Wie KI im Unterricht helfen kann – und wo die Belege noch dünn sind

KI kann Bildung sinnvoll unterstützen, wenn sie nicht als Wundermittel verstanden wird, sondern als Werkzeug für eine konkrete pädagogische Aufgabe: Üben anpassen, Feedback geben, Zugänge erleichtern oder Lehrkräften helfen, Lerninformationen besser zu deuten. Der entscheidende Punkt ist die Evidenz. Die Forschung rechtfertigt derzeit nicht die Annahme, dass KI automatisch zu besseren Lernergebnissen führt – besonders nicht im Schulbereich.

Kurz gesagt

Die stärksten Einsatzfelder von KI in der Bildung sind eher praktisch als spektakulär. Adaptive Lernsysteme können Aufgaben und Materialien an den Bedarf einzelner Lernender anpassen. Forschung zu KI in der Bildung umfasst unter anderem intelligente tutorielle Systeme, adaptive Lernmodelle, Feedback- und Begründungswerkzeuge sowie Systeme, die Barrierefreiheit unterstützen.

Gleichzeitig ist „KI in der Bildung“ viel zu breit, um sie pauschal zu bewerten. Eine Stanford-Übersicht von 2026 beschreibt die Evidenzlage für K–12 – also den US-Begriff für Schulbildung vom Kindergarten bis zum Ende der Sekundarstufe – als weiterhin begrenzt. Demnach untersuchten 59 Prozent der Arbeiten im erfassten Repository Schülerinnen und Schüler als KI-Nutzende; zugleich wurde keine der schülerorientierten kausalen Studien in diesem Repository in US-amerikanischen K–12-Schulen durchgeführt.

Für Schulen heißt das: Nicht „KI“ ist die relevante Entscheidung, sondern ein bestimmtes Werkzeug in einem bestimmten Unterrichtskontext.

1. Personalisiertes Üben: sinnvoll, wenn das Ziel klar ist

Personalisierung gehört zu den naheliegenden Einsatzfeldern. Der Learning-Sciences-Blog der Southern Methodist University beschreibt adaptive Lerntechnologien als Systeme, die Lernmaterial auf individuelle Bedürfnisse zuschneiden. Eine systematische Übersicht zu KI in der Bildung nennt intelligente tutorielle Systeme und adaptive Lernmodelle als wichtige Entwicklungsbereiche.

Im Unterricht kann das bedeuten: Ein System schlägt zusätzliche Übungsaufgaben vor, wiederholt Inhalte, variiert den Schwierigkeitsgrad oder bietet tutorielle Unterstützung, wenn Lernende an einer Stelle nicht weiterkommen. Der pädagogische Wert liegt aber nicht darin, dass „Personalisierung durch KI“ automatisch wirkt. Er liegt darin, dass solche Systeme so gestaltet werden können, dass sie auf Unterschiede zwischen Lernenden reagieren – etwas, das statisches Material nur begrenzt leisten kann.

Die entscheidende Prüfungsfrage bleibt konkret: Hilft dieses System in diesem Fach, in dieser Jahrgangsstufe und in diesem Unterrichtsablauf? Gerade wegen der begrenzten K–12-Evidenz sollte diese Frage vor einer breiten Einführung gestellt werden.

2. Feedback: hilfreich, aber nicht ohne pädagogische Kontrolle

KI kann Lernprozesse auch unterstützen, indem sie Rückmeldungen erzeugt oder Lernenden beim Durchdenken von Aufgaben hilft. Die systematische Übersicht ordnet „Feedback und Reasoning“ als einen Bereich von KI in der Bildung ein, neben Entwicklungsfeldern wie intelligenten Tutoring-Systemen und adaptiven Lernmodellen.

Für den Unterricht reicht es aber nicht, dass ein System irgendeine Antwort ausgibt. Wichtig ist, ob die Rückmeldung fachlich korrekt, didaktisch sinnvoll, altersangemessen und in einen von Lehrkräften gesteuerten Lernprozess eingebettet ist. Der EdTech Innovation Hub fasst UNESCO-Teacher-Task-Force-Leitlinien so zusammen, dass Lehrkräfte zentral bleiben sollten und nicht als durch KI ersetzbar betrachtet werden dürfen.

Richtig eingesetzt kann KI-Feedback zusätzliche Übung ermöglichen. Unbedacht eingesetzt kann es Verwirrung stiften oder den Eindruck erwecken, jede generierte Antwort sei zuverlässig. Deshalb bleibt die Rolle der Lehrkraft entscheidend.

3. Barrierefreiheit und bessere Lernzugänge

Ein weiteres plausibles Einsatzfeld ist Barrierefreiheit. Eine systematische Übersicht beschreibt intelligente Systeme als Teil von Lernumgebungen, die Personalisierung, Zugänglichkeit und die Lernerfahrung insgesamt verbessern können.

Das bedeutet nicht, dass jedes KI-Produkt automatisch inklusiv oder barrierefrei ist. Schulen und Bildungseinrichtungen sollten genau prüfen: Welche Barriere soll das Werkzeug abbauen? Für wen wurde es getestet? Wer profitiert tatsächlich? Und woran lässt sich im eigenen Kontext erkennen, ob es hilft?

Der stärkste Fall für KI entsteht dort, wo ein Werkzeug zu einem klar beschriebenen Lernbedarf passt – nicht dort, wo es nur deshalb eingeführt wird, weil es „KI-Funktionen“ hat.

4. Lerndaten: Muster erkennen, Entscheidungen unterstützen

KI kann Lehrkräften und Schulleitungen auch dabei helfen, Lerninformationen auszuwerten. EdTech Magazine fasst Leitlinien des U.S. Department of Education – des US-Bildungsministeriums – so zusammen: KI könne Bildungstechnologie davon wegbewegen, Daten nur zu erfassen, hin zum Erkennen von Mustern in Daten. Außerdem könne sie den Zugang zu Unterrichtsressourcen um automatisierte Entscheidungen rund um Lehr- und Lernprozesse erweitern.

Das sollte als Unterstützung verstanden werden, nicht als Ersatz pädagogischer Urteile. Mustererkennung kann helfen, Probleme früher zu sehen. Aber welche Konsequenzen daraus folgen, bleibt eine professionelle Entscheidung. Dieselbe Zusammenfassung betont die Beteiligung von Lehrkräften, und die UNESCO-nahe Orientierung, über die der EdTech Innovation Hub berichtet, unterstreicht ebenfalls, dass Lehrkräfte zentral bleiben müssen.

Was KI noch nicht bewiesen hat

Die große offene Frage ist nicht, ob KI-Systeme einzelne Bildungsaufgaben ausführen können. Das können sie in vielen Fällen. Die größere Frage lautet: Verbessern heutige KI-Werkzeuge zuverlässig das Lernen in realen Schulumgebungen?

Genau hier ist die Evidenz vorsichtig zu lesen. Die Stanford-Übersicht beschreibt die Forschung zur Wirkung von KI im K–12-Bereich als weiterhin begrenzt. Sie berichtet außerdem, dass keine der schülerorientierten kausalen Studien im Repository in US-amerikanischen K–12-Schulen durchgeführt wurde.

Breite Versprechen über bessere Leistungen durch KI gehen deshalb weiter, als die vorhandenen Belege tragen. Sinnvoller ist eine engere Frage: Welches KI-Werkzeug hilft welchen Lernenden, in welchem Fach, mit welchem Unterrichtsablauf und gemessen an welchem Ergebnis? Solange eine Schule diese Frage nicht beantworten kann, sollte sie KI vorsichtig einführen und vor Ort evaluieren.

Eine praktische Prüfliste für Schulen

Prüffrage	Warum sie wichtig ist
Welches konkrete Unterrichtsproblem soll das Werkzeug lösen?	Die am besten begründbaren Einsatzfelder sind zielgerichtet: Personalisierung, tutorielle Unterstützung, Feedback, Barrierefreiheit und Mustererkennung in Lerndaten.
Personalisiert es Lernen nachvollziehbar?	Adaptive Lerntechnologien können Material an individuelle Bedürfnisse anpassen; adaptive Modelle sind ein wichtiger Bereich von KI in der Bildung.
Unterstützt es Feedback, ohne die Lehrkraft aus dem Prozess zu nehmen?	Feedback und Reasoning sind anerkannte KI-Funktionen im Bildungsbereich, doch die Rolle der Lehrkraft bleibt wichtig.
Adressiert es einen klar benannten Bedarf an Barrierefreiheit?	Übersichten beschreiben intelligente Systeme als potenziell hilfreich für Zugänglichkeit und Lernerfahrung.
Hilft es Lehrkräften, Lerninformationen zu interpretieren?	Die vom EdTech Magazine zusammengefassten DOE-Leitlinien beschreiben KI als Schritt vom bloßen Datensammeln hin zur Mustererkennung in Daten.
Gibt es Evidenz aus einem vergleichbaren Kontext?	Die K–12-Evidenz ist weiterhin begrenzt, insbesondere bei schülerorientierten kausalen Studien in realen US-Schulumgebungen.

Fazit

KI kann Bildung unterstützen – vor allem durch personalisiertes Üben, tutorielle Hilfen, Feedback, bessere Zugänglichkeit und die Analyse von Lerndaten. Der klügste Einsatz ist jedoch eng gefasst, von Lehrkräften begleitet und an Belegen orientiert. Schulen sollten KI nicht als allgemeine Lösung behandeln, sondern prüfen, ob ein bestimmtes Werkzeug einen bestimmten Lernprozess im eigenen Kontext tatsächlich verbessert.