Christian Urff, Pädagogische Hochschule Weingarten, 2026

Soll künstliche Intelligenz in den Unterricht oder nicht – ja oder nein? Diese Frage ist nicht sinnvoll. Dieselbe KI kann beim einen das Lernen stützen und beim anderen genau das verhindern. Die bessere Frage lautet: Bei wem, wann und wie wird KI für das Lernen eingesetzt? Das SKILL-Modell hilft beim Auswählen und Bewerten zu dieser Frage.

Das Wie ist entscheidend!

Ein Feldexperiment von Bastani et al. (2025) mit rund tausend Lernenden im Mathematikunterricht zeigt das Problem. Wer beim Üben einen Standard-Chatbot nutzen durfte, löste die Aufgaben deutlich besser. Sobald die Hilfe aber wieder wegfiel, schnitt dieselbe Gruppe schlechter ab als Lernende, die nie KI genutzt hatten. Eine zweite Variante desselben Sprachmodells, die vorstrukturiert wurde und nur Hinweise statt fertiger Lösungen als Antwort gab, vermied diesen Effekt. Dasselbe KI-Modell, anders gestaltet, führte zu unterschiedlichen Lernergebnissen.

KI in Lehr-Lern-Kontexten nur in gegensätzlichen Polen zwischen Verbot und Begeisterung zu denken macht deshalb wenig Sinn. KI ist keine Technologie, die entweder hilft oder schadet, und es gibt keine einfache Antwort für alle Lernsituationen. Es muss deshalb differenzierter beschrieben werden, wie KI Lernprozesse unterstützen kann

Simulierte Leistung ist nicht Lernen: Lernen unterstützen statt abkürzen

Die unmittelbare Leistungszunahme unter Nutzung von KI entspricht nicht zwangsläufig dem nachhaltigen Lernzuwachs (Yan et al., 2025). Ein Werkzeug kann das Ergebnis sofort liefern und erfolgreiches Lernen simulieren, und gerade dadurch einen tragfähigen Aufbau von Können verhindern. Denn nachhaltiges Lernen bedeutet, sich vertieft mit einer Sache zu beschäftigen, vertieft selbst Lösungen zu entwickeln und auszuprobieren. Wer kognitive Arbeit an die KI auslagert und sie dann lediglich nachzuvollziehen versucht, verarbeitet sie weniger tief und behält sie schlechter. Hinzu kommt, dass eine KI häufig eine plausibel klingende Erklärung mitliefern kann. Dadurch entsteht das Gefühl, verstanden zu haben, ohne dass dieses Verstehen nachhaltig entstanden und selbst konstruiert wurde. Wer wenig Vorwissen hat, kann diese Selbsttäuschung nicht bemerken und hört zu früh auf zu üben und die Ergebnisse gedanklich selbst und in der nötigen Tiefe nachzuvollziehen, um sie auch ohne KI anwenden und transferieren zu können. Die KI wird dadurch zur Krücke und kann sogar Lernen verhindern. In diesen Fällen kann eine Vorstrukturierung, wie im Experiment von Bastiani et al. (2025) helfen, damit Lernende KI-gestützte Werkzeuge nicht als Abkürzung, sondern als Denkpartner nutzen. Dies gilt vor allem dann, wenn die Lernenden selbst noch nicht in der Lage sind, das Werkzeug eigenständig in diesem Sinne zu nutzen.

Ausrichtung an Kompetenz

Worauf es ankommt bei der Nutzung von KI für die Lernunterstützung, ist also nicht unbedingt nur das Alter oder die Klassenstufe, sondern die Kompetenz, KI in einer bestimmten Sache lernwirksam nutzen zu können. Und sie betrifft Lernende wie Lehrende. Verschiedene Teilkompetenzen sind dabei bedeutsam:

• Fachwissen (Vorwissen) zum bearbeiten Thema, um zu beurteilen, ob eine KI-Antwort stimmt.
• Kritische KI-Kompetenz, also ein Gespür für Grenzen, Halluzinationen und überzeugend formulierte Fehler der KI.
• Selbstregulation, also die Fähigkeit selbst wählen zu können, in welchen Fällen KI als Denkpartner einzusetzen ist statt als Antwortautomat.
• Kognitive und sprachliche Voraussetzungen: Inwiefern ist die Person selbst in der Lage, passende Anfragen an die KI zu formulieren?

Personen mit geringer ausgeprägten Kompetenz in einem oder mehreren dieser Bereiche brauchen eine stärkere Führung bei der Nutzung von KI-Tools, da zu wenig Anleitung und Vorstrukturierung ihnen beim Lernen schaden kann. Mit wachsender Kompetenz kehrt sich das um: Dieselbe enge Führung, die Anfängern hilft, bremst Fortgeschrittene (Expertise-Umkehr-Effekt). Diese Umkehr macht eine generelle Aussage zum Einsatzes für KI für alle unmöglich und wenig sinnvoll. Es ist deshalb sinnvoll, die Gestaltung und den Einsatz von KI zum Lernen an Kompetenzstufen zu koppeln, etwa der Progression Verstehen, Anwenden, Gestalten der UNESCO (2024) oder den sechs Niveaus von DigCompEdu (Redecker, 2017).

Aus diesen Vorüberlegungen ist das SKILL-Modell entstanden, welches diesen Zusammenhang grundsätzlich beschreibt und als Leitlinie für die Konzeption, Bewertung und Auswahl von KI-gestützten Werkzeugen in Bildungsprozessen dienen kann

Das SKILL-Spektrum zum Ausprobieren

Bewege den Punkt entlang der Diagonale oder ziehe den Schieber, um zu sehen, welche KI-Rahmenbedingungen zu welcher Kompetenz passen.

Warum der barrierearme Einsatz der Normalfall sein sollte

In dem, was Lernende gerade lernen, sind die meisten Menschen die meiste Zeit Anfänger. Das ist der Regelfall von Bildung. Deshalb sollte nicht die offene (z.B. unregulierte Chatbots), sondern eine vorstrukturierte, anwendungsintegrierte, barrierearme Variante der Standard in der Bildung sein: eine KI, die als Unterstützer im Hintergrund in eine durchdachte Lernumgebung eingebettet ist und ihre Schutzmechanismen und den notwendigen Kontext für hochqualitative Unterstützung selbst mitbringt. Das ist auch eine Frage der Gerechtigkeit. Setzt gute KI-Nutzung viel Vorwissen voraus, die der Nutzer selbst vorab eingeben muss, wird sie zum Privileg der ohnehin Kompetenten. Lernende mit weniger Kompetenz bleiben die Vorzüge KI-gestützter Lernbegleitung verwehrt, weil sie noch nicht über die Zugangsvoraussetzung (z.B. technisches Verständnis, hohe sprachliche Kompetenz zur Nutzung, Kontextwissen usw.) für eine sinnvolle Nutzung verfügen und haben deshalb Nachteile. Wer also die Struktur in das Werkzeug einbaut, senkt die Hürde für alle und kann sie trotzdem mit wachsender Kompetenz bewusst zurücknehmen. Dies gilt übrigens unabhängig vom Alter, also auch beispielsweise für die Lehrkräfte: Chatbots sind beispielsweise für mit KI und der Sache erfahrende Lehrkräfte ein tolles Werkzeug, dass sie für die Verbesserung des Unterrichts und der Organisation darum herum wunderbar einsetzen können. Was ist aber mit Lehrkräften, die wenig bis kaum Erfahrung mit den Tools haben? Nicht jede Lehrkraft kann und muss KI-Prompting-Experte werden. Deshalb sind Tools sinnvoll, die mit geringer Hürde die Vorzüge KI-gestützter Förderplanung für alle Lehrkräfte zugänglich machen, wie beispielsweise ein KI-gestützter Planungstool mit integrierten Prompts und vorgefertigten Bausteinen, sinnvollen Rückfragen und einer Anbindung an Fachwissen aber dann auch offen verwendet werden können

Lernwerkzeug oder Nachteilsausgleich?

Der Zweck des Einsatzes entscheidet zusätzlich darüber, wie stark pädagogisch vorstrukturiert eine Lernumgebung sein sollte und ob sie nicht auch Dinge abkürzen darf. Entscheidend ist dabei die Frage: Soll die ausgelagerte Tätigkeit selbst gelernt werden? Wenn ja, etwa das Rechnen im Anfangsunterricht, ist sie zu schützen. Wenn nein, ist Auslagern an die KI legitim. Für viele Lernende mit Beeinträchtigung beispielsweise kann KI nicht nur ein Lernwerkzeug, sondern ein Werkzeug der Teilhabe sein, das eine Barriere abbaut, die nicht Lernziel ist, etwa Vorlesen beim Lernziel Textverständnis. Hier zählt Teilhabe, nicht Lerntransfer, und die Hilfe darf dauerhaft bleiben.

Der SKILL-Check: Werkzeuge auswählen und bewerten

Die fünf Buchstaben von SKILL stehen nebem dem oben skizzierten Zusammenhang auch für fünf Leitfragen, die bei der Nutzung von KI für Lernzwecke gestellt werden sollten:

• S – Scaffolding: Passt die Vorstrukturierung und und Unterstützungstiefe zur Kompetenz, und lässt sie sich zurücknehmen?
• K – Kognitive Aktivierung: Muss die Person selbst denken und handeln?
• I – Integration: Ist der Einsatz an ein Lernziel und eine tragfähige Aufgabe gebunden? Und behalten Lehrkräfte die Kontrolle und sind über die Bearbeitung informiert?
• L – Lernprozess: Bleiben Fehler als Lerngelegenheit erhalten? Welche Metakognitiven Strategien werden gefördert? …
• L – Langfristige Entwicklung: Wächst die Selbststeuerung oder die Abhängigkeit?

Bedeutung für die Konzeption und Entwicklung von KI-gestützten Anwendungen

Das SKILL-Modell kann als Grundlage für die Konzeption und Entwicklung ki-gestützter (Lern-)Anwendungen dienen zwischen einer stärker anwendungsintegrierten KI und der Nutzung als offener Chatbot, angepasst an die Zielgruppe der Nutzenden und ihre erwarteter Kompetenzbereich aus dem Spektrum. Daran schließen sich Überlegungen nach Gestaltungsprinizipen diese Strukturierung im Lernkontext an. Aus der empirischen Forschung ergeben sich erste allgemeine Erkenntnisse dazu, die unter den Stichworten Fundierung (Auf welcher fachlichen Grundlage entstehen die Rückmeldungen der KI?), Dosierung („Erst du, dann ich“), Aktivierung (Akvitität anregen statt passiv konsumieren) und Einbettung (Hybride Lernarrangementes) zusammengefasst werden können

Fazit

Generative KI in der Bildung wirkt nicht von selbst, sondern durch ihre Passung und Einbettung in Lernsettings. Statt „KI in der Bildung – ja oder nein?“ ist zu überlegen, bei wem, wann und wie viel KI sinnvoll ist. Nur Chatbots offen anzubieten macht in der Regel wenig Sinn, denn dadurch werden viele Nutzende ausgeschlossen oder sogar das Lernen kann verschlechtert werden. Empfehlenswert im Bildungskontext ist die Gestaltung von KI-gestützten Lernwerkzeugen als barrierearme, vorstrukturierte, eingebettete Varianten, die mit wachsender Kompetenz des Nutzenden geöffnet werden. Eine Faustregel, die alles zusammenhält, ist: Denken mit KI unterstützten statt ersetzen.