Kontext
Die Diskussion widmete sich der Frage, wie künstliche Intelligenz (KI) Lern- und Denkprozesse beeinflusst und unter welchen Bedingungen sie diese unterstützt oder behindert. Ausgangspunkt war die Beobachtung, dass Lehrende häufig Frustration über unreflektierten KI-Einsatz durch Studierende äußern, während gleichzeitig Beispiele kompetenter Nutzung existieren. Ziel der Session war es, mithilfe lern- und motivationspsychologischer Modelle widersprüchliche Studienergebnisse zu erklären und didaktische Szenarien für einen lernförderlichen KI-Einsatz abzuleiten.
Zentrale Fragestellungen:
- Wie kann KI Denkprozesse unterstützen, ohne kognitive Eigenleistung zu ersetzen?
- Welche Nutzungsszenarien sind für nachhaltiges Lernen ungünstig („Offloading“)?
- Welche Rolle spielen Lehrende bei der Gestaltung KI-gestützter Lernumgebungen?
Kernaussagen
1. Psychologische Grundlagen des Lernens (Martina Moerth)
Position:
Lernprozesse basieren auf unveränderlichen psychologischen Modellen, die auch im KI-Zeitalter gültig bleiben. Entscheidend sind:
- Aktuelle Prozesse: Aufmerksamkeit, Konzentration, Selbstregulation, Motivation und Emotionen.
- Längerfristige Faktoren: Vorwissen, Gewohnheiten, Ziele, Einstellungen und Fähigkeiten.
- Verhalten: Bewusste Steuerung (z. B. Aufgabenbearbeitung) vs. unbewusste Routinen (z. B. Gewohnheiten).
Stützende Beispiele:
- KI kann nur dann lernförderlich wirken, wenn sie aktive kognitive Prozesse (Elaboration, Abruf aus dem Langzeitgedächtnis) anregt.
- Gewohnheiten im KI-Umgang müssen bewusst entwickelt werden, um „Offloading“ (Delegation geistiger Arbeit an KI) zu vermeiden.
2. Ungünstige vs. lernförderliche KI-Nutzung (Ulrike Hanke)
Position A: Offloading (ungünstig)
- Merkmale: Studierende übergeben Aufgaben direkt an KI, ohne eigene kognitive Auseinandersetzung.
- Folgen: Kaum Aktivierung mentaler Prozesse; Faktoren der Person (Vorwissen, Motivation) bleiben ungenutzt.
- Beleg: Metaanalysen zeigen, dass extrinsische Motivation (z. B. Notendruck) und Amotivation (fehlende Relevanzwahrnehmung) Offloading begünstigen (Krou et al., 2020).
Position B: Lernförderliche Nutzung
- Merkmale: KI dient als zusätzliche Quelle, deren Output kritisch geprüft und mit eigenem Wissen abgeglichen wird.
- Folgen: Mehr kognitive Prozesse als ohne KI (z. B. Interaktion mit Lernmaterial, Reflexion).
- Beleg: Studierende, die die Relevanz von Aufgaben erkennen, nutzen KI seltener zum „Schummeln“ (Krou et al., 2020).
Einflussfaktoren:
- Aufgabenrelevanz: Klare Kommunikation des Nutzens einer Aufgabe reduziert „Academic Dishonesty“.
- KI als „Sparringspartner“: Gezielte Fragen der KI fördern aktives Engagement (z. B. „Wie hast du das verstanden?“).
3. Rolle der Lehrenden (Hiltraut Paridon, Florian Klapproth, Annette Glathe)
Position:
Lehrende können durch die Gestaltung der Lernumgebung und die Förderung psychologischer Grundbedürfnisse den KI-Einsatz steuern.
Stützende Fakten:
- Autonomie, Kompetenz, soziale Einbindung (Deci & Ryan, 2000):
- Autonomieunterstützung (z. B. Wahlmöglichkeiten bei Aufgaben) korreliert mit Engagement (r = .37) und Deep Learning (r = .33) (Howard et al., 2025).
- Kompetenzerleben (z. B. Feedback mit Verbesserungsvorschlägen) steigert Engagement (r = .44).
- Soziale Einbindung (z. B. persönlicher Kontakt) fördert Beharrlichkeit (r = .26).
- KI-Kompetenzvermittlung:
- Schulungen führen zu bewussterer KI-Nutzung: Mehr Prompt-Überarbeitungen, kritische Prüfung von Outputs, längere „Time on Task“ (Clerc et al., 2026).
- Kritisches Denken:
- KI kann kritisches Denken stärken, wenn sie als „Gerüst“ genutzt wird (Effektstärke ≈ 0.69; Zhao et al., 2025).
- Gefahr: Übermäßiges Vertrauen in KI führt zu „Cognitive Debt“ (geringere Hirnaktivität, homogenere Ergebnisse; Kosmyna et al., 2025).
Praktische Implikationen:
- Aufgabenrelevanz verdeutlichen (z. B. „Warum ist Statistik für eure Zukunft wichtig?“).
- KI-Tutoren einsetzen, um Motivation zu steigern – aber Lernerfolge zeitversetzt prüfen (Liu et al., 2026 zeigen: Kurzfristige Performance-Gewinne ≠ langfristiges Lernen).
- Growth Mindset fördern (z. B. „Durch Anstrengung könnt ihr euch verbessern“).
4. Widersprüchliche Befunde zum kritischen Denken (Florian Klapproth)
Position A: KI behindert kritisches Denken
- Studie: Kosmyna et al. (2025) zeigen, dass Probanden, die Essays mit KI verfassten, geringere Hirnaktivität (EEG) und homogenere Texte produzierten.
- Interpretation: Unreflektierte Übernahme von KI-Outputs reduziert kognitive Eigenleistung.
Position B: KI fördert kritisches Denken
- Studie: Metaanalyse von Zhao et al. (2025) zeigt einen positiven Effekt auf höheres Denken (Effektstärke ≈ 0.69).
- Moderierende Faktoren:
- Dauer der KI-Nutzung: Längerfristige Nutzung (bis 16 Wochen) verstärkt den Effekt.
- Selbstregulation: Kritische Prüfung von KI-Outputs ist entscheidend.
Uneinigkeit:
- Die Befunde hängen stark von Nutzungsart (reflektiert vs. unreflektiert) und Kontext (Aufgabenstellung, Vorwissen) ab.
Offene Fragen
- Langfristige Effekte:
- Führen kurzfristige Motivationsgewinne durch KI-Tutoren zu nachhaltigem Lernen? (Liu et al., 2026 zeigen: Nein – aber weitere Studien nötig.)
- Gehirnplastizität:
- Verändert regelmäßige KI-Nutzung kognitive Strukturen langfristig? (Erste Hinweise auf „Cognitive Debt“, aber keine gesicherten Erkenntnisse.)
- Prüfungsformate:
- Wie können Prüfungen gestaltet werden, um echtes Verständnis (nicht nur KI-generierte Lösungen) zu testen? (Diskutiert, aber keine einheitlichen Empfehlungen.)
- Soziale Dynamik:
- Wie wirkt sich KI auf kollaboratives Lernen aus? (Einzelstudien zeigen positive Effekte durch Gruppenvergleiche von KI-Outputs, aber systematische Forschung fehlt.)
Ergebnis
Vorläufige Klärungen
- Lernförderliche KI-Nutzung erfordert:
- Aktive Verarbeitung (Reflexion, Abgleich mit Vorwissen).
- Befriedigung psychologischer Grundbedürfnisse (Autonomie, Kompetenz, soziale Einbindung).
- KI-Kompetenz (kritische Prüfung von Prompts und Outputs).
- Lehrende haben zentralen Einfluss durch:
- Gestaltung von Aufgabenrelevanz und Lernumgebungen.
- Förderung von Selbstregulation und kritischem Denken.
- KI als Werkzeug, nicht als Ersatz: Sie kann Routineaufgaben übernehmen (z. B. Ideensammlung), aber Analyse, Bewertung und Reflexion müssen bei den Lernenden bleiben.
Takeaways für Teilnehmende
- Für Lehrende:
- KI didaktisch reflektiert einsetzen (z. B. als „sokratischen Partner“).
- Studierende im kompetenten Umgang mit KI schulen (z. B. durch Schulungen zu Prompting).
- Relevanz von Aufgaben explizit kommunizieren.
- Für Studierende:
- KI als Hilfsmittel nutzen, nicht als Ersatz für eigene Denkleistung.
- Selbstregulation trainieren (z. B. erst selbst nachdenken, dann KI fragen).
- Für Forschung:
- Weitere Studien zu langfristigen Effekten und Gehirnplastizität nötig.
- Entwicklung von Prüfungsformaten, die KI-Nutzung integrieren, aber echtes Verständnis testen.
Zitat aus der Diskussion (Andrea Schäfer):
„Nachhaltiges Lernen braucht auch im KI-Zeitalter Aufmerksamkeit, Konzentration, Selbstregulation und Elaboration. Lehrende haben großen Einfluss – durch Kommunikation, Relevanzvermittlung und die Stärkung intrinsischer Motivation.“
