Bildung hat zwei KI-Probleme, nicht eines
Generative KI kann einem Lernenden helfen, eine Aufgabe zu erledigen, und sie kann ihm helfen, die zugrunde liegende Fertigkeit zu erwerben. Diese Ergebnisse sind nicht dasselbe. Ein mit umfangreicher Hilfe erstellter, ausgefeilter Aufsatz kann die heutige Abgabe verbessern und dabei zugleich die Übung schwächen, die für eigenständiges Schreiben nötig ist. Umgekehrt kann ein Tutor, der Fragen stellt, Fehlvorstellungen diagnostiziert und Unterstützung allmählich zurücknimmt, das Lernen verbessern. Die pädagogische Frage lautet daher nicht einfach, ob Schülerinnen und Schüler „KI nutzen”, sondern welche kognitive Arbeit der Lernende noch selbst leistet.
Die gegenwärtigen Effekte im Klassenzimmer betreffen generative KI, nicht AGI. Schulen stehen bereits vor flüssiger Texterzeugung, Übersetzung, Rückmeldung, Programmierhilfe, synthetischen Medien und automatisierter Verwaltung. Behauptungen, AGI werde Schulen oder Abschlüsse überflüssig machen, sind Projektionen. Keine gegenwärtige Evidenz kann feststellen, wie Institutionen auf ein System mit zuverlässigen, breit übermenschlichen Lehr- und Forschungsfähigkeiten reagieren würden.
Was sich bis 2026 beobachten lässt
Die Nutzung durch Schülerinnen und Schüler ist in vielen teilnehmenden Bildungssystemen zum Mainstream geworden. Die PISA-2025-Ergebnisse der OECD berichteten, dass 46 % der Schülerinnen und Schüler in OECD-Ländern KI-Chatbots wöchentlich oder häufiger zum Lernen nutzten. Schülerinnen und Schüler, die KI für bestimmte Schulaufgaben wie Zusammenfassen, Entwerfen und vorbereitende Recherche nutzten, erzielten nach Anpassung an den sozioökonomischen Status im Durchschnitt niedrigere Naturwissenschaftswerte, während allgemeine wöchentliche Nutzer ähnlich abschnitten wie Nichtnutzer. Dies ist eine Assoziation, kein Beweis, dass KI niedrigere Werte verursachte; Schülerinnen und Schüler mit Schwierigkeiten könnten sie anders oder häufiger nutzen. Schülerinnen und Schüler mit sowohl regelmäßiger Nutzung als auch schulischen Gelegenheiten, KI-Kompetenz zu entwickeln, erzielten tendenziell etwas höhere Werte, was die Bedeutung von Unterricht und die Ungleichheit des Zugangs unterstreicht (OECD PISA 2025, September 2026).
Die Bereitschaft der Lehrkräfte hinkt der Übernahme durch Schülerinnen und Schüler hinterher. Stanfords AI Index 2025 berichtete, dass 81 % der befragten US-amerikanischen Informatiklehrkräfte meinten, KI solle Teil des grundlegenden Lernens sein, während sich weniger als die Hälfte dafür gerüstet fühlte, sie zu unterrichten. Das ist ein Befund zu US-Lehrkräften, kein globales Maß, veranschaulicht aber, warum politische Dokumente allein keine kompetente Unterrichtspraxis schaffen (Stanford HAI, 2025).
Täuschung ist real, aber schwer zu messen. Umfragen beruhen auf Selbstauskunft, und die Definitionen unterscheiden sich: verbotenes Ghostwriting, erlaubtes Brainstorming, Grammatikkorrektur und Barrierefreiheitsunterstützung könnten alle als „KI-Nutzung” gezählt werden. KI-Text-Detektoren fügen ein weiteres Problem hinzu. Ihre Fehlerraten variieren je nach Modell, Sprache, Bearbeitung und Schülerpopulation; ein probabilistischer Detektor sollte niemals die alleinige Grundlage für eine Bestrafung sein. Institutionen brauchen evidenzbasierte Verfahren zur akademischen Integrität mit Benachrichtigung, Gelegenheit zur Stellungnahme und Aufmerksamkeit für Falsch-positiv-Fälle.
Was frühe Interventionsevidenz nahelegt
Der stärkste Befund ist bedingt: KI-Unterstützung funktioniert besser, wenn sie in eine solide Pädagogik eingebettet ist. Der Digital Education Outlook 2026 der OECD kommt zu dem Schluss, dass generative Systeme personalisierte Rückmeldung und Nachhilfe bieten können, unterscheidet aber KI-unterstützte Leistung von dauerhafter Kompetenzentwicklung und fordert einen pädagogisch fundierten Einsatz (OECD, 2026). Der Anbieter eines Werkzeugs hat ein Interesse daran, Engagement und kurzfristige Gewinne zu berichten, daher verdienen unabhängige randomisierte Studien, verzögerte Tests und Transfer auf neue Probleme mehr Gewicht als Erfahrungsberichte.
Nützliches Tutoring-Verhalten umfasst, den Lernenden zunächst selbst versuchen zu lassen, Hinweise statt Antworten zu geben, Erklärung zu verlangen, Quellen zu prüfen, Fehler erneut aufzugreifen und Unterstützung ausklingen zu lassen. Schädliche Muster umfassen, die gesamte Aufgabe sofort zu erledigen, Zitate zu erfinden, falsches Denken zu loben, oder sich so vollständig an die Präferenzen eines Lernenden anzupassen, dass produktive Schwierigkeit verschwindet.
Menschliche Lehrkräfte bleiben unverzichtbar für Ziele, die das Modell nicht zuverlässig übernehmen kann: Lehrpläne wählen, familiären und kulturellen Kontext verstehen, ein Klassenzimmer führen, Kinder schützen, anhaltende Anstrengung motivieren, Not erkennen und professionelle Verantwortung übernehmen. KI kann die Rückmeldungskapazität erweitern, ohne diese Verantwortlichkeiten verschwinden zu lassen.
Bewertung muss die beabsichtigte Fähigkeit messen
Traditionelle Hausaufsätze können nicht dasselbe Beweisgewicht tragen, wenn hochwertige Assistenz allgegenwärtig ist. Die Antwort sollte weder Überwachung noch eine Rückkehr zu reinen Gedächtnisprüfungen sein. Programme können kombinieren:
- beaufsichtigte Nachweise grundlegenden Wissens ohne KI;
- Aufgaben mit offener KI-Nutzung, die Protokolle, Quellenprüfung und Kritik erfordern;
- mündliche Verteidigung oder Erklärung in Echtzeit;
- Entwürfe und Prozessartefakte;
- Projekte, die an lokale Daten oder direkte Beobachtung gebunden sind;
- kollaborative Arbeit mit expliziter individueller Verantwortlichkeit.
Jede Form beantwortet eine andere Frage. Eine werkzeugfreie Aufgabe testet unassistierte Flüssigkeit. Eine Aufgabe mit offenen Werkzeugen testet Urteilsvermögen und Orchestrierung. Eine mündliche Verteidigung testet, ob der Lernende die eingereichte Arbeit versteht. Barrierefreiheitsanpassungen müssen verfügbar bleiben, und Änderungen der Bewertung dürfen Schülerinnen und Schüler nicht dafür bestrafen, assistive Technologie zu nutzen.
Genauigkeit, Quellen und intellektuelle Abhängigkeit
Chatbots können korrekte Erklärungen und erfundene Behauptungen im selben selbstsicheren Ton produzieren. Schülerinnen und Schüler sollten laterales Lesen lernen: die generierte Antwort verlassen, Primärquellen prüfen, Autor und Datum identifizieren, Statistiken zu ihrer Methode zurückverfolgen und widersprechende Evidenz suchen. Einen Chatbot zu zitieren, ersetzt nicht das Zitieren der zugrunde liegenden Quelle.
KI-Kompetenz umfasst auch, Unsicherheit, Datenschutz, Modellverzerrung, synthetische Medien und kommerzielle Anreize zu erkennen. Ein Schulkonto kann andere Aufbewahrungsbedingungen haben als ein Verbraucherkonto. Schülerinnen und Schüler sollten keine identifizierbaren Informationen von Mitschülern, geschützte Bildungsunterlagen, unveröffentlichte Forschung oder intime Offenbarungen ohne genehmigtes System und klare Richtlinie eingeben.
Es besteht ein tieferes Risiko intellektueller Abhängigkeit. Delegiert ein Lernender Themenwahl, Recherche, Synthese, Entwurf und Überarbeitung, kann das Endprodukt die Fähigkeit des Lernenden übersteigen, während wenig Wissen zurückbleibt. Lehrkräfte können dem entgegenwirken, indem sie festlegen, welche Schritte assistiert werden dürfen, und Reflexion darüber verlangen, wo das Modell falsch lag oder nicht hilfreich war.
Chancengleichheit wirkt in beide Richtungen
KI kann Übersetzung, Textvereinfachung, Sprachunterstützung und individualisierte Übung bieten. Diese Vorteile könnten für Schülerinnen und Schüler mit Behinderung oder begrenztem Zugang zu Nachhilfe besonders wichtig sein. Doch kostenpflichtige Modelle, schnelle Geräte, Konnektivität und Lehrerexpertise sind ungleich verteilt. Die OECD stellte fest, dass Gelegenheiten zum Erwerb von KI-Kompetenz bei sozioökonomisch bessergestellten Schülerinnen und Schülern häufiger waren. Eine nominell universelle Technologie kann Lücken vergrößern, wenn wohlhabende Schülerinnen und Schüler angeleitete, hochwertige Nutzung erhalten, während andere uneingeschränkte Antwortgenerierung oder keinen Zugang erhalten.
Eine Politik der Chancengleichheit sollte daher zugängliche, genehmigte Werkzeuge, Lehrerfortbildung, Alternativen für Schülerinnen und Schüler, die sich abmelden, sowie Evaluation über Sprach- und Behinderungsgruppen hinweg bereitstellen. Sie sollte auch KI-freie Wege bewahren, damit Bildung nicht davon abhängig wird, Schülerdaten mit einem privaten Anbieter zu teilen.
Abschlüsse und der Arbeitsmarkt
Arbeitgeber könnten Abschlüssen, die hauptsächlich auf zu Hause erstellter Arbeit beruhen, die KI imitieren kann, weniger Wert beimessen. Das bedeutet nicht, dass Abschlüsse wertlos werden. Abschlüsse signalisieren auch anhaltende Anstrengung, beaufsichtigte Praxis, Labor- oder klinische Kompetenz, Zusammenarbeit mit Gleichaltrigen und institutionelle Überprüfung. Ihr Wert wird davon abhängen, ob Schulen zeigen können, was Absolventen unabhängig und mit Werkzeugen leisten können.
Lehrpläne sollten grundlegendes Wissen bewahren, weil Urteilsvermögen etwas braucht, worüber es urteilen kann. Zugleich brauchen Schülerinnen und Schüler Übung darin, Probleme zu zerlegen, Ausgaben zu bewerten, disziplinübergreifend zu arbeiten, mit Menschen zu kommunizieren und Verantwortung für Konsequenzen zu übernehmen. „Prompt Engineering” allein ist zu werkzeugspezifisch, um eine Bildungsphilosophie zu sein.
Eine praktische Politik für Familien und Schulen
Erwachsene sollten fragen: Welches Lernziel prüft diese Aufgabe? Welche Assistenz ist erlaubt? Muss KI-Nutzung offengelegt werden? Welche Daten verlassen die Institution? Wie kann ein Schüler einer Anschuldigung widersprechen? Was passiert, wenn das Werkzeug nicht verfügbar ist?
Familien können Kinder bitten, ihren Prozess zu zeigen, Antworten mit eigenen Worten zu erklären, gemeinsam eine wichtige Behauptung zu verifizieren und regelmäßiges, unassistiertes Lesen, Schreiben, Rechnen und Gespräch beizubehalten. Ein pauschales Verbot kann Nutzung in den Untergrund treiben; totale Freizügigkeit kann Übung durch Vorführung ersetzen.
Die am besten gestützte Position im September 2026 ist strukturierte Integration mit fortlaufender Evaluation. Die gegenwärtige Evidenz rechtfertigt nicht die Behauptung, dass generative KI das Lernen universell verbessert oder schädigt. Sie zeigt, dass Effekte von Aufgabe, Pädagogik, Intensität, Vorkenntnissen und Zugang abhängen. AGI könnte die Ökonomie und Reichweite der Bildung drastisch verändern, doch das bleibt Szenarioanalyse statt eines Ergebnisses, das Schulen heute beobachten können.