Lesen, Schreiben, Rechnen, KI.

Im Februar 2024 habe ich das Paper «Embracing the future of Artificial Intelligence in the classroom» veröffentlicht (Walter, 2024). Laut Google Scholar wurde es inzwischen rund 2'500 Mal zitiert, und es wurde über eine Viertelmillion Mal aufgerufen. Für eine wissenschaftliche Publikation sind das aussergewöhnlich hohe Zahlen. Das Paper hat eingeschlagen wie eine Bombe, weil es ein heisses Eisen anpackt: Wie nutzen wir KI, ohne dabei das eigene Denken abzugeben? Wie relevant diese Frage heute noch ist, zeigen nun neuere Studien.

Meine Antwort: Es braucht drei Kompetenzen, die nur zusammen wirken. Die erste ist KI-Kompetenz (AI Literacy): ein Grundverständnis davon, wie die Systeme funktionieren, was sie gut können und wo sie scheitern. Die zweite ist Prompt Engineering, also die Fähigkeit, einer KI präzise Aufträge zu geben. Die dritte ist kritisches Denken. Auf dieser Grundlage baut unsere neue Serie «Kopfsache KI» auf. In fünf Beiträgen gehen wir dem nach, für Schulen, für die persönliche Praxis und für den Berufsalltag. Wir beginnen bei den Schulen, und zwar mit zwei Experimenten, die gegensätzlicher kaum sein könnten.

Sechs Wochen lang übten Schüler im ersten Jahr der oberen Sekundarstufe in Nigeria Englisch mit Unterstützung von Microsoft Copilot. Eine Studie der Weltbank verglich sie mit einer zufällig ausgewählten Kontrollgruppe. Im Abschlusstest, der neben Englisch auch Wissen über KI und digitale Fähigkeiten prüfte, schnitten die Teilnehmenden um 0.31 Standardabweichungen besser ab, in Englisch allein um 0.23. Die Standardabweichung ist in der Bildungsforschung ein übliches Mass für die Grösse eines Effekts. Laut den Forschenden entspricht dieser Lerngewinn 1.5 bis 2 Jahren regulärem Unterricht, und das Programm gehört zu den kosteneffizientesten, die bisher untersucht wurden. Am stärksten profitierten Mädchen und Schüler, die schon zu Beginn gute Leistungen zeigten (De Simone et al., 2025).

In der Türkei lief es umgekehrt. Knapp tausend Gymnasiasten übten Mathematik mit einer Standardversion von GPT. Solange sie die KI nutzen durften, lösten sie die Aufgaben deutlich besser. In der Prüfung ohne KI schnitten sie dann 17 Prozent schlechter ab als Schüler, die nie Zugang zur KI hatten. Eine Tutor-Version, die Hinweise statt fertiger Lösungen gab, verhinderte diesen Effekt weitgehend (Bastani et al., 2025).

Dieselbe Technologie, gegenteilige Wirkung. Damit sind wir bei der Kernfrage dieses ersten Teils: Was müssen Schulen aufbauen, damit KI das Lernen stärkt, statt es zu ersetzen?

Einen der bisher eindrücklichsten Belege für das Potenzial liefert ein Experiment an der Harvard University. Physikdozierende entwickelten einen KI-Tutor nach denselben didaktischen Grundsätzen, die sie in ihrem Präsenzunterricht anwenden, in dem die Studierenden aktiv mitarbeiten. Der Tutor führte die Studierenden in fester Reihenfolge durch jede Teilaufgabe. Er stützte sich auf Lösungswege, die die Dozierenden vorab ausgearbeitet hatten, statt eigene zu erfinden, und gab auf Fragen individuelle Rückmeldung. In einer randomisierten Studie mit 194 Studierenden war der Lernzuwachs mit dem Tutor mehr als doppelt so gross wie im Präsenzunterricht. Die Studierenden brauchten dafür im Mittel 49 Minuten, im Präsenzunterricht waren es rund 60. Sie fühlten sich zudem engagierter und motivierter (Kestin et al., 2025).

Die Autoren beschreiben auch, was nicht funktionierte. Ein Systemprompt allein, also eine feste Grundanweisung an die KI, reichte nicht, um die Reihenfolge mehrteiliger Aufgaben zuverlässig einzuhalten. Die Struktur musste in die Lernplattform selbst eingebaut werden. Das zeigt, dass Prompt Engineering auch ein pädagogisches Werkzeug ist: Wie man eine KI anleitet, ist keine technische Nebensache, sondern Teil der Unterrichtsgestaltung. Davon hängt ab, ob eine KI fertige Lösungen liefert oder zum Denken anregt.

Die Pädagogik kennt dafür verschiedene Formen des sogenannten Scaffoldings, also der gezielten Lernunterstützung durch Lehrpersonen: Hinweise und gezielte Fragen, angeleitete Reflexion, Lob und Rückmeldung, alternative Vorgehensweisen, klare Anleitung und das Aufzeigen typischer Fehler. Jede davon lässt sich in einen KI-Lernbegleiter einbauen. Gut gelingt das aber nur Menschen, die den Unterricht kennen.

Das Verständnis von KI wird so grundlegend wie Lesen, Schreiben und Rechnen. Was vor wenigen Jahren noch nach einer kühnen These klang, ist inzwischen Bildungspolitik. Am 18. Juni 2026 haben die OECD und die EU-Kommission das finale AI Literacy Framework für die Primar- und Sekundarstufe vorgestellt. Es gliedert KI-Kompetenz in vier Bereiche: Engage with AI, Create with AI, Manage AI und Shape AI. Gemeint ist, sich bewusst und kritisch mit KI auseinanderzusetzen, mit KI etwas zu erschaffen, verantwortungsvoll über ihren Einsatz zu entscheiden und zu verstehen, wie menschliche Werte KI-Systeme prägen. Das Rahmenwerk ist bewusst nicht als neues Schulfach angelegt, sondern soll in die bestehenden Fächer einfliessen. Zwei Sätze daraus könnten aus jedem Lehrerzimmer stammen: KI-Systeme seien nicht menschlich und könnten menschliches Urteilsvermögen, Fürsorge und Beziehungen nicht ersetzen. Und auf KI zu verzichten oder sie bewusst zu begrenzen, könne eine verantwortungsvolle und informierte Entscheidung sein (OECD & Europäische Kommission, 2026).

2029 wird es messbar. Die PISA-Studie, an der über 90 Länder und Volkswirtschaften teilnehmen, prüft dann erstmals Media and AI Literacy, also wie gut Jugendliche mit digitalen Inhalten umgehen, auch mit falschen und irreführenden. Laut der australischen Bildungsforschungsorganisation ACER, die PISA 2029 im Auftrag der OECD entwickelt und durchführt, ist es die erste Studie ihrer Art, die erfasst, wie gut die nächste Generation auf ein Zusammenleben mit KI vorbereitet ist (ACER, 2026).

Wie gross der Bedarf ist, zeigt die Schweiz. Laut dem JAMESfocus-Bericht der ZHAW und von Swisscom nutzen 71 Prozent der 12- bis 19-Jährigen KI-Werkzeuge, bei den 18- und 19-Jährigen sind es 84 Prozent. «KI-Tools werden im Alltag der Jugendlichen breit genutzt, es fehlt aber oft ein differenziertes Verständnis über die Risiken und Chancen von KI», sagt Mitautorin Jael Bernath. Das gelte auch für Erwachsene (ZHAW, 2025).

Die neueste internationale Lehrerbefragung TALIS der OECD hat auch erhoben, wie Lehrpersonen KI nutzen. Im Schnitt der OECD-Länder setzen rund 41 Prozent der Lehrpersonen der Sekundarstufe I KI im Unterricht ein, am häufigsten, um sich in ein Thema einzuarbeiten oder Lektionen zu planen. Von jenen, die KI nicht nutzen, nennen 75 Prozent fehlendes Wissen und fehlende Fähigkeiten als Grund. Dass die Schule es verbietet, nennen nur 12 Prozent. Eine KI-bezogene Weiterbildung im vergangenen Jahr hatten im Schnitt nur rund 38 Prozent (Education International, 2025; OECD, 2025).

Die Unterschiede zwischen den Ländern sind enorm. In Singapur hatten fast 76 Prozent der Lehrpersonen eine KI-Weiterbildung, in Frankreich 9 Prozent. In Singapur nutzen 75 Prozent der Lehrpersonen KI, in Frankreich 14 Prozent (Education International, 2025). Wo mehr Lehrpersonen weitergebildet sind, nutzen also auch mehr von ihnen KI. Ob das eine das andere bewirkt, zeigen diese Zahlen allerdings nicht.

Dabei lohnt sich die Investition auch für die Lehrpersonen selbst. Eine Befragung von Gallup und der Walton Family Foundation in den USA zeigt: Lehrpersonen, die KI regelmässig nutzen, sparen im Schnitt 5.9 Stunden pro Woche. Aufs Schuljahr gerechnet sind das rund sechs volle Wochen (Walton Family Foundation, 2025).

Das zeigt sich auch an Hochschulen: Als eine Zürcher Fachhochschule erste Regeln für den Umgang mit KI einführte, war fehlendes Wissen die grösste Hürde. Viele Dozierende hatten Angst, KI falsch einzusetzen, weil sie zu wenig darüber wussten. Es gab keine Workshops, kein Budget und keine Stelle, die sich um das Thema kümmerte. Die TALIS-Zahlen zeigen, dass dieses Muster weltweit verbreitet ist.

Neu sind diese Schritte nicht. Neu ist, dass die Forschung inzwischen zeigt, warum sie nötig sind.

Zur Ehrlichkeit gehört auch, die offenen Fragen zu benennen. Langzeitstudien zur Wirkung von KI auf Lernen, Lehrpersonen und Wohlbefinden fehlen noch, weil die Technologie zu neu ist. Es gibt zwar erste randomisierte Experimente, doch sie dauern Wochen, nicht Jahre. Der Harvard-Tutor wurde in einem einzigen Kurs getestet, das Programm in Nigeria lief sechs Wochen. Ob die Effekte anhalten, ist offen. Schulen sollten ihre eigenen Pilotprojekte deshalb so anlegen, dass sie daraus lernen können: mit einer klaren Frage, einer Vergleichsgruppe und einer Auswertung.

Für Schulleitungen und Behörden

• Plane KI-Weiterbildung als festen Teil der Personalentwicklung, mit Budget und Arbeitszeit.
• Benenne eine zuständige Person oder ein Team, das Entwicklungen verfolgt und das Kollegium unterstützt.
• Starte mit wenigen, gut ausgewerteten Pilotprojekten statt mit einer flächendeckenden Einführung.

Für Lehrpersonen

• Probiere KI zuerst für die eigene Vorbereitung aus. Wer die Werkzeuge kennt, erkennt auch ihre Grenzen.
• Nutze Lernmodi oder eigene Anweisungen an die KI, damit sie den Schülern Fragen stellt, statt ihnen Lösungen zu liefern.
• Mach KI selbst zum Unterrichtsthema: Lass Schüler KI-Antworten vergleichen, prüfen und kritisieren.

Im zweiten Teil geht es um dich. Warum überschätzen sich ausgerechnet jene am stärksten, die sich mit KI gut auskennen? Und wie wird die KI vom Ghostwriter zum Sparringpartner?