Tipps & Tricks · 14. August 2026
Mit KI schneller lernen: was zwei Studien wirklich zeigen
Fünfmal schneller lernen mit KI, das war vor zwei Jahren ein beliebtes Versprechen in Ratgeber-Artikeln. Die ehrliche Antwort ist komplizierter, aber auch interessanter: Zwei aktuelle Studien zeigen fast gegensätzliche Resultate, mit derselben Technologie. Der Unterschied entscheidet, ob KI dir beim Lernen wirklich hilft oder dir nur das Gefühl gibt, dass du etwas gelernt hast.
Die eine Studie kommt von der Harvard University und zeigt einen der grössten je gemessenen Lerneffekte für ein KI-Werkzeug. Die andere, eine Langzeitauswertung von 3,2 Millionen Lerninteraktionen in den USA, zeigt fast das Gegenteil: Wer KI vor allem zum schnellen Abholen von Antworten nutzt, lernt über die Jahre spürbar weniger. Beide Studien haben recht, weil sie unterschiedliche Arten der Nutzung messen.
Die Studie, die den grössten Lerneffekt zeigt, den je ein KI-Tutor gemessen hat
Im Frühjahr 2024 testete ein Forschungsteam der Harvard University um Kestin einen KI-Tutor im Physikkurs «Physical Sciences 2». 194 Studierende wurden per Zufall zwei Gruppen zugeteilt. Die eine besuchte die reguläre, aktive Lernumgebung im Hörsaal, mit Gruppenarbeit und Live-Feedback, eine Methode, die selbst schon deutlich besser abschneidet als klassischer Frontalunterricht. Die andere Gruppe arbeitete allein mit einem eigens für den Kurs gebauten KI-Tutor namens «PS2 Pal», auf Basis von GPT-4.
Das Ergebnis, im Juni 2025 veröffentlicht in Scientific Reports: Die Gruppe mit dem KI-Tutor lernte mehr als doppelt so viel wie die Gruppe im aktiven Hörsaal, gemessen an Vor- und Nachtests, und brauchte dafür weniger Zeit. Die gemessenen Effektstärken liegen zwischen 0,73 und 1,3 Standardabweichungen, ein aussergewöhnlich hoher Wert für eine Bildungsstudie.
Warum das funktionierte: die KI durfte nie einfach die Lösung zeigen
Der entscheidende Punkt liegt nicht im Modell, sondern in der Regel, nach der es gebaut wurde. «PS2 Pal» war bewusst so eingerichtet, dass es bei einer Frage nie die komplette Lösung auf einmal ausgab. Es gab jeweils nur den nächsten Schritt frei, stellte Rückfragen und liess die Studierenden selbst weiterdenken, bevor der nächste Hinweis kam.
Das ist kein neuer Gedanke. 1984 beschrieb der Bildungsforscher Benjamin Bloom ein Phänomen, das seither als «2-Sigma-Problem» bekannt ist: Schülerinnen und Schüler mit persönlicher 1:1-Betreuung schnitten im Schnitt besser ab als 98 Prozent der Schülerinnen und Schüler im klassischen Gruppenunterricht, eine Differenz von rund zwei Standardabweichungen. Nur liess sich diese Betreuung nie skalieren, dafür braucht es schlicht mehr Lehrpersonen, als verfügbar sind. Ein KI-Tutor, der wie ein guter Tutor fragt statt vorsagt, ist der erste ernsthafte Versuch, diese Lücke zu schliessen. Moderne Reasoning-Modelle setzen einen verwandten Trick ein, nur für sich selbst: Sie zerlegen eine Aufgabe in Zwischenschritte, bevor sie antworten, wie wir in Was Reasoning-Modelle wirklich anders machen zeigen. Beim Lernen mit KI hilft derselbe Trick andersherum: nicht die KI soll in Zwischenschritten denken, sondern du.
Die Gegenstudie: schnellere Antworten, weniger gelerntes Wissen
Eine zweite, deutlich grössere Untersuchung zeichnet ein anderes Bild. Ein Forschungsteam der UC Irvine um Rismanchian, gemeinsam mit McGraw Hill, wertete 3,2 Millionen Lerninteraktionen auf der US-Mathe-Plattform ALEKS aus, über einen Zeitraum von zehn Jahren. Wichtig zur Einordnung: Die Studie ist im Frühsommer 2026 als Preprint erschienen und bislang nicht von unabhängigen Fachleuten begutachtet worden, die Ergebnisse sind also vorläufig.
Die Forschenden unterschieden zwei Arten von Matheaufgaben: solche, die eine generative KI in einem Schritt direkt lösen kann, weil sie als reiner Text vorliegen, und solche, bei denen das nicht funktioniert, etwa Aufgaben mit Diagrammen. Bei den KI-anfälligen Textaufgaben sank die Zeit, die Lernende zum Bearbeiten aufwendeten, über elf Quartale hinweg deutlich, zusammen mit dem gemessenen Wissen, das die Plattform aus den folgenden Aufgaben ableitete. Bei den KI-resistenten Aufgaben veränderte sich in keiner Altersgruppe etwas.
Am stärksten war der Effekt bei Oberstufenschülerinnen und -schülern, mit minus 31,3 Prozent Lernzeit, dicht gefolgt von Studierenden mit minus 26,9 Prozent. Bei jüngeren Jugendlichen im Alter der Sekundarstufe I fiel der Rückgang mit minus 9 Prozent deutlich kleiner aus, bei Fünftklässlern war er statistisch nicht mehr nachweisbar. Die Autorinnen und Autoren nennen dieses Muster «kognitive Kapitulation»: Sobald eine Abkürzung verfügbar ist, wählen ältere, routiniertere Lernende sie öfter, jüngere Kinder nutzen sie seltener oder weniger geschickt.
Der Unterschied ist nicht die KI, sondern wer denkt
Beide Studien beschreiben am Ende dieselbe Mechanik von zwei Seiten. Harvard zeigt, was passiert, wenn eine KI dich zum Denken zwingt, Schritt für Schritt, mit Rückfragen statt Antworten. ALEKS zeigt, was passiert, wenn eine KI dir das Denken abnimmt, indem sie in einem Schritt liefert, was vorher mehrere Gedankengänge gebraucht hätte. Dieselbe Technologie, zwei entgegengesetzte Ergebnisse, je nachdem, wer am Ende die Arbeit macht.
| Harvard-Studie (Kestin et al.) | ALEKS-Auswertung (Rismanchian et al.) | |
|---|---|---|
| Was gemessen wurde | Lernerfolg mit eigens gebautem KI-Tutor vs. aktivem Hörsaal | Lernzeit und Wissensaufbau bei KI-lösbaren vs. KI-resistenten Aufgaben |
| Stichprobe | 194 Studierende, ein Physikkurs, Frühjahr 2024 | 3,2 Mio. Lerninteraktionen, 10 Jahre, mehrere Altersstufen |
| Wie die KI genutzt wurde | Fragend, ein Schritt nach dem anderen, nie die volle Lösung | Direkt, KI löste Aufgaben in einem Schritt, wenn möglich |
| Ergebnis | Mehr als doppelt so grosser Lernerfolg, in weniger Zeit | Bis zu 31,3 Prozent weniger Lernzeit, mit sinkendem Wissen |
| Status | Peer-reviewed, Scientific Reports, Juni 2025 | Preprint, noch nicht begutachtet, 2026 |
So nutzt du KI, damit sie dich wirklich weiterbringt
Die praktische Folgerung ist einfacher als die Forschung dahinter. Ein paar Gewohnheiten machen den Unterschied zwischen einer KI, die dich weiterbringt, und einer, die dir nur das Gefühl gibt, weiterzukommen.
- Erst selbst versuchen, dann fragen. Eine eigene, auch falsche Antwort gibt der KI etwas, worauf sie reagieren kann, und dir einen Anker, an dem du dich später erinnerst.
- Um Rückfragen bitten, nicht um die Lösung. Ein Zusatz im Prompt reicht: «Gib mir nicht die Lösung, stell mir stattdessen die nächste Frage, die mich selbst draufbringt.» Wie du eine Anfrage so baust, dass die KI tut, was du willst, statt zu raten, zeigen wir im Detail in unserem Prompt-Engineering-Kurs.
- In eigenen Worten erklären. Was du der KI, oder dir selbst, noch einmal erklären kannst, sitzt deutlich besser als das, was du nur gelesen hast.
- Nach ein paar Tagen ohne KI wiederholen. Der eigentliche Test ist nicht, ob die Aufgabe gelöst ist, sondern ob du sie eine Woche später ohne Hilfe nochmal hinbekommst.
Gilt das auch im Job, nicht nur in der Schule?
Die beiden Studien untersuchten Schule und Studium, nicht die Weiterbildung im Unternehmen. Der Mechanismus dahinter, Denkarbeit abgenommen gegenüber Denkarbeit gefordert, ist aber nicht auf Klassenzimmer beschränkt. Bei der Einarbeitung neuer Mitarbeitender, beim Aufbau von Fachwissen für ein neues Tool oder bei der Vorbereitung auf eine Zertifizierung gilt derselbe Unterschied: Eine KI, die eine Zusammenfassung liefert, spart Zeit heute. Eine KI, die mit Rückfragen durch den Stoff führt, baut Wissen auf, das übermorgen noch da ist. Ein Assistenz-Tool, das sich an den Wissensstand einer Person erinnert, kann beim zweiten Mal gezielter nachfragen, statt wieder bei null anzufangen, wie in Warum sich deine KI an dich erinnern sollte beschrieben.
Wichtig zu merken
KI macht dich nicht automatisch schneller im Lernen, und sie macht dich auch nicht automatisch dümmer. Beides ist mit derselben Technologie möglich. Der Unterschied liegt darin, ob du der KI die Denkarbeit überlässt oder ob sie dich dazu bringt, sie selbst zu machen. Frag nach dem nächsten Hinweis, nicht nach der fertigen Antwort. Dann ist der grösste bislang gemessene Lerneffekt einer KI-Studie kein Zufall, sondern eine Anleitung.
Wenn ihr im Unternehmen überlegt, wie ihr KI für Einarbeitung, Weiterbildung oder internes Wissen sinnvoll einsetzt, nicht nur als Suchmaschine, sondern als etwas, das eure Leute wirklich weiterbringt, schauen wir uns eure Situation an. In der Beratung sortieren wir, wo der Hebel liegt, in der Entwicklung bauen wir das passende System. Start ist ein kostenloses Erstgespräch.
Häufige Fragen
Lernt man mit KI wirklich schneller?
Nicht automatisch. Eine Studie der Harvard University zeigt, dass ein KI-Tutor, der Schritt für Schritt fragt statt Lösungen zu liefern, zu mehr als doppelt so grossem Lernerfolg führte wie eine gute klassische Lernumgebung. Eine andere, grössere Langzeitstudie zeigt fast das Gegenteil, wenn KI vor allem zum schnellen Abholen von Antworten genutzt wird. Entscheidend ist die Art der Nutzung, nicht die Technologie selbst.
Was ist der Unterschied zwischen einem KI-Tutor und ChatGPT einfach nach der Antwort fragen?
Ein KI-Tutor wie das in der Harvard-Studie eingesetzte «PS2 Pal» ist bewusst so eingerichtet, dass er nie die komplette Lösung auf einmal zeigt. Er gibt jeweils nur den nächsten Schritt frei und stellt Rückfragen. Ein Standard-Chat liefert dagegen meist die vollständige Antwort, wenn du nicht ausdrücklich um eine andere Vorgehensweise bittest.
Macht KI beim Lernen eher dümmer, im Sinn von «kognitiver Kapitulation»?
Eine Langzeitauswertung von 3,2 Millionen Lerninteraktionen (Preprint, noch nicht unabhängig begutachtet) fand bei Aufgaben, die eine KI in einem Schritt lösen kann, über die Jahre sinkende Lernzeit und sinkendes gemessenes Wissen, besonders bei älteren Schülerinnen, Schülern und Studierenden. Bei Aufgaben, die eine KI nicht direkt lösen kann, zeigte sich kein Rückgang. Das Risiko betrifft also vor allem den Umgang mit KI bei leicht abholbaren Antworten, nicht KI-Nutzung insgesamt.
Wie bringe ich ChatGPT oder eine andere KI dazu, mich wie ein Tutor zu unterrichten statt einfach zu antworten?
Am einfachsten mit einer klaren Anweisung im Prompt, zum Beispiel: «Gib mir nicht die Lösung, sondern stell mir Schritt für Schritt Rückfragen, bis ich selbst draufkomme.» Die meisten aktuellen Modelle halten sich an eine solche Rolle, wenn du sie explizit vorgibst, auch wenn sie sie nicht von sich aus einnehmen.
Welche KI eignet sich zum Lernen am besten?
Die Harvard-Studie nutzte einen eigens für den Kurs gebauten Tutor auf Basis von GPT-4, keine Standard-Version von ChatGPT. Im Alltag ist entscheidender, wie du ein verfügbares Modell wie ChatGPT, Claude oder Gemini führst, als welches der drei du wählst. Alle lassen sich mit einer entsprechenden Anweisung in eine fragende statt antwortende Rolle bringen.
Was ist das «2-Sigma-Problem» von Bloom?
Der Bildungsforscher Benjamin Bloom beschrieb 1984, dass Schülerinnen und Schüler mit persönlicher 1:1-Betreuung im Schnitt besser abschnitten als 98 Prozent einer klassisch unterrichteten Gruppe, ein Unterschied von rund zwei Standardabweichungen. Weil 1:1-Betreuung für jede Person nie skalierbar war, blieb das lange ein theoretisches Ideal. Ein KI-Tutor, der wie ein guter Tutor fragt statt vorsagt, ist einer der ersten ernsthaften Versuche, diese Lücke in der Breite zu schliessen.
Gilt der Effekt auch für Erwachsene, die sich im Beruf weiterbilden?
Beide zitierten Studien untersuchten Schule und Studium, nicht die betriebliche Weiterbildung. Der zugrunde liegende Mechanismus, ob die KI dir das Denken abnimmt oder dich dazu bringt, es selbst zu tun, ist aber nicht auf eine Altersgruppe beschränkt und lässt sich auf Einarbeitung, Weiterbildung und internes Wissen im Unternehmen übertragen.
Von Andrin Knoll, Gründer & CEO, IntelliLab GmbH.