Stand: 18. Mai 2026
Executive Summary
Die Evidenzlage 2024-2026 ist nicht mehr "KI ja oder nein". Sie zeigt ein Muster: Generative KI kann Lernen unterstützen, wenn sie als Tutor, Feedbackpartner oder Reflexionswerkzeug in ein klares didaktisches Setting eingebettet ist. Dieselbe Technologie kann Lernen schwächen, wenn sie als freie Antwortmaschine Kernprozesse übernimmt.
Die wichtigste didaktische Konsequenz lautet deshalb: Modus schlägt Tool. Schulen sollten nicht primär nach dem besten Chatbot fragen, sondern nach Aufgabenarchitektur, Guardrails, Transferprüfungen und transparenter KI-Nutzung.
1. Lernwirkung: positiv, aber bedingt
Meta-Analysen und RCTs zeigen überwiegend positive Effekte von GenAI-gestützten Lernsettings auf Leistung und Motivation. Diese Befunde sind jedoch heterogen: Fach, Vorwissen, Dauer, Rolle der KI und Einbettung durch Lehrpersonen verändern die Wirkung stark.
Didaktische Lesart: KI ist kein Wirkstoff, sondern ein Verstärker des Settings. Gute Aufgaben werden oft stärker, schwache Aufgaben oft glatter und riskanter.
2. Guardrails sind der zentrale Unterschied
Bastani et al. (2025) zeigen in Mathematik besonders klar, warum freie Nutzung nicht mit Tutor-Design verwechselt werden darf. Standard-GPT-4 verbesserte die Leistung während der Übung, führte aber später ohne KI zu schwächerem Transfer. Ein Tutor-Modus mit Leitplanken vermied diesen Effekt weitgehend.
Didaktische Lesart: Lernwirksam ist nicht "Chatbot im Unterricht", sondern ein Design, das Hinweise gibt, Lösungen verzögert, Denken einfordert und am Ende Transfer ohne KI prüft.
3. KI-Tutoring kann stark sein, ersetzt aber kein pädagogisches System
Kestin et al. (2025) und die World-Bank-Studie in Nigeria zeigen, dass sorgfältig gestaltete AI-Tutoring-Settings erhebliche Lerngewinne erzeugen können. Beide Befunde sind wichtig, aber nicht als Freifahrtschein zu lesen: Es handelt sich um strukturierte Interventionen mit Lernzielen, Aufsicht und klarer Nutzung.
Didaktische Lesart: AI-Tutoring gehört in kontrollierte Lernschleifen: Diagnose, Tutorphase, menschliches Feedback, Transferaufgabe.
4. Offloading bleibt das Hauptrisiko
Kognitives Offloading ist nicht automatisch schlecht. Entlastung bei Formatierung, Strukturierung oder Sprachglättung kann Lernzeit freisetzen. Problematisch wird es, wenn Lernende genau die Denkhandlung delegieren, die aufgebaut werden soll: Begründung, Analyse, Transfer, Argumentation.
Didaktische Lesart: Jede KI-Aufgabe braucht eine sichtbare kognitive Bilanz: Was macht die KI? Was bleibt zwingend beim Menschen? Was wird ohne KI nachgewiesen?
5. AI Literacy wird institutionell
OECD/PISA 2029, OECD/EC AI Literacy Framework, UNESCO-Kompetenzrahmen und EU AI Act Artikel 4 verschieben AI Literacy von "Toolkompetenz" zu einer institutionellen Aufgabe. Schulen müssen Lernende und Personal befähigen, KI-Systeme zu erkennen, kritisch zu nutzen, Grenzen zu setzen und Verantwortung zu übernehmen.
Didaktische Lesart: AI Literacy gehört nicht nur in Informatik. Sie muss in Fachaufgaben, Assessment, Schulregeln und Weiterbildung sichtbar werden.
6. Detektoren lösen das Integritätsproblem nicht
KI-Detektoren sind für Sanktionen zu fehleranfällig und können insbesondere mehrsprachige Lernende benachteiligen. Die faire Alternative ist prozessorientiert: Deklaration, Zwischenstände, mündliche Verteidigung, lokale Transferaufgaben und klare Bewertungsraster.
Didaktische Lesart: Integrität entsteht durch Aufgaben- und Bewertungskultur, nicht durch nachträgliche Maschinenurteile.
Konsequenzen für Schulen
- Jede KI-Nutzung erhält einen Modus: verboten, begleitet, begrenzt oder erlaubt.
- Jede Lernaufgabe benennt die Denkhandlung: analysieren, begründen, prüfen, gestalten, reflektieren.
- Jede KI-Phase braucht Transfer ohne KI: kurze Checks, mündliche Defense, Variantenaufgabe.
- Jede Schule braucht AI-Literacy-Standards: für Lernende, Lehrpersonen, Leitung und IT.
- Jede Bewertung braucht Transparenz: Was war KI, was war Eigenleistung, was wurde geprüft?
Quellen
- Bastani et al. (2025), Generative AI without guardrails can harm learning, PNAS. doi.org/10.1073/pnas.2422633122
- Kestin et al. (2025), AI tutoring outperforms in-class active learning, Scientific Reports. nature.com
- De Simone et al. (2025), Learning to Learn with AI, World Bank. openknowledge.worldbank.org
- Liu et al. (2025), Effects of Generative Artificial Intelligence on K-12 and Higher Education Students' Learning Outcomes, Journal of Educational Computing Research. sagepub.com
- OECD (2026), Digital Education Outlook 2026. oecd.org
- OECD, PISA 2029 Media and Artificial Intelligence Literacy. oecd.org
- UNESCO (2024), AI Competency Frameworks for Students and Teachers. unesco.org
- Liang et al. (2023), GPT detectors are biased against non-native English writers, Patterns. sciencedirect.com