Eine KI-Zusammenfassung ist noch keine Recherche

Eine KI-Zusammenfassung kann einen schwierigen Einstieg erleichtern. Sie bündelt Begriffe, ordnet Argumente und liefert oft gleich eine Liste von Links. Für eine Rechercheaufgabe entsteht dadurch aber eine entscheidende Frage: Welche Denkarbeit bleibt bei den Lernenden?

Die kurze Antwort lautet: Sie sollten mindestens eine Behauptung selbst an Quellen prüfen und die Fundstellen zu einem eigenen, begrenzten Urteil verbinden. Die Zusammenfassung darf ein Startpunkt sein. Sie sollte nicht schon die ganze Recherche darstellen.

Was die Studie untersuchte

Shiri Melumad und Jin Ho Yun verglichen in sieben Experimenten zwei Wege der Informationssuche. Erwachsene Teilnehmende informierten sich entweder über eine fertige Synthese eines grossen Sprachmodells oder über klassische Weblinks. Danach sollten sie einer anderen Person Rat zu einem Alltagsthema geben, etwa zu einem Gemüsegarten, gesünderem Leben oder dem Umgang mit Finanzbetrug. Insgesamt nahmen 10’462 Personen teil; neben Online-Panels gehörte dazu ein Hochschul-Laborpanel.

Die Forschenden erfassten nicht einfach, ob eine einzelne Antwort richtig war. Sie betrachteten unter anderem die Zeit bei den Suchergebnissen, Selbstauskünfte zum neu Gelernten und zum Gefühl, sich das Wissen angeeignet zu haben, sowie Merkmale der anschliessenden Ratschläge. Dazu zählten Länge, Faktenbezüge und sprachliche Ähnlichkeit. In einem Experiment bewerteten andere Personen die Ratschläge, ohne zu wissen, wie sie entstanden waren.

Was die Forschenden fanden

Über die Experimente hinweg berichteten Personen nach einer LLM-Synthese weniger vertieftes Lernen als nach Weblinks. Ihre späteren Ratschläge waren kürzer, generischer und enthielten weniger Faktenbezüge. Das ist kein Beweis, dass eine einzelne Person nichts gelernt hat. Es ist ein Gruppenunterschied innerhalb dieses bestimmten Recherche- und Schreibformats.

Auch Empfänger:innen bemerkten einen Unterschied. In Experiment 4 bewerteten 1’493 Personen die Texte blind. Ratschläge nach einer Google AI Overview galten im Mittel als weniger hilfreich und weniger informativ als Ratschläge nach Weblinks. Gemessen wurde damit die wahrgenommene Qualität eines Rates – keine Schulnote und kein langfristiges Fachwissen.

Der besonders wichtige Vergleich

Ein naheliegender Einwand lautet: Vielleicht lieferten die beiden Suchwege einfach andere Informationen. Deshalb ist Experiment 2 besonders aufschlussreich. Dort hielten die Forschenden sieben Kernfakten konstant. Die Teilnehmenden sahen also inhaltlich dieselbe Basis, entweder als fertige Zusammenfassung oder verteilt auf verlinkte Webseiten.

Trotzdem verbrachte die Gruppe mit der Zusammenfassung im Mittel weniger Zeit bei den Ergebnissen: 83,65 statt 124,32 Sekunden. Ihre Ratschläge enthielten durchschnittlich 4,00 statt 4,61 Faktenbezüge und waren mit 64,49 statt 74,22 Wörtern kürzer. Keine dieser Zahlen ist für sich allein ein Kompetenztest. Zusammen mit den übrigen Messungen stützen sie aber die engere Aussage: Nicht nur die vorhandenen Fakten, sondern auch die Art ihrer Bearbeitung machte in diesem Aufgabenformat einen Unterschied.

Ein Link ist noch keine Quellenarbeit

Auch Links neben einer KI-Antwort lösen das Problem nicht automatisch. In der LLM-Bedingung mit Echtzeit-Weblinks öffneten 26 Prozent der Teilnehmenden einen solchen Link; die grundsätzliche Tendenz blieb bestehen. Daraus folgt nicht, dass Links nutzlos sind. Es folgt etwas Praktischeres: Ein angebotener Link wird erst dann zur Lernhandlung, wenn jemand ihn öffnet, eine relevante Stelle auswählt und für die eigene Frage verwendet.

Genau hier kann Unterricht ansetzen. Statt nur zu verlangen, dass eine KI-Antwort «Quellen enthält», kann die Aufgabe festlegen, was Lernende mit diesen Quellen tun.

Ein konkretes Unterrichtsbeispiel

Eine Sek-I-Klasse bearbeitet die Frage: «Soll unsere Gemeinde Einwegplastik an Schulanlässen verbieten?» Alle erhalten dieselbe kurze KI-Zusammenfassung mit mehreren Behauptungen. Jede Zweiergruppe wählt eine Behauptung aus, die sie prüfen will. Der Text der KI darf dabei nicht einfach in die Abgabe kopiert werden.

Danach öffnet die Gruppe zwei vorbereitete, altersgerechte Quellen mit unterschiedlichen Perspektiven, zum Beispiel einen kommunalen Abfallbericht und eine Publikation einer Umweltorganisation. In jeder Quelle markiert sie eine Stelle, welche die gewählte Behauptung stützt, einschränkt oder verändert. Zwei Quellen garantieren noch keine Qualität; Autorenschaft, Aktualität und Kontext müssen zur Aufgabe passen. Die Lehrperson sollte die Auswahl deshalb vorbereiten oder prüfen.

Nun schreibt jede Person einen Verbindungssatz: «Quelle A zeigt …; Quelle B ergänzt oder widerspricht …; deshalb würde ich …, aber nur wenn …» Anschliessend formuliert sie ohne KI ein eigenes Urteil und nennt eine Bedingung oder Grenze. Im kurzen Vergleich am Schluss wird sichtbar, welche Aussage der KI-Zusammenfassung brauchbar, zu glatt oder zu eng war.

Dieses Beispiel ist eine didaktische Empfehlung, keine direkte Wiederholung der Studie. Es macht aber die Lernhandlung prüfbar: Quelle öffnen, Stelle erklären, Perspektiven verbinden und ein begrenztes Urteil formulieren.

Was daraus nicht folgt

Die Studie ist kein Beleg dafür, dass KI-Suche grundsätzlich schlechter ist oder Menschen «dumm macht». Sie untersuchte Erwachsene bei Alltagsthemen und einer anschliessenden Rat-Schreibaufgabe. Eine einzelne Faktenabfrage, eine sorgfältig geführte Fachrecherche oder ein modernes Deep-Research-System können andere Anforderungen stellen.

Ebenso wenig beweist die Studie, dass längere Suchzeit oder mehr Klicks automatisch besseres Lernen bedeuten. Entscheidend ist die Qualität der Auswahl und Verbindung. Wer zehn Seiten öffnet, ohne ihre Aussagen zu verstehen, recherchiert nicht tiefer als jemand mit zwei gut gewählten Quellen.

Grenzen

Untersucht wurden keine Kinder, keine Schweizer Sek-I-Klassen und keine schulischen Prüfungen. «Tiefe» wurde über Selbstauskünfte, Zeit, Textmerkmale und Empfängerurteile erfasst. Standardisierte Fachtests, langfristiges Behalten und fachlicher Transfer wurden nicht gemessen. Zudem kamen unterschiedliche, inzwischen teilweise ältere Modell- und Suchoberflächen zum Einsatz. Für hoch spezialisierte Fachgebiete nennen die Autor:innen andere Ergebnisse ausdrücklich als offene Möglichkeit.

Die Planungsregel

Für Lehrpersonen bleibt eine einfache Regel: Plane zu jeder KI-Zusammenfassung eine Quellenverbindung, die Lernende selbst leisten.

Die KI darf den Einstieg erleichtern. Die Klasse wählt eine Behauptung, öffnet passende Quellen, erklärt Fundstellen in eigenen Worten und verbindet sie zu einem Urteil mit Grenze. So wird nicht der glatte Output bewertet, sondern die sichtbare Recherchearbeit dahinter. Der Originalartikel beim Verlag und der offen zugängliche Volltext dokumentieren Evidenz und Methoden im Detail.

Quellen

• Melumad, S. & Yun, J. H. (2025). Experimental evidence of the effects of large language models versus web search on depth of learning. Begutachtete Originalpublikation und primärer Evidenzbeleg.
• Melumad, S. & Yun, J. H. (2025). Experimental evidence of the effects of large language models versus web search on depth of learning. Verlagsvolltext der Originalpublikation.
• Melumad, S. & Yun, J. H. (2025). Experimental evidence of the effects of large language models versus web search on depth of learning. Öffentlich zugänglicher Volltextspiegel.

Grenzen

• Erwachsene Online-Panels und ein Hochschul-Laborpanel; keine direkte Generalisierung auf Kinder oder Schweizer Sek-I-Klassen.
• Alltagsthemen und anschliessende Rat-Schreibaufgabe; keine standardisierten Fachtests, keine Prüfung langfristigen Behaltens und kein fachlicher Transfer.
• Die Messung von Tiefe kombiniert Selbstauskünfte, Zeit, Textmerkmale und Empfängerurteile; einzelne Indikatoren sind keine Kompetenzdiagnose.
• Unterschiedliche und teilweise ältere Modelle und Suchoberflächen; keine Aussage über jedes aktuelle System oder Deep-Research-Werkzeug.
• Eine einzelne Faktenabfrage kann andere Anforderungen haben als eine Aufgabe, die Auswahl, Synthese und Urteil verlangt.
• Der vorgeschlagene Unterrichtsablauf ist eine didaktische Übertragung und wurde in der Studie nicht als Intervention getestet.