KI beim Lernen: Warum bessere Hausaufgaben nicht zu besseren Prüfungsleistungen führen

Bisher fehlten der Wissenschaft große Langzeitstudien zu generativer KI. Eine aktuelle Untersuchung mit rund 27.000 Lernenden liefert nun jedoch ein klareres Bild: Wer zu Hause mit KI arbeitet, spart Zeit und erzielt oft bessere Resultate. Schreiben diese Schülerinnen und Schüler später analoge Prüfungen, fallen ihre Noten jedoch signifikant ab. Ein Überblick über die neue Studie aus China und ihre zentralen Erkenntnisse.

Seit dem enormen Aufwind und der Verbreitung von KI in der Gesellschaft ist die Bildungsforschung bestrebt, größere Datensätze auszuwerten, um den Nutzen und Einfluss generativer KI auf das Lernen fundiert zu analysieren. Eine aktuelle Studie von Strömberg, Lei und Wu (2026) füllt diese Lücke nun mit substantiellem Material. Die Forscher werten die Daten von 26.811 chinesischen Schülerinnen und Schülern der Klassen 7 bis 12 aus. Um den Effekt der KI exakt zu isolieren, nutzten die Forscher gezielte Befragungen: Die Paneldaten umfassen 30 Monate und dokumentieren, wie sich der freiwillige KI-Einsatz im Alltag auf die Lernziele auswirkt.

Die Resultate zeigen ein klares Muster: Setzen die Schülerinnen und Schüler am Nachmittag generative KI ein, erledigen sie ihre Hausaufgaben deutlich schneller. Sie sparen im Schnitt etwa 30 Prozent ihrer Zeit, während ihre Ergebnisse gleichzeitig um rund 18 Prozent besser ausfallen. Die Lernenden arbeiten mit der Software offenkundig sehr effizient.

Diese Situation stellt sich jedoch anders dar, sobald die Schülerinnen und Schüler ihr Wissen in klassischen Prüfungsformaten nachweisen müssen. Schreiben sie monatliche Tests im Klassenraum komplett ohne digitale Hilfsmittel, sinken ihre Noten innerhalb von sechs Monaten um durchschnittlich 20 Prozent. Bei zentralen Abschlusstests, in denen Lehrkräfte weitaus mehr Stoff prüfen, fällt dieser Effekt nach zwei Jahren sogar noch etwas stärker aus (Strömberg et al., 2026). Die Daten weisen darauf hin, dass ein gutes Arbeitsergebnis am Nachmittag nicht automatisch bedeutet, dass die Schülerinnen und Schüler den zugrundeliegenden Stoff tiefergehend verstanden haben.

Was bedeutet kognitives Outsourcing für den Lernprozess?

Die Forscher untersuchen durch ihre Befragungen auch, seit wann und wie die Schüler die KI konkret nutzen. Die Daten zeigen: Genau jene Gruppe von Lernenden, die seit dem Start ihrer KI-Nutzung die Hausaufgaben extrem schnell und zeitgleich sehr erfolgreich abschließt, verzeichnet die stärksten späteren Lernverluste. Die Autoren leiten daraus ab, dass diese Schüler das Denken teilweise an die Maschine delegieren. Die Forschung bezeichnet dieses Phänomen als „kognitives Outsourcing“ (Yu, 2025).

Die Software unterstützt den Lernprozess in diesen Fällen nicht nur, sie übernimmt ihn. Der Schüler liefert das fertige Produkt ab, vollzieht den kognitiven Weg dorthin aber nicht mehr selbst. So blockieren Lernende ihren Lernerfolg, da die eigene kognitive Auseinandersetzung mit dem Stoff ausbleibt.

Was passiert im Gehirn, wenn Lernende mit Künstlicher Intelligenz arbeiten?

Eine aktuelle Untersuchung des MIT Media Lab (Kosmyna et al., 2025) liefert neurophysiologische Indizien, was beim kognitiven Outsourcing geschieht. Forschende erfassten die Hirnaktivität von 54 Personen mittels EEG, während diese Essays verfassten. Die Gruppe, die generative KI nutzte, wies eine messbar geringere neuronale Konnektivität auf als Personen, die völlig analog arbeiten oder klassische Suchmaschinen verwenden. Zudem fiel es den KI-Nutzenden kurz danach deutlich schwerer, Inhalte aus den eigenen Texten abzurufen oder zu zitieren. Als die Forscher der KI-Gruppe das Werkzeug im vierten Versuchsteil entzogen, zeigten diese Teilnehmenden weiterhin eine geringere neuronale Vernetzung und riefen Wissen schlechter ab als die Kontrollgruppen.

Diese Daten müssen behutsam interpretiert werden, da die Versuchsgruppe klein ist und der akademische Prüfprozess für diesen Preprint aktuell noch läuft. Die ersten Muster stützen jedoch die asiatischen Lerndaten: Wer den Schreibprozess an die Software delegiert, aktiviert das eigene Gehirn messbar weniger intensiv.

Wie gut lassen sich die Erkenntnisse auf Deutschland übertragen?

Die Studie von Strömberg und Kollegen basiert auf einer fundierten Methodik. Die Forschenden vergleichen Schülerinnen und Schüler, die KI nutzen, mit einer Kontrollgruppe, die weiterhin analog lernt. Die Analyse belegt, dass sich beide Gruppen vor dem Experiment beim Lernen sehr ähnlich verhielten.

Die Zahlen müssen dennoch mit einem gewissen Vorbehalt betrachtet werden:

Erstens lernen chinesische Kinder in einem System, das stark auf zentrale und alles entscheidende Tests fokussiert. Der renommierte Bildungsforscher Yong Zhao dokumentiert, wie dieser enorme Leistungsdruck Schülerinnen und Schüler dazu treibt, Aufgaben möglichst schnell abzuhaken, um Zeit zu sparen (Zhao, 2014). Die KI dient dann als reine Überlebenshilfe im System.

Zweitens geben chinesische Lehrkräfte traditionell mehr repetitive Routineaufgaben auf als deutsche Lehrkräfte (Zhao, 2014). Wenn ein Kind sehr viel Stoff wiederholen muss, lagert es diese Fleißarbeit schneller an die Maschine aus. In Deutschland stellen Lehrkräfte oftmals Aufgaben, die weniger auf bloßen Drill zielen.

Drittens blicken die Forschenden in der Studie von Strömberg et al. auf kein randomisiertes Experiment aus dem Labor. Sie beobachten den Alltag und leiten das Lernverhalten indirekt aus den Daten ab.

Trotz dieser Einschränkungen liefert der statistische Trend belastbare Fakten. Die Zahlen belegen, dass ein gutes Resultat mit KI nicht automatisch echtes Wissen erzeugt.

Welche didaktischen Konsequenzen ergeben sich für Lehrkräfte und Schulen?

Für Fachleute erfordert diese Evidenz, den pädagogischen Fokus neu zu justieren. Generative KI reflexhaft aus den Schulen zu verbannen, erweist sich in der Praxis als kaum realisierbar. Wenn das fertige Textprodukt oder Rechenprodukt jedoch immer weniger darüber aussagt, ob eine Schülerin oder ein Schüler den Stoff wirklich beherrscht, verlieren klassische Bewertungsmaßstäbe auf Dauer ihre Gültigkeit.

Die Datenlage zwingt Schulen zu einem Perspektivwechsel: Lehrkräfte müssen den kognitiven Weg zum Ergebnis künftig stärker gewichten als das finale Produkt. Entscheiderinnen und Entscheider im Bildungsbereich stehen vor der Aufgabe, Rahmenbedingungen zu schaffen, in denen Lehrende den Lernprozess wieder verlässlich sichtbar machen und bewerten können. Es gilt, didaktische Konzepte so anzupassen, dass der Gebrauch von KI als Assistenz möglich bleibt, die Lehrenden die eigene Denkarbeit der Lernenden aber aktiv einfordern.

Wie Schulleitungen und Kollegien solche Aufgabenformate entwickeln und ihre Prüfungen künftig KI-resilienter gestalten, beleuchtet ein kommender Artikel auf evido.