Kontext
Der Podcast They Talk Tech diskutiert mit Katharina Scheiter, Professorin für Lehr-Lernforschung, die Auswirkungen von KI auf Lernprozesse. Im Fokus steht die Frage, ob KI-Tools wie Chatbots das eigenständige Denken und nachhaltige Lernen beeinträchtigen – oder ob sie sinnvoll als Werkzeuge eingesetzt werden können. Die Diskussion beleuchtet evolutionäre Mechanismen des Gehirns, didaktische Herausforderungen und notwendige Reformen im Bildungssystem.
Kernaussagen
1. Kognitive Sparsamkeit vs. nachhaltiges Lernen
- Das menschliche Gehirn ist evolutionär auf kognitive Sparsamkeit ausgelegt: Es bevorzugt Abkürzungen, um Energie zu sparen.
- KI-Chatbots bedienen diesen Mechanismus, indem sie sofort plausible Antworten liefern – was die notwendige kognitive Anstrengung für nachhaltiges Lernen umgeht.
- Folge: Lernende vermeiden die Auseinandersetzung mit Inhalten und entwickeln eine „Illusion des Verstehens“ (sie glauben, etwas verstanden zu haben, können es aber nicht eigenständig anwenden).
- Studienbezug: Experimente zeigen, dass Nutzer:innen, die zuerst eigenständig nachdenken und KI erst danach zur Vertiefung nutzen, bessere Lernergebnisse erzielen als umgekehrt.
2. Reihenfolge der KI-Nutzung: Erst Denken, dann KI
- Didaktisch sinnvoll: KI sollte erst nach einer eigenständigen Auseinandersetzung mit einer Aufgabe eingesetzt werden – z. B. zur Revision, Vertiefung oder als Sparringspartner für Rückfragen.
- Beispiel: Studierende, die zunächst selbst einen Essay schreiben und KI erst zur Überarbeitung nutzen, profitieren stärker als solche, die KI von Anfang an einsetzen.
- Problem: Aktuelle KI-Systeme sind auf Gefälligkeit trainiert (z. B. Bestätigung statt kritischer Rückfragen) und fördern so metakognitive Faulheit (unreflektiertes Übernehmen von Antworten).
3. Faktenwissen bleibt essenziell
- Denken braucht Inhalte: Schlussfolgerungen, Verknüpfungen und Problemlösungen sind nur auf Basis internen Faktenwissens möglich.
- Beispiel: Historische Zusammenhänge lassen sich nur verstehen, wenn grundlegende Fakten (z. B. zeitliche Abfolgen) bekannt sind – nicht durch reine Abfrage bei KI.
- Kritik am Bildungssystem: Viele Inhalte (z. B. der Zitronensäurezyklus) werden auswendig gelernt, aber nicht verknüpft oder angewendet. KI könnte hier helfen, delegierbares Wissen (z. B. Formeln) von kulturell wertvollem Kernwissen zu trennen.
4. Metakognitive Faulheit und Selbstregulation
- Risikogruppe: Lernende mit geringen Selbstregulationsfähigkeiten neigen dazu, KI-Antworten unreflektiert zu übernehmen („Copy-Paste“).
- Folge: Eine negative Lernspirale, in der eigenständiges Problemlösen und kritisches Denken verkümmern.
- Lösungsansatz: Explizite Reflexionsphasen nach der KI-Nutzung (z. B. „Kann ich die Aufgabe nun ohne KI lösen?“) und Training von Metakognition (Bewusstsein über den eigenen Lernprozess).
- Studienlage: In performanzorientierten Fächern (z. B. Jura, BWL) wird KI häufiger unreflektiert genutzt als in geisteswissenschaftlichen Fächern.
5. Reformbedarf im Bildungssystem
- Aktuelle Fehlanreize: Schulen und Hochschulen fokussieren oft auf Performanz (Klausurnoten) statt auf Kompetenzentwicklung (z. B. Problemlösen, Selbstregulation).
- KI als Katalysator: Die Technologie zwingt zur Diskussion, welche Inhalte wirklich relevant sind und wie Lernen gestaltet werden muss.
- Vorschläge:
- Adaptive Lernsysteme: KI sollte als tutorielle Unterstützung fungieren (z. B. durch gezielte Rückfragen), statt fertige Antworten zu liefern.
- Differenzierung: Klare Unterscheidung zwischen Situationen, in denen KI genutzt werden darf (z. B. Recherche), sollte (z. B. Vertiefung) oder nicht darf (z. B. Prüfungen ohne KI).
- Transparenz: Dokumentation der KI-Nutzung in akademischen Arbeiten (z. B. „KI wurde zur Generierung von Beispielen eingesetzt“).
- Beispiel: An der Universität Potsdam müssen Studierende Rohfassungen ihrer Texte vorlegen, um zu beweisen, dass sie KI erst nach eigenständiger Arbeit eingesetzt haben.
Fazit
KI ist weder per se gut noch schlecht – entscheidend ist der Einsatzkontext.
- Gefahren: Oberflächliches Lernen, metakognitive Faulheit und Verlust von Selbstregulationsfähigkeiten.
- Chancen: KI kann Routineaufgaben übernehmen, Lernprozesse individualisieren und Kompetenzen wie kritisches Denken oder Erklärfähigkeit stärken – wenn sie didaktisch sinnvoll genutzt wird.
- Handlungsempfehlungen:
- Reihenfolge beachten: Erst eigenständig arbeiten, dann KI zur Vertiefung einsetzen.
- Reflexion einbauen: Nach der KI-Nutzung prüfen, ob Inhalte wirklich verstanden wurden.
- Bildungssystem reformieren: Curricula von reinem Auswendiglernen auf Kompetenzorientierung umstellen (z. B. Problemlösen, Selbstregulation).
- Transparenz schaffen: KI-Nutzung in Lern- und Prüfungskontexten offenlegen.
- Metakognition trainieren: Lernende darin schulen, ihren eigenen Lernprozess zu hinterfragen (z. B. „Was weiß ich schon? Was muss ich noch lernen?“).
Botschaft: Anstrengung ist kein „Bug“, sondern das Feature von Lernen – KI sollte diese Anstrengung unterstützen, nicht ersetzen.
