Digital Learning Campus

Sondercluster

🚨 Fringe Überraschend ist, dass KI-Tools den Wissenserwerb weder steigern noch senken, sondern primär als „Frust-Killer“ fungieren, die die Lernbereitschaft erhöhen, ohne die kognitive Tiefe zu verbessern. Die Studie entlarvt zudem die Präferenz der Studierenden für den „Weg des geringsten Widerstands“ (ChatGPT) gegenüber pädagogisch wertvolleren, sokratischen Ansätzen (Iris).

Wortwolke

Zusammenfassung

Kontext

Die Session thematisiert die Auswirkungen von KI-gestützten Lerntools auf die kognitive Entwicklung und Motivation von Studierenden. Anhand eines Experiments mit 275 Studierenden der Technischen Universität München (TUM) wurde untersucht, wie unterschiedliche KI-Tools (ungesteuerte KI wie ChatGPT, pädagogisch optimierte KI-Tutoren wie Iris sowie klassische Methoden ohne KI) die Performance, den Lernerfolg und die Motivation beeinflussen. Die Studie adressiert die öffentliche Debatte, ob KI-Nutzung zu einer Verringerung der kognitiven Fähigkeiten führt oder ob sie Lernprozesse effizienter gestaltet.

Kernaussagen

1. Performance-Steigerung durch KI, aber kein signifikanter Wissenszuwachs

Experimentdesign: Drei Gruppen bearbeiteten eine komplexe Programmieraufgabe zu paralleler Programmierung in Java (90 Minuten Zeit).
- Gruppe 1: KI-Tutor Iris (sokratische Methode, keine Lösungen, nur Hinweise).
- Gruppe 2: Ungesteuerte Nutzung von ChatGPT.
- Gruppe 3: Klassische Methoden (Google, StackOverflow).
Ergebnisse:
- Die ChatGPT-Gruppe erreichte fast 100 % Lösungsrate, während die Gruppe ohne KI kaum Fortschritte machte.
- Die Iris-Gruppe zeigte eine gleichmäßige Verteilung der Lösungsraten, was auf eine Balance zwischen Herausforderung und Unterstützung hindeutet.
- Wissenszuwachs: Alle Gruppen steigerten ihr Wissen im Durchschnitt um etwa einen Punkt (auf einer Skala von sechs Fragen), unabhängig von der KI-Nutzung.

2. Unterschiede zwischen ungesteuerter KI und pädagogisch optimierten Tools

Kognitive Belastung (Cognitive Load):
- Ohne KI: Höchste kognitive Belastung, da Studierende alles selbst erarbeiten mussten.
- ChatGPT: Deutliche Reduktion der kognitiven Belastung, teilweise bis auf null („Komfort-Falle“: Delegation der Aufgabe an die KI ohne inhaltliche Auseinandersetzung).
- Iris: Moderate Reduktion der kognitiven Belastung, da sokratische Führung die Studierenden aktiv einbindet.
Lernwirksamkeit: Trotz ähnlichem Wissenszuwachs fördert Iris langfristigere Schemabildung im Gehirn, da Studierende aktiv mitdenken müssen.

3. Motivation und Frustration: KI als „Frust-Killer“

Intrinsische Motivation:
- Keine signifikanten Unterschiede zwischen den Gruppen, aber tendenziell höhere Motivation in der Iris-Gruppe (Gefühl, die Aufgabe selbst gemeistert zu haben).
Frustration:
- Die Gruppe ohne KI war deutlich frustrierter, da die Aufgabe als „knochenhart“ empfunden wurde.
- KI-Nutzung (insbesondere Iris) reduzierte Frustration erheblich, was die langfristige Studienmotivation stabilisieren kann.
Präferenz der Studierenden: Trotz höherer Motivation bei Iris bevorzugten Studierende ChatGPT, da es schneller Ergebnisse liefert („Weg des geringsten Widerstands“).

4. Reskilling: Verschiebung der Kompetenzen

Neue Skills durch KI:
- Statt reiner Code-Generierung rücken Fähigkeiten wie Evaluation von KI-Ergebnissen, Teststrategien und Planung komplexer Systeme in den Vordergrund.
- Beispiel: Studierende lernen, KI-generierte Lösungen kritisch zu hinterfragen, statt sie unreflektiert zu übernehmen.
Didaktische Anpassung: Prüfungsformate müssen sich ändern – weg von Hausaufgaben hin zu kollaborativen Projekten und mündlichen Erklärungen.

5. Lehrstrategien: KI in der „Zone der nächsten Entwicklung“ einsetzen

Ziel: KI-Tools sollten Studierende weder unter- noch überfordern, sondern sie in ihrer „Zone der nächsten Entwicklung“ (Vygotsky) halten.
- Iris als Beispiel: Abbau unproduktiver Hürden (z. B. Syntaxfehler) bei gleichzeitiger Förderung des inhaltlichen Verständnisses.
Komfort-Falle: Die Bequemlichkeit von ChatGPT führt zu geringerer kognitiver Auseinandersetzung – hier sind pädagogische Leitplanken notwendig.
Empfehlung: KI-Tools bewusst so gestalten, dass sie Lernende herausfordern, ohne sie zu demotivieren.

Fazit

KI macht Studierende nicht per se dümmer, aber die Art der Nutzung entscheidet über den Lernerfolg:

Ungesteuerte KI (wie ChatGPT) steigert kurzfristig die Performance, reduziert jedoch die kognitive Auseinandersetzung und fördert passive Lernmuster.
Pädagogisch optimierte KI (wie Iris) hält die Balance zwischen Unterstützung und Herausforderung, was langfristig zu tieferem Verständnis und höherer Motivation führt.
Handlungsempfehlungen:
- KI-Tools in der Lehre so einsetzen, dass sie aktives Lernen fördern (z. B. durch sokratische Methoden).
- Prüfungsformate anpassen: Kollaborative Projekte und mündliche Erklärungen statt isolierter Hausaufgaben.
- Bewusstsein schaffen: Studierende über die „Komfort-Falle“ aufklären und sie ermutigen, KI als Werkzeug (nicht als Ersatz) zu nutzen.
- Frustration als Lernchance: Gezielt einsetzen, um Frustrationstoleranz und Selbstmotivation zu trainieren – aber mit klarer didaktischer Absicht.

Abschließende Botschaft: KI wird die Bildung verändern – ob zum Besseren oder Schlechteren, hängt davon ab, wie wir sie gestalten.

Fragen & Antworten

Was war die konkrete Aufgabe im Experiment und durften die Studierenden in der Kontrollgruppe Ressourcen wie Stackoverflow nutzen?

Es handelte sich um eine schwere Programmieraufgabe zu fortgeschrittener Concurrency und Threading in einem Anfängerkurs. Um den Effekt der KI-Unterstützung zu isolieren, war die Nutzung externer Ressourcen wie das Web für alle Gruppen gleichermaßen untersagt.

Wie konnten die Studierenden Feedback zu beiden Tools (ChatGPT und Iris) geben, wenn sie im Experiment jeweils nur einer Gruppe zugeordnet waren?

Die Studierenden hatten bereits im gesamten vorangegangenen Semester Zugang zu Iris und konnten ChatGPT individuell nutzen, weshalb sie bei der Befragung auf Basis ihrer allgemeinen Erfahrungen informierte Antworten geben konnten.

Wie wurde die kognitive Belastung (germane cognitive activity) gemessen?

Die Messung erfolgte über einen standardisierten, gut getesteten Fragebogen mit fünf Punkten, der externe, intrinsische und kognitive Belastung erfasst.

Wie reagieren die Lehrenden auf die Verfügbarkeit von KI bei der Gestaltung von Prüfungsformaten?

Klassische Hausaufgaben wurden weitgehend ersetzt. Stattdessen werden nun kollaborative Projekte (z. B. die gemeinsame Implementierung eines Spiels) eingesetzt, bei denen die Planung, Erklärung und Evaluation komplexer Systeme im Vordergrund stehen.

Sind Frustrationstoleranz und Selbstmotivation nicht wichtige Kompetenzen, die Studierende gerade durch schwierige Aufgaben erlernen sollten?

Ja, Frustrationstoleranz ist eine wichtige Fähigkeit, sofern der Umgang damit didaktisch begleitet wird. Ein rein zufälliger oder unbegleiteter Frust durch zu schwere Aufgaben bietet hingegen kaum didaktischen Mehrwert.

Diagramm

100%

mindmap
  root)Werden wir dümmer mit KI-Lernen?(
    ["KI & Lernperformance"]
      ["Höhere Lösungsrate mit KI"]
      ["Kein höherer Wissenszuwachs"]
    ["Kognitive Belastung"]
      ["ChatGPT: Minimale Belastung"]
      ["Iris: Moderate Belastung"]
    ["Motivation & Frustration"]
      ["KI reduziert Frustration"]
      ["Iris: Höhere Motivation"]
    ["Kompetenzverschiebung"]
      ["Weniger manuelles Coden"]
      ["Mehr Evaluation & Planung"]
    ["Didaktische Empfehlungen"]
      ["KI als Werkzeug nutzen"]
      ["Prüfungen anpassen"]

Werden wir jetzt dümmer, wenn wir mit AI lernen, oder nicht?