KI wird besser – Lernen messen wird schwerer

Ein Schüler löst drei Geometrie-Aufgaben hintereinander richtig. Die Lern-Plattform gibt ihm nicht noch mehr gleiche Aufgaben. Sie gibt ihm automatisch eine schwerere Aufgabe. Ein Schüler mit Fehlern bekommt leichtere Aufgaben und mehr Hilfe.

Das Beispiel kommt aus einem digitalen Schulbuch mit KI in Korea. Das Buch Khuyến học thời AI von Nguyễn Thanh Tùng erzählt das Beispiel. Das System kann auch messen: Wie schnell klickt der Schüler? Wie lange bleibt er bei einem Inhalt? Wie oft ist er unsicher zwischen zwei Antworten? So macht das System einen persönlichen Lernweg.

Dieses Beispiel zeigt eine wichtige Veränderung. KI in der Bildung ist nicht nur ein Chatbot. Der Schüler öffnet nicht nur einen Chatbot und stellt eine Frage. KI ist jetzt in der Suche, in Empfehlungen und in Lern-Plattformen. KI entscheidet sogar mit, welchen Inhalt der Lernende als Nächstes sieht. Die Frage ist deshalb nicht mehr: Wie benutzen Schüler KI? Die neue, schwerere Frage ist: Wenn die Maschine bei vielen Denk-Schritten mitmacht, wie müssen Lernende dann ihr eigenes Lernen verstehen und organisieren?

Das sieht man klar im Teil des Buches über die Arbeitsteilung zwischen Mensch und KI. Früher hat eine Person eine Denkarbeit allein gemacht, von Anfang bis Ende. Heute kann KI an vielen Stellen mitmachen: Daten suchen und bearbeiten, zusammenfassen, ordnen und einen ersten Entwurf schreiben. Deshalb muss der Lernende jetzt entscheiden: Welche Arbeit kann die Maschine machen? Welche Arbeit muss ich behalten? Welches Ergebnis muss ich kontrollieren? Und an welcher Stelle muss ich zurück zu den Daten oder zur Wirklichkeit gehen?

Aber diese Arbeitsteilung hat schnell eine Grenze: Kann man einer Maschine Arbeit geben, die man nur sehr wenig versteht?

Ein kleines Beispiel im Buch zeigt, warum dieses Verstehen wichtig ist. Schüler benutzen ein Seh-Modell. Es soll Hunde, Katzen und Kaninchen erkennen. Aber das System macht immer wieder Fehler. Das Problem liegt in den Daten: Die Hunde-Bilder zeigen meistens große Hunde draußen. Die Katzen-Bilder sind meistens drinnen gemacht. Und es gibt zu wenige Kaninchen-Bilder. Die Maschine lernt also auch den Hintergrund der Bilder, nicht nur die Merkmale der Tiere, die die Schüler meinen.

Hier geht die Frage über das Thema "KI macht manchmal Fehler" hinaus. Wichtiger ist: Ein Ergebnis der Maschine kann Entscheidungen zeigen, die für den Nutzer unsichtbar sind. Wenn der Lernende nur die Oberfläche benutzt und nur das Ergebnis liest, bleibt der wichtigste Teil des Systems für ihn unverständlich.

Es ist nicht genug zu wissen, wie eine App läuft. Lernende müssen verstehen: Wo sind die Daten? Wer hat welche Rechte? Welche Regel macht eine Entscheidung? Und welches Risiko sehen wir nicht?

Die drei praktischen Kapitel am Ende des Buches folgen der gleichen Logik. Man macht das Produkt nicht mit einem großen Befehl und korrigiert es erst am Ende. Man arbeitet in vielen Runden: das Problem in Teile teilen, einen Teil bauen, testen, wieder lesen, eine Funktion dazu geben und wieder testen. Dieser Arbeitsweg zeigt den Denkweg. Er macht eine Geschichte, die man zurückverfolgen kann.

Der Autor zeigt die gleiche Idee im Teil über Kreativität mit Bild-Tools wie Midjourney oder DALL-E. Die ersten Bilder können sehr schön aussehen, aber sie sehen oft aus wie viele Bilder aus dem Internet. Das Buch schlägt eine andere Bewertung vor: Nicht das letzte Bild ist am wichtigsten, sondern das "Tagebuch der Zusammenarbeit". Darin muss der Lernende zeigen: Welche Materialien habe ich studiert? Und wie habe ich die Fehler der Maschine korrigiert?

Deshalb ist für den Autor Nguyễn Thanh Tùng in seinem praktischen Bildungsbuch das Lernen mit Projekten sehr wichtig. Ein Projekt, das lang genug ist, lässt den Lehrer viele Zwischenschritte sehen, nicht nur das letzte Ergebnis. Wenn KI sehr schnell ein Produkt machen kann, werden diese Zwischenschritte ein wichtiger Beweis für das Lernen.

Der Autor betont auch: Wenn Schüler KI benutzen, um das Lernen und Verstehen zu umgehen, dann fehlt ihnen genau das Material, das sie brauchen, um die Ergebnisse der Maschine zu kontrollieren. KI macht die einfachen Denk-Fähigkeiten nicht einfach überflüssig. Sie verändert den Zweck von Wissen. Wir lernen nicht mehr nur, um eine Antwort zu wiederholen. Wir brauchen Wissen im Kopf, um zu merken, wenn eine Antwort der Maschine ein Problem hat. Je mehr wir die Produktion von Antworten der Maschine geben, desto mehr hängt unser Urteilsvermögen von dem Wissen ab, das wir wirklich selbst haben.

KI bringt also eine schwerere Anforderung als nur "das Tool benutzen können". Lernende müssen ihren Denkprozess sichtbar, nachvollziehbar und erklärbar halten, auch wenn ein Teil dieses Prozesses in der Maschine passiert.

Und das ist vielleicht die größte Herausforderung für die Bildung in der KI-Zeit: Wenn die Technik immer besser Informationen ordnet, Aufgaben macht und Produkte erstellt, wie messen wir dann genau die Fähigkeit der Lernenden?

Nach der veränderten Bloom-Taxonomie geht das Denken von einfach bis schwer: erinnern, verstehen, anwenden, dann analysieren, bewerten und Neues schaffen. Aber KI bringt ein Problem, das die normale Lesart von Bloom nicht ganz löst. Ein Text, ein Bild oder ein Programm kann wie ein Produkt mit hohem Denken aussehen – Analyse, Bewertung und Kreativität –, aber in Wirklichkeit hat der Lernende nur sehr wenig selbst gedacht.

Deshalb muss die Bildung zwei Dinge gleichzeitig tun: den Schülern helfen, ihr Denken auf ein höheres Niveau zu bringen, und Beweise finden, die zeigen, dass das Denken wirklich bei den Lernenden passiert ist.

Das Buch von Nguyễn Thanh Tùng liegt zwischen populärer Bildungswissenschaft und praktischem Material für Lehrer. Der Autor verbindet internationale Modelle mit Situationen aus dem Klassenzimmer. Er geht oft von einem konkreten Problem zu einer Regel und zu einem praktischen Tool. Deshalb ist das Buch für alle, die einen KI-Ansatz für das echte Lernen suchen.

Wenn KI immer besser Informationen ordnet, Aufgaben macht und Produkte erstellt, wird der Beweis immer wichtiger, dass das Denken wirklich bei den Lernenden passiert ist.