Mit KI richtig gelöst – aber auch gelernt?
Eine gute Note ist ein Signal, kein Endpunkt
Eine Schülerin löst eine Aufgabe mit Unterstützung einer KI deutlich besser als zuvor. Das ist erfreulich und pädagogisch relevant. Aber was genau ist besser geworden? Hat sie die konkrete Aufgabe bewältigt? Hat sie einen Lösungsweg verstanden? Oder kann sie die Idee auch auf einen neuen Fall übertragen, wenn die Hilfe nicht mehr verfügbar ist?
Diese Fragen entwerten die richtige Lösung nicht. Sie verhindern nur, dass wir aus einem kurzfristigen Resultat zu viel ableiten. Lernen zeigt sich nicht allein in einem gelungenen Produkt. Es zeigt sich auch darin, ob jemand später erklären, auswählen und auf eine ähnliche Situation übertragen kann. Ein aktueller Bericht von OpenAI zu einem geführten KI-Lernmodus zeigt, warum kurzfristige Prüfungsresultate dafür nur ein Teil der Antwort sind.
Was die Studie tatsächlich zeigt
OpenAI berichtet über eine randomisierte Studie mit mehr als 300 College-Studierenden. Die Teilnehmenden wurden einer Kontrollgruppe mit herkömmlichen Online-Ressourcen oder einer von zwei Varianten des sogenannten Study Mode zugeteilt. Vor den zeitlich begrenzten Lernsitzungen erhob das Forschungsteam ein Ausgangsquiz; die tatsächliche Nutzung der angebotenen Hilfe fiel unterschiedlich aus. Der Bericht beschreibt deshalb vor allem, was die Zuteilung beziehungsweise der Zugang zum Lernmodus bewirkte – nicht den Effekt einer bei allen identischen Nutzung.
Die kurzfristigen Resultate waren fachabhängig. In Mikroökonomie lagen die Prüfungsergebnisse der Study-Mode-Gruppen laut OpenAI relativ ungefähr 15 Prozent höher als in der Kontrollgruppe. In Neurowissenschaften zeigte die Richtung zwar nach oben, die Resultate waren jedoch nicht klar von denen der Kontrollgruppe unterscheidbar. Ein einheitlicher Effekt über beide Fächer lässt sich daraus nicht ableiten.
Auch die Detailtiefe ist begrenzt. Der Herstellerbericht veröffentlicht für die genannte Differenz keine Rohwerte, Konfidenzintervalle oder p-Werte. Die Analyse läuft noch; ein peer-reviewtes Paper und ein zugänglicher Datensatz werden im Bericht nicht vorgelegt. Der Befund ist also interessant, aber vorläufig und interessengebunden.
Die offene Frage nach dem nächsten Fall
Der Bericht macht eine zentrale Messgrenze selbst sichtbar: Kurze Prüfungsfenster erfassen längerfristige kognitive Wirkungen und mögliche Zielkonflikte bei Ausdauer, selbstbestimmter Motivation oder kreativem Problemlösen nicht vollständig. Ob Lernende das Gelernte auf einen neuen Fall übertragen, wurde in der beschriebenen Studie nicht berichtet. Das ist unsere anschliessende didaktische Frage, kein Ergebnis des Berichts.
Das ist keine Absage an Prüfungen. Eine Prüfung kann relevantes Wissen und Können sichtbar machen. Für eine Unterrichtsentscheidung ist sie aber oft nur eine Spur unter mehreren. Wer wissen möchte, was nach einer KI-Hilfe selbstständig gelingt, kann deshalb eine Aufgabe ergänzen, bei der die Hilfe nicht einfach dieselbe Lösung fortschreibt.
Ein kleiner Transfer-Check für den Unterricht
Ein Beispiel aus Natur und Technik: Die Klasse beschäftigt sich mit Energieumwandlungen. Zuerst beantworten die Lernenden ohne KI die Frage: Warum leuchtet eine Taschenlampe? Sie notieren ihren ersten Erklärungsversuch. Dieser Eigenstand muss nicht perfekt sein. Er zeigt, mit welchen Vorstellungen sie beginnen.
Danach darf die KI als Erklärungshilfe dienen. Study Mode ist laut OpenAI auf schrittweise Führung, Rückfragen und Wissenschecks ausgelegt. Für diese Unterrichtssituation könnte die Lehrperson die Nutzung enger rahmen: Die Lernenden fragen etwa, welche Energieformen vorkommen oder was sich im Gerät verändert. Den fertigen Erklärungstext sollen sie weiterhin selbst verfassen.
Nun folgt ein ähnlicher, aber nicht identischer Fall – ohne KI: Warum wird ein Handy beim Laden warm? Jede Person schreibt zwei Sätze und begründet einen Zusammenhang. Anschliessend vergleicht die Lehrperson nicht nur richtig und falsch. Sie schaut auch: Welche Idee wurde selbstständig übertragen? Wo bleibt die Begründung unklar? Welche Art von Hilfe wäre als Nächstes sinnvoll?
Dieser Ablauf ist eine didaktische Empfehlung, kein in der OpenAI-Studie getestetes Verfahren und keine Wirkungsgarantie. Er liefert auch keinen Beweis für langfristiges Lernen. Aber er ergänzt die gelungene KI-Aufgabe um eine zweite, für den Unterricht nützliche Spur.
Was sich nicht übertragen lässt
Die Studie fand an einer Hochschule, in zwei Fächern und mit einem bestimmten Produkt statt. Sie untersucht weder Schweizer Sek-I-Klassen noch Lehrplan-21-Aufgaben. Ihre Kontrollgruppe nutzte Google-Suche und YouTube ohne KI-Übersichten. Daher zeigt sie nicht, dass Study Mode besser ist als guter Unterricht oder als andere didaktisch gestaltete KI-Tutoren.
Für Schulen kommen zudem fachliche, altersbezogene und datenschutzrechtliche Entscheidungen hinzu. Der kleine Transfer-Check ersetzt diese Prüfungen nicht. Seine Stärke liegt gerade in der Bescheidenheit: Nach einer KI-gestützten Aufgabe wird eine neue Gelegenheit eingeplant, selbst zu denken und zu erklären.
Der Merksatz lautet deshalb: Prüfe nicht nur die Lösung. Prüfe den nächsten Schritt. Eine bessere Leistung mit KI ist ein gutes Signal. Was davon ohne KI auf einen neuen Fall übergeht, muss zusätzlich sichtbar werden.
Originalquellen
Grenzen
- Herstellerbericht mit laufender Analyse; kein peer-reviewtes Paper und kein zugänglicher Datensatz im geprüften Bericht.
- Mehr als 300 College-Studierende in zwei Fächern; keine direkte Evidenz für Schweizer Sek I oder den Lehrplan 21.
- Kurzfristige und fachabhängige Prüfungsergebnisse; Dauer, Übertragung und mögliche Nebenfolgen sind offen.
- Die ungefähr 15 Prozent sind eine relative Herstellerangabe ohne im Bericht zugängliche Rohwerte, Konfidenzintervalle oder p-Werte.
- Das Unterrichtsbeispiel ist eine redaktionelle didaktische Empfehlung, keine Replikation der Studie und keine Wirkungsgarantie.