KI-Hilfe verbessert zunächst die Ergebnisse bei Denkaufgaben. Sobald die Unterstützung wegfällt, können Nutzer jedoch schlechter abschneiden als Menschen, die von Anfang an allein gearbeitet haben. Das zeigen Experimente mit Bruchrechnung und Leseverständnis. Eine dauerhafte Verschlechterung der geistigen Fähigkeiten lässt sich daraus nicht ableiten.
Ein Team um Grace Liu von der Carnegie Mellon University und Brian Christian von der University of California Berkeley untersuchte die Folgen kurzer KI-Hilfe in drei randomisierten Experimenten. Insgesamt wurden 1.222 Personen rekrutiert. Sie bearbeiteten Aufgaben entweder mit zeitweisem Zugang zu einem Sprachmodell oder in einer Vergleichsgruppe. Anschließend folgten Aufgaben ohne KI. Die Arbeit wurde auf der Conference on Language Modeling vorgestellt.
Im ersten Versuch lag die Lösungsquote ohne Unterstützung bei zuvor KI-gestützten Teilnehmern bei 57 Prozent, in der Kontrollgruppe bei 74 Prozent. Allerdings unterschieden sich die Gruppen nach Ausschlüssen in ihrer Zusammensetzung. Ein zweiter, methodisch verbesserter Rechentest ergab 71 gegenüber 77 Prozent. Beim Leseverständnis waren es 76 gegenüber 89 Prozent. Die Prozentangaben bezeichnen durchschnittliche Anteile richtig gelöster Testaufgaben, keine Veränderungen eines Intelligenzquotienten.
Auch das Überspringen von Aufgaben erfasste das Team als Maß für Ausdauer. Dieser Unterschied war im zweiten Rechentest insgesamt statistisch nicht eindeutig. Die schwächsten Ergebnisse fanden sich dort bei Nutzern, die sich direkt Antworten geben ließen. Die Art der Nutzung war allerdings nicht zufällig zugewiesen worden. Deshalb beweist dieser Vergleich allein nicht, dass Hinweise grundsätzlich besser wirken als fertige Lösungen.
Die entscheidende Unterscheidung betrifft das Ziel einer Aufgabe. Wer eine Zahl für eine aktuelle Berechnung benötigt, kann durch ein Werkzeug Zeit sparen. Wer rechnen lernen soll, muss dagegen auch die Zwischenschritte beherrschen. Eine korrekte Abgabe ist deshalb kein ausreichender Beleg für einen Wissenszuwachs. Dieser Unterschied wird leicht übersehen, wenn ausschließlich das fertige Ergebnis bewertet wird.
Wie leistungsfähig eine Software selbst ist, beantwortet noch eine andere Frage. Untersuchungen, in denen ChatGPT Prüfungsaufgaben bearbeitet, vergleichen die Qualität von Antworten. Daraus folgt nicht automatisch, dass Menschen durch das Lesen dieser Antworten dieselben Fähigkeiten erwerben. Für Unterricht und Weiterbildung müssen daher mindestens zwei Ergebnisse getrennt betrachtet werden: die Leistung mit Werkzeug und das Verständnis ohne Werkzeug.
Dass eine anstrengendere Lernaktivität später nützen kann, zeigt ein Experiment von Jeffrey Karpicke und Janell Blunt an der Purdue University. Studenten beschäftigten sich mit wissenschaftlichen Texten. Einige stellten Zusammenhänge in Begriffsnetzen dar, andere versuchten, den Inhalt aus dem Gedächtnis wiederzugeben. Bei einer späteren Prüfung war die Gruppe mit aktivem Erinnern im Vorteil. Dieser Vorteil betraf auch Fragen, für die Zusammenhänge verstanden werden mussten.
Die Untersuchung zum aktiven Erinnern prüfte keine Sprachmodelle. Sie erklärt aber, weshalb das Wiedergeben einer Lösung und das selbstständige Erarbeiten unterschiedliche Lerngelegenheiten schaffen. Beim Erinnern wird sichtbar, welche Verbindung fehlt und welcher Begriff noch unsicher ist. Ein ständig verfügbarer Antworttext kann solche Lücken verdecken. Das ist eine lernpsychologische Einordnung, kein nachträglich gemessener Mechanismus des KI-Versuchs.
Ein Gegenbeispiel liefern Greg Kestin und Kollegen von der Harvard University. In einem Physikkurs mit 194 Studenten verglichen sie einen eigens entwickelten KI-Tutor mit aktivem Unterricht. Die digitale Lernbegleitung führte zu höheren unmittelbaren Lernzuwächsen. Sie war auf die Unterrichtsinhalte abgestimmt, leitete schrittweise durch Aufgaben und enthielt geprüfte Lösungen. Die Untersuchung belegt damit den Nutzen eines bestimmten Lehrsystems in einem bestimmten Kurs.
Solche Ergebnisse sprechen dafür, die konkrete Lernumgebung zu prüfen. Ein allgemeiner Chatbot, der auf Wunsch sofort antwortet, erfüllt eine andere Aufgabe als ein Tutor, der Verständnis aufbaut. Auch Interviews über geistige Trägheit bei häufigem ChatGPT-Gebrauch erfassen wiederum eine andere Ebene: das subjektive Erleben. Für belastbare Aussagen über langfristige Folgen braucht es zusätzlich längere Beobachtungen mit wiederholten Leistungstests. Kurzfristige Versuche, persönliche Berichte und Lernerfolge mit spezialisierten Tutoren ergeben gemeinsam ein differenzierteres Bild als ein pauschales Urteil über jede KI-Nutzung.
Conference on Language Modeling / arXiv, AI Assistance Reduces Persistence and Hurts Independent Performance; doi:10.48550/arXiv.2604.04721
Science, Retrieval Practice Produces More Learning than Elaborative Studying with Concept Mapping; doi:10.1126/science.1199327
Scientific Reports, AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting; doi:10.1038/s41598-025-97652-6
Mit KI-Unterstützung erstellt
Wählen Sie Forschung und Wissen bei Google als bevorzugte Quelle oder folgen Sie uns per RSS-Feed.