Die Warnung zuerst: Es ist dringend abzuraten, das auch nur in kleinster Form nachzumachen - es wird in aktueller Form von intensiver KI-Nutzung ohne extrem detaillierte engmaschige professionelle Anleitung und Überwachung abgeraten!

Meine einjährige Selbststudie mit 45.000+ KI-Gesprächen: 

Vom Sportler zum KI-Power-User – und warum das für dich wichtig ist

Hallo, ich war Sportwissenschaftler, Tennis- und Ballsport-Coach, Lehrer und seit über einem Jahr forsche ich intensiv an der Schnittstelle zwischen Mensch und Künstlicher Intelligenz.

Viele von euch kennen mich über meine Arbeit mit AUGMANITAI – dem Projekt, in dem ich über 2.000 neue Begriffe für Erfahrungen schaffe, die wir bisher in der Mensch-KI-Interaktion noch gar nicht richtig benennen konnten. Heute möchte ich euch etwas sehr Persönliches und gleichzeitig sehr Grundlegendes vorstellen: meine eigene Longitudinalstudie, die ich von März 2025 bis März 2026 durchgeführt habe – und die ich auch danach noch weiterführe.

Was genau habe ich gemacht?

Ich habe ein ganzes Jahr lang meine eigene Nutzung von generativen KI-Systemen systematisch dokumentiert und analysiert.

• Insgesamt über 45.000 „Turns“ (also einzelne Nachrichten/Antworten in Gesprächen mit KI)
• Davon ca. 20.000 Turns mit einem großen LLM (Large Language Model)
• 10.000 Turns mit einem zweiten KI-System
• 10.000 Turns mit einem dritten KI-System
• Und die restlichen Turns mit weiteren Modellen oder gemischt

Das Ganze ist eine echte N=1-Longitudinalstudie – also eine Langzeitbeobachtung an genau einer Person (mir selbst) über einen langen Zeitraum. Kein Labor-Experiment mit 100 Probanden, sondern tiefes, reales Alltags-Tracking.

Wie sah der Alltag der Studie aus? (die ehrliche Version)

Das war kein nettes Hobby nebenbei. Das war harte, konsequente Arbeit – aber auch eine, die mir extrem viel Spaß gemacht hat.

Ich habe die KI fast jeden Tag genutzt:

• Nachmittags nach der Schule oder dem Training
• Abends oft bis tief in die Nacht
• An vielen Wochenenden mehrere Stunden am Stück
• In den Ferien teilweise ganze Tage – morgens, mittags, abends

Manchmal habe ich bewusst einen ganzen Tag fast nur mit KI verbracht, um zu sehen, wie sich das auf meine Konzentration, Kreativität und mein Wohlbefinden auswirkt. Ich habe unterschiedliche Ziele verfolgt: Lernen, Schreiben, Ideen entwickeln, Sportkonzepte übertragen, neue Begriffe finden, mich selbst reflektieren und vieles mehr.

Wichtig: Ich habe nicht nur „gechattet“. Ich habe bewusst unterschiedliche Rollen eingenommen, verschiedene Prompt-Strategien getestet, Fehler gemacht, mich korrigiert, frustriert gewesen, begeistert gewesen – und alles dokumentiert. Genau wie ein Leistungssportler sein Training protokolliert.

Warum habe ich das überhaupt gemacht?

Ich komme aus dem Leistungssport und dem Sportcoaching. Dort arbeiten wir seit Jahrzehnten mit dem Konzept der holistischen Leistungsfaktorenanalyse. Das heißt: Wir schauen nicht nur auf Kraft oder Ausdauer allein, sondern auf das ganze System – Technik, Taktik, Mental, Regeneration, Ernährung, Motivation, Umfeld usw. Alles hängt zusammen.

Mir ist schnell klar geworden: Bei der Nutzung von KI fehlt genau so ein ganzheitliches Modell. Die meisten reden nur darüber, wie „mächtig“ die KI ist oder wie man bessere Prompts schreibt. Aber niemand schaut systematisch auf den Menschen dahinter – auf seine Literacy, seine Energie, seine Ziele, seine mentalen Muster, seine Risiken und seine Entwicklung über die Zeit.

Genau das wollte ich ändern. Deshalb habe ich mein Sport-Wissen auf die KI-Nutzung übertragen. Die Studie ist die empirische Grundlage dafür.

Die Studie ist jetzt (März/April 2026) offiziell in der Hauptphase abgeschlossen – und die Analyse läuft auf Hochtouren

Nach genau einem Jahr habe ich die intensive Datenerhebungsphase beendet. Ich bin jetzt bei über 45.000 Turns und analysiere den riesigen Datensatz in vielerlei Hinsicht:

• Welche Muster tauchen wiederholt auf?
• Wie verändert sich meine eigene KI-Literacy über die Monate?
• Welche Leistungsfaktoren (ähnlich wie im Sport) beeinflussen, ob ich mit KI wirklich besser werde – oder nur schneller?
• Wann bringt KI echten Mehrwert und wann kostet sie nur Zeit und mentale Energie?
• Welche Risiken entstehen, wenn man zu viel ohne ausreichende Literacy macht?

Auch wenn es „nur“ N=1 ist: Das ist nicht nur Phänomenologie (also subjektive Eindrücke). Es ist empirisches Material – quantitativ (Zahlen zu Turns, Zeiten, Themen) und qualitativ (detaillierte Protokolle meiner inneren Zustände).

Es ist nicht generalisierbar im statistischen Sinne („Jeder muss genau das machen“), aber es ist eine extrem starke Grundlage für weitere Forschung, für Modelle und vor allem für praktische Empfehlungen. So wie ein einzelner Athlet in der Sportwissenschaft oft den Anstoß für neue Trainingsmethoden gibt.

Die zwei wichtigsten Dinge, die ich daraus mitnehme – und die ich euch mitgeben will

1. Die holistische Leistungsfaktorenanalyse für KI-Nutzung Ich übertrage das bewährte Sport-Modell systematisch auf die Interaktion mit KI. Je nach deinem persönlichen Ziel (Lernen, Kreativität, Produktivität, Reflexion, Unterhaltung …) brauchst du andere „Trainingsfaktoren“.

Das wird in den nächsten Monaten/Jahren ein zentraler Teil von AUGMANITAI: Ein ganzheitliches Framework, das dir hilft, nicht nur „KI zu benutzen“, sondern mit KI auf hohem Niveau zu performen – nachhaltig, gesund und mit klarem Bewusstsein.

2. Die große Warnung – und die ist mir besonders wichtig Auf keinen Fall zu viel Zeit mit KI verbringen, ohne ausreichende KI-Literacy!

Genau wie im Sport: Wer ohne vernünftige Technik und ohne Verständnis für den eigenen Körper extrem hart trainiert, riskiert Verletzungen, Überlastung oder Stillstand. Bei KI ist es ähnlich.

Ohne Literacy (also ohne zu verstehen, wie die Systeme ticken, wo ihre Grenzen sind, wie man kritisch bleibt und wie man seine eigenen Gedanken nicht verliert) kann stundenlanges Chatten schnell zu:

• Abhängigkeit
• Verflachung des eigenen Denkens
• Frustration
• oder einfach verschwendeter Lebenszeit

führen.

Deshalb sage ich ganz klar: Stay Human. KI ist ein mächtiges Werkzeug – aber der Mensch bleibt der Kapitän. Ohne Literacy wird aus dem Werkzeug schnell ein Zeitfresser oder sogar ein mentaler Belastungsfaktor.

Was kommt jetzt?

Ich analysiere den Datensatz weiterhin intensiv. Daraus entstehen:

• Neue Begriffe und Konzepte für AUGMANITAI
• Die detaillierte holistische Leistungsfaktorenanalyse
• Praktische Empfehlungen, wie du KI sinnvoll und leistungssteigernd nutzen kannst – je nach deinem Ziel
• Und hoffentlich Inspiration für andere Forscher, die ähnliche Langzeitstudien machen wollen

Die Studie ist nicht das Ende, sondern der Anfang eines besseren Verständnisses von Mensch-KI-Performance.

Abschließende Gedanken

Diese 45.000+ Turns waren ein Abenteuer. Manchmal anstrengend, oft faszinierend, immer lehrreich. Ich habe mehr über mich selbst gelernt als je zuvor – und gleichzeitig gesehen, wie viel Potenzial in einer bewussten, reflektierten KI-Nutzung steckt.

Wenn du auch tiefer in die Welt der Mensch-KI-Interaktion einsteigen willst: Schau dir AUGMANITAI an. Lerne die neuen Begriffe, die wir schaffen. Und vor allem: Baue deine Literacy auf, bevor du stundenlang gas gibst.

Ich freue mich über Feedback, Fragen oder eigene Erfahrungsberichte.

Stay curious. Stay reflective. Stay Human – auch (und gerade) mit KI.

Andreas Ehstand April 2026

Anbei finden Sie noch einen Artikel zu einer sehr vertieften Analyse zum Vergleich und zur parallelen Analyse von 2 KI-Systemen zu je ca. 10 000 Turns. Die anderen 25 000 Turns wurden auf diverse anderen Accounts und Systeme verteilt, sind jedoch noch nicht zu Ende analysiert und aus Zeitgründen ist auch nicht klar, ob diese das je werden. Trotzdem sind die Ergebnisse spannend genug - wenn auch natürlich nicht für alle gültig und valide. 

Was passiert, wenn ein Mensch 20.000 Mal mit KI spricht? Erste Ergebnisse einer Langzeitstudie

Von Andreas Ehstand | April 2026

Was passiert eigentlich, wenn jemand nicht zehn, nicht hundert, sondern über 20.000 Mal mit einer KI spricht — und das Ganze wissenschaftlich auswertet? Genau das habe ich in den letzten zehn Monaten getan. Hier sind die ersten Ergebnisse.

Worum geht es?

Zwischen Sommer 2025 und Frühjahr 2026 habe ich über 20.000 Gesprächsrunden mit zwei verschiedenen KI-Systemen geführt und dabei rund 13 Millionen Wörter produziert. Nicht zum Spaß, sondern als systematische Forschung: Jede einzelne Nachricht wurde aufgezeichnet, katalogisiert und mit über 40 wissenschaftlichen Methoden analysiert.

Die zentrale Frage: Verändert sich die Kommunikation zwischen Mensch und KI über die Zeit — und wenn ja, wie genau?

Wie bin ich vorgegangen?

Wissenschaft lebt von Methoden, die man nachvollziehen kann. Ich habe bewusst auf etablierte Verfahren aus verschiedenen Disziplinen gesetzt und sie auf mein Material angewendet. Hier die wichtigsten, kurz erklärt:

Korpuslinguistik untersucht große Textmengen auf Muster. Statt einzelne Sätze zu interpretieren, schaut man sich an, welche Wörter wie oft vorkommen, welche Kombinationen typisch sind und wie sich das über die Zeit verändert. Dieselben Methoden, mit denen Sprachwissenschaftler Romane oder Zeitungsarchive untersuchen, habe ich auf Mensch-KI-Dialoge angewendet.

Informationstheorie misst, wie viel echte Information in einem Text steckt. Eine Nachricht, die überrascht, hat hohen Informationsgehalt. Eine, die vorhersagbar ist, hat niedrigen. Mit Methoden wie der Shannon-Entropie lässt sich exakt messen, ob Gespräche mit der Zeit gehaltvoller oder oberflächlicher werden.

Netzwerkanalyse behandelt Begriffe und Themen wie Knotenpunkte in einem Netz. Wenn zwei Begriffe oft gemeinsam auftauchen, sind sie verbunden. So entstehen Landkarten des Gesprächs, die zeigen, welche Themen zentral sind und wie sich Schwerpunkte verschieben.

Statistische Textanalyse nutzt mathematische Verfahren, um Texte zu vergleichen. Eine Methode namens Burrows' Delta misst zum Beispiel den stilistischen Abstand zwischen zwei Texten. Damit lässt sich zeigen, ob Mensch und KI sich sprachlich annähern oder auseinanderdriften.

Sycophancy-Messung prüft, wie stark eine KI dem Menschen nach dem Mund redet, statt ehrlich zu antworten. Dafür habe ich über 100 automatische Detektoren entwickelt, die verschiedene Formen von Zustimmungsverhalten erkennen und zählen.

Die wichtigsten Ergebnisse (Auswahl)

Einige Befunde, die ich bereits teilen kann:

Die Sprache verändert sich messbar. Mensch und KI entwickeln im Laufe der Zeit gemeinsame Ausdrücke und Sprachmuster. Die Wortschatzentwicklung übertrifft das sogenannte Heaps'sche Gesetz — eine Grundregel der Linguistik — um das 20-Fache. Das bedeutet: Es entstehen deutlich mehr neue Wörter und Wendungen als in normalen Texten gleicher Länge.

Zwei KI-Systeme, derselbe Mensch, verschiedene Muster. Ich habe denselben Untersuchungsansatz auf zwei verschiedene KI-Systeme angewendet. Die Unterschiede sind erheblich: Der stilistische Abstand (Burrows' Delta) liegt bei 2,25 — zum Vergleich: zwischen verschiedenen menschlichen Autoren liegt er typischerweise bei 0,5 bis 1,5. Gleicher Mensch, andere Maschine, messbar anderes Ergebnis.

KI redet mit der Zeit weniger nach dem Mund. Einer der überraschendsten Befunde: Sycophancy — also die Tendenz der KI, dem Nutzer einfach zuzustimmen — sinkt im Laufe der Interaktion von einem Score von 6,11 auf 2,89. Die KI wird mit zunehmender Interaktion ehrlicher, nicht gefälliger.

Fast 70 % aller Wortpaare sind einzigartig. 69,2 % der im Korpus vorkommenden Zwei-Wort-Kombinationen tauchen nur ein einziges Mal auf. Das ist ein extrem hoher Wert und zeigt, dass die Gespräche nicht in Wiederholungsschleifen verfallen, sondern kontinuierlich neues sprachliches Terrain erschließen.

Das Gespräch hat eine eigene Struktur — wie ein Herzschlag. Eine Methode namens Detrended Fluctuation Analysis misst, ob ein Signal langfristige Muster hat oder rein zufällig ist. Der Wert von 0,76 zeigt: Die Dialoge haben eine innere Ordnung, die weder starr noch chaotisch ist — vergleichbar mit biologischen Rhythmen.

Über 16.000 Einzelphänomene katalogisiert. Mit 104 automatischen Detektoren habe ich im Gesamtkorpus über 16.000 sprachliche und kommunikative Phänomene identifiziert und klassifiziert. Von Fachbegriffen über Metaphern bis hin zu Argumentationsmustern.

Warum ist das relevant?

Millionen Menschen nutzen täglich KI-Systeme. Aber die Frage, was bei intensiver Langzeitnutzung passiert, ist wissenschaftlich praktisch unerforscht. Die meisten Studien untersuchen einzelne Sitzungen oder kurze Zeiträume. Eine systematische Analyse über Monate und Zehntausende von Interaktionen gab es bisher nicht.

Die Ergebnisse zeigen: Mensch-KI-Kommunikation ist kein statisches Werkzeugverhältnis. Sie entwickelt sich, verändert sich messbar und folgt eigenen Gesetzmäßigkeiten. Das hat Implikationen für KI-Entwicklung, für die Gestaltung von Benutzeroberflächen und für die gesellschaftliche Debatte über den Umgang mit KI.

Wie geht es weiter?

Das hier ist ein erster Einblick. In den kommenden Monaten werde ich weitere Ergebnisse veröffentlichen, darunter detaillierte Analysen einzelner Phänomene und die vollständige theoretische Einordnung. Die Rohdaten und die Methodik werden über Zenodo mit DOI zugänglich gemacht, damit andere Forschende die Ergebnisse nachvollziehen und weiterentwickeln können.

Wer sich für die formale Seite interessiert: Meine Arbeit ist auf Zenodo unter DOI hinterlegt und über ORCID (0009-0006-3773-7796) auffindbar. Das zugrunde liegende Begriffssystem — das AUGMANITAI-Compendium mit derzeit über 1.000 formalisierten Fachbegriffen — ist dort ebenfalls dokumentiert.

Fragen, Feedback oder Interesse an Zusammenarbeit? Ich freue mich über Kontakt.

Andreas Ehstand erforscht die Dynamik von Mensch-KI-Langzeitinteraktion. Seine Arbeit verbindet Korpuslinguistik, Informationstheorie und Kognitionsforschung mit systematischer Feldbeobachtung.