Ein Werkzeug kann das Ergebnis einer Aufgabe verbessern und gleichzeitig die Fähigkeit schwächen, die durch diese Aufgabe trainiert werden sollte.
Diese Spannung zeigt eine aktuelle Studie mit 26.811 chinesischen Schülerinnen und Schülern. Nach der Einführung generativer KI stiegen ihre Hausaufgabennoten um 18 %, während die Bearbeitungszeit um 30 % sank. Sechs Monate später waren ihre Ergebnisse in monatlichen Prüfungen ohne KI um 20 % gefallen.
Die einfache Schlussfolgerung lautet, KI schade dem Lernen. Die nützlichere ist präziser: Wenn wir sichtbare Ergebnisse optimieren, können wir unbemerkt den kognitiven Prozess entfernen, der die Aufgabe wertvoll machte.
Was die Studie tatsächlich gemessen hat
David Strömberg, Victor Lei und Yanhui Wu nutzen 30 Monate Daten von Lernenden der Klassen 7 bis 12 in einem Landkreis in Zentralchina. Die Daten verbinden Noten und Bearbeitungszeiten aus neun Fächern mit monatlichen Prüfungen ohne Hilfsmittel sowie Aufnahmeprüfungen für weiterführende Schulen und Hochschulen.
Weil die Jugendlichen KI zu unterschiedlichen Zeitpunkten einführten, verwenden die Forschenden ein Difference-in-Differences-Design. Es war kein randomisiertes Experiment: Die Lernenden entschieden selbst über die Nutzung. Die Analyse prüft frühere Trends und versucht, die mit der Einführung verbundene Veränderung zu isolieren, bietet aber nicht dieselbe kausale Kontrolle wie ein Experiment.
Die Ergebnisse sind dennoch auffällig:
- Hausaufgabennoten stiegen um 18 %;
- die durchschnittliche Bearbeitungszeit sank um 30 %;
- monatliche Prüfungsergebnisse fielen binnen sechs Monaten um 20 %;
- Aufnahmeprüfungen verschlechterten sich um 18 % bis 24 %, wobei der volle Effekt erst nach etwa zwei Jahren sichtbar wurde.
Untersucht wurde nur ein Landkreis in einem Bildungssystem. Zudem handelt es sich um ein Discussion Paper, das noch keinen vollständigen Zeitschriften-Review durchlaufen hat. Die Prozentwerte lassen sich daher nicht direkt auf jedes Land, Alter und jede KI-Nutzung übertragen.
Produktivität und Lernen sind nicht dieselbe Kennzahl
Bei vielen Tätigkeiten bedeutet ein besseres Ergebnis in weniger Zeit höhere Produktivität. Beim Lernen kann es das Gegenteil bedeuten.
Eine Übung dient nicht nur dazu, die richtige Antwort zu erzeugen. Sie zwingt dazu, Wissen abzurufen, Konzepte zu verbinden, Fehler zu erkennen, eine Strategie auszuprobieren und sie zu korrigieren. Ein Teil des Lernens entsteht in dieser Reibung. Liefert ein Werkzeug die Antwort vorher, verbessert es die Abgabe und entfernt das Training.
Hausaufgabennoten waren ein indirektes Signal für Wissen. KI schwächt diesen Zusammenhang: Das Dokument kann besser werden, obwohl die Person, die es abgibt, weniger beherrscht.
Dasselbe gilt außerhalb der Schule. Ein fertiger Bericht, eine Übersetzung oder ein Programm beweist nicht mehr, dass der Verfasser Entscheidungen erklären, Fehler finden oder die Arbeit unter veränderten Bedingungen neu erstellen kann.
Der entscheidende Unterschied liegt in der investierten Zeit
Der wichtigste Befund ist nicht der Durchschnitt, sondern die Verteilung der Verluste.
Bei rund 80 % der KI-Nutzenden erkennen die Autoren ein Muster, das zum Auslagern der Hausaufgaben passt: außergewöhnlich kurze Zeiten bei hohen Noten. In dieser Gruppe konzentrieren sich die Lernverluste. Wer KI nutzte, aber ähnlich viel Zeit investierte wie Nichtnutzende, verzeichnete nur geringe Verluste.
Zeit allein beweist kein Lernen. Hier dient sie aber als Signal dafür, wie viel Anstrengung das Werkzeug ersetzt. Die entscheidende Trennlinie verläuft möglicherweise nicht zwischen KI-Nutzung und Verzicht, sondern zwischen KI als Hilfe beim Durcharbeiten und KI als Mittel, das Problem zu umgehen.
Ein Chatbot und ein Tutor erzeugen nicht dasselbe Verhalten
Eine 2025 in PNAS veröffentlichte Studie prüft diesen Mechanismus experimentell.
Fast tausend türkische Schülerinnen und Schüler im Mathematikunterricht wurden auf eine Kontrollgruppe, eine Gruppe mit einer allgemeinen Chatbot-Oberfläche und eine dritte Gruppe mit einem GPT-4-Tutor verteilt, der Hinweise gab und direkte Antworten begrenzte.
Solange die Werkzeuge verfügbar waren, lösten beide unterstützten Gruppen Übungsaufgaben besser. Nach dem Entzug erzielte die Gruppe mit dem unbeschränkten Chatbot 17 % schlechtere Ergebnisse als die Kontrollgruppe. Der geführte Tutor vermied diesen Verlust weitgehend.
Die zugrunde liegende Technik war ähnlich, die Interaktion nicht. Eine auf Antworten optimierte Oberfläche macht Delegieren billig. Eine auf Lehren optimierte Oberfläche kann einen eigenen Versuch verlangen, Zwischenfragen stellen, Fehler markieren und Hilfe dosieren.
Das macht nicht automatisch jeden KI-Tutor zu einem guten Bildungsprodukt. Es zeigt aber, dass „KI-Nutzung“ keine einheitliche Intervention ist. Entscheidend ist, welches Verhalten das Produkt fördert.
Fähigkeiten statt nur Ergebnisse bewerten
Ein Totalverbot kann ein Prüfungsformat vorübergehend schützen, beantwortet aber nicht, welche Fähigkeiten in einer Welt mit KI nötig sind. Jede Nutzung zu erlauben ist ebenfalls unzureichend: Es verwechselt das Beschaffen einer Antwort mit dem Wissen, das zu ihrer Bewertung nötig ist.
Ein solides Design trennt mindestens drei Ziele:
- Fähigkeit ohne Hilfe: Was jemand ohne Werkzeug erinnern, durchdenken oder ausführen muss.
- Fähigkeit mit Hilfe: Wie KI-Arbeit angefragt, geprüft, kombiniert und korrigiert wird.
- Transfer: Ob jemand ein neues Problem lösen, eine Entscheidung erklären oder eine plausible, aber falsche Antwort erkennen kann.
Das kann Prozessspuren, mündliche Verteidigungen, kommentierte Iterationen, beaufsichtigte Übungen oder neue Aufgaben im selben Prinzip erfordern. Es geht nicht darum, jeden Klick zu überwachen, sondern das Enddokument nicht länger als ausreichenden Lernnachweis zu behandeln.
KI so gestalten, dass nützliche Arbeit erhalten bleibt
Vor dem KI-Einsatz in einem Lernprozess sollten fünf Fragen beantwortet werden:
- Welche mechanische Anstrengung wollen wir reduzieren, welche lernwirksame bewahren?
- Liefert das Werkzeug Antworten oder führt es durch Entscheidungen?
- Verlangt es einen eigenen Versuch, bevor es die Lösung zeigt?
- Können wir messen, was die Person anschließend ohne Hilfe kann?
- Belohnen die Anreize Lernen oder nur Abgabe?
KI kann ein guter Tutor, ein geduldiger Simulator und eine Quelle unmittelbaren Feedbacks sein. Sie kann aber auch korrekte Ergebnisse erzeugen und dabei verbergen, dass die zugrunde liegende Fähigkeit abnimmt.
Der Unterschied liegt nicht nur im Modell, sondern im Design von Produkt, Aktivität und Bewertung. Wenn wir nur das Endergebnis messen, wird KI das System scheinbar verbessern, lange bevor wir bemerken, was nicht mehr trainiert wird.
