19. November 2026
Artikel von Tim Fütterer, Ulrich Trautwein, Peter Gerjets, Rebekka Steinhäuser, Armin Fabian, Nina Udvardi-Lakos, Jeffrey A. Greene, Matthew L. Bernacki, Garvin Brod

Wie KI als Lerncoach die Bildung verbessern kann

Künstliche Intelligenz (KI) verändert den Unterricht und verspricht adaptives sowie personalisiertes Lernen. Die Nutzung von KI-Tools kann jedoch auch dazu beitragen, dass Lernende weniger selbstständig denken und lernen. Schulen und Hochschulen sollten KI daher als Lerncoach einsetzen, um selbstreguliertes Lernen zu fördern

KI-Tools werden zunehmend in Lehr- und Lernprozesse integriert [1]. Lehrkräfte können beispielsweise KI-gestützte Lernplattformen in der Schule nutzen, um innerhalb weniger Sekunden individualisierte Übungen und abgestimmtes Feedback zu geben. Zu Hause können Schülerinnen und Schüler mithilfe von KI-Tools Buchkapitel zusammenfassen, Mathematikaufgaben lösen oder noch kurz vor der Abgabefrist die Einleitung für einen Aufsatz schreiben lassen. Einerseits können solche Tools helfen, den Unterricht so anzupassen, dass ein individuelleres und effizienteres Lernerlebnis ermöglicht wird. Andererseits nehmen sie den Lernenden so viel Arbeit ab, dass darunter die Entwicklung kognitiver und metakognitiver Kompetenzen leiden kann, die ja durch Bildungsprozesse eigentlich gefördert werden sollen.

Bildungsprozesse sollten die Fähigkeit fördern, kritisch zu denken und zu urteilen, die eigene Wahrnehmung und Motivation zu regulieren und somit eigenverantwortlich zu handeln [2]. Eine zu frühe oder schlecht angeleitete Einbindung von KI, die die Peformance in Schulen verbessern soll, kann sich negativ auf das Lernen auswirken. Wenn KI zur Verfügung steht, verlässt man sich möglicherweise auf die von der KI generierten Lösungen, anstatt sich den Lernstoff selbst zu erschließen. Dieses Verhalten erhöht die Gefahr, von KI-Systemen abhängig zu werden. Unserer Ansicht nach kann KI im Bildungswesen zwar den Lernenden helfen, ihre Leistungen zu verbessern, noch wichtiger ist es aber, mithilfe von KI selbstständiges, eigenverantwortliches Handeln und die Selbstregulation zu fördern.

Im Zentrum eigenverantwortlichen Handelns steht die Selbstregulation [2]. Selbstregulation ist die Fähigkeit, durch bewusste Steuerung eigener kognitiver Prozesse, Verhaltensweisen, Motivationen und Emotionen persönliche Ziele zu erreichen [3]. Eine erfolgreiche Selbstregulation ist mit einer Vielzahl positiver Effekte verbunden (darunter schulischer Erfolg und Wohlbefinden), während eine schwach ausgeprägte Selbstregulation zu problematischen Lern- und Lebensverläufen führen kann [4]. Im Bildungsbereich spielt diese Kompetenz vor allem beim selbstregulierten Lernen eine Rolle. Hierbei werden Lernaktivitäten eigenständig geplant, durchgeführt, überprüft und bewertet. Bei Schwierigkeiten wird die eigene Vorgehensweise überdacht und angepasst.

Handlungsfähigkeit untergraben

Stellen Sie sich Lernende vor, die mit einem KI-Lernsystem arbeiten, das schwer verständliche Konzepte sofort vereinfacht, Schritt-für-Schritt-Lösungen bereitstellt und Aufgaben kontinuierlich so anpasst, dass Frustration oder Misserfolg vermieden wird. Auf diese Weise könnte Lernen als mühelos und sehr effizient empfunden werden und tatsächlich könnten sich so die eigenen Leistungen verbessern. Unbeabsichtigt könnte die Entwicklung selbständigen und eigenverantwortlichen Lernens mit dem Einsatz von KI-Lernsystemen aber auch erschwert werden. Denn dabei müssen Lernende seltener mit Unsicherheiten umgehen und lernen nicht, wie sie auftretende Schwierigkeiten bewältigen können. Dadurch kann die eigenständige Entwicklung selbstregulierter Lernprozesse beeinträchtigt werden, obwohl diese durch Bildung eigentlich gefördert werden sollte [2].

Pädagogen und Psychologinnen wissen, dass Kompetenzentwicklung Zeit, Mühe und Reflexion benötigt. Der Einsatz von KI kann jedoch dazu verleiten, diese wichtigen Erfahrungen nicht zu machen. Wenn die Planung, Durchführung, Kontrolle, Bewertung und Überarbeitung von Lernprozessen an ein Tool ausgelagert wird, reduziert das kurzfristig den kognitiven Aufwand, was in einigen Fällen nützlich sein kann. Häufiger bedeutet es jedoch, genau jene Prozesse auszulagern, die zu einem vertieften Verständnis der Lerninhalte führen. Studien deuten bereits darauf hin, dass Schülerinnen und Schüler, die LLMs zur Informationssuche nutzen, oft ein oberflächlicheres Verständnis des Lernstoffs entwickeln als Gleichaltrige, die eine herkömmliche Websuche durchführen. Denn LLMs nehmen die Arbeit des Überprüfens, Filterns und Heranziehens unterschiedlicher Quellen ab [5]. Andere Studien legen nahe, dass KI-gestütztes Arbeiten weniger metakognitive Prozesse in Gang setzen und somit zu einem geringeren Wissenserwerb führen kann – selbst wenn das Endergebnis besser aussieht [1, 6].

Diese Bedenken sind längst nicht mehr nur hypothetischer Natur. KI wird bereits von Schülerinnen und Schülern genutzt, oft ohne dabei von Lehrkräften begleitet zu werden. Erste wissenschaftliche Erkenntnisse deuten auf einen entscheidenden Unterschied hin: Bessere Leistungen mithilfe von KI führen nicht automatisch zu besserem Lernen [1, 7]. In einigen Lernsettings verbessern universell einsetzbare KI-Tools zwar die sichtbare Qualität von Schularbeiten, das zugrundeliegende Wissen bleibt jedoch unverändert oder verringert sich sogar, sobald die KI nicht mehr benutzt wird [1, 7, 8]. Dabei handelt es sich nicht nur um ein Problem bei der Konzeption oder Umsetzung, es sollte ein deutliches Warnsignal sein. Bildungssysteme, die KI als Tool einsetzen, um Lernprozesse zu ersetzen, statt zu unterstützen, belohnen möglicherweise Ergebnisse, die oberflächlich gut aussehen, bei denen jedoch die Entwicklung nachhaltiger Kompetenzen vernachlässigt wird. Der unreflektierte Einsatz von KI erschwert zudem die Bewertung von Lernen: Diejenigen Ergebnisse, die Eigeninitiative sowie selbstreguliertes und eigenverantwortliches Lösen von Aufgaben zeigen, lassen sich nicht mehr von denen unterscheiden, die mithilfe von KI erledigt wurden und somit keine grundlegenden Kompetenzen entwickelt werden konnten.

Selbstreguliertes Lernen fördern

Deshalb stehen Lehrkräfte und politische Entscheidungsträger vor einer wichtigen Entscheidung. Sie können KI als Abkürzung einführen oder aber sie überlegen, wie man KI so nutzt, dass die Eigeninitiative gestärkt und selbstreguliertes Lernen ermöglicht werden kann. Wir haben drei Szenarien zusammengestellt, die aufzeigen, wie der Einsatz von KI im Bildungswesen aussehen kann (Tabelle 1).

Im ersten Szenario fungiert die KI als Dienstleister. Beispielsweise um einen Aufsatz zu schreiben, einen Text zusammenzufassen, Hausaufgaben zu lösen oder eine direkte Antwort auf eine gestellte Frage zu geben. Dieses Szenario ist deswegen gefährlich, da es das Lernen von Schülerinnen und Schülern, die noch wenig Erfahrung mit KI haben, negativ beeinflussen kann – sowohl hinsichtlich der Inhalte, die gelernt werden sollen, als auch hinsichtlich der Eigeninitiative, die entwickelt werden soll. Unserer Erfahrung nach ist dies aktuell die gängige Vorgehensweise bei der Nutzung von KI im Bildungssystem. Hierbei kann die Leistung zwar relativ schnell verbessert werden, diese Herangehensweise birgt für KI-Neulinge jedoch das Risiko des ʻSkill Skippingʼ: Kompetenzen werden nicht ausgebildet, da sie weder erworben noch angewendet werden müssen. Bei den Fortgeschrittenen kann dies zu einem ʻDe-Skillingʼ führen: Bereits vorhandene Kompetenzen gehen verloren, weil sie nicht mehr genutzt werden. In beiden Fällen werden Lernende zunehmend von externer Intelligenz abhängig, anstatt durch sie kompetenter zu werden.

Im zweiten Szenario fungiert die KI als Lehrassistent. Dabei wird gefragt, warum eine mathematische Lösung falsch ist oder wie ein wissenschaftliches Konzept funktioniert. Anschließend liefert die KI auf die Bedürfnisse des Lernenden zugeschnittene Erklärungen, Hinweise, Feedback sowie Schritt-für-Schritt-Anleitungen. Hierbei generiert das System mehr als nur Antworten: Es ist beim Üben behilflich, stellt Erklärungen zur Verfügung und passt die Anleitungen an individuelle Bedürfnisse an. Dies ist ein Schritt in die richtige Richtung und die jahrzehntelange Arbeit mit solchen intelligenten Tutorensystemen hat das Potenzial solcher Unterstützungssysteme belegt. Sie fördern das Erlernen spezifischer Inhalte durch angeleitete Aktivitäten, führen in der Regel jedoch nicht zu einem Kompetenzgewinn beim selbstregulierten Lernen.

Im dritten Szenario fungiert die KI als Lerncoach. So werden beispielsweise Lernziele, Schwierigkeiten oder Motivationsprobleme festgelegt. Daraufhin gibt die KI Anregungen zur Reflexion, schlägt Lernstrategien vor und unterstützt die Planung, Überprüfung und Bewertung des Lernprozesses. Diesem Szenario sollten Lehrkräfte und politische Entscheidungsträger Vorrang einräumen. Ein Lerncoach hilft nicht einfach nur dabei, den Stoff zu verstehen und die jeweilige Aufgabe zu erledigen. Er unterstützt vielmehr dabei, die richtigen Lernziele zu setzen und bei der Auswahl verschiedener Lernstrategien. Zudem kann die KI überprüfen, ob das Gelernte verstanden wurde und auch bei Motivationsproblemen oder Frustration unterstützend eingreifen. Darüber hinaus kann der Lerncoach dabei helfen zu reflektieren, welche Inhalte mit welchen Strategien gut bewältigt wurden und welche nicht. Mit anderen Worten: Würde man die KI als Lerncoach einsetzen, würde selbstreguliertes Lernen zu einem eigenen Lernziel werden, da die KI jeden Schritt auf dem Weg zum Ziel transparent und nachvollziehbar aufzeigt [9]. Das Ziel ist nicht nur, Aufgaben besser zu erledigen, sondern vor allem die Entwicklung grundlegender Kompetenzen. Aktuelle hybride Mensch-KI-Bildungstechnologien zielen darauf ab, dem Lernenden ein gewisses Maß an Kontrolle zuzugestehen und so selbstreguliertes Lernen zu unterstützen [9]. Doch selbst diese Ansätze konzentrieren sich oft in erster Linie darauf, dabei zu helfen, aktuelle Aufgaben erfolgreich abzuschließen (also die KI als Lehrassistenten einzusetzen).

Tabelle 1: KI-Tools im Bildungsbereich und ihre Auswirkungen auf Lernende

Die drei Szenarien zu verstehen ist deswegen von großer Bedeutung, weil selbstreguliertes Lernen keine optionale Zusatzkompetenz ist. Es handelt sich um eine Schlüsselkompetenz, die lebenslanges Lernen und Bildungserfolg überhaupt erst ermöglicht und zudem einen positiven Einfluss auf die psychische Gesundheit und die gesellschaftliche Teilhabe hat.

In einer von KI geprägten Welt gewinnt dieser Umstand noch mehr an Bedeutung. Bürgerinnen und Bürger werden zunehmend entscheiden müssen, wann sie den Ergebnissen von Maschinen vertrauen, wann sie diese hinterfragen, wann sie selbst nach Antworten suchen und wann es sich lohnt, Probleme selbst zu lösen, statt sie an eine Maschine zu delegieren. Ein Schulsystem, das zwar lehrt mit KI zu arbeiten, aber nicht beibringt, die KI zu hinterfragen und über sie hinauszudenken, läuft Gefahr, leistungsstarke, aber wenig eigenverantwortliche und selbständige Schülerinnen und Schüler hervorzubringen. Diese werden schließlich zu Bürgerinnen und Bürgern, die wenig Eigeninitiative und Eigenverantwortung übernehmen (können). Zudem deuten neue Erkenntnisse darauf hin, dass die Leistung von KI-Systemen von der Qualität der eingegebenen Befehle abhängt: klare, zielgerichtete und strukturierte Prompts erhalten in der Regel bessere und differenziertere Antworten. Dies bedeutet, dass kognitive und metakognitive Kompetenzen zunehmend wichtiger werden könnten, um effektiv von KI-gestütztem Lernen zu profitieren.

Vertieftes Nachdenken fördern

Die gute Nachricht ist, dass KI dabei helfen könnte, genau jene Kompetenzen aufzubauen, die derzeit beim Einsatz von KI nicht gefördert werden. Die Entwicklung hybrider Mensch-KI-Bildungstechnologien geht bereits in die richtige Richtung. Diese Technologien streben an, das selbstregulierte Lernen zu unterstützen, indem sie Schritt für Schritt die Regulierung des Lernprozesses von der Maschine auf den Lernenden übertragen und so selbstreguliertes Lernen fördern [9]. Aktuelle Erkenntnisse aus der Unterrichtsforschung deuten zudem darauf hin, dass KI selbstreguliertes Lernen unterstützen kann. Wichtig hierbei ist, dass die KI nicht nur darauf ausgelegt ist, Lösungen zur Verfügung zu stellen, sondern Menschen gezielt dazu motiviert, zu reflektieren und Lernstrategien aktiv zu entwickeln [10].

Das Designprinzip sollte also klar sein: KI im Bildungsbereich sollte den Lernenden schrittweise wieder Eigeninitiative und Eigenverantwortung zurückgeben. Sie sollte Lernstrategien sichtbar machen, Beurteilungen erstellen und zu Selbsterklärungen anregen. Darüber hinaus sollte die KI die Lernenden dazu ermutigen, zunächst einmal selbst nach der Lösung für ein Problem zu suchen und darauf hinweisen, wann sie sich auf die KI verlassen, statt selbst zu denken.

Dies erfordert ein Umdenken in Politik, Design und Evaluation. In Kasten 1 haben wir unsere wichtigsten Empfehlungen für die verschiedenen Akteure und Akteurinnen im Bildungsbereich zusammengestellt.

 

Box 1: Unsere Empfehlungen für KI-Tools im Bildungsbereich

Das größte Versprechen von KI im Bildungsbereich besteht nicht darin, schnellere Ergebnisse zu erzielen.  Es sollte vielmehr darin bestehen, dass KI, wenn sie klug gestaltet ist, den Lernenden dabei helfen kann, tiefer über Lerninhalte nachzudenken. Dies erfordert, KI nicht als bloßen Dienstleister zu sehen, der Antworten liefert oder als Lehrassistent, der den Lernenden hilft, Inhalte effizienter zu erfassen. Es sollte darum gehen, KI als Lerncoach zu begreifen, der das Denken, die Selbstregulation und die Eigeninitiative beim Lernen unterstützt. Unser Ziel sollte nicht ein Bildungssystem sein, das sich dadurch auszeichnet, bei der Erzeugung von Antworten zunehmend auf Maschinen zurückzugreifen. Es sollte ein Bildungssystem sein, das KI nutzt, um selbstregulierte, intellektuell souveräne Lernende auszubilden – eigenverantwortliche und selbständige Menschen, die auch dann noch gute Fragen stellen, Durchhaltevermögen zeigen, Schwierigkeiten überwinden und fundierte Urteile fällen können, wenn die Maschine mal nicht zur Verfügung steht.

[1] OECD. OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education (OECD Publishing, 2026).
[2] Brod, G. Learn. Individ. Differ. 125, 102841 (2026).
[3] Greene, J. et al. in Handbook of Educational Psychology (eds Schutz, P. A. & Muis, K. R.)
314–334 (Routledge, 2023).
[4] Moffitt, T. E. et al. Proc. Natl Acad. Sci. USA 108, 2693–2698 (2011).
[5] Melumad, S. & Yun, J. H. PNAS Nexus 4, pgaf316 (2025).
[6] Fan, Y. et al. Br. J. Educ. Technol. 56, 489–530 (2025).
[7] Yan, L., Greiff, S., Lodge, J. M. & Gašević, D. Nat. Rev. Psychol. 4, 435–436 (2025).
[8] Liu, G., Christian, B., Dumbalska, T., Bakker, M. A. & Dubey, R. Preprint at https://doi.
org/10.48550/ARXIV.2604.04721 (2026).
[9] Molenaar, I. Comput. Educ. Artif. Intell. 3, 100070 (2022).
[10] Fütterer, T., Bardach, L., Kuhn, J., Keller, S. D. & Gerjets, P. Educ. Psychol. Rev. 38, 42 (2026).

 

Artikel (ursprünglich erschienen bei Nature Human Behaviour on July 13, 2026):
Fütterer, T., Gerjets, P., Steinhäuser, R. et al. Why using AI as a learning coach can improve education. Nat Hum Behav (2026). https://doi.org/10.1038/s41562-026-02524-2

Wiederveröffentlichung mit freundlicher Genehmigung von Springer Nature

Übersetzung ins Deutsche: Fortuna Communication

Kommentare

Ich habe die Datenschutzerklärung zur Kenntnis genommen.
Debatte
12. Mai 2026 Carsten Eickhoff

Die Hälfte aller KI-generierten Antworten zur Gesundheit sind falsch – obwohl sie überzeugend klingen

Die Gesundheitsratschläge von KI-Chatbots wirken zwar überzeugend, doch ihre Inhalte können hochproblematisch sein. In diesem Text ordnet Carsten Eickhoff, Professor für E-Health und Medical Data Science, die Ergebnisse neuester Studien dazu ein.
Debatte
2. Juli 2026 Katerina Filippidou

Alumni Spotlight: Jakob Schlör arbeitet an der Wettervorhersage der Zukunft

Jakob Schlör promovierte im Bereich Maschinelles Lernen für die Klimawissenschaften – und die Fragen, mit denen er sich damals beschäftigte, prägen seine Forschung bis heute. Als Experte für Maschinelles Lernen am European Centre for Medium-Range Weather Forecasts in Bonn entwickelt er Methoden des maschinellen Lernens, um Wettervorhersagen zu verbessern.
Debatte
7. August 2026 Sarah Bioly, Katerina Filippidou

Zuerst kommt der Mensch, dann die Technologie

Künstliche Intelligenz gilt als objektiv – doch sie basiert auf Annahmen, Werten und gesellschaftlichen Vorstellungen. Kulturwissenschaftler Miguel Gómez Hernández untersucht, wie Menschen im Alltag Maschinelles Lernen einsetzen und wie sie sich die Zukunft mit solchen Technologien vorstellen.