OECD-KI-Testergebnisse zeigen eine Lernumkehr bei Schülerinnen und Schülern

OECD-KI-Testergebnisse offenbaren einen beunruhigenden Widerspruch: Schülerinnen und Schüler, die Chatbots für Schularbeiten meiden, schneiden häufig besser ab als Mitschülerinnen und Mitschüler, die sie nutzen. Die Erkenntnis stammt aus PISA 2025, der internationalen Leistungsstudie der OECD für 15-Jährige.

Das Ergebnis stellt eine verbreitete Annahme über KI in der Bildung infrage. Chatbots können ausgefeilte Hausaufgaben erstellen, Lektüren zusammenfassen und Fragen innerhalb von Sekunden beantworten. Doch bessere unterstützte Arbeit baut nicht automatisch Wissen auf, das Schülerinnen und Schüler eigenständig anwenden können.

Diese Unterscheidung stellt Allzweck-Chatbots auf eine Seite einer sich abzeichnenden Trennlinie. Auf der anderen Seite stehen strukturierte Systeme, die Schülerinnen und Schüler zum Nachdenken, Üben und Erklären ihrer Antworten anhalten. Die Evidenz spricht nicht für ein Verbot von KI in der Bildung. Sie legt nahe zu fragen, ob die Technologie Schülerinnen und Schüler beim Denken unterstützt oder das Denken schlicht für sie übernimmt.

PISA zeigt eine Lücke bei KI-Testergebnissen

Die zentrale Erkenntnis der OECD ist ein Zusammenhang zwischen der Nutzung von Chatbots und schwächerer eigenständiger Leistung – kein Beweis dafür, dass KI die niedrigeren Ergebnisse verursacht hat.

Die PISA-2025-Ergebnisse liefern einen der bislang umfassendsten Einblicke in die KI-Nutzung von Schülerinnen und Schülern. PISA, das Programme for International Student Assessment, misst, wie 15-Jährige Wissen auf unbekannte Probleme anwenden.

Bis 2025 hatte eine Mehrheit der Schülerinnen und Schüler in den meisten teilnehmenden Bildungssystemen KI-Chatbots für Schularbeiten genutzt. Nur 14 Prozent der Schülerinnen und Schüler in den OECD-Ländern gaben an, sie für die untersuchten Zwecke fast nie zu verwenden.

Zu diesen Zwecken gehörten das Zusammenfassen vorgegebener Texte, erste Recherchen, das Verfassen schriftlicher Aufgaben und allgemeine Lernhilfe. Allgemeine Lernunterstützung war die am häufigsten genannte Anwendung.

Eine fast tägliche Nutzung blieb weniger verbreitet. In den OECD-Ländern berichtete etwa eine von fünf Schülerinnen und Schülern von regelmäßiger Nutzung. Das ist relevant, weil sowohl Häufigkeit als auch Zweck mit unterschiedlichen Leistungsmustern verbunden waren.

Schülerinnen und Schüler, die bei bestimmten schulischen Aufgaben keine Chatbots nutzten, erzielten im Allgemeinen höhere Ergebnisse in Naturwissenschaften als Nutzerinnen und Nutzer. Dieses Muster zeigte sich in den meisten teilnehmenden Ländern und Volkswirtschaften.

Der Zusammenhang verlief nicht einfach linear. Schülerinnen und Schüler, die KI wöchentlich für allgemeines Lernen nutzten, erzielten nach Bereinigung um den sozioökonomischen Hintergrund ähnliche Ergebnisse wie Nichtnutzer.

Schülerinnen und Schüler, die KI fast täglich oder nur gelegentlich nutzten, erzielten tendenziell niedrigere Ergebnisse als Nichtnutzer. Moderate Nutzerinnen und Nutzer schnitten beim Zusammenfassen von Texten oder bei der Recherche neuer Themen mitunter besser ab als seltene und häufige Nutzer.

Beim Verfassen war das Bild anders. Der Leistungsvorteil moderater Nutzerinnen und Nutzer war weniger ausgeprägt, wenn KI beim Schreiben von Aufgaben half. Dieses Ergebnis passt zu der Sorge, dass Textgenerierung mehr kognitive Arbeit ersetzen kann als Recherchehilfe.

Der Vergleich basiert auf prognostizierten Naturwissenschaftsleistungen, die um die sozioökonomischen Profile der Schülerinnen und Schüler bereinigt wurden. Er beruht weiterhin auf Beobachtungsdaten und selbst berichteten Nutzungsdaten. Schülerinnen und Schüler wurden nicht zufällig Chatbot- und Nicht-Chatbot-Gruppen zugeteilt.

Leistungsschwächere Schülerinnen und Schüler könnten häufiger KI-Hilfe suchen. Schülerinnen und Schüler mit höherer Arbeitsbelastung, schwächeren Unterstützungsnetzwerken oder geringerem Selbstvertrauen könnten Chatbots ebenfalls anders nutzen.

Die OECD warnt ausdrücklich davor, aus ihren Ergebnissen einen negativen kausalen Effekt abzuleiten. Stattdessen beschreiben sie einen Zusammenhang, der davon geprägt ist, wer KI übernimmt, warum sie genutzt wird und wie häufig dies geschieht.

Dieser Hinweis sollte verhindern, dass aus einer einfachen Schlagzeile ein falsches Urteil wird. PISA hat nicht bewiesen, dass jede Schülerin und jeder Schüler nach dem Öffnen von ChatGPT Wissen verliert. Die Studie zeigte jedoch eine konsistente Lücke, die Schulen nicht bedenkenlos ignorieren können.

Die Lücke ist auch deshalb bedeutsam, weil PISA die Anwendung ohne Hilfsmittel testet. Ein Chatbot kann die zu Hause eingereichte Arbeit verbessern, während die Schülerin oder der Schüler weniger vorbereitet ist, sobald das Werkzeug wegfällt.

Dieser Unterschied zwischen erledigter Arbeit und dauerhaft verfügbarer Fähigkeit schafft den eigentlichen Konflikt. Bildungssysteme haben jahrelang sichtbare Ergebnisse bewertet. Generative KI kann diese Ergebnisse nun verbessern, ohne die Lernenden zuverlässig besser zu machen.

OECD-KI-Testergebnisse legen die Umkehr bei Hausaufgaben offen

KI kann eine Aufgabe besser aussehen lassen und zugleich die Verbindung zwischen dieser Aufgabe und dem Wissen einer Schülerin oder eines Schülers schwächen.

Der frühere Bildungsausblick der OECD benannte dieses Problem bereits vor dem Erscheinen der neuen PISA-Ergebnisse. Allzweck-KI kann die Leistung bei Aufgaben steigern, ohne dauerhafte Lernzuwächse zu erzeugen.

Eine Schülerin oder ein Schüler könnte einen Chatbot bitten, ein Kapitel zusammenzufassen, ein Argument zu strukturieren oder einen Aufsatz zu entwerfen. Die finale Abgabe kann klarer werden, selbst wenn weniger gelesen, geplant und überarbeitet wird.

Diese ausgelassenen Schritte sind keine bloße administrative Reibung. Sie sind häufig die eigentliche Lernaktivität.

Schreiben verlangt von Schülerinnen und Schülern, Informationen abzurufen, Belege abzuwägen, Ideen zu ordnen und Verständnislücken zu erkennen. Zusammenfassen erfordert die Entscheidung, welche Fakten wichtig sind und wie sie zusammenhängen.

Wenn ein Chatbot diese Vorgänge übernimmt, erhält die Schülerin oder der Schüler eine Antwort, ohne notwendigerweise die dahinterliegende mentale Struktur aufzubauen. Das unmittelbare Ergebnis wirkt produktiv, doch der eigenständige Test zeigt, was tatsächlich behalten wurde.

Forschende beschreiben dieses Muster manchmal als kognitive Auslagerung. Dabei überträgt der Lernende einen Teil einer mentalen Aufgabe an ein externes System und reduziert so den für ihre Erledigung nötigen Aufwand.

Auslagerung ist nicht automatisch schädlich. Taschenrechner, Rechtschreibprüfungen, Suchmaschinen und Nachschlagewerke verlagern alle Arbeit aus dem Kopf heraus. Schülerinnen und Schüler können diese Werkzeuge nutzen und zugleich tiefere Fähigkeiten entwickeln.

Der Unterschied liegt darin, was für die Lernenden noch zu tun bleibt. Ein Taschenrechner erfordert weiterhin, dass jemand eine Rechenoperation auswählt und das Ergebnis interpretiert. Ein Chatbot kann das Argument auswählen, die Erklärung formulieren und die Schlussfolgerung liefern.

Diese umfassendere Ersetzung schafft, was Forschende metakognitive Trägheit nennen. Metakognition bedeutet, beim Lernen das eigene Verständnis, Strategien und Fehler zu überwachen.

Schülerinnen und Schüler trainieren sie, wenn sie Verwirrung erkennen, eine schwache Antwort überdenken oder gezielt um Hilfe bitten. Eine flüssige Chatbot-Antwort kann diese Signale unterdrücken, indem sie unvollständiges Verständnis als geklärt erscheinen lässt.

Die PISA-Ergebnisse enthalten einen weiteren Hinweis. Schülerinnen und Schüler, die KI-Chatbots mieden, berichteten auch häufiger von stärkerem Hilfesuchverhalten.

Menschliche Hilfe beinhaltet meist Aushandlung. Eine Lehrkraft, ein Elternteil oder eine Mitschülerin beziehungsweise ein Mitschüler kann fragen, was die Schülerin oder der Schüler bereits versucht hat und an welcher Stelle die Argumentation scheiterte. Ein allgemeiner Chatbot antwortet oft sofort, sofern er nicht dazu aufgefordert wird, sich anders zu verhalten.

Diese Bequemlichkeit verändert die Kosten des Vermeidens von Anstrengung. Vor generativer KI erforderte das Auslagern eines vollständigen Aufsatzes Geld, Koordination oder offensichtliches Fehlverhalten. Heute kann während einer kurzen Browsersitzung ein plausibler Entwurf entstehen.

Am deutlichsten wird die Umkehr, wenn das Werkzeug entfernt wird. Schülerinnen und Schüler können bessere unterstützte Arbeiten abgeben und dann bei einer geschlossenen Prüfung scheitern, die dasselbe Wissen verlangt.

Eine Studie aus dem Jahr 2026 zur chinesischen Sekundarbildung bietet eine prägnantere Variante dieses Musters. Die Studie zur Lernstrafe analysierte 30 Monate an Daten von 26.811 Schülerinnen und Schülern der Jahrgangsstufen 7 bis 12.

Die Forschenden verfolgten Hausaufgaben, Bearbeitungszeit, monatliche Closed-Book-Prüfungen und hochrelevante Aufnahmeprüfungen in neun Fächern. Die KI-Einführung war mit höherer Produktivität bei Hausaufgaben, aber schlechterer Leistung ohne Hilfsmittel verbunden.

Auch diese Studie erfordert Vorsicht. Die Einführung wurde nicht zufällig zugewiesen, und die Forschenden leiteten ein Teil des Auslagerungsverhaltens aus Verwaltungsdaten ab. Sie kann keine universelle Lernstrafe für jede Schülerin, jeden Schüler oder jedes Klassenzimmer belegen.

Dennoch adressiert ihre Struktur eine Schwäche gewöhnlicher Hausaufgabenanalysen. Sie vergleicht unterstützte Arbeit mit Prüfungen, bei denen Schülerinnen und Schüler ohne das Werkzeug leisten müssen.

Die OECD-KI-Testergebnisse weisen bei einer deutlich breiteren internationalen Stichprobe in dieselbe Richtung. Gemeinsam stellen diese Erkenntnisse Noten infrage, die hauptsächlich auf Ergebnissen von Hausaufgaben beruhen.

Wenn Schulen weiterhin ausgefeilte Hausaufgaben als direkten Beleg für Lernen behandeln, wird KI dieses Signal weniger verlässlich machen. Die Aufgabe misst dann möglicherweise zunehmend Zugang, Prompting und Bearbeitung statt eigenständiger Beherrschung.

Die Daten sprechen nicht für ein einfaches KI-Verbot

Die stärkste Evidenz unterscheidet zwischen unangeleiteter Antwortgenerierung und einer KI-Nutzung, die auf Unterricht und aktive Beteiligung ausgerichtet ist.

Die Warnung der OECD lässt sich leicht zu der Behauptung verkürzen, KI schade dem Lernen immer. Ihre eigenen Erkenntnisse widersprechen dieser Interpretation.

Die wöchentliche Nutzung für allgemeines Lernen war mit einer naturwissenschaftlichen Leistung verbunden, die der von Nichtnutzung ähnelte. Moderate Nutzung für bestimmte Aufgaben erzielte zudem bessere Ergebnisse als seltene oder intensive Nutzung.

Dieses Muster deutet darauf hin, dass die Häufigkeit relevant ist, aber Häufigkeit allein nicht ausreicht. Der Zweck und das didaktische Design rund um das Werkzeug können das Ergebnis verändern.

Eine Schülerin oder ein Schüler, die oder der um eine fertige Antwort bittet, macht nicht dieselbe Erfahrung wie jemand, der um einen Hinweis bittet. Beides ähnelt nicht einer beaufsichtigten Unterrichtsstunde, in der eine Lehrkraft fehlerhafte Argumentationen hinterfragt.

Diese Unterscheidung zeigt sich in kontrollierter Forschung. Eine Studie der Weltbank testete ein sechswöchiges, von Lehrkräften unterstütztes KI-Tutoring-Programm mit Schülerinnen und Schülern der Sekundarstufe im nigerianischen Bundesstaat Edo.

Das Programm nutzte Microsoft Copilot zur Unterstützung beim Englischlernen nach der Schule. Lehrkräfte beaufsichtigten strukturierte Aktivitäten, stellten Prompts bereit und halfen den Schülerinnen und Schülern, die Antworten des Systems zu bewerten.

Schülerinnen und Schüler in der Interventionsgruppe erzielten bei einer Bewertung, die Englisch, KI-Wissen und digitale Kompetenzen abdeckte, eine Verbesserung um 0,31 Standardabweichungen. Der Tutoring-Versuch in Nigeria liefert daher Hinweise darauf, dass angeleitete Nutzung das Lernen verbessern kann.

Dieses Ergebnis widerspricht nicht der OECD-Warnung. Es verdeutlicht den dahinterliegenden Mechanismus.

Das nigerianische Programm gab Schülerinnen und Schülern keine uneingeschränkte Antwortmaschine und nahm an, dass Lernen folgen würde. Es integrierte das Modell in einen Lehrplan, einen Zeitplan und einen von Lehrkräften geleiteten Prozess.

Der Chatbot fungierte innerhalb eines Unterrichtssystems als Tutor. Er ersetzte das System nicht.

Auch neuere experimentelle Evidenz verkompliziert eine rein negative Darstellung. Die Forschenden Zara Contractor und Germán Reyes teilten Studierende zufällig einer Gruppe zu, die ein unbekanntes Thema mit oder ohne generative KI lernte.

Die Teilnehmenden absolvierten unmittelbar und eine Woche später Prüfungen ohne Hilfsmittel. Der Zugang zu KI erhöhte die unmittelbaren Wissenswerte um 0,27 Standardabweichungen, und diese Zugewinne bestanden eine Woche später fort.

Das randomisierte Experiment stellte stärkere verzögerte Vorteile bei Nutzerinnen und Nutzern fest, die KI zur Erweiterung einsetzten. Diese Studierenden baten die KI, Konzepte zu erklären, anstatt Texte für sie zu generieren.

Nutzerinnen und Nutzer der Automatisierung folgten dem entgegengesetzten Muster. Ihre kurzfristigen Verbesserungen der Ergebnisqualität verschwanden, nachdem der KI-Zugang entfernt wurde.

Dieser Kontrast bietet einen praktischen Rahmen für die Einordnung der OECD-KI-Testergebnisse. Die entscheidende Frage ist nicht, ob während des Lernens ein Chatbot eingesetzt wurde.

Die Frage ist, welche kognitiven Schritte bei der Schülerin oder dem Schüler verblieben. Erklären, Abrufen, Vergleichen und Selbstkorrektur können das Lernen unterstützen. Automatische Produktion kann sie umgehen.

Auch Alter und Kontext begrenzen direkte Vergleiche. Das randomisierte Experiment bezog Studierende ein, während PISA 15-Jährige untersucht. Die Intervention der Weltbank fand in einem spezifischen nigerianischen Kontext statt.

Ein strukturiertes Nachmittagsprogramm kann nicht vorhersagen, was geschieht, wenn Millionen von Schülerinnen und Schülern privat unterschiedliche Chatbots nutzen. Ein kleines Experiment kann langfristige Auswirkungen in allen Fächern nicht klären.

Dennoch legen die positiven Studien die Schwäche pauschaler Verbote offen. Die Entfernung von KI würde auch Nachhilfeoptionen beseitigen, die Feedback und Übungsmöglichkeiten erweitern können.

Die politische Entscheidung lautet daher nicht unbegrenzte Nutzung oder vollständiger Ausschluss. Schulen brauchen Regeln, die produktive Unterstützung von ersetzter Eigenleistung unterscheiden.

Ein Chatbot könnte zugelassen werden, um sokratische Fragen zu stellen, Übungsaufgaben zu erstellen oder zu erklären, warum eine Antwort falsch ist. Für bewertete Arbeiten könnte es ihm hingegen untersagt sein, den endgültigen Text zu erzeugen.

Schülerinnen und Schüler können zudem ihren Interaktionsverlauf dokumentieren und erklären, welche Vorschläge sie übernommen haben. Dieser Prozess macht das Denken sichtbar, statt das Enddokument als einzigen Beleg zu behandeln.

Werkzeuge für Schülerinnen und Schüler sollten Abruf, Reflexion und Quellenvergleich unterstützen. Ein persönlicher student workspace kann helfen, Materialien zu organisieren, doch die Lernenden müssen sie weiterhin bewerten und miteinander verknüpfen.

Der OECD-Bericht macht das Unterrichtsdesign zur entscheidenden Trennlinie. Die allgemeine Verfügbarkeit ist keine Lernstrategie. Schulen müssen entscheiden, welche Nutzungen Eigenleistung bewahren und welche sie auslöschen.

Schulen stehen nun vor einem Bewertungsproblem

Chatbots setzen jene Schulen am stärksten unter Druck, die unbeaufsichtigte Ergebnisse weiterhin mit individuellem Verständnis gleichsetzen.

Generative KI hat nicht jede Schwäche bei Hausaufgaben und Kursarbeiten geschaffen. Sie hat bestehende Schwächen leichter ausnutzbar und schwerer ignorierbar gemacht.

Lehrkräfte wissen seit Langem, dass Arbeiten zu Hause unterschiedlich stark unterstützt werden. Manche Schülerinnen und Schüler erhalten umfassende Hilfe durch die Familie, private Nachhilfe oder redaktionelles Feedback. Andere arbeiten allein.

KI fügt einen jederzeit verfügbaren Kollaborateur hinzu, der den Inhalt einer Antwort erzeugen kann. Der fertige Text lässt sich dann möglicherweise nur noch schwer von legitimer Schülerarbeit unterscheiden.

Erkennungssoftware löst dieses Problem nicht zuverlässig. Falschpositive Ergebnisse können originelle Texte bestrafen, während überarbeitete KI-Texte der Erkennung entgehen können. Schulen brauchen Bewertungsformen, die den Arbeitsprozess der Schülerinnen und Schüler sichtbar machen.

Der Druck geht über vorsätzliches Schummeln hinaus. Eine Schülerin oder ein Schüler kann einen Chatbot im Rahmen einer permissiven Regelung nutzen und dennoch die Übung vermeiden, die für spätere Leistungen erforderlich ist.

Damit ist die Absicht ein unvollständiger Maßstab. Lernende mit guten Absichten könnten wiederholt ausgefeilte Erklärungen anfordern, sich produktiv fühlen und die Wissenslücke erst in einer Prüfung entdecken.

Die britische Prüfungsaufsicht hat die Seite der Integrität direkt aufgegriffen. Ihre Leitlinien für Kursarbeiten aus dem Jahr 2026 besagen, dass das Einreichen KI-generierter Arbeiten als eigene Leistung Betrug ist.

Doch Bestrafung adressiert nur einen Teil des Lernproblems. Schülerinnen und Schüler können Offenlegungsregeln befolgen und dennoch zu stark von generierten Antworten abhängig werden.

Schulen müssen Kompetenz über mehrere Formate hinweg beobachten. Kurze mündliche Verteidigungen, beaufsichtigtes Schreiben, iterative Entwürfe, praktische Demonstrationen und Live-Problemlösen können stärkere Belege liefern.

Diese Formate sind nicht gegen Coaching gefeit. Sie erschweren es jedoch, dass ein von KI erzeugtes Endprodukt für das Verständnis der Schülerin oder des Schülers einsteht.

Eine Neugestaltung der Bewertung bringt ebenfalls Kosten mit sich. Mündliche Prüfungen erfordern Arbeitszeit des Personals. Beaufsichtigte Arbeit verringert die Flexibilität. Projektbasierte Bewertung kann subjektive Benotung und zusätzlichen Koordinationsaufwand einführen.

Diese Kosten werden ungleich verteilt sein. Gut finanzierte Schulen können Lehrkräfte fortbilden und kleinere Bewertungsgruppen schaffen. Systeme mit Personalmangel werden sich möglicherweise stärker auf skalierbare schriftliche Aufgaben stützen.

Auch KI-Anbieter geraten unter Druck. Produkte für allgemeine Zwecke sind in der Regel auf hilfreiche, vollständige Antworten optimiert. Dieses Ziel kann mit dem Unterricht kollidieren, der manchmal verlangt, eine Antwort zurückzuhalten.

Ein wirksamer Bildungsmodus könnte Lernende zunächst auffordern, selbst eine Lösung zu versuchen. Er könnte schrittweise stärkere Hinweise geben, Fehlvorstellungen erkennen und eine Erklärung verlangen, bevor es weitergeht.

Das System müsste zudem altersgerechte Datenschutzvorkehrungen und transparente Datenpraktiken bieten. Gespräche von Schülerinnen und Schülern können Leistungsdaten, persönliche Sorgen und sensible Verhaltenssignale enthalten.

Lehrkräfte brauchen Kontrolle über die Abstimmung mit dem Lehrplan. Ein Chatbot, der korrekte, aber nicht lehrplankonforme Methoden anbietet, kann Lernende verwirren oder eine sorgfältig aufgebaute Unterrichtsstunde untergraben.

Halluzinationen bleiben ein weiteres Problem. Eine überzeugend vorgetragene falsche Erklärung kann eine Fehlvorstellung vermitteln, insbesondere wenn Lernenden genügend Wissen fehlt, um sie infrage zu stellen.

Die OECD berichtet, dass etwa sechs von zehn Schülerinnen und Schülern während des Unterrichts gebeten worden waren, KI-generierte Informationen zu bewerten. Von ihnen taten dies 46 Prozent manchmal, 33 Prozent oft und 22 Prozent sehr oft.

Diese Zahlen zeigen, dass Bewertungsfähigkeiten in viele Klassenzimmer Einzug gehalten haben. Sie lassen jedoch auch einen beträchtlichen Anteil von Schülerinnen und Schülern ohne regelmäßige Übung beim Überprüfen von KI-Ergebnissen zurück.

Bedenken hinsichtlich der akademischen Integrität sind unter Pädagoginnen und Pädagogen bereits weit verbreitet. Im OECD Digital Education Outlook glaubten 72 Prozent der Lehrkräfte der Sekundarstufe I, dass KI Schülerinnen und Schüler dazu befähigen könnte, generierte Arbeiten als eigene einzureichen.

Gleichzeitig berichteten 37 Prozent der Lehrkräfte der Sekundarstufe I, KI im Jahr 2024 für ihre Arbeit eingesetzt zu haben. Weitere 57 Prozent stimmten zu, dass KI beim Schreiben oder Verbessern von Unterrichtsplänen hilft.

Diese Kombination erfasst die institutionelle Spannung. Schulen sehen nützliche Anwendungen für Lehrkräfte, während sie zugleich befürchten, dass Schülerinnen und Schüler den Lernprozess umgehen können.

Die Politik muss beide Seiten berücksichtigen. Lehrkräfte könnten KI nutzen, um differenzierte Übungen zu erstellen, Feedback zu entwerfen oder Nachhilfegespräche zu simulieren. Schülerinnen und Schüler brauchen weiterhin geschützte Möglichkeiten, produktiv zu ringen.

Produktives Ringen bedeutet nicht, jede Unterstützung vorzuenthalten. Es bedeutet, genügend Hilfe zu geben, um voranzukommen, ohne das Denken zu beseitigen, das Meisterschaft aufbaut.

Der OECD-Bericht zur KI-Bildung verlagert die Verantwortung daher auf Institutionen und Produktdesigner. Schülerinnen und Schülern zu sagen, sie sollten „KI verantwortungsvoll nutzen“, ist zu vage, um Verhalten anzuleiten.

Regeln sollten erlaubte Handlungen, erforderliche Offenlegungen und Kompetenzen ohne Hilfsmittel benennen. Sie sollten auch erklären, warum ein gewisses Maß an Reibung pädagogisch notwendig bleibt.

Korrelation ist die zentrale Unsicherheit

Der PISA-Vergleich ist aufgrund seines Umfangs wichtig, doch sein Design kann nicht feststellen, ob die Nutzung von Chatbots die schwächere Leistung in Naturwissenschaften verursacht hat.

Schülerinnen und Schüler kommen mit unterschiedlichen Fähigkeiten, Motivationen und Ressourcen zur KI. Diese Unterschiede können sowohl die Nutzung als auch die Testergebnisse beeinflussen.

Eine leistungsschwache Schülerin oder ein leistungsschwacher Schüler könnte einen Chatbot stärker nutzen, weil der bisherige Unterricht versagt hat. Die niedrigere Leistung würde dann der KI-Nutzung vorausgehen, statt aus ihr zu entstehen.

Leistungsstarke Schülerinnen und Schüler könnten Chatbots meiden, weil sie bereits über starke Lerngewohnheiten verfügen. Ihre höheren Ergebnisse könnten diese Gewohnheiten widerspiegeln, nicht das Fehlen von KI.

Die selbstberichtete Häufigkeit bringt eine weitere Einschränkung mit sich. Schülerinnen und Schüler könnten „hilf mir beim Lernen“ unterschiedlich interpretieren, gelegentliche Nutzung vergessen oder Verhalten, das verboten wirkt, zu selten angeben.

Die Kategorien fassen zudem viele Interaktionsstile zusammen. Eine Person, die wöchentlich KI nutzt, könnte Übungsfragen anfordern. Eine andere könnte bei derselben berichteten Häufigkeit eine vollständige Aufgabe erzeugen lassen.

PISA bereinigte die Vergleiche in den Naturwissenschaften um den sozioökonomischen Hintergrund. Das verbessert die Analyse, kann aber nicht jeden Unterschied zwischen Nutzenden und Nichtnutzenden kontrollieren.

Die OECD erkennt dies direkt an. Ihr Bericht sagt, dass die Zusammenhänge einen komplexen Mix daraus widerspiegeln könnten, wer KI übernimmt und wie sie genutzt wird.

Die Sprache in Überschriften sollte daher vorsichtig bleiben. „Schülerinnen und Schüler, die KI nutzen, erzielten niedrigere Werte“ beschreibt einen beobachteten Zusammenhang. „KI ließ Schülerinnen und Schüler niedrigere Werte erzielen“ stellt eine Kausalbehauptung auf, die die PISA-Daten nicht stützen können.

Die chinesische Panelstudie bietet stärkere Vergleiche hinsichtlich Zeitpunkt und Ergebnissen, bleibt jedoch ebenfalls beobachtend. Die Forschenden teilten langfristigen Chatbot-Zugang nicht zufällig auf Tausende von Kindern auf.

Kontrollierte Studien lösen einige Selektionsprobleme. Sie umfassen jedoch meist kleinere Stichproben, kürzere Zeiträume oder stark strukturierte Interventionen.

Die Studie in Nigeria zeigt, dass angeleitete KI-Nachhilfe unter bestimmten Bedingungen helfen kann. Sie belegt nicht, dass unbeaufsichtigte Chatbot-Nutzung dasselbe Ergebnis hervorbringen wird.

Das Experiment mit Studierenden ergab Lerngewinne, wenn KI Erklärungen ergänzte. Die Teilnehmenden, das Fachgebiet und die kontrollierte Umgebung unterscheiden sich von der alltäglichen Nutzung an weiterführenden Schulen.

Diese Einschränkungen heben die Warnung nicht auf. Sie bestimmen, was Schulen als Nächstes untersuchen sollten.

Wenn unterschiedliche Datenquellen wiederholt stärkere Aufgaben, aber schwächere Leistungen ohne Hilfsmittel zeigen, haben Pädagoginnen und Pädagogen einen glaubwürdigen Grund, die Bewertung neu zu gestalten. Sie müssen nicht auf eine universelle Kausalschätzung warten.

Gleichzeitig kann voreilige Gewissheit zu schlechter Politik führen. Ein vollständiges Verbot könnte die Nutzung in den Untergrund treiben, vorteilhafte Nachhilfe blockieren und Schulen daran hindern, KI-Kompetenz zu vermitteln.

Die besser begründbare Reaktion ist eine kontrollierte Einführung. Schulen können Klassen, Fächer und Tool-Designs vergleichen und dabei sowohl unterstützte Ergebnisse als auch spätere Leistungen ohne Hilfsmittel messen.

Sie sollten außerdem Unterschiede zwischen Schülergruppen beobachten. KI könnte Lernende mit eingeschränktem Zugang zu Nachhilfe unterstützen, während sie jenen schadet, die sie vor allem zur Vermeidung von Anstrengung nutzen.

Bedürfnisse der Barrierefreiheit erfordern besondere Sorgfalt. Manche Schülerinnen und Schüler nutzen KI zur Sprachunterstützung, Lesehilfe oder zur Strukturierung ihrer Gedanken. Einschränkungen sollten keine Nachteilsausgleiche ohne gleichwertige Alternativen beseitigen.

Auch Fachunterschiede sind wichtig. Einen Geschichtsaufsatz zu erzeugen ersetzt andere geistige Arbeit als Feedback zu einem mathematischen Beweis zu erhalten.

Langfristige Messung ist unerlässlich. Ein Tool könnte einen Test nach einer Woche verbessern, aber die Behaltensleistung nach einem Semester schwächen. Ein anderes könnte die Arbeit zunächst verlangsamen und zugleich dauerhafte Denkfähigkeiten aufbauen.

Die zentrale Unsicherheit besteht daher nicht darin, ob KI das Lernen verändert. Sie verändert bereits die Reihenfolge, den Aufwand und die Nachweise rund um das Lernen.

Die Unsicherheit betrifft, welche Designs für welche Schülerinnen und Schüler unter welchen Bedingungen dauerhaftes Wissen erzeugen. Die OECD-Ergebnisse liefern einen Ausgangspunkt, keine endgültige Antwort.

Drei Signale werden zeigen, was als Nächstes geschieht

Die nächste Phase sollte anhand unabhängiger Leistung, didaktischem Produktdesign und einer Reform der Bewertung beurteilt werden, nicht allein anhand der Verbreitung von Chatbots.

Das erste Signal ist, wie Forschende die PISA-2025-Datenbank analysieren. Studien auf Länderebene können prüfen, ob der Zusammenhang über Fächer, Schulrichtlinien und Hintergründe der Schülerinnen und Schüler hinweg bestehen bleibt.

Eine konsistente Lücke nach stärkeren Kontrollen würde die OECD-Warnung untermauern. Große Unterschiede nach Zweck oder Schulpraxis würden den Fall für gezielte Regeln statt weitreichender Einschränkungen stärken.

Forschende sollten Entwürfe, Zusammenfassungen, Recherche, Feedback und Nachhilfe voneinander trennen. Sie unter allgemeiner KI-Nutzung zusammenzufassen, verdeckt die Mechanismen, die Schulen am dringendsten verstehen müssen.

Das zweite Signal ist, ob große Chatbot-Anbieter ihre Bildungsmodi verändern. Eine bedeutende Produktänderung würde Schülerinnen und Schüler aktiv halten, statt jede Interaktion auf sofortige Fertigstellung zu optimieren.

Nützliche Indikatoren umfassen verzögerte Hinweise, Anforderungen an eigene Versuche, Lehrkraftkontrollen, Lehrplanabstimmung und Erklärungen, die auf diagnostizierte Fehlvorstellungen zugeschnitten sind. Unabhängige Studien sollten prüfen, ob diese Funktionen die Behaltensleistung ohne Hilfsmittel verbessern.

Marketingaussagen werden die Frage nicht entscheiden. Anbieter benötigen Vergleiche, bei denen das Tool nach dem Unterricht entfernt wird und gemessen wird, ob Schülerinnen und Schüler Wissen auf neue Probleme übertragen können.

Das dritte Signal ist die Neugestaltung der Bewertung im nächsten akademischen Zyklus. Schulen und Prüfungsinstitutionen werden ihre Prioritäten durch Benotungsregeln, beaufsichtigte Aufgaben und Offenlegungspflichten offenlegen.

Mehr mündliche Prüfungen, schrittweise eingereichte Entwürfe und Demonstrationen im Unterricht würden zeigen, dass Institutionen fertigen Hausarbeiten allein nicht mehr vertrauen. Eine fortgesetzte Abhängigkeit von unbeaufsichtigtem Text würde die derzeitige Diskrepanz erhalten.

Schulen sollten dort, wo Datenschutzvorschriften es zulassen, Belege aus diesen Veränderungen veröffentlichen. Pädagoginnen und Pädagogen müssen wissen, ob neu gestaltete Prüfungsformen die Validität verbessern, ohne unzumutbare Arbeitsbelastungen zu verursachen.

Auch Eltern und Schülerinnen und Schüler brauchen klarere Erwartungen. Eine Regel, die „KI“ lediglich erlaubt oder verbietet, kann Nachhilfe nicht von automatischer Erledigung unterscheiden.

Der hilfreichste Maßstab stellt eine direkte Frage: Kann der Schüler oder die Schülerin die Arbeit auch ohne den Chatbot noch erklären, reproduzieren und anwenden?

OECD-KI-Testergebnisse haben diese Frage zu einem internationalen Thema der Bildungspolitik gemacht. Sie rechtfertigen keine Panik, stützen aber auch keine Selbstzufriedenheit.

Schülerinnen und Schüler sollten prüfen, wie sie Chatbots derzeit nutzen. Bitten Sie um Erklärungen, Gegenargumente, Übungsfragen und Feedback zu einem eigenen ersten Versuch. Vermeiden Sie es, dem System den ersten Entwurf des Denkens zu überlassen.

Lehrkräfte sollten das Lernen prüfen, nachdem das Tool nicht mehr verfügbar ist. Produktteams sollten erhaltene Kompetenzen messen, nicht nur eine schnellere Fertigstellung oder höhere Zufriedenheit.

Die nächste Evidenzrunde wird zeigen, ob Schulen den Nachhilfewert von KI bewahren können, ohne die Anstrengung der Lernenden auszulagern. Dieses Ergebnis hängt von den Gestaltungsentscheidungen ab, die jetzt getroffen werden.