Schulen, Universitäten, Berufsausbildung - alle sind auf eine Welt zugeschnitten, in der bestimmte Fertigkeiten knapp und teuer waren. Sie sind es nicht mehr. Was bleibt, was wird neu wichtig, was haben wir bisher übersehen?
Die Frage scheint zunächst absurd. Natürlich muss man weiter lernen - lesen, schreiben, rechnen, denken. Aber die Frage ist nicht absurd. Sie ist real, und sie wird jeden Tag in Millionen Klassenzimmern, Hörsälen und Ausbildungsbetrieben drängender.
Schüler, die mit ChatGPT Hausaufgaben schreiben. Studenten, die Hausarbeiten in zwei Stunden generieren lassen. Auszubildende, die Mathe-Aufgaben mit dem Handy fotografieren und die Lösung ablesen. Die Schule reagiert in zwei Modi: Verbieten oder Ignorieren. Beide sind falsch. Der dritte Modus - das Umdenken - hat noch kaum begonnen.
Dieser Aufsatz versucht nicht, KI in der Schule zu regeln. Er stellt die Frage dahinter: Wofür ist Bildung eigentlich da - in einer Welt, in der Maschinen rechnen, schreiben, übersetzen, recherchieren und zusammenfassen können? Wer diese Frage nicht stellt, wird von der Realität gestellt.
Das Schulsystem, wie wir es kennen, ist ein Kind des 19. Jahrhunderts. Es entstand in einer Welt, in der Wissen knapp war (Bücher teuer, Bibliotheken selten), in der Texte zu produzieren körperliche Arbeit bedeutete (Schreiben mit der Hand, Tippen mit zehn Fingern), und in der jede Rechnung - Lohn, Steuern, Vermessung - im Kopf oder mit Papier und Bleistift erledigt werden musste.
Die Schule hat darauf geantwortet, und sie hat es gut gemacht. Sie hat Generationen darin trainiert, was knapp und teuer war: Wissen aufzunehmen und zu behalten, Texte zu produzieren, Aufgaben durchzurechnen, Sprachen zu beherrschen. Wer in diesen Disziplinen gut war, hatte einen Vorteil im Leben, weil diese Disziplinen anstrengend waren - sie zu beherrschen unterschied einen von anderen.
Jetzt sind sie es nicht mehr. Wissen ist in zwei Sekunden abrufbar. Texte produziert eine Maschine auf Knopfdruck. Mathe- Aufgaben löst Wolfram Alpha seit zwanzig Jahren, ChatGPT seit drei. Übersetzen war ein Eliteberuf - heute trivialisiert. Was die Schule mit großer Mühe trainiert hat, ist auf einen Schlag günstig geworden. Und die Frage ist nicht: "Ist das schlimm?" Die Frage ist: Was war eigentlich das Eigentliche, das diese Übungen trainieren sollten?
Der Begriff dafür ist die "grammar of schooling" - die unsichtbare Form aus Stundenplänen, Fächern, Jahrgangsstufen. David Tyack und Larry Cuban haben in Tinkering Toward Utopia (1995) gezeigt, wie verblüffend stabil diese Grammatik über mehr als ein Jahrhundert geblieben ist. Reformen kommen und gehen, die Form bleibt - geprägt von einer Welt, in der Antworten knapp und teuer waren.
Warum diese Form so gut funktioniert hat, erklärt Daniel Willingham in Why Don't Students Like School? (2009) aus kognitionspsychologischer Sicht. Sein Punkt: Das Gehirn ist nicht primär zum Denken gemacht, sondern zum Vermeiden von Denken. Wo Antworten knapp sind, lohnt die Mühe des Lernens. Wo sie günstig werden, geraten die alten Anreize in Schieflage - und damit die alte Schule.
Die einfachste Reaktion klingt vernünftig und ist gefährlich. Sie geht so: Wenn KI rechnen kann, müssen Schüler nicht mehr rechnen lernen. Wenn KI schreiben kann, muss man nicht mehr schreiben lernen. Wenn KI übersetzen kann, sind Fremdsprachen überflüssig. Mehr Zeit für die wichtigen Dinge - kreative Arbeit, soziale Kompetenz, ganzheitliches Denken.
Das Problem an dieser Logik: Sie verwechselt das Werkzeug mit dem Zweck. Mathe ist nicht Rechnen. Schreiben ist nicht Tippen. Eine Fremdsprache lernen ist nicht Übersetzen. Diese Tätigkeiten sind Vehikel - sie trainieren etwas, das mit ihnen verbunden ist, aber nicht mit dem fertigen Produkt.
Wer eine Gleichung selbst auflöst, trainiert nicht das Ergebnis. Er trainiert das Strukturdenken: Das Erkennen, dass dieses Problem eine bestimmte Form hat, dass eine bestimmte Operation hier hilft, dass am Ende geprüft werden muss, ob das Ergebnis Sinn ergibt. Wer einen Aufsatz schreibt, trainiert nicht das fertige Dokument. Er trainiert das Klären des eigenen Denkens - das Merken, wo ein Gedanke noch nicht trägt, wo er widersprüchlich ist, wo man eigentlich noch gar nicht weiß, was man sagen will. Wenn man die Vehikel wegnimmt, fällt das Eigentliche mit weg.
Für die Mathematik ist die klassische Referenz Heinrich Winter. In Mathematikunterricht und Allgemeinbildung (1995) hat er die drei "Grunderfahrungen" formuliert, die seitdem den deutschen Diskurs prägen: Mathematik als Werkzeug der Welt, als Schule des Denkens, als kulturelle Erfahrung. Keine davon ist "Rechnen können". Das Rechnen war immer das Vehikel - der Zweck lag dahinter.
Fürs Schreiben hat die Forschung den gleichen Bogen gespannt. Carl Bereiter und Marlene Scardamalia unterscheiden in The Psychology of Written Composition (1987) zwischen knowledge telling - dem reinen Aufschreiben dessen, was man schon weiß - und knowledge transforming, dem Schreiben als kognitivem Prozess, der das Verstehen verändert. Wenn die KI nur den ersten Modus übernimmt, ist das nicht schlimm. Wenn sie auch den zweiten ersetzt, wird es gefährlich.
Wenn die Tätigkeiten der alten Schule günstig werden, wird das teuer, was sie nicht ersetzen kann. Sechs Fähigkeiten, deren Wert in den nächsten Jahren steigt - und die in den meisten Lehrplänen heute kaum vorkommen.
Urteilskraft. Eine KI liefert eine flüssige, plausible Antwort. Ist sie richtig? Ist sie vollständig? Hat sie wichtige Aspekte ausgelassen? Wer das beurteilen kann, gewinnt. Wer es nicht kann, wird betrogen, ohne es zu merken.
Fragen-Stellen-Können. Eine bessere Frage führt zu einer besseren Antwort. Das war schon immer wahr - bei KI ist es gnadenlos. Wer nur diffuse Fragen stellt, bekommt diffuse Antworten zurück. Die Kunst, eine Frage scharf zu formulieren, wird zur Kernkompetenz.
Aushalten von Komplexität. Wenn KI die einfachen 80 Prozent eines Problems erledigt, sind die verbleibenden 20 Prozent nicht einfacher. Sie sind die wirklich schwierigen - genau die, bei denen mehrere Lösungen möglich sind, bei denen ein Urteil gefragt ist, bei denen Geduld nötig ist.
Skepsis. KI klingt immer überzeugend. Auch wenn sie Unsinn sagt. Wer nicht gelernt hat, mit gesundem Misstrauen zu lesen, verliert die Orientierung. Und im Klassenzimmer sehen wir es täglich: Schüler glauben dem Chatbot eher als dem Lehrer.
Beziehung und Vertrauen. Was eine Maschine nicht kann, weil sie keine Person ist. Konflikte aushalten, einer anderen Sicht zuhören, sich auf jemanden verlassen können - all das wird seltener und wertvoller, je mehr unsere Kommunikation durch Maschinen vermittelt ist.
Geschmack. Wenn zwei Antworten beide richtig sind - welche ist die bessere? Das ist die kulturelle Frage, die KI fundamental nicht beantworten kann. Sie kann den Durchschnitt liefern. Den herausragenden Geschmack muss ein Mensch entwickeln.
Warum KI-Antworten so verführerisch wirken, erklärt Daniel Kahneman in Schnelles Denken, langsames Denken (2011). Sein zentrales Modell: System 1 - das schnelle, intuitive Denken - nimmt sprachliche Flüssigkeit als Hinweis auf Wahrheit. Genau diese Verwechslung nutzt KI systematisch aus, nicht aus Absicht, sondern weil sie naturgemäß flüssig formuliert - auch wenn sie falsch liegt. Urteilskraft heißt: die zweite, langsame Denkebene bewusst aktivieren.
Wie verbreitet diese Fehler in Spitzenmodellen tatsächlich sind, dokumentiert der AI Index Report (Stanford HAI, jährlich) - eine der besten Quellen, um zu zeigen, dass KI-Output nicht zufällig fehlerhaft ist, sondern systematisch. Die UNESCO hat 2024 mit dem AI Competency Framework for Students einen Rahmen vorgelegt, in dem Urteilskraft, Ethik und kritische Bewertung nicht als Zusatz, sondern als Kern des Lernens stehen.
Hier kommt eine Erkenntnis, die im Bildungsdiskurs noch zu wenig Platz findet: Um KI gut zu nutzen, brauchst du genau das, was KI dir nicht beibringen kann. Du brauchst eigene Übung in dem, was die Maschine erledigt.
Wer nie selbst einen Aufsatz geschrieben hat, kann nicht beurteilen, ob der KI-Text gut ist. Wer nie selbst eine Gleichung gelöst hat, sieht nicht, dass die KI-Lösung einen Vorzeichenfehler hat. Wer nie eine Sprache von innen beherrscht hat, merkt nicht, dass die KI-Übersetzung den Tonfall verfehlt. Die Beurteilungskompetenz setzt das Können voraus, das angeblich nicht mehr nötig ist.
Daraus folgt eine zunächst widersprüchliche Empfehlung: Wir brauchen mehr Üben, nicht weniger. Aber gezielter, mit anderem Ziel. Nicht mehr, um das fertige Produkt zu beherrschen - sondern um die Urteilskraft zu entwickeln, die einen befähigt, das Produkt einer Maschine zu prüfen.
Das ändert alles am Unterricht. Aufgaben, die ein Schüler ans Handy delegieren kann, trainieren nichts mehr. Aufgaben, bei denen er ein KI-Ergebnis nehmen, prüfen, verbessern, einordnen muss - die trainieren genau das, was zählt. Die neue Hausaufgabe heißt nicht "rechne", sondern "prüfe, was die KI gerechnet hat".
Die kognitionspsychologische Grundlage liefert John Sweller mit der Cognitive Load Theory (ab 1988). Sein Punkt: Komplexe Probleme lassen sich nur lösen, wenn im Langzeitgedächtnis Schemata vorliegen, auf die das Arbeitsgedächtnis zugreifen kann. Diese Schemata entstehen durch Übung. Werkzeuge ersetzen sie nicht - sie können sie nur effizienter nutzen, wenn sie da sind.
John Hattie hat in Visible Learning (2009) über 800 Meta-Studien zu Lerneffekten ausgewertet. Direkte Instruktion und gezielte Übung mit Feedback gehören zu den wirksamsten Bildungsmaßnahmen überhaupt. Daniel Willingham ergänzt in Critical Thinking: Why Is It So Hard to Teach? (2007) den entscheidenden Punkt: Kritisches Denken ist keine allgemeine Fertigkeit, die sich domänenunabhängig trainieren ließe - sie setzt Wissen vom Thema voraus. Wer KI-Output beurteilen will, muss vom Thema selbst etwas verstehen.
Eines der häufigsten Argumente in der Debatte lautet: "Lasst uns das später anpacken, wenn die Schüler älter sind." Das ist ein Fehler aus zwei Gründen.
Erstens: Die Schüler benutzen KI längst. In den fünften und sechsten Klassen, in denen viele Lehrer noch glauben, das sei ein Oberstufenthema, sind ChatGPT-Konten längst aktiv - manchmal vom älteren Geschwister, manchmal heimlich, manchmal ganz offen. Die Frage ist nicht, ob Kinder mit KI in Berührung kommen, sondern ob sie es mit oder ohne Anleitung tun.
Zweitens: Wer als Erwachsener das erste Mal mit KI arbeitet, hat einen ganz anderen Umgang als jemand, der mit zwölf Jahren gelernt hat, was Halluzination heißt und warum jeder KI-Output Prüfung braucht. Es geht um eine Grundkompetenz - vergleichbar mit Lesen oder Schreiben. Wer sie früh entwickelt, hat sie. Wer sie spät aufgreift, bleibt unsicher.
Konkret heißt das nicht "alle Grundschüler bekommen ein ChatGPT-Konto". Es heißt: Schon in der Grundschule muss thematisiert werden, dass es Maschinen gibt, die scheinbar klug klingen, aber Fehler machen. In der Mittelstufe muss geübt werden, mit ihnen sinnvoll zu arbeiten - und ihre Antworten zu prüfen. In der Oberstufe muss reflektiert werden, was sie bedeuten - für Wissenschaft, Beruf, Gesellschaft.
Wer wissen will, wie verbreitet KI bei Jugendlichen tatsächlich ist, schaut in die JIM-Studie des Medienpädagogischen Forschungsverbunds Südwest - jährlich repräsentativ erhoben für 12- bis 19-Jährige in Deutschland. Die KIM-Studie desselben Hauses tut das Gleiche für 6- bis 13-Jährige. Wer diese Zahlen liest, kann nicht mehr ernsthaft behaupten, KI sei ein Thema der Oberstufe.
Die UNESCO empfiehlt im AI Competency Framework for Students (2024) ausdrücklich KI-Bildung ab der Grundschule, gestuft nach Altersgruppen. Das deutsche KMK-Strategiepapier "Bildung in der digitalen Welt" (2016, ergänzt 2021) ist im Vergleich dazu sichtbar von der KI-Welle überholt - geschrieben in einer Welt, in der ChatGPT noch nicht existierte.
Wer denkt, KI in der Bildung sei eine Frage für Lehrer und Bildungspolitiker, verkennt die Tragweite. Die Schüler von heute sind die Mitarbeiter, Bewerber, Kunden und Unternehmer von morgen. Aber die Frage ist nicht erst in zehn Jahren akut. Sie ist es heute.
Wir sehen es in jedem Betrieb, den wir begleiten. Mitarbeiter, die KI ohne Urteilskraft nutzen, sind eine Gefahr - sie kopieren Texte, die nicht stimmen, übernehmen Zahlen, die falsch sind, verlassen sich auf Quellen, die keine sind. Es sind genau dieselben Defizite, die wir in den Schulen sehen, nur mit Konsequenzen, die einen Betrieb Kunden, Geld oder Ruf kosten können.
Daraus folgt: Bildung hört nicht mit der Schule auf. Jeder Betrieb, der heute Mitarbeiter mit KI arbeiten lässt, ohne in deren Urteilskraft zu investieren, baut auf Sand. Schulungen für KI-Bedienung gibt es viele - was fehlt, sind Schulungen für die Frage, wie man KI-Output prüft, einordnet, verbessert. Das ist keine technische Frage. Es ist eine Bildungsfrage.
Wenn wir bei wendwerk Software für Betriebe bauen, denken wir diese Ebene immer mit. Werkzeuge, die ein Mitarbeiter ohne Urteilskraft nicht in Gefahr bringen kann. Prozesse, die eingebaute Kontrollpunkte haben. KI-Funktionen, die ihre Unsicherheit zeigen, statt sie zu verstecken. Gute Werkzeuge können fehlende Bildung nicht ersetzen - aber sie können fehlende Bildung weniger gefährlich machen.
Eines der wenigen Bücher, das Bildungsfrage und Wirtschaftsfrage systematisch zusammendenkt, ist Artificial Intelligence in Education von Wayne Holmes, Maya Bialik und Charles Fadel (2019). Ihre Kernthese: Was in der Schule angelegt - oder versäumt - wird, setzt sich am Arbeitsplatz fort, in beide Richtungen. Schule und Betrieb sind in dieser Frage keine getrennten Welten.
Wie groß die Kompetenzlücke bei Mitarbeitern in Deutschland inzwischen ist, dokumentieren die laufenden Bitkom-Studien zur KI in Unternehmen - KI-Nutzung steigt schneller als die Befähigung, sie sinnvoll einzusetzen. Das IAB (Institut für Arbeitsmarkt- und Berufsforschung) untersucht parallel laufend, welche Tätigkeiten technologisch substituiert werden - und welche nicht. Die Lese-Erkenntnis: Genau die Fähigkeiten, die wir oben benannt haben - Urteilskraft, Skepsis, Geschmack - gehören zu den nicht ersetzbaren.
Es geht nicht darum, Schule zu "digitalisieren". Es geht darum, die Frage neu zu stellen, wofür Bildung eigentlich da ist - jetzt, wo das alte Schulversprechen nicht mehr trägt.
Das alte Versprechen war: Wir bringen dir das bei, was die Welt von dir verlangen wird, und dann kannst du deinen Weg machen. Dieses Versprechen ist gebrochen. Die Welt verlangt morgen anderes als heute, und kein Lehrplan kann mehr garantieren, was in zehn Jahren noch knapp und wertvoll sein wird. Was bleibt, ist nicht ein Wissenskanon, sondern eine Haltung - lernfähig bleiben, prüfen können, nicht alles glauben, eigene Frage stellen, eigenen Geschmack entwickeln, Beziehungen halten.
Diese Haltung muss man üben. Sie entsteht nicht durch Klick-Tutorials. Sie entsteht im Klassenzimmer, am Schreibtisch, in echten Aufgaben, an denen man scheitert und sich neu sortiert. KI macht das Üben weder überflüssig noch leichter. Sie verändert nur das Ziel der Übung. Wer dieses Ziel klar hat, gewinnt - als Lehrer, als Eltern, als Betrieb, als Gesellschaft. Wer es nicht klar hat, übt im Leeren.
Wer gerade die globale Debatte über KI prägt, liest du unter Wohin wir gehen. Warum viele trotz Interesse nicht anfangen, in über die KI-Paralyse. Die sachliche Grundlage zu KI findest du auf wendwerk.de/wissen.
Kuratiert von Johannes Hohls für wendwerk.