Wann entlastet KI das Lernen sinnvoll – und wann übernimmt sie die Denkarbeit, die gelernt werden soll?

Was wird eigentlich entlastet?

Selbstregulation meint hier, das eigene Lernen zu planen, den Fortschritt zu beobachten und das Vorgehen anzupassen. KI kann an jeder dieser Stellen mitwirken: Sie kann einen Arbeitsplan vorschlagen, eine Erklärung liefern oder auf einen möglichen Fehler hinweisen. Offen bleibt zunächst, wer dabei die entscheidenden Urteile fällt.

Kognitive Entlastung ist deshalb nicht automatisch gut oder schlecht. Wenn eine Schülerin das Formatieren einer Tabelle abgibt, kann mehr Aufmerksamkeit für die Interpretation bleiben. Wenn sie gerade diese Interpretation lernen soll und die KI sie vollständig liefert, fällt die zentrale Übung weg. Diese Beispiele erläutern eine didaktische Entscheidung; sie sind keine Ergebnisse eines direkten Vergleichsversuchs.

Die Perspective von Di Paolo, Clark und Wachter hilft, die Frage über Geschwindigkeit und fertige Produkte hinaus zu stellen. Sie ist eine konzeptionelle Rahmung, keine zusätzliche Effektstudie. Das Dossier behauptet deshalb weder eine allgemeine «Verdummung» durch KI noch eine automatische Steigerung selbstständigen Lernens.

Was zeigen schulische Studien?

Drei bereits im Portal dokumentierte Befundlinien sind für diese Frage relevant. Sie messen unterschiedliche Dinge und lassen sich nicht zu einer einzigen Wirkungszahl zusammenrechnen.

Der Versuch von Fütterer et al. betrifft Jugendliche der Klassen 7 bis 9. Die kurze Dauer und Ausfälle begrenzen die Schlussfolgerung. Besonders wichtig: Die Kontrollbedingung war ebenfalls KI-gestützt. Ein ausgebliebener Zusatznutzen bestimmter Prompts ist weder ein Beleg gegen jede Lernhilfe noch für die Gleichwertigkeit aller Varianten.

Die Lesestudie von Kreijkes et al. prüfte eine verzögerte Leistung, aber keine Entwicklung über ein Schuljahr. Eine reine Lesebedingung fehlte. Ihr Befund spricht für die sorgfältige Auswahl der Lernhandlung und erlaubt keinen pauschalen Schluss, dass jeder Chatdialog passiv oder jedes Notieren wirksam sei.

Bei Bastani et al. war freie Antwortnutzung im Mathematikunterricht mit schlechterer späterer Leistung ohne Hilfsmittel verbunden; ein eingeschränkter Tutor begrenzte diesen Nachteil. Der Befund betrifft ein konkretes Design in einem engen Kontext. Er ist ein Warnsignal für unpassende Hilfe, keine Diagnose aller KI-Nutzung.

Was folgt für den Unterricht?

Diese Empfehlung ist eine didaktische Ableitung. Die Nullbefunde bleiben sichtbar, weil ein plausibler Ablauf noch keine geprüfte Wirkung garantiert. Für die Planung lassen sich drei Entscheidungen festhalten:

Eine fachübergreifende Möglichkeit ist, zuerst eine eigene Einschätzung festzuhalten, dann gezielt Hilfe einzuholen und anschliessend eine Änderung zu begründen. Bei einem neuen Problem kann geprüft werden, ob die Begründung auch ohne denselben Hinweis gelingt. Das ist ein überprüfbarer Unterrichtsentwurf, keine vorgeschriebene Methode.

Ein solcher Ablauf sollte zudem nicht zum Sammeln möglichst vieler Chatprotokolle führen. Für die pädagogische Entscheidung können wenige begründete Schritte aussagekräftiger sein als eine lange Dokumentation. Welche Daten nötig und zulässig sind, muss lokal geklärt werden.

Was bleibt offen?

Die Quellen beantworten nicht zuverlässig, wie sich dauerhafte KI-Nutzung auf Lernstrategien unterschiedlicher Jugendlicher auswirkt. Motivation, wahrgenommene Hilfe, unmittelbare Leistung und langfristige Eigenständigkeit sind getrennte Ziele. Auch ein kleiner eigener Unterrichtstest ist keine belastbare Kausalstudie; er kann aber Anlass geben, Hilfen anzupassen oder genauer hinzusehen.

Dieses Dossier wurde am 28. Oktober 2026 anhand gezielt nachgeprüfter Originalquellen erstellt. Es ist KI-gestützt redaktionell erstellt und selbst geprüft; eine unabhängige Gegenprüfung oder externe Fachprüfung liegt nicht vor. Suchweg, Zugangsgrenzen und Quellenrollen stehen im Rechercheprotokoll. Nächste geplante Prüfung: 28. Januar 2027.

Weiterlesen: Lernwirkung und Transfer · KI-Tutoring