![\"\u00dcbersichtsgrafik](\"https:\/\/urff.app\/wp-content\/uploads\/2026\/09\/bild1-titel.png\")
<\/figure>\n\n\n\nInhalt<\/h3>\n\n\n\n\n\n- Die Ausgangslage<\/a><\/li>\n\n\n
- Theoretischer Rahmen<\/a>\n
\n- Cognitive Load Theory und Expertise-Umkehr<\/a><\/li>\n\n\n
- Zone der n\u00e4chsten Entwicklung und Scaffolding<\/a><\/li>\n\n\n
- Prozedurales und konzeptuelles Wissen<\/a><\/li>\n\n\n
- Selbstreguliertes Lernen und Metakognition<\/a><\/li>\n\n\n
- Was ein System daf\u00fcr braucht<\/a><\/li>\n\n<\/ul>\n<\/li>\n\n\n
- Das Risiko der Auslagerung von Denkarbeit<\/a>\n
\n- Cognitive Offloading: Auslagerung kognitiver Anstrengung<\/a><\/li>\n\n\n
- H\u00f6flichkeit und p\u00e4dagogische Qualit\u00e4t von Sprachmodellen<\/a><\/li>\n\n\n
- Die Spannung zwischen wirksamer Hilfe und eigenst\u00e4ndigem Denken<\/a><\/li>\n\n<\/ul>\n<\/li>\n\n\n
- Vier Gestaltungsprinzipien<\/a>\n
\n- Fundierung: Fachdidaktisches Wissen als Voraussetzung<\/a><\/li>\n\n\n
- Dosierung: Adaptives Scaffolding und das Prinzip \u201eErst du \u2013 dann ich\u201c<\/a><\/li>\n\n\n
- Aktivierung: Metakognition und kritisches Pr\u00fcfen von KI-Antworten<\/a><\/li>\n\n\n
- Einbettung: Hybride Arrangements und die Rolle der Lehrkraft<\/a><\/li>\n\n<\/ul>\n<\/li>\n\n\n
- KI als Ansto\u00df f\u00fcr mathematische Aktivit\u00e4ten mit Material<\/a><\/li>\n\n\n
- Wann auf KI-Lernbegleitung verzichtet werden sollte<\/a><\/li>\n\n\n
- Was du als Lehrkraft pr\u00fcfen kannst<\/a><\/li>\n\n\n
- Zentrale Belege im \u00dcberblick<\/a><\/li>\n\n\n
- Konsequenzen f\u00fcr die technische Umsetzung<\/a><\/li>\n\n\n
- Ethische Anforderungen an KI-Lernbegleitung<\/a><\/li>\n\n\n
- Das SKILL-Modell als Orientierungsrahmen<\/a><\/li>\n\n\n
- Bilanz und offene Fragen<\/a><\/li>\n\n<\/ul>\n\n\n\n
Die Ausgangslage<\/h2>\n\n\n\n
Generative K\u00fcnstliche Intelligenz wird im Bildungsdiskurs mit gro\u00dfen Erwartungen oder mit ebenso gro\u00dfen Bef\u00fcrchtungen verbunden. Inzwischen liegen zahlreiche, methodisch und inhaltlich sehr unterschiedliche Studien vor, die f\u00fcr die Gestaltung von KI-Lernbegleitung erste Folgerungen zulassen. Meta-Analysen berichten positive Effekte KI-gest\u00fctzter Systeme auf Lernleistungen, Motivation und h\u00f6here Denkprozesse (Wang & Fan, 2025; Deng et al., 2025; Alemdag, 2025; Wu & Yu, 2024; Zheng, Niu, et al., 2023). Eine Meta-Analyse zu generativer KI in der Mathematik \u00fcber 22 Studien mit 46 unabh\u00e4ngigen Stichproben findet einen mittleren Effekt von g = 0,53 (Liu et al., 2026). Zur Einordnung: g und d sind standardisierte Effektst\u00e4rken, bei denen 0,2 als klein, 0,5 als mittel und 0,8 als gro\u00df gilt; r ist ein Korrelationskoeffizient zwischen \u22121 und 1. Dieselbe Analyse berichtet allerdings gr\u00f6\u00dfere Effekte bei kleineren Stichproben, ein bekanntes Anzeichen f\u00fcr Publikationsverzerrung. Die positiven Effekte treten zudem unter sehr unterschiedlichen Bedingungen auf, und einige Studiendesigns sind methodisch fragw\u00fcrdig. Bei der Interpretation sind daher m\u00f6gliche Verzerrungen und die Qualit\u00e4t der eingeschlossenen Studien zu ber\u00fccksichtigen.<\/p>\n\n\n\n
Die Wirkungsbilanz f\u00e4llt zudem je nach Systemtyp und Vergleichsbedingung sehr unterschiedlich aus. F\u00fcr intelligente Tutorsysteme, die regelbasierten Vorl\u00e4ufer heutiger KI-Lernbegleiter, fand die Meta-Analyse von Steenbergen-Hu und Cooper (2013) \u00fcber 34 unabh\u00e4ngige Stichproben in der Mathematik der Klassenstufen 1 bis 12 im Vergleich zu regul\u00e4rem Unterricht nur sehr kleine mittlere Effekte (g = 0,01 bis 0,09). Ma et al. (2014) berichten \u00fcber alle Altersstufen hinweg g = 0,42 gegen\u00fcber lehrergeleitetem Klassenunterricht, aber keinen Vorteil gegen\u00fcber individuellem menschlichem Tutoring (g = \u22120,11); Steenbergen-Hu und Cooper (2014) finden f\u00fcr Studierende g = 0,32 bis 0,37. Diese Zahlen sind wegen der unterschiedlichen Vergleichsbedingungen nicht direkt vergleichbar. Ein einfaches Gef\u00e4lle nach Alter l\u00e4sst sich daraus nicht ableiten; die Befundlage ist heterogen, und gerade die methodisch strenge Schulanalyse d\u00e4mpft die Erwartungen am st\u00e4rksten.<\/p>\n\n\n\n
Eine systematische \u00dcbersicht zu KI-gest\u00fctzten Tutorsystemen im Schulbereich (L\u00e9tourneau et al., 2025) zeigt zudem, dass nur 4 der 28 eingeschlossenen Studien (14 %) Grundschulkinder betreffen. Die weit \u00fcberwiegende Mehrheit der vorliegenden Studien wurde mit \u00e4lteren Sch\u00fclerinnen und Sch\u00fclern oder Studierenden durchgef\u00fchrt (Liu et al., 2026; Son, 2024). F\u00fcr die Primarstufe liegen durchaus Studien vor. Hwang (2022) hat 21 Studien mit 30 Stichproben aus den Jahren 2000 bis 2022 zur Grundschulmathematik meta-analytisch zusammengefasst und findet einen kleinen Effekt (g = 0,35), allerdings vor der Verbreitung generativer Sprachmodelle; die Studien betreffen \u00fcberwiegend regelbasierte adaptive Systeme. Studien, die dialogische, sprachmodellbasierte Lernbegleitung mit Grundschulkindern \u00fcber l\u00e4ngere Zeit und mit Lernzuwachs als Ergebnisma\u00df untersuchen, sind bisher selten (Kuo et al., 2026; Liu et al., 2025; Listyaningrum et al., 2024). Viele der folgenden Ableitungen st\u00fctzen sich daher weniger auf direkte Studienergebnisse f\u00fcr diese Zielgruppe als auf theoretische Modelle und auf Befunde aus \u00e4lteren Altersgruppen. Wo ein Befund aus Sekundarstufe, Hochschule oder Erwachsenenstichproben stammt, wird das im Text jeweils genannt. Dieser Beitrag sichtet und ordnet die vorliegenden Erkenntnisse und macht sie f\u00fcr den Mathematikunterricht der Grundschule nutzbar.<\/p>\n\n\n\n
Digitale Medien haben f\u00fcr sich genommen keinen Lerneffekt, und f\u00fcr KI gilt dasselbe. Ein \u201eLerneffekt mit KI\u201c ist keine Eigenschaft der Technologie. Zu fragen ist nach der jeweiligen Lernumgebung und ihrer didaktischen Vorstrukturierung (Dinsmore & Fryer, 2026; Weidlich et al., 2025). Der Beitrag fragt deshalb, unter welchen Bedingungen KI-gest\u00fctzte Lernbegleitung mathematische Lernprozesse in der Primarstufe unterst\u00fctzt und wann auf ihren Einsatz verzichtet werden sollte.<\/p>\n\n\n\n
Im Folgenden bezeichnet \u201eKI-Lernbegleitung\u201c das Gesamtarrangement aus System, Aufgabe und Unterricht und \u201eKI-Lernbegleiter\u201c das konkrete System im Einsatz mit Kindern. \u201eIntelligente Tutorsysteme\u201c meint die \u00e4ltere, regelbasierte Systemfamilie, auf die sich ein Teil der zitierten Forschung bezieht. Wo eine Quelle von \u201eKI-Tutor\u201c oder \u201eChatbot\u201c spricht, wird ihre Bezeichnung \u00fcbernommen.<\/p>\n\n\n\n
Diese \u00dcberlegungen bilden die Grundlage f\u00fcr die Entwicklung und Erprobung appintegrierter KI-Lernbegleitung im Projekt PRIMA-KI<\/a>. Sie sind ausdr\u00fccklich nicht endg\u00fcltig, sondern werden mit neuen KI-Modellen, neuen empirischen Befunden und den darauf aufbauenden p\u00e4dagogischen Anwendungen weiterentwickelt.<\/p>\n\n\n\nTheoretischer Rahmen<\/h2>\n\n\n\n
Vier theoretische Perspektiven strukturieren die folgenden Gestaltungsprinzipien: die Cognitive Load Theory, die Zone der n\u00e4chsten Entwicklung mit dem Konzept des Scaffoldings, die Unterscheidung von prozeduralem und konzeptuellem Wissen sowie Modelle des selbstregulierten Lernens. Hinzu kommt eine Rahmenperspektive: Unterst\u00fctzung wirkt nicht im einzelnen Medium, sondern im gesamten Lernarrangement.<\/p>\n\n\n\n
Cognitive Load Theory und Expertise-Umkehr<\/h3>\n\n\n\n
Die Cognitive Load Theory (Sweller, 2020; Sweller et al., 2019) beschreibt die begrenzte Kapazit\u00e4t des Arbeitsged\u00e4chtnisses als Rahmenbedingung f\u00fcr die Gestaltung von Lernmedien. F\u00fcr KI-gest\u00fctzte Systeme hat diese Begrenzung unmittelbare Konsequenzen. Generative KI kann Informationen in hoher Geschwindigkeit und gro\u00dfem Umfang pr\u00e4sentieren: Texte, Bilder, Erkl\u00e4rungen, Visualisierungen, Animationen. Wenn Lernende mit Informationen und Reizen \u00fcberflutet werden, ohne diese lernrelevant verarbeiten zu k\u00f6nnen, verfehlt auch die inhaltlich beste Information ihr Ziel.<\/p>\n\n\n\n
Diese Dosierung zu gestalten, ist eine der schwierigsten Aufgaben beim Entwurf von KI-Lernbegleitung. Gestufte Hilfe (Scaffolding), also die dosierte Bereitstellung von Hilfen und Erkl\u00e4rungen, ist aus Sicht der Cognitive Load Theory daf\u00fcr das wichtigste Mittel. KI-Lernbegleiter m\u00fcssen Impulse, Hilfen und Unterst\u00fctzung so dosieren, dass die Belastung des Arbeitsged\u00e4chtnisses in einem Bereich bleibt, in dem Lernen m\u00f6glich ist (Cosentino et al., 2025).<\/p>\n\n\n\n
Wie viel Unterst\u00fctzung angemessen ist, h\u00e4ngt vom Vorwissen ab. Der Expertise-Umkehr-Effekt beschreibt, dass Hilfen, die Anf\u00e4ngerinnen und Anf\u00e4ngern n\u00fctzen, bei fortgeschrittenen Lernenden wirkungslos und schlie\u00dflich hinderlich werden, weil das Abgleichen redundanter Erkl\u00e4rungen mit dem bereits vorhandenen Wissen selbst Arbeitsged\u00e4chtniskapazit\u00e4t bindet (Kalyuga et al., 2003; Kalyuga, 2007). Aus der Cognitive Load Theory folgt deshalb zweierlei. Unterst\u00fctzung muss dosiert werden, und sie muss planm\u00e4\u00dfig zur\u00fcckgenommen werden, sobald ein Kind sicherer wird. F\u00fcr Tutorsysteme haben Koedinger und Aleven (2007) dieses Spannungsfeld als \u201eassistance dilemma\u201c beschrieben. Zu fr\u00fche Hilfe verhindert die eigene Konstruktion, ausbleibende Hilfe l\u00e4sst Lernende in unproduktiven Sackgassen stecken. Wo das Optimum liegt, verschiebt sich mit der Kompetenz.<\/p>\n\n\n\n
Aus derselben Theorie stammt der L\u00f6sungsbeispiel-Effekt: F\u00fcr Lernende ohne Vorerfahrung mit einem Aufgabentyp ist das Studieren durchgearbeiteter L\u00f6sungsbeispiele dem eigenst\u00e4ndigen Probleml\u00f6sen \u00fcberlegen (Renkl, 2014; Renkl & Atkinson, 2003). Darauf ist beim Prinzip \u201eErst du \u2013 dann ich\u201c zur\u00fcckzukommen.<\/p>\n\n\n\n
Zone der n\u00e4chsten Entwicklung und Scaffolding<\/h3>\n\n\n\n
Die Zone der n\u00e4chsten Entwicklung (Vygotsky, 1978) beschreibt den Bereich zwischen dem, was ein Kind allein bew\u00e4ltigen kann, und dem, was es mit Hilfe einer kompetenteren Person bew\u00e4ltigen kann. F\u00fcr den Entwurf von KI-Lernbegleitern folgt daraus eine harte Anforderung: Das System m\u00fcsste fortlaufend einsch\u00e4tzen, was ein Kind selbstst\u00e4ndig und was es mit Unterst\u00fctzung bew\u00e4ltigen kann, und dann Impulse in genau diesem Bereich anbieten, weder zu leicht noch zu schwer.<\/p>\n\n\n\n
Die Zone der n\u00e4chsten Entwicklung ist dabei kein Schwierigkeitsma\u00df, das sich an einem Kind ablesen lie\u00dfe, sondern eine Beschreibung dessen, was in der Interaktion m\u00f6glich wird. Ein System kann sie nicht messen, sondern nur laufend absch\u00e4tzen und diese Absch\u00e4tzung an den Reaktionen des Kindes korrigieren. Die \u00dcbertragung des Konzepts auf die Kalibrierung von Aufgabenschwierigkeit ist eine Deutung, keine Aussage Vygotskys.<\/p>\n\n\n\n
Das zugeh\u00f6rige Handlungskonzept ist das Scaffolding. Wood, Bruner und Ross (1976) beschreiben damit die Unterst\u00fctzung eines Kindes durch eine erwachsene Person beim Probleml\u00f6sen und nennen als Funktionen unter anderem, das Interesse zu wecken, die Aufgabe zu vereinfachen, die Richtung zu halten, entscheidende Merkmale hervorzuheben und Frustration zu kontrollieren. Als Merkmal guten Scaffoldings gilt die Kontingenz: Die Unterst\u00fctzung folgt einer Diagnose des aktuellen Stands, richtet sich nach ihr und wird zur\u00fcckgenommen, sobald das Kind die Verantwortung selbst \u00fcbernehmen kann (van de Pol et al., 2010). Adaptive Systeme m\u00fcssen diese Einsch\u00e4tzung nicht einmalig, sondern kontinuierlich leisten (Wu et al., 2026; Kuo et al., 2026). Sie m\u00fcssen aus den Eingaben der Lernenden ableiten, wo deren Verst\u00e4ndnis liegt, welche Vorstellung zu einem Fehler gef\u00fchrt hat und welcher n\u00e4chste Impuls produktiv w\u00e4re. Ob Adaptivit\u00e4t lernwirksam ist, h\u00e4ngt von der diagnostischen Grundlage und der Qualit\u00e4t der daraus abgeleiteten Hilfen ab. Zu bedenken bleibt, dass Scaffolding urspr\u00fcnglich eine Interaktion zwischen zwei Personen beschreibt. Die \u00dcbertragung auf Software ist eine Analogie, deren Reichweite umstritten ist.<\/p>\n\n\n\n
Prozedurales und konzeptuelles Wissen<\/h3>\n\n\n\n
Welche Unterst\u00fctzung angemessen ist, h\u00e4ngt davon ab, welches Lernziel gerade verfolgt wird. Prozedurales Wissen (Wie l\u00f6se ich diese Aufgabe?) braucht andere Unterst\u00fctzung als konzeptuelles Wissen (Warum funktioniert das so?).<\/p>\n\n\n\n
Ein Kind, das Rechenfl\u00fcssigkeit \u00fcbt, etwa die schnelle Addition oder Subtraktion, profitiert von unmittelbarer, knapper R\u00fcckmeldung zu seinen Ergebnissen, vorausgesetzt, es l\u00f6st die Aufgaben bereits ableitend und nicht z\u00e4hlend. Sie st\u00fctzt die Automatisierung und verhindert, dass sich fehlerhafte Prozeduren einschleifen. Ausf\u00fchrliche Erkl\u00e4rungen mitten in einer \u00dcbungsserie unterbrechen die Automatisierung und belasten das Arbeitsged\u00e4chtnis mit Information, die das Kind in diesem Moment nicht verarbeiten kann. Ein Kind, das gerade Zahlverst\u00e4ndnis entwickelt, muss hingegen durch gezielte Fragen und Handlungsm\u00f6glichkeiten dazu angeregt werden, sein Verst\u00e4ndnis selbst zu konstruieren und weiterzuentwickeln. Es sollte eigene L\u00f6sungswege entwickeln, darstellen und begr\u00fcnden. Ein KI-System, das diese Unterscheidung nicht treffen kann, riskiert, dass seine Unterst\u00fctzung kontraproduktiv wirkt, etwa indem es bei konzeptuellem Lernen zu schnell L\u00f6sungen liefert oder bei prozeduralem \u00dcben mit unn\u00f6tigen Impulsen das Arbeitsged\u00e4chtnis belastet. Dass ein didaktisch vorstrukturiertes Modell konzeptuelles Verst\u00e4ndnis st\u00e4rker f\u00f6rdert als ein generisches Sprachmodell, zeigen Makransky et al. (2025); darauf kommt der Abschnitt zur Fundierung zur\u00fcck.<\/p>\n\n\n\n
Selbstreguliertes Lernen und Metakognition<\/h3>\n\n\n\n
Modelle des selbstregulierten Lernens beschreiben Lernen als Kreislauf aus Planen, \u00dcberwachen und Bewerten (Zimmerman, 2002). Lernende setzen sich ein Ziel, w\u00e4hlen eine Vorgehensweise, pr\u00fcfen unterwegs, ob sie vorankommen, und beurteilen am Ende das Ergebnis. F\u00fcr KI-Lernbegleitung ist dieses Modell in zwei Richtungen bedeutsam. Ein System kann diese Prozesse anregen, indem es nach dem Plan fragt, zum \u00dcberpr\u00fcfen auffordert und die Bewertung des Ergebnisses dem Kind \u00fcberl\u00e4sst. Ein System kann diese Prozesse aber auch \u00fcbernehmen und den Lernenden damit abgew\u00f6hnen. Molenaar (2022) beschreibt f\u00fcr adaptive Lernumgebungen, dass sie die Regulation des Lernens weitgehend selbst ausf\u00fchren und die Entwicklung der Selbstregulation dadurch gef\u00e4hrden k\u00f6nnen, weshalb die Kontrolle schrittweise an die Lernenden zur\u00fcckgegeben werden muss.<\/p>\n\n\n\n
F\u00fcr die Primarstufe kommt ein entwicklungspsychologischer Vorbehalt hinzu. Metakognitive \u00dcberwachung entwickelt sich im Grundschulalter erst. J\u00fcngere Kinder \u00fcbersch\u00e4tzen ihr Verst\u00e4ndnis regelm\u00e4\u00dfig, und ausformulierte Begr\u00fcndungen fallen ihnen sprachlich schwer. Metakognitive Anregung kann in der Grundschule deshalb nicht bedeuten, Reflexion abzufragen; sie muss einge\u00fcbt werden, mit kurzen, konkreten Fragen zu einer gerade ausgef\u00fchrten Handlung.<\/p>\n\n\n\n
Was ein System daf\u00fcr braucht<\/h3>\n\n\n\n
Diese Perspektiven bilden einen Rahmen, in dem die folgenden Gestaltungsprinzipien verortet sind. Sie machen zugleich deutlich, warum KI-Lernbegleitung kein einfaches technisches Problem ist. Sie erfordert Systeme, die \u00fcber ein Modell des Lernenden, des Lerngegenstands und des Lernprozesses verf\u00fcgen. In der Forschung zu intelligenten Tutorsystemen ist diese Anforderung seit Langem als Dreiteilung beschrieben: ein Dom\u00e4nenmodell des Lerngegenstands, ein Lernendenmodell des aktuellen Wissensstands und ein tutorielles Modell der Interventionsentscheidungen. F\u00fcr das Lernendenmodell existieren erprobte Verfahren, etwa Knowledge Tracing (Corbett & Anderson, 1995), die den Wissensstand aus der Aufgabenbearbeitung fortlaufend sch\u00e4tzen. Gro\u00dfe Sprachmodelle bringen ein solches Modell nicht mit. Sie verf\u00fcgen \u00fcber Sprachkompetenz, nicht \u00fcber eine Repr\u00e4sentation dessen, was ein bestimmtes Kind \u00fcber die Zeit gelernt hat. Diese Repr\u00e4sentation muss die Anwendung au\u00dferhalb des Sprachmodells f\u00fchren.<\/p>\n\n\n\n
Schlie\u00dflich entsteht Unterst\u00fctzung nicht im einzelnen Medium. Puntambekar und H\u00fcbscher (2005) halten die \u00dcbertragung des Scaffolding-Begriffs auf Software nur dann f\u00fcr tragbar, wenn Diagnose, Kontingenz und R\u00fccknahme erhalten bleiben, und beschreiben Scaffolding gemeinsam mit Tabak (2004) als verteilt: Software, Lehrkraft, Material und Mitsch\u00fclerinnen und Mitsch\u00fcler adressieren dieselbe Lernbed\u00fcrftigkeit und k\u00f6nnen sich wechselseitig verst\u00e4rken oder st\u00f6ren. Das ist die theoretische Grundlage f\u00fcr das vierte Prinzip, die Einbettung.<\/p>\n\n\n\n
Das Risiko der Auslagerung von Denkarbeit<\/h2>\n\n\n\n
Die bisherige Darstellung der Studienlage k\u00f6nnte den Eindruck erwecken, KI-gest\u00fctzte Lernbegleitung besitze ein \u00fcberwiegend positives Potenzial, das nur noch technisch optimiert werden m\u00fcsse. Das Bild ist ambivalenter. In mehreren Studien zeigte sich, dass der unkontrollierte Einsatz generativer KI beim Lernen nicht nur weniger wirksam sein kann als erhofft, sondern auch den Aufbau grundlegender F\u00e4higkeiten abk\u00fcrzen und Lernen dadurch behindern kann.<\/p>\n\n\n\n
Cognitive Offloading: Auslagerung kognitiver Anstrengung<\/h3>\n\n\n\n
Kognitive Auslagerung (Cognitive Offloading) beschreibt das strukturell wichtigste Problem: Lernende lagern kognitive Anstrengung an die KI aus, statt sie selbst zu vollziehen. Gerlich (2025) berichtet in einer Querschnittsbefragung von 666 Erwachsenen negative Zusammenh\u00e4nge zwischen der H\u00e4ufigkeit der KI-Nutzung und den Werten in einem Test kritischen Denkens (r = \u22120,68) sowie zwischen dem Ausma\u00df kognitiver Auslagerung und kritischem Denken (r = \u22120,75). J\u00fcngere Befragte nutzten KI st\u00e4rker und erzielten niedrigere Werte. Die Studie zeigt Zusammenh\u00e4nge, keine Wirkung. Sie beruht teilweise auf Selbstausk\u00fcnften, die Zusammenh\u00e4nge dieser H\u00f6he \u00fcbersch\u00e4tzen, und sie betrifft Erwachsene, nicht Schulkinder. Sie begr\u00fcndet eine Auslagerungshypothese, die experimentell und l\u00e4ngsschnittlich zu pr\u00fcfen ist.<\/p>\n\n\n\n
Dieses Risiko zeigten Bastani et al. (2025) in einer kontrollierten Interventionsstudie mit rund 1000 Sch\u00fclerinnen und Sch\u00fclern der Klassen 9 bis 11 an t\u00fcrkischen Schulen. Wer w\u00e4hrend des \u00dcbens unregulierten Zugang zu einem Chatbot mit vollst\u00e4ndigen L\u00f6sungen hatte, l\u00f6ste in der \u00dcbungsphase deutlich mehr Aufgaben richtig. Im anschlie\u00dfenden Test ohne KI lag diese Gruppe 17 Prozent unter dem Niveau der Kontrollgruppe ohne KI. Die Autorinnen und Autoren sprechen von verringertem Kompetenzerwerb. Eine dritte Gruppe arbeitete mit einer Variante, die Hinweise statt L\u00f6sungen gab. Sie war in der \u00dcbungsphase noch erfolgreicher als die Gruppe mit freiem Zugang und erreichte im Test das Niveau der Kontrollgruppe, \u00fcbertraf es aber nicht. Der Schaden entsteht also nicht durch KI an sich, sondern durch unbegrenzten L\u00f6sungszugang, und auch die gut gestaltete Variante erzeugte in dieser Studie keinen Lernvorteil. Der Befund betrifft diese Untersuchungsanordnung und belegt keinen dauerhaften Kompetenzverlust. Lernanalysen aus KI-basierten Nachhilfesystemen zeigen erg\u00e4nzend, dass ein Teil der Lernenden versucht, Aufgabensequenzen \u201edurchzuklicken\u201c, ohne sich inhaltlich mit ihnen auseinanderzusetzen (Jan\u010da\u0159\u00edk et al., 2023).<\/p>\n\n\n\n
Dinsmore und Fryer (2026) argumentieren aus lernpsychologischer Perspektive, dass generative KI in Form nicht vorstrukturierter Chatbots dazu verf\u00fchrt, den anstrengenden Prozess der eigenen Wissenskonstruktion abzuk\u00fcrzen. Wer eine fertige L\u00f6sung \u00fcbernimmt, ohne sie zu durchdenken, spart Anstrengung, baut aber keine belastbaren Wissensstrukturen auf. Das ist nicht dasselbe wie das gezielte Studieren eines L\u00f6sungsbeispiels. Dort wird die L\u00f6sung mit Aufforderungen zum Erkl\u00e4ren verbunden, und die Denkarbeit verlagert sich vom Suchen zum Nachvollziehen. Viele Anbieter von Chatbots bieten inzwischen einen \u201eLernmodus\u201c an, in dem der Chatbot keine L\u00f6sungen direkt ausgibt, sondern R\u00fcckfragen stellt. Ob diese Modi lernwirksam sind, ist bislang nicht untersucht. Technisch sind sie eine Anweisungsebene \u00fcber demselben Modell und lassen sich im Gespr\u00e4ch meist umgehen.<\/p>\n\n\n\n
H\u00f6flichkeit und p\u00e4dagogische Qualit\u00e4t von Sprachmodellen<\/h3>\n\n\n\n
Zu diesem strukturellen Risiko tritt ein zweites. Abdulsalam und Aroyehun (2025) analysieren in einer noch nicht begutachteten Vorabver\u00f6ffentlichung (Preprint) Mathematik-Nachhilfedialoge, in denen erfahrene Tutorinnen und Tutoren, Novizen und sieben Sprachmodelle auf dieselben Sch\u00fclerfehler antworten. Gr\u00f6\u00dfere Modelle erreichen in der Qualit\u00e4tsbewertung ann\u00e4hernd Expertenniveau, unterscheiden sich aber im Profil: Sie antworten l\u00e4nger, vielf\u00e4ltiger und h\u00f6flicher, nutzen aber typische Expertenstrategien wie das Nachfassen zu Begr\u00fcndung und Genauigkeit seltener. H\u00f6fliche Sprache hing negativ mit der eingesch\u00e4tzten p\u00e4dagogischen Qualit\u00e4t zusammen. Lernergebnisse wurden nicht erhoben.<\/p>\n\n\n\n
Diese Tendenz wird als Sycophancy bezeichnet, als \u00fcberm\u00e4\u00dfige Zustimmung. Sie ist keine zuf\u00e4llige Eigenart, sondern eine Folge des Trainingsverfahrens: Sprachmodelle werden im Nachtraining darauf optimiert, Antworten zu geben, die Menschen gut bewerten, und Menschen bewerten Zustimmung systematisch besser als Widerspruch (Sharma et al., 2024). F\u00fcr die Gestaltung bedeutet das, dass sich diese Tendenz durch Anweisungen im Systemprompt, also in der festen Grundanweisung an das Modell, abschw\u00e4chen, aber nicht zuverl\u00e4ssig abstellen l\u00e4sst.<\/p>\n\n\n\n
Chudziak und Kostka (2025) beschreiben ein verwandtes Problem: Viele aktuelle KI-Systeme neigen zu einem anweisenden, vorschreibenden (preskriptiven) Interaktionsstil. Sie geben vor, leiten an und l\u00f6sen, statt Raum f\u00fcr eigene Denkprozesse zu lassen. Systeme, die bei jeder Eingabe sofort R\u00fcckmeldung geben, riskieren, genau jene Denk- und Kontrollprozesse zu unterbinden, die sie f\u00f6rdern sollen. Eine computergest\u00fctzte Analyse realer menschlicher Nachhilfedialoge (Wang et al., 2025) zeigt, dass Grundschulkinder auf aktivierende Fragen positiv reagieren, sich insgesamt aber weniger aktiv beteiligen als \u00e4ltere Lernende. Die Studie erfasst Interaktionsmuster, keine Lernergebnisse, und sie beschreibt menschliches Tutoring. Auf KI-Systeme l\u00e4sst sich das Muster nur als Hypothese \u00fcbertragen.<\/p>\n\n\n\n
Daraus folgt nicht, dass ein KI-Lernbegleiter unfreundlich sein sollte. Gerade bei j\u00fcngeren Kindern ist ein zugewandter Ton die Voraussetzung daf\u00fcr, dass sie einen Fehler \u00fcberhaupt zeigen. Problematisch ist nicht die Freundlichkeit, sondern die Freundlichkeit anstelle von Information: Zustimmung, die eine inhaltliche R\u00fcckmeldung ersetzt.<\/p>\n\n\n\n
Die Spannung zwischen wirksamer Hilfe und eigenst\u00e4ndigem Denken<\/h3>\n\n\n\n
Diese Befunde verdichten sich zu einer Spannung, die als Leitproblem f\u00fcr die Gestaltung von KI-Lernbegleitung verstanden werden kann: Je bereitwilliger ein System fertige L\u00f6sungen liefert, desto zuverl\u00e4ssiger nimmt es Lernenden genau die Denkarbeit ab, an der sie lernen w\u00fcrden. Nicht die Leistungsf\u00e4higkeit des Systems ist das Problem, sondern die Frage, wof\u00fcr sie eingesetzt wird. Bei Bastani et al. (2025) war die Variante mit Hinweisen in der \u00dcbungsphase leistungsf\u00e4higer als der freie Zugang und schadete im Test dennoch nicht.<\/p>\n\n\n\n
Ein guter KI-Lernbegleiter muss deshalb manchmal bewusst weniger tun, als er k\u00f6nnte. Er muss zulassen, dass ein Kind zeitweise nicht weiterkommt. Mason et al. (1982) beschreiben dieses Steckenbleiben (\u201ebeing stuck\u201c) als normalen Bestandteil mathematischen Arbeitens und verbinden es mit Strategien, es zu benennen und zu bearbeiten: festhalten, was man wei\u00df und was man sucht, einen einfacheren Fall betrachten, eine Vermutung aufschreiben. F\u00fcr ein KI-System hei\u00dft das nicht, Frustration entstehen zu lassen, sondern das Nichtweiterkommen zu benennen und mit einer Handlungsm\u00f6glichkeit zu beantworten. Es h\u00e4lt L\u00f6sungen zur\u00fcck, gibt unvollst\u00e4ndige Hinweise und l\u00e4sst Bearbeitungszeit. Damit arbeitet es teilweise gegen die Mechanismen, die generative KI so eindrucksvoll machen.<\/p>\n\n\n\n
Ein nicht vorstrukturierter Chatbot, etwa ein frei zug\u00e4ngliches Sprachmodell ohne p\u00e4dagogische Rahmung, wird zur Antwortmaschine und kann verst\u00e4ndnisf\u00f6rderndes Lernen eher verhindern als erm\u00f6glichen. Die folgenden Prinzipien zielen darauf, Unterst\u00fctzung zu dosieren und die Denkarbeit beim Kind zu halten.<\/p>\n\n\n\n
Vier Gestaltungsprinzipien<\/h2>\n\n\n\n
Aus der Spannung zwischen dem Potenzial adaptiver KI-Lernbegleitung und den beschriebenen Risiken der kognitiven Auslagerung ergeben sich vier Gestaltungsebenen, die zusammenwirken m\u00fcssen. Die fachdidaktische Fundierung des Systems ist die Voraussetzung f\u00fcr Diagnostik und F\u00f6rderung. Darauf baut die adaptive Dosierung von Hilfen auf. Die metakognitive Aktivierung liegt quer zu beiden und beschreibt, welche Denkprozesse die Interaktion anregen soll. Die hybride Einbettung mit menschlicher Aufsicht ist die Rahmenbedingung: Ohne sie werden die ersten drei Ebenen im Unterricht nicht wirksam.<\/p>\n\n\n\n![\"Vier](\"https:\/\/urff.app\/wp-content\/uploads\/2026\/09\/bild2-gestaltungsprinzipien.png\")
<\/figure>\n\n\n\nFundierung: Fachdidaktisches Wissen als Voraussetzung<\/h3>\n\n\n\n
Die erste Gestaltungsebene betrifft die Wissensbasis des Systems. Generative KI erzeugt sprachlich und formal beeindruckende Ausgaben, aber fachdidaktisch sind diese h\u00e4ufig oberfl\u00e4chlich, wenig problemorientiert oder fehlerhaft, wenn sie nicht gezielt gesteuert werden. Literaturanalysen zum Einsatz generativer KI in der Mathematikbildung weisen immer wieder auf die geringe theoretische Fundierung und die Fehleranf\u00e4lligkeit vieler Systeme hin (Almheiri et al., 2025; Awang et al., 2025; Holmes & Tuomi, 2022; Opesemowo & Adewuyi, 2024). Das ist keine Implementierungsschw\u00e4che, die sich beil\u00e4ufig beheben lie\u00dfe, sondern eine Folge dessen, worauf diese Modelle optimiert wurden. Die Trainingsdaten werden zwar gefiltert und f\u00fcr Mathematik gezielt zusammengestellt, das Optimierungsziel ist dabei aber die richtige L\u00f6sung und im Nachtraining die von Menschen als hilfreich bewertete Antwort. Fachdidaktische Angemessenheit, also die Frage, welcher Impuls einem Kind an dieser Stelle weiterhilft, ist kein Trainingsziel.<\/p>\n\n\n\n
C\u00e1rdenas et al. (2025) identifizieren in ihrer systematischen Analyse die fehlende theoretische Rahmung als eines der Haupthindernisse f\u00fcr lernwirksame KI-Tutorsysteme. Fachdidaktische Fundierung betrifft sowohl die inhaltliche Korrektheit von Aufgaben und Erkl\u00e4rungen, in der die Systeme besser werden, als auch die Art, wie ein System auf Lernende reagiert. Fachexpertise und Tutoring-Expertise sind nicht dasselbe. Macina et al. (2025) zeigen mit einem standardisierten Pr\u00fcfverfahren (Benchmark) f\u00fcr p\u00e4dagogische F\u00e4higkeiten von Sprachmodellen, dass Modelle, die Aufgaben korrekt l\u00f6sen, nicht automatisch erkennen, wo die Schwierigkeit f\u00fcr Lernende liegt, welche Fehlvorstellung einem Fehler zugrunde liegt oder welcher Impuls in einer Lernsituation produktiv w\u00e4re. Fachliches Wissen in der Anweisung an das Modell (Prompt) reicht daher nicht aus. Das System muss \u00fcber fachdidaktisches Wissen verf\u00fcgen, also dar\u00fcber, wie Kinder mathematische Konzepte aufbauen, welche typischen Irrwege es gibt und welche Interventionen an welcher Stelle im Lernprozess wirksam sind.<\/p>\n\n\n\n
Dass dieser Unterschied praktisch bedeutsam ist, zeigen Makransky et al. (2025) in einem pr\u00e4registrierten Experiment (Auswertung vorab festgelegt) mit 175 Studierenden und einer Replikation mit 234 Sch\u00fclerinnen und Sch\u00fclern der Sekundarstufe II. Sie verglichen einen theoriegeleitet gestalteten KI-Tutor (ChatTutor) mit einem generischen Sprachmodell. Der didaktisch vorstrukturierte Tutor erzielte in beiden Studien unmittelbar h\u00f6heres konzeptuelles Wissen sowie mehr Vertrauen und Freude; im verz\u00f6gerten Test blieb der Vorteil nur in der zweiten Studie bestehen, Unterschiede in der Selbstwirksamkeit zeigten sich nicht. Auch gro\u00dfe Sprachmodelle wenden fachdidaktisches Wissen also nicht von selbst an. Mehrere aktuelle Rahmenwerke f\u00fcr p\u00e4dagogische Agenten nehmen deshalb explizit auf p\u00e4dagogische Theorien Bezug; Cohn et al. (2026) leiten die R\u00fcckmeldungen ihres Agenten aus Zone der n\u00e4chsten Entwicklung, Selbstwirksamkeit und Zielsetzung ab und erproben ihn mit 104 Lernenden der Mittelstufe. Ob diese Bezugnahme zu besserem Lernen f\u00fchrt, ist f\u00fcr die meisten Systeme noch nicht untersucht. Eine Studie zu GeoGebra- und KI-gest\u00fctzten Lernumgebungen deutet darauf hin, dass konzeptuelles Verst\u00e4ndnis und Selbstvertrauen nur dann steigen, wenn Fach- und Fachdidaktik in die Systemgestaltung einflie\u00dfen und Technik nicht blo\u00df aufgesetzt wird (Canonigo, 2024).<\/p>\n\n\n\n
Ein KI-Lernbegleiter f\u00fcr den Mathematikunterricht der Primarstufe ben\u00f6tigt mindestens die folgenden fachdidaktischen Wissensgrundlagen. Wie sie technisch bereitgestellt werden k\u00f6nnen, behandelt der Abschnitt zur Umsetzung.<\/p>\n\n\n\n
Erstens ein Modell der mathematischen Kompetenzentwicklung f\u00fcr den jeweiligen Inhaltsbereich. Das System muss \u201ewissen\u201c, dass Zahlverst\u00e4ndnis nicht durch Auswendiglernen von Fakten entsteht, sondern durch den Aufbau von Vorstellungen, und dass es f\u00fcr diesen Aufbau typische Entwicklungsverl\u00e4ufe und Vorl\u00e4uferf\u00e4higkeiten gibt. Ohne dieses Wissen bleibt jede Adaptation oberfl\u00e4chlich. Das System kann dann allenfalls den Schwierigkeitsgrad variieren, aber nicht die Qualit\u00e4t seiner Impulse an den Verst\u00e4ndnisstand anpassen.<\/p>\n\n\n\n
Zweitens Fehler- und Strategietaxonomien, die typische Denkwege und Irrt\u00fcmer von Kindern abbilden (Padberg & Benz, 2021; Gaidoschik, 2010). Die Diagnose von Fehlvorstellungen geh\u00f6rt zum fachdidaktischen Handwerk und muss einem System eigens beigebracht werden, wenn es \u00fcber die Feststellung \u201erichtig\/falsch\u201c hinausgehen soll. Beispiele sind ein fehlendes B\u00fcndelungsverst\u00e4ndnis, bei dem ein Kind die 2 in der 24 als \u201ezwei\u201c und nicht als \u201ezwei Zehner\u201c deutet, oder das z\u00e4hlende Rechnen als verfestigte Strategie. Die Zuordnung einer konkreten Kinder\u00e4u\u00dferung zu einer Fehlerkategorie kann zudem misslingen, und eine falsche Diagnose erzeugt keinen unspezifischen, sondern einen pr\u00e4zise falsch zielenden Impuls. Ein System sollte deshalb seine Sicherheit mitf\u00fchren und unterhalb einer Schwelle nachfragen, statt zu deuten. In eigenen Erprobungen im Projekt PRIMA-KI schlugen auch gro\u00dfe Sprachmodelle ohne fachdidaktischen Kontext Kindern bei Fehlern wiederholt vor, die Aufgabe z\u00e4hlend zu l\u00f6sen, also genau die Strategie, die im Unterricht abgebaut werden soll.<\/p>\n\n\n\n
Drittens explizite Regeln, welche Hilfen in welcher Lernphase und bei welcher Art von Schwierigkeit sinnvoll sind. Die Unterscheidung zwischen prozeduralem und konzeptuellem Lernen ist eine solche Leitlinie: Routinef\u00f6rderung erfordert andere Interventionen als der Aufbau begrifflichen Verst\u00e4ndnisses. Ein System sollte zudem zwischen einem einmaligen Fehlgriff und einem zugrunde liegenden Verst\u00e4ndnisproblem unterscheiden. Aus einer einzelnen Aufgabe ist das nicht zu entscheiden, sondern erst aus dem Muster \u00fcber mehrere Aufgaben hinweg, etwa aus der Wiederholung derselben Fehlerart oder aus der Bearbeitungsdauer. Das setzt voraus, dass die Anwendung diese Informationen f\u00fchrt.<\/p>\n\n\n\n
Viertens muss das System nicht nur den Schwierigkeitsgrad anpassen, sondern auch unterschiedliche Denkwege erkennen, mit denen Kinder zum Ergebnis gelangen. Kinder l\u00f6sen mathematische Probleme auf vielf\u00e4ltige Weise, und das ist w\u00fcnschenswert. Ein fachdidaktisch fundierter KI-Lernbegleiter erkennt alternative Strategien, pr\u00fcft, ob sie auch bei gr\u00f6\u00dferen Zahlen und anderen Aufgaben funktionieren, fragt gegebenenfalls nach und kann Kinder darin best\u00e4rken oder behutsam zu effizienteren Wegen anregen. F\u00fcr Kinder mit Rechenschwierigkeiten ist dabei entscheidend, woran ein System seine Anpassung festmacht. Die naheliegende Anpassung, kleinere Zahlen und leichtere Aufgaben, kann kontraproduktiv sein: Ein Kind, das z\u00e4hlend rechnet, l\u00f6st kleinere Aufgaben z\u00e4hlend weiterhin erfolgreich und wird in dieser Strategie best\u00e4tigt. Notwendig ist eine Anpassung der Impulse, nicht des Niveaus (Gaidoschik, 2010; Wartha & Schulz, 2012). Aus dem Ergebnis allein ist die Strategie allerdings nicht erkennbar; 8 + 6 = 14 sieht in beiden F\u00e4llen gleich aus. Hinweise liefern die Bearbeitungsdauer, typische Fehlermuster wie Abweichungen um eins und die direkte Nachfrage, wie das Kind gerechnet hat.<\/p>\n\n\n\n
Fachdidaktische Fundierung ist die Bedingung daf\u00fcr, dass adaptive Unterst\u00fctzung \u00fcberhaupt als solche funktionieren kann. Ohne sie bleibt ein KI-Lernbegleiter, um eine pointierte Formulierung aus einem unver\u00f6ffentlichten Manuskript von Schneider (o. J.) aufzugreifen, ein \u201esprachbegabter Zufallsgenerator\u201c (o. S.), der gelegentlich hilfreiche, h\u00e4ufig aber unspezifische oder irref\u00fchrende Impulse produziert.<\/p>\n\n\n\n
Dosierung: Adaptives Scaffolding und das Prinzip \u201eErst du \u2013 dann ich\u201c<\/h3>\n\n\n\n
Auf der Grundlage fachdidaktischen Wissens wird die zweite Gestaltungsebene m\u00f6glich: die adaptive Dosierung von Impulsen und Hilfen. Sie unterscheidet KI-Lernbegleitung von einer Antwortmaschine. Die Befundlage deutet darauf hin, dass sorgf\u00e4ltig gestaltete KI-Lernumgebungen, die auf Lernstand, Fehler und Strategien reagieren, statt richtige Antworten auszugeben, Lern- und Verstehensprozesse anregen. Ob der adaptive Anteil daf\u00fcr verantwortlich ist, l\u00e4sst sich aus den vorliegenden Studien nicht isolieren, weil Adaptivit\u00e4t dort mit sorgf\u00e4ltiger Gestaltung insgesamt einhergeht; den einzigen sauberen Vergleich adaptiver und fester Hilfen liefern Salden et al. (2010) f\u00fcr L\u00f6sungsbeispiele.<\/p>\n\n\n\n
Im Folgenden wird zwischen Feedback und Hilfe unterschieden. Feedback ist die R\u00fcckmeldung auf ein Ergebnis oder einen L\u00f6sungsweg; Hilfe ist die Unterst\u00fctzung w\u00e4hrend der Bearbeitung, also Hinweise, Fragen und Teilschritte. Beide werden unterschiedlich dosiert: Feedback soll informativ sein und zum passenden Zeitpunkt kommen, Hilfe abgestuft und zur\u00fcckhaltend.<\/p>\n\n\n\n
In der Studie zum System TALPer profitierten leistungsschw\u00e4chere F\u00fcnftkl\u00e4sslerinnen und F\u00fcnftkl\u00e4ssler in Taiwan besonders stark von adaptiver Unterst\u00fctzung, w\u00e4hrend leistungsst\u00e4rkere Kinder komplexere Interaktionsmuster mit dem KI-Lernbegleiter entwickelten (Kuo et al., 2026). Ein System konnte damit unterschiedliche Lernvoraussetzungen abdecken. Liu et al. (2025) berichten f\u00fcr eine generative Lernumgebung zu Textaufgaben in der Grundschule Leistungsgewinne, wobei die wahrgenommene Qualit\u00e4t der Unterst\u00fctzung und nicht deren blo\u00dfe Verf\u00fcgbarkeit den st\u00e4rksten Einfluss auf Motivation und Lernwirkung hatte. Die systematische \u00dcbersicht von Son (2024) best\u00e4tigt positive Effekte gut konzipierter intelligenter Tutorsysteme auf mathematische Lernleistungen, besonders wenn diese adaptiv auf individuelle Lernbed\u00fcrfnisse reagieren. Generative Systeme k\u00f6nnen R\u00fcckmeldungen an Aufgabe, Eingabe und bisherigen Lernverlauf des einzelnen Kindes anpassen.<\/p>\n\n\n\n
Arten von Feedback.<\/strong> Die Feedbackforschung unterscheidet R\u00fcckmeldungen zun\u00e4chst nach ihrem Informationsgehalt (Shute, 2008). Die einfachste R\u00fcckmeldung teilt nur mit, ob eine Antwort richtig oder falsch war. Die zweite nennt zus\u00e4tzlich die richtige L\u00f6sung. Die dritte, elaborierte Form gibt Auskunft dar\u00fcber, worin der Fehler besteht, welche Vorstellung ihm zugrunde liegen k\u00f6nnte und welcher n\u00e4chste Schritt sinnvoll ist. Die Wirkungen unterscheiden sich deutlich. Wisniewski et al. (2020) fassen in einer Meta-Analyse 435 Studien mit 994 Effektst\u00e4rken zusammen. Der mittlere Effekt von Feedback liegt bei d = 0,48 und verteilt sich sehr ungleich: Informationsreiche R\u00fcckmeldungen erreichen d = 0,99, korrektive R\u00fcckmeldungen d = 0,46, Verst\u00e4rkung und Sanktionierung, also Lob, Belohnung und Tadel, nur d = 0,24. Der niedrige Wert betrifft also Lob und Tadel, nicht die sachliche Richtig-falsch-R\u00fcckmeldung, die unter die korrektiven Formen f\u00e4llt. Kluger und DeNisi (1996) zeigten in einer Meta-Analyse \u00fcberwiegend mit Erwachsenen, dass \u00fcber ein Drittel aller Feedbackinterventionen die Leistung verschlechtert, vor allem dann, wenn die R\u00fcckmeldung die Aufmerksamkeit von der Aufgabe weg auf die eigene Person lenkt.<\/p>\n\n\n\nQuer dazu liegt die Frage, worauf sich eine R\u00fcckmeldung richtet. Hattie und Timperley (2007) unterscheiden vier Bezugspunkte: die Aufgabe (\u201eDas Ergebnis stimmt nicht\u201c), den Bearbeitungsprozess (\u201eDu hast den \u00dcbertrag vergessen, pr\u00fcfe die Zehner\u201c), die Selbstregulation (\u201eWoran k\u00f6nntest du selbst merken, ob das stimmen kann?\u201c) und die Person (\u201eDu bist gut in Mathe\u201c). Wirksam sind vor allem die beiden mittleren; R\u00fcckmeldung auf die Person ist die am wenigsten wirksame Form. F\u00fcr einen KI-Lernbegleiter ist die einfache Richtig-falsch-R\u00fcckmeldung beim Automatisieren bereits verstandener Rechenfertigkeiten angemessen; dort soll sie knapp und unmittelbar erfolgen. Beim Aufbau von Verst\u00e4ndnis reicht sie nicht aus. Hier braucht es Feedback, das den Denkweg benennt oder eine Selbstpr\u00fcfung anst\u00f6\u00dft, nicht das Ergebnis bewertet und nicht das Kind. F\u00fcr die Grundschule entsteht daran ein Zielkonflikt: Elaboriertes Feedback ist informationsreich, und Informationsreichtum belastet das Arbeitsged\u00e4chtnis eines Kindes, das noch m\u00fchsam liest. Elaboriert hei\u00dft hier deshalb nicht ausf\u00fchrlich, sondern pr\u00e4zise: ein Satz, der auf den konkreten Schritt zeigt, verbunden mit einer Handlungsaufforderung (\u201eSchau noch einmal auf die Zehner. Was passiert beim \u00dcbergang?\u201c), und nicht die vollst\u00e4ndige Erkl\u00e4rung des Verfahrens.<\/p>\n\n\n\n
Neben der Art ist der Zeitpunkt bedeutsam, und zwar in zwei Hinsichten. Die erste betrifft die Frage, ob das System nach jedem Teilschritt eingreift oder erst, wenn ein Versuch abgeschlossen ist. Beim Ein\u00fcben bereits verstandener Fertigkeiten, etwa Kopfrechnen, Einmaleins oder Zahlzerlegungen, spricht die Befundlage f\u00fcr schrittweise, unmittelbare R\u00fcckmeldung: Sie verhindert, dass sich Fehler einschleifen, und h\u00e4lt die Belastung des Arbeitsged\u00e4chtnisses gering. Beim Probleml\u00f6sen und beim Aufbau von Verst\u00e4ndnis sollte die R\u00fcckmeldung dagegen erst nach einem abgeschlossenen eigenen Versuch kommen, weil sie dem Kind sonst die Gelegenheit nimmt, selbst zu pr\u00fcfen und zu revidieren. Das ist eine Gestaltungsregel, kein gesicherter Befund; Shute (2008) berichtet f\u00fcr schwierige Aufgaben und leistungsschw\u00e4chere Lernende auch Vorteile unmittelbarer R\u00fcckmeldung, weshalb der \u201eabgeschlossene Versuch\u201c bei Grundschulkindern eng zu fassen ist. Die zweite Hinsicht betrifft die eigentliche Verz\u00f6gerung, also R\u00fcckmeldung erst nach Minuten oder Tagen. Hier ist die Befundlage uneinheitlich (Shute, 2008); f\u00fcr die Grundschule ist sie von geringerer praktischer Bedeutung, weil ein Kind die eigene Bearbeitung dann nicht mehr pr\u00e4sent hat.<\/p>\n\n\n\n
Erst du \u2013 dann ich.<\/strong> Bedeutsam ist die Reihenfolge von Denken und Unterst\u00fctzung. Kumar et al. (2025) pr\u00fcften in zwei pr\u00e4registrierten Online-Experimenten mit insgesamt 1818 Erwachsenen an Mathematikaufgaben im Multiple-Choice-Format, wie Erkl\u00e4rungen eines Sprachmodells auf sp\u00e4tere Testleistungen wirken. Erkl\u00e4rungen wirkten besser als die blo\u00dfe Ausgabe der richtigen L\u00f6sung, und der Vorteil war am gr\u00f6\u00dften, wenn die Teilnehmenden die Aufgabe zuvor selbst versucht hatten. Er zeigte sich allerdings auch bei umgekehrter Reihenfolge. Im zweiten Experiment wurden Erkl\u00e4rungen mit Rechenfehlern und falschem Endergebnis eingespielt; die Lernzuw\u00e4chse lagen dann zwischen denen der reinen L\u00f6sungsanzeige und denen fehlerfreier Erkl\u00e4rungen. Fehlerhafte Erkl\u00e4rungen waren in diesem Design also weniger sch\u00e4dlich als erwartet. Auf Grundschulkinder, die einen Fehler seltener bemerken, l\u00e4sst sich das nicht \u00fcbertragen. Ruan et al. (2020) verglichen mit 72 Kindern der Klassenstufen 3 bis 5 eine erz\u00e4hlbasierte Lernumgebung ohne R\u00fcckmeldung, mit statischen Hinweisen und mit einem tutoriellen Chatbot. Das Narrativ steigerte das Engagement, Lernzuw\u00e4chse zeigten sich in der Chatbot-Bedingung. Der Chatbot wurde allerdings von einer Person gesteuert (Wizard-of-Oz-Aufbau); die Studie belegt den Nutzen dialogischer R\u00fcckfragen, nicht die Leistungsf\u00e4higkeit eines KI-Systems.<\/p>\n\n\n\nIm Bereich des selbstregulierten Lernens weisen einige Studien darauf hin, dass adaptives, KI-gest\u00fctztes Scaffolding im Unterschied zu statischen Hilfesequenzen die Qualit\u00e4t von Selbststeuerungsprozessen verbessern kann und Vorteile gegen\u00fcber einem Konzept \u201egleiche Hilfen f\u00fcr alle\u201c hat (Liu et al., 2025; Wu et al., 2026). Generative KI muss also so eingebunden und vorstrukturiert werden, dass sie adaptiv auf die Eingaben der Lernenden eingeht und nicht nur vorgefertigte Impulse anbietet.<\/p>\n\n\n\n
Das Prinzip hat eine Grenze, die sich aus dem oben genannten L\u00f6sungsbeispiel-Effekt ergibt: Ohne Vorerfahrung mit einem Aufgabentyp f\u00fcllt die Suche nach einem L\u00f6sungsweg das Arbeitsged\u00e4chtnis mit Prozessen, die nicht zum Lernen beitragen; erst mit wachsender Vorerfahrung wird der eigene Versuch lernwirksamer als das Beispiel (Renkl, 2014). In Studien mit Tutorsystemen der Sekundarstufe hat sich eine Stufung bew\u00e4hrt: ein vollst\u00e4ndiges L\u00f6sungsbeispiel mit Frage zum Nachvollziehen, dann ein unvollst\u00e4ndiges Beispiel, bei dem das Kind die letzten Schritte erg\u00e4nzt, dann der eigene L\u00f6sungsversuch mit R\u00fcckmeldung (Renkl & Atkinson, 2003). Entscheidend ist, woran das Ausblenden der Schritte h\u00e4ngt: Salden et al. (2010) zeigen, dass ein an den Erkl\u00e4rungen des Lernenden ausgerichtetes Ausblenden dem Ausblenden nach festem Schema \u00fcberlegen ist. Das ist die Kontingenzforderung des Scaffoldings, angewandt auf L\u00f6sungsbeispiele. \u201eErst du \u2013 dann ich\u201c beschreibt also den Regelfall f\u00fcr Aufgabentypen, mit denen ein Kind bereits Erfahrung hat, nicht den Einstieg in einen neuen Inhalt.<\/p>\n\n\n\n
Hilfen begrenzen und Hilfesuche beobachten.<\/strong> Hilfen m\u00fcssen nicht nur individualisiert, sondern auch begrenzt sein. Daf\u00fcr gibt es zwei unterschiedliche Mechanismen. Fading, das planm\u00e4\u00dfige Zur\u00fccknehmen von Unterst\u00fctzung, richtet sich nach dem Kompetenzzuwachs: Unterst\u00fctzung wird in dem Ma\u00df zur\u00fcckgenommen, in dem das Kind die entsprechenden Schritte allein bew\u00e4ltigt, nicht danach, wie oft es um Hilfe bittet. Davon zu unterscheiden ist die Begrenzung von Hilfen bei Missbrauch. Die Forschung zu intelligenten Tutorsystemen zeigt seit Langem, dass Lernende Hilfefunktionen nicht so nutzen, wie es der Systementwurf vorsieht. Ein Teil klickt sich durch Hinweisketten bis zur L\u00f6sung, ohne die Zwischenschritte zu verarbeiten; ein anderer Teil vermeidet Hilfe genau dann, wenn sie n\u00f6tig w\u00e4re, und r\u00e4t oder arbeitet still falsch weiter (Aleven et al., 2016; \u00fcberwiegend Sekundarstufe). Adaptives Hilfesuchen ist selbst eine metakognitive F\u00e4higkeit, die Grundschulkinder erst entwickeln. Ein KI-Lernbegleiter f\u00fcr diese Altersgruppe kann sich deshalb nicht darauf verlassen, dass Kinder Hilfe anfordern, wenn sie sie brauchen. Er sollte beide Muster erkennen und unterschiedlich beantworten: bei sehr schnellen, wiederholten Hinweisanfragen ohne Bearbeitungszeit mit einer R\u00fcckfrage statt mit dem n\u00e4chsten Hinweis, bei wiederholten Fehlversuchen ohne jede Hilfeanfrage mit einem aktiv angebotenen Hinweis. Ziel ist nicht, Hilfe zu verknappen, sondern Hilfe an den richtigen Stellen nutzbar zu machen.<\/p>\n\n\n\nAnstrengung mit Untergrenze.<\/strong> Ein gewisses Ma\u00df an eigener Anstrengung ist f\u00fcr das Lernen bedeutsam, besonders beim Aufbau von Verst\u00e4ndnis. Schwierigkeiten, die Lernende mit Anstrengung bew\u00e4ltigen k\u00f6nnen, etwa verteiltes statt geblocktes \u00dcben oder das Abrufen statt des Wiederlesens, verschlechtern die Leistung w\u00e4hrend des \u00dcbens und verbessern gerade dadurch Behalten und Transfer (Bjork & Bjork, 2011). Diese Unterscheidung von \u00dcbungsleistung und Lernzuwachs ist f\u00fcr die Bewertung von KI-Lernbegleitung wichtig: Was w\u00e4hrend der Bearbeitung nach Erfolg aussieht, ist kein Beleg f\u00fcr Lernen. Der Befund von Bastani et al. (2025) ist genau dieser Fall. Lernf\u00f6rderlich sind Schwierigkeiten zudem nur unter zwei Bedingungen. Erstens muss die Schwierigkeit im Bereich des mit Unterst\u00fctzung Erreichbaren liegen. Zweitens braucht die Phase des eigenen Ringens einen Abschluss: In der Forschung zum produktiven Scheitern entsteht der Lernvorteil nicht durch das Scheitern selbst, sondern durch die anschlie\u00dfende Kl\u00e4rungs- und Systematisierungsphase (Kapur, 2016). Diese Position steht in einer bekannten Spannung zur Cognitive Load Theory, die fr\u00fch und stark anleitende Instruktion favorisiert (Kirschner et al., 2006); die Gegenposition h\u00e4lt dem entgegen, dass problemorientierte Formate keineswegs unangeleitet sind, sondern anders gest\u00fctzt werden (Hmelo-Silver et al., 2007). Die Spannung ist nicht aufgel\u00f6st, und die Befunde zum produktiven Scheitern stammen \u00fcberwiegend aus der Sekundarstufe.<\/p>\n\n\n\nF\u00fcr die Primarstufe folgt daraus eine vorsichtige Fassung mit Untergrenze. Sechs- bis Zehnj\u00e4hrige erleben ungel\u00f6ste Schwierigkeit ohne Ansprechpartner schnell als Misserfolg, nicht als Herausforderung, und ein wartender Bildschirm ist f\u00fcr ein Kind keine Denkpause, sondern eine defekte App. In der urspr\u00fcnglichen Beschreibung von Scaffolding geh\u00f6rt die Kontrolle der Frustration ausdr\u00fccklich zu den Aufgaben der unterst\u00fctzenden Person (Wood et al., 1976). Die Phase des eigenen Versuchs muss deshalb kurz und erkennbar begrenzt sein, sie braucht eine sichtbare Ausstiegsm\u00f6glichkeit, und die Unterst\u00fctzung sollte in fester Folge zunehmen: nach dem ersten erfolglosen Versuch ein aktiv angebotener, konkreterer Hinweis statt einer weiteren Frage, nach dem zweiten oder dritten ein Wechsel der Aufgabe oder der Darstellung oder ein Hinweis an die Lehrkraft. Kleinere Zahlen allein sind kein Wechsel; sie best\u00e4tigen, wie oben beschrieben, eine z\u00e4hlende Strategie. Ein Kind darf nie in einer Schleife aus R\u00fcckfragen h\u00e4ngen bleiben. Dahinter steht eine Anforderung, die sich erst aus der H\u00e4ufung ergibt: Jede einzelne Fehlerr\u00fcckmeldung kann angemessen sein und die Serie trotzdem eine Botschaft \u00fcber das Kind erzeugen, die niemand gestaltet hat. Eine Anwendung muss deshalb die Folge der R\u00fcckmeldungen mitf\u00fchren, nicht nur die einzelne. Welche Wartezeit angemessen ist, ist empirisch nicht gekl\u00e4rt; im Projekt PRIMA-KI wird das als offene Gestaltungsfrage behandelt.<\/p>\n\n\n\n
Hinzu kommt eine praktische Schwierigkeit. Kinder im Grundschulalter k\u00f6nnen oft nicht formulieren, was sie nicht verstehen, und viele lesen und schreiben noch m\u00fchsam. Ein System, das einen eigenen L\u00f6sungsversuch nur als Text oder gesprochene Erkl\u00e4rung entgegennimmt, schlie\u00dft genau die Kinder aus, die es erreichen soll. Der eigene Versuch muss deshalb auch nonverbal m\u00f6glich sein: durch Handeln mit Material, eine Skizze oder das Ausw\u00e4hlen aus mehreren dargestellten Wegen.<\/p>\n\n\n\n
Ein KI-Lernbegleiter sollte daher nach dem Prinzip \u201eErst du \u2013 dann ich\u201c arbeiten, sobald ein Kind mit einem Aufgabentyp vertraut ist. Zun\u00e4chst wird ein eigener L\u00f6sungsversuch eingefordert. Die KI kommt erst bei Bedarf hinzu, auf Anfrage oder automatisch bei Fehlern, und fragt dann nach Ideen, Teilstrategien und Beobachtungen. Erkl\u00e4rungen werden an vorhandene Verst\u00e4ndnisgrundlagen angedockt. Vollst\u00e4ndige Musterl\u00f6sungen bleiben die Ausnahme und dienen der Reflexion, nicht als prim\u00e4res Lernformat. F\u00fcr das Lob gilt eine Regel aus der Feedbackforschung: R\u00fcckmeldung soll sich auf das beziehen, was das Kind getan hat, nicht auf das, was es ist. \u201eDu hast zuerst die Zehn voll gemacht, das war hier ein guter Weg\u201c ist eine R\u00fcckmeldung, aus der ein Kind etwas mitnimmt; \u201eSuper, du bist ein Mathe-Ass\u201c ist keine. Zuschreibungen an die Person enthalten keine Information \u00fcber die Aufgabe und geh\u00f6ren zu den am wenigsten wirksamen Formen der R\u00fcckmeldung (Hattie & Timperley, 2007; Kluger & DeNisi, 1996). Bei F\u00fcnftkl\u00e4sslerinnen und F\u00fcnftkl\u00e4sslern f\u00fchrte Lob f\u00fcr Intelligenz nach einem Misserfolg zu geringerer Ausdauer und schlechteren Leistungen als Lob f\u00fcr Anstrengung (Mueller & Dweck, 1998). Ein KI-Lernbegleiter, der auf jede Eingabe mit Begeisterung reagiert, ist deshalb nicht besonders freundlich, sondern besonders inhaltsleer.<\/p>\n\n\n\n
Aktivierung: Metakognition und kritisches Pr\u00fcfen von KI-Antworten<\/h3>\n\n\n\n
Die dritte Gestaltungsebene geht \u00fcber die Dosierung von Hilfen hinaus und zielt auf die Qualit\u00e4t der kognitiven Prozesse, die durch die Interaktion angeregt werden. KI-Systeme k\u00f6nnen nicht nur Hinweise geben und Aufgaben erkl\u00e4ren. Sie k\u00f6nnen Prozesse des Planens, \u00dcberwachens und Reflektierens im Probleml\u00f6seprozess anregen, wenn sie darauf ausgelegt werden. Die systematische \u00dcbersicht von Wu et al. (2026) zeigt, dass Chatbots selbstreguliertes Lernen unterst\u00fctzen k\u00f6nnen, sofern ihre Scaffolds an Modelle des selbstregulierten Lernens gekoppelt sind. Guo et al. (2025) berichten in einer noch nicht begutachteten systematischen \u00dcbersicht, dass KI-Systeme bei Grundschulkindern die psychologischen Bed\u00fcrfnisse nach Autonomie, Kompetenz und sozialer Eingebundenheit ansprechen k\u00f6nnen, die Motivation und Engagement beeinflussen.<\/p>\n\n\n\n
Voraussetzung f\u00fcr all das ist Zielklarheit. Feedback kann nur wirken, wenn ein Kind wei\u00df, worauf es bei der Aufgabe ankommt: Soll es schnell rechnen, einen Weg begr\u00fcnden oder verschiedene Wege vergleichen? Ein KI-Lernbegleiter sollte dieses Ziel zu Beginn benennen und seine R\u00fcckmeldungen erkennbar daran ausrichten (Hattie & Timperley, 2007). Auf jede R\u00fcckmeldung muss zudem eine Gelegenheit folgen, sie zu nutzen. Ein Hinweis, nach dem die Aufgabe abgeschlossen wird und die App zur n\u00e4chsten weitergeht, wirkt nicht. Aufgaben sollten nach einem Hinweis erneut bearbeitbar bleiben, und ein Hinweis sollte eine konkrete n\u00e4chste Handlung nahelegen.<\/p>\n\n\n\n
Song et al. (2026) berichten aus einer Fallstudie in einer Mittelstufenklasse, dass Lernende ein KI-System, dem sie selbst etwas erkl\u00e4ren sollten (teachable agent), als Lernbegleiter, Moderator und Mitl\u00f6senden wahrnahmen. Ob das Prinzip des Lernens durch Erkl\u00e4ren in KI-gest\u00fctzten Umgebungen auch Lernzuw\u00e4chse erzeugt, ist damit noch nicht gekl\u00e4rt. Zugleich zeigt sich, dass viele heutige generative KI-Systeme tutorielle Aufgaben wie das gezielte Anregen von Planung, Strategieauswahl und Reflexion ohne spezielle Vorgaben oder Nachtraining nicht zuverl\u00e4ssig erf\u00fcllen und eher zu dem bereits beschriebenen preskriptiven Stil neigen (Chudziak & Kostka, 2025; Contel & Cusi, 2025). Solche Systeme m\u00fcssen also gezielt vorstrukturiert werden, damit sie metakognitive Hilfen von sich aus anbieten und nicht nur auf Fehler reagieren.<\/p>\n\n\n\n
Ein zweiter Aspekt der Aktivierung besteht darin, Kinder zur kritischen Pr\u00fcfung von KI-Antworten zu bef\u00e4higen. Er liegt streng genommen quer zum selbstregulierten Lernen, weil er nicht die Steuerung des eigenen Lernprozesses betrifft, sondern den Umgang mit einer fehlbaren Informationsquelle. F\u00fcr das Lernen mit KI geh\u00f6rt er dennoch hierher, weil beides dieselbe Haltung verlangt: das eigene Vorgehen und das des Systems nicht ungepr\u00fcft hinzunehmen. In einer Studie mit 77 Kindern der Jahrgangsstufen 3 bis 5, die mit einem sprachmodellgest\u00fctzten Roboter Mathematikaufgaben bearbeiteten, konnten die meisten Kinder korrekte von fehlerhaften Antworten unterscheiden (Helal et al., 2024). Diese F\u00e4higkeit hing allerdings deutlich davon ab, ob sie die Aufgabe selbst l\u00f6sen konnten. Die kritische Pr\u00fcfung von KI-Antworten setzt fachliches Wissen voraus und ersetzt es nicht. Eine eigene Beobachtung passt dazu: Bei einem Mathetag an einer Grundschule<\/a> im Januar 2026 forderten Kinder der dritten und vierten Klasse an einer Station einen f\u00fcr sie entwickelten Chatbot mit Aufgaben heraus, die sie selbst sicher l\u00f6sen konnten, und pr\u00fcften seine Antworten nach. Dass sich die KI verrechnete, erstaunte die Kinder und f\u00fchrte im Verlauf der Station zu einer pr\u00fcfenden Haltung. Das ist eine Beobachtung an einem einzelnen Tag, keine Erhebung, und aus ihr folgt keine stabile F\u00e4higkeit. Kritisches Pr\u00fcfen von KI-Antworten muss deshalb an Inhalten ge\u00fcbt werden, die die Kinder sicher beherrschen, bevor es auf neue Inhalte \u00fcbertragen wird. Diese F\u00e4higkeit k\u00f6nnen Kinder bereits in der Primarstufe \u00fcben; sie begegnen KI-generierten Inhalten im Alltag zunehmend (Yim & Su, 2025).<\/p>\n\n\n\nEin KI-Lernbegleiter kann als metakognitiver Partner konzipiert werden, der diese Prozesse anregt. F\u00fcr die Primarstufe m\u00fcssen die Fragen an etwas Sichtbarem ansetzen: \u201eWas ist bei diesen drei Aufgaben gleich?\u201c, \u201eHast du gez\u00e4hlt oder von einer Aufgabe abgeleitet, die du schon kennst?\u201c, \u201eZeig mir, wo die 8 in deiner Zeichnung steckt.\u201c, \u201eIst dein Ergebnis gr\u00f6\u00dfer oder kleiner als 100? Wie kannst du das schnell sehen?\u201c Offene Reflexionsfragen wie \u201eWas ist dir aufgefallen?\u201c setzen sprachliche und metakognitive Mittel voraus, \u00fcber die j\u00fcngere Kinder oft noch nicht verf\u00fcgen; sie funktionieren erst, wenn sie sich auf einen konkreten Gegenstand vor dem Kind beziehen. Das System regt die Reflexion \u00fcber Fehler an (\u201eWelche Idee von vorher k\u00f6nnte hier helfen?\u201c) und kann, wo sinnvoll, Elemente des Zur\u00fcckerkl\u00e4rens einbauen: Kinder erkl\u00e4ren der KI, was sie verstanden haben, und die KI fragt nach und vertieft. Dadurch regt das System eigene Erkl\u00e4rungen, Pr\u00fcfungen und Reflexionen an, statt selbst als allwissende Instanz aufzutreten.<\/p>\n\n\n\n
F\u00fcr die Primarstufe ist dieses Prinzip zugleich das am wenigsten gesicherte. Die Befunde zum selbstregulierten Lernen mit KI stammen fast ausschlie\u00dflich aus Sekundarstufe und Hochschule.<\/p>\n\n\n\n
Einbettung: Hybride Arrangements und die Rolle der Lehrkraft<\/h3>\n\n\n\n
Die vierte Gestaltungsebene betrifft den Rahmen, in dem KI-Lernbegleitung stattfindet. Mehrere Studien berichten Vorteile hybrider Arrangements, in denen KI die Lehrkraft nicht ersetzt, sondern entlastet, etwa durch passgenaue Scaffolds im Probleml\u00f6seprozess oder Echtzeit-Analysen, damit Lehrkr\u00e4fte mehr Zeit f\u00fcr p\u00e4dagogische Interaktion und Beziehungsgestaltung haben (Wezendonk & Veldhuis, 2024; Gonnermann-M\u00fcller et al., 2025, Preprint). Eine allgemeine \u00dcberlegenheit gegen\u00fcber gut gestaltetem rein menschlichem oder rein KI-gest\u00fctztem Feedback ist damit nicht belegt.<\/p>\n\n\n\n
Ein exploratives Pilotprojekt des Anbieters Eedi mit Google DeepMind in f\u00fcnf britischen Sekundarschulklassen mit 165 Sch\u00fclerinnen und Sch\u00fclern berichtet in einer Pressemitteilung (Eedi & Google DeepMind, 2025), dass ein Hybridarrangement aus KI-Vorschl\u00e4gen und menschlicher Tutorin gegen\u00fcber einem Standardhinweis einen Zuwachs von 10 Prozentpunkten bei der \u00dcbertragung auf neue Aufgaben erzielte, gegen\u00fcber 4,5 Prozentpunkten bei rein menschlicher Unterst\u00fctzung. Die Tutorinnen und Tutoren griffen dabei vor allem ein, um das Tempo der KI zu bremsen und ihren Ton abzumildern. Die Ergebnisse sind nicht begutachtet, stammen vom Anbieter selbst und sind vorl\u00e4ufig zu lesen. In der Meta-Analyse von Kaliisa et al. (2026) \u00fcber 41 Studien mit 4813 \u00fcberwiegend \u00e4lteren Lernenden lie\u00df sich zwischen KI-generiertem und menschlichem Feedback kein signifikanter Unterschied in der Lernleistung nachweisen (g = 0,25, nicht signifikant, bei sehr unterschiedlichen Einzelbefunden). Daraus folgt nicht unmittelbar, dass die Kombination beider Formen besser ist. Plausibel ist die Annahme, weil beide Formen unterschiedliche St\u00e4rken haben: KI-Feedback ist unmittelbar verf\u00fcgbar und niedrigschwellig, Lehrkraft-Feedback ordnet ein und kennt das Kind. Ob die Kombination mehr leistet als jede Form f\u00fcr sich, ist eine offene Forschungsfrage. Dass der Tr\u00e4ger der Unterst\u00fctzung weniger entscheidet als ihre Gestaltung, ist kein neuer Befund: Schon f\u00fcr regelbasierte Tutorsysteme fand VanLehn (2011), dass gut gebaute Systeme in der Gr\u00f6\u00dfenordnung menschlicher Einzeltutoren wirken (d = 0,76 gegen\u00fcber d = 0,79) und dass die oft zitierte \u00dcberlegenheit menschlichen Tutorings um zwei Standardabweichungen empirisch nicht haltbar ist. Cosentino et al. (2025) sehen in hybriden Feedback-Modellen das Potenzial, die kognitive Belastung zu reduzieren und differenzierte Informationsverarbeitung zu unterst\u00fctzen.<\/p>\n\n\n\n
Ein Gegenbeispiel zur pauschalen Hybrid-Annahme liefern Kestin et al. (2025). In einem randomisierten Kontrollversuch mit Physikstudierenden einer hochselektiven Hochschule lernten die Teilnehmenden mit einem nach didaktischen Prinzipien gestalteten KI-Tutor in k\u00fcrzerer Zeit signifikant mehr als in einer Pr\u00e4senzstunde mit aktivierenden Methoden. Der Befund betrifft eine einzelne Lerneinheit im Hochschulkontext und l\u00e4sst sich nicht auf den Grundschulunterricht \u00fcbertragen. Er zeigt aber, dass gut gestaltete KI-Unterst\u00fctzung nicht grunds\u00e4tzlich auf menschliche Rahmung angewiesen ist. Ein weiterer Befund betrifft die Unterst\u00fctzung der Lehrenden selbst. Tutor CoPilot (Wang et al., 2024, Preprint) unterst\u00fctzt Tutorinnen und Tutoren eines Online-Nachhilfeprogramms in Echtzeit mit Formulierungsvorschl\u00e4gen. In einem randomisierten Kontrollversuch mit 900 Tutorinnen und Tutoren und 1800 Sch\u00fclerinnen und Sch\u00fclern der Klassenstufen K\u201312 stieg die Wahrscheinlichkeit, ein Thema zu beherrschen, um 4 Prozentpunkte, bei zuvor schw\u00e4cher bewerteten Tutorinnen und Tutoren um 9 Prozentpunkte. Die Analyse der Nachrichten zeigt, dass sie h\u00e4ufiger leitende Fragen stellten und seltener pauschal lobten.<\/p>\n\n\n\n
Aus der Perspektive der hybriden Einbettung ergeben sich mehrere Konsequenzen f\u00fcr das Systemdesign. Die Generierung von Feedback muss auf fachdidaktisch fundierten Informationen beruhen. Lehrkr\u00e4fte ben\u00f6tigen Einblick in den Interaktionsverlauf und Einstellungsm\u00f6glichkeiten. Die Forschung zu \u00dcbersichtsanzeigen f\u00fcr Lehrkr\u00e4fte (Dashboards) zeigt, dass deren Nutzen von der Deutungsarbeit der Lehrkraft abh\u00e4ngt. In einer Beobachtungsstudie in 38 Mathematikstunden der Grundschule konsultierten Lehrkr\u00e4fte die Anzeige im Mittel 8,3-mal pro Stunde und leiteten daraus vor allem aufgaben- und prozessbezogene R\u00fcckmeldungen ab (Molenaar & Knoop-van Campen, 2019). Die angezeigten Daten wirken also nicht von selbst, sondern \u00fcber das, was die Lehrkraft mit ihnen anf\u00e4ngt. Das legt nahe, Anzeigen zu priorisieren, statt Verlaufsdaten zu h\u00e4ufen: Welches Kind braucht jetzt die Lehrkraft, und warum? In einer Studie mit Mittelstufenklassen, in der ein Werkzeug den Lehrkr\u00e4ften anzeigte, welche Kinder im Tutorsystem gerade Hilfe brauchten, lernten die Kinder mehr als ohne diese Anzeige (Holstein et al., 2018). Ein direkter Vergleich beider Anzeigeformen liegt nicht vor. Eine \u00dcbersichtsanzeige f\u00fcr die Grundschule sollte deshalb weniger Verlaufsdaten und mehr handlungsleitende Hinweise enthalten und im laufenden Unterricht in Sekunden erfassbar sein. Die KI kann Vorschl\u00e4ge f\u00fcr Aufgaben, Hilfen oder erste Diagnosen machen; die Entscheidung bleibt beim Menschen. Aussichtsreich ist vor allem die Unterst\u00fctzung auf Aufgabenebene beim Probleml\u00f6sen. In einer heterogenen Klasse erreichen Lehrkr\u00e4fte dort oft nicht alle Kinder rechtzeitig. Im systematischen Review von Eti et al. (2026) werden vor allem solche Systeme als erfolgreich beschrieben, die Fehlvorstellungen erkennen, passende Hinweise geben und Lernende schrittweise zu selbstst\u00e4ndigem Probleml\u00f6sen f\u00fchren; ein Wirksamkeitsvergleich zwischen diesen und anderen Gestaltungen liegt der \u00dcbersicht nicht zugrunde.<\/p>\n\n\n\n
Die Einbindung von Lehrkr\u00e4ften in Entwicklung und Einsatz von KI-Tutorsystemen bleibt bisher oft unzureichend mitgedacht. Guerino et al. (2023) sowie Wezendonk und Veldhuis (2024) betonen, dass lehrkraftzentrierte Gestaltungsans\u00e4tze und Programme zur KI-Kompetenz von Lehrkr\u00e4ften notwendig sind, um die Integration in den Unterricht und die Akzeptanz zu sichern. Professionalisierung und Fortbildung zur Einbindung und Pr\u00fcfung von KI sind Voraussetzung f\u00fcr einen verantwortlichen Einsatz (Holmes et al., 2019; KMK, 2024; Wang & Nie, 2023) und geh\u00f6ren in die Lehrkr\u00e4fteaus- und -weiterbildung. Fortbildung sollte technische Grundlagen sowie p\u00e4dagogische Chancen, Risiken und Pr\u00fcfkriterien umfassen. Grundlage bleibt das fachdidaktische Wissen, mit dem Lehrkr\u00e4fte die KI als Assistenz im Lernarrangement pr\u00fcfen und einordnen.<\/p>\n\n\n\n
KI als Ansto\u00df f\u00fcr mathematische Aktivit\u00e4ten mit Material<\/h2>\n\n\n\n
Die Gestaltungsprinzipien beschreiben, wie KI-Lernbegleitung in der Interaktion zwischen System und Kind funktionieren sollte. Ebenso wichtig ist, wie sich diese Interaktion in das Gesamtarrangement mathematischen Lernens einf\u00fcgt. KI soll nicht dazu f\u00fchren, dass Kinder nur noch auf Bildschirme schauen. Forschung zu gegenst\u00e4ndlichen Bedienoberfl\u00e4chen (Tangible Interfaces) und sozialen Robotern zeigt, dass KI auch Interaktion in der physischen Welt anregen kann (Ligthart et al., 2023). KI sollte als Ansto\u00df f\u00fcr mathematische Aktivit\u00e4ten dienen und dabei den Wechsel zwischen den Darstellungsebenen unterst\u00fctzen: zwischen Handlung am Material (enaktiv), Bild und Skizze (ikonisch) sowie Zahl, Term und Sprache (symbolisch; Bruner, 1966). Lernwirksam ist weniger die einzelne Ebene als der \u00dcbersetzungsprozess zwischen ihnen, in der deutschen Didaktik als intermodaler Transfer bezeichnet (Wartha & Schulz, 2012). Der produktivste Impuls eines KI-Systems ist deshalb h\u00e4ufig keine Erkl\u00e4rung, sondern eine Aufforderung zum Darstellungswechsel: \u201eKannst du das mit den Pl\u00e4ttchen legen?\u201c, \u201eZeichne, was du gerechnet hast.\u201c, \u201eWo steckt die 7 in deiner Zeichnung?\u201c Solche Impulse verlagern die Denkarbeit zur\u00fcck zum Kind und verlassen zugleich den Bildschirm.<\/p>\n\n\n\n
Die KI kann Handlungen mit Material sowie Skizzen, Notizen oder Fotos einbeziehen und dazu Fragen stellen, beispielsweise beim Modellieren von Sachaufgaben in der App Rechengeschichten<\/a>. Dort k\u00f6nnen neben der Spracheingabe auch Skizzen, Notizen und Fotos der Modellierung mit dem KI-Lernbegleiter besprochen werden. Gerade Sachaufgaben zeigen, wie fein die Grenze zwischen Unterst\u00fctzung und \u00dcbernahme verl\u00e4uft. Kinder scheitern hier selten am Rechnen, h\u00e4ufiger am sinnentnehmenden Lesen, an unbekannten W\u00f6rtern, an Signalwortstrategien wie \u201ezusammen hei\u00dft plus\u201c und daran, das Ergebnis auf seine Sinnhaftigkeit zu pr\u00fcfen. Ein KI-Lernbegleiter kann sprachlich entlasten, indem er vorliest, ein Wort erkl\u00e4rt, die Situation nachfragt oder bei Kindern mit Deutsch als Zweitsprache in der Erstsprache nachfragt, ohne die mathematische Struktur vorwegzunehmen. Formuliert er die Aufgabe dagegen so um, dass die Rechenoperation bereits erkennbar ist, entf\u00e4llt genau die Leistung, um die es geht. Eine R\u00fcckfrage in der Erstsprache setzt zudem zweierlei voraus: dass sie als Einstiegshilfe und nicht als Dauerl\u00f6sung gedacht ist, weil der Aufbau der deutschen Fachsprache selbst zum Lernziel geh\u00f6rt, und dass die Lehrkraft den Verlauf nachvollziehen kann, etwa \u00fcber eine mitgef\u00fchrte deutsche Fassung. F\u00fcr die Praxis ergibt sich daraus eine einfache Pr\u00fcffrage: Nimmt die KI dem Kind das Lesen ab oder das Modellieren?<\/p>\n\n\n\nDie Spracheingabe ist dabei ein empfindlicher Punkt. Kinderstimmen werden von automatischer Spracherkennung deutlich schlechter erkannt als Erwachsenenstimmen; g\u00e4ngige Modelle erreichen bei Kindersprache Wortfehlerraten, die deutlich \u00fcber denen bei Erwachsenen liegen, untersucht bislang vor allem f\u00fcr englischsprachige Kinder (Attia et al., 2024), verst\u00e4rkt durch Dialekt, Mehrsprachigkeit und Ger\u00e4usche im Klassenraum. Ein Erkennungsfehler bleibt f\u00fcr das nachgeschaltete Sprachmodell unsichtbar. Es deutet das Missverstandene als inhaltliche \u00c4u\u00dferung und im ung\u00fcnstigen Fall als Fehlvorstellung. Systeme f\u00fcr die Primarstufe sollten deshalb Unsicherheit sichtbar machen und r\u00fcckfragen, statt zu deuten: Sie zeigen oder lesen vor, was verstanden wurde, und lassen das Kind korrigieren, bevor das Sprachmodell darauf antwortet.<\/p>\n\n\n\n
F\u00fcr den Primarbereich liegen deutlich weniger Studien vor als f\u00fcr Sekundarstufe und Hochschule. Die vorhandenen Ergebnisse stimmen vorsichtig optimistisch: Die Meta-Analyse von Hwang (2022) findet f\u00fcr regelbasierte KI-Systeme in der Grundschulmathematik einen kleinen positiven Effekt (g = 0,35), und die wenigen Studien zu dialogischen Systemen deuten darauf hin, dass Kinder profitieren, wenn die Lernumgebung sinnvoll gestaltet ist und digitale Begleitung mit analogem Arbeiten verkn\u00fcpft wird (Kuo et al., 2026; Liu et al., 2025; Ruan et al., 2020, dort mit menschengesteuertem Chatbot). Eine explorative Fallstudie mit zwei sechsj\u00e4hrigen Kindern (Rumbelow & Coles, 2024) beschreibt, wie eine App zur Objekterkennung von Cuisenaire-St\u00e4ben bei einem der beiden Kinder innerhalb weniger Minuten einen Wechsel von der Deutung der St\u00e4be als Z\u00e4hleinheiten hin zur Deutung als L\u00e4ngen anstie\u00df; beim zweiten Kind trat dieser Wechsel nicht ein. Solche Ergebnisse sind Hinweise auf ein Gestaltungspotenzial, keine Wirksamkeitsbelege. \u00dcbertragen auf g\u00e4ngiges Material im deutschen Anfangsunterricht hie\u00dfe das: Ein Kind legt eine Aufgabe mit Wendepl\u00e4ttchen am Zwanzigerfeld, fotografiert die Legung, und das System fragt nach, statt zu bewerten: \u201eWelche Aufgabe hast du hier gelegt?\u201c, \u201eWarum hast du f\u00fcnf und f\u00fcnf zusammengeschoben?\u201c Der Gewinn liegt nicht in der Erkennung selbst, sondern darin, dass das Kind sein Handeln versprachlichen muss. Das Foto soll die Handlung dokumentieren, nicht ersetzen. Wie verl\u00e4sslich die Erkennung gelingt, h\u00e4ngt vom Material ab: Klar unterscheidbares strukturiertes Material wird gut erkannt, w\u00e4hrend handgezeichnete Skizzen, Kinderhandschrift und vor allem das genaue Z\u00e4hlen von Objekten f\u00fcr heutige Bildmodelle noch fehleranf\u00e4llig sind.<\/p>\n\n\n\n
KI-gest\u00fctztes \u00dcben kann die Automatisierung von Rechens\u00e4tzen unterst\u00fctzen; eine kleinere, in einer wenig verbreiteten Zeitschrift ver\u00f6ffentlichte Studie mit achtj\u00e4hrigen Kindern \u00fcber sechs Wochen berichtet gr\u00f6\u00dfere Fl\u00fcssigkeitsgewinne als beim reinen Auswendiglernen (Samuelsson, 2023). F\u00fcr die Primarstufe ist dabei die Reihenfolge entscheidend: Automatisierung setzt Verst\u00e4ndnis und ableitende Strategien voraus. Bei Kindern, die noch z\u00e4hlend rechnen, ist \u00dcbung unter Zeitdruck nicht nur wenig wirksam, sondern kann die z\u00e4hlende Strategie verfestigen und Vermeidungsverhalten verst\u00e4rken (Gaidoschik, 2010; Wartha & Schulz, 2012). Ein KI-Lernbegleiter m\u00fcsste daher unterscheiden k\u00f6nnen, ob ein Kind eine Aufgabe z\u00e4hlend oder ableitend l\u00f6st, und im ersten Fall nicht Tempo, sondern Strategieaufbau adressieren, etwa \u00fcber die Kraft der F\u00fcnf, das Verdoppeln oder das Zerlegen am Zwanzigerfeld. Adaptive Systeme f\u00fcr Kinder mit Rechenschwierigkeiten werden in Prototypenstudien erprobt (Hocine et al., 2023). Spielerische Ans\u00e4tze sind ebenfalls untersucht: Sayed et al. (2022) berichten Verbesserungen besonders bei leistungsschw\u00e4cheren Sch\u00fclerinnen und Sch\u00fclern durch adaptive, spielerische Inhalte.<\/p>\n\n\n\n
Kinder sollen mathematische Aussagen, auch und gerade von KI, kritisch pr\u00fcfen, begr\u00fcnden und miteinander diskutieren (Kortenkamp, 2024; Aufenanger et al., 2023). KI-Lernbegleitung in der Grundschule sollte daher vor allem als Ansto\u00df f\u00fcr reichhaltige mathematische Aktivit\u00e4ten dienen, die digitale und analoge Handlungen miteinander verbinden und an fachdidaktischen \u00dcberlegungen ausgerichtet sind.<\/p>\n\n\n\n
Wann auf KI-Lernbegleitung verzichtet werden sollte<\/h2>\n\n\n\n
Aus den vier Prinzipien folgt spiegelbildlich, in welchen Situationen ein Einsatz derzeit nicht sinnvoll ist. Vor jeder Frage nach der Gestaltung steht die Frage, ob KI hier etwas leistet, das Material, Gespr\u00e4ch und eigenes Probieren nicht leisten. Ein Kind, das Zahlen zerlegt, braucht Pl\u00e4ttchen und eine Frage, keinen Chatbot.<\/p>\n\n\n\n
Beim erstmaligen Aufbau von Grundvorstellungen mit Material tritt der Bildschirm in Konkurrenz zur Handlung und zum Gespr\u00e4ch. Hier ist die Lehrkraft die passendere Instanz; KI kann allenfalls im Anschluss zur Versprachlichung des Gehandelten beitragen.<\/p>\n\n\n\n
Bei Aufgaben, deren Lernwert gerade im eigenst\u00e4ndigen Ringen liegt, etwa offene Problemstellungen, verk\u00fcrzt jede sofort verf\u00fcgbare Hilfe genau den Prozess, um den es geht. Hier ist die Lehrkraft, die Zeit gibt und im richtigen Moment nachfragt, dem System \u00fcberlegen.<\/p>\n\n\n\n
Bei diagnostischen Einsch\u00e4tzungen mit Folgen, etwa F\u00f6rderentscheidungen, dem Verdacht auf Rechenschwierigkeiten oder der Leistungsbewertung, ist eine KI-gest\u00fctzte Einsch\u00e4tzung bestenfalls ein Hinweis, nie eine Grundlage. Die Verantwortung liegt bei der Lehrkraft.<\/p>\n\n\n\n
Wenn die Lehrkraft keinen Zugriff auf den Interaktionsverlauf hat, entf\u00e4llt das vierte Prinzip. Eine unbeaufsichtigte KI-Lernbegleitung in der Primarstufe, deren Ausgaben niemand pr\u00fcft, ist nach dem gegenw\u00e4rtigen Kenntnisstand nicht zu verantworten.<\/p>\n\n\n\n
Schlie\u00dflich entstehen zus\u00e4tzliche H\u00fcrden statt Unterst\u00fctzung, wenn die sprachlichen Voraussetzungen der Kinder eine dialogische Interaktion nicht zulassen, etwa bei geringer Lesekompetenz ohne verl\u00e4ssliche Sprachausgabe oder bei unzuverl\u00e4ssiger Spracherkennung. Die St\u00e4ndige Wissenschaftliche Kommission der Kultusministerkonferenz (SWK, 2024) empfiehlt f\u00fcr die Grundschule eine weitgehende Abstinenz von Sprachmodellen und stattdessen den systematischen Aufbau basaler Lese- und Schreibkompetenzen; eine regul\u00e4re Nutzung sieht sie erst ab Klasse 8 vor. Die hier beschriebenen Prinzipien beziehen sich nicht auf den freien Zugang zu einem Chatbot, den die SWK im Blick hat, sondern auf eng vorstrukturierte, in eine Lernanwendung eingebettete Systeme. Ob eine solche Einbettung die Bedenken der SWK ausr\u00e4umt, ist eine offene Frage; die vorliegenden Befunde sprechen daf\u00fcr, dass es auf genau diese Vorstrukturierung ankommt.<\/p>\n\n\n\n
Was du als Lehrkraft pr\u00fcfen kannst<\/h2>\n\n\n\n
Die vier Prinzipien lassen sich in Fragen \u00fcbersetzen, mit denen du einen KI-Lernbegleiter im Schulalltag beurteilen kannst. Ein einfaches Verfahren: Bearbeite die App selbst und gib dabei bewusst die Fehler ein, die du aus deiner Klasse kennst.<\/p>\n\n\n\n
\n- Fundierung.<\/strong> Gib eine typische Fehlvorstellung ein, etwa 42 \u2212 8 = 46 (das Kind zieht ziffernweise die kleinere von der gr\u00f6\u00dferen Ziffer ab), oder antworte auf die Frage, wie viele Zehner in 240 stecken, mit \u201evier\u201c statt \u201e24\u201c. Erkennt das System, welche Vorstellung dahintersteckt, oder meldet es nur \u201efalsch, versuch es noch einmal\u201c? Schl\u00e4gt es bei einer Aufgabe wie 8 + 6 vor, weiterzuz\u00e4hlen, statt eine ableitende Strategie anzuregen? Dann ist es f\u00fcr Kinder mit Rechenschwierigkeiten nicht geeignet. Bei 8 + 1 ist Weiterz\u00e4hlen dagegen unbedenklich; entscheidend ist, ob das System dort z\u00e4hlen l\u00e4sst, wo eine Strategie zur Verf\u00fcgung st\u00fcnde.<\/li>\n\n\n
- Dosierung.<\/strong> Fordere f\u00fcnfmal hintereinander einen Hinweis an, ohne selbst etwas zu rechnen. Gibt das System irgendwann die L\u00f6sung heraus? Fragt es nach einer eigenen Idee? Ein System, das auf Knopfdruck beliebig oft L\u00f6sungen liefert, wird in der Klasse genau so genutzt werden. Pr\u00fcfe auch den umgekehrten Fall: Was passiert, wenn du dreimal denselben Fehler machst, ohne Hilfe anzufordern? Und lass dich nicht davon beeindrucken, dass Kinder in einer App sichtbar viel richtig machen; \u00dcbungserfolg mit Hilfe ist kein Beleg f\u00fcr Lernen.<\/li>\n\n\n
- Aktivierung.<\/strong> Gib eine richtige Antwort mit falscher Begr\u00fcndung ein. Reagiert das System auf die Begr\u00fcndung oder nur auf das Ergebnis? Lobt es alles? Widerspricht es, wenn du eine falsche Behauptung \u00fcberzeugt vortr\u00e4gst?<\/li>\n\n\n
- Einbettung.<\/strong> Siehst du, welche Hilfen ein Kind bekommen hat? Kannst du Funktionen abschalten? Kannst du die R\u00fcckmeldungen einer Stunde in den Tagen danach nachlesen, bevor du mit dem Kind sprichst? Nimmt die KI dem Kind bei Sachaufgaben das Lesen ab oder das Modellieren?<\/li>\n\n<\/ul>\n\n\n\n
- \n
- Cognitive Load Theory und Expertise-Umkehr<\/a><\/li>\n\n\n
- Zone der n\u00e4chsten Entwicklung und Scaffolding<\/a><\/li>\n\n\n
- Prozedurales und konzeptuelles Wissen<\/a><\/li>\n\n\n
- Selbstreguliertes Lernen und Metakognition<\/a><\/li>\n\n\n
- Was ein System daf\u00fcr braucht<\/a><\/li>\n\n<\/ul>\n<\/li>\n\n\n
- Das Risiko der Auslagerung von Denkarbeit<\/a>\n
- \n
- Cognitive Offloading: Auslagerung kognitiver Anstrengung<\/a><\/li>\n\n\n
- H\u00f6flichkeit und p\u00e4dagogische Qualit\u00e4t von Sprachmodellen<\/a><\/li>\n\n\n
- Die Spannung zwischen wirksamer Hilfe und eigenst\u00e4ndigem Denken<\/a><\/li>\n\n<\/ul>\n<\/li>\n\n\n
- Vier Gestaltungsprinzipien<\/a>\n
- \n
- Fundierung: Fachdidaktisches Wissen als Voraussetzung<\/a><\/li>\n\n\n
- Dosierung: Adaptives Scaffolding und das Prinzip \u201eErst du \u2013 dann ich\u201c<\/a><\/li>\n\n\n
- Aktivierung: Metakognition und kritisches Pr\u00fcfen von KI-Antworten<\/a><\/li>\n\n\n
- Einbettung: Hybride Arrangements und die Rolle der Lehrkraft<\/a><\/li>\n\n<\/ul>\n<\/li>\n\n\n
- KI als Ansto\u00df f\u00fcr mathematische Aktivit\u00e4ten mit Material<\/a><\/li>\n\n\n
- Wann auf KI-Lernbegleitung verzichtet werden sollte<\/a><\/li>\n\n\n
- Was du als Lehrkraft pr\u00fcfen kannst<\/a><\/li>\n\n\n
- Zentrale Belege im \u00dcberblick<\/a><\/li>\n\n\n
- Konsequenzen f\u00fcr die technische Umsetzung<\/a><\/li>\n\n\n
- Ethische Anforderungen an KI-Lernbegleitung<\/a><\/li>\n\n\n
- Das SKILL-Modell als Orientierungsrahmen<\/a><\/li>\n\n\n
- Bilanz und offene Fragen<\/a><\/li>\n\n<\/ul>\n\n\n\n
Die Ausgangslage<\/h2>\n\n\n\n
Generative K\u00fcnstliche Intelligenz wird im Bildungsdiskurs mit gro\u00dfen Erwartungen oder mit ebenso gro\u00dfen Bef\u00fcrchtungen verbunden. Inzwischen liegen zahlreiche, methodisch und inhaltlich sehr unterschiedliche Studien vor, die f\u00fcr die Gestaltung von KI-Lernbegleitung erste Folgerungen zulassen. Meta-Analysen berichten positive Effekte KI-gest\u00fctzter Systeme auf Lernleistungen, Motivation und h\u00f6here Denkprozesse (Wang & Fan, 2025; Deng et al., 2025; Alemdag, 2025; Wu & Yu, 2024; Zheng, Niu, et al., 2023). Eine Meta-Analyse zu generativer KI in der Mathematik \u00fcber 22 Studien mit 46 unabh\u00e4ngigen Stichproben findet einen mittleren Effekt von g = 0,53 (Liu et al., 2026). Zur Einordnung: g und d sind standardisierte Effektst\u00e4rken, bei denen 0,2 als klein, 0,5 als mittel und 0,8 als gro\u00df gilt; r ist ein Korrelationskoeffizient zwischen \u22121 und 1. Dieselbe Analyse berichtet allerdings gr\u00f6\u00dfere Effekte bei kleineren Stichproben, ein bekanntes Anzeichen f\u00fcr Publikationsverzerrung. Die positiven Effekte treten zudem unter sehr unterschiedlichen Bedingungen auf, und einige Studiendesigns sind methodisch fragw\u00fcrdig. Bei der Interpretation sind daher m\u00f6gliche Verzerrungen und die Qualit\u00e4t der eingeschlossenen Studien zu ber\u00fccksichtigen.<\/p>\n\n\n\n
Die Wirkungsbilanz f\u00e4llt zudem je nach Systemtyp und Vergleichsbedingung sehr unterschiedlich aus. F\u00fcr intelligente Tutorsysteme, die regelbasierten Vorl\u00e4ufer heutiger KI-Lernbegleiter, fand die Meta-Analyse von Steenbergen-Hu und Cooper (2013) \u00fcber 34 unabh\u00e4ngige Stichproben in der Mathematik der Klassenstufen 1 bis 12 im Vergleich zu regul\u00e4rem Unterricht nur sehr kleine mittlere Effekte (g = 0,01 bis 0,09). Ma et al. (2014) berichten \u00fcber alle Altersstufen hinweg g = 0,42 gegen\u00fcber lehrergeleitetem Klassenunterricht, aber keinen Vorteil gegen\u00fcber individuellem menschlichem Tutoring (g = \u22120,11); Steenbergen-Hu und Cooper (2014) finden f\u00fcr Studierende g = 0,32 bis 0,37. Diese Zahlen sind wegen der unterschiedlichen Vergleichsbedingungen nicht direkt vergleichbar. Ein einfaches Gef\u00e4lle nach Alter l\u00e4sst sich daraus nicht ableiten; die Befundlage ist heterogen, und gerade die methodisch strenge Schulanalyse d\u00e4mpft die Erwartungen am st\u00e4rksten.<\/p>\n\n\n\n
Eine systematische \u00dcbersicht zu KI-gest\u00fctzten Tutorsystemen im Schulbereich (L\u00e9tourneau et al., 2025) zeigt zudem, dass nur 4 der 28 eingeschlossenen Studien (14 %) Grundschulkinder betreffen. Die weit \u00fcberwiegende Mehrheit der vorliegenden Studien wurde mit \u00e4lteren Sch\u00fclerinnen und Sch\u00fclern oder Studierenden durchgef\u00fchrt (Liu et al., 2026; Son, 2024). F\u00fcr die Primarstufe liegen durchaus Studien vor. Hwang (2022) hat 21 Studien mit 30 Stichproben aus den Jahren 2000 bis 2022 zur Grundschulmathematik meta-analytisch zusammengefasst und findet einen kleinen Effekt (g = 0,35), allerdings vor der Verbreitung generativer Sprachmodelle; die Studien betreffen \u00fcberwiegend regelbasierte adaptive Systeme. Studien, die dialogische, sprachmodellbasierte Lernbegleitung mit Grundschulkindern \u00fcber l\u00e4ngere Zeit und mit Lernzuwachs als Ergebnisma\u00df untersuchen, sind bisher selten (Kuo et al., 2026; Liu et al., 2025; Listyaningrum et al., 2024). Viele der folgenden Ableitungen st\u00fctzen sich daher weniger auf direkte Studienergebnisse f\u00fcr diese Zielgruppe als auf theoretische Modelle und auf Befunde aus \u00e4lteren Altersgruppen. Wo ein Befund aus Sekundarstufe, Hochschule oder Erwachsenenstichproben stammt, wird das im Text jeweils genannt. Dieser Beitrag sichtet und ordnet die vorliegenden Erkenntnisse und macht sie f\u00fcr den Mathematikunterricht der Grundschule nutzbar.<\/p>\n\n\n\n
Digitale Medien haben f\u00fcr sich genommen keinen Lerneffekt, und f\u00fcr KI gilt dasselbe. Ein \u201eLerneffekt mit KI\u201c ist keine Eigenschaft der Technologie. Zu fragen ist nach der jeweiligen Lernumgebung und ihrer didaktischen Vorstrukturierung (Dinsmore & Fryer, 2026; Weidlich et al., 2025). Der Beitrag fragt deshalb, unter welchen Bedingungen KI-gest\u00fctzte Lernbegleitung mathematische Lernprozesse in der Primarstufe unterst\u00fctzt und wann auf ihren Einsatz verzichtet werden sollte.<\/p>\n\n\n\n
Im Folgenden bezeichnet \u201eKI-Lernbegleitung\u201c das Gesamtarrangement aus System, Aufgabe und Unterricht und \u201eKI-Lernbegleiter\u201c das konkrete System im Einsatz mit Kindern. \u201eIntelligente Tutorsysteme\u201c meint die \u00e4ltere, regelbasierte Systemfamilie, auf die sich ein Teil der zitierten Forschung bezieht. Wo eine Quelle von \u201eKI-Tutor\u201c oder \u201eChatbot\u201c spricht, wird ihre Bezeichnung \u00fcbernommen.<\/p>\n\n\n\n
Diese \u00dcberlegungen bilden die Grundlage f\u00fcr die Entwicklung und Erprobung appintegrierter KI-Lernbegleitung im Projekt PRIMA-KI<\/a>. Sie sind ausdr\u00fccklich nicht endg\u00fcltig, sondern werden mit neuen KI-Modellen, neuen empirischen Befunden und den darauf aufbauenden p\u00e4dagogischen Anwendungen weiterentwickelt.<\/p>\n\n\n\n
Theoretischer Rahmen<\/h2>\n\n\n\n
Vier theoretische Perspektiven strukturieren die folgenden Gestaltungsprinzipien: die Cognitive Load Theory, die Zone der n\u00e4chsten Entwicklung mit dem Konzept des Scaffoldings, die Unterscheidung von prozeduralem und konzeptuellem Wissen sowie Modelle des selbstregulierten Lernens. Hinzu kommt eine Rahmenperspektive: Unterst\u00fctzung wirkt nicht im einzelnen Medium, sondern im gesamten Lernarrangement.<\/p>\n\n\n\n
Cognitive Load Theory und Expertise-Umkehr<\/h3>\n\n\n\n
Die Cognitive Load Theory (Sweller, 2020; Sweller et al., 2019) beschreibt die begrenzte Kapazit\u00e4t des Arbeitsged\u00e4chtnisses als Rahmenbedingung f\u00fcr die Gestaltung von Lernmedien. F\u00fcr KI-gest\u00fctzte Systeme hat diese Begrenzung unmittelbare Konsequenzen. Generative KI kann Informationen in hoher Geschwindigkeit und gro\u00dfem Umfang pr\u00e4sentieren: Texte, Bilder, Erkl\u00e4rungen, Visualisierungen, Animationen. Wenn Lernende mit Informationen und Reizen \u00fcberflutet werden, ohne diese lernrelevant verarbeiten zu k\u00f6nnen, verfehlt auch die inhaltlich beste Information ihr Ziel.<\/p>\n\n\n\n
Diese Dosierung zu gestalten, ist eine der schwierigsten Aufgaben beim Entwurf von KI-Lernbegleitung. Gestufte Hilfe (Scaffolding), also die dosierte Bereitstellung von Hilfen und Erkl\u00e4rungen, ist aus Sicht der Cognitive Load Theory daf\u00fcr das wichtigste Mittel. KI-Lernbegleiter m\u00fcssen Impulse, Hilfen und Unterst\u00fctzung so dosieren, dass die Belastung des Arbeitsged\u00e4chtnisses in einem Bereich bleibt, in dem Lernen m\u00f6glich ist (Cosentino et al., 2025).<\/p>\n\n\n\n
Wie viel Unterst\u00fctzung angemessen ist, h\u00e4ngt vom Vorwissen ab. Der Expertise-Umkehr-Effekt beschreibt, dass Hilfen, die Anf\u00e4ngerinnen und Anf\u00e4ngern n\u00fctzen, bei fortgeschrittenen Lernenden wirkungslos und schlie\u00dflich hinderlich werden, weil das Abgleichen redundanter Erkl\u00e4rungen mit dem bereits vorhandenen Wissen selbst Arbeitsged\u00e4chtniskapazit\u00e4t bindet (Kalyuga et al., 2003; Kalyuga, 2007). Aus der Cognitive Load Theory folgt deshalb zweierlei. Unterst\u00fctzung muss dosiert werden, und sie muss planm\u00e4\u00dfig zur\u00fcckgenommen werden, sobald ein Kind sicherer wird. F\u00fcr Tutorsysteme haben Koedinger und Aleven (2007) dieses Spannungsfeld als \u201eassistance dilemma\u201c beschrieben. Zu fr\u00fche Hilfe verhindert die eigene Konstruktion, ausbleibende Hilfe l\u00e4sst Lernende in unproduktiven Sackgassen stecken. Wo das Optimum liegt, verschiebt sich mit der Kompetenz.<\/p>\n\n\n\n
Aus derselben Theorie stammt der L\u00f6sungsbeispiel-Effekt: F\u00fcr Lernende ohne Vorerfahrung mit einem Aufgabentyp ist das Studieren durchgearbeiteter L\u00f6sungsbeispiele dem eigenst\u00e4ndigen Probleml\u00f6sen \u00fcberlegen (Renkl, 2014; Renkl & Atkinson, 2003). Darauf ist beim Prinzip \u201eErst du \u2013 dann ich\u201c zur\u00fcckzukommen.<\/p>\n\n\n\n
Zone der n\u00e4chsten Entwicklung und Scaffolding<\/h3>\n\n\n\n
Die Zone der n\u00e4chsten Entwicklung (Vygotsky, 1978) beschreibt den Bereich zwischen dem, was ein Kind allein bew\u00e4ltigen kann, und dem, was es mit Hilfe einer kompetenteren Person bew\u00e4ltigen kann. F\u00fcr den Entwurf von KI-Lernbegleitern folgt daraus eine harte Anforderung: Das System m\u00fcsste fortlaufend einsch\u00e4tzen, was ein Kind selbstst\u00e4ndig und was es mit Unterst\u00fctzung bew\u00e4ltigen kann, und dann Impulse in genau diesem Bereich anbieten, weder zu leicht noch zu schwer.<\/p>\n\n\n\n
Die Zone der n\u00e4chsten Entwicklung ist dabei kein Schwierigkeitsma\u00df, das sich an einem Kind ablesen lie\u00dfe, sondern eine Beschreibung dessen, was in der Interaktion m\u00f6glich wird. Ein System kann sie nicht messen, sondern nur laufend absch\u00e4tzen und diese Absch\u00e4tzung an den Reaktionen des Kindes korrigieren. Die \u00dcbertragung des Konzepts auf die Kalibrierung von Aufgabenschwierigkeit ist eine Deutung, keine Aussage Vygotskys.<\/p>\n\n\n\n
Das zugeh\u00f6rige Handlungskonzept ist das Scaffolding. Wood, Bruner und Ross (1976) beschreiben damit die Unterst\u00fctzung eines Kindes durch eine erwachsene Person beim Probleml\u00f6sen und nennen als Funktionen unter anderem, das Interesse zu wecken, die Aufgabe zu vereinfachen, die Richtung zu halten, entscheidende Merkmale hervorzuheben und Frustration zu kontrollieren. Als Merkmal guten Scaffoldings gilt die Kontingenz: Die Unterst\u00fctzung folgt einer Diagnose des aktuellen Stands, richtet sich nach ihr und wird zur\u00fcckgenommen, sobald das Kind die Verantwortung selbst \u00fcbernehmen kann (van de Pol et al., 2010). Adaptive Systeme m\u00fcssen diese Einsch\u00e4tzung nicht einmalig, sondern kontinuierlich leisten (Wu et al., 2026; Kuo et al., 2026). Sie m\u00fcssen aus den Eingaben der Lernenden ableiten, wo deren Verst\u00e4ndnis liegt, welche Vorstellung zu einem Fehler gef\u00fchrt hat und welcher n\u00e4chste Impuls produktiv w\u00e4re. Ob Adaptivit\u00e4t lernwirksam ist, h\u00e4ngt von der diagnostischen Grundlage und der Qualit\u00e4t der daraus abgeleiteten Hilfen ab. Zu bedenken bleibt, dass Scaffolding urspr\u00fcnglich eine Interaktion zwischen zwei Personen beschreibt. Die \u00dcbertragung auf Software ist eine Analogie, deren Reichweite umstritten ist.<\/p>\n\n\n\n
Prozedurales und konzeptuelles Wissen<\/h3>\n\n\n\n
Welche Unterst\u00fctzung angemessen ist, h\u00e4ngt davon ab, welches Lernziel gerade verfolgt wird. Prozedurales Wissen (Wie l\u00f6se ich diese Aufgabe?) braucht andere Unterst\u00fctzung als konzeptuelles Wissen (Warum funktioniert das so?).<\/p>\n\n\n\n
Ein Kind, das Rechenfl\u00fcssigkeit \u00fcbt, etwa die schnelle Addition oder Subtraktion, profitiert von unmittelbarer, knapper R\u00fcckmeldung zu seinen Ergebnissen, vorausgesetzt, es l\u00f6st die Aufgaben bereits ableitend und nicht z\u00e4hlend. Sie st\u00fctzt die Automatisierung und verhindert, dass sich fehlerhafte Prozeduren einschleifen. Ausf\u00fchrliche Erkl\u00e4rungen mitten in einer \u00dcbungsserie unterbrechen die Automatisierung und belasten das Arbeitsged\u00e4chtnis mit Information, die das Kind in diesem Moment nicht verarbeiten kann. Ein Kind, das gerade Zahlverst\u00e4ndnis entwickelt, muss hingegen durch gezielte Fragen und Handlungsm\u00f6glichkeiten dazu angeregt werden, sein Verst\u00e4ndnis selbst zu konstruieren und weiterzuentwickeln. Es sollte eigene L\u00f6sungswege entwickeln, darstellen und begr\u00fcnden. Ein KI-System, das diese Unterscheidung nicht treffen kann, riskiert, dass seine Unterst\u00fctzung kontraproduktiv wirkt, etwa indem es bei konzeptuellem Lernen zu schnell L\u00f6sungen liefert oder bei prozeduralem \u00dcben mit unn\u00f6tigen Impulsen das Arbeitsged\u00e4chtnis belastet. Dass ein didaktisch vorstrukturiertes Modell konzeptuelles Verst\u00e4ndnis st\u00e4rker f\u00f6rdert als ein generisches Sprachmodell, zeigen Makransky et al. (2025); darauf kommt der Abschnitt zur Fundierung zur\u00fcck.<\/p>\n\n\n\n
Selbstreguliertes Lernen und Metakognition<\/h3>\n\n\n\n
Modelle des selbstregulierten Lernens beschreiben Lernen als Kreislauf aus Planen, \u00dcberwachen und Bewerten (Zimmerman, 2002). Lernende setzen sich ein Ziel, w\u00e4hlen eine Vorgehensweise, pr\u00fcfen unterwegs, ob sie vorankommen, und beurteilen am Ende das Ergebnis. F\u00fcr KI-Lernbegleitung ist dieses Modell in zwei Richtungen bedeutsam. Ein System kann diese Prozesse anregen, indem es nach dem Plan fragt, zum \u00dcberpr\u00fcfen auffordert und die Bewertung des Ergebnisses dem Kind \u00fcberl\u00e4sst. Ein System kann diese Prozesse aber auch \u00fcbernehmen und den Lernenden damit abgew\u00f6hnen. Molenaar (2022) beschreibt f\u00fcr adaptive Lernumgebungen, dass sie die Regulation des Lernens weitgehend selbst ausf\u00fchren und die Entwicklung der Selbstregulation dadurch gef\u00e4hrden k\u00f6nnen, weshalb die Kontrolle schrittweise an die Lernenden zur\u00fcckgegeben werden muss.<\/p>\n\n\n\n
F\u00fcr die Primarstufe kommt ein entwicklungspsychologischer Vorbehalt hinzu. Metakognitive \u00dcberwachung entwickelt sich im Grundschulalter erst. J\u00fcngere Kinder \u00fcbersch\u00e4tzen ihr Verst\u00e4ndnis regelm\u00e4\u00dfig, und ausformulierte Begr\u00fcndungen fallen ihnen sprachlich schwer. Metakognitive Anregung kann in der Grundschule deshalb nicht bedeuten, Reflexion abzufragen; sie muss einge\u00fcbt werden, mit kurzen, konkreten Fragen zu einer gerade ausgef\u00fchrten Handlung.<\/p>\n\n\n\n
Was ein System daf\u00fcr braucht<\/h3>\n\n\n\n
Diese Perspektiven bilden einen Rahmen, in dem die folgenden Gestaltungsprinzipien verortet sind. Sie machen zugleich deutlich, warum KI-Lernbegleitung kein einfaches technisches Problem ist. Sie erfordert Systeme, die \u00fcber ein Modell des Lernenden, des Lerngegenstands und des Lernprozesses verf\u00fcgen. In der Forschung zu intelligenten Tutorsystemen ist diese Anforderung seit Langem als Dreiteilung beschrieben: ein Dom\u00e4nenmodell des Lerngegenstands, ein Lernendenmodell des aktuellen Wissensstands und ein tutorielles Modell der Interventionsentscheidungen. F\u00fcr das Lernendenmodell existieren erprobte Verfahren, etwa Knowledge Tracing (Corbett & Anderson, 1995), die den Wissensstand aus der Aufgabenbearbeitung fortlaufend sch\u00e4tzen. Gro\u00dfe Sprachmodelle bringen ein solches Modell nicht mit. Sie verf\u00fcgen \u00fcber Sprachkompetenz, nicht \u00fcber eine Repr\u00e4sentation dessen, was ein bestimmtes Kind \u00fcber die Zeit gelernt hat. Diese Repr\u00e4sentation muss die Anwendung au\u00dferhalb des Sprachmodells f\u00fchren.<\/p>\n\n\n\n
Schlie\u00dflich entsteht Unterst\u00fctzung nicht im einzelnen Medium. Puntambekar und H\u00fcbscher (2005) halten die \u00dcbertragung des Scaffolding-Begriffs auf Software nur dann f\u00fcr tragbar, wenn Diagnose, Kontingenz und R\u00fccknahme erhalten bleiben, und beschreiben Scaffolding gemeinsam mit Tabak (2004) als verteilt: Software, Lehrkraft, Material und Mitsch\u00fclerinnen und Mitsch\u00fcler adressieren dieselbe Lernbed\u00fcrftigkeit und k\u00f6nnen sich wechselseitig verst\u00e4rken oder st\u00f6ren. Das ist die theoretische Grundlage f\u00fcr das vierte Prinzip, die Einbettung.<\/p>\n\n\n\n
Das Risiko der Auslagerung von Denkarbeit<\/h2>\n\n\n\n
Die bisherige Darstellung der Studienlage k\u00f6nnte den Eindruck erwecken, KI-gest\u00fctzte Lernbegleitung besitze ein \u00fcberwiegend positives Potenzial, das nur noch technisch optimiert werden m\u00fcsse. Das Bild ist ambivalenter. In mehreren Studien zeigte sich, dass der unkontrollierte Einsatz generativer KI beim Lernen nicht nur weniger wirksam sein kann als erhofft, sondern auch den Aufbau grundlegender F\u00e4higkeiten abk\u00fcrzen und Lernen dadurch behindern kann.<\/p>\n\n\n\n
Cognitive Offloading: Auslagerung kognitiver Anstrengung<\/h3>\n\n\n\n
Kognitive Auslagerung (Cognitive Offloading) beschreibt das strukturell wichtigste Problem: Lernende lagern kognitive Anstrengung an die KI aus, statt sie selbst zu vollziehen. Gerlich (2025) berichtet in einer Querschnittsbefragung von 666 Erwachsenen negative Zusammenh\u00e4nge zwischen der H\u00e4ufigkeit der KI-Nutzung und den Werten in einem Test kritischen Denkens (r = \u22120,68) sowie zwischen dem Ausma\u00df kognitiver Auslagerung und kritischem Denken (r = \u22120,75). J\u00fcngere Befragte nutzten KI st\u00e4rker und erzielten niedrigere Werte. Die Studie zeigt Zusammenh\u00e4nge, keine Wirkung. Sie beruht teilweise auf Selbstausk\u00fcnften, die Zusammenh\u00e4nge dieser H\u00f6he \u00fcbersch\u00e4tzen, und sie betrifft Erwachsene, nicht Schulkinder. Sie begr\u00fcndet eine Auslagerungshypothese, die experimentell und l\u00e4ngsschnittlich zu pr\u00fcfen ist.<\/p>\n\n\n\n
Dieses Risiko zeigten Bastani et al. (2025) in einer kontrollierten Interventionsstudie mit rund 1000 Sch\u00fclerinnen und Sch\u00fclern der Klassen 9 bis 11 an t\u00fcrkischen Schulen. Wer w\u00e4hrend des \u00dcbens unregulierten Zugang zu einem Chatbot mit vollst\u00e4ndigen L\u00f6sungen hatte, l\u00f6ste in der \u00dcbungsphase deutlich mehr Aufgaben richtig. Im anschlie\u00dfenden Test ohne KI lag diese Gruppe 17 Prozent unter dem Niveau der Kontrollgruppe ohne KI. Die Autorinnen und Autoren sprechen von verringertem Kompetenzerwerb. Eine dritte Gruppe arbeitete mit einer Variante, die Hinweise statt L\u00f6sungen gab. Sie war in der \u00dcbungsphase noch erfolgreicher als die Gruppe mit freiem Zugang und erreichte im Test das Niveau der Kontrollgruppe, \u00fcbertraf es aber nicht. Der Schaden entsteht also nicht durch KI an sich, sondern durch unbegrenzten L\u00f6sungszugang, und auch die gut gestaltete Variante erzeugte in dieser Studie keinen Lernvorteil. Der Befund betrifft diese Untersuchungsanordnung und belegt keinen dauerhaften Kompetenzverlust. Lernanalysen aus KI-basierten Nachhilfesystemen zeigen erg\u00e4nzend, dass ein Teil der Lernenden versucht, Aufgabensequenzen \u201edurchzuklicken\u201c, ohne sich inhaltlich mit ihnen auseinanderzusetzen (Jan\u010da\u0159\u00edk et al., 2023).<\/p>\n\n\n\n
Dinsmore und Fryer (2026) argumentieren aus lernpsychologischer Perspektive, dass generative KI in Form nicht vorstrukturierter Chatbots dazu verf\u00fchrt, den anstrengenden Prozess der eigenen Wissenskonstruktion abzuk\u00fcrzen. Wer eine fertige L\u00f6sung \u00fcbernimmt, ohne sie zu durchdenken, spart Anstrengung, baut aber keine belastbaren Wissensstrukturen auf. Das ist nicht dasselbe wie das gezielte Studieren eines L\u00f6sungsbeispiels. Dort wird die L\u00f6sung mit Aufforderungen zum Erkl\u00e4ren verbunden, und die Denkarbeit verlagert sich vom Suchen zum Nachvollziehen. Viele Anbieter von Chatbots bieten inzwischen einen \u201eLernmodus\u201c an, in dem der Chatbot keine L\u00f6sungen direkt ausgibt, sondern R\u00fcckfragen stellt. Ob diese Modi lernwirksam sind, ist bislang nicht untersucht. Technisch sind sie eine Anweisungsebene \u00fcber demselben Modell und lassen sich im Gespr\u00e4ch meist umgehen.<\/p>\n\n\n\n
H\u00f6flichkeit und p\u00e4dagogische Qualit\u00e4t von Sprachmodellen<\/h3>\n\n\n\n
Zu diesem strukturellen Risiko tritt ein zweites. Abdulsalam und Aroyehun (2025) analysieren in einer noch nicht begutachteten Vorabver\u00f6ffentlichung (Preprint) Mathematik-Nachhilfedialoge, in denen erfahrene Tutorinnen und Tutoren, Novizen und sieben Sprachmodelle auf dieselben Sch\u00fclerfehler antworten. Gr\u00f6\u00dfere Modelle erreichen in der Qualit\u00e4tsbewertung ann\u00e4hernd Expertenniveau, unterscheiden sich aber im Profil: Sie antworten l\u00e4nger, vielf\u00e4ltiger und h\u00f6flicher, nutzen aber typische Expertenstrategien wie das Nachfassen zu Begr\u00fcndung und Genauigkeit seltener. H\u00f6fliche Sprache hing negativ mit der eingesch\u00e4tzten p\u00e4dagogischen Qualit\u00e4t zusammen. Lernergebnisse wurden nicht erhoben.<\/p>\n\n\n\n
Diese Tendenz wird als Sycophancy bezeichnet, als \u00fcberm\u00e4\u00dfige Zustimmung. Sie ist keine zuf\u00e4llige Eigenart, sondern eine Folge des Trainingsverfahrens: Sprachmodelle werden im Nachtraining darauf optimiert, Antworten zu geben, die Menschen gut bewerten, und Menschen bewerten Zustimmung systematisch besser als Widerspruch (Sharma et al., 2024). F\u00fcr die Gestaltung bedeutet das, dass sich diese Tendenz durch Anweisungen im Systemprompt, also in der festen Grundanweisung an das Modell, abschw\u00e4chen, aber nicht zuverl\u00e4ssig abstellen l\u00e4sst.<\/p>\n\n\n\n
Chudziak und Kostka (2025) beschreiben ein verwandtes Problem: Viele aktuelle KI-Systeme neigen zu einem anweisenden, vorschreibenden (preskriptiven) Interaktionsstil. Sie geben vor, leiten an und l\u00f6sen, statt Raum f\u00fcr eigene Denkprozesse zu lassen. Systeme, die bei jeder Eingabe sofort R\u00fcckmeldung geben, riskieren, genau jene Denk- und Kontrollprozesse zu unterbinden, die sie f\u00f6rdern sollen. Eine computergest\u00fctzte Analyse realer menschlicher Nachhilfedialoge (Wang et al., 2025) zeigt, dass Grundschulkinder auf aktivierende Fragen positiv reagieren, sich insgesamt aber weniger aktiv beteiligen als \u00e4ltere Lernende. Die Studie erfasst Interaktionsmuster, keine Lernergebnisse, und sie beschreibt menschliches Tutoring. Auf KI-Systeme l\u00e4sst sich das Muster nur als Hypothese \u00fcbertragen.<\/p>\n\n\n\n
Daraus folgt nicht, dass ein KI-Lernbegleiter unfreundlich sein sollte. Gerade bei j\u00fcngeren Kindern ist ein zugewandter Ton die Voraussetzung daf\u00fcr, dass sie einen Fehler \u00fcberhaupt zeigen. Problematisch ist nicht die Freundlichkeit, sondern die Freundlichkeit anstelle von Information: Zustimmung, die eine inhaltliche R\u00fcckmeldung ersetzt.<\/p>\n\n\n\n
Die Spannung zwischen wirksamer Hilfe und eigenst\u00e4ndigem Denken<\/h3>\n\n\n\n
Diese Befunde verdichten sich zu einer Spannung, die als Leitproblem f\u00fcr die Gestaltung von KI-Lernbegleitung verstanden werden kann: Je bereitwilliger ein System fertige L\u00f6sungen liefert, desto zuverl\u00e4ssiger nimmt es Lernenden genau die Denkarbeit ab, an der sie lernen w\u00fcrden. Nicht die Leistungsf\u00e4higkeit des Systems ist das Problem, sondern die Frage, wof\u00fcr sie eingesetzt wird. Bei Bastani et al. (2025) war die Variante mit Hinweisen in der \u00dcbungsphase leistungsf\u00e4higer als der freie Zugang und schadete im Test dennoch nicht.<\/p>\n\n\n\n
Ein guter KI-Lernbegleiter muss deshalb manchmal bewusst weniger tun, als er k\u00f6nnte. Er muss zulassen, dass ein Kind zeitweise nicht weiterkommt. Mason et al. (1982) beschreiben dieses Steckenbleiben (\u201ebeing stuck\u201c) als normalen Bestandteil mathematischen Arbeitens und verbinden es mit Strategien, es zu benennen und zu bearbeiten: festhalten, was man wei\u00df und was man sucht, einen einfacheren Fall betrachten, eine Vermutung aufschreiben. F\u00fcr ein KI-System hei\u00dft das nicht, Frustration entstehen zu lassen, sondern das Nichtweiterkommen zu benennen und mit einer Handlungsm\u00f6glichkeit zu beantworten. Es h\u00e4lt L\u00f6sungen zur\u00fcck, gibt unvollst\u00e4ndige Hinweise und l\u00e4sst Bearbeitungszeit. Damit arbeitet es teilweise gegen die Mechanismen, die generative KI so eindrucksvoll machen.<\/p>\n\n\n\n
Ein nicht vorstrukturierter Chatbot, etwa ein frei zug\u00e4ngliches Sprachmodell ohne p\u00e4dagogische Rahmung, wird zur Antwortmaschine und kann verst\u00e4ndnisf\u00f6rderndes Lernen eher verhindern als erm\u00f6glichen. Die folgenden Prinzipien zielen darauf, Unterst\u00fctzung zu dosieren und die Denkarbeit beim Kind zu halten.<\/p>\n\n\n\n
Vier Gestaltungsprinzipien<\/h2>\n\n\n\n
Aus der Spannung zwischen dem Potenzial adaptiver KI-Lernbegleitung und den beschriebenen Risiken der kognitiven Auslagerung ergeben sich vier Gestaltungsebenen, die zusammenwirken m\u00fcssen. Die fachdidaktische Fundierung des Systems ist die Voraussetzung f\u00fcr Diagnostik und F\u00f6rderung. Darauf baut die adaptive Dosierung von Hilfen auf. Die metakognitive Aktivierung liegt quer zu beiden und beschreibt, welche Denkprozesse die Interaktion anregen soll. Die hybride Einbettung mit menschlicher Aufsicht ist die Rahmenbedingung: Ohne sie werden die ersten drei Ebenen im Unterricht nicht wirksam.<\/p>\n\n\n\n
<\/figure>\n\n\n\nFundierung: Fachdidaktisches Wissen als Voraussetzung<\/h3>\n\n\n\n
Die erste Gestaltungsebene betrifft die Wissensbasis des Systems. Generative KI erzeugt sprachlich und formal beeindruckende Ausgaben, aber fachdidaktisch sind diese h\u00e4ufig oberfl\u00e4chlich, wenig problemorientiert oder fehlerhaft, wenn sie nicht gezielt gesteuert werden. Literaturanalysen zum Einsatz generativer KI in der Mathematikbildung weisen immer wieder auf die geringe theoretische Fundierung und die Fehleranf\u00e4lligkeit vieler Systeme hin (Almheiri et al., 2025; Awang et al., 2025; Holmes & Tuomi, 2022; Opesemowo & Adewuyi, 2024). Das ist keine Implementierungsschw\u00e4che, die sich beil\u00e4ufig beheben lie\u00dfe, sondern eine Folge dessen, worauf diese Modelle optimiert wurden. Die Trainingsdaten werden zwar gefiltert und f\u00fcr Mathematik gezielt zusammengestellt, das Optimierungsziel ist dabei aber die richtige L\u00f6sung und im Nachtraining die von Menschen als hilfreich bewertete Antwort. Fachdidaktische Angemessenheit, also die Frage, welcher Impuls einem Kind an dieser Stelle weiterhilft, ist kein Trainingsziel.<\/p>\n\n\n\n
C\u00e1rdenas et al. (2025) identifizieren in ihrer systematischen Analyse die fehlende theoretische Rahmung als eines der Haupthindernisse f\u00fcr lernwirksame KI-Tutorsysteme. Fachdidaktische Fundierung betrifft sowohl die inhaltliche Korrektheit von Aufgaben und Erkl\u00e4rungen, in der die Systeme besser werden, als auch die Art, wie ein System auf Lernende reagiert. Fachexpertise und Tutoring-Expertise sind nicht dasselbe. Macina et al. (2025) zeigen mit einem standardisierten Pr\u00fcfverfahren (Benchmark) f\u00fcr p\u00e4dagogische F\u00e4higkeiten von Sprachmodellen, dass Modelle, die Aufgaben korrekt l\u00f6sen, nicht automatisch erkennen, wo die Schwierigkeit f\u00fcr Lernende liegt, welche Fehlvorstellung einem Fehler zugrunde liegt oder welcher Impuls in einer Lernsituation produktiv w\u00e4re. Fachliches Wissen in der Anweisung an das Modell (Prompt) reicht daher nicht aus. Das System muss \u00fcber fachdidaktisches Wissen verf\u00fcgen, also dar\u00fcber, wie Kinder mathematische Konzepte aufbauen, welche typischen Irrwege es gibt und welche Interventionen an welcher Stelle im Lernprozess wirksam sind.<\/p>\n\n\n\n
Dass dieser Unterschied praktisch bedeutsam ist, zeigen Makransky et al. (2025) in einem pr\u00e4registrierten Experiment (Auswertung vorab festgelegt) mit 175 Studierenden und einer Replikation mit 234 Sch\u00fclerinnen und Sch\u00fclern der Sekundarstufe II. Sie verglichen einen theoriegeleitet gestalteten KI-Tutor (ChatTutor) mit einem generischen Sprachmodell. Der didaktisch vorstrukturierte Tutor erzielte in beiden Studien unmittelbar h\u00f6heres konzeptuelles Wissen sowie mehr Vertrauen und Freude; im verz\u00f6gerten Test blieb der Vorteil nur in der zweiten Studie bestehen, Unterschiede in der Selbstwirksamkeit zeigten sich nicht. Auch gro\u00dfe Sprachmodelle wenden fachdidaktisches Wissen also nicht von selbst an. Mehrere aktuelle Rahmenwerke f\u00fcr p\u00e4dagogische Agenten nehmen deshalb explizit auf p\u00e4dagogische Theorien Bezug; Cohn et al. (2026) leiten die R\u00fcckmeldungen ihres Agenten aus Zone der n\u00e4chsten Entwicklung, Selbstwirksamkeit und Zielsetzung ab und erproben ihn mit 104 Lernenden der Mittelstufe. Ob diese Bezugnahme zu besserem Lernen f\u00fchrt, ist f\u00fcr die meisten Systeme noch nicht untersucht. Eine Studie zu GeoGebra- und KI-gest\u00fctzten Lernumgebungen deutet darauf hin, dass konzeptuelles Verst\u00e4ndnis und Selbstvertrauen nur dann steigen, wenn Fach- und Fachdidaktik in die Systemgestaltung einflie\u00dfen und Technik nicht blo\u00df aufgesetzt wird (Canonigo, 2024).<\/p>\n\n\n\n
Ein KI-Lernbegleiter f\u00fcr den Mathematikunterricht der Primarstufe ben\u00f6tigt mindestens die folgenden fachdidaktischen Wissensgrundlagen. Wie sie technisch bereitgestellt werden k\u00f6nnen, behandelt der Abschnitt zur Umsetzung.<\/p>\n\n\n\n
Erstens ein Modell der mathematischen Kompetenzentwicklung f\u00fcr den jeweiligen Inhaltsbereich. Das System muss \u201ewissen\u201c, dass Zahlverst\u00e4ndnis nicht durch Auswendiglernen von Fakten entsteht, sondern durch den Aufbau von Vorstellungen, und dass es f\u00fcr diesen Aufbau typische Entwicklungsverl\u00e4ufe und Vorl\u00e4uferf\u00e4higkeiten gibt. Ohne dieses Wissen bleibt jede Adaptation oberfl\u00e4chlich. Das System kann dann allenfalls den Schwierigkeitsgrad variieren, aber nicht die Qualit\u00e4t seiner Impulse an den Verst\u00e4ndnisstand anpassen.<\/p>\n\n\n\n
Zweitens Fehler- und Strategietaxonomien, die typische Denkwege und Irrt\u00fcmer von Kindern abbilden (Padberg & Benz, 2021; Gaidoschik, 2010). Die Diagnose von Fehlvorstellungen geh\u00f6rt zum fachdidaktischen Handwerk und muss einem System eigens beigebracht werden, wenn es \u00fcber die Feststellung \u201erichtig\/falsch\u201c hinausgehen soll. Beispiele sind ein fehlendes B\u00fcndelungsverst\u00e4ndnis, bei dem ein Kind die 2 in der 24 als \u201ezwei\u201c und nicht als \u201ezwei Zehner\u201c deutet, oder das z\u00e4hlende Rechnen als verfestigte Strategie. Die Zuordnung einer konkreten Kinder\u00e4u\u00dferung zu einer Fehlerkategorie kann zudem misslingen, und eine falsche Diagnose erzeugt keinen unspezifischen, sondern einen pr\u00e4zise falsch zielenden Impuls. Ein System sollte deshalb seine Sicherheit mitf\u00fchren und unterhalb einer Schwelle nachfragen, statt zu deuten. In eigenen Erprobungen im Projekt PRIMA-KI schlugen auch gro\u00dfe Sprachmodelle ohne fachdidaktischen Kontext Kindern bei Fehlern wiederholt vor, die Aufgabe z\u00e4hlend zu l\u00f6sen, also genau die Strategie, die im Unterricht abgebaut werden soll.<\/p>\n\n\n\n
Drittens explizite Regeln, welche Hilfen in welcher Lernphase und bei welcher Art von Schwierigkeit sinnvoll sind. Die Unterscheidung zwischen prozeduralem und konzeptuellem Lernen ist eine solche Leitlinie: Routinef\u00f6rderung erfordert andere Interventionen als der Aufbau begrifflichen Verst\u00e4ndnisses. Ein System sollte zudem zwischen einem einmaligen Fehlgriff und einem zugrunde liegenden Verst\u00e4ndnisproblem unterscheiden. Aus einer einzelnen Aufgabe ist das nicht zu entscheiden, sondern erst aus dem Muster \u00fcber mehrere Aufgaben hinweg, etwa aus der Wiederholung derselben Fehlerart oder aus der Bearbeitungsdauer. Das setzt voraus, dass die Anwendung diese Informationen f\u00fchrt.<\/p>\n\n\n\n
Viertens muss das System nicht nur den Schwierigkeitsgrad anpassen, sondern auch unterschiedliche Denkwege erkennen, mit denen Kinder zum Ergebnis gelangen. Kinder l\u00f6sen mathematische Probleme auf vielf\u00e4ltige Weise, und das ist w\u00fcnschenswert. Ein fachdidaktisch fundierter KI-Lernbegleiter erkennt alternative Strategien, pr\u00fcft, ob sie auch bei gr\u00f6\u00dferen Zahlen und anderen Aufgaben funktionieren, fragt gegebenenfalls nach und kann Kinder darin best\u00e4rken oder behutsam zu effizienteren Wegen anregen. F\u00fcr Kinder mit Rechenschwierigkeiten ist dabei entscheidend, woran ein System seine Anpassung festmacht. Die naheliegende Anpassung, kleinere Zahlen und leichtere Aufgaben, kann kontraproduktiv sein: Ein Kind, das z\u00e4hlend rechnet, l\u00f6st kleinere Aufgaben z\u00e4hlend weiterhin erfolgreich und wird in dieser Strategie best\u00e4tigt. Notwendig ist eine Anpassung der Impulse, nicht des Niveaus (Gaidoschik, 2010; Wartha & Schulz, 2012). Aus dem Ergebnis allein ist die Strategie allerdings nicht erkennbar; 8 + 6 = 14 sieht in beiden F\u00e4llen gleich aus. Hinweise liefern die Bearbeitungsdauer, typische Fehlermuster wie Abweichungen um eins und die direkte Nachfrage, wie das Kind gerechnet hat.<\/p>\n\n\n\n
Fachdidaktische Fundierung ist die Bedingung daf\u00fcr, dass adaptive Unterst\u00fctzung \u00fcberhaupt als solche funktionieren kann. Ohne sie bleibt ein KI-Lernbegleiter, um eine pointierte Formulierung aus einem unver\u00f6ffentlichten Manuskript von Schneider (o. J.) aufzugreifen, ein \u201esprachbegabter Zufallsgenerator\u201c (o. S.), der gelegentlich hilfreiche, h\u00e4ufig aber unspezifische oder irref\u00fchrende Impulse produziert.<\/p>\n\n\n\n
Dosierung: Adaptives Scaffolding und das Prinzip \u201eErst du \u2013 dann ich\u201c<\/h3>\n\n\n\n
Auf der Grundlage fachdidaktischen Wissens wird die zweite Gestaltungsebene m\u00f6glich: die adaptive Dosierung von Impulsen und Hilfen. Sie unterscheidet KI-Lernbegleitung von einer Antwortmaschine. Die Befundlage deutet darauf hin, dass sorgf\u00e4ltig gestaltete KI-Lernumgebungen, die auf Lernstand, Fehler und Strategien reagieren, statt richtige Antworten auszugeben, Lern- und Verstehensprozesse anregen. Ob der adaptive Anteil daf\u00fcr verantwortlich ist, l\u00e4sst sich aus den vorliegenden Studien nicht isolieren, weil Adaptivit\u00e4t dort mit sorgf\u00e4ltiger Gestaltung insgesamt einhergeht; den einzigen sauberen Vergleich adaptiver und fester Hilfen liefern Salden et al. (2010) f\u00fcr L\u00f6sungsbeispiele.<\/p>\n\n\n\n
Im Folgenden wird zwischen Feedback und Hilfe unterschieden. Feedback ist die R\u00fcckmeldung auf ein Ergebnis oder einen L\u00f6sungsweg; Hilfe ist die Unterst\u00fctzung w\u00e4hrend der Bearbeitung, also Hinweise, Fragen und Teilschritte. Beide werden unterschiedlich dosiert: Feedback soll informativ sein und zum passenden Zeitpunkt kommen, Hilfe abgestuft und zur\u00fcckhaltend.<\/p>\n\n\n\n
In der Studie zum System TALPer profitierten leistungsschw\u00e4chere F\u00fcnftkl\u00e4sslerinnen und F\u00fcnftkl\u00e4ssler in Taiwan besonders stark von adaptiver Unterst\u00fctzung, w\u00e4hrend leistungsst\u00e4rkere Kinder komplexere Interaktionsmuster mit dem KI-Lernbegleiter entwickelten (Kuo et al., 2026). Ein System konnte damit unterschiedliche Lernvoraussetzungen abdecken. Liu et al. (2025) berichten f\u00fcr eine generative Lernumgebung zu Textaufgaben in der Grundschule Leistungsgewinne, wobei die wahrgenommene Qualit\u00e4t der Unterst\u00fctzung und nicht deren blo\u00dfe Verf\u00fcgbarkeit den st\u00e4rksten Einfluss auf Motivation und Lernwirkung hatte. Die systematische \u00dcbersicht von Son (2024) best\u00e4tigt positive Effekte gut konzipierter intelligenter Tutorsysteme auf mathematische Lernleistungen, besonders wenn diese adaptiv auf individuelle Lernbed\u00fcrfnisse reagieren. Generative Systeme k\u00f6nnen R\u00fcckmeldungen an Aufgabe, Eingabe und bisherigen Lernverlauf des einzelnen Kindes anpassen.<\/p>\n\n\n\n
Arten von Feedback.<\/strong> Die Feedbackforschung unterscheidet R\u00fcckmeldungen zun\u00e4chst nach ihrem Informationsgehalt (Shute, 2008). Die einfachste R\u00fcckmeldung teilt nur mit, ob eine Antwort richtig oder falsch war. Die zweite nennt zus\u00e4tzlich die richtige L\u00f6sung. Die dritte, elaborierte Form gibt Auskunft dar\u00fcber, worin der Fehler besteht, welche Vorstellung ihm zugrunde liegen k\u00f6nnte und welcher n\u00e4chste Schritt sinnvoll ist. Die Wirkungen unterscheiden sich deutlich. Wisniewski et al. (2020) fassen in einer Meta-Analyse 435 Studien mit 994 Effektst\u00e4rken zusammen. Der mittlere Effekt von Feedback liegt bei d = 0,48 und verteilt sich sehr ungleich: Informationsreiche R\u00fcckmeldungen erreichen d = 0,99, korrektive R\u00fcckmeldungen d = 0,46, Verst\u00e4rkung und Sanktionierung, also Lob, Belohnung und Tadel, nur d = 0,24. Der niedrige Wert betrifft also Lob und Tadel, nicht die sachliche Richtig-falsch-R\u00fcckmeldung, die unter die korrektiven Formen f\u00e4llt. Kluger und DeNisi (1996) zeigten in einer Meta-Analyse \u00fcberwiegend mit Erwachsenen, dass \u00fcber ein Drittel aller Feedbackinterventionen die Leistung verschlechtert, vor allem dann, wenn die R\u00fcckmeldung die Aufmerksamkeit von der Aufgabe weg auf die eigene Person lenkt.<\/p>\n\n\n\n
Quer dazu liegt die Frage, worauf sich eine R\u00fcckmeldung richtet. Hattie und Timperley (2007) unterscheiden vier Bezugspunkte: die Aufgabe (\u201eDas Ergebnis stimmt nicht\u201c), den Bearbeitungsprozess (\u201eDu hast den \u00dcbertrag vergessen, pr\u00fcfe die Zehner\u201c), die Selbstregulation (\u201eWoran k\u00f6nntest du selbst merken, ob das stimmen kann?\u201c) und die Person (\u201eDu bist gut in Mathe\u201c). Wirksam sind vor allem die beiden mittleren; R\u00fcckmeldung auf die Person ist die am wenigsten wirksame Form. F\u00fcr einen KI-Lernbegleiter ist die einfache Richtig-falsch-R\u00fcckmeldung beim Automatisieren bereits verstandener Rechenfertigkeiten angemessen; dort soll sie knapp und unmittelbar erfolgen. Beim Aufbau von Verst\u00e4ndnis reicht sie nicht aus. Hier braucht es Feedback, das den Denkweg benennt oder eine Selbstpr\u00fcfung anst\u00f6\u00dft, nicht das Ergebnis bewertet und nicht das Kind. F\u00fcr die Grundschule entsteht daran ein Zielkonflikt: Elaboriertes Feedback ist informationsreich, und Informationsreichtum belastet das Arbeitsged\u00e4chtnis eines Kindes, das noch m\u00fchsam liest. Elaboriert hei\u00dft hier deshalb nicht ausf\u00fchrlich, sondern pr\u00e4zise: ein Satz, der auf den konkreten Schritt zeigt, verbunden mit einer Handlungsaufforderung (\u201eSchau noch einmal auf die Zehner. Was passiert beim \u00dcbergang?\u201c), und nicht die vollst\u00e4ndige Erkl\u00e4rung des Verfahrens.<\/p>\n\n\n\n
Neben der Art ist der Zeitpunkt bedeutsam, und zwar in zwei Hinsichten. Die erste betrifft die Frage, ob das System nach jedem Teilschritt eingreift oder erst, wenn ein Versuch abgeschlossen ist. Beim Ein\u00fcben bereits verstandener Fertigkeiten, etwa Kopfrechnen, Einmaleins oder Zahlzerlegungen, spricht die Befundlage f\u00fcr schrittweise, unmittelbare R\u00fcckmeldung: Sie verhindert, dass sich Fehler einschleifen, und h\u00e4lt die Belastung des Arbeitsged\u00e4chtnisses gering. Beim Probleml\u00f6sen und beim Aufbau von Verst\u00e4ndnis sollte die R\u00fcckmeldung dagegen erst nach einem abgeschlossenen eigenen Versuch kommen, weil sie dem Kind sonst die Gelegenheit nimmt, selbst zu pr\u00fcfen und zu revidieren. Das ist eine Gestaltungsregel, kein gesicherter Befund; Shute (2008) berichtet f\u00fcr schwierige Aufgaben und leistungsschw\u00e4chere Lernende auch Vorteile unmittelbarer R\u00fcckmeldung, weshalb der \u201eabgeschlossene Versuch\u201c bei Grundschulkindern eng zu fassen ist. Die zweite Hinsicht betrifft die eigentliche Verz\u00f6gerung, also R\u00fcckmeldung erst nach Minuten oder Tagen. Hier ist die Befundlage uneinheitlich (Shute, 2008); f\u00fcr die Grundschule ist sie von geringerer praktischer Bedeutung, weil ein Kind die eigene Bearbeitung dann nicht mehr pr\u00e4sent hat.<\/p>\n\n\n\n
Erst du \u2013 dann ich.<\/strong> Bedeutsam ist die Reihenfolge von Denken und Unterst\u00fctzung. Kumar et al. (2025) pr\u00fcften in zwei pr\u00e4registrierten Online-Experimenten mit insgesamt 1818 Erwachsenen an Mathematikaufgaben im Multiple-Choice-Format, wie Erkl\u00e4rungen eines Sprachmodells auf sp\u00e4tere Testleistungen wirken. Erkl\u00e4rungen wirkten besser als die blo\u00dfe Ausgabe der richtigen L\u00f6sung, und der Vorteil war am gr\u00f6\u00dften, wenn die Teilnehmenden die Aufgabe zuvor selbst versucht hatten. Er zeigte sich allerdings auch bei umgekehrter Reihenfolge. Im zweiten Experiment wurden Erkl\u00e4rungen mit Rechenfehlern und falschem Endergebnis eingespielt; die Lernzuw\u00e4chse lagen dann zwischen denen der reinen L\u00f6sungsanzeige und denen fehlerfreier Erkl\u00e4rungen. Fehlerhafte Erkl\u00e4rungen waren in diesem Design also weniger sch\u00e4dlich als erwartet. Auf Grundschulkinder, die einen Fehler seltener bemerken, l\u00e4sst sich das nicht \u00fcbertragen. Ruan et al. (2020) verglichen mit 72 Kindern der Klassenstufen 3 bis 5 eine erz\u00e4hlbasierte Lernumgebung ohne R\u00fcckmeldung, mit statischen Hinweisen und mit einem tutoriellen Chatbot. Das Narrativ steigerte das Engagement, Lernzuw\u00e4chse zeigten sich in der Chatbot-Bedingung. Der Chatbot wurde allerdings von einer Person gesteuert (Wizard-of-Oz-Aufbau); die Studie belegt den Nutzen dialogischer R\u00fcckfragen, nicht die Leistungsf\u00e4higkeit eines KI-Systems.<\/p>\n\n\n\n
Im Bereich des selbstregulierten Lernens weisen einige Studien darauf hin, dass adaptives, KI-gest\u00fctztes Scaffolding im Unterschied zu statischen Hilfesequenzen die Qualit\u00e4t von Selbststeuerungsprozessen verbessern kann und Vorteile gegen\u00fcber einem Konzept \u201egleiche Hilfen f\u00fcr alle\u201c hat (Liu et al., 2025; Wu et al., 2026). Generative KI muss also so eingebunden und vorstrukturiert werden, dass sie adaptiv auf die Eingaben der Lernenden eingeht und nicht nur vorgefertigte Impulse anbietet.<\/p>\n\n\n\n
Das Prinzip hat eine Grenze, die sich aus dem oben genannten L\u00f6sungsbeispiel-Effekt ergibt: Ohne Vorerfahrung mit einem Aufgabentyp f\u00fcllt die Suche nach einem L\u00f6sungsweg das Arbeitsged\u00e4chtnis mit Prozessen, die nicht zum Lernen beitragen; erst mit wachsender Vorerfahrung wird der eigene Versuch lernwirksamer als das Beispiel (Renkl, 2014). In Studien mit Tutorsystemen der Sekundarstufe hat sich eine Stufung bew\u00e4hrt: ein vollst\u00e4ndiges L\u00f6sungsbeispiel mit Frage zum Nachvollziehen, dann ein unvollst\u00e4ndiges Beispiel, bei dem das Kind die letzten Schritte erg\u00e4nzt, dann der eigene L\u00f6sungsversuch mit R\u00fcckmeldung (Renkl & Atkinson, 2003). Entscheidend ist, woran das Ausblenden der Schritte h\u00e4ngt: Salden et al. (2010) zeigen, dass ein an den Erkl\u00e4rungen des Lernenden ausgerichtetes Ausblenden dem Ausblenden nach festem Schema \u00fcberlegen ist. Das ist die Kontingenzforderung des Scaffoldings, angewandt auf L\u00f6sungsbeispiele. \u201eErst du \u2013 dann ich\u201c beschreibt also den Regelfall f\u00fcr Aufgabentypen, mit denen ein Kind bereits Erfahrung hat, nicht den Einstieg in einen neuen Inhalt.<\/p>\n\n\n\n
Hilfen begrenzen und Hilfesuche beobachten.<\/strong> Hilfen m\u00fcssen nicht nur individualisiert, sondern auch begrenzt sein. Daf\u00fcr gibt es zwei unterschiedliche Mechanismen. Fading, das planm\u00e4\u00dfige Zur\u00fccknehmen von Unterst\u00fctzung, richtet sich nach dem Kompetenzzuwachs: Unterst\u00fctzung wird in dem Ma\u00df zur\u00fcckgenommen, in dem das Kind die entsprechenden Schritte allein bew\u00e4ltigt, nicht danach, wie oft es um Hilfe bittet. Davon zu unterscheiden ist die Begrenzung von Hilfen bei Missbrauch. Die Forschung zu intelligenten Tutorsystemen zeigt seit Langem, dass Lernende Hilfefunktionen nicht so nutzen, wie es der Systementwurf vorsieht. Ein Teil klickt sich durch Hinweisketten bis zur L\u00f6sung, ohne die Zwischenschritte zu verarbeiten; ein anderer Teil vermeidet Hilfe genau dann, wenn sie n\u00f6tig w\u00e4re, und r\u00e4t oder arbeitet still falsch weiter (Aleven et al., 2016; \u00fcberwiegend Sekundarstufe). Adaptives Hilfesuchen ist selbst eine metakognitive F\u00e4higkeit, die Grundschulkinder erst entwickeln. Ein KI-Lernbegleiter f\u00fcr diese Altersgruppe kann sich deshalb nicht darauf verlassen, dass Kinder Hilfe anfordern, wenn sie sie brauchen. Er sollte beide Muster erkennen und unterschiedlich beantworten: bei sehr schnellen, wiederholten Hinweisanfragen ohne Bearbeitungszeit mit einer R\u00fcckfrage statt mit dem n\u00e4chsten Hinweis, bei wiederholten Fehlversuchen ohne jede Hilfeanfrage mit einem aktiv angebotenen Hinweis. Ziel ist nicht, Hilfe zu verknappen, sondern Hilfe an den richtigen Stellen nutzbar zu machen.<\/p>\n\n\n\n
Anstrengung mit Untergrenze.<\/strong> Ein gewisses Ma\u00df an eigener Anstrengung ist f\u00fcr das Lernen bedeutsam, besonders beim Aufbau von Verst\u00e4ndnis. Schwierigkeiten, die Lernende mit Anstrengung bew\u00e4ltigen k\u00f6nnen, etwa verteiltes statt geblocktes \u00dcben oder das Abrufen statt des Wiederlesens, verschlechtern die Leistung w\u00e4hrend des \u00dcbens und verbessern gerade dadurch Behalten und Transfer (Bjork & Bjork, 2011). Diese Unterscheidung von \u00dcbungsleistung und Lernzuwachs ist f\u00fcr die Bewertung von KI-Lernbegleitung wichtig: Was w\u00e4hrend der Bearbeitung nach Erfolg aussieht, ist kein Beleg f\u00fcr Lernen. Der Befund von Bastani et al. (2025) ist genau dieser Fall. Lernf\u00f6rderlich sind Schwierigkeiten zudem nur unter zwei Bedingungen. Erstens muss die Schwierigkeit im Bereich des mit Unterst\u00fctzung Erreichbaren liegen. Zweitens braucht die Phase des eigenen Ringens einen Abschluss: In der Forschung zum produktiven Scheitern entsteht der Lernvorteil nicht durch das Scheitern selbst, sondern durch die anschlie\u00dfende Kl\u00e4rungs- und Systematisierungsphase (Kapur, 2016). Diese Position steht in einer bekannten Spannung zur Cognitive Load Theory, die fr\u00fch und stark anleitende Instruktion favorisiert (Kirschner et al., 2006); die Gegenposition h\u00e4lt dem entgegen, dass problemorientierte Formate keineswegs unangeleitet sind, sondern anders gest\u00fctzt werden (Hmelo-Silver et al., 2007). Die Spannung ist nicht aufgel\u00f6st, und die Befunde zum produktiven Scheitern stammen \u00fcberwiegend aus der Sekundarstufe.<\/p>\n\n\n\n
F\u00fcr die Primarstufe folgt daraus eine vorsichtige Fassung mit Untergrenze. Sechs- bis Zehnj\u00e4hrige erleben ungel\u00f6ste Schwierigkeit ohne Ansprechpartner schnell als Misserfolg, nicht als Herausforderung, und ein wartender Bildschirm ist f\u00fcr ein Kind keine Denkpause, sondern eine defekte App. In der urspr\u00fcnglichen Beschreibung von Scaffolding geh\u00f6rt die Kontrolle der Frustration ausdr\u00fccklich zu den Aufgaben der unterst\u00fctzenden Person (Wood et al., 1976). Die Phase des eigenen Versuchs muss deshalb kurz und erkennbar begrenzt sein, sie braucht eine sichtbare Ausstiegsm\u00f6glichkeit, und die Unterst\u00fctzung sollte in fester Folge zunehmen: nach dem ersten erfolglosen Versuch ein aktiv angebotener, konkreterer Hinweis statt einer weiteren Frage, nach dem zweiten oder dritten ein Wechsel der Aufgabe oder der Darstellung oder ein Hinweis an die Lehrkraft. Kleinere Zahlen allein sind kein Wechsel; sie best\u00e4tigen, wie oben beschrieben, eine z\u00e4hlende Strategie. Ein Kind darf nie in einer Schleife aus R\u00fcckfragen h\u00e4ngen bleiben. Dahinter steht eine Anforderung, die sich erst aus der H\u00e4ufung ergibt: Jede einzelne Fehlerr\u00fcckmeldung kann angemessen sein und die Serie trotzdem eine Botschaft \u00fcber das Kind erzeugen, die niemand gestaltet hat. Eine Anwendung muss deshalb die Folge der R\u00fcckmeldungen mitf\u00fchren, nicht nur die einzelne. Welche Wartezeit angemessen ist, ist empirisch nicht gekl\u00e4rt; im Projekt PRIMA-KI wird das als offene Gestaltungsfrage behandelt.<\/p>\n\n\n\n
Hinzu kommt eine praktische Schwierigkeit. Kinder im Grundschulalter k\u00f6nnen oft nicht formulieren, was sie nicht verstehen, und viele lesen und schreiben noch m\u00fchsam. Ein System, das einen eigenen L\u00f6sungsversuch nur als Text oder gesprochene Erkl\u00e4rung entgegennimmt, schlie\u00dft genau die Kinder aus, die es erreichen soll. Der eigene Versuch muss deshalb auch nonverbal m\u00f6glich sein: durch Handeln mit Material, eine Skizze oder das Ausw\u00e4hlen aus mehreren dargestellten Wegen.<\/p>\n\n\n\n
Ein KI-Lernbegleiter sollte daher nach dem Prinzip \u201eErst du \u2013 dann ich\u201c arbeiten, sobald ein Kind mit einem Aufgabentyp vertraut ist. Zun\u00e4chst wird ein eigener L\u00f6sungsversuch eingefordert. Die KI kommt erst bei Bedarf hinzu, auf Anfrage oder automatisch bei Fehlern, und fragt dann nach Ideen, Teilstrategien und Beobachtungen. Erkl\u00e4rungen werden an vorhandene Verst\u00e4ndnisgrundlagen angedockt. Vollst\u00e4ndige Musterl\u00f6sungen bleiben die Ausnahme und dienen der Reflexion, nicht als prim\u00e4res Lernformat. F\u00fcr das Lob gilt eine Regel aus der Feedbackforschung: R\u00fcckmeldung soll sich auf das beziehen, was das Kind getan hat, nicht auf das, was es ist. \u201eDu hast zuerst die Zehn voll gemacht, das war hier ein guter Weg\u201c ist eine R\u00fcckmeldung, aus der ein Kind etwas mitnimmt; \u201eSuper, du bist ein Mathe-Ass\u201c ist keine. Zuschreibungen an die Person enthalten keine Information \u00fcber die Aufgabe und geh\u00f6ren zu den am wenigsten wirksamen Formen der R\u00fcckmeldung (Hattie & Timperley, 2007; Kluger & DeNisi, 1996). Bei F\u00fcnftkl\u00e4sslerinnen und F\u00fcnftkl\u00e4sslern f\u00fchrte Lob f\u00fcr Intelligenz nach einem Misserfolg zu geringerer Ausdauer und schlechteren Leistungen als Lob f\u00fcr Anstrengung (Mueller & Dweck, 1998). Ein KI-Lernbegleiter, der auf jede Eingabe mit Begeisterung reagiert, ist deshalb nicht besonders freundlich, sondern besonders inhaltsleer.<\/p>\n\n\n\n
Aktivierung: Metakognition und kritisches Pr\u00fcfen von KI-Antworten<\/h3>\n\n\n\n
Die dritte Gestaltungsebene geht \u00fcber die Dosierung von Hilfen hinaus und zielt auf die Qualit\u00e4t der kognitiven Prozesse, die durch die Interaktion angeregt werden. KI-Systeme k\u00f6nnen nicht nur Hinweise geben und Aufgaben erkl\u00e4ren. Sie k\u00f6nnen Prozesse des Planens, \u00dcberwachens und Reflektierens im Probleml\u00f6seprozess anregen, wenn sie darauf ausgelegt werden. Die systematische \u00dcbersicht von Wu et al. (2026) zeigt, dass Chatbots selbstreguliertes Lernen unterst\u00fctzen k\u00f6nnen, sofern ihre Scaffolds an Modelle des selbstregulierten Lernens gekoppelt sind. Guo et al. (2025) berichten in einer noch nicht begutachteten systematischen \u00dcbersicht, dass KI-Systeme bei Grundschulkindern die psychologischen Bed\u00fcrfnisse nach Autonomie, Kompetenz und sozialer Eingebundenheit ansprechen k\u00f6nnen, die Motivation und Engagement beeinflussen.<\/p>\n\n\n\n
Voraussetzung f\u00fcr all das ist Zielklarheit. Feedback kann nur wirken, wenn ein Kind wei\u00df, worauf es bei der Aufgabe ankommt: Soll es schnell rechnen, einen Weg begr\u00fcnden oder verschiedene Wege vergleichen? Ein KI-Lernbegleiter sollte dieses Ziel zu Beginn benennen und seine R\u00fcckmeldungen erkennbar daran ausrichten (Hattie & Timperley, 2007). Auf jede R\u00fcckmeldung muss zudem eine Gelegenheit folgen, sie zu nutzen. Ein Hinweis, nach dem die Aufgabe abgeschlossen wird und die App zur n\u00e4chsten weitergeht, wirkt nicht. Aufgaben sollten nach einem Hinweis erneut bearbeitbar bleiben, und ein Hinweis sollte eine konkrete n\u00e4chste Handlung nahelegen.<\/p>\n\n\n\n
Song et al. (2026) berichten aus einer Fallstudie in einer Mittelstufenklasse, dass Lernende ein KI-System, dem sie selbst etwas erkl\u00e4ren sollten (teachable agent), als Lernbegleiter, Moderator und Mitl\u00f6senden wahrnahmen. Ob das Prinzip des Lernens durch Erkl\u00e4ren in KI-gest\u00fctzten Umgebungen auch Lernzuw\u00e4chse erzeugt, ist damit noch nicht gekl\u00e4rt. Zugleich zeigt sich, dass viele heutige generative KI-Systeme tutorielle Aufgaben wie das gezielte Anregen von Planung, Strategieauswahl und Reflexion ohne spezielle Vorgaben oder Nachtraining nicht zuverl\u00e4ssig erf\u00fcllen und eher zu dem bereits beschriebenen preskriptiven Stil neigen (Chudziak & Kostka, 2025; Contel & Cusi, 2025). Solche Systeme m\u00fcssen also gezielt vorstrukturiert werden, damit sie metakognitive Hilfen von sich aus anbieten und nicht nur auf Fehler reagieren.<\/p>\n\n\n\n
Ein zweiter Aspekt der Aktivierung besteht darin, Kinder zur kritischen Pr\u00fcfung von KI-Antworten zu bef\u00e4higen. Er liegt streng genommen quer zum selbstregulierten Lernen, weil er nicht die Steuerung des eigenen Lernprozesses betrifft, sondern den Umgang mit einer fehlbaren Informationsquelle. F\u00fcr das Lernen mit KI geh\u00f6rt er dennoch hierher, weil beides dieselbe Haltung verlangt: das eigene Vorgehen und das des Systems nicht ungepr\u00fcft hinzunehmen. In einer Studie mit 77 Kindern der Jahrgangsstufen 3 bis 5, die mit einem sprachmodellgest\u00fctzten Roboter Mathematikaufgaben bearbeiteten, konnten die meisten Kinder korrekte von fehlerhaften Antworten unterscheiden (Helal et al., 2024). Diese F\u00e4higkeit hing allerdings deutlich davon ab, ob sie die Aufgabe selbst l\u00f6sen konnten. Die kritische Pr\u00fcfung von KI-Antworten setzt fachliches Wissen voraus und ersetzt es nicht. Eine eigene Beobachtung passt dazu: Bei einem Mathetag an einer Grundschule<\/a> im Januar 2026 forderten Kinder der dritten und vierten Klasse an einer Station einen f\u00fcr sie entwickelten Chatbot mit Aufgaben heraus, die sie selbst sicher l\u00f6sen konnten, und pr\u00fcften seine Antworten nach. Dass sich die KI verrechnete, erstaunte die Kinder und f\u00fchrte im Verlauf der Station zu einer pr\u00fcfenden Haltung. Das ist eine Beobachtung an einem einzelnen Tag, keine Erhebung, und aus ihr folgt keine stabile F\u00e4higkeit. Kritisches Pr\u00fcfen von KI-Antworten muss deshalb an Inhalten ge\u00fcbt werden, die die Kinder sicher beherrschen, bevor es auf neue Inhalte \u00fcbertragen wird. Diese F\u00e4higkeit k\u00f6nnen Kinder bereits in der Primarstufe \u00fcben; sie begegnen KI-generierten Inhalten im Alltag zunehmend (Yim & Su, 2025).<\/p>\n\n\n\n
Ein KI-Lernbegleiter kann als metakognitiver Partner konzipiert werden, der diese Prozesse anregt. F\u00fcr die Primarstufe m\u00fcssen die Fragen an etwas Sichtbarem ansetzen: \u201eWas ist bei diesen drei Aufgaben gleich?\u201c, \u201eHast du gez\u00e4hlt oder von einer Aufgabe abgeleitet, die du schon kennst?\u201c, \u201eZeig mir, wo die 8 in deiner Zeichnung steckt.\u201c, \u201eIst dein Ergebnis gr\u00f6\u00dfer oder kleiner als 100? Wie kannst du das schnell sehen?\u201c Offene Reflexionsfragen wie \u201eWas ist dir aufgefallen?\u201c setzen sprachliche und metakognitive Mittel voraus, \u00fcber die j\u00fcngere Kinder oft noch nicht verf\u00fcgen; sie funktionieren erst, wenn sie sich auf einen konkreten Gegenstand vor dem Kind beziehen. Das System regt die Reflexion \u00fcber Fehler an (\u201eWelche Idee von vorher k\u00f6nnte hier helfen?\u201c) und kann, wo sinnvoll, Elemente des Zur\u00fcckerkl\u00e4rens einbauen: Kinder erkl\u00e4ren der KI, was sie verstanden haben, und die KI fragt nach und vertieft. Dadurch regt das System eigene Erkl\u00e4rungen, Pr\u00fcfungen und Reflexionen an, statt selbst als allwissende Instanz aufzutreten.<\/p>\n\n\n\n
F\u00fcr die Primarstufe ist dieses Prinzip zugleich das am wenigsten gesicherte. Die Befunde zum selbstregulierten Lernen mit KI stammen fast ausschlie\u00dflich aus Sekundarstufe und Hochschule.<\/p>\n\n\n\n
Einbettung: Hybride Arrangements und die Rolle der Lehrkraft<\/h3>\n\n\n\n
Die vierte Gestaltungsebene betrifft den Rahmen, in dem KI-Lernbegleitung stattfindet. Mehrere Studien berichten Vorteile hybrider Arrangements, in denen KI die Lehrkraft nicht ersetzt, sondern entlastet, etwa durch passgenaue Scaffolds im Probleml\u00f6seprozess oder Echtzeit-Analysen, damit Lehrkr\u00e4fte mehr Zeit f\u00fcr p\u00e4dagogische Interaktion und Beziehungsgestaltung haben (Wezendonk & Veldhuis, 2024; Gonnermann-M\u00fcller et al., 2025, Preprint). Eine allgemeine \u00dcberlegenheit gegen\u00fcber gut gestaltetem rein menschlichem oder rein KI-gest\u00fctztem Feedback ist damit nicht belegt.<\/p>\n\n\n\n
Ein exploratives Pilotprojekt des Anbieters Eedi mit Google DeepMind in f\u00fcnf britischen Sekundarschulklassen mit 165 Sch\u00fclerinnen und Sch\u00fclern berichtet in einer Pressemitteilung (Eedi & Google DeepMind, 2025), dass ein Hybridarrangement aus KI-Vorschl\u00e4gen und menschlicher Tutorin gegen\u00fcber einem Standardhinweis einen Zuwachs von 10 Prozentpunkten bei der \u00dcbertragung auf neue Aufgaben erzielte, gegen\u00fcber 4,5 Prozentpunkten bei rein menschlicher Unterst\u00fctzung. Die Tutorinnen und Tutoren griffen dabei vor allem ein, um das Tempo der KI zu bremsen und ihren Ton abzumildern. Die Ergebnisse sind nicht begutachtet, stammen vom Anbieter selbst und sind vorl\u00e4ufig zu lesen. In der Meta-Analyse von Kaliisa et al. (2026) \u00fcber 41 Studien mit 4813 \u00fcberwiegend \u00e4lteren Lernenden lie\u00df sich zwischen KI-generiertem und menschlichem Feedback kein signifikanter Unterschied in der Lernleistung nachweisen (g = 0,25, nicht signifikant, bei sehr unterschiedlichen Einzelbefunden). Daraus folgt nicht unmittelbar, dass die Kombination beider Formen besser ist. Plausibel ist die Annahme, weil beide Formen unterschiedliche St\u00e4rken haben: KI-Feedback ist unmittelbar verf\u00fcgbar und niedrigschwellig, Lehrkraft-Feedback ordnet ein und kennt das Kind. Ob die Kombination mehr leistet als jede Form f\u00fcr sich, ist eine offene Forschungsfrage. Dass der Tr\u00e4ger der Unterst\u00fctzung weniger entscheidet als ihre Gestaltung, ist kein neuer Befund: Schon f\u00fcr regelbasierte Tutorsysteme fand VanLehn (2011), dass gut gebaute Systeme in der Gr\u00f6\u00dfenordnung menschlicher Einzeltutoren wirken (d = 0,76 gegen\u00fcber d = 0,79) und dass die oft zitierte \u00dcberlegenheit menschlichen Tutorings um zwei Standardabweichungen empirisch nicht haltbar ist. Cosentino et al. (2025) sehen in hybriden Feedback-Modellen das Potenzial, die kognitive Belastung zu reduzieren und differenzierte Informationsverarbeitung zu unterst\u00fctzen.<\/p>\n\n\n\n
Ein Gegenbeispiel zur pauschalen Hybrid-Annahme liefern Kestin et al. (2025). In einem randomisierten Kontrollversuch mit Physikstudierenden einer hochselektiven Hochschule lernten die Teilnehmenden mit einem nach didaktischen Prinzipien gestalteten KI-Tutor in k\u00fcrzerer Zeit signifikant mehr als in einer Pr\u00e4senzstunde mit aktivierenden Methoden. Der Befund betrifft eine einzelne Lerneinheit im Hochschulkontext und l\u00e4sst sich nicht auf den Grundschulunterricht \u00fcbertragen. Er zeigt aber, dass gut gestaltete KI-Unterst\u00fctzung nicht grunds\u00e4tzlich auf menschliche Rahmung angewiesen ist. Ein weiterer Befund betrifft die Unterst\u00fctzung der Lehrenden selbst. Tutor CoPilot (Wang et al., 2024, Preprint) unterst\u00fctzt Tutorinnen und Tutoren eines Online-Nachhilfeprogramms in Echtzeit mit Formulierungsvorschl\u00e4gen. In einem randomisierten Kontrollversuch mit 900 Tutorinnen und Tutoren und 1800 Sch\u00fclerinnen und Sch\u00fclern der Klassenstufen K\u201312 stieg die Wahrscheinlichkeit, ein Thema zu beherrschen, um 4 Prozentpunkte, bei zuvor schw\u00e4cher bewerteten Tutorinnen und Tutoren um 9 Prozentpunkte. Die Analyse der Nachrichten zeigt, dass sie h\u00e4ufiger leitende Fragen stellten und seltener pauschal lobten.<\/p>\n\n\n\n
Aus der Perspektive der hybriden Einbettung ergeben sich mehrere Konsequenzen f\u00fcr das Systemdesign. Die Generierung von Feedback muss auf fachdidaktisch fundierten Informationen beruhen. Lehrkr\u00e4fte ben\u00f6tigen Einblick in den Interaktionsverlauf und Einstellungsm\u00f6glichkeiten. Die Forschung zu \u00dcbersichtsanzeigen f\u00fcr Lehrkr\u00e4fte (Dashboards) zeigt, dass deren Nutzen von der Deutungsarbeit der Lehrkraft abh\u00e4ngt. In einer Beobachtungsstudie in 38 Mathematikstunden der Grundschule konsultierten Lehrkr\u00e4fte die Anzeige im Mittel 8,3-mal pro Stunde und leiteten daraus vor allem aufgaben- und prozessbezogene R\u00fcckmeldungen ab (Molenaar & Knoop-van Campen, 2019). Die angezeigten Daten wirken also nicht von selbst, sondern \u00fcber das, was die Lehrkraft mit ihnen anf\u00e4ngt. Das legt nahe, Anzeigen zu priorisieren, statt Verlaufsdaten zu h\u00e4ufen: Welches Kind braucht jetzt die Lehrkraft, und warum? In einer Studie mit Mittelstufenklassen, in der ein Werkzeug den Lehrkr\u00e4ften anzeigte, welche Kinder im Tutorsystem gerade Hilfe brauchten, lernten die Kinder mehr als ohne diese Anzeige (Holstein et al., 2018). Ein direkter Vergleich beider Anzeigeformen liegt nicht vor. Eine \u00dcbersichtsanzeige f\u00fcr die Grundschule sollte deshalb weniger Verlaufsdaten und mehr handlungsleitende Hinweise enthalten und im laufenden Unterricht in Sekunden erfassbar sein. Die KI kann Vorschl\u00e4ge f\u00fcr Aufgaben, Hilfen oder erste Diagnosen machen; die Entscheidung bleibt beim Menschen. Aussichtsreich ist vor allem die Unterst\u00fctzung auf Aufgabenebene beim Probleml\u00f6sen. In einer heterogenen Klasse erreichen Lehrkr\u00e4fte dort oft nicht alle Kinder rechtzeitig. Im systematischen Review von Eti et al. (2026) werden vor allem solche Systeme als erfolgreich beschrieben, die Fehlvorstellungen erkennen, passende Hinweise geben und Lernende schrittweise zu selbstst\u00e4ndigem Probleml\u00f6sen f\u00fchren; ein Wirksamkeitsvergleich zwischen diesen und anderen Gestaltungen liegt der \u00dcbersicht nicht zugrunde.<\/p>\n\n\n\n
Die Einbindung von Lehrkr\u00e4ften in Entwicklung und Einsatz von KI-Tutorsystemen bleibt bisher oft unzureichend mitgedacht. Guerino et al. (2023) sowie Wezendonk und Veldhuis (2024) betonen, dass lehrkraftzentrierte Gestaltungsans\u00e4tze und Programme zur KI-Kompetenz von Lehrkr\u00e4ften notwendig sind, um die Integration in den Unterricht und die Akzeptanz zu sichern. Professionalisierung und Fortbildung zur Einbindung und Pr\u00fcfung von KI sind Voraussetzung f\u00fcr einen verantwortlichen Einsatz (Holmes et al., 2019; KMK, 2024; Wang & Nie, 2023) und geh\u00f6ren in die Lehrkr\u00e4fteaus- und -weiterbildung. Fortbildung sollte technische Grundlagen sowie p\u00e4dagogische Chancen, Risiken und Pr\u00fcfkriterien umfassen. Grundlage bleibt das fachdidaktische Wissen, mit dem Lehrkr\u00e4fte die KI als Assistenz im Lernarrangement pr\u00fcfen und einordnen.<\/p>\n\n\n\n
KI als Ansto\u00df f\u00fcr mathematische Aktivit\u00e4ten mit Material<\/h2>\n\n\n\n
Die Gestaltungsprinzipien beschreiben, wie KI-Lernbegleitung in der Interaktion zwischen System und Kind funktionieren sollte. Ebenso wichtig ist, wie sich diese Interaktion in das Gesamtarrangement mathematischen Lernens einf\u00fcgt. KI soll nicht dazu f\u00fchren, dass Kinder nur noch auf Bildschirme schauen. Forschung zu gegenst\u00e4ndlichen Bedienoberfl\u00e4chen (Tangible Interfaces) und sozialen Robotern zeigt, dass KI auch Interaktion in der physischen Welt anregen kann (Ligthart et al., 2023). KI sollte als Ansto\u00df f\u00fcr mathematische Aktivit\u00e4ten dienen und dabei den Wechsel zwischen den Darstellungsebenen unterst\u00fctzen: zwischen Handlung am Material (enaktiv), Bild und Skizze (ikonisch) sowie Zahl, Term und Sprache (symbolisch; Bruner, 1966). Lernwirksam ist weniger die einzelne Ebene als der \u00dcbersetzungsprozess zwischen ihnen, in der deutschen Didaktik als intermodaler Transfer bezeichnet (Wartha & Schulz, 2012). Der produktivste Impuls eines KI-Systems ist deshalb h\u00e4ufig keine Erkl\u00e4rung, sondern eine Aufforderung zum Darstellungswechsel: \u201eKannst du das mit den Pl\u00e4ttchen legen?\u201c, \u201eZeichne, was du gerechnet hast.\u201c, \u201eWo steckt die 7 in deiner Zeichnung?\u201c Solche Impulse verlagern die Denkarbeit zur\u00fcck zum Kind und verlassen zugleich den Bildschirm.<\/p>\n\n\n\n
Die KI kann Handlungen mit Material sowie Skizzen, Notizen oder Fotos einbeziehen und dazu Fragen stellen, beispielsweise beim Modellieren von Sachaufgaben in der App Rechengeschichten<\/a>. Dort k\u00f6nnen neben der Spracheingabe auch Skizzen, Notizen und Fotos der Modellierung mit dem KI-Lernbegleiter besprochen werden. Gerade Sachaufgaben zeigen, wie fein die Grenze zwischen Unterst\u00fctzung und \u00dcbernahme verl\u00e4uft. Kinder scheitern hier selten am Rechnen, h\u00e4ufiger am sinnentnehmenden Lesen, an unbekannten W\u00f6rtern, an Signalwortstrategien wie \u201ezusammen hei\u00dft plus\u201c und daran, das Ergebnis auf seine Sinnhaftigkeit zu pr\u00fcfen. Ein KI-Lernbegleiter kann sprachlich entlasten, indem er vorliest, ein Wort erkl\u00e4rt, die Situation nachfragt oder bei Kindern mit Deutsch als Zweitsprache in der Erstsprache nachfragt, ohne die mathematische Struktur vorwegzunehmen. Formuliert er die Aufgabe dagegen so um, dass die Rechenoperation bereits erkennbar ist, entf\u00e4llt genau die Leistung, um die es geht. Eine R\u00fcckfrage in der Erstsprache setzt zudem zweierlei voraus: dass sie als Einstiegshilfe und nicht als Dauerl\u00f6sung gedacht ist, weil der Aufbau der deutschen Fachsprache selbst zum Lernziel geh\u00f6rt, und dass die Lehrkraft den Verlauf nachvollziehen kann, etwa \u00fcber eine mitgef\u00fchrte deutsche Fassung. F\u00fcr die Praxis ergibt sich daraus eine einfache Pr\u00fcffrage: Nimmt die KI dem Kind das Lesen ab oder das Modellieren?<\/p>\n\n\n\n
Die Spracheingabe ist dabei ein empfindlicher Punkt. Kinderstimmen werden von automatischer Spracherkennung deutlich schlechter erkannt als Erwachsenenstimmen; g\u00e4ngige Modelle erreichen bei Kindersprache Wortfehlerraten, die deutlich \u00fcber denen bei Erwachsenen liegen, untersucht bislang vor allem f\u00fcr englischsprachige Kinder (Attia et al., 2024), verst\u00e4rkt durch Dialekt, Mehrsprachigkeit und Ger\u00e4usche im Klassenraum. Ein Erkennungsfehler bleibt f\u00fcr das nachgeschaltete Sprachmodell unsichtbar. Es deutet das Missverstandene als inhaltliche \u00c4u\u00dferung und im ung\u00fcnstigen Fall als Fehlvorstellung. Systeme f\u00fcr die Primarstufe sollten deshalb Unsicherheit sichtbar machen und r\u00fcckfragen, statt zu deuten: Sie zeigen oder lesen vor, was verstanden wurde, und lassen das Kind korrigieren, bevor das Sprachmodell darauf antwortet.<\/p>\n\n\n\n
F\u00fcr den Primarbereich liegen deutlich weniger Studien vor als f\u00fcr Sekundarstufe und Hochschule. Die vorhandenen Ergebnisse stimmen vorsichtig optimistisch: Die Meta-Analyse von Hwang (2022) findet f\u00fcr regelbasierte KI-Systeme in der Grundschulmathematik einen kleinen positiven Effekt (g = 0,35), und die wenigen Studien zu dialogischen Systemen deuten darauf hin, dass Kinder profitieren, wenn die Lernumgebung sinnvoll gestaltet ist und digitale Begleitung mit analogem Arbeiten verkn\u00fcpft wird (Kuo et al., 2026; Liu et al., 2025; Ruan et al., 2020, dort mit menschengesteuertem Chatbot). Eine explorative Fallstudie mit zwei sechsj\u00e4hrigen Kindern (Rumbelow & Coles, 2024) beschreibt, wie eine App zur Objekterkennung von Cuisenaire-St\u00e4ben bei einem der beiden Kinder innerhalb weniger Minuten einen Wechsel von der Deutung der St\u00e4be als Z\u00e4hleinheiten hin zur Deutung als L\u00e4ngen anstie\u00df; beim zweiten Kind trat dieser Wechsel nicht ein. Solche Ergebnisse sind Hinweise auf ein Gestaltungspotenzial, keine Wirksamkeitsbelege. \u00dcbertragen auf g\u00e4ngiges Material im deutschen Anfangsunterricht hie\u00dfe das: Ein Kind legt eine Aufgabe mit Wendepl\u00e4ttchen am Zwanzigerfeld, fotografiert die Legung, und das System fragt nach, statt zu bewerten: \u201eWelche Aufgabe hast du hier gelegt?\u201c, \u201eWarum hast du f\u00fcnf und f\u00fcnf zusammengeschoben?\u201c Der Gewinn liegt nicht in der Erkennung selbst, sondern darin, dass das Kind sein Handeln versprachlichen muss. Das Foto soll die Handlung dokumentieren, nicht ersetzen. Wie verl\u00e4sslich die Erkennung gelingt, h\u00e4ngt vom Material ab: Klar unterscheidbares strukturiertes Material wird gut erkannt, w\u00e4hrend handgezeichnete Skizzen, Kinderhandschrift und vor allem das genaue Z\u00e4hlen von Objekten f\u00fcr heutige Bildmodelle noch fehleranf\u00e4llig sind.<\/p>\n\n\n\n
KI-gest\u00fctztes \u00dcben kann die Automatisierung von Rechens\u00e4tzen unterst\u00fctzen; eine kleinere, in einer wenig verbreiteten Zeitschrift ver\u00f6ffentlichte Studie mit achtj\u00e4hrigen Kindern \u00fcber sechs Wochen berichtet gr\u00f6\u00dfere Fl\u00fcssigkeitsgewinne als beim reinen Auswendiglernen (Samuelsson, 2023). F\u00fcr die Primarstufe ist dabei die Reihenfolge entscheidend: Automatisierung setzt Verst\u00e4ndnis und ableitende Strategien voraus. Bei Kindern, die noch z\u00e4hlend rechnen, ist \u00dcbung unter Zeitdruck nicht nur wenig wirksam, sondern kann die z\u00e4hlende Strategie verfestigen und Vermeidungsverhalten verst\u00e4rken (Gaidoschik, 2010; Wartha & Schulz, 2012). Ein KI-Lernbegleiter m\u00fcsste daher unterscheiden k\u00f6nnen, ob ein Kind eine Aufgabe z\u00e4hlend oder ableitend l\u00f6st, und im ersten Fall nicht Tempo, sondern Strategieaufbau adressieren, etwa \u00fcber die Kraft der F\u00fcnf, das Verdoppeln oder das Zerlegen am Zwanzigerfeld. Adaptive Systeme f\u00fcr Kinder mit Rechenschwierigkeiten werden in Prototypenstudien erprobt (Hocine et al., 2023). Spielerische Ans\u00e4tze sind ebenfalls untersucht: Sayed et al. (2022) berichten Verbesserungen besonders bei leistungsschw\u00e4cheren Sch\u00fclerinnen und Sch\u00fclern durch adaptive, spielerische Inhalte.<\/p>\n\n\n\n
Kinder sollen mathematische Aussagen, auch und gerade von KI, kritisch pr\u00fcfen, begr\u00fcnden und miteinander diskutieren (Kortenkamp, 2024; Aufenanger et al., 2023). KI-Lernbegleitung in der Grundschule sollte daher vor allem als Ansto\u00df f\u00fcr reichhaltige mathematische Aktivit\u00e4ten dienen, die digitale und analoge Handlungen miteinander verbinden und an fachdidaktischen \u00dcberlegungen ausgerichtet sind.<\/p>\n\n\n\n
Wann auf KI-Lernbegleitung verzichtet werden sollte<\/h2>\n\n\n\n
Aus den vier Prinzipien folgt spiegelbildlich, in welchen Situationen ein Einsatz derzeit nicht sinnvoll ist. Vor jeder Frage nach der Gestaltung steht die Frage, ob KI hier etwas leistet, das Material, Gespr\u00e4ch und eigenes Probieren nicht leisten. Ein Kind, das Zahlen zerlegt, braucht Pl\u00e4ttchen und eine Frage, keinen Chatbot.<\/p>\n\n\n\n
Beim erstmaligen Aufbau von Grundvorstellungen mit Material tritt der Bildschirm in Konkurrenz zur Handlung und zum Gespr\u00e4ch. Hier ist die Lehrkraft die passendere Instanz; KI kann allenfalls im Anschluss zur Versprachlichung des Gehandelten beitragen.<\/p>\n\n\n\n
Bei Aufgaben, deren Lernwert gerade im eigenst\u00e4ndigen Ringen liegt, etwa offene Problemstellungen, verk\u00fcrzt jede sofort verf\u00fcgbare Hilfe genau den Prozess, um den es geht. Hier ist die Lehrkraft, die Zeit gibt und im richtigen Moment nachfragt, dem System \u00fcberlegen.<\/p>\n\n\n\n
Bei diagnostischen Einsch\u00e4tzungen mit Folgen, etwa F\u00f6rderentscheidungen, dem Verdacht auf Rechenschwierigkeiten oder der Leistungsbewertung, ist eine KI-gest\u00fctzte Einsch\u00e4tzung bestenfalls ein Hinweis, nie eine Grundlage. Die Verantwortung liegt bei der Lehrkraft.<\/p>\n\n\n\n
Wenn die Lehrkraft keinen Zugriff auf den Interaktionsverlauf hat, entf\u00e4llt das vierte Prinzip. Eine unbeaufsichtigte KI-Lernbegleitung in der Primarstufe, deren Ausgaben niemand pr\u00fcft, ist nach dem gegenw\u00e4rtigen Kenntnisstand nicht zu verantworten.<\/p>\n\n\n\n
Schlie\u00dflich entstehen zus\u00e4tzliche H\u00fcrden statt Unterst\u00fctzung, wenn die sprachlichen Voraussetzungen der Kinder eine dialogische Interaktion nicht zulassen, etwa bei geringer Lesekompetenz ohne verl\u00e4ssliche Sprachausgabe oder bei unzuverl\u00e4ssiger Spracherkennung. Die St\u00e4ndige Wissenschaftliche Kommission der Kultusministerkonferenz (SWK, 2024) empfiehlt f\u00fcr die Grundschule eine weitgehende Abstinenz von Sprachmodellen und stattdessen den systematischen Aufbau basaler Lese- und Schreibkompetenzen; eine regul\u00e4re Nutzung sieht sie erst ab Klasse 8 vor. Die hier beschriebenen Prinzipien beziehen sich nicht auf den freien Zugang zu einem Chatbot, den die SWK im Blick hat, sondern auf eng vorstrukturierte, in eine Lernanwendung eingebettete Systeme. Ob eine solche Einbettung die Bedenken der SWK ausr\u00e4umt, ist eine offene Frage; die vorliegenden Befunde sprechen daf\u00fcr, dass es auf genau diese Vorstrukturierung ankommt.<\/p>\n\n\n\n
Was du als Lehrkraft pr\u00fcfen kannst<\/h2>\n\n\n\n
Die vier Prinzipien lassen sich in Fragen \u00fcbersetzen, mit denen du einen KI-Lernbegleiter im Schulalltag beurteilen kannst. Ein einfaches Verfahren: Bearbeite die App selbst und gib dabei bewusst die Fehler ein, die du aus deiner Klasse kennst.<\/p>\n\n\n\n
- \n
- Fundierung.<\/strong> Gib eine typische Fehlvorstellung ein, etwa 42 \u2212 8 = 46 (das Kind zieht ziffernweise die kleinere von der gr\u00f6\u00dferen Ziffer ab), oder antworte auf die Frage, wie viele Zehner in 240 stecken, mit \u201evier\u201c statt \u201e24\u201c. Erkennt das System, welche Vorstellung dahintersteckt, oder meldet es nur \u201efalsch, versuch es noch einmal\u201c? Schl\u00e4gt es bei einer Aufgabe wie 8 + 6 vor, weiterzuz\u00e4hlen, statt eine ableitende Strategie anzuregen? Dann ist es f\u00fcr Kinder mit Rechenschwierigkeiten nicht geeignet. Bei 8 + 1 ist Weiterz\u00e4hlen dagegen unbedenklich; entscheidend ist, ob das System dort z\u00e4hlen l\u00e4sst, wo eine Strategie zur Verf\u00fcgung st\u00fcnde.<\/li>\n\n\n
- Dosierung.<\/strong> Fordere f\u00fcnfmal hintereinander einen Hinweis an, ohne selbst etwas zu rechnen. Gibt das System irgendwann die L\u00f6sung heraus? Fragt es nach einer eigenen Idee? Ein System, das auf Knopfdruck beliebig oft L\u00f6sungen liefert, wird in der Klasse genau so genutzt werden. Pr\u00fcfe auch den umgekehrten Fall: Was passiert, wenn du dreimal denselben Fehler machst, ohne Hilfe anzufordern? Und lass dich nicht davon beeindrucken, dass Kinder in einer App sichtbar viel richtig machen; \u00dcbungserfolg mit Hilfe ist kein Beleg f\u00fcr Lernen.<\/li>\n\n\n
- Aktivierung.<\/strong> Gib eine richtige Antwort mit falscher Begr\u00fcndung ein. Reagiert das System auf die Begr\u00fcndung oder nur auf das Ergebnis? Lobt es alles? Widerspricht es, wenn du eine falsche Behauptung \u00fcberzeugt vortr\u00e4gst?<\/li>\n\n\n
- Einbettung.<\/strong> Siehst du, welche Hilfen ein Kind bekommen hat? Kannst du Funktionen abschalten? Kannst du die R\u00fcckmeldungen einer Stunde in den Tagen danach nachlesen, bevor du mit dem Kind sprichst? Nimmt die KI dem Kind bei Sachaufgaben das Lesen ab oder das Modellieren?<\/li>\n\n<\/ul>\n\n\n\n
- Dosierung.<\/strong> Fordere f\u00fcnfmal hintereinander einen Hinweis an, ohne selbst etwas zu rechnen. Gibt das System irgendwann die L\u00f6sung heraus? Fragt es nach einer eigenen Idee? Ein System, das auf Knopfdruck beliebig oft L\u00f6sungen liefert, wird in der Klasse genau so genutzt werden. Pr\u00fcfe auch den umgekehrten Fall: Was passiert, wenn du dreimal denselben Fehler machst, ohne Hilfe anzufordern? Und lass dich nicht davon beeindrucken, dass Kinder in einer App sichtbar viel richtig machen; \u00dcbungserfolg mit Hilfe ist kein Beleg f\u00fcr Lernen.<\/li>\n\n\n
- Dosierung: Adaptives Scaffolding und das Prinzip \u201eErst du \u2013 dann ich\u201c<\/a><\/li>\n\n\n
- H\u00f6flichkeit und p\u00e4dagogische Qualit\u00e4t von Sprachmodellen<\/a><\/li>\n\n\n
- Zone der n\u00e4chsten Entwicklung und Scaffolding<\/a><\/li>\n\n\n