Wenn Schulen über Künstliche Intelligenz sprechen, dauert es meist nicht lange, bis wir bei den Tools landen. Welches Sprachmodell dürfen wir verwenden? Welche Plattform ist datenschutzkonform? Wie schreibe ich einen guten Prompt? Wie erkenne ich, ob eine Hausaufgabe mit ChatGPT geschrieben wurde? Und natürlich: Wie kann KI Lehrkräfte entlasten?
Das sind alles berechtigte Fragen. Trotzdem beschleicht mich zunehmend das Gefühl, dass wir damit am eigentlichen Problem vorbeireden. Denn Künstliche Intelligenz ist nicht einfach die nächste digitale Technologie, die wir nun – nach Whiteboards, Tablets und Lernplattformen – irgendwie auch noch in Schule integrieren müssen. Sie verändert etwas Grundsätzlicheres: die Bedingungen, unter denen Lernen, Leistung und letztlich Schule funktionieren.
Dass wir darüber reden müssen, ist ohnehin keine freiwillige Entscheidung mehr. Generative KI ist längst Teil des Alltags von Jugendlichen, und auch unter Lehrkräften ist sie kein Nischenphänomen mehr. Die OECD berichtet im Digital Education Outlook 2026, dass bereits 2024 37 Prozent der Lehrkräfte der Sekundarstufe I KI beruflich eingesetzt haben. Vor allem aber weist die OECD auf einen Befund hin, der für Schule viel interessanter ist als jede Nutzungsstatistik: Mit generativer KI lassen sich bessere Ergebnisse erzielen, ohne dass deshalb zwangsläufig mehr gelernt wird.
Genau dort beginnt für mich die eigentliche Diskussion.
Die stillschweigende Vereinbarung von Schule
Schule beruht seit langer Zeit auf einer stillschweigenden Vereinbarung. Wir stellen Schülerinnen und Schülern Aufgaben, weil wir davon ausgehen, dass deren Bearbeitung Lernprozesse auslöst. Jemand liest einen Text, recherchiert Informationen, löst ein mathematisches Problem, schreibt einen Aufsatz oder entwickelt eine Präsentation. Am Ende steht ein Ergebnis, aber pädagogisch interessiert uns natürlich nicht nur dieses Ergebnis. Uns interessiert vor allem das, was auf dem Weg dorthin passiert ist.
Die Aufgabe war gewissermaßen unser Vehikel für das Lernen.
Generative KI stellt diese Verbindung infrage. Ein überzeugender Text, eine gute Zusammenfassung, ein Programmcode oder eine Präsentation können heute entstehen, ohne dass derjenige, der das Ergebnis abgibt, die damit verbundenen Denkprozesse tatsächlich selbst vollzogen hat. Das ist keine moralische Aussage über Schülerinnen und Schüler. Es ist zunächst einmal eine technische Tatsache.
Die OECD bringt das inzwischen ziemlich nüchtern auf den Punkt: Allgemeine KI-Systeme können die Performanz bei einer Aufgabe erhöhen, ohne entsprechende Lerngewinne hervorzubringen. Werden kognitive Tätigkeiten ausgelagert, droht vielmehr „metacognitive laziness“, geringere Auseinandersetzung und langfristig ein schwächerer Kompetenzerwerb. Anders sieht es aus, wenn KI bewusst pädagogisch gestaltet wird, beispielsweise als Tutor, der nicht einfach Antworten liefert, sondern Fragen stellt, Hinweise gibt und Lernende zum Weiterdenken zwingt.
Das ist ein ziemlich entscheidender Unterschied: Performanz ist nicht Lernen.
Und damit haben wir ein Problem mit unseren Aufgaben.
Die Aufgabenkrise
Ich nenne dieses Problem inzwischen die Aufgabenkrise. Viele Aufgaben, die wir in Schule über Jahrzehnte ganz selbstverständlich gestellt haben, sind heute delegierbar. Das betrifft längst nicht nur die klassische Hausaufgabe „Schreibe einen Text über …“. KI kann recherchieren, strukturieren, zusammenfassen, übersetzen, argumentieren, programmieren, visualisieren und Feedback geben. Mit agentischen Systemen wird diese Entwicklung noch weitergehen, weil nicht mehr nur einzelne Produkte, sondern zunehmend ganze Arbeitsprozesse delegiert werden können.
Die naheliegende Reaktion darauf ist der Versuch, Aufgaben „KI-sicher“ zu machen. Ich glaube inzwischen, dass uns das nicht besonders weit bringt. Interessanter ist die Frage, warum eine Schülerin oder ein Schüler eine bestimmte Tätigkeit überhaupt noch selbst ausführen soll.
Die Antwort „weil man das in der Schule eben lernen muss“ reicht dabei nicht. Wir müssen wieder genauer benennen können, welcher Denkprozess durch eine Aufgabe ausgelöst werden soll und warum dieser Denkprozess für Bildung wichtig ist.
Vielleicht ist KI deshalb gar nicht das Problem guter Aufgaben. Vielleicht macht sie nur die Schwächen schlechter Aufgaben besonders sichtbar. Eine Aufgabe, die sich weitgehend in Informationsbeschaffung und Reproduktion erschöpft, verliert unter KI-Bedingungen besonders schnell ihren Sinn. Joscha Falck beschreibt KI-Didaktik deshalb zu Recht als Gestaltungsaufgabe: Lehrkräfte können über Haltung, Regeln, Aufgabendesign und Formen der Eigenleistung Bedingungen schaffen, unter denen KI Denken unterstützt, statt es zu ersetzen. Seine „Architektur der KI-Didaktik“ ist dafür ein hilfreicher Orientierungsrahmen.
Die zentrale Frage lautet also nicht: Wie verhindere ich KI bei dieser Aufgabe? Sondern: Welche geistige Anstrengung ist für das Lernen so wichtig, dass ich möchte, dass ein junger Mensch sie selbst vollzieht?
Wenn das Ergebnis nicht mehr reicht
Aus der Aufgabenkrise folgt noch ein zweites Problem. Über lange Zeit konnten wir zumindest einigermaßen plausibel vom Ergebnis einer Arbeit auf die dahinterliegende Kompetenz schließen. Ein guter Text war zwar nie ein perfekter Beweis dafür, dass jemand gut schreiben kann, aber die Verbindung war stark genug, um unser System darauf aufzubauen.
Diese Gewissheit wird brüchiger. Wenn zwei äußerlich ähnlich gute Produkte aus völlig unterschiedlichen Arbeitsprozessen hervorgehen können, reicht das Produkt allein als Nachweis zunehmend nicht mehr aus.
Ich würde deshalb auch von einer Nachweiskrise sprechen.
Das bedeutet ausdrücklich nicht, dass Ergebnisse unwichtig werden. Ein schlechter Text wird nicht dadurch gut, dass viel Mühe in ihm steckt. Aber ein guter Text sagt künftig weniger zuverlässig aus, welche Kompetenzen sein Autor oder seine Autorin tatsächlich besitzt.
Für die Prüfungskultur ist das eine erhebliche Herausforderung. Wir werden vermutlich stärker auf Entstehungsprozesse schauen müssen und häufiger ins Gespräch kommen: Warum wurde dieser Weg gewählt? Welche Quellen wurden verworfen? Welche Entscheidungen wurden getroffen? Wo wurde KI eingesetzt? Kann das Ergebnis erklärt, verteidigt, auf einen neuen Zusammenhang übertragen oder weiterentwickelt werden?
Interessanterweise verschiebt sich damit möglicherweise auch unser Verständnis von Eigenleistung. Die entscheidende Frage wird nicht immer sein können, ob jeder Satz eines Produktes eigenhändig formuliert wurde. Wichtiger könnte werden, wer den geistigen Prozess steuert und für sein Ergebnis Verantwortung übernehmen kann.
Die eigentliche Gefahr ist nicht die Nutzung von KI
An dieser Stelle wird die Debatte schnell grundsätzlich. Wenn KI immer mehr kann, was müssen Menschen dann überhaupt noch können?
Eine mögliche Antwort wäre: weniger. Wenn die Maschine schreibt, muss ich eben nicht mehr so gut schreiben können. Wenn sie übersetzt, brauche ich weniger Fremdsprachenkenntnisse. Wenn sie Informationen jederzeit bereitstellt, muss ich weniger wissen.
Ich halte diese Schlussfolgerung für gefährlich. Gerade wer wenig weiß, kann schwer beurteilen, ob eine KI gerade eine brillante Antwort oder plausibel formulierten Unsinn produziert. Grundlagenwissen, Lesen, Schreiben, mathematisches Verständnis und fachliche Kompetenz werden durch KI nicht überflüssig. Sie werden zur Voraussetzung dafür, KI überhaupt souverän nutzen zu können.
Gleichzeitig verschieben sich die Gewichte. Neben Wissen wird Orientierung wichtiger, neben der Antwort die Urteilskraft, neben der Ausführung die Entscheidung. Wer mit KI arbeitet, muss zunehmend entscheiden können, was delegiert werden kann, welche Ergebnisse brauchbar sind und wann ein System besser gerade nicht eingesetzt wird.
Das Policy Paper des Hector-Instituts für Empirische Bildungsforschung und der Vodafone Stiftung trifft diesen Gedanken für mich schon mit seinem Titel ziemlich gut: „Von Abhängigkeit zu Handlungsfähigkeit“. Die Autorinnen und Autoren weisen darauf hin, dass KI Lernprozesse wirksam unterstützen kann, zugleich aber Kompetenzverluste drohen, wenn Lernende sie vor allem zur Erledigung von Aufgaben und zur Produktion von Ergebnissen einsetzen. Selbstreguliertes Lernen wird deshalb gerade unter KI-Bedingungen zur Schlüsselkompetenz.
Vielleicht ist Handlungsfähigkeit (Agency) tatsächlich ein besseres Leitbild als die nächste Liste von KI-Kompetenzen. Ein handlungsfähiger Mensch kann KI nutzen, ohne ihr ausgeliefert zu sein. Er kann entscheiden, wann Unterstützung sinnvoll ist und wann er selbst denken muss. Er kann Ergebnisse prüfen, Entscheidungen treffen und Verantwortung übernehmen.
Mit KI, über KI – und manchmal eben auch ohne
Für Unterricht folgt daraus keine besonders spektakuläre Forderung. Wir müssen weder KI aus Schule verbannen noch sie in jede Unterrichtsstunde hineintragen.
Wir müssen mit KI lernen. Ein gut gestaltetes KI-System kann Tutor, Feedbackgeber, Sparringspartner oder Lernbegleiter sein. Gerade bei individualisierter Unterstützung liegen Möglichkeiten, die wir nicht leichtfertig ignorieren sollten. Die OECD kommt in ihrem aktuellen Überblick ebenfalls zu dem Ergebnis, dass pädagogisch gezielt eingesetzte generative KI Lernen fördern kann. Entscheidend ist gerade nicht die Technologie allein, sondern ihr didaktischer Zweck.
Wir müssen gleichzeitig über KI lernen. Wer mit diesen Systemen aufwächst, sollte verstehen, wie sie funktionieren, warum sie Fehler machen, welche Daten und Interessen hinter ihnen stehen und welche gesellschaftlichen Folgen ihr Einsatz hat.
Und wir brauchen weiterhin Situationen, in denen ohne KI gelernt wird. Vielleicht kann man sogar von einem Lernen trotz KI sprechen: bewusst selbst lesen, schreiben, rechnen, argumentieren, erinnern, ausprobieren, scheitern und noch einmal anfangen. Nicht aus Technikfeindlichkeit, sondern weil Lernen Anstrengung benötigt. Die OECD warnt ausdrücklich davor, dass KI den für Lernen wichtigen „productive struggle“ beseitigen und damit Ausdauer, vertieftes Lesen und nachhaltige Aufmerksamkeit schwächen kann.
Auch Joscha Falcks Modell ist hier hilfreich, weil es die Alternative „KI einsetzen oder verbieten“ hinter sich lässt. Seine Überlegungen umfassen Lernen mit, über, durch, trotz und ohne KI. Das scheint mir wesentlich näher an der schulischen Realität zu sein als die Suche nach einer allgemeinen Regel, wann KI „gut“ oder „schlecht“ ist.
Und plötzlich sind wir bei Schulentwicklung
Spätestens hier wird deutlich, warum mir der Begriff „KI im Unterricht“ inzwischen zu eng ist. Wenn sich Aufgaben verändern, wenn Leistungsnachweise neu gedacht werden müssen, wenn andere Kompetenzen wichtiger werden und Lehrkräfte gemeinsam entscheiden müssen, wo KI eingesetzt und wo bewusst auf sie verzichtet wird, dann reden wir nicht mehr über ein Unterrichtstool.
Wir reden über Lernkultur, Prüfungskultur und Professionalisierung. Wir reden über Datenschutz, Infrastruktur, Zugänge und Regeln. Wir reden darüber, wie Eltern und Schülerinnen und Schüler informiert und beteiligt werden. Und irgendwann reden wir zwangsläufig über Führung und Organisationsentwicklung.
Die entscheidende Frage für eine Schule lautet deshalb nicht: Welches KI-Tool führen wir ein? Sie lautet: Welche Schule wollen wir unter Bedingungen allgegenwärtiger KI sein?
Das klingt größer und unangenehmer, weil es keine schnelle Antwort gibt. Es bedeutet beispielsweise, gemeinsam zu klären, was Schülerinnen und Schüler auch künftig unbedingt selbst können sollen. Welche Denk- und Arbeitsprozesse sie sinnvoll an KI delegieren dürfen. Wie Eigenleistung sichtbar wird. Welche gemeinsamen Regeln gelten. Welche Kompetenzen Lehrkräfte benötigen. Und nicht zuletzt, wie wir verhindern, dass KI zwar Effizienz erhöht, gleichzeitig aber Handlungsfähigkeit reduziert.
An diesem Punkt finde ich einen aktuellen Beitrag von HAAK3 zur KI-Transformation an Schulen bemerkenswert. Die These lautet im Kern: Das Modell ist längst nicht mehr der Engpass. Transformation benötigt gleichzeitig tragfähige Prozesse, Fortbildung, Kulturarbeit und Governance – auf einem Fundament aus Ressourcen und rechtlichen Rahmenbedingungen. Ein Tool-Rollout allein verändert noch keine Schule.
Das deckt sich ziemlich genau mit meiner Erfahrung aus Schulentwicklung insgesamt. Wir haben erstaunlich selten ein Erkenntnisproblem. Meist wissen wir recht gut, was wir eigentlich verändern müssten. Schwierig wird es beim Übergang von der guten Idee zur gemeinsamen Praxis.
Vielleicht ist KI insofern gar kein Sonderfall. Sie legt nur besonders schonungslos offen, dass Innovation noch keine Transformation ist.
Aber müssen wir uns wirklich an all das anpassen?
Bei all diesen Überlegungen steckt allerdings eine Gefahr in der Argumentation. Wenn wir ständig sagen, KI sei nun einmal da und Schule müsse sich deshalb verändern, klingt es schnell so, als gäbe es nur noch eine mögliche Zukunft: Die Technologie entwickelt sich – und Bildung hat sich gefälligst anzupassen.
Nele Hirsch hat diese Haltung treffend als „TINA-KI“ kritisiert: There is no alternative. Ich halte diesen Einwand für wichtig.
Ja, KI ist gesellschaftliche Realität. Aber daraus folgt nicht, dass jede Form ihrer Nutzung alternativlos ist. Wir können entscheiden, wo wir KI einsetzen, welche Geschäftsmodelle wir akzeptieren, welche Daten wir preisgeben, welche Entscheidungen wir Maschinen überlassen und welche Räume wir bewusst menschlich halten wollen.
Damit bekommt Agency noch eine weitere Dimension. Handlungsfähigkeit bedeutet nicht nur, KI kompetent bedienen zu können. Sie bedeutet auch, ihre gesellschaftliche Gestaltung nicht als Naturgesetz hinzunehmen.
Vielleicht lässt sich die Aufgabe von Bildung deshalb in einem Satz zusammenfassen:
KI verändert die Bedingungen von Bildung. Aber sie bestimmt nicht ihre Ziele.
Die müssen wir weiterhin selbst setzen.
Und wer hat jetzt diesen Text geschrieben?
Zum Schluss wird es ein wenig selbstreferenziell. Dieser Text ist mit KI entstanden. Ziemlich intensiv sogar.
Seit längerer Zeit sammle ich Studien, Artikel, Interviews, Beobachtungen aus der Schule und Gedanken zur Entwicklung von KI. Viele davon diskutiere ich anschließend mit einem Sprachmodell. Ich lasse mir Texte zusammenfassen, frage nach Zusammenhängen, widerspreche, verwerfe Antworten, lasse Gegenargumente formulieren und stoße dabei manchmal auf Verbindungen, die ich vorher nicht gesehen hatte. Aus diesen Gesprächen sind nach und nach auch die Begriffe entstanden, die in diesem Text vorkommen: Aufgabenkrise, Nachweiskrise, Kompetenzverschiebung und Agency.
Die KI hat dabei einiges geleistet. Sie hat sortiert, verdichtet, verglichen und formuliert. Sie hat aber auch Dinge falsch verstanden und überzeugend klingenden Unsinn produziert. Ich musste auswählen, prüfen, korrigieren und entscheiden, was zu meiner eigenen Erfahrung mit Schule und Schulentwicklung passt.
Wer hat diesen Text also geschrieben – ich oder die KI?
Ich glaube inzwischen, dass das die falsche Frage ist. Und vielleicht ist genau das auch ein Hinweis darauf, wie wir künftig auf die Arbeiten unserer Schülerinnen und Schüler schauen sollten.
Interessanter ist die Frage, welche geistige Leistung der Mensch in einem Mensch-KI-Prozess erbracht hat. Wer hat die Frage gestellt? Wer hat Entscheidungen getroffen? Wer hat Widersprüche erkannt? Wer hat beurteilt, was brauchbar ist? Wer kann das Ergebnis erklären und dafür Verantwortung übernehmen?
Vielleicht besteht eine der wichtigsten Aufgaben von Schule im KI-Zeitalter genau darin: jungen Menschen nicht beizubringen, KI für sich denken zu lassen, sondern mit KI besser selbst zu denken.
