. Dann feiert man die Büroklammer im Meeting. Jemand sagt „Gamechanger“. Jemand applaudiert. Irgendwo stirbt eine Idee, aber das steht in keinem Dashboard.

Ein Harness ist dabei nicht das Problem. Er ist die Verfassung des Systems. Er legt fest, wo das Modell frei variieren darf, wo Quellenpflicht gilt, wer stoppen kann und wer am Ende Verantwortung trägt. Die kulturelle Entscheidung lautet deshalb nicht: Kontrolle oder Freiheit? Sie lautet: Welche Art von Kontrolle schützt Menschen – und welche erstickt genau jene Urteilskraft, auf die verantwortliche Entscheidungen angewiesen bleiben?

Wo eine falsche Behauptung Schaden anrichten kann, muss der Korridor eng sein. Wo Sprache, Bilder, Hypothesen oder neue Perspektiven erkundet werden, darf er weiter werden. Wer beides in dieselbe Prozessschablone presst, erhält entweder riskante Beliebigkeit oder korrekte Austauschbarkeit.

Produktives Missverstehen braucht Grenzen. Aber innerhalb dieser Grenzen braucht es Raum.

Der Fehler ist Material, kein Urteil

In meiner künstlerischen Arbeit waren die schönsten Momente fast alle Fehler.

Ein Beamer stand einen Grad schief. Das Bild lief über eine Kante, und die Kante begann zu sprechen. Eine korrupte Datei verschluckte einen Farbkanal; das Ergebnis war besser als alles, was ich geplant hatte. Ich brauchte eine Woche, um den Fehler absichtlich wiederholen zu können. Bei einer Probe fiel die Projektion aus, und im Schwarz des Raums zeigte sich: Das Schwarz war der Protagonist. Es hatte nur niemand gefragt.

Der Fehler ist der einzige Mitarbeiter, der nie macht, was man erwartet. Deshalb kann er unverzichtbar sein. Und deshalb bekommt er trotzdem keinen unbefristeten Vertrag.

Denn nicht jeder Glitch ist eine Gabe. Die meisten Defekte sind einfach Defekte. Sie kosten Zeit, Geld und Nerven; manchmal lernt man aus ihnen nur, wo das Kabel lag. Der kreative Fehler entsteht nicht durch den Defekt allein. Er entsteht, weil jemand hinsieht, auswählt, verwirft, weiterarbeitet und Verantwortung für das Ergebnis übernimmt.

Das Auswählen ist die Arbeit.

Genau darin liegt die Verbindung zur KI. Auch ein Modell produziert nicht automatisch Bedeutung, nur weil es Überraschendes erzeugt. Variation ist Rohstoff. Erst Urteil macht daraus eine Form.

Halluzination ist nicht Kreativität

Ein Sprachmodell ist kein Schienenfahrzeug. Es berechnet Möglichkeiten. Je nach Modell, Einstellungen und Aufgabe kann es sehr erwartbare oder ungewöhnlichere Fortsetzungen erzeugen. In diesem Raum entstehen treffende Formulierungen, schiefe Bilder, brauchbare Abzweigungen – und falsche Behauptungen.

Diese Dinge dürfen nicht verwechselt werden.

Eine Halluzination ist in einem faktischen Kontext kein kreativer Funke, sondern ein Fehler. Sie wird nicht dadurch besser, dass sie schön klingt. In einem klar abgegrenzten künstlerischen Experiment kann dieselbe generative Offenheit jedoch Material liefern, auf das ein Mensch allein vielleicht nicht gekommen wäre. Dann wird nicht die Unwahrheit gefeiert. Es wird eine unerwartete Form erkannt, aus ihrem Risikokontext gelöst und bewusst weiterbearbeitet.

Gegen die Euphoriker heißt das: Mehr Daten erzeugen nicht automatisch mehr Kreativität. Ein Modell, das sehr viel gesehen hat, hat deshalb noch keinen Standpunkt.

Gegen die Pessimisten heißt es: Die Maschine ist kein Determinismus-Automat. Ihre Varianz kann nützlich sein, wenn wir ihr einen passenden Raum geben und ihre Ergebnisse nicht mit Wahrheit verwechseln.

Varianz ohne Urteil ist Rauschen. Genauigkeit ohne Offenheit ist Bürokratie. Die interessante Arbeit liegt dazwischen.

Die siebte Antwort

Ich kann diesen Zwischenraum ziemlich praktisch herstellen. Für eine künstlerische Aufgabe nehme ich etwa ein kleines lokales Modell, variiere seine Einstellungen und gebe ihm eine absichtlich offene Anweisung. Ich suche nicht nach der ersten korrekten Antwort. Ich lese mehrere Versuche.

Manchmal fehlt in der siebten Fassung ausgerechnet das Wort, das ich für unverzichtbar hielt. Das Modell hat nichts „verweigert“; es besitzt in diesem Vorgang keine künstlerische Absicht. Aber die Auslassung verändert den Rhythmus. Plötzlich steht der Satz anders im Raum. Ich behalte sie.

Aus dem Zusammenprall meiner Absicht mit der Abweichung des Werkzeugs entsteht etwas, das ich nicht beauftragen konnte. Nicht weil die Maschine heimlich Künstlerin geworden wäre. Sondern weil ich ihr Ergebnis als Material behandeln, prüfen und verwandeln kann.

Auf den Kopf gestellt ist das die Atkinson-Struktur: Die KI ist brillant darin, Räume zu füllen. Meine Arbeit ist zu entscheiden, welche Räume sie leer lassen soll – und welche ihrer Füllungen so wunderbar schief sind, dass sie bleiben dürfen.

Play-Doh für die Kleinen

Für künstlerische und explorative Arbeit können kleine lokale Modelle besonders interessante Werkzeuge sein. Große kommerzielle Frontier-Systeme sind leistungsfähig, glatt und für sehr viele Menschen zugleich optimiert. Sie beantworten gut. Ein offener Prozess braucht aber nicht immer die beste Antwort. Er braucht mitunter Reibung, Eigenwillen und eine Form, die noch nicht versiegelt ist.

Ein kleines Modell auf dem eigenen Rechner ist dann eher Play-Doh als Präzisionsinstrument. Man kann Parameter verändern, Versionen vergleichen, Grenzen sehen und den Prozess in der eigenen Werkstatt halten. Man darf das Werkzeug falsch benutzen – wissend, dass es falsch ist – und gerade darin eine neue Form entdecken.

Das macht lokale Modelle nicht automatisch besser, freier oder unschuldig. Sie tragen die Spuren ihrer Trainingsdaten, ihrer Architektur und ihrer Lizenzen. Sie brauchen Hardware, Energie, Pflege und Kompetenz. Bei komplexen Aufgaben verlieren sie oft deutlich gegen große Systeme. Wer das verschweigt, betreibt Werbung, keine Analyse.

Der Gewinn liegt an einer anderen Stelle: in der Gestaltbarkeit und in der Ausstiegsfähigkeit. Kann ich verstehen, was mein Werkzeug tut? Kann ich es verändern, ersetzen und weiterbetreiben, wenn ein Anbieter Preise, Regeln oder Zugang ändert? Souveränität beginnt nicht mit dem Etikett „lokal“. Sie beginnt mit realer Handlungsfähigkeit.

Freiheit braucht Substrate: eigene Werkzeuge, offene Kenntnisse, geschützte Lernzeit, Entscheidungsspielräume und Menschen, die einen Prozess fortführen können. Kein Abo auf das eigene Denken – aber auch keine Romantik des Alleinmachens.

Wem gehört die gesparte Zeit?

Die Effizienzerzählung sagt: KI spart Zeit. Das stimmt. Es ist die uninteressanteste aller möglichen Wahrheiten.

Interessant wird es erst bei der Anschlussfrage: Wem gehört die gesparte Zeit?

Wenn jede freie Stunde sofort mit mehr Aufgaben gefüllt wird, war sie keine Ersparnis. Sie war die Beschleunigung desselben Hamsterrads. Wenn die Zeit dagegen bei den Menschen bleibt – zum Nachdenken, Recherchieren, Lernen, Ausprobieren und Scheitern an etwas, das es wert ist –, wird aus Effizienz ein Freiheitssubstrat.

Das ist eine Machtfrage, keine Wellnessfrage. Wer setzt die Ziele? Wer definiert Qualität? Wer darf einen Vorschlag verwerfen, obwohl er schnell und billig war? Wer erhält das Recht auf den Irrweg? Und wer entscheidet, ob eine eingesparte Stunde als Personalkosten verschwindet oder als Denkzeit zurückkehrt?

KI verändert damit nicht nur, wie wir arbeiten. Sie verschiebt, was als Arbeit gilt. Das Generieren wird billig. Wertvoller werden Auswahl, Kontext, Widerspruch, Verantwortung und die Fähigkeit, eine Lücke offenzuhalten, bis klar ist, was hineinmuss – oder ob sie leer bleiben soll.

New Work heißt hier nicht, das Büro mit Kreativitätszonen zu dekorieren. Es heißt, Menschen reale Verfügung über Werkzeuge, Zeit und Entscheidungen zu geben.

Vier Entscheidungen statt einer Kulturfolie

Wer diesen Anspruch ernst nimmt, kann sehr konkret beginnen:

  1. Prüfstrecke und Werkstatt trennen. Faktische, rechtlich relevante Prozesse brauchen enge Leitplanken, Quellen und Freigaben. Explorative Arbeit braucht einen eigenen, klar markierten Raum für Varianten und Irrwege.
  2. Auswahl- und Stopp-Rechte benennen. Für jeden KI-gestützten Prozess muss erkennbar sein, wer Ergebnisse verwerfen, Fragen offenlassen und Automatisierung beenden darf – und wer ihr Weiterlaufen verantwortet.
  3. Die Zeitdividende schützen. Ein Teil der gewonnenen Zeit muss als Lern-, Recherche- und Denkzeit bei den Menschen bleiben. Sonst finanziert KI nur mehr Taktung.
  4. Ausstiegsfähigkeit aufbauen. Lokale Kompetenz, offene Formate und ersetzbare Werkzeuge sind keine Technikromantik. Sie verhindern, dass Organisationen ihre Urteilsfähigkeit an eine Plattform vermieten.

Das sind keine weichen Kreativitätsfragen. Es sind Entscheidungen über Eigentum, Macht und die Organisation von Urteil.

Die Lücke ist das Werk

Genauigkeit ist eine Superkraft. Sie ist nur die langweiligste, weil sie noch keinen Sinn erzeugt. Sie hilft zu prüfen, ob ein Satz stimmt, eine Regel eingehalten oder ein Ergebnis reproduziert wurde. Sie sagt nicht, warum etwas wichtig ist, welches Risiko wir eingehen sollten oder welcher Gedanke besser ungesagt bleibt.

Dafür braucht es Urteil.

Atkinson brauchte keine tausend Variationen. Er brauchte zwei leere Hände und ein Publikum, dem er zutraute, mitzudenken. Die Maschine kann tausend Variationen erzeugen. Unsere Aufgabe bleibt die alte: zu wissen, welche neunhundertneunundneunzig wir nicht spielen.

Die Lücke ist nicht das, was nach dem Output übrig bleibt. Sie ist das, wofür jemand Verantwortung übernommen hat.

Die Lücke ist das Werk.

Weiterdenken: Im Flowbook KI werden die Fragen nach Urteil, Freiheit und menschlicher Handlungsfähigkeit weitergeführt.

English version

Juli 27, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/07/automate-the-routine-not-the-judgment.png 768 1376 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-07-27 10:48:562026-08-22 17:40:37Die Lücke ist das Werk
blog, English, KI, Neue Epoche, Neue Kultur, Social Design, Zukunft der Arbeit

The Gap Is the Work

Deutsche Fassung

Why precision is AI’s most boring superpower—and selection remains human work

We were promised the ultimate cognitive machine, finally setting the human spirit free. In many organisations, it now helps fill another management dashboard. The human spirit may join later, once the metrics have been approved.

I work as an artist with video projection, light and rooms that were never built for any of it and never filed the appropriate request. I also work in organisations introducing AI. To me, the two belong together. Both confront the same question: What happens when a tool capable of generating almost anything meets systems that would prefer to prescribe everything?

The machine can do a great deal. But on its own, it does not know what may be left out.

It can shorten, delete and summarise. Yet omission is more than less text. It is a decision about what matters, whom it matters to and which gap an audience can be trusted to complete. That unspectacular gap is where something begins that we have called art for centuries: not filling, but leaving room.

Two Empty Hands, an Entire Theatre

Rowan Atkinson stood on a stage and did almost nothing. Two empty hands. No prop, no cut, no effect. His face looked as if humanity had disappointed him personally. His hands reached for a drum that was not there, struck it—and the entire theatre heard every beat.

The trick was not that Atkinson delivered very little. He delivered a precise structure of tension, pause and absence. The audience had to enter the scene itself. It saw the drum because the drum was missing.

Jazz musicians often say that the notes you do not play matter as much as the ones you do. Atkinson played no note and electrified a room. The art did not supply the finished image. It marked the place where an image could form in somebody else’s mind.

The AI debate, meanwhile, likes to treat creativity as a volume problem: more data, more parameters, more variations before lunch. A thousand drum tracks in seconds. The buffet is full, nobody can taste anything, but everyone admires the logistics.

The bottleneck was never the equipment. It still is not. The bottleneck is understanding people—and knowing when, for once, not to bury them under output.

Precision Is Necessary. It Is Not Sufficient.

Organisations have good reasons not to treat AI like an open jam session. Decisions must be traceable. Data must be protected, rules followed and errors accounted for. Anyone preparing an official decision, checking medical information or supporting a personnel process does not need a charming detour. They need reliable foundations and a clearly named person who carries responsibility.

The problem begins when that legitimate logic becomes the only logic.

The machine is then expected to be more precise than the human, faster, cheaper—and above all predictable. Every output is standardised, every deviation becomes a defect, every pause an efficiency loss. A harness is pulled so tightly around the model that what emerges is a very expensive paperclip. The paperclip is celebrated in a meeting. Somebody says “game changer”. Somebody applauds. Somewhere, an idea dies, but the dashboard has no field for that.

The harness itself is not the problem. It is the constitution of the system. It determines where a model may vary, where sources are mandatory, who can stop the process and who ultimately carries responsibility. The cultural choice is therefore not control or freedom. It is this: Which forms of control protect people—and which suffocate the judgement on which responsible decisions continue to depend?

Where a false claim can cause harm, the corridor must be narrow. Where language, images, hypotheses or new perspectives are being explored, it may be wider. Force both into the same process template and you get either risky arbitrariness or correct interchangeability.

Productive misunderstanding needs boundaries. Within those boundaries, it also needs room.

Error Is Material, Not a Verdict

In my artistic practice, almost all the most beautiful moments began as mistakes.

A projector was tilted by one degree. The image ran across an edge, and the edge began to speak. A corrupted file swallowed a colour channel; the result was better than anything I had planned. It took me a week to reproduce the error deliberately. During a rehearsal, a projection failed, and in the darkness of the room it became clear that darkness was the protagonist. Nobody had thought to ask it.

Error is the only colleague who never does what is expected. That is why it can be indispensable. It is also why it still does not receive a permanent contract.

Not every glitch is a gift. Most defects are simply defects. They cost time, money and nerves; sometimes the only lesson is where the cable was lying. A creative mistake does not emerge from the defect alone. It emerges because somebody looks, selects, discards, keeps working and accepts responsibility for the result.

Selection is the work.

That is the connection to AI. A model does not automatically produce meaning simply because it produces something surprising. Variation is raw material. Judgement gives it form.

Hallucination Is Not Creativity

A language model is not a train running on rails. It calculates possibilities. Depending on the model, settings and task, it can produce highly expected or more unusual continuations. That space contains precise phrases, crooked images, useful detours—and false claims.

These things must not be confused.

In a factual context, a hallucination is not a creative spark. It is an error. Elegant phrasing does not redeem it. In a clearly bounded artistic experiment, however, the same generative openness may produce material that a person would not have reached alone. The untruth is not being celebrated. An unexpected form is being recognised, removed from its risk context and deliberately developed further.

To the enthusiasts, this means: More data does not automatically create more creativity. A model that has seen a great deal still does not have a point of view.

To the pessimists, it means: The machine is not a deterministic automaton. Its variance can be useful when we give it the right space and do not confuse its output with truth.

Variance without judgement is noise. Precision without openness is bureaucracy. The interesting work lies between them.

The Seventh Answer

I can create that in-between space quite practically. For an artistic task, I may take a small local model, vary its settings and give it an intentionally open instruction. I am not looking for the first correct answer. I read several attempts.

Sometimes the seventh version omits the very word I considered essential. The model has not “refused” anything; it has no artistic intention in this process. Yet the omission changes the rhythm. Suddenly, the sentence occupies the room differently. I keep it.

Something I could not commission emerges from the collision between my intention and the tool’s deviation. Not because the machine has secretly become an artist, but because I can treat its result as material, examine it and transform it.

Turned upside down, this is the Atkinson structure: AI is brilliant at filling space. My work is deciding which spaces it should leave empty—and which of its fillings are so wonderfully crooked that they deserve to remain.

Play-Doh for the Smaller Models

Small local models can be particularly interesting tools for artistic and exploratory work. Large commercial frontier systems are powerful, polished and optimised for very many people at once. They answer well. An open process, however, does not always need the best answer. Sometimes it needs friction, idiosyncrasy and a form that has not yet been sealed.

A small model on your own machine can be more like Play-Doh than a precision instrument. You can alter parameters, compare versions, see limitations and keep the process in your own workshop. You may use the tool incorrectly—knowing that you are doing so—and discover a new form precisely through that misuse.

This does not make local models automatically better, freer or innocent. They carry the traces of their training data, architecture and licences. They require hardware, energy, maintenance and competence. On complex tasks, they often lose decisively to large systems. Denying that is advertising, not analysis.

The gain lies elsewhere: in malleability and exit capacity. Can I understand what my tool is doing? Can I alter, replace and continue operating it when a provider changes prices, rules or access? Sovereignty does not begin with the label “local”. It begins with real capacity to act.

Freedom needs substrates: tools we can control, open knowledge, protected learning time, room to decide and people able to continue a process. No subscription to our own thinking—but no romance of doing everything alone either.

Who Owns the Time That Was Saved?

The efficiency story says that AI saves time. That is true. It is the least interesting of all possible truths.

The interesting question comes next: Who owns the time that was saved?

If every free hour is immediately filled with more tasks, nothing was saved. The same hamster wheel was merely accelerated. If the time remains with people—for thinking, researching, learning, experimenting and failing at something worth failing at—efficiency becomes a substrate of freedom.

This is a question of power, not wellness. Who sets the goals? Who defines quality? Who may reject a proposal even though it was fast and cheap? Who is allowed to take the detour? And who decides whether a saved hour disappears as a labour cost or returns as time for thought?

AI therefore changes more than how we work. It shifts what counts as work. Generation becomes cheap. Selection, context, dissent, responsibility and the ability to hold a gap open become more valuable—until it is clear what belongs there, or whether it should remain empty.

New Work does not mean decorating an office with creativity zones. It means giving people real command over tools, time and decisions.

Four Decisions Instead of a Culture Slide

Organisations that take this seriously can begin very concretely:

  1. Separate the test track from the workshop. Factual and legally consequential processes need tight guardrails, sources and approvals. Exploratory work needs its own clearly marked space for variation and detours.
  2. Name selection and stop rights. Every AI-supported process must make clear who may discard results, leave questions open and end the automation—and who is responsible for allowing it to continue.
  3. Protect the time dividend. Part of the time gained must remain with people as learning, research and thinking time. Otherwise AI merely finances a faster pace.
  4. Build exit capacity. Local competence, open formats and replaceable tools are not technological romanticism. They prevent organisations from renting out their capacity for judgement to a platform.

These are not soft questions about creativity. They are decisions about ownership, power and the organisation of judgement.

The Gap Is the Work

Precision is a superpower. It is simply the most boring one because it does not yet create meaning. It helps us examine whether a statement is true, a rule has been followed or a result reproduced. It does not tell us why something matters, which risk we should take or which thought would be better left unsaid.

That requires judgement.

Atkinson did not need a thousand variations. He needed two empty hands and an audience he trusted to think along. The machine can generate a thousand variations. Our task remains the old one: knowing which nine hundred and ninety-nine not to play.

The gap is not what remains after the output. It is what somebody has accepted responsibility for.

The gap is the work.

Continue reading: The Flowbook AI develops these questions of judgement, freedom and human agency further.

Deutsche Fassung

Juli 27, 2026/von Ilja Weisz
https://newwork-newculture.dev/wp-content/uploads/2026/07/automate-the-routine-not-the-judgment.png 768 1376 Ilja Weisz https://newwork-newculture.dev/wp-content/uploads/2020/07/NWNC_MASTERLOGO_HAND_ff0000_rot_format.png Ilja Weisz2026-07-27 10:48:322026-08-22 17:40:40The Gap Is the Work
Seite 1 von 6123›»

Seiten

  • Archiv
  • Archive
  • Blog
  • Blog
  • Contact
  • Das neue Buch
  • Datenschutzerklärung
  • Die Praxis
  • Evolution im Personalmanagement
  • Evolution in Human Resources
  • FAQ
  • FAQ
  • Frithjof Bergmann
  • Frithjof Bergmann
  • Kontakt
  • New Work | People Development
  • New Work | Personalentwicklung
  • New Work New Culture
  • New Work New Culture – English
  • New Work New Culture English redirect
  • The New Book
  • The Practice
  • The Story of My Art
  • Theorie
  • Theory

Kategorien

  • Anleitung
  • Bildung
  • blog
  • Buch
  • Calling
  • Community Production
  • Deutsch
  • Diskussion
  • English
  • Frithjof Bergmann
  • KI
  • Netzwerk
  • Neue Epoche
  • Neue Kultur
  • Social Design
  • Transfer
  • Tutorials
  • Wie man beginnt
  • Zukunft der Arbeit

Archiv

  • August 2026
  • Juli 2026
  • März 2026
  • Oktober 2025
  • Juni 2022
  • Mai 2022
  • Oktober 2021
  • August 2021
  • Januar 2021
  • Dezember 2020
  • November 2020
  • August 2020
  • Juli 2020
  • Mai 2020
  • April 2020
  • Februar 2020
  • August 2019
  • Mai 2018
  • April 2018
  • März 2018
  • Februar 2018
© Copyright - Neue Arbeit - Neue Kultur | Datenschutzerklärung
Nach oben scrollen Nach oben scrollen Nach oben scrollen