Wann KI das Lernen unterstĂĽtzt, und wann sie es verhindert
20 Februar, 2026
Die entscheidende Unterscheidung
Tool reduziert Arbeitsgedächtnis-Last, während die Person denkt
Beispiel: Taschenrechner bei Problemlösung
Lernrelevante Verarbeitung: erhalten
Tool ĂĽbernimmt das Denken
Beispiel: KI schreibt den Aufsatz
Lernrelevante Verarbeitung: eliminiert
Outsourcing eliminiert die lernrelevante Verarbeitung (Schemabildung, Abruf, Elaboration). Das ist keine Nebenwirkung, sondern das Kernproblem.
Akademische Fähigkeiten sind biologisch sekundäres Wissen (vgl. Teil 1). Solches Wissen erfordert aktive kognitive Verarbeitung: Abrufen, Elaborieren, Verknüpfen. Ohne diese Prozesse findet kein Erwerb statt.
“Dürfen Studierende KI nutzen?”
Ein verbreiteter Vorschlag:
“Studierende müssen lernen, KI-Outputs kritisch zu bewerten.”
Das Problem:
Um KI-Outputs beurteilen zu können, braucht man genau die Fachkompetenz, die das Lernen erst entwickeln soll.
| Expert:innen | Anfänger:innen | |
|---|---|---|
| Bewertungskriterien | Unabhängig vorhanden | Fehlen |
| KI-Fehler | Sofort erkennbar | Nicht erkennbar |
| “Kritische Nutzung” | Echte Evaluation | Oberflächliches Prüfen |
Kompetente Nutzung setzt Kompetenz voraus
Expert:innen können KI als Verstärker nutzen. Anfänger:innen riskieren dauerhafte Abhängigkeit.
Studierende können mit KI korrekte Ergebnisse produzieren (leisten), ohne etwas gelernt zu haben.
Und: Wer die Denkarbeit auslagert, baut nicht nur dieses Wissen nicht auf. Es fehlt auch die Grundlage für Wissenstransfer auf neue Situationen. Ohne tiefe Wissensstrukturen gibt es nichts, was transferiert werden könnte.
Texte mit allen Oberflächenmerkmalen akademischer Arbeit (Hedging, Zitationen, Fachvokabular), aber ohne die zugrundeliegende intellektuelle Arbeit.
. . .
Tückischer als Plagiat, weil es Selbsttäuschung ist.
Die Lernumgebung bestimmt das Ergebnis mehr als die Motivation der Studierenden.
Die richtige Frage ist nicht:
“Wie verhindern wir, dass Studierende schummeln?”
Sondern:
“Wie gestalten wir Umgebungen, in denen produktive Anstrengung der natürliche Weg ist?”
Unstrukturierter KI-Einsatz vergrössert Leistungsunterschiede:
KI-Policy ist nicht nur eine Frage der akademischen Integrität, sondern eine pädagogische Gerechtigkeitsfrage.
Ein praktisches Werkzeug fĂĽr die Aufgabengestaltung:
| Frage | Wenn ja… |
|---|---|
| 1. Geht es primär ums Lernen? | Outsourcing verhindern |
| 2. Werden noch Grundlagen aufgebaut? | Interne Verarbeitung verlangen |
| 3. Muss internes Wissen nachgewiesen werden? | Outsourcing unmöglich machen |
| 4. Kann KI die Aufgabe ohne Denkarbeit erledigen? | Aufgabe umgestalten |
| 5. Gibt es eine Versuch-dann-PrĂĽfe-Struktur? | KI fĂĽr die PrĂĽfphase nutzen |
. . .
. . .
Die Reihenfolge bewahrt die aktive Schemabildung: Studierende verarbeiten das Material im Arbeitsgedächtnis, bilden Vorhersagen und lernen aus Vorhersagefehlern.
Im nächsten Teil wendet ihr dieses Framework auf eure eigenen Aufgaben an. Ein Template für einen lernförderlichen Agent findet ihr als Ressource auf der Website.

Berner Fachhochschule | Bern University of Applied Sciences