OECD-Studie zu KI bei Schulaufgaben findet niedrigere Leistungen, keinen KI-Verlust von 1,5 Jahren

Die OECD-Ergebnisse zur KI-Nutzung bei Schulaufgaben enthalten eine deutliche Warnung: Schüler, die Chatbots für bestimmte Aufgaben nutzten, erzielten im Allgemeinen niedrigere Leistungen als Schüler, die darauf verzichteten.

Diese Erkenntnis steht neben einer noch größeren Zahl. Die durchschnittlichen Lesekompetenzwerte in den OECD-Ländern sanken zwischen 2015 und 2025 um 28 Punkte – das entspricht etwa 1,5 Lernjahren. In Mathematik fielen die Werte um 22 Punkte oder etwas mehr als ein Lernjahr.

Diese Zahlen zeigen nicht, dass Chatbots einen zehnjährigen Rückgang verursacht haben. Öffentliche generative KI-Tools wurden erst nach Ende 2022 breit verfügbar. Der Rückgang begann früher und spiegelt zahlreiche Belastungen wider, darunter geringere familiäre Unterstützung, Fehlzeiten, Ablenkung und pandemiebedingte Störungen.

Dennoch ist die Überschneidung bedeutsam. KI erreichte die Klassenzimmer, während die grundlegenden Leistungen bereits sanken. Schulen stehen nun vor der schwierigen Entscheidung, Abkürzungen einzuschränken und Schüler zugleich im bewussten Umgang mit der Technologie zu unterrichten.

Asiatische Bildungssysteme machen diese Entscheidung besonders sichtbar. Die Nutzung von Chatbots ist in Singapur, Korea, Macao, Thailand, Vietnam und den Philippinen weit verbreitet. Dennoch gehören mehrere asiatische Systeme weiterhin zu den leistungsstärksten.

Die sich abzeichnende Trennlinie verläuft nicht einfach zwischen KI-Nutzern und Nichtnutzern. Sie verläuft zwischen antwortgenerierender KI und didaktisch angeleiteter KI – wobei Lehrkräfte entscheiden, ob das Werkzeug Anstrengung ersetzt oder stärkt.

Was die OECD-Ergebnisse zu KI bei Schulaufgaben tatsächlich zeigen

PISA 2025 stellte einen Zusammenhang zwischen Chatbot-Nutzung und Leistung fest, keinen Beweis dafür, dass KI niedrigere Werte verursachte.

Die OECD veröffentlichte am 8. September 2026 die jüngsten Ergebnisse ihres Programme for International Student Assessment. PISA untersucht, wie 15-jährige Schüler Lese-, Mathematik- und Naturwissenschaftswissen auf unbekannte Probleme anwenden.

An der Erhebung 2025 nahmen 760.000 Schüler aus 91 Ländern und Volkswirtschaften teil. Sie war die bislang größte PISA-Erhebung. Die Naturwissenschaften bildeten den wichtigsten fachlichen Bereich.

In diesem Zyklus wurden Schüler auch gefragt, wie sie KI-Chatbots für Schulaufgaben nutzten. Die Fragen umfassten das Zusammenfassen zugewiesener Texte, die Recherche zu neuen Themen, das Verfassen schriftlicher Aufgaben und allgemeine Lernhilfe.

Chatbots hatten bereits die meisten Schüler erreicht. Nur 14 % in den OECD-Ländern gaben an, KI für keinen der abgefragten Zwecke bei Schulaufgaben nie oder fast nie genutzt zu haben.

Etwa 46 % nutzten KI mindestens wöchentlich als Lernhilfe. Die Zahl bestätigt, dass Bildungssysteme ein etabliertes Verhalten untersuchen, keinen experimentellen Klassenzimmertrend.

Das Leistungsmuster fiel bei mehreren aufgabenspezifischen Anwendungen ungünstig aus. Schüler, die KI nicht zum Zusammenfassen, Recherchieren oder Entwerfen nutzten, schnitten in den Naturwissenschaften im Allgemeinen besser ab als Nutzer.

Auch die Häufigkeit spielte eine Rolle. Moderate Nutzer erzielten häufig höhere Werte als Schüler, die Chatbots selten oder fast täglich verwendeten. Beim Entwerfen von Aufgaben war der Vorteil moderater Nutzung schwächer ausgeprägt als bei anderen Tätigkeiten.

Beim allgemeinen Lernen ergab sich ein anderes Bild. Schüler, die KI wöchentlich als Lernhilfe nutzten, lagen nach Bereinigung um den sozioökonomischen Hintergrund ungefähr auf dem gleichen Leistungsniveau wie Nichtnutzer.

Die vollständige Analyse zu Schulaufgaben warnt ausdrücklich davor, diese Zusammenhänge als kausal zu behandeln. Unterschiedliche Schüler nutzen KI aus unterschiedlichen Gründen und unter unterschiedlichen Bedingungen.

Ein leistungsschwächerer Schüler könnte häufiger zu einem Chatbot greifen, weil die Aufgabe bereits schwierig ist. Dieses Muster würde niedrigere Werte unter Nutzern erzeugen, ohne zu beweisen, dass KI die ursprüngliche Schwierigkeit verursacht hat.

Auch der Zugang erschwert den Vergleich. Schüler, die KI nie nutzten, kamen tendenziell aus stärker benachteiligten Verhältnissen. Häufige Nutzer stammten eher aus privilegierten Hintergründen.

Sozioökonomische Bereinigungen verringern dieses Ungleichgewicht, können aber nicht jeden nicht gemessenen Unterschied beseitigen. Motivation, Vorwissen, Lehrpraktiken, Prüfungsdesign und die Qualität einzelner Prompts können die Ergebnisse beeinflussen.

Die sicherste Schlussfolgerung ist enger gefasst als die alarmierende Schlagzeile. Das Auslagern spezifischer akademischer Aufgaben korreliert mit schwächerem überprüftem Wissen, während eine moderate lernorientierte Nutzung nicht denselben Nachteil zeigt.

Diese Unterscheidung führt zur eigentlichen bildungspolitischen Frage. Schulen können KI nicht allein anhand der Anzahl von Logins bewerten. Sie müssen untersuchen, welche kognitive Arbeit beim Schüler verbleibt.

Die Zahl von 1,5 Jahren beschreibt ein Jahrzehnt rückläufiger Leseleistungen

Der häufig wiederholte Verlust von 1,5 Jahren bezieht sich auf die Leseleistung seit 2015, nicht auf einen gemessenen, durch KI verursachten Nachteil.

Die durchschnittliche Leseleistung in den OECD-Ländern sank von 2015 bis 2025 um 28 Punkte. Die Organisation übersetzt diesen Unterschied in ungefähr eineinhalb Lernjahre.

Die Mathematikleistung ging im selben Jahrzehnt um 22 Punkte zurück. Die Leistungen in den Naturwissenschaften sanken über zehn Jahre moderater und blieben zwischen 2022 und 2025 weitgehend stabil.

Die PISA-Ergebnisse zeigen zudem, dass jeder fünfte Schüler in Naturwissenschaften, Mathematik und Lesen schwache Leistungen erbrachte. 2022 lag dieser Anteil bei 16 %.

Die Chronologie schließt eine einfache Erklärung aus, die sich auf ChatGPT oder ähnliche Dienste konzentriert. Der breitere Rückgang begann, bevor generative KI zu einem gängigen Verbraucherprodukt wurde.

PISA verfolgt über das Jahrzehnt nicht dieselben einzelnen Schüler. Stattdessen werden vergleichbare Gruppen von 15-Jährigen befragt, wodurch eine systemweite Sicht statt einer persönlichen Lernchronik entsteht.

Die Studie misst außerdem Leistung zu einem einzelnen Zeitpunkt. Die Erhebung kann nicht jeden Schritt beobachten, der die Chatbot-Aktivität eines Schülers mit dem bei der Prüfung gezeigten Wissen verbindet.

Die OECD präsentiert daher zwei Erkenntnisse, die getrennt bleiben sollten. Die akademische Leistung ist über ein Jahrzehnt gesunken, und aktuelle Muster der KI-Nutzung korrelieren mit unterschiedlichen Leistungsniveaus.

Ihre Überschneidung verdient dennoch Aufmerksamkeit. Generative KI kam während einer anhaltenden Lernkrise auf, in der vielen Schülern bereits sichere Grundlagen im Lesen und in Mathematik fehlten.

Ein Chatbot kann einen schlüssigen Absatz entwerfen, auch wenn sein Nutzer das Argument nicht selbstständig entwickeln kann. Er kann ein Kapitel zusammenfassen, ohne dass der Leser dessen zentrale Aussagen identifizieren muss.

Dadurch entsteht eine Messlücke zwischen erledigter Arbeit und dauerhaft erworbener Fähigkeit. Die Qualität von Hausaufgaben kann steigen, während die Leistung ohne Unterstützung stagniert oder sinkt.

Lehrkräfte erhalten dann ein irreführendes Signal. Eine ausgefeilte Abgabe kann stärkeres Lernen, hilfreiche Unterstützung bei der Überarbeitung, umfangreiche maschinelle Hilfe oder nahezu vollständige Delegation darstellen.

Schüler erleben eine ähnliche Illusion. Schneller Abschluss kann sich wie Beherrschung anfühlen, weil das unmittelbare Ergebnis korrekt aussieht. Das Missverständnis wird erst in einer Prüfung ohne Hilfe oder bei einer späteren Aufgabe sichtbar.

Das macht nicht jede Chatbot-Interaktion schädlich. Es bedeutet, dass der Bildungswert davon abhängt, ob KI Abruf, Schlussfolgern, Überarbeitung und Erklärung bewahrt.

Der OECD-Generalsekretär Mathias Cormann formulierte die Unterscheidung klar. Technologie könne das Lernen stärken, sagte er, aber nicht, wenn sie Aufmerksamkeit, Anstrengung und Verständnis ersetze.

Diese Aussage verlagert Verantwortung über die Schüler hinaus. Produktdesign, Anweisungen der Lehrkräfte, Aufgabenstruktur und Schulpolitik bestimmen, wie leicht KI zum Ersatz wird.

Der Rückgang um 1,5 Jahre erhöht den Einsatz, weil Schulen kaum Spielraum für eine weitere Quelle oberflächlicher Beschäftigung haben. Er liefert keine kausale Schätzung dieser Quelle.

Warum Zusammenfassen und Entwerfen den schärfsten Konflikt erzeugen

KI wird pädagogisch riskant, wenn sie die mentale Tätigkeit erledigt, die eine Aufgabe eigentlich trainieren soll.

Eine Zusammenfassungsaufgabe dient selten nur dazu, ein kürzeres Dokument zu erstellen. Ihr Lernzweck besteht darin, Schüler dazu zu bringen, Belege auszuwählen, Hauptideen zu unterscheiden und Bedeutung neu zu erschließen.

Wenn ein Chatbot diese Schritte übernimmt, erhält der Schüler das sichtbare Produkt, ohne die verborgene Fähigkeit notwendigerweise zu üben. Dasselbe Problem gilt für die erste Recherche.

Rechercheaufgaben vermitteln das Formulieren von Fragen, den Vergleich von Quellen, den Umgang mit Unsicherheit und die Auswahl von Belegen. Die Bitte um einen fertigen Überblick kann diese Entscheidungen aus dem Arbeitsprozess des Schülers entfernen.

Beim Entwerfen zeigt sich der Konflikt noch deutlicher. Schreiben ist nicht bloß der abschließende Ausdruck von Wissen. Es hilft Menschen, schwache Argumentation, fehlende Belege und ungelöste Widersprüche zu entdecken.

Ein generierter Erstentwurf kann diese produktive Reibung beseitigen. Schüler beginnen mit flüssiger Prosa und werden zu Redakteuren, bevor sie ihr eigenes Argument entwickelt haben.

Dieser Mechanismus hilft, die OECD-Ergebnisse zur KI-Nutzung bei Schulaufgaben zu erklären. Nichtnutzer schnitten bei spezifischen Aufgaben im Allgemeinen besser ab als Nutzer, während moderate Nutzer manchmal bessere Ergebnisse erzielten als seltene oder intensive Nutzer.

Das Muster ähnelt eher einer Kurve als einer Entscheidung zwischen Verbot und Einführung. Etwas Unterstützung kann das Lernen fördern, doch umfangreiche Delegation verringert die Anstrengung, die dauerhaftes Wissen schafft.

Die separate Überprüfung der digitalen Bildung der OECD kommt zu einer ähnlichen Schlussfolgerung. Generative KI kann helfen, wenn pädagogische Prinzipien ihre Nutzung leiten.

Bildungswerkzeuge können einen Lernenden auffordern, einen Schritt zu erklären, bevor sie Rückmeldung geben. Sie können Hinweise liefern, Übungsfragen erstellen oder eine unbelegte Behauptung hinterfragen.

Allgemeine Chatbots sind meist darauf optimiert, die Anfrage zu erfüllen. Wenn ein Schüler nach einer Antwort fragt, hat das System kaum Anlass, die beabsichtigte Schwierigkeit der Aufgabe zu bewahren.

Dieser Unterschied trennt Nachhilfe von Erledigung. Ein Tutor steuert Unterstützung so, dass der Lernende für die Schlussfolgerung verantwortlich bleibt. Eine Antwortmaschine kann diese Verantwortung sofort beseitigen.

Das Problem beschränkt sich nicht auf Betrug. Ein Schüler kann KI unter großzügigen Schulregeln offen nutzen und dennoch weniger üben, als der Lehrplan erwartet.

Regeln zur akademischen Integrität behandeln Urheberschaft, Offenlegung und verbotene Unterstützung. Lerndesign stellt eine tiefergehende Frage: Welches Denken müssen Schüler weiterhin selbst leisten?

Schulen benötigen beide Ebenen. Eine Offenlegung kann einer Lehrkraft zeigen, dass KI beteiligt war, aber nicht, ob die Interaktion das Verständnis gestärkt hat.

Prozessnachweise werden hilfreicher. Schüler können Notizen, Quellenpfade, aufeinanderfolgende Entwürfe, Prompt-Verläufe und kurze Erklärungen zu verworfenen Vorschlägen aufbewahren.

Eine Wissensdatenbank für Schüler kann einen solchen nachvollziehbaren Prozess unterstützen. Der Bildungswert entsteht durch die erneute Auseinandersetzung mit Belegen und Schlussfolgerungen, nicht durch das Sammeln generierter Antworten.

Auch bei Prüfungen sollte die Leistung mit und ohne Unterstützung verglichen werden. Ein Schüler könnte einen KI-gestützten Aufsatz verfassen und dessen Argument anschließend mündlich verteidigen oder ohne Unterstützung einen verwandten Text schreiben.

Solche Formate machen die KI-Nutzung sichtbar, ohne jede Interaktion als Fehlverhalten zu behandeln. Sie zeigen außerdem, ob Unterstützung in selbstständige Fähigkeit übergegangen ist.

Dies ist die zentrale Umkehrung. KI kann das Artefakt verbessern und zugleich den Lernprozess schwächen, den das Artefakt darstellen sollte.

Asien zeigt, dass hohe Nutzung und hohe Leistung koexistieren können

Die Ergebnisse aus Asien widerlegen jede Behauptung, wonach häufiger Zugang zu Chatbots automatisch zu schwachen akademischen Leistungen führt.

Singapur bietet das deutlichste Gegenbeispiel. Seine Schüler gehörten weiterhin zu den leistungsstärksten der Welt, während sie eine umfassende KI-Nutzung bei Schulaufgaben meldeten.

Etwa 66 % der singapurischen Schüler nutzten Chatbots mindestens wöchentlich als Lernhilfe. Der OECD-Durchschnitt lag bei ungefähr 46 %.

Auch bei einzelnen Aufgaben war die wöchentliche Nutzung hoch. In Singapur nutzten 46 % KI für erste Recherchen, 41 % zum Zusammenfassen und 45 % zum Entwerfen schriftlicher Arbeiten.

Nur 4 % berichteten bei den untersuchten Aktivitäten von keiner oder fast keiner KI-Nutzung. Im OECD-Durchschnitt waren es 14 %.

Das PISA-Profil des Landes liefert eine weitere wichtige Kennzahl. Etwa 81 % lernten im Unterricht, KI-generierte Informationen zu bewerten.

Der OECD-Durchschnitt für diese Unterrichtsaktivität lag bei etwa 63 %. In den teilnehmenden Bildungssystemen reichte die berichtete Verbreitung von 31 % bis über 80 %.

Singapur verbindet damit hohen Zugang mit ungewöhnlich breit angelegter Schulung zur Bewertung. Schüler begegnen KI, üben aber häufig auch, ihre Ausgaben kritisch zu hinterfragen.

Korea zeigt eine andere Variante dieses Musters. Sein Gesamtindex zur KI-Nutzung für Schulaufgaben lag über dem OECD-Durchschnitt, zugleich gehörte es weiterhin zu den leistungsstärksten Systemen.

Korea und Singapur verfolgen beide weitreichende Strategien für digitales Lernen. Singapurs nationaler Ansatz schließt ausdrücklich Werkzeuge der künstlichen Intelligenz ein.

Andere asiatische Volkswirtschaften zeigen, warum breite regionale Etiketten weiterhin riskant sind. Japan meldet vergleichsweise geringe Nutzung für Schulaufgaben, während Singapur sehr hohe Nutzung meldet. Beide schneiden stark ab.

Chinesisch-Taipei verbindet hohe Leistungen mit niedrigerer durchschnittlicher KI-Nutzung und einer umfassenden Strategie für digitales Lernen aus dem Jahr 2021. Macao verbindet hohe Leistungen mit breiter Einführung.

Die Ergebnisse für Festlandchina beziehen sich auf Peking, Shanghai, Jiangsu und Zhejiang, nicht auf das gesamte Land. Leser sollten diese Stichprobe nicht als nationale Schätzung verstehen.

Der bessere Vergleich betrifft die pädagogische Steuerung. Mehrere leistungsstarke Systeme geben Lehrkräften eine zentrale Rolle bei der Anpassung digitaler Werkzeuge an Unterrichtsziele.

OECD-Bildungsdirektor Andreas Schleicher beschrieb einen chinesischen Kalligrafieunterricht, in dem Schüler weiterhin mit Pinseln und Tinte schrieben. Anschließend nutzten Lehrkräfte KI, um die Handschrift zu analysieren.

Das Unterrichtsbeispiel ist aufschlussreich, weil die Technologie die Arbeit des Schülers nicht erzeugte. Sie lieferte Rückmeldung zu einer Arbeit, die der Schüler bereits selbst geleistet hatte.

Diese Struktur bewahrt die wesentliche Übung. Schüler formen jedes Zeichen, Lehrkräfte definieren das Lernziel, und die Software ergänzt eine diagnostische Ebene.

Vergleichen Sie dies mit der Aufforderung an einen Chatbot, einen Aufsatz zu entwerfen. Beim zweiten Arbeitsablauf wird der Kernakt des Schreibens an das Modell übertragen.

Deshalb ist „KI in der Bildung“ zu breit gefasst, um als Ergebnisvariable zu funktionieren. Rückmeldungen zur Kalligrafie, automatisiertes Entwerfen, angeleitetes Tutoring und sofortiges Zusammenfassen sind unterschiedliche Interventionen.

Nationale Durchschnittswerte können zudem Unterschiede zwischen Klassenzimmern verdecken. Eine Lehrkraft könnte Quellenprüfungen und mündliche Verteidigungen verlangen. Eine andere könnte uneingeschränkte Generierung mit begrenzter Aufsicht zulassen.

Die asiatische Einführung widerlegt daher nicht die Zusammenhänge auf Schülerebene, die die OECD feststellt. Sie zeigt, dass die Gestaltung von Bildungssystemen verändern kann, was Einführung bedeutet.

Leistungsstarke asiatische Systeme setzen Länder unter Druck, die Politik als Wahl zwischen Verbot und uneingeschränktem Zugang darstellen. Ein dritter Weg ist sichtbar: angeleitete Nutzung mit Autorität der Lehrkräfte.

Was die Zahlen weiterhin nicht sagen können

PISA identifiziert ein Warnsignal, doch sein beobachtendes Design kann den Effekt von KI nicht von den Schülern und Schulen trennen, die sie nutzen.

Die Erhebung stützt sich auf Schülerangaben zu Häufigkeit und Zweck. Sie erfasst nicht jede Eingabe, Antwort, Korrektur oder Unterrichtsregel, die diese Interaktionen begleitet.

Zwei Schüler können dieselbe Häufigkeitskategorie auswählen und KI dennoch sehr unterschiedlich einsetzen. Einer könnte Erklärungen anfordern, während ein anderer generierten Text mit minimaler Überprüfung abgibt.

Die breite Formulierung „hilf mir beim Lernen“ schafft zusätzliche Unsicherheit. Sie kann Nachhilfe, Übersetzung, Ideensammlung, das Erstellen von Übungsaufgaben, Antwortprüfung oder direkte Lösungsanfragen bezeichnen.

Naturwissenschaftliche Ergebnisse bilden in diesem PISA-Zyklus das primäre Ergebnismaß. Sie können nicht jeden Effekt auf Schreibqualität, Kreativität, Selbstvertrauen, Recherchekompetenz oder langfristige Behaltensleistung abbilden.

Die Untersuchung kann auch keine Richtung feststellen. Leistungsschwächere Schüler könnten KI nutzen, weil sie Hilfe benötigen, sodass KI-Nutzung teilweise eine Reaktion auf Schwierigkeiten ist.

Häufige Nutzer könnten mit anspruchsvollen Arbeitslasten konfrontiert sein, die Automatisierung fördern. Schulen mit schwachen Unterstützungssystemen könnten Chatbots für Verbraucher als kostengünstige Ersatzlösung nutzen.

Eine andere Möglichkeit verläuft in die entgegengesetzte Richtung. Wiederholtes Delegieren von Aufgaben könnte Übung reduzieren und die spätere Leistung ohne Hilfe schwächen. PISA kann den Beitrag jedes Mechanismus nicht bestimmen.

Auch die Beziehung zwischen Unterricht in KI-Kompetenz und Ergebnissen verlangt Vorsicht. Privilegierte Schüler berichten häufiger von solchen Lerngelegenheiten.

Schulen, die Verifikation wirksam vermitteln, verfügen möglicherweise auch über stärkere Lehrkräfte, bessere Ressourcen und unterstützendere Familien. Diese Faktoren können die Leistung unabhängig beeinflussen.

Die OECD fand dennoch ein vielversprechendes Muster. Häufige Nutzer für allgemeines Lernen, die im Unterricht zusätzlich KI-Informationen bewerteten, erzielten leicht höhere Leistungen in Naturwissenschaften als seltene Nutzer oder Nichtnutzer.

Dieses Ergebnis unterstützt angeleitete Nutzung, beweist jedoch nicht, dass eine bestimmte Unterrichtsstunde den Unterschied verursachte. Der Bericht beschreibt einen Zusammenhang innerhalb einer komplexen Lernumgebung.

Eine weitere Unsicherheit betrifft Produktveränderungen. Die im Jahr 2025 verwendeten Chatbots unterscheiden sich von späteren Systemen hinsichtlich Genauigkeit, Oberflächendesign, Personalisierung und pädagogischen Schutzvorkehrungen.

Künftige Werkzeuge könnten zu besseren Tutoren werden. Sie könnten aber auch besser darin werden, Aufgaben unsichtbar zu erledigen und damit die Lücke zwischen sichtbarer Leistung und behaltenem Können zu vergrößern.

Schulen können nicht auf perfekte Evidenz warten, weil die Einführung bereits weit verbreitet ist. Sie sollten jedoch vermeiden, vorläufige Korrelationen in allgemeingültige Verbote zu verwandeln.

Ein pauschales Verbot kann die Nutzung in den Verborgenen treiben. Es kann Schülern auch beaufsichtigte Übung mit Werkzeugen verwehren, denen sie in Hochschulbildung und Beruf begegnen werden.

Uneingeschränkte Einführung birgt das gegenteilige Risiko. Sie überlässt Produktstandards die Pädagogik, obwohl Chatbots für Verbraucher nicht auf individuelle Lehrpläne ausgerichtet wurden.

Die vorsichtige politische Antwort ist kontrolliertes Experimentieren. Schulen können erlaubte Aufgaben definieren, Prüfungen ohne Hilfsmittel bewahren, Verifikation vermitteln und Ergebnisse über Zeit vergleichen.

Sie sollten mehr messen als die Qualität eingereichter Arbeiten. Nützliche Indikatoren umfassen verzögerten Abruf, selbstständigen Transfer, Quellengenauigkeit, Überarbeitungsqualität und die Fähigkeit, die eigene Argumentation zu erklären.

Diese Maße würden den Mechanismus hinter den OECD-Ergebnissen zur KI-Nutzung für Schulaufgaben prüfen. Sie würden zeigen, ob ein Chatbot kognitive Arbeit unterstützt oder lediglich deren Fehlen verdeckt.

Drei Signale werden zeigen, ob Schulen aus PISA lernen

Die nächste Phase wird durch die Gestaltung von Leistungsbewertungen, von Lehrkräften geleitete KI-Kompetenz und Evidenz entschieden, dass angeleitete Nutzung in selbstständige Leistung übergeht.

Das erste Signal ist eine Verlagerung hin zu prozessbewusster Leistungsbewertung. Schulen sollten offenlegen, wie KI eingesetzt wurde, und von Schülern verlangen, dass sie dasselbe Wissen ohne Unterstützung nachweisen.

Achten Sie auf mündliche Verteidigungen, beaufsichtigtes Schreiben, Prompt-Aufzeichnungen, Quellenprotokolle und gestufte Entwürfe. Diese Ansätze trennen polierte Ergebnisse von echtem Verständnis.

Wenn Bildungssysteme sie breit übernehmen, stärkt die OECD-Warnung den Fall für Neugestaltung statt Verbot. Bleiben Aufgaben unverändert, wird unsichtbare Delegation schwer messbar bleiben.

Das zweite Signal ist breiterer Unterricht zur Bewertung generierter Informationen. Etwa sechs von zehn OECD-Schülern berichten bereits, dies im Unterricht zu tun.

Die Qualität dieses Unterrichts ist wichtiger als das bloße Abhaken. Schüler müssen Behauptungen prüfen, ursprüngliche Belege finden, Unsicherheit erkennen und überzeugende, aber unbelegte Prosa identifizieren.

Singapurs Quote von 81 % bietet einen nützlichen Maßstab, keine vollständige Erklärung für seine Ergebnisse. Andere Systeme müssen zeigen, dass Bewertungsübungen das Verhalten von Schülern verändern.

Wenn sich KI-Kompetenz ausweitet und die selbstständige Leistung verbessert, gewinnt angeleitete Nutzung an Unterstützung. Steigt die Verbreitung ohne bessere Ergebnisse, benötigen Schulen stärkere Unterrichtskonzepte.

Das dritte Signal sind Längsschnittdaten, die unterschiedliche Formen der Unterstützung vergleichen. Forschende müssen Tutoring, Feedback, Ideensammlung, Zusammenfassen, Recherche und Entwerfen voneinander trennen.

Sie benötigen auch verzögerte Tests. Die unmittelbare Aufgabenleistung kann sich verbessern, selbst wenn Schüler eine Woche oder einen Monat später weniger Wissen behalten.

Der nächste PISA-Zyklus wird helfen, doch Schulen sollten sich nicht allein auf eine dreijährige Erhebung verlassen. Schulbezirke und Ministerien können kontrollierte Evaluationen innerhalb bestehender Kurse durchführen.

Die OECD bereitet bereits einen Bereich zu Medien- und KI-Kompetenz für PISA 2029 vor. Diese Erhebung sollte zeigen, ob Schüler kritisch mit KI-vermittelten Informationen umgehen können.

Auch Produktentwickler stehen vor einem klaren Test. Bildungsmodi sollten vollständige Antworten zurückhalten, bis Schüler versucht haben, das zugrunde liegende Problem selbst zu lösen.

Lehrkräfte benötigen Kontrollen für die Tiefe von Hinweisen, Quellenanforderungen, Altersangemessenheit und Aktivitätsprotokolle. Ohne diese Funktionen bleibt „KI-Tutor“ eher eine Marketingkategorie als eine pädagogische Garantie.

Eltern und Schüler können bereits jetzt denselben Maßstab anwenden. Fragen Sie, ob ein Chatbot das Denken erweitert, überprüft oder ersetzt.

Bei Zusammenfassungen: Lesen Sie zuerst und entwerfen Sie die Hauptpunkte, bevor Sie um Rückmeldung bitten. Für Recherchearbeiten sammeln Sie Originalquellen, bevor Sie KI bitten, sie zu vergleichen.

Beim Schreiben sollten Sie die Argumentation entwickeln und eine erste Struktur erstellen, bevor Sie ein Modell zur Kritik einsetzen. Bewahren Sie eine Version zentraler Übungen ohne Hilfsmittel auf.

Die berichtete OECD-Warnung ist ernst, doch ihre dramatischste Interpretation wird nicht gestützt. KI erhielt in PISA keine kausale Strafe von 1,5 Jahren.

Das tatsächliche Ergebnis ist hilfreicher. Schüler erzielen häufig niedrigere Werte, wenn Chatbots bestimmte Schulaufgaben erledigen, während angeleitete und moderate Nutzung zum Lernen einem anderen Muster folgt.

Damit bleibt Schulen eine unmittelbare Frage: Schützen ihre KI-Richtlinien die Anstrengung, die Wissen schafft, oder verbessern sie nur die Arbeiten, die Schüler einreichen?