Warum KI die Pädagogik vor eine Grundsatzentscheidung stellt
KI braucht klassische Kompetenzen und eine andere Lernkultur
hier lesen
Florian Nuxoll
Künstliche Intelligenz ist das mächtigste Werkzeug, das je in die Hände von Schülerinnen und Schülern gelangt ist. Doch während die einen damit ihr Lernen auf ein neues Level heben, drohen andere, wichtige Kernkompetenzen zu verlernen. Gerade für Gesamt- und Gemeinschaftsschulen mit ihrer heterogenen Schülerschaft wird diese Entwicklung zur Zerreißprobe – und offenbart zugleich eine unerwartete Chance für uns Lehrkräfte.
Jeder von uns kennt den Pakt, den uns Technologie im Alltag anbietet: Komfort gegen Fähigkeit. Die Übersetzungs-App liefert uns auf Reisen den perfekten Satz und lässt dafür unseren aktiven Wortschatz verkümmern. Die Autokorrektur bügelt jeden sprachlichen Fehler aus und schwächt dabei schleichend unser Gespür für Rechtschreibung und Grammatik. Es ist ein leiser, aber stetiger Tausch von kognitiver Mühe gegen digitale Effizienz.
Mit dem Aufkommen generativer KI erreicht dieser Tauschhandel nun die Klassenzimmer und macht den Lernenden ein radikales Angebot: „Ich gebe dir das (sehr) gute Ergebnis – das ausgearbeitete Referat, die schlüssige Analyse, das „kreative“ Gedicht –, und du gibst mir dafür nur deinen Lernprozess.“ Was im Alltag ein nützlicher Kompromiss sein mag, stellt in der Schule das Fundament des Lernens grundlegend infrage.
Der feine Unterschied: Warum "Deskilling" nicht gleich "Skill-Skipping" ist
In der Arbeitswelt ist der technologiebedingte Fähigkeitsverlust seit Langem als „Deskilling“ bekannt. Er beschreibt, wie Maschinen und Automatisierung die Notwendigkeit menschlicher Expertise reduzieren. Ein Schreinergeselle musste einst Holzarten und Werkzeuge im Detail kennen. Der Bediener einer computergesteuerten Fräse in der Möbelindustrie benötigt vor allem die Fähigkeit, eine Software zu steuern. Die handwerkliche Kunst wurde z.T. an die Maschine ausgelagert.
Hier müssen wir eine grundlegende Unterscheidung treffen, die den Kern des schulischen Dilemmas ausmacht. In der Arbeitswelt zählt primär das Produkt. Was interessiert es uns, ob ein Statiker die Stabilität eines Hauses per Kopfrechnen, mit Excel oder einer KI berechnet? Das Haus soll am Ende sicher stehen. Das Ergebnis rechtfertigt die Effizienz des Weges.
Im Lernprozess hingegen verkehrt sich diese Logik ins Gegenteil. Hier ist der Prozess das eigentliche Produkt. Der Weg ist das Ziel. Das mühsame Recherchieren, das Ordnen der Gedanken, das Ringen um die richtige Formulierung, die Frustration über eine Sackgasse und der "Aha-Moment" der Lösung – all das ist der Kompetenzerwerb. Wenn nun die KI diesen gesamten Prozess übernimmt, findet kein Deskilling im klassischen Sinne statt, sondern etwas viel Gefährlicheres: „Skill-Skipping“. Der wertvolle, lernintensive Hindernislauf des Lernens wird übersprungen. Die KI wirkt wie eine Planierraupe, die eine hindernisfreie Autobahn direkt zum fertigen Produkt schafft und den Lernenden damit um die wichtigste Erfahrung betrügt: die eigenständige Überwindung von Schwierigkeiten.
Deskilling als Chance: Wie KI die Lehrkraft entlastet
Während „Skill-Skipping“ also den Kompetenzerwerb der Lernenden untergräbt, entpuppt sich das Prinzip des „Deskilling“ für uns Lehrkräfte als enorme Chance. Unsere Arbeit ist, genau wie die des Statikers, auf ein Produkt ausgerichtet: gut vorbereiteten, differenzierten Unterricht. Der Weg dorthin darf und sollte so effizient wie möglich sein.
In der täglichen Praxis von Gesamt- und Gemeinschaftsschulen, wo die Heterogenität der Klassen eine permanente Herausforderung darstellt, kann KI zum entscheidenden Werkzeug für die Binnendifferenzierung werden. Stellen Sie sich vor, ein komplexer Fachtext zum Wasserkreislauf soll für eine 7. Klasse aufbereitet werden. Bisher bedeutete das: zeitintensives Vereinfachen, Umformulieren, Erstellen verschiedener Versionen. Heute kann die KI diese Arbeit in Sekunden erledigen:
- Sie fasst den Originaltext auf drei unterschiedlichen Niveaus zusammen.
- Sie übersetzt eine Version in Leichte Sprache.
- Sie generiert zu jedem Textverständnis passende Kontrollfragen und Vokabellisten.
Die Lehrkraft wird dabei nicht überflüssig, ihre Rolle wandelt sich aber von der mühevollen Materialerstellerin zur qualitätsprüfenden Kuratorin und pädagogischen Begleiterin. Wir nutzen die Effizienz der Maschine, um mehr Zeit für das Wesentliche zu haben: die direkte Arbeit mit den Schülerinnen und Schülern. Hier ist Deskilling ein Segen.
KI: Spalter oder Chancengeber?
Kehren wir jedoch zurück zu den Lernenden, offenbart sich die Gefahr dieses zweischneidigen Schwertes. Gerade in unseren heterogenen Klassen wirkt die KI wie ein Brandbeschleuniger für den „Schereneffekt“. Die zentrale Frage lautet: Wird sie zum großen Gleichmacher oder zum ultimativen Spalter?
Die Gefahr ist real, dass sich die Kluft zwischen intrinsisch motivierten und rein pflichtbewussten Schülerinnen und Schülern dramatisch vergrößert.
- Für die engagierte Schülerin, die für ihr Geschichtsreferat über die Hanse brennt, wird die KI zum persönlichen Super-Tutor. Sie kann sich komplexe Handelsrouten erläutern lassen, nach den Ursachen für den Niedergang fragen und ihre Thesen von der KI auf Stichhaltigkeit prüfen lassen. Ihr Lernprozess wird reicher und tiefer.
- Für den pragmatischen Schüler, der die Aufgabe nur schnell erledigen will, wird dieselbe Technologie zum „Erledigungs-Automaten“. Ein paar Stichworte genügen, und die KI liefert eine vorzeigbare Präsentation. Das Ergebnis mag passabel sein, der Lerneffekt ist jedoch gleich null. Hier findet pures Skill-Skipping statt.
Der entscheidende Faktor bleibt die Motivation. Ohne ein echtes Interesse oder den klaren Anreiz, einen Inhalt wirklich verstehen zu wollen, wird jedes Werkzeug primär zur Abkürzung missbraucht.
Wie wir dem "Skill-Skipping" pädagogisch begegnen
Wenn der individuelle Antrieb entscheidet, kann sich Schule nicht allein darauf verlassen. Die strukturelle Antwort muss die Lernkultur verändern und den Fokus verschieben. Drei Handlungsfelder sind hier entscheidend:
- Didaktik: Den Prozess ins Zentrum rücken. Die Bewertung muss sich vom reinen Produkt lösen. Statt nur das fertige Referat zu benoten, können wir den Entstehungsprozess bewerten: die erste Gliederung, die überarbeiteten Entwürfe, die Reflexion über die genutzten Quellen. Prozessorientierte Leistungsformate wie Lerntagebücher, Portfolios oder die verpflichtende Abgabe der „Reflektion der KI-Nutzung“ machen den Lernweg sichtbar und bewertbar. Das ist aber natürlich sehr zeitaufwendig und kann von generativer KI ebenfalls simuliert werden.
- Organisation: Analoge Lerninseln schaffen. Die ständige Verfügbarkeit der KI auf Laptops und Tablets macht eine bewusste Selbstregulation für viele Jugendliche zur Illusion. Schulen müssen verbindliche Zeiten und Räume für das Lernen ohne digitale Endgeräte schaffen – Phasen des konzentrierten Lesens, des handschriftlichen Notierens und des ungestörten, tiefen Denkens, in denen das Gehirn nicht auf den schnellen Ausweg per Mausklick trainiert wird.
- Curriculum: KI-Kompetenz als Bildungsziel verankern. Die Fähigkeit, KI reflektiert und produktiv zu nutzen, ist eine Schlüsselkompetenz des 21. Jahrhunderts. Der kritische Umgang mit KI, das grundlegende Verständnis ihrer Funktionsweise (inklusive algorithmischer Bias) gehören als neue Kulturtechnik fest in die Lehrpläne. Dies ist auch eine Frage der Bildungsgerechtigkeit, denn so stellen wir sicher, dass alle Schülerinnen und Schüler auf die digitale Arbeitswelt vorbereitet werden.
Die KI geht nicht wieder weg. Unsere Aufgabe ist es, einen pädagogischen Rahmen zu schaffen, in dem sie das tut, was sie am besten kann: uns Lehrkräfte entlasten und für motivierte Lernende ein unschätzbar wertvoller Partner sein. Verhindern müssen wir jedoch, dass sie für andere zum Totengräber des echten Lernens wird.
P.S.: Ein letzter Gedanke zur vieldiskutierten „Prompt-Kompetenz“
Oft wird der Eindruck erweckt, das „Prompten“ sei eine neue, hochkomplexe Kulturtechnik, die es mühsam zu erlernen gilt. Die Realität ist jedoch, dass wir gerade Zeugen eines paradoxen Prozesses werden: Die Fähigkeit des anspruchsvollen „Prompt Engineerings“ ist durch die KI selbst von Deskilling betroffen.
Die ersten Generationen von KI-Modellen waren oft sperrig und erforderten präzise, fast code-ähnliche Befehle, um brauchbare Ergebnisse zu liefern. Heutige Systeme sind jedoch darauf trainiert, natürliche Sprache, Intentionen und den Kontext eines Gesprächs zu verstehen. Sie wollen keine starren Befehlsketten, sondern ein Dialogpartner sein.
Die entscheidende Kompetenz verschiebt sich daher weg von der technischen Eingabe hin zu einer zutiefst menschlichen und uns wohlbekannten Fähigkeit: Man muss nur noch einigermaßen klar, kohärent und strukturiert sagen oder schreiben können, was man möchte. Es geht nicht mehr darum, die Sprache der Maschine zu lernen, sondern darum, die eigenen Gedanken zu beherrschen.
Wer eine unklare Frage stellt, weil er den Sachverhalt selbst nicht durchdrungen hat, erhält von der KI eine ebenso vage oder unbrauchbare Antwort. Wer jedoch in der Lage ist, ein Problem zu analysieren, sein Ziel präzise zu formulieren und seine Anfrage logisch aufzubauen, wird exzellente Ergebnisse erzielen. Im Kern stärkt die fortschreitende KI also die Bedeutung klassischer Kompetenzen: präzises Ausdrucksvermögen, strukturiertes Denken und eine klare Argumentationsfähigkeit. Unsere Aufgabe ist es also weniger, eine neue technische Fähigkeit zu vermitteln, sondern vielmehr, die grundlegenden intellektuellen Kompetenzen zu schärfen, deren Wert im Dialog mit der KI sichtbarer und wichtiger wird als je zuvor. Die eigentliche Kunst liegt nicht in der Ansprache der Maschine, sondern in der Klarheit des eigenen Gedankens.
Artikel aus Die Schule für alle Heft 2025/4