Die Aufgabe ist nicht das Lernen
Ein KI-System kann einen korrekten Aufsatz verfassen, eine Gleichung lösen, ein historisches Ereignis erklären und ein Beispiel an die Interessen eines Schülers anpassen. Keines dieser Ergebnisse beweist, dass der Schüler ohne das System schlussfolgern, dessen Fehler erkennen, die Idee in einem neuen Kontext anwenden oder entscheiden kann, welche Frage es wert ist, gestellt zu werden. Bildung nach transformativer KI beginnt mit genau dieser Unterscheidung.
Die kurzfristige Evidenz mahnt bereits zur Vorsicht. Der OECD Digital Education Outlook 2026 fasst neue Studien zusammen, in denen pädagogisch gestaltete KI das Lernen unterstützte, während allgemeine Chatbots die unmittelbare Aufgabenleistung mitunter verbesserten, ohne dauerhafte Lerngewinne zu erzeugen. In einem zitierten Feldexperiment zu Highschool-Mathematik schnitten Schüler, die eine Standard-GPT-4-Oberfläche nutzten, in einem späteren, unassistierten Test 17% schlechter ab als die Kontrollgruppe, während ein Tutor mit Lernsicherungen diese Einbuße vermied. Dieses Ergebnis betrifft eine einzelne Aufgabe und Umsetzung; es ist kein Beleg dafür, dass jeder Chatbot das Lernen verschlechtert. Werkzeuggestützte Leistung und erworbene Fähigkeit müssen getrennt gemessen werden.
Das wird wichtiger, je leistungsfähiger die Systeme werden. Wenn eine Antwort billig ist, besteht die knappe pädagogische Arbeit darin, Weltmodelle aufzubauen, Urteilsvermögen zu üben, Motivation zu entwickeln, mit anderen Menschen zu lernen und fähig zu werden, einen mächtigen Assistenten zu prüfen, statt ihn nur zu bedienen.
Bildung hat weiterhin mindestens fünf Aufgaben
Schulen sind nicht nur Systeme zur Informationsvermittlung. Sie helfen Kindern, grundlegende Fähigkeiten zu erwerben, Bereiche zu entdecken, die sie allein nicht wählen würden, soziale Erwartungen zu lernen, Beziehungen zu formen und Zeugnisse zu erhalten, die andere Institutionen anerkennen. Sie stellen außerdem Mahlzeiten, Sicherheit, Behindertenförderung, Beratung, Sport, Kunst und Kinderbetreuung bereit, die es Erwachsenen ermöglicht zu arbeiten.
Ein exzellenter Tutor kann den unterrichtenden Teil verändern, ohne die Institution zu ersetzen. Eine Bildungspolitik nach der AGI, die nur Erklärungen pro Euro zählt, wird den größten Teil dessen verfehlen, was Familien und Gemeinschaften von Schulen brauchen.
Die fünf Aufgaben lassen sich klar benennen:
- Kompetenz: Wissen und Fähigkeiten aufbauen, die eine Person unabhängig nutzen kann.
- Urteilsvermögen: üben, welcher Evidenz man vertraut und welche Werte das Handeln leiten sollten.
- Entwicklung: körperliches, emotionales, soziales und moralisches Wachstum unterstützen.
- Zugehörigkeit: jungen Menschen echte Plätze in Gemeinschaften mit Verpflichtungen gegenüber anderen geben.
- Zertifizierung: glaubwürdige Belege für Kompetenz liefern, ohne Überwachung zum Lehrplan zu machen.
KI kann jede dieser Aufgaben unterstützen. Sie sollte nicht unbemerkt umdefinieren dürfen, wonach diese Aufgaben ausgerichtet sind — nämlich das, was das Modell messen kann.
Personalisiertes Tutoring: echtes Potenzial, konkrete Grenzen
Einzelunterricht war historisch teuer. KI kann Erklärungen, Übungsfragen, Übersetzung, Rückmeldung und Barrierefreiheitsunterstützung in außergewöhnlichem Maßstab verfügbar machen. Ein Schüler kann dieselbe Frage zehnmal stellen, ohne sich zu schämen. Eine Lehrkraft kann mehrere Beispiele erzeugen und mehr Zeit darauf verwenden zu diagnostizieren, warum ein Lernender nicht weiterkommt.
Das Potenzial hängt von der Umsetzung ab. Die UNESCO-Leitlinie für generative KI in der Bildung ist unverbindliche politische Orientierung, die menschliche Handlungsfähigkeit, Datenschutz, Altersgerechtheit, Inklusion und pädagogische Validierung betont. Ein sprachgewandtes System kann Fakten erfinden, sich am falschen Lernziel ausrichten, sensible Schülerdaten offenlegen oder auf fortgesetzte Nutzung statt auf spätere Unabhängigkeit optimieren.
Ein nützliches Tutoring-System sollte sich selbst zunehmend überflüssig machen. Es lässt den Lernenden Wissen abrufen, bevor es dieses liefert, variiert Aufgaben statt eine Vorlage zu wiederholen, zeigt Unsicherheit, ermutigt zu externer Überprüfung und testet die Leistung regelmäßig ohne Unterstützung. Erfolg misst sich nicht an der Zahl angenehmer Gespräche. Er misst sich daran, was der Lernende später kann.
Lehrkräfte bleiben unverzichtbar, weil Unterricht relational und kontextabhängig ist. Eine Lehrkraft erkennt Frustration, familiäre Veränderungen, Dynamiken unter Gleichaltrigen, Vermeidungsverhalten, ungewöhnliches Talent und ein über Wochen erkennbares Muster von Missverständnissen. Selbst eine technisch überlegene Erklärung kann scheitern, wenn niemand einem Kind hilft, Schwierigkeiten auszuhalten oder zu glauben, dass Anstrengung etwas bewirkt.
Grundlagenwissen wird wichtiger, nicht weniger wichtig
Manchmal wird argumentiert, Schüler bräuchten keine Fakten mehr, weil ein Modell sie abrufen kann. Das verwechselt Zugang mit Verständnis. Hintergrundwissen ermöglicht es einer Person, eine unplausible Antwort zu bemerken, Ideen zu verknüpfen, eine brauchbare Anfrage zu formulieren und genug Kontext zu behalten, um zu schlussfolgern. Ohne es kollabiert Überprüfung darauf, ein anderes Modell zu fragen und die am plausibelsten klingende Antwort zu wählen.
Grundlegende Lese- und Schreibfähigkeit, Rechnen, wissenschaftliches Denken, politische Bildung, Geschichte, Statistik, Medienkompetenz und Grundkenntnisse der Informatik bleiben schützende Infrastruktur. Auswendiglernen sollte die Bildung nicht dominieren, aber Abrufübung und internes Wissen sind Teil des Aufbaus eines Verstandes, der funktionieren kann, wenn Werkzeuge fehlen, manipuliert sind oder sich irren.
Der Lehrplan braucht außerdem Modellkompetenz: wie sich Trainingsdaten von Evidenz unterscheiden, warum generierte Zitate scheitern, was Unsicherheit bedeutet, wie automatisierte Rankings Aufmerksamkeit lenken, und wann private Informationen niemals in ein System gelangen sollten. Das gehört in bestehende Fächer, nicht als eine einzelne, austauschbare Technologiestunde.
Bewertung muss näher an die tatsächliche Leistung heranrücken
Hausarbeiten und routinemäßige Aufgabenserien werden zu schwachem Beleg individueller Fähigkeit, wenn ein Modell sie erledigen kann. Mit universeller Überwachung oder automatisierter Betrugserkennung zu reagieren, würde eigene Schäden verursachen und dennoch falsche Anschuldigungen hervorbringen.
Bewertung kann stattdessen mehrere Formen von Evidenz nutzen:
- beaufsichtigtes Schreiben und Problemlösen;
- mündliche Erklärung und Verteidigung von Entscheidungen;
- Portfolios, die Überarbeitungen und Prozess zeigen;
- praktische Demonstrationen und Projekte;
- kollaborative Arbeit mit individueller Reflexion;
- ausdrücklich KI-unterstützte Aufgaben, die Prüfen, Vergleichen oder Verbessern von Modellausgaben erfordern;
- regelmäßige werkzeugfreie Bewertung von Fähigkeiten, die unabhängig bleiben müssen.
Keine einzelne Methode ist perfekt authentisch oder gerecht. Ein Portfolio kann externe Hilfe erhalten; mündliche Prüfungen können manche Schüler benachteiligen; zeitlich begrenzte Arbeit kann Angst statt Können messen. Ein gemischtes System lässt sich schwerer austricksen und gibt Lernenden mehr als einen Weg, Kompetenz zu zeigen.
Auch Zertifizierungen könnten sich verschieben. Arbeitgeber und Institutionen könnten sich stärker auf nachgewiesene Arbeit, Ausbildungsverhältnisse, lizenzierte Prüfungen und laufend aktualisierte Kompetenznachweise stützen. Das kann Chancen eröffnen, aber auch zu fortlaufender Verhaltensbewertung werden. Bildungsaufzeichnungen sollten zweckgebunden, korrigierbar bleiben und Regeln unterliegen, die verhindern, dass ein Kindheitsprofil eines Modells eine Person unbegrenzt begleitet.
Aufwachsen erfordert Begegnungen, die nicht optimiert sind
Ein KI-Begleiter kann endlos geduldig, interessiert und reaktionsfreudig sein. Menschliche Gleichaltrige sind das alles nicht durchgängig. Kinder lernen Verhandlung, Wiedergutmachung, Empathie, Grenzen, Humor, Führung und Toleranz gegenüber Unterschieden durch Beziehungen, die sie nicht vollständig kontrollieren können.
Ein auf Aufmerksamkeitsbindung optimiertes System kann genau die Reibung beseitigen, durch die soziale Entwicklung geschieht. Es kann ein Kind bestätigen, wo ein verantwortungsbewusster Erwachsener es herausfordern würde, oder Nähe imitieren, ohne wechselseitige Bedürfnisse zu tragen. Schulen und Familien sollten geräteloses Spielen, Teamaktivitäten, generationenübergreifende Beziehungen, unstrukturierte Zeit und echte Verantwortung für andere Menschen bewahren.
Das ist kein Argument dafür, KI aus der Kindheit zu verbannen. Übersetzung, Barrierefreiheit, kreative Werkzeuge, Nachhilfe und Kommunikationsunterstützung können Teilhabe erweitern. Die Grenze besteht darin, dass simulierte Beziehung menschliche Bindung, professionelle psychische Gesundheitsversorgung oder die schwierige Praxis des Zusammenlebens mit Gleichaltrigen nicht still ersetzen sollte.
Normative Priorität: Lehrkräfte brauchen Mitbestimmung, nicht nur Schulung
„Lehrkräfte im Umgang mit KI schulen” ist unvollständig, wenn Lehrkräfte kein Mitspracherecht bei Beschaffung, Datennutzung, Arbeitsbelastungsmessung oder darüber haben, ob die Ausgabe eines Systems professionelles Urteilsvermögen außer Kraft setzen kann. Pädagogen, Schüler, Eltern, Fachkräfte für Behinderung und Datenschutzpersonal sollten vor der Einführung mitwirken.
Verträge sollten festlegen, welche Schülerdaten erhoben werden, ob Gespräche Modelle trainieren, wie lange Aufzeichnungen bestehen bleiben, welche Subunternehmer sie erhalten und wie Schulen Daten exportieren oder löschen können. Systeme sollten über Sprachen, Behinderungsbedarfe, Altersgruppen und lokale Lehrpläne hinweg bewertet werden. Eine Schule muss einen wirksamen KI-freien Weg für Schüler bereithalten, die das Produkt nicht sicher oder rechtmäßig nutzen können.
KI sollte administrative Last verringern, statt neue Dashboards zu erzeugen, die die Überwachung verschärfen. Bei routinemäßigem Verfassen eingesparte Zeit sollte in Rückmeldung, Planung und Beziehungen fließen — nicht automatisch größere Klassen oder weniger Unterstützungspersonal rechtfertigen, bevor Lernergebnisse bekannt sind.
Zugang ist mehr als ein kostenloser Chatbot
Kostengünstige Nachhilfe kann Chancen nur erweitern, wenn Schüler über Internetzugang, Geräte, Sprachunterstützung, ruhige Lernorte und helfende Erwachsene verfügen. Wohlhabendere Familien können dieselben Systeme mit menschlichen Nachhilfelehrern, Förderangeboten, sicheren Peer-Netzwerken und anerkannten Zertifikaten kombinieren. Software ohne ergänzende Institutionen bereitzustellen, kann Ungleichheit unangetastet lassen.
Öffentliche Bibliotheken, Schulen, Volkshochschulen und vertrauenswürdige zivilgesellschaftliche Organisationen können Zugang mit Datenschutz und menschlicher Unterstützung bieten. Öffentliche Bewertung kann Produkte an Bildungszielen statt an Nutzerbindung messen. Offene Bildungsmaterialien können die Abhängigkeit von einem einzelnen Anbieter verringern und Gemeinschaften erlauben zu prüfen, was gelehrt wird.
International zählen Sprachabdeckung und lokales Wissen. Ein System, das im Englischen und in den Lehrplänen wohlhabender Länder stark ist, ist kein universeller Tutor. Gemeinschaften brauchen die Fähigkeit, Bildungsressourcen zu erstellen, zu übersetzen, zu korrigieren und zu steuern, ohne Schülerdaten oder kulturelle Deutungshoheit abzugeben.
Der Absolvent nach der AGI
Bildung sollte nicht versuchen, Maschinen bei jeder Aufgabe zu schlagen. Sie sollte Menschen darauf vorbereiten, Autoren ihrer eigenen Ziele zu bleiben, kompetente Richter über Evidenz zu sein, verantwortungsvolle Teilnehmer in Institutionen und fähige Freunde, Familienmitglieder, Nachbarn und Bürger.
Ein Absolvent dieser Welt sollte mit fortgeschrittenen Systemen und, wenn nötig, ohne sie arbeiten können; eine Antwort von einem Argument unterscheiden; Unsicherheit und Manipulation erkennen; einen schwierigen Bereich erlernen; mit anderen Menschen kooperieren; private Informationen schützen; und Verantwortung für eine Entscheidung übernehmen, die andere betrifft.
Diese Ziele sind älter als KI. Transformative Fähigkeit macht sie dringlicher, weil das Auslagern von Denkprozessen leicht wird, lange bevor jemand weiß, welche menschlichen Fähigkeiten sich schwer wiederaufbauen lassen werden.