KI und Bildungsdaten in China: Was Europa daraus lernen kann

China setzt beim Einsatz von KI und Bildungsdaten auf Tempo und Skalierung. Doch große Datenmengen führen nicht automatisch zu besseren Bildungsentscheidungen. Dr. Tim Fütterer vom Hector-Institut für Empirische Bildungsforschung an der Universität Tübingen fragt in seinem Gastbeitrag, wie Daten wissenschaftlich genutzt werden können und welche Schlussfolgerungen sich daraus für Deutschland und Europa ergeben.

Vor einigen Wochen war ich in China unterwegs und habe dort mit Akteuren aus Wissenschaft, Politik und Praxis über aktuelle Entwicklungen an der Schnittstelle von Künstlicher Intelligenz (KI) und Bildung gesprochen. Die Eindrücke dieser Reise lassen sich kaum in wenigen Absätzen zusammenfassen. Eine Beobachtung hat sich jedoch besonders eingeprägt und beschäftigt mich seither in meiner wissenschaftlichen Arbeit.

Wenn in Deutschland darüber diskutiert wird, ob wir international beim Thema KI und Bildung den Anschluss verlieren, wird häufig pauschal argumentiert. Deutschland hinke anderen Ländern wie den Vereinigten Staaten von Amerika oder China weit hinterher. Nach dieser Reise erscheint mir eine differenziertere Betrachtung sinnvoll. Mein Eindruck ist, dass Deutschland im Bereich KI sowie in der Bildungsforschung und insbesondere an der Schnittstelle beider Felder über eine exzellente Forschungslandschaft verfügt. Wo wir jedoch häufig langsamer sind als andere Länder, ist die Frage der Vision und der Skalierung: Was ist unsere Vision? Wie schaffen wir klare Strategien für die Umsetzung? Wie gelingt es, Innovationen in die Breite zu bringen? Und wie gelangen wissenschaftliche Erkenntnisse wirklich in die Praxis?

Was Bildungsdaten in China leisten und wo ihre Grenzen liegen

China beeindruckt in diesem Zusammenhang vor allem durch die Geschwindigkeit und Konsequenz, mit denen Visionen - ja, die darf, kann und sollte(!) man haben - in Strategien und konkrete Maßnahmen übersetzt werden. Besonders deutlich wurde dies beim Thema Daten. Während unseres Besuchs erhielten wir Einblicke in verschiedene digitale Bildungsökosysteme, von regionalen Lernplattformen bis hin zur nationalen Bildungsplattform. Dabei entstehen enorme Mengen an Daten über Lehr- und Lernprozesse. Universitäten, Schulen und Bildungsbehörden verfügen teilweise über Datensätze, die Lernverläufe über viele Jahre hinweg abbilden und unterschiedliche Datenquellen miteinander verknüpfen. Solche Daten umfassen beispielsweise digitale Verhaltensspurdaten oder auch Lernleistungen.

Ein Beispiel war ein Dashboard, das uns im Bildungsministerium vorgestellt wurde. Dort wurden Kennzahlen der nationalen Bildungsplattform in Echtzeit visualisiert und nach Angaben vor Ort auch für bildungspolitische Steuerungsentscheidungen genutzt. Auch Universitäten berichteten von umfangreichen Datensammlungen, die Logdaten aus digitalen Lernumgebungen, Informationen von Lehrkräften und Schülerinnen und Schülern sowie teilweise multimodale Daten umfassen. Aus Sicht eines Bildungsforschers ist das natürlich beeindruckend. Solche Datengrundlagen eröffnen grundsätzlich enorme Möglichkeiten, um Lernen und Lehren besser zu verstehen und Bildungsprozesse, aber auch digitale Medien wie beispielsweise KI-Anwendungen, evidenzbasiert weiterzuentwickeln.

Gleichzeitig bleibt eine zentrale Frage offen: Warum werden diese Daten bislang offenbar nur begrenzt in der Forschung genutzt, um systematisch belastbare Erkenntnisse über wirksames Lehren und Lernen zu gewinnen?

In Gesprächen vor Ort wurde deutlich, dass bisher häufig eher Fragen zur Akzeptanz digitaler Technologien im Vordergrund standen, etwa die Frage, wie Lehrkräfte digitale Angebote wahrnehmen oder nutzen. Solche Untersuchungen sind wichtig, bilden jedoch lediglich eine erste Stufe einer fundierten wissenschaftlichen Evaluation. Wesentlich seltener scheinen bislang Studien durchgeführt worden zu sein, die beispielsweise die Wirksamkeit bestimmter KI-Anwendungen untersuchen, Lernentwicklungen über längere Zeiträume analysieren oder experimentell testen, welche Maßnahmen oder Funktionentatsächlich zu besseren Lernergebnissen führen. Auf Nachfrage wurde uns bestätigt, dass solche Studien bislang nur in begrenztem Umfang vorliegen. Gerade hierin sehe ich eine spannende Herausforderung, nicht nur für China, sondern international.

Wie Bildungsdaten bessere Entscheidungen unterstützen können

Die Verfügbarkeit großer Datenmengen allein führt noch nicht automatisch zu besseren Bildungsentscheidungen. Daten entfalten ihren Wert erst dann, wenn sie systematisch analysiert, wissenschaftlich eingeordnet und für evidenzbasierte Entscheidungen genutzt werden. Die zentrale Frage lautet daher nicht nur, wie viele Daten wir haben, sondern auch, wie wir sie nutzen.

Auch aktuelle Empfehlungen der Ständigen Wissenschaftlichen Kommission (SWK) weisen in diese Richtung: Entscheidend ist nicht die möglichst umfassende Erhebung von Daten, sondern ihre zielgerichtete Nutzung. Daten müssen für unterschiedliche Akteure passgenau aufbereitet, in pädagogisches Handeln übersetzt und durch geeignete Unterstützungsstrukturen begleitet werden. Erst dann können sie einen nachhaltigen Beitrag zur Qualitätsentwicklung von Bildung leisten.

Darin zeigt sich eine mögliche Lehre für beide Seiten. Während Deutschland von Ländern wie China lernen kann, wie man ambitionierte Visionen entwickelt, Innovationen skaliert und Geschwindigkeit in komplexe Systeme bringt, können wir in Europa diese Erkenntnisse mit unseren Werten anreichern. Gleichzeitig könnte die Frage, wie vorhandene Daten konsequent genutzt werden können, um fundierte Erkenntnisse über wirksame Bildungsprozesse zu gewinnen, stärker in den Fokus rücken. Denn letztlich geht es nicht darum, möglichst viele Daten zu sammeln, sondern sie klug zu nutzen, um besser zu verstehen, wie Lernen gelingt und wie Bildungsangebote kontinuierlich verbessert werden können.

Mit dieser Erkenntnis habe ich Beijing verlassen: beeindruckt von den strategischen Ambitionen, den technologischen Entwicklungen und den verfügbaren Datenressourcen. Gleichzeitig nehme ich die Überzeugung mit nach Hause, dass die eigentliche Herausforderung erst beginnt, wenn Daten, Forschung und Praxis systematisch zusammengeführt werden. Genau dort entscheidet sich, ob die digitale Transformation einschließlich KI ihr Potenzial für Bildung tatsächlich entfalten können. Es braucht Strukturen, die Daten, Bildungsforschung, Fachdidaktik, KI-Entwicklung und schulische Praxis dauerhaft miteinander verbinden. Erst ein solcher Translationsprozess ermöglicht es, aus Daten belastbares Wissen und aus wissenschaftlichen Erkenntnissen wirksame Innovationen für Schulen zu machen.

Und hier können wir in Europa Vorreiter werden – vorausgesetzt, es gelingt, Ambition, Strategie und Umsetzung stärker miteinander zu verbinden. Welche Entwicklungen sich daraus in den kommenden Jahren ergeben, bleibt offen. Sicher ist nur: Die Frage, wie Daten, Forschung und Praxis zusammenfinden, wird die Bildungsdebatte weiter prägen.