KI verändert Schule und Lernen

Aus der Erkenntnis, dass KI unsere Lebenswelt umfassend ändert (vgl. Zusammenspiel Mensch-KI), und aus der Abschätzung der damit verbundenen Chancen und Risiken ergibt sich, dass Lehrpersonen ihre Schüler:innen/Lernende vorbereiten müssen auf: 

1. einen Arbeitsmarkt, in dem Routinewissen und standardisierte kognitive Prozesse an Wert verlieren, während Urteilskraft, Verantwortung, Systemverständnis und Zieldefinition an Bedeutung gewinnen,
2. eine algorithmisch geprägte Demokratie, in der sie neue Machtstrukturen erkennen, ihre Werte nicht an Optimierungslogiken delegieren und KI zur Wahrung ihrer demokratischen Souveränität regulieren,
3. einen persönlichen Alltag, in den künstliche Intelligenz mit verlockenden Angeboten aber auch über die Anwendung von KI durch andere Akteure immer mehr eindringt und ihn zusehends stärker mitgestaltet, so dass die persönliche Autonomie über das eigene Leben herausgefordert sein wird.

Dazu muss die Schule ihren Schüler:innen/Lernenden folgende zentralen Zukunftskompetenzen mitgeben

1. Epistemische Urteilskompetenz (kritisches Bewerten von Wissen)

Charakterisierung

Epistemische Urteilskompetenz beschreibt die Fähigkeit, Informationen kritisch zu prüfen und ihre Validität, Herkunft und Argumentationsstruktur zu beurteilen.

Fakten

• Generative KI kann Inhalte erzeugen, die sprachlich überzeugend, aber faktisch falsch sein können.
• KI-Systeme erzeugen häufig eine Illusion von Kompetenz und Wissen, weil sie kohärent formulieren.
• Wissen ist heute nahezu unbegrenzt verfügbar; die Knappheit liegt nicht mehr im Zugang zu Informationen, sondern in deren Bewertung und Interpretation.

Konsequenzen

Die zentrale Bildungsaufgabe verschiebt sich von der Wissensvermittlung zur epistemischen Urteilsbildung. Schüler:innen/Lernende müssen lernen, KI-Outputs kritisch zu prüfen, statt sie nur zu nutzen. Lehrpersonen aller Fächer werden stärker zu Modellen kritischer Denkprozesse, indem sie Bewertung, Zweifel und Begründung aktiv vorleben und einfordern. Das Fach Geschichte vertieft diese Fähigkeiten.

2. Metakognition und selbstreguliertes Lernen

Charakterisierung

Metakognition bezeichnet die Fähigkeit, über das eigene Denken nachzudenken und den eigenen Lernprozess bewusst zu steuern. Dazu gehören Selbstreflexion, das Erkennen eigener Denkfehler, das Überprüfen von Urteilen sowie das bewusste Entscheiden, wann und wie KI eingesetzt wird.

Fakten

• KI erleichtert kognitives Offloading: Denkprozesse werden an Systeme ausgelagert.
• Ohne metakognitive Kontrolle kann dies zu einer "Illusion des Wissens" und damit oberflächlichem Lernen sowie Deskilling führen.
• Schüler:innen/Lernende müssen entscheiden können, wann KI als Lernhilfe (Scaffolding) dient und wann sie nur eine Abkürzung darstellt.

Konsequenzen

Metakognition wird zur Schlüsselkompetenz des KI-gestützten Lernens. Bildung muss stärker auf Zielsetzung, Monitoring und Reflexion des eigenen Lernens ausgerichtet werden. Dafür braucht es pädagogische Räume mit Vertrauen und geringerem Selektionsdruck, damit Schüler:innen/Lernende ihre Denkprozesse offen reflektieren können.

3. Problem- und Übersetzungskompetenz zur Steuerung von Intelligenz

Charakterisierung

Diese Kompetenz beschreibt die Fähigkeit, reale Probleme in strukturierte Fragestellungen zu übersetzen, KI (bzw. Mitarbeiter) gezielt einzusetzen und KI-Output wieder in den realen Kontext zurückzuführen

Fakten

• Menschen können mit KI komplexe Aufgaben lösen, ohne die zugrunde liegenden Fertigkeiten vollständig zu beherrschen.
• Schon vor der Veröffentlichung von ChatGPT im 2022 betonte Andreas Schleicher, der Bildungsdirektor der OECD (bekannt durch die PISA-Studien), dass die Welt uns nicht mehr nur dafür belohnt, was wir wissen, sondern dafür, was wir mit unserem Wissen tun können (Quelle: OECD (2019). OECD Lernkompass. URL: https://proedu.ch/cm/wp-content/uploads/cmdm/9004/1628604840_OECD_Lernkompass_2030.pdf). Mit KI verschiebt sich der Wert menschlicher Arbeit noch weiter von der Ausführung von Aufgaben nun zur Steuerung von Intelligenz und der Implementierung ihres Outputs.

Konsequenzen

Die zentrale Kompetenz besteht darin, Intelligenz zu orchestrieren – menschliche und künstliche. Bildung muss stärker trainieren, Probleme präzise zu strukturieren, Hypothesen zu formulieren, KI als Werkzeug und Mitarbeiter im Lösungsprozess anzuleiten, Hypothesen und Lösungsprozesse iterativ anzupassen und Lösungen in deren Anwendung zu bringen. Sprachfächer entwickeln sich weiter von der Übersetzung von Wörtern und Sätzen zur Übersetzung von Inhalten und Situationen.

4. Systemisches Verständnis von Technologie und Gesellschaft

Charakterisierung

Systemisches Denken beschreibt die Fähigkeit, technologische Systeme in ihre gesellschaftlichen, wirtschaftlichen und politischen Zusammenhänge einzuordnen. Schüler:innen/Lernende verstehen, wie Algorithmen, Plattformökonomien, Anreizsysteme und Datenökonomien wirken.

Fakten

• KI-Systeme sind in ökonomische und geopolitische Machtstrukturen eingebettet.
• Optimierungslogiken von Algorithmen können unerwartete Nebenwirkungen erzeugen (Bias, Polarisierung, Überwachung).
• Technologische Entwicklungen verlaufen häufig nicht linear, sondern mit abrupten Fähigkeitssprüngen (vgl. emergente Eigenschaften in Wie Intelligenz ensteht).

Konsequenzen

Schülerinnen und Schüler bzw. Lernende müssen verstehen, dass KI nicht nur ein passives Werkzeug ist, sondern immer mehr eine aktive Rolle in komplexen Systemen spielt und nicht nur der Gewinnlogik der Märkte oder Machtlogik der Realpolitik folgt, sondern auch eine Eigendynamik entwickeln kann. Mathematik, Physik und Biologie können die Grundlagen dazu liefern. Bildung sollte aber stärker interdisziplinär arbeiten und technologische Entwicklungen in gesellschaftliche Kontexte einordnen.

5. Verantwortung und ethische Urteilsfähigkeit

Charakterisierung

Diese Kompetenz umfasst die Fähigkeit,ethische Verantwortung im Umgang mit KI zu übernehmen. Dazu gehören Wertebewusstsein, Empathie, Datenschutzsensibilität, Fairnessdenken und die Bereitschaft zur Rechenschaft.Fakten

• KI-Systeme tragen keine moralische Verantwortung für ihre Entscheidungen.
• Fragen von Datenschutz, Überwachung und algorithmischer Verzerrung gewinnen an Bedeutung.
• Technologische Entscheidungen können weitreichende gesellschaftliche Auswirkungen haben.

Konsequenzen Menschen müssen als „Human in the loop“ Verantwortung übernehmen. Dazu braucht es ein solides Fundament an Verständnis für soziale, wirtschaftliche und politische Prozesse sowie deren rechtliche Regulierung auf Basis ethischer Werte. Schule muss ethische Reflexion aber nicht nur theoretisch behandeln, sondern Schüler:innen/Lernenden echte Verantwortung und Handlungsspielräume in sozialen Kontexten geben.

6. Persönliche Stärke

Charakterisierung

Persönliche Stärke umfasst Selbstkenntnis, emotionale Stabilität, intrinsische Motivation, Werteorientierung, Empathiefähigkeit und die Fähigkeit, mit Fehler, Unsicherheit und Kritik konstruktiv umzugehen und sie als Wachstumsfaktoren zu schätzen.

Fakten

• Viele kognitive Leistungen werden zunehmend automatisierbar. Dadurch wird der Unterschied zwischen Menschen weniger durch reine Fähigkeiten, sondern stärker durch Persönlichkeit und Haltung bestimmt.
• KI wird eingesetzt, um aus den riesigen Mengen an Daten über unser Verhalten detaillierte psychografische Analysen von unserer Persönlichkeit zu machen und uns damit unbewusst zu beeinflussen. So kann Konsumverhalten immer besser gelenkt werden und Demokratien werden anfälliger für Manipulation, Desinformation und Polarisierung.
• Einfallstor sind unbefriedigte Bedürfnisse, die sich per emotionaler Ansprache leicht auf ein Produkt oder eine Politikmassnahme projizieren lassen.

Konsequenzen

Persönliche Reife, v. a. der bewusste Umgang mit den eigenen Bedürfnissen und Emotionen, wird zu einer Form gesellschaftlicher Resilienz. Bildung muss über alle Fächer hinweg stärker Persönlichkeitsentwicklung fördern: Selbstreflexion, Verantwortungsbewusstsein, Sinnorientierung und die Fähigkeit, kontinuierlich zu lernen. Die Fächer Psychologie und Soziologie liefern das Hintergrundwissen dazu.

Zusammenfassung der Kompetenzverschiebung

Mit KI verschiebt sich der Fokus von Bildung deutlich:

Weniger wichtig werden

• isolierte Faktenkenntnis
• reine Wissensreproduktion
• mechanische Anwendungs- und Routineaufgaben
• formale Textproduktion ohne inhaltliche Tiefe

Wichtiger werden

• Bewertung und Einordnung von Wissen
• Steuerung von Denkprozessen und Intelligenz
• Reflexion und emotionale Selbstregulation
• Verantwortung und ethische Orientierung
• Persönliche Reife und gesellschaftliches Verständnis

Fazit

Grundlagenwissen wird nicht unwichtig. Aber sein Wert verschiebt sich vom Endziel zur Voraussetzung für Urteilskraft. Der zukünftige Arbeitsmarkt, der demokratische Prozess und das persönliche Leben werden nicht durch Intelligenzknappheit geprägt sein, sondern durch Orientierungsknappheit. KI nimmt uns also nicht das Denken ab, aber sie zwingt uns, auf einem höheren Abstraktionsniveau zu denken. In Anlehnung an den Aufklärer Immanuel Kant (1784, Essay: Beantwortung der Frage: Was ist Aufklärung?) gilt mehr denn je:

"Habe Mut, dich deines eigenen Verstandes zu bedienen!"

KI potenziert die Effektivität emotionaler Beeinflussung und zwingt unsere Gesellschaft zu einer zweiten Phase der Aufklärung, eine emotionale Aufklärung:

Wir müssen lernen, uns unserer Emotionen zu bedienen – sonst tun es andere!

Der Einsatz von KI in der Schule berührt zwei Kernfunktionen des Bildungssystems: den Bildungsauftrag und den Selektionsauftrag. Beide geraten durch die neuen Möglichkeiten generativer Systeme unter Druck – und finden zugleich neue Chancen.

Die Potenziale von KI in der Bildung sind erheblich: KI ermöglicht eine bisher unerreichte Individualisierung des Lernens durch Anpassung an Leistungsniveau, Lerntempo, Darstellungsform und persönliche Lernpräferenzen sowie an Lernlücken, durch hohe Interaktivität, adaptive Übungsformate, differenzierte Feedbackprozesse, lerndiagnostische Begleitung und die Unterstützung metakognitiver Reflexion. Schüler:innen/Lernende erhalten faktisch eine jederzeit verfügbare fast allwissende Assistenz mit unbegrenzter Geduld. So werden Schwächere nicht vom Klassenniveau und -rhythmus überfordert, stärkere davon nicht ausgebremst. Alle können ihre Lernzeit effizienter nutzen.

Weitere Zeitgewinne können Schülerinnen und Schüler bzw. Lernende erreichen, indem sie zeitintensive lernarme Arbeiten an die KI delegieren können: das Suchen von Inhalten in Texten, das Sortieren von Quellen, das Abschreiben von Lernstoff z. B. aus Büchern, das Zusammenführen und Strukturieren von Notizen, das (Aus-)Schreiben von Protokollen, das Transkribieren von Interviews, die saubere Darstellung von Mindmaps und Grafiken, das Formatieren von Texten und Tabellen, Rechtschreibung, das Generieren von Lernkarten, das Suchen von Definitionen oder Übungsaufgaben, das Vergleichen der eigenen Lösungen mit den Musterlösungen usw. Nicht, dass diese Kulturtechniken nicht mehr gelernt und geübt werden sollten – beherrscht man sie aber einigermassen, haben sie nur noch einen geringen Lerneffekt und gehen auf Kosten von dem, was eigentlich gelernt werden sollte.

Auch Lehrpersonen können mit KI effizienter arbeiten und gleichzeitig bessere Materialen erstellen: Sie können rascher Unterrichtssequenzen entwerfen, diese mit KI fachlich und didaktisch kritisch reflektieren, Texte in mehreren Sprachniveaus erstellen, differenzierte Aufgaben erstellen (Niveaustufen), Aufgaben auf Lernziele abstimmen, Beispiele, Analogien und Erklärungen generieren, Arbeitsblätter oder Quizfragen entwerfen, Feedbackformulierungen und Musterlösungen entwerfen, Elternbriefe formulieren, Sitzungsnotizen strukturieren, Protokolle verfassen, E-Mails ausformulieren, Konfliktsituationen reflektieren, Perspektivenwechsel simulieren usw. Sie gewinnen dadurch Zeit, selber die fürs Lehren und Lernen mit KI notwendigen zukunftsrelevanten Kompetenzen auszubilden. Dazu braucht sie entsprechende Bildungsangebote verschiedener Anbieter und fachkompetente Begleitung, wie wir sie vom DLH aus hier zur Verfügung stellen. Die Lehrperson verantwortet als «Human in the loop» aber weiterhin ihren Unterricht, dessen Passung zur Klasse, ihre Kommunikation und alle Lernmaterialien sowie Bewertungen. KI darf definitiv nicht über Noten, Beurteilungen und Fördermassnahmen entscheiden. Zudem darf die Lehrperson aus datenschutzrechtlichen Gründen weder Namen und Leistungsdaten von Schülerinnen und Schülern bzw. Lernenden eingeben, noch andere sensiblen Informationen. Mehr dazu auf KI handhaben und regeln. 

Die durch Zeitersparnis entstehenden Freiräume können gezielt für Präsenzformate genutzt werden, wo die Interaktion zwischen den Schüler:innen/Lernenden oder die Begleitung durch die Lehrperson wichtig sind, wie beispielsweise soziale Lernformen, Diskussionen, Rollenspiele, Projektarbeit, Vorträge, Reflexion. Diese eignen sich zur Förderung genau derjenigen Kompetenzen, die im KI-Zeitalter an Bedeutung gewinnen: Urteilskraft, Kooperation, Systemdenken, Verantwortung.

Gewisse dieser Kompetenzen lassen sich auch mit KI fördern. Experten wie Ethan Mollick beschreiben KI als "Co-Intelligence": Sie übernimmt Rollen wie Tutor, Coach, Sparringpartner oder Simulator, die Schüler:innen zu selbstreflektivem, kritischem oder systemischem Denken anregen und Lernprozesse skalieren. Mehr dazu unter Lehren und Lernen mit KI. Didaktisch entscheidend ist daher nicht, ob KI eingesetzt wird, sondern wo und wie.

Abbildung: KI kann stärken, aber auch versklaven. Lucile Favero, Juan-Antonio Pérez-Ortiz, Tanja Käser und Nuria Oliver geben in ihrem Paper "Do AI tutors empower or enslave learners? Toward a critical use of AI in education" eine gute Übersicht über Chancen und Gefahren von KI in der Bildung, was sie in der obigen Grafik zusammengefasst haben (https://arxiv.org/pdf/2507.06878).

Die Effizienzgewinne in der Stoffbearbeitung können allerdings die Stoffverarbeitungstiefe sowie -dauer und damit die Effektivität und Nachhaltigkeit des Lernens reduzieren. Wenn Lernende sich nicht mehr selbst an Problemen abarbeiten, sondern Hilfestellungen und Lösungen unmittelbar erhalten, vermindern sich die kognitive Anstrengung und die Chancen zum produktiven Scheitern (mentale Friktion). Darunter leidet die Entwicklung von Konzentrationsfähigkeit und Frustrationstoleranz, und wer weniger ringt, verarbeitet weniger tief. Wer nicht selbst durch Denkprozesse geht, identifiziert sich weniger mit dem Stoff. All dies kann zu geringerem Involvement führen. Das schwächt sowohl die nachhaltige Verankerung als auch die persönliche Beziehung zum Lerngegenstand und das für das Lernen als auch die Persönlichkeitsentwicklung zentrale Erlebnis der Selbstwirksamkeit. Lernen wird konsumiert statt erarbeitet. Daraus kann eine Wissensillusion entstehen, ohne dass das Verlernen von Kompetenzen (Deskilling) bemerkt wird. Mit der Zeit kann die kognitive Leistungsfähigkeit generell nachlassen (kognitive Atrophie). Das erhöht den Anreiz, Entscheidungen und Urteile unkritisch an KI-Systeme zu delegieren (Autonomieverlust/Abhängigkeit). Das wiederum reduziert das Selbstwirksamkeitserlebnis und kann das Selbstvertrauen schwächen, was wiederum zu akademischer Unehrlichkeit verleiten kann.

Hinzu kommt eine weitere Dimension: Die Beziehung zwischen Lehrperson und Schülerinnen und Schülern bzw. Lernenden sowie die Interaktion unter Lernenden bzw. Schülerinnen und Schülern sind zentrale Faktoren für Motivation und Lernerfolg. Wenn KI zum primären Ansprechpartner für Erklärungen und Rückmeldungen wird oder wenn Schüler:innen/Lernende sich für das Benützen von KI schuldig fühlen (sogenannte KI-Schuld), kann sich diese Beziehungskomponente abschwächen (Entfremdung). Damit droht eine Entkopplung von kognitivem Fortschritt und sozial-emotionaler Relevanz.

Zusammen können Deskilling, Autonomieverlust und Entfremdung der absolute Lernmotivationskiller werden. Denn gemäss der Self-Determination Theory (SDT) von Richard M. Ryan und Edward L. Deci hängt die Motivation für ein bestimmtes Verhalten immer davon ab, inwieweit die drei psychologischen Grundbedürfnisse nach Kompetenz, Autonomie und sozialer Eingebundenheit befriedigt werden können (Edward L. Deci, & Richard M. Ryan (2008). Self-Determination Theory: A Macrotheory of Human Motivation, Development, and Health, S. 183. In: Canadian Psychology 49, 182–185). Die Schule kann sich bezüglich professionellen Umgangs mit KI also kein Zuwarten leisten!

Empfohlen wird ein bewusster, transparenter und kritisch reflektierten Einsatz von KI im Unterricht: KI soll Lernende befähigen – zum eigenständigen Denken anregen, nicht davon entlasten. Konkret sollte man konstruktivistische Lernansätze nutzen, die KI als Denkgerüst (Scaffolding) statt als Antwortmaschine nutzen. Als Tutor, Coach oder Sparringpartner soll sie mentale Friktion erzeugen, um vertieftes Lernen zu fördern. Effektive Lernprozesse sind oft anstrengend und langsam und das darf nicht verloren gehen. Mehr dazu unter Lehren und Lernen mit KI. Basis dafür bildet eine gezielte Förderung von zukunftsrelevanten Kompetenzen auf allen Bildungsstufen sowie klare institutionelle Leitlinien zu Datenschutz, akademischer Integrität und fairem Zugang (vgl. KI handhaben und regeln). Aber auch KI-freie Lernräume müssen erhalten bleiben, wo autonomes Erkunden, selbstwirksames Produzieren, produktives Scheitern, zwischenmenschliche Beziehung und Kooperation möglich sind. Wahre Bildung im KI-Zeitalter entsteht nicht durch die schnellste Antwort, sondern durch die Fähigkeit, in der Komplexität die Orientierung zu behalten und Verantwortung für das eigene Denken und Handeln zu übernehmen.

Neben dem Bildungsauftrag erfüllt Schule einen Selektionsauftrag. Sie misst, dokumentiert und zertifiziert Leistung für nachfolgende Bildungsstufen und die Wirtschaft. Diese Leistungsresultate beeinflussen Bildungswege, Berufschancen, Einkommen und Status der Schülerinnen und Schülern bzw. Lernenden. Für diese entstehen daraus verhängnisvolle Dilemmata:

• Sollen sie auf nachhaltiges Lernen als persönlicher Wachstumsfaktor fokussieren oder auf Notenleistungsoptimierung als Türöffner für gesellschaftlichen Status und Zugang zu Ressourcen setzen oder gar schummeln?
• Sollen sie bei der Einteilung in Leistungsstufen eine zu ihrer Lernleistung passende Stufe wählen oder mit zusätzlichen Anstrengungen und Nachhilfestunden in eine höhere Stufe drängen, wo ihnen zwar Überlastung droht, aber ein besserer Abschluss winkt?

Je grösser der Stoff- und Zeitdruck ist, desto weniger können die Schüler:innen/Lernenden sich nachhaltiges Lernen noch leisten, um nicht dem Selektionsauftrag zum Opfer zu fallen.

Genau dieses strukturelle Dilemma zwischen Selektions- und Bildungsauftrag pointiert KI nun noch. Das Internet hat Wissen verfügbar gemacht; KI macht die Anwendung von Wissen verfügbar. Viele Leistungsnachweise basieren auf textlichen Produkten: Aufsätze, Projektberichte, Prüfungen. Solche können inzwischen überzeugend von KI generiert werden. Eine Lernende ohne Programmierkenntnisse kann nun funktionierenden Code schreiben. Ein Schüler ohne rhetorisches Talent kann Reden auf Staatsmann-Niveau verfassen. Das „Produkt“ verliert seinen Wert als Nachweis für den „Prozess“ (das Lernen). KI ist nicht nur ein „besserer Taschenrechner“, sondern stellt die Urheberschaft selbst in Frage. Damit wird die Zuordnung zwischen Leistungsergebnis und individueller Kompetenz noch unsicherer.

Dieses Dilemma ist nicht neu – Ghostwriting existierte schon vorher, es wird durch KI allerdings niederschwellig zugänglich und massiv skaliert. Wenn Notenleistungen ausserhalb der Schule also nicht schon früher problematisch waren, dann sind sie es spätestens jetzt. KI-Detektoren sind auch keine Lösung, da sie Wahrscheinlichkeiten für KI-Autorenschaft angeben und somit keine rechtlich standfesten Beweise liefern.

Den Schulen bieten sich unterschiedliche Handlungsoptionen:

• stärkere Gewichtung mündlicher Leistungen und dialogischer Formate,
• Bewertung von Lernprozessen und deren Reflexion statt (ausschliesslich) von Endprodukten,
• stärkere Einbindung von Interaktion und spontaner Problemlösung im Unterricht,
• produktorientierte Leistungsmessung mit sichtbarem Entstehungsprozess,
• Einbindung von KI als Werkzeug und deren transparente Ausweisung statt Verbot,
• Bewertung der KI-Nutzung selbst.

KI darf auch als Feedback-Geberin von der Lehrperson genutzt werden, aber die finale Beurteilungshoheit bleibt der Lehrperson; die finale Urheberschaft bei den Schülerinnen und Schülern bzw. Lernenden (vgl. Human in the Loop in Zukunftsrelevante Kompetenzen). Der DLH hat dazu Leitfäden verfasst: DLH-Handreichungen für die Anwendung von KI-Systemen.

Langfristig könnten auch KI-Systeme selbst zur differenzierteren Leistungsmessung beitragen, etwa durch adaptive Prüfungsformate oder kontinuierliche Kompetenzdiagnostik. Gleichzeitig stellt sich die grundsätzliche Frage, ob der Selektionsauftrag weiterhin primär bei der Schule liegen sollte oder stärker bei der Wirtschaft, die zunehmend eigene Auswahlverfahren nutzt, die ebenfalls durch KI-Anwendungen verbessert werden.