Für ein Fitnessstudio zählt nicht, dass die Hanteln oben ankommen. Eine Schule braucht keine Berge geschriebener Aufsätze. Die Gewichte werden gestemmt, damit Menschen stärker werden, und die Aufsätze werden geschrieben, damit Menschen denken, argumentieren und schreiben lernen. In beiden Fällen zählt, was die Menschen aus dem Training mitnehmen.
Das ist das Besondere an Lernaufgaben: Ihr Ergebnis ist nicht der eigentliche Zweck; trotzdem muss man sich ernsthaft darum bemühen. Wer einen guten Aufsatz schreiben will, muss Gedanken ordnen, Formulierungen suchen und Argumente prüfen. Für die Schule mag der fertige Text verzichtbar sein. Für das Lernen ist die Arbeit daran entscheidend.
Stellen Sie sich ein Fitnessstudio vor, dessen Geräte die Gewichte für Sie stemmen. Die Aufgabe wäre erledigt, der Zweck verfehlt. Genau das kann passieren, wenn KI Lernaufgaben übernimmt: Sie liefert das Ergebnis und umgeht dabei die Tätigkeit, derentwegen die Aufgabe überhaupt gestellt wurde.
Ironien der Automatisierung
1983 beschrieb die Psychologin Lisanne Bainbridge die "Ironies of Automation": Wenn Maschinen Routineaufgaben übernehmen, können Menschen die Übung verlieren, die sie für schwierige Eingriffe brauchen. In der Luftfahrt gehört deshalb auch das manuelle Fliegen zur Ausbildung und zum Training. Automatisierung macht die Pflege menschlichen Könnens zu einer eigenen Aufgabe.
Heute kehrt diese Ironie beim Schreiben und Programmieren wieder: Wer sich auf KI verlässt, muss ihre Ergebnisse beurteilen können. Doch woher kommt die dafür nötige Erfahrung, wenn die KI schon die Übungsaufgaben übernimmt?
Nicht jede Anstrengung ist Lernen
Anstrengung allein bildet nicht. Mit umständlicher Software zu kämpfen, macht niemanden fachlich klüger. Einen Gedanken in eigene Worte zu fassen oder ein Argument zu prüfen, kann dagegen entscheidend sein. Welche Hürde sinnvoll ist, hängt vom Lernziel und vom Vorwissen ab. Selbst die Quellensuche kann lästige Vorarbeit oder genau die Fähigkeit sein, die gelernt werden soll.
Auch eine fertige Lösung ist nicht automatisch schädlich: Wer ihre Schritte nachvollzieht und erklärt, kann daraus lernen. Gute Unterstützung ermöglicht die entscheidende Denkarbeit, schlechte ersetzt sie. Die Lernforschung spricht von "desirable difficulties": Wer Wissen aus dem Gedächtnis abruft, statt es erneut zu lesen, tut sich beim Üben schwerer – und behält später mehr.
In einem vielzitierten Experiment an der Harvard University lernten Studierende mehr, wenn sie selbst aktiv Probleme bearbeiteten, als wenn sie einer Vorlesung mit denselben Inhalten folgten. Trotzdem hatten sie den Eindruck, weniger gelernt zu haben, und bewerteten den aktiven Unterricht schlechter. Die geistige Arbeit, die ihnen das Lernen abverlangte, erschien ihnen als Hindernis.
Deshalb reicht es nicht, den lernförderlichen KI-Einsatz den Studierenden selbst zu überlassen. Was sich leicht anfühlt und gute Ergebnisse liefert, kann als gute Lernstrategie erscheinen – auch wenn dabei wenig gelernt wird. Lernende brauchen Unterstützung, um ihren Lernstand zu prüfen und zu erkennen, welche Arbeit sie sinnvoll delegieren können. Sonst verlangt man ihnen genau die Urteilskraft ab, die sie erst entwickeln sollen.
Übung braucht einen festen Platz
Wenn Hochschulen vor allem fertige, polierte Arbeiten bewerten, ist es für Studierende nur rational, diese möglichst effizient herzustellen. Von ihnen gleichzeitig zu verlangen, freiwillig den langsameren, lernförderlichen Weg zu wählen, setzt widersprüchliche Anreize.
Die Luftfahrt liefert dafür einen Ansatz: Manuelle Flugfertigkeiten werden ausdrücklich trainiert und überprüft, obwohl im Flugbetrieb vieles automatisiert ist. Ob Pilotinnen und Piloten ihr Handwerk beherrschen, soll nicht davon abhängen, ob sie im Alltag freiwillig den Autopiloten ausschalten. Wo Übung nicht mehr nebenbei stattfindet, braucht sie einen festen Platz.
Übertragen auf die Hochschule heisst das: Wenn selbständiges Argumentieren das Lernziel ist, braucht es dafür vorgesehene Zeit, Rückmeldung und passende Leistungsnachweise. Eine Argumentationsskizze kann zunächst im Seminar ohne KI entwickelt und später mit KI überarbeitet werden. Im Gespräch erläutern Studierende ihre Begründungen und reagieren auf einen neuen Einwand. In die Bewertung geht ein, was sie dabei fachlich zeigen.
Ein Lernmodus im Chatbot kann solche Aufgaben unterstützen. Er ersetzt aber keine Lehrgestaltung, die eigenständige Übung vorsieht und Können sichtbar macht. Welche Denkarbeit Studierende selbst leisten müssen, entscheiden die Hochschulen – nicht der Chatbot. Lernen darf kein freiwilliger Umweg zur benoteten Abgabe sein.
Über den Autor
Joshua Weidlich ist DIZH Brückenprofessor für Digital Higher Education an der Universität Zürich und der Pädagogischen Hochschule Zürich. Er erforscht, wie Feedback und generative KI das Lernen an Hochschulen prägen – und wie man sie so gestaltet, dass dabei Lernen entsteht.