Die KI schlägt eine Rückfrage vor – die Lehrperson entscheidet
Die KI schlägt eine Rückfrage vor – die Lehrperson entscheidet
Ein anderer Einsatzort für KI
Eine Schülerin schreibt bei der Addition von Brüchen: 1/3 + 1/4 = 2/7. Die Fehlvorstellung ist sichtbar. Nun könnte ein Chatbot direkt den korrekten Rechenweg erklären. Doch damit wäre noch offen, was die Schülerin selbst über Zähler, Nenner und gleich grosse Teile denkt.
Es gibt einen anderen Einsatzort für KI: nicht zwischen System und Schülerin, sondern als Unterstützung für die Lehrperson. Die KI kann mögliche Rückfragen anbieten. Die Lehrperson prüft, welche davon fachlich stimmt, sprachlich passt und am aktuellen Lernstand ansetzt. Erst dann stellt sie eine ausgewählte Frage. Die Erklärung bleibt Aufgabe der Schülerin.
Genau diese Rollenverteilung macht eine Studie zu Tutor CoPilot interessant. Sie zeigt nicht, dass ein allgemeiner Chatbot Unterricht verbessert. Sie untersucht ein spezifisches Werkzeug, das menschliche Tutor:innen während einer echten Lerninteraktion mit mehreren Reaktionsoptionen unterstützte.
Was die Studie geprüft hat
Wang und Kolleg:innen berichten eine vorregistrierte randomisierte Studie in der US-amerikanischen Online-Mathematiknachhilfe. Anfänglich wurden 900 Tutor:innen dem Zugang zu Tutor CoPilot oder keinem Zugang zugeteilt; nach Ausfällen umfasste die Stichprobe zum Studienstart 782 Tutor:innen. Der Bezirk hatte 1’787 K-12-Lernende aus Title-I-Schulen identifiziert, im Abstract gerundet 1’800. In die finale Sitzungsanalyse gingen 4’136 Sitzungen und mehr als 550’000 Chatnachrichten ein. Die Studie lief während zweier Monate im Jahr 2024.
Wenn Tutor:innen Unterstützung anforderten, erzeugte das System in Echtzeit mehrere Vorschläge auf Basis verschiedener Strategien für den nächsten Gesprächsschritt. Sie konnten einen Vorschlag wählen, verändern oder ignorieren. Die KI führte also nicht autonom das Gespräch mit den Lernenden. Randomisiert wurde der Zugang der Tutor:innen zum System. Der Haupteffekt beschreibt deshalb die Wirkung dieses Zugangs – nicht die Wirkung einer bei allen identischen tatsächlichen Nutzung.
Als zentrales sitzungsnahes Ergebnis diente ein kurzes Exit Ticket am Ende der Nachhilfestunde. Die Lernenden bearbeiteten es ohne Hilfe der Tutorin oder des Tutors. Das ist mehr als eine Bewertung der Chatantwort, bleibt aber eine kurzfristige Messung direkt nach der Sitzung.
Was die Studie fand – und was nicht
In der Intention-to-treat-Analyse lag die modellgeschätzte Wahrscheinlichkeit, das Exit Ticket zu bestehen, bei Tutor:innen mit Systemzugang bei 66 statt 62 Prozent. Das Paper berichtet für diese Schätzung p < .01. Anders gesagt: Im untersuchten Setting war der Unterschied statistisch klar erkennbar. Die Zahl belegt jedoch weder einen sicheren Effekt in jeder Klasse noch nachhaltiges Lernen.
Die automatisch bestimmten Gesprächsmuster liefern einen möglichen Hinweis auf das Geschehen im Gespräch. Dafür trainierte das Forschungsteam Klassifikatoren an 3’000 Nachrichten; das Paper berichtet F1-Werte von 0,65 bis 0,90, also je nach Strategie unterschiedlich zuverlässige automatische Zuordnungen. Danach kamen Aufforderungen zum Erklären und leitende Fragen in der Interventionsgruppe häufiger vor. Direktes Verraten einer Antwort oder Lösungsstrategie trat seltener auf. Diese Muster beweisen nicht, dass eine bestimmte einzelne Rückfrage den gemessenen Unterschied verursacht hat.
Wichtig sind auch die Gegenbefunde. In den untersuchten Schüler:innen-Befragungen zeigte sich kein statistisch signifikanter Unterschied. Ebenso berichteten die Autor:innen beim Jahresend-Mathematiktest keinen statistisch signifikanten Unterschied. Aus dem besseren kurzen Exit Ticket wird damit kein Nachweis für einen dauerhaften Fachlerngewinn.
Eine enge Unterrichtsübertragung
Für eine Schweizer Sek-I-Klasse lässt sich daraus kein fertiges Rezept übernehmen. Möglich ist aber eine eng begrenzte didaktische Übertragung. Nehmen wir noch einmal die falsche Rechnung 1/3 + 1/4 = 2/7. Die Lehrperson anonymisiert die Fehlvorstellung und fordert von der KI zwei kurze Rückfragen an, die zum Prüfen anregen, ohne den Rechenweg zu verraten.
Nun beginnt die professionelle Arbeit. Eine Frage könnte fachlich korrekt, aber sprachlich zu schwierig sein. Die Lehrperson verwirft sie. Eine andere lautet vielleicht: «Kannst du ein Drittel und ein Viertel als gleich grosse Stücke zeichnen?» Sie prüft die Formulierung, passt sie bei Bedarf an und stellt genau diese Frage.
Die Schülerin zeichnet die Bruchteile, vergleicht ihre Grösse und erklärt, weshalb Zähler und Nenner nicht einfach getrennt addiert werden können. Danach bearbeitet sie 5/12 + 1/4 ohne KI und begründet ihren Weg. Dieser ähnliche neue Fall gibt der Lehrperson eine zusätzliche Spur: Was kann die Schülerin nun selbst? Wo braucht sie weiterhin fachliche Erklärung oder anderes Material?
Dieser Ablauf ist unsere Unterrichtsidee, nicht der getestete Studienablauf. Die Studie verwendete mehrere Systemvorschläge auf Basis verschiedener Strategien in der US-Online-Nachhilfe; unser Beispiel fordert zwei an und überträgt das Prinzip in eine Schweizer Sek-I-Situation. Auch der anschliessende Bruchfall ohne KI ist keine in der Studie geprüfte Intervention.
Was diese Idee nicht leistet
Tutor CoPilot war ein fach- und situationsspezifisches System. Die Studie liefert keinen Nachweis für frei zugängliche General-Chatbots, direkten Schüler:innen-Zugang oder andere Fächer. Sie fand in US-amerikanischen Title-I-Schulen mit Online-Nachhilfe und teilweise unerfahrenen Tutor:innen statt. Beziehungen, Diagnosen und Anforderungen des Schweizer Regelunterrichts unterscheiden sich davon.
Das geprüfte Dokument ist zudem ein Working Paper von 2024; eine Peer-Review wird hier nicht behauptet. Der vollständige Bericht nennt auch unpassende oder zu anspruchsvolle Vorschläge als Problem. Menschliche Auswahl ist deshalb nicht bloss eine freundliche Ergänzung, sondern Teil der beschriebenen Intervention und für die Unterrichtsübertragung entscheidend.
Die praktische Frage lautet also nicht: Kann die KI die Lehrperson ersetzen? Sondern: Kann sie der Lehrperson Optionen geben, ohne ihr die fachliche und pädagogische Entscheidung abzunehmen? Der Merksatz für den Unterricht bleibt einfach: Die KI schlägt vor. Du entscheidest. Das Kind erklärt.
Originalquellen
Grenzen
- Working Paper von 2024; keine Peer-Review behauptet.
- US-Title-I-Setting, Online-Mathematiknachhilfe und teilweise unerfahrene Tutor:innen; keine direkte Evidenz für Schweizer Sek I oder den Lehrplan 21.
- Randomisiert wurde der Systemzugang der Tutor:innen; ergänzende Schätzungen tatsächlicher Nutzung sind nicht mit dem randomisierten Haupteffekt gleichzusetzen.
- Das Exit Ticket war sitzungsnah; beim Jahresend-Mathematiktest zeigte sich kein statistisch signifikanter Unterschied.
- Das geprüfte System bot mehrere Vorschläge auf Basis verschiedener Strategien; das Bruchrechnungsbeispiel mit genau zwei angeforderten Rückfragen und der ähnliche Fall ohne KI sind redaktionelle didaktische Übertragungen, keine getestete Intervention und keine Wirkungsgarantie.