KI und Lernen: Wie ChatGPT und Claude unsere Art zu denken, lesen und erinnern verändern

Das große KI-Lernparadoxon

Hier ist ein Paradoxon, das unsere Zeit definiert: KI macht uns kurzfristig produktiver, während sie uns langfristig potenziell weniger fähig macht.

Eine wegweisende Studie der Wharton School of Business aus dem Jahr 2024 hat dies perfekt demonstriert. Rund 1.000 Oberstufenschüler im Fach Mathematik in der Türkei wurden in drei Gruppen aufgeteilt: eine nutzte ChatGPT frei, eine verwendete einen speziell entwickelten „GPT Tutor" mit Leitplanken, und eine Kontrollgruppe hatte keinen KI-Zugang.

Während der Übungseinheiten erzielte die uneingeschränkte ChatGPT-Gruppe 48 % bessere Ergebnisse als die Kontrollgruppe. Sie lösten Aufgaben mühelos. Sie fühlten sich sicher. Doch bei der Prüfung (ohne KI-Zugang) schnitten sie 17 % schlechter ab als Schüler, die nie KI benutzt hatten.

Die KI hatte ihnen nicht Mathematik beigebracht. Sie hatte die Mathematik für sie erledigt.

Gleichzeitig erzielte die GPT-Tutor-Gruppe (die Hinweise und Leitfragen statt direkter Antworten gab) während der Übung 127 % bessere Ergebnisse und erreichte bei den Prüfungen das Niveau der Kontrollgruppe. Dieselbe KI-Technologie. Ein radikal anderes Ergebnis, allein basierend darauf, wie sie eingesetzt wurde.

Diese einzelne Studie fasst alles zusammen, was Sie über KI und Lernen wissen müssen: Das Werkzeug ist nicht die Variable. Ihre Beziehung dazu ist es.

---

Was die Forschung tatsächlich sagt

Die Debatte darüber, ob KI dem Lernen hilft oder schadet, ist über Meinungen hinausgewachsen. Hier ist, was mehrere begutachtete Studien ergeben haben:

Studien, die zeigen, dass KI dem Lernen schaden kann

Studien, die zeigen, dass KI das Lernen fördern kann

Das Muster ist klar: Dieselbe Technologie erzeugt gegensätzliche Ergebnisse, je nachdem wie sie eingesetzt wird.

Die MIT-Gehirnstudie: Ein Weckruf

Das vielleicht auffälligste Ergebnis stammt aus der Studie des MIT Media Lab von 2025, „Your Brain on ChatGPT". Die Forscher ließen 54 Teilnehmer über vier Monate Aufsätze schreiben, wobei sie entweder ChatGPT, Google-Suche oder keine Hilfsmittel verwendeten, während die Gehirnaktivität mit EEG gemessen wurde.

Die Ergebnisse waren ernüchternd:

• ChatGPT-Nutzer zeigten die schwächste neuronale Konnektivität über alle gemessenen Bänder hinweg, einschließlich derer, die mit Kreativität, Gedächtnisbildung und semantischer Verarbeitung assoziiert sind
• Über die vier Monate hinweg „schnitten LLM-Nutzer konsequent auf neuronaler, sprachlicher und verhaltensmäßiger Ebene schlechter ab"
• Sie produzierten nahezu identische Aufsätze ohne originelle Gedanken
• Sie konnten ihre eigene Arbeit danach nicht korrekt zitieren

Hier geht es nicht um Intelligenz. Es geht darum, was passiert, wenn man den Denkprozess auslagert. Das Gehirn passt sich, wie jedes andere Organ, an die Anforderungen an, die an es gestellt werden (oder an deren Fehlen).

---

Das Problem der kognitiven Auslagerung

Kognitive Auslagerung ist die Praxis, externe Werkzeuge zu nutzen, um den mentalen Aufwand für eine Aufgabe zu reduzieren. Eine Einkaufsliste zu schreiben statt die Artikel auswendig zu lernen, ist kognitive Auslagerung. Einen Taschenrechner zu benutzen ebenfalls. Und ChatGPT zu bitten, einen Artikel zusammenzufassen, anstatt ihn selbst zu lesen, auch.

Das Konzept ist nicht neu. Aber das Ausmaß und die Leichtigkeit der KI-gestützten kognitiven Auslagerung sind beispiellos.

Was die Daten zeigen

Michael Gerlichs Studie aus dem Jahr 2025 mit 666 Teilnehmern verschiedener Altersgruppen ergab:

• Signifikante negative Korrelation zwischen häufiger Nutzung von KI-Tools und Fähigkeiten zum kritischen Denken
• Jüngere Teilnehmer zeigten höhere KI-Abhängigkeit und niedrigere Werte beim kritischen Denken
• Höheres Vertrauen in KI korrelierte mit mehr kognitiver Auslagerung. Je mehr Sie glauben, dass die KI richtig liegt, desto weniger überprüfen Sie.

Eine Studie von Microsoft und der Carnegie Mellon University bestätigte dies: Mitarbeiter, die KI am meisten vertrauen, überprüfen sie am wenigsten. Dies erzeugt eine gefährliche Rückkopplungsschleife: Häufige KI-Nutzung stärkt das Vertrauen, was die Überprüfung reduziert, was das kritische Denken schwächt, was die Abhängigkeit erhöht. Der Kreislauf wiederholt sich.

Forscher haben Begriffe für dieses Phänomen geprägt:

• „Kognitive Atrophie": die Schwächung mentaler Fähigkeiten durch Nichtgebrauch
• „AICICA" (AI Companion-Induced Cognitive Atrophy): ein spezifischer Begriff für KI-bedingten kognitiven Abbau
• „Metakognitive Faulheit": verminderte Selbstüberwachung und Selbstregulation, wenn die KI das Denken übernimmt

Warum das für Wissensarbeiter wichtig ist

Die Auswirkungen reichen weit über die Bildung hinaus. Ein Artikel in Frontiers in Psychology (2025) identifizierte ein „kognitives Paradoxon" beim KI-gestützten Lernen: Während KI personalisiertes Lernen verbessert, reduziert übermäßige Abhängigkeit das kognitive Engagement und die langfristige Behaltensleistung.

Für alle, die beruflich lesen, recherchieren oder lernen, entsteht dadurch eine echte Spannung: Die Werkzeuge, die uns heute am produktivsten machen, könnten die Fähigkeiten untergraben, die uns morgen wertvoll machen.

---

Wenn KI das Lernen fördert: Das Erweiterungsmodell

Nicht jede KI-Nutzung ist gleich. Die Forschung identifiziert konsistent Muster, bei denen KI das Lernen tatsächlich verbessert:

1. KI als sokratischer Tutor

Die wichtigste Erkenntnis der Wharton-Studie war nicht, dass KI dem Lernen schadet. Es war, dass richtig gestaltete KI es dramatisch verbessert. Ihr GPT Tutor bot:

• Hinweise statt Antworten
• Leitfragen, die zum Denken anregten
• Gestufte Unterstützung, die abnahm, je weiter der Schüler fortschritt

Ergebnis: 127 % bessere Übungsleistung, ohne Nachteile bei den Prüfungen.

Dartmouths „NeuroBot TA"-Studie von 2025 zeigte ähnliche Ergebnisse bei Medizinstudierenden. Der Schlüssel war, dass die KI aus kuratierten Expertenquellen schöpfte und die Studierenden durch das Reasoning führte, anstatt einfach Antworten zu liefern.

2. KI zur Wissenskonstruktion

Eine Studie von 2025 in Studies in Higher Education unterschied zwischen zwei Modi der KI-Nutzung:

• Meisterungsansatz: KI nutzen, um Wissen zu konstruieren und zu erweitern (sie bitten, Konzepte zu erklären, Ihr Verständnis herauszufordern, Beispiele zu generieren)
• Prozeduraler Ansatz: KI nutzen, um Aufgaben mechanisch zu erledigen (Kopieren und Einfügen, Entwürfe ohne Engagement generieren)

Lernen auf höherem Niveau fand nur beim Meisterungsansatz statt. Die bloße Präsenz von KI-Werkzeugen war irrelevant. Was zählte, war die Absicht und das Engagement des Lernenden.

3. KI für personalisiertes Lerntempo

Die Meta-Analyse-Daten (Ma, 2025) zeigen eine kombinierte positive Effektstärke von g = 0,68 über die Studien hinweg, mit besonders starken Effekten in:

• Kognitive Dimension (g = 0,795): Konzepte verstehen und anwenden
• Kompetenzdimension (g = 0,711): Fähigkeiten entwickeln

KI-Nachhilfe glänzt, wenn sie sich an das individuelle Tempo anpasst, Wissenslücken identifiziert und gezieltes Üben ermöglicht. Das sind Dinge, die mit menschlichem Unterricht allein schwer skalierbar sind.

---

Wenn KI dem Lernen schadet: Die Abhängigkeitsfalle

Dieselbe Forschung identifiziert klare Muster, bei denen KI die Lernergebnisse verschlechtert:

1. Die Kopieren-und-Einfügen-Spirale

Das MIT Media Lab verfolgte einen beunruhigenden Trend: Das Kopieren-und-Einfügen-Verhalten nahm im Verlauf der vier Monate ihrer Studie zu. Je vertrauter die Teilnehmer mit ChatGPT wurden, desto weniger setzten sie sich mit dem Material auseinander, nicht mehr. Sie hörten auf umzuformulieren. Sie hörten auf, eigene Analysen hinzuzufügen. Sie wurden zu Abschreibern der KI-Ausgabe.

2. Die Illusion des Verstehens

Wenn ChatGPT ein Konzept klar erklärt, haben Sie das Gefühl, es zu verstehen. Aber es gibt einen entscheidenden Unterschied zwischen dem Wiedererkennen einer Erklärung und dem Erzeugen von Verständnis.

Dies ist dasselbe Phänomen, das das erneute Lesen von Lehrbüchern produktiv erscheinen lässt, aber unwirksam macht. Die Vertrautheit mit dem Stoff erzeugt ein falsches Gefühl der Beherrschung. KI verstärkt diese Illusion, da ihre Erklärungen oft klarer und zugänglicher sind als die Originalquellen.

3. Die Erosion des produktiven Ringens

Lernen erfordert Anstrengung. Die Kognitionswissenschaft nennt es „wünschenswerte Schwierigkeit": das produktive Ringen, das Ihr Gehirn zwingt, neue neuronale Verbindungen zu bilden. Wenn KI dieses Ringen beseitigt, beseitigt sie das Lernen selbst.

Die uneingeschränkte ChatGPT-Gruppe der Wharton-Studie erlebte genau das: Sie kamen mühelos durch die Übung (kein Ringen) und scheiterten bei den Prüfungen (kein Lernen).

---

Die zwei Archetypen: Zentauren vs. Cyborgs

Die Harvard/BCG-Studie mit 758 Beratern identifizierte zwei erfolgreiche Modelle für die Mensch-KI-Zusammenarbeit:

Zentauren

Wie das mythische Wesen halten Zentauren eine klare Grenze zwischen menschlicher und KI-Arbeit aufrecht. Sie entscheiden strategisch, welche Aufgaben sie an die KI delegieren und welche sie selbst übernehmen.

• Ansatz: „Ich übernehme das kreative Denken und die Analyse. Die KI kümmert sich um Datenverarbeitung und Formatierung."
• Stärke: Bewahrt menschliches Urteilsvermögen für komplexe Entscheidungen
• Risiko: Kann KI-Fähigkeiten unterausnutzen

Cyborgs

Cyborgs integrieren KI kontinuierlich in ihren gesamten Arbeitsablauf. Sie teilen Aufgaben nicht auf; sie arbeiten bei jedem Schritt zusammen.

• Ansatz: „KI und ich arbeiten gemeinsam an allem, jeder bringt seine Stärken ein."
• Stärke: Maximiert den KI-Hebel über den gesamten Prozess
• Risiko: Schwieriger, unabhängiges kritisches Denken aufrechtzuerhalten

Der entscheidende Vorbehalt

Beide Modelle funktionierten gut für Aufgaben innerhalb der KI-Fähigkeiten. Für Aufgaben jenseits der KI-Grenze führten beide Modelle zu einem Leistungsrückgang von 19 Prozentpunkten.

Dies bringt uns zu einem der wichtigsten Konzepte in der KI-gestützten Arbeit: der „Gezackten Technologischen Grenze". KI-Fähigkeiten sind ungleichmäßig: brillant bei manchen Aufgaben, mittelmäßig bei anderen und schlecht bei einigen wenigen. Die effektivsten Lernenden und Arbeitenden sind diejenigen, die genau abbilden können, wo die Grenze für ihren spezifischen Bereich liegt.

---

Ein praktisches Framework für KI-gestütztes Lernen

Basierend auf der Forschung ist hier ein Framework für die Nutzung von KI, das das Lernen verbessert statt ersetzt:

Das HEAR-Framework

H - Zuerst hervorheben, dann fragen (Highlight First, Ask Second)

Bevor Sie die KI etwas fragen, setzen Sie sich direkt mit dem Quellmaterial auseinander. Lesen Sie den Artikel. Schauen Sie das Video. Heben Sie die Passagen hervor, die Ihnen wichtig sind. Formulieren Sie zuerst Ihre eigenen Fragen und Ihr anfängliches Verständnis.

Warum das funktioniert: Die Forschung zum aktiven Abruf zeigt, dass die Anstrengung, Fragen zu formulieren und Kernpunkte zu identifizieren, selbst eine Lernaktivität ist. Diesen Schritt zu überspringen und direkt zu KI-Zusammenfassungen zu gehen, entfernt den wertvollsten Teil des Prozesses.

E - Sich engagieren, nicht extrahieren (Engage, Don't Extract)

Wenn Sie KI nutzen, verwenden Sie sie als Denkpartner, nicht als Antwortmaschine.

• Statt: „Fasse mir diesen Artikel zusammen"

• Versuchen Sie: „Ich habe diese Kernpunkte im Artikel hervorgehoben. Was übersehe ich? Welche Gegenargumente gibt es?"

• Statt: „Erkläre Quantencomputing"

• Versuchen Sie: „Hier ist mein Verständnis von Quantencomputing [Ihre Notizen]. Wo liege ich falsch? Was würde mein Verständnis vertiefen?"

A - Annotieren und verknüpfen (Annotate and Connect)

Lassen Sie KI-generierte Erkenntnisse nicht isoliert existieren. Verknüpfen Sie sie mit dem, was Sie bereits wissen.

• Fügen Sie Ihre eigenen Notizen neben KI-Erklärungen hinzu
• Stellen Sie Verbindungen zwischen neuen Informationen und bestehendem Wissen her
• Teilen Sie Ihre annotierten Erkenntnisse mit anderen, um das Verständnis zu vertiefen

Hier werden Werkzeuge wie Glasp entscheidend. Wenn Sie beim Lesen hervorheben und annotieren, führen Sie eine aktive Verarbeitung durch, die KI-Zusammenfassungen allein nicht nachbilden können. Ihre Hervorhebungen werden zu einer Karte Ihres Denkens, nicht des Denkens der KI.

R - Abrufen und verifizieren (Retrieve and Verify)

Testen Sie sich regelmäßig selbst an Material, das Sie mit KI-Unterstützung gelernt haben. Wenn Sie ein Konzept nicht ohne KI erklären können, haben Sie es nicht gelernt.

• Lesen Sie Ihre Hervorhebungen ohne den ursprünglichen Kontext erneut
• Versuchen Sie, Konzepte in eigenen Worten zu erklären
• Nutzen Sie KI, um sich abfragen zu lassen, nicht um für Sie zu antworten

Alles zusammengefügt

---

Die Rolle von Hervorhebungen und Annotationen im KI-Zeitalter

Es gibt eine Ironie in der KI-Lerndebatte: Die effektivste Art, KI zum Lernen zu nutzen, beinhaltet die älteste Lerntechnik überhaupt: Hervorheben und Notizen machen.

Warum Hervorheben immer noch wichtig ist

Die Forschung zur kognitiven Auslagerung zeigt, dass das Problem nicht die KI selbst ist. Es ist die Passivität, die sie ermöglicht. Wenn Sie einen Artikel lesen und ChatGPT sofort bitten, ihn zusammenzufassen, überspringen Sie den wertvollsten kognitiven Schritt: zu entscheiden, was wichtig ist.

Hervorheben zwingt Sie, diese Entscheidung zu treffen. Jedes Mal, wenn Sie eine Passage auswählen, fragen Sie sich: Ist das wichtig? Warum? Wie hängt es mit dem zusammen, was ich bereits weiß?

Das ist aktive Verarbeitung: genau die kognitive Aktivität, die KI-abhängige Lernende überspringen und die die Forschung als wesentlich für die Behaltensleistung identifiziert.

Der Vorteil des sozialen Lernens

Die MIT-Studie ergab, dass ChatGPT-Nutzer „nahezu identische Aufsätze ohne originelle Gedanken" produzierten. Dies wirft eine wichtige Frage auf: Wenn alle von derselben KI lernen, woher kommt dann die Originalität?

Die Antwort liegt in den vielfältigen Perspektiven. Wenn Sie sehen, was andere Menschen im selben Artikel hervorheben (was sie wichtig fanden, welche Fragen sie stellten, welche Verbindungen sie herstellten), werden Sie Denkmustern ausgesetzt, die KI nicht erzeugen kann, da sie aus realen menschlichen Erfahrungen stammen.

Deshalb schaffen soziale Hervorhebungsplattformen eine Lernumgebung, die KI allein nicht nachbilden kann:

• Sie sehen mehrere Interpretationen desselben Inhalts
• Sie entdecken Erkenntnisse, die Sie übersehen hätten
• Sie interagieren mit einer Gemeinschaft von Lernenden, nicht nur mit einem Algorithmus
• Ihre Hervorhebungen werden Teil einer kollektiven Wissensbasis, von der alle profitieren

KI-Zusammenfassungen + menschliche Hervorhebungen: Das Beste aus beiden Welten

Der ideale Arbeitsablauf ist nicht KI oder menschliche Annotation. Es sind beide:

1. Schauen Sie ein YouTube-Video und nutzen Sie KI für eine schnelle Zusammenfassung und Transkription
2. Lesen Sie die Transkription durch und heben Sie die Teile hervor, die für Ihre spezifischen Bedürfnisse relevant sind
3. Fügen Sie Ihre eigenen Notizen hinzu, die erklären, warum diese Passagen für Sie wichtig sind
4. Teilen Sie Ihre Hervorhebungen, damit andere von Ihrer Perspektive profitieren können
5. Überprüfen Sie Ihre Hervorhebungen regelmäßig, um das Lernen zu festigen

Dieser Arbeitsablauf verbindet die Effizienz der KI (schnelle Zusammenfassung, Transkriptionserstellung) mit der Wirksamkeit menschlichen Engagements (aktive Auswahl, persönliche Annotation, soziales Teilen).

---

Häufig gestellte Fragen

Macht KI Schüler dümmer?

Nicht genau. Die Forschung zeigt, dass uneingeschränkter KI-Zugang Lernergebnisse verschlechtern kann (Wharton: 17 % schlechter bei Prüfungen), aber geführte KI-Nachhilfe kann traditionelle Methoden erreichen oder übertreffen. Die Variable ist nicht die Intelligenz; es ist die Art, wie KI genutzt wird. Schüler, die KI nutzen, um das Denken abzukürzen, lernen weniger. Schüler, die KI nutzen, um das Denken zu vertiefen, lernen mehr.

Sollten Schulen ChatGPT und ähnliche KI-Tools verbieten?

Die Forschung legt nahe, dass Verbote kontraproduktiv sind. 84 % der Oberstufenschüler nutzen bereits generative KI für ihre Schularbeit. Statt zu verbieten zeigt die Wharton-Studie, dass die Gestaltung von Leitplanken (Hinweise statt Antworten, geführtes Fragen statt direkter Antworten) deutlich bessere Ergebnisse erzielt. Das Ziel sollte sein, Schülern beizubringen, wie sie KI als Lernwerkzeug nutzen, nicht als Antwortmaschine.

Wie beeinflusst KI das kritische Denken?

Eine Studie mit 666 Teilnehmern (Gerlich, 2025) fand eine signifikante negative Korrelation zwischen häufiger KI-Nutzung und kritischem Denken. Dies scheint jedoch durch kognitive Auslagerung vermittelt zu werden: Je mehr Menschen das Denken an die KI auslagern, desto weniger üben sie unabhängiges Denken. Die Lösung ist nicht, KI zu vermeiden, sondern bewusste Praktiken des kritischen Denkens neben der KI-Nutzung beizubehalten.

Kann KI menschliche Tutoren ersetzen?

Für bestimmte Arten des Unterrichts ist KI-Nachhilfe bemerkenswert effektiv. Dartmouths Studie von 2025 zeigte, dass KI-Nachhilfe das aktive Lernen im Unterricht bei Medizinstudierenden übertraf. Allerdings funktioniert KI-Nachhilfe am besten, wenn sie darauf ausgelegt ist zu lehren (gestufte Fragen, geführtes Reasoning) und nicht einfach Fragen beantwortet. Menschliche Tutoren sind nach wie vor überlegen bei emotionaler Unterstützung, Motivation und dem Umgang mit neuartigen Situationen außerhalb der KI-Fähigkeiten.

Was ist der beste Weg, KI zum Lernen zu nutzen?

Die Forschung verweist auf den Meisterungsansatz: KI nutzen, um Wissen zu konstruieren und zu erweitern, nicht um Aufgaben mechanisch zu erledigen. Konkret:

• Lesen und heben Sie Material zuerst hervor, bilden Sie Ihr eigenes Verständnis
• Nutzen Sie KI, um Ihr Denken herauszufordern, nicht um es zu ersetzen
• Bitten Sie KI um alternative Perspektiven, Gegenargumente und tiefere Erklärungen
• Testen Sie sich an Material ohne KI-Zugang
• Teilen und diskutieren Sie Ihr Gelerntes mit anderen

Wird KI traditionelles Lernen irgendwann obsolet machen?

Die aktuelle Evidenz deutet auf das Gegenteil hin. KI unterstreicht den unersetzlichen Wert des aktiven kognitiven Engagements: gründlich lesen, kritisch denken, Verbindungen herstellen und produktiv mit schwierigem Material ringen. KI-Werkzeuge sind am wirkungsvollsten, wenn sie mit diesen traditionellen Lernpraktiken kombiniert werden, nicht wenn sie diese ersetzen.

---

Fazit: Wie man als Lernender mit KI koexistiert

Die Forschung zeichnet ein klares Bild: KI ist das mächtigste Lernwerkzeug, das je geschaffen wurde, und zugleich das gefährlichste. Sie verstärkt den Ansatz, den Sie mitbringen. Wenn Sie aktiv an das Lernen herangehen, beschleunigt KI Ihr Wachstum. Wenn Sie passiv herangehen, beschleunigt KI Ihren Rückgang.

Hier ist, was wir mit Sicherheit wissen:

• Das „Krücken"-Modell scheitert. Uneingeschränkter KI-Zugang ohne Engagement führt zu messbaren Rückgängen beim Lernen, beim kritischen Denken und sogar bei der Gehirnkonnektivität.
• Das „Tutor"-Modell funktioniert. KI, die darauf ausgelegt ist zu führen, zu hinterfragen und schrittweise zu unterstützen (statt einfach zu antworten), erzielt Ergebnisse, die traditionellen Methoden ebenbürtig oder überlegen sind.
• Aktives Engagement ist nicht verhandelbar. Lesen, Hervorheben, Annotieren und Verknüpfen von Ideen sind keine veralteten Praktiken. Sie sind die kognitiven Grundlagen, die KI nützlich statt schädlich machen.
• Soziales Lernen bietet eine Dimension, die KI nicht kann. Zu sehen, wie andere über denselben Stoff nachdenken, setzt Sie Perspektiven aus, die kein Algorithmus erzeugen kann.

Die Frage ist nicht mehr, ob wir KI nutzen werden. 84 % der Studierenden tun es bereits. Die Frage ist, ob wir sie so nutzen, dass wir fähiger werden, oder weniger.

Die Antwort beginnt damit, wie Sie lesen, hervorheben und denken.

---

Möchten Sie im KI-Zeitalter bessere Lerngewohnheiten aufbauen? Glasp hilft Ihnen, Artikel und YouTube-Videos hervorzuheben, eigene Notizen hinzuzufügen und von dem zu lernen, was andere lesen. Ihre Hervorhebungen werden zu Ihrer digitalen Wissensbasis: ein Zeugnis Ihres Denkens, das keine KI nachbilden kann.