Selbstregulation und KI: Wie Lernen gelingt, wenn Maschinen mitdenken

Künstliche Intelligenz verändert nicht, was Kinder lernen sollen, sondern wie viel Denkarbeit sie dabei selbst leisten. Damit rückt eine Fähigkeit ins Zentrum, die lange als Nebensache galt: sich Ziele setzen, dranbleiben, das eigene Vorgehen prüfen. Selbstregulation entscheidet darüber, ob KI zum Werkzeug wird oder zur Abkürzung. Dieser Überblick führt durch die wichtigsten Aspekte und zu den evido.-Beiträgen, die sie vertiefen.

Wer sich selbst regulieren kann, schlägt einen erfolgversprechenden Lernpfad ein: Schülerinnen und Schüler setzen sich Ziele, wählen passende Strategien, kontrollieren, worauf sie achten und was sie fühlen, und bewerten am Ende ihr Vorgehen. Ein KI-Assistent bietet an, fast jeden dieser Schritte zu übernehmen – er gliedert die Aufgabe, liefert die Strategie, schreibt das Ergebnis. Nur die eine Entscheidung kann er nicht treffen: wann Lernende das Angebot annehmen sollten und wann sie selbst denken müssen. Je mehr ein Werkzeug anbietet, desto mehr hängt der Lernerfolg also daran, dass Lernende ihren eigenen Weg im Blick behalten. Die Leopoldina und die Ständige Wissenschaftliche Kommission (SWK) fordern, Selbstregulation als zentrales Ziel im Bildungssystem zu verankern. Beide betonen: Wenn Jugendliche steuern, wie sie lernen, arbeiten sie nicht allein. Lehrkräfte leiten sie aktiv an, damit sie schrittweise selbstständig werden.

Steuern Schülerinnen und Schüler noch selbst, wenn sie KI nutzen?

Wer lernt, durchläuft drei Schritte: planen, arbeiten, Resultate prüfen. Nutzen Schülerinnen und Schüler generative KI, stellt sich eine empirisch relevante Frage: Steuern sie diese Schritte weiterhin selbst? Oder führt das Programm dazu, dass sie kognitiv passiv bleiben? Wer kontrolliert, was er tut, versteht, wie das eigene Gehirn arbeitet und nutzt KI gezielter als Werkzeug. Fachleute bezeichnen dies als Metakognition. Forschungsdaten legen nahe: Metakognition bestimmt maßgeblich, ob KI beim Lernen hilft.

Wie kann KI selbstgesteuertes Lernen stützen?

Lernende brauchen verlässliche Informationen darüber, wo sie stehen. Genau das können adaptive Systeme und intelligente Tutorensysteme liefern: passgenaue Aufgaben, unmittelbare Rückmeldung, geduldige Wiederholung – in einem Umfang, den einzelne Lehrkräfte in großen Klassen kaum leisten können. Ob daraus Lernen wird, hängt allerdings von der didaktischen Einbettung ab. Systeme, die Zwischenschritte einfordern, Hinweise dosieren und die Entscheidung bei den Lernenden lassen, stärken Selbststeuerung. 

Wann untergraben KI-Systeme das Selberdenken der Lernenden? 

Wenn Schülerinnen und Schüler generative KI im Unterricht einsetzen, tippen sie oft nur einen Befehl ein und erhalten sofort ein fertiges Resultat. Dadurch strengen sie sich kognitiv nicht mehr an, und das verhindert, dass sie den Stoff tiefgreifend durchdringen. Kontrollierte empirische Studien belegen ein Muster: Wer KI nutzt, produziert zwar rasch bessere Texte, versteht das Thema aber nicht besser. Testen Forschende diese Personen später ohne KI, schneiden sie schlechter ab als jene, die zuvor nie mit KI gearbeitet haben. Wenn digitale Systeme jedoch nicht die Aufgabe lösen, sondern lediglich darauf hinweisen, wo Schülerinnen und Schüler typischerweise falsch liegen, lernen diese messbar mehr.

Wie bewerten Lehrkräfte, wenn digitale Systeme mitarbeiten?

Schülerinnen und Schüler lernen nur dann, sich selbst zu steuern, wenn Lehrkräfte ihnen spiegeln, wie sie arbeiten – und nicht nur benoten, was am Ende herauskommt. Algorithmisches Feedback  kann diese Aufgabe teilweise übernehmen und Lehrkräften so Zeit sparen. Wie präzise solche Systeme reagieren, entscheidet sich jedoch danach, welche Daten sie erhalten.

Gleichzeitig zwingt diese Entwicklung Schulen dazu, empirisch fundiert zu klären, wie sie testen, was Kinder und Jugendliche gelernt haben. Benoten Lehrkräfte weiterhin vor allem das fertige Resultat, motivieren sie die Lernenden de facto dazu, Aufgaben durch KI abzukürzen. Beziehen Lehrkräfte stattdessen ein, wie die Lernenden anfangen, wo sie zwischendurch stehen und wie sie mündlich erklären, was sie tun, können sie beobachten und bewerten, wie gut die Schülerinnen und Schüler ihr Lernen steuern.

Wie bleiben Aufmerksamkeit und Gefühle steuerbar?

Selbstregulation entscheidet sich nicht nur an Lernaufgaben, sondern im Umgang mit Geräten, Feeds und Benachrichtigungen. Mehrere Untersuchungen deuten auf einen Zusammenhang zwischen intensiver Nutzung von Kurzformaten und fragmentierter Aufmerksamkeit hin. Digitale Mündigkeit heißt deshalb vor allem, die eigene Aufmerksamkeit bewusst richten zu können. Dazu kommt die emotionale Dimension: Chatbots werden zu jederzeit verfügbaren Ansprechpartnern, auch für persönliche Fragen. Die offene Frage ist weniger die Richtigkeit ihrer Antworten als die, ob Jugendliche noch lernen, Unsicherheit auszuhalten.

Ab welchem Alter ist KI im selbstgesteuerten Lernen sinnvoll?

Selbstregulation entscheidet sich nicht nur an Lernaufgaben, sondern im Umgang mit Geräten, Feeds und Benachrichtigungen. Mehrere Untersuchungen deuten auf einen Zusammenhang zwischen intensiver Nutzung von Kurzformaten und fragmentierter Aufmerksamkeit hin. Digitale Mündigkeit heißt deshalb vor allem, die eigene Aufmerksamkeit bewusst richten zu können. Dazu kommt die emotionale Dimension: Chatbots werden zu jederzeit verfügbaren Ansprechpartnern, auch für persönliche Fragen. Die offene Frage ist weniger die Richtigkeit ihrer Antworten als die, ob Jugendliche noch lernen, Unsicherheit auszuhalten.

Wer soll Selbstregulation überhaupt unterrichten?

Von Lehrkräften wird erwartet, KI didaktisch einzuordnen und Lernstrategien zu vermitteln – ausgebildet werden sie für beides kaum. Selbstregulation kommt in der Lehrkräftebildung häufig nur randständig vor und wird selten als eigenständige professionelle Kompetenz verstanden; umfassend evaluierte Fortbildungsprogramme sind in Deutschland rar. Was wirkt, ist bekannt: Fortbildungen, die über längere Zeit begleiten und wiederholt Erprobung und Reflexion ermöglichen. Nachhaltig wird das allerdings erst auf Schulebene, weil Einzelprojekte verpuffen, wenn Kollegien unterschiedliche Signale senden.

Wie kann KI eingesetzt und Chancengerechtigkeit gewährleistet werden?

Selbstregulation ist sozial ungleich verteilt, digitale Kompetenzen sind es ebenfalls. Als zentraler Mechanismus gilt die Responsivität der Bezugspersonen, und adaptive Begleitung braucht Zeit, Ruhe und emotionale Ressourcen – genau das, was unter ökonomischer Belastung häufig fehlt. Trifft ein Werkzeug, das Selbststeuerung voraussetzt, auf solche Unterschiede, ist ein Verstärkungseffekt zu erwarten - in beide Richtungen. Der Hebel bleibt die Förderung: Genetische Anlagen bestimmen nur das Potenzial, entfalten kann es sich in einem stabilen, verlässlichen und anregenden Umfeld.