Agency – SchulMUN

Blog 2026-11: KI kann die Arbeit übernehmen. Aber wer verantwortet das Lernen?

Über die Verantwortung von Lernenden und Lehrkräften in einer Schule unter KI-Bedingungen

Bild: KI-generiert mit ChatGPT. Ich habe im Prompt-Dialog bewusst vorgegeben, kein typisches KI-Bild mit den üblichen Robotern und Köpfen mit „KI-Gehirn“ zu erstellen.

Eine Schülerin gibt eine hervorragend formulierte Analyse ab. Der Text ist differenziert, die Argumentation überzeugend, die Sprache anspruchsvoll. Die Lehrkraft bewertet die Arbeit entsprechend. Was sie nicht weiß, ist, dass die Schülerin die Aufgabe weitgehend von einer KI bearbeiten ließ, das Ergebnis überflogen und einige Formulierungen verändert hat. Mit dem eigentlichen Gegenstand hat sie sich kaum auseinandergesetzt.

Die Schülerin hat ein gutes Ergebnis abgegeben, aber möglicherweise wenig gelernt. Dieses Beispiel verdeutlicht eine grundlegende Herausforderung, vor der Schule durch generative KI steht. Wir können zunehmend hochwertige Ergebnisse erzeugen, ohne die geistige Arbeit zu leisten, die bislang mit ihrer Entstehung verbunden war. Damit gerät eine Annahme schulischen Lernens ins Wanken, die lange Zeit kaum hinterfragt werden musste. Die erfolgreiche Bearbeitung einer anspruchsvollen Aufgabe galt zumindest als Hinweis darauf, dass dabei auch etwas gelernt wurde.

Generative KI verändert diesen Zusammenhang. Sie kann uns immer mehr Arbeit abnehmen, die bislang mit Lernen verbunden war. Die Verantwortung dafür, dass tatsächlich gelernt wird, bleibt jedoch bei den beteiligten Menschen. Das betrifft Schülerinnen und Schüler ebenso wie Lehrkräfte, allerdings auf unterschiedliche Weise.

Wenn gute Ergebnisse nicht mehr auf gutes Lernen schließen lassen

Dass die Unterscheidung zwischen sichtbarer Leistung und tatsächlichem Lernen mehr ist als eine theoretische Überlegung, zeigen neuere Untersuchungen.

In einer viel diskutierten Studie von Bastani und Kollegen verbesserten Schülerinnen und Schüler mit KI-Unterstützung zunächst ihre Leistungen bei mathematischen Übungsaufgaben deutlich. Als sie anschließend ohne KI arbeiten mussten, schnitt die Gruppe mit weitgehend unbeschränktem KI-Zugang jedoch schlechter ab als die Kontrollgruppe. Eine andere Gruppe, die einen didaktisch gestalteten KI-Tutor nutzte, zeigte diesen signifikanten Nachteil nicht.

Die Ergebnisse machen deutlich, dass KI zwar die Bearbeitung von Aufgaben erleichtern kann, daraus aber nicht zwangsläufig ein entsprechender Lernzuwachs entsteht. Gleichzeitig hängt die Wirkung wesentlich davon ab, wie die Unterstützung gestaltet wird.

Hauke Pölert hat im September 2026 in seinem Beitrag „4 KI-Studien und erste Konturen: Lernen unter KI-Bedingungen“ verschiedene aktuelle Untersuchungen zusammengeführt und durch Einordnungen des Schulpsychologen und Bildungsforschers Benedikt Wisniewski ergänzt. Dabei wird auch deutlich, wie vorsichtig wir mit Verallgemeinerungen umgehen müssen. Die Studien unterscheiden sich hinsichtlich ihrer Methoden, untersuchten Gruppen und Lernumgebungen erheblich. Dennoch lassen sich erste Hinweise erkennen, dass sichtbarer Fortschritt und tatsächliches Lernen auseinanderfallen können und die didaktische Gestaltung der KI-Nutzung eine entscheidende Rolle spielt.

Auch ein systematisches Review in „Frontiers in Education“ kommt zu einem differenzierten Ergebnis. Generative KI kann Metakognition, Feedback und selbstreguliertes Lernen unterstützen. Gleichzeitig zeigen die ausgewerteten Untersuchungen Risiken einer unkritischen Übernahme von KI-Ergebnissen. Die Autorinnen und Autoren betonen allerdings, dass die Forschungslage noch jung ist und insbesondere langfristige Auswirkungen auf die Entwicklung kognitiver Fähigkeiten bislang nicht hinreichend untersucht sind. Zudem beziehen sich die Ergebnisse auf die Hochschulbildung und lassen sich nicht ohne Weiteres auf Schülerinnen und Schüler übertragen.

Für Schule bleibt dennoch eine wichtige Erkenntnis. Ein guter Text, eine richtige Lösung oder eine überzeugende Präsentation sind weiterhin wertvolle Ergebnisse. Sie lassen aber immer weniger zuverlässig erkennen, welche Kompetenzen die Lernenden tatsächlich erworben haben.

Die Verantwortung der Lernenden

Für Schülerinnen und Schüler verändert sich damit die Art der Entscheidungen, die sie während des Lernens treffen müssen. Sie können nicht mehr nur zwischen unterschiedlichen Bearbeitungswegen wählen, sondern zunehmend auch darüber entscheiden, welche Teile einer Aufgabe sie überhaupt selbst übernehmen.

Ein schwieriger Text lässt sich innerhalb weniger Sekunden zusammenfassen. Eine mathematische Aufgabe kann vollständig gelöst und erklärt werden, ohne dass zuvor ein eigener Lösungsversuch stattgefunden hat. Auch eine politische Argumentation lässt sich von einer KI entwickeln, überprüfen und sprachlich verbessern. All das kann sinnvoll sein, wenn die Unterstützung das eigene Verständnis erweitert. Es kann aber ebenso dazu führen, dass die Auseinandersetzung mit dem Lerngegenstand weitgehend entfällt.

Lernen ist nicht immer angenehm oder effizient. Irrtümer, Unsicherheit, gedankliche Umwege und das Ringen um eine eigene Formulierung gehören häufig zu den Prozessen, durch die Verständnis entsteht. Wenn KI genau diese Anstrengungen beseitigt, kann sie kurzfristig entlasten und gleichzeitig den Kompetenzaufbau erschweren.

In der Forschung wird in diesem Zusammenhang von Cognitive Offloading oder Deskilling (Florian Nuxoll) gesprochen, also der Auslagerung geistiger Arbeit. Das ist zunächst nichts Ungewöhnliches. Menschen nutzen seit jeher Werkzeuge, um ihr Denken zu entlasten. Problematisch kann es werden, wenn nicht nur einzelne Arbeitsschritte, sondern auch die Bewertung von Informationen, die Prüfung von Argumenten und das eigene Urteil an ein System abgegeben werden. Das bereits erwähnte Frontiers-Review beschreibt diese Entwicklung unter anderem mit dem Begriff der epistemischen Delegation.

Eine verantwortungsvolle KI-Nutzung bedeutet deshalb nicht, möglichst wenig KI einzusetzen. Sie setzt vielmehr voraus, bewusst entscheiden zu können, welche Unterstützung sinnvoll ist, welche Ergebnisse überprüft werden müssen und wann eigenständiges Denken notwendig bleibt.

Diese Fähigkeit wird häufig mit dem Begriff Agency (Handlungsfähigkeit) beschrieben. Gemeint ist die Fähigkeit, das eigene Denken und Handeln selbstbestimmt zu steuern und auch im Zusammenspiel mit leistungsfähigen KI-Systemen die Kontrolle über Ziele, Entscheidungen und Bewertungen zu behalten.

Allerdings können wir nicht erwarten, dass Schülerinnen und Schüler diese Fähigkeit bereits mitbringen. Sie muss selbst zum Gegenstand schulischen Lernens werden.

Eigenverantwortung muss gelernt werden

Damit rückt die Verantwortung der Lehrkräfte in den Mittelpunkt. Es reicht nicht, Schülerinnen und Schüler zur verantwortungsvollen KI-Nutzung aufzufordern und anschließend davon auszugehen, dass sie schon wissen werden, was darunter zu verstehen ist.

Gerade jüngere Lernende verfügen häufig noch nicht über die fachlichen und selbstregulativen Kompetenzen, um die Folgen ihrer Entscheidungen zuverlässig einzuschätzen. Wer ein Thema noch nicht verstanden hat, kann auch nicht beurteilen, ob eine KI-Erklärung fachlich richtig ist. Wer die Qualität einer Argumentation nicht einschätzen kann, wird Schwierigkeiten haben, eine überzeugend klingende KI-Antwort kritisch zu hinterfragen.

Darin liegt ein pädagogisches Problem, das mit der zunehmenden Leistungsfähigkeit von KI an Bedeutung gewinnt. Wir möchten junge Menschen befähigen, komplexe Tätigkeiten sinnvoll an KI zu delegieren. Die Fähigkeit zur kompetenten Delegation setzt aber voraus, dass sie diese Tätigkeiten zuvor selbst ausgeführt und verstanden haben.

Deshalb brauchen wir auch unter KI-Bedingungen Lernphasen, in denen Schülerinnen und Schüler eigenständig lesen, schreiben, rechnen, argumentieren, recherchieren und Probleme lösen. Nicht, um an überholten Unterrichtsformen festzuhalten, sondern weil diese Tätigkeiten Fähigkeiten entwickeln, die später für einen souveränen Umgang mit KI benötigt werden.

Joscha Falck hat sich in seiner „Architektur der KI-Didaktik“ mit der Frage beschäftigt, wie Lernen unter diesen Bedingungen gestaltet werden kann. Dabei geht es nicht allein um den sinnvollen Einsatz von KI, sondern auch um kognitive Aktivierung, selbstreguliertes Lernen und die Sichtbarkeit eigenständiger Leistungen. Falck betont, dass die Nutzung von KI didaktisch begründet werden muss und nicht jede technisch mögliche Unterstützung automatisch lernförderlich ist.

Für mich lässt sich daraus eine wichtige Konsequenz ableiten. Unterricht muss Lernende zunehmend dazu befähigen, selbst zu entscheiden, wann sie mit KI arbeiten, wann sie sich kritisch mit KI auseinandersetzen und wann sie bewusst ohne diese Unterstützung lernen. Diese unterschiedlichen Formen des Lernens ergänzen sich. Eigenständige geistige Anstrengung und die kompetente Nutzung von KI sind keine Gegensätze.

Allerdings setzt das voraus, dass Schülerinnen und Schüler echte Möglichkeiten erhalten, ihre Lernprozesse mitzugestalten. Wer ausschließlich vorgegebene Aufgaben abarbeitet, deren Sinn und Ziel weitgehend unklar bleiben, wird kaum lernen, die eigene Arbeit selbstständig zu planen und zu verantworten.

Eine Schule, die Eigenverantwortung fordert, muss deshalb Lernprozesse ermöglichen, in denen Eigenverantwortung tatsächlich entstehen kann.

Die Verantwortung der Lehrkräfte endet nicht beim Prompt

In der öffentlichen Debatte richtet sich die Aufmerksamkeit häufig darauf, ob Schülerinnen und Schüler KI unerlaubt einsetzen. Deutlich seltener wird darüber gesprochen, welche Verantwortung Lehrkräfte für ihre eigene KI-Nutzung tragen.

Dabei verändert KI längst auch die professionelle Arbeit. Unterrichtsreihen, Arbeitsblätter, Erwartungshorizonte, Differenzierungsmaterialien, Rückmeldungen und ganze Unterrichtsplanungen lassen sich inzwischen innerhalb kurzer Zeit generieren. Zur Nutzung von KI durch Lehrkräfte gibt es eine gute Übersicht beim Deutschen Schulportal.

Das eröffnet erhebliche Möglichkeiten. Lehrkräfte können unterschiedliche Lernzugänge entwickeln, Materialien anpassen, alternative Erklärungen formulieren oder neue Unterrichtsideen erproben. Gerade angesichts wachsender Heterogenität kann das eine wertvolle Unterstützung sein.

Die Geschwindigkeit der Erstellung sagt allerdings wenig über die pädagogische Qualität aus.

Ein KI-generiertes Arbeitsblatt kann fachliche Fehler enthalten, ungeeignete Vereinfachungen vornehmen oder Anforderungen stellen, die nicht zum Lernstand der Schülerinnen und Schüler passen. Eine vermeintlich differenzierte Unterrichtsplanung kann lediglich unterschiedliche Schwierigkeitsgrade produzieren, ohne die eigentlichen Lernhindernisse zu berücksichtigen. Ein automatisch erstellter Erwartungshorizont kann plausible, aber fachlich fragwürdige Kriterien enthalten, auch ein sprachlich überzeugendes Feedback muss noch lange nicht pädagogisch hilfreich sein.

Wer solche Materialien einsetzt, übernimmt Verantwortung für ihre Qualität und ihre Wirkung. Diese Verantwortung endet nicht mit dem Hinweis, dass das Material von einer KI erstellt wurde. Lehrkräfte müssen fachliche Richtigkeit, didaktische Angemessenheit, die Passung zur Lerngruppe und mögliche Verzerrungen prüfen. Hinzu kommen Fragen des Datenschutzes und des Urheberrechts.

Die Verantwortung reicht dabei über die Kontrolle einzelner Fehler hinaus. Wer eine vollständige Unterrichtsplanung von einer KI erstellen lässt, übernimmt möglicherweise auch didaktische Entscheidungen, ohne sich ausreichend mit ihnen auseinandergesetzt zu haben. Das betrifft die Auswahl von Lernzielen ebenso wie die Gestaltung von Aufgaben, die Strukturierung von Lernprozessen und die Entscheidung darüber, welche Unterstützung Lernende benötigen.

Die Gefahr einer unkritischen Delegation geistiger Arbeit besteht somit nicht nur auf der Seite der Schülerinnen und Schüler. Auch Lehrkräfte können durch KI zwar effizienter arbeiten, dabei aber zunehmend Teile ihrer professionellen Urteilsbildung auslagern.

Doris Weßels beschreibt die sich verändernde Rolle von Lehrkräften im Zusammenspiel mit KI-Systemen mit dem Begriff AI Leadership. Lehrkräfte werden stärker zu Gestaltenden von Lernumgebungen, die unterschiedliche Formen menschlicher und technischer Unterstützung miteinander verbinden. Zugleich bleiben Beziehungsarbeit, pädagogische Haltung und professionelle Verantwortung unverzichtbar.

Das ist ein anspruchsvolleres Verständnis von KI-Kompetenz als die Fähigkeit, gute Prompts zu formulieren. Professioneller KI-Einsatz bedeutet, die Möglichkeiten der Technologie zu nutzen, ohne die Verantwortung für die eigenen pädagogischen Entscheidungen abzugeben.

Gemeinsame Verantwortung, unterschiedliche Aufgaben

Verantwortung für das Lernen liegt somit auf beiden Seiten, allerdings nicht in gleicher Weise.

Schülerinnen und Schüler müssen lernen, ihre eigenen Lernprozesse zunehmend selbst zu steuern. Sie sollen einschätzen können, welche Unterstützung ihnen hilft, welche Abkürzungen ihnen möglicherweise schaden und wie sie mit KI-Ergebnissen kritisch umgehen.

Lehrkräfte tragen dagegen die professionelle Verantwortung dafür, geeignete Lernbedingungen zu schaffen, Lernfortschritte wahrzunehmen, notwendige Unterstützung anzubieten und die Entwicklung dieser Selbstständigkeit zu ermöglichen.

Das bedeutet nicht, dass Lehrkräfte für jeden individuellen Lernerfolg verantwortlich gemacht werden können. Lernen lässt sich nicht erzwingen und bleibt eine aktive Leistung der Lernenden. Die Verantwortung für die Gestaltung geeigneter Lerngelegenheiten lässt sich aber ebenso wenig auf Schülerinnen und Schüler übertragen wie die Verantwortung für die Qualität von Unterrichtsmaterialien auf eine KI.

Gerade deshalb sollten wir vermeiden, die Debatte auf Verbote, Täuschungsversuche und Kontrollmechanismen zu verengen. Wenn wir Schülerinnen und Schüler ausschließlich daran messen, ob sie ein Produkt ohne unerlaubte Unterstützung erstellt haben, bleibt die Frage nach ihrem tatsächlichen Lernen weitgehend unbeantwortet.

KI verändert die Grundlogik von Schule

In meinem früheren Beitrag auf SchulMUN zur Veränderung der Grundlogik von Schule habe ich argumentiert, dass KI nicht lediglich ein weiteres Werkzeug für den Unterricht darstellt. Sie verändert vielmehr die Bedingungen, unter denen schulische Aufgaben, Leistungen und Lernprozesse funktionieren; wir befindne uns in einer Aufgaben- und Nachweiskrise.

Traditionell war die Bearbeitung einer Aufgabe eng mit der Erarbeitung eines Ergebnisses verbunden. Mit KI kann das Ergebnis entstehen, ohne dass der dafür notwendige Lernprozess stattgefunden hat. Damit geraten unsere Aufgabenkultur und die Aussagekraft vieler Leistungsnachweise unter Druck.

Wenn künftig zunehmend ganze Arbeitsprozesse durch KI-Agenten übernommen werden können, wird sich diese Entwicklung weiter verstärken. Menschen werden häufiger Ziele formulieren, Prozesse steuern, Ergebnisse beurteilen und Entscheidungen verantworten, statt jeden einzelnen Arbeitsschritt selbst auszuführen.

Diese Entwicklung betrifft auch die pädagogische Diagnostik, mit der ich mich im Rahmen einer Fortbildung der HIBB-Praxisakademie beschäftigt habe. KI kann Lehrkräfte dabei unterstützen, Lernstände auszuwerten, Lernprozesse adaptiv erweitern, unterschiedliche Lernzugänge zu entwickeln und bislang möglicherweise übersehene Lernbedarfe sichtbar zu machen. Sie kann aber nicht die pädagogische Verantwortung dafür übernehmen, wie solche Informationen interpretiert werden und welche Konsequenzen daraus folgen.

Der Einsatz von KI fordert uns deshalb heraus, grundsätzlicher über Unterricht und Kompetenzen nachzudenken. Es reicht nicht, die neuen technischen Möglichkeiten in bestehende Aufgabenformate zu integrieren. Wir müssen Lernprozesse so gestalten, dass fachliches Verständnis, eigenständiges Denken und verantwortliches Handeln weiterhin entwickelt werden können.

Damit wird KI auch zu einer Frage der Schulentwicklung.

Eine Schule, die weiterhin vor allem fertige Ergebnisse einfordert und bewertet, wird durch KI zunehmend Schwierigkeiten bekommen, tatsächliches Lernen zu erkennen. Eine Schule dagegen, die Selbststeuerung, Feedback, Reflexion, fachliche Vertiefung und eigenständige Urteilsbildung in den Mittelpunkt stellt, kann KI nutzen, um genau diese Prozesse zu unterstützen.

Die Verfügbarkeit von KI zwingt uns nicht, unsere Bildungsziele aufzugeben. Sie fordert uns aber heraus, die Bedingungen zu überdenken, unter denen wir sie erreichen wollen.

Verantwortung für das Lernen bleibt menschlich

Die zunehmende Leistungsfähigkeit von KI verändert die Verantwortung für Lernprozesse. Sie verschiebt den Blick von der bloßen Erstellung und Bewertung von Ergebnissen stärker auf die bewusste Gestaltung, Begleitung und Steuerung des Lernens.

Für Lernende bedeutet das, nicht jede technisch mögliche Abkürzung zu nehmen, sondern zunehmend selbst entscheiden zu können, welche geistige Anstrengung für das eigene Lernen notwendig ist.

Für Lehrkräfte bedeutet es, Lernprozesse so zu gestalten, dass Eigenständigkeit wachsen kann und zugleich die fachliche und pädagogische Verantwortung für den eigenen KI-Einsatz zu übernehmen.

Für Schule als Organisation bedeutet es schließlich, eine Lernkultur zu entwickeln, in der Selbstständigkeit nicht nur gefordert, sondern systematisch ermöglicht wird.

Wir müssen dafür nicht auf die Möglichkeiten von KI verzichten. Gerade wenn KI immer leistungsfähiger wird, müssen wir lernen, sinnvoll mit ihr zusammenzuarbeiten. Entscheidend bleibt, dass Menschen die Ziele bestimmen, Ergebnisse beurteilen und Verantwortung für ihre Entscheidungen übernehmen.

Die vielleicht wichtigste Aufgabe von Schule im Zeitalter der KI besteht deshalb nicht darin, das Delegieren zu verhindern, sondern junge Menschen dazu zu befähigen, Verantwortung für das eigene Denken zu übernehmen.

Und diese Verantwortung beginnt bei uns Lehrkräften.

Epilog

Auch dieser Text ist gemeinsam mit KI entstanden. Ich habe Gedanken, Erfahrungen und Quellen eingebracht, mit ChatGPT diskutiert, Argumente geschärft und manches wieder verworfen. Die KI hat mir geholfen, meine Gedanken weiterzuentwickeln, aber sie hat mir das Denken nicht abgenommen.

Welche Quellen ich für überzeugend halte, welche Positionen ich vertrete und was am Ende hier steht, habe ich entschieden. Und wenn etwas nicht stimmt, kann ich mich nicht auf die KI herausreden. Die Verantwortung liegt bei mir. Genau das ist der Punkt.

Blog 2026-09: KI ist kein Digitalisierungsprojekt – sie stellt die Grundlogik von Schule infrage

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.