Die Übersichtsarbeit von Parasuraman und Manzey aus dem Jahr 2010 hat die Belege konsolidiert: Menschen unterprüfen den Output automatisierter Systeme systematisch, selbst wenn sie explizite Anreize haben, ihn zu kontrollieren. Je selbstsicherer die Oberflächenpräsentation des Systems wirkt, desto weniger Verifikation findet statt.
LLMs zeigen per Design die maximale Oberflächenkonfidenz. Sie schreiben in vollständigen Sätzen mit hoher sprachlicher Flüssigkeit. Die Form ihres Outputs ist die Form der Autorität, und der Automation Bias drängt die Lernenden dazu, das zu akzeptieren, was autoritativ wirkt.
Die KI von Fluera präsentiert ihren Output niemals im Tonfall der Autorität. Ghost Map lässt Unsicherheit visuell hervortreten. Sokratische Antworten sind als Prompts formuliert, nicht als Verlautbarungen. Die explizite Haltung des Produkts — prüfe, bevor du vertraust — ist ein bewusstes Gegengewicht zu jenem Bias, den der Stil der Technologie einlädt.