KI-gestützte Lernplattformen vs klassische Lehrmethoden: Zwei Wege zum Lernerfolg

KI-gestützte Lernplattformen vs. klassische Lehrmethoden: Zwei Wege zum Lernerfolg

Einige Antworten enthalten dieselben typischen Fehler wie zuvor, nur sind sie nun besser verpackt. Spätestens wenn eine Schülerin fragt, ob sie den Text nicht einfach von einer KI überarbeiten lassen könne, steht nicht mehr nur eine methodische Entscheidung im Raum. Es geht um die Frage, was Lernen eigentlich sichtbar macht.

Der Vergleich KI-gestützte Lernplattformen vs. klassische Lehrmethoden ist deshalb kein Duell zwischen digitalem Fortschritt und überholtem Unterricht. Beide Wege unterstützen unterschiedliche Teile des Lernprozesses. Adaptive Systeme können Aufgaben anpassen, unmittelbares Feedback geben und Lernstände differenziert abbilden. Klassische Lehrmethoden schaffen dagegen Gespräch, Orientierung, kognitive Aktivierung und soziale Verbindlichkeit. Die entscheidende pädagogische Aufgabe besteht darin, diese Stärken nicht gegeneinander auszuspielen, sondern sinnvoll zu verbinden.

Die Ambivalenz der Effizienz: Warum KI-Tools kurzfristig glänzen

Digitale Lernumgebungen wirken häufig dort besonders überzeugend, wo im Unterricht Zeit knapp ist: bei Rückmeldungen, Wiederholungen und der Anpassung von Aufgaben. Eine KI-gestützte Lernplattform kann beispielsweise erkennen, dass ein Lernender bei Bruchrechnung nicht an der Addition, sondern bereits an der gemeinsamen Nennerbildung scheitert. Daraufhin stellt sie passendere Zwischenaufgaben bereit, verändert den Schwierigkeitsgrad oder gibt einen zusätzlichen Hinweis.

Für Lehrkräfte ist das zunächst eine große Entlastung. Nicht, weil die pädagogische Arbeit dadurch verschwindet, sondern weil standardisierbare Rückmeldungen teilweise automatisiert werden können. Gerade in heterogenen Lerngruppen ist es schwierig, allen Schülerinnen und Schülern im richtigen Moment eine passende Aufgabe und eine hilfreiche Rückmeldung anzubieten. Ein adaptives System kann hier als zusätzliches Scaffolding funktionieren: Es hält Lernende im Arbeitsprozess, ohne dass jede kleine Hürde sofort die Aufmerksamkeit der Lehrkraft bindet.

Auch die Lernenden selbst sehen darin einen konkreten Nutzen. Im IU Lernreport 2024 erwarteten 42 % der befragten Jugendlichen, dass KI im Unterricht Fehler analysieren und gezielte Verbesserungsvorschläge machen kann. Diese Erwartung ist didaktisch nachvollziehbar. Eine Rückmeldung, die unmittelbar auf einen Lösungsversuch folgt, kann den Lernprozess stärker unterstützen als eine Korrektur, die erst Tage später eintrifft.

Allerdings ist schnelles Feedback nicht automatisch gutes Feedback. Ein System kann auf einen Rechenfehler hinweisen, ohne zu verstehen, warum dieser Fehler entstanden ist. Es kann eine Formulierung als unpräzise markieren, aber nicht zuverlässig beurteilen, ob ein ungewöhnlicher Gedankengang fachlich besonders interessant ist. Und es kann eine Aufgabe korrekt lösen, ohne dem Lernenden dabei zu helfen, den Lösungsweg selbst zu durchdringen.

Das zeigt eine wichtige Grenze der Effizienz: KI kann die Zahl der Rückmeldungen erhöhen, ersetzt aber nicht deren pädagogische Einordnung. Wir müssen gemeinsam mit den Lernenden klären, welche Rückmeldung hilfreich ist, welche nur korrigiert und welche möglicherweise sogar vom eigentlichen Denkprozess ablenkt.

Schnelles Feedback bringt Lernen nur dann voran, wenn Schülerinnen und Schüler daraus eine nächste eigene Handlung ableiten können.

Die kurzfristige Leistungssteigerung durch KI darf daher nicht mit nachhaltigem Lernen verwechselt werden. Eine untersuchte Schülergruppe erzielte mit ChatGPT bei Aufgaben zunächst um 48 % bessere Ergebnisse. In einer anschließenden Prüfung ohne das Werkzeug lag ihre Leistung jedoch um 17 % unter der einer Kontrollgruppe. Diese Zahlen beschreiben keinen Widerspruch, sondern zwei verschiedene Ebenen: Unterstützung bei der Bearbeitung einer Aufgabe und verfügbare Kompetenz ohne Unterstützung.

Personalisierung gegen soziale Interaktion?

Der stärkste Vorteil KI-gestützter Lernplattformen liegt in der Personalisierung. Lernende arbeiten nicht zwangsläufig am gleichen Material im gleichen Tempo und mit derselben Hilfestellung. Ein System kann zusätzliche Übungen anbieten, wenn Grundlagen fehlen, oder anspruchsvollere Aufgaben öffnen, wenn ein Lernziel bereits sicher erreicht wurde. Für Binnendifferenzierung ist das grundsätzlich wertvoll.

Klassische Unterrichtsformen haben jedoch eine andere, oft unterschätzte Stärke: Sie machen Lernen zu einem sozialen und sprachlichen Prozess. Im Unterricht erklären Schülerinnen und Schüler ihre Überlegungen, hören Gegenargumente, verändern ihre Position und erleben, dass Wissen nicht nur aus richtigen Ergebnissen besteht. Ein Klassengespräch, eine Partnerarbeit oder eine gemeinsame Fehlersuche erzeugt Reibung. Genau diese Reibung kann kognitive Aktivierung auslösen.

Ein adaptives System weiß, welche Aufgabe als Nächstes passen könnte. Eine Lehrkraft kann zusätzlich erkennen, dass ein Lernender gerade deshalb schweigt, weil er seinen Gedanken noch nicht vertraut, oder dass eine Gruppe zwar schnell zu einem Ergebnis kommt, aber die entscheidende Begründung auslässt. Diese Wahrnehmung ist nicht vollständig automatisierbar. Sie entsteht aus Beziehung, Kontextkenntnis und professioneller Beobachtung.

Der Unterschied wird deutlich, wenn wir die beiden Ansätze nicht nur nach dem Medium, sondern nach ihrer Funktion betrachten:

Diese Gegenüberstellung zeigt auch, warum der Begriff „klassisch“ nicht mit „passiv“ gleichgesetzt werden darf. Ein Unterrichtsgespräch kann anspruchsvoller sein als eine digitale Übungsstrecke. Eine gut vorbereitete Gruppenaufgabe kann mehr Selbstständigkeit fördern als ein System, das jeden nächsten Schritt vorgibt. Ebenso kann eine KI-Plattform sehr aktivierend eingesetzt werden, wenn Lernende ihre Rückmeldungen prüfen, Fehler begründen und alternative Lösungen entwickeln.

Die methodische Integration von KI beginnt deshalb nicht mit der Frage, welches Tool verfügbar ist. Sie beginnt mit der Frage, welche Lernhandlung erreicht werden soll. Geht es um Automatisierung, um Begriffsverständnis, um Argumentation, um Transfer oder um Kooperation? Erst danach lässt sich entscheiden, ob ein digitales System, eine gemeinsame Erklärung, eine analoge Übung oder eine Kombination sinnvoll ist.

Das Risiko des De-Skillings: Wenn Unterstützung das Denken ersetzt

Im Schulalltag zeigt sich die problematische Seite von KI besonders dann, wenn Lernende die Verantwortung für den Denkprozess schrittweise an das Werkzeug abgeben. Das geschieht nicht unbedingt aus Bequemlichkeit. Häufig fehlt ihnen ein klares Modell dafür, wie sie KI als Lernhilfe und nicht als Antwortmaschine einsetzen können.

Wer eine vollständige Lösung erhält, kann den Eindruck gewinnen, den Stoff verstanden zu haben. Die Lösung sieht plausibel aus, die Sprache klingt sicher, und die Aufgabe ist erledigt. Ob die zugrunde liegenden Zusammenhänge tatsächlich verfügbar sind, zeigt sich jedoch erst, wenn die Unterstützung wegfällt oder eine leicht veränderte Aufgabe gestellt wird.

Dieses Risiko betrifft nicht nur generative KI. Auch adaptive Lernplattformen können De-Skilling begünstigen, wenn sie jeden Fehler sofort korrigieren, jeden nächsten Schritt vorgeben und Lernende kaum mit produktiver Unsicherheit konfrontieren. Lernen braucht zwar Unterstützung, aber ebenso Phasen, in denen ein eigener Lösungsversuch zunächst unvollständig bleiben darf.

Für die Unterrichtsplanung hilft eine einfache Unterscheidung:

1. Unterstützen: Die KI gibt einen Hinweis, stellt eine Rückfrage oder macht auf eine Unstimmigkeit aufmerksam, ohne die Lösung vorwegzunehmen.

2. Erklären lassen: Lernende formulieren, warum ein Vorschlag des Systems fachlich sinnvoll oder problematisch ist.

3. Überarbeiten: Ein erster eigener Entwurf wird mithilfe gezielter Rückmeldungen verbessert.

4. Ausblenden: Die gleiche Kompetenz wird anschließend ohne KI-Unterstützung angewendet.

5. Reflektieren: Die Lernenden beschreiben, an welcher Stelle die Hilfe nützlich war und an welcher Stelle sie den eigenen Denkprozess eher verkürzt hat.

Diese Abfolge lässt sich in vielen Fächern einsetzen. Im Deutschunterricht kann ein Sprachmodell auf unklare Argumentationsschritte hinweisen, während die These und die Überarbeitung bei der Schülerin oder beim Schüler bleiben. In Mathematik kann eine Plattform eine Fehlvorstellung markieren, ohne den Rechenweg vollständig auszurechnen. Im Fremdsprachenunterricht kann KI alternative Formulierungen anbieten, die anschließend auf Register, Bedeutung und grammatische Genauigkeit geprüft werden.

Die klassische Lehrmethode behält dabei eine zentrale Funktion: Sie schafft Situationen, in denen Wissen ohne technische Stütze abgerufen und übertragen werden muss. Das ist keine Rückkehr zu einem technologiefeindlichen Unterricht, sondern eine notwendige Phase der Kompetenzentwicklung. Wer nur mit Hilfsmitteln übt, trainiert möglicherweise vor allem den Umgang mit Hilfsmitteln.

Zwischen Skepsis und Integration: Was die Schulpraxis derzeit zeigt

Die deutsche Schullandschaft befindet sich bei der KI-Nutzung in einer Übergangsphase. Viele Lehrkräfte probieren Anwendungen aus, entwickeln eigene Regeln und beobachten zugleich, dass die institutionellen Antworten noch nicht überall geklärt sind. Die Datenlage zeigt diese Spannung deutlich.

In einer Bitkom-Befragung unter 502 Lehrkräften der Sekundarstufen I und II gaben zwischen Juni und August 2024 insgesamt 51 % an, KI bereits im schulischen Kontext genutzt zu haben. Gleichzeitig planten 45 % dieser Nutzergruppe, künftig wieder darauf zu verzichten. Das deutet nicht einfach auf Ablehnung hin. Es kann ebenso bedeuten, dass erste Erfahrungen den Aufwand, die Unsicherheit oder die pädagogischen Nebenwirkungen sichtbar gemacht haben.

Auch die LENS-AI-Studie aus Baden-Württemberg beschreibt ein ambivalentes Bild: 77 % der befragten Lehrkräfte nutzten KI privat, 64 % setzten sie im Unterricht ein. Gleichzeitig untersagten 57 % die KI-Nutzung durch Schülerinnen und Schüler im Unterricht vollständig. Lehrkräfte sind also keineswegs grundsätzlich außerhalb der Entwicklung. Viele nutzen die Technologie selbst, ziehen aber eine klare Grenze, wenn es um die Eigenleistung der Lernenden geht.

Diese Grenze ist pädagogisch verständlich, bleibt aber auf Dauer unzureichend, wenn sie nur aus Verboten besteht. Schülerinnen und Schüler begegnen generativer KI bereits außerhalb der Schule. Eine Erhebung des Bayerischen Forschungsinstituts für Digitale Transformation aus dem Jahr 2023 ergab, dass 73 % der befragten Schülerinnen und Schüler ab 18 Jahren und 78 % der Studierenden bereits generative KI-Tools genutzt hatten. Schule kann diese Realität ignorieren oder sie zum Gegenstand von Bildung machen.

Dabei verdient auch die Skepsis ihren Platz. Im April 2023 bewerteten 57 % der Befragten einer repräsentativen Umfrage der Vodafone Stiftung Deutschland den Einsatz von KI in Schulen als gefährlich. Diese Einschätzung verweist auf Fragen, die nicht durch Begeisterung für Innovation verschwinden: Was geschieht mit personenbezogenen Daten? Wie transparent sind automatisierte Bewertungen? Welche Lernenden profitieren von digitalen Angeboten, und wer wird durch fehlende Geräte, sprachliche Hürden oder unklare Bedienung zusätzlich belastet?

Inklusive Bildung verlangt hier eine doppelte Perspektive. KI kann Vorlesefunktionen, sprachliche Unterstützung, individuelle Wiederholungen oder alternative Zugänge ermöglichen. Gleichzeitig darf ein digitales System nicht zum neuen Filter werden, der Lernende mit Unterstützungsbedarf an standardisierten Rückmeldungen scheitern lässt. Binnendifferenzierung entsteht nicht allein dadurch, dass es mehr Aufgaben gibt. Sie entsteht durch passende Zugänge, angemessene Anforderungen und eine Lernbegleitung, die den Menschen hinter der Leistung wahrnimmt.

Synthese statt Substitution: Eine hybride Lernarchitektur

Die sinnvollste Antwort auf den Vergleich KI-gestützte Lernplattformen vs. klassische Lehrmethoden lautet aus meiner Sicht nicht „entweder oder“, sondern „jeweils wofür“. Eine hybride Lernarchitektur ist dann gelungen, wenn jedes Element eine klare didaktische Aufgabe übernimmt.

Ein möglicher Ablauf für eine Unterrichtseinheit kann so aussehen:

• Gemeinsamer Einstieg: Die Klasse klärt einen Begriff, untersucht ein Problem oder entwickelt eine gemeinsame Fragestellung. Dieser Teil schafft Orientierung und aktiviert Vorwissen.
• Individuelle Lernphase: Eine KI-gestützte Plattform bietet abgestufte Aufgaben, Wiederholungen oder Hinweise an. Lernende arbeiten dort, wo ihre jeweiligen nächsten Schritte liegen.
• Kooperative Vertiefung: In Partner- oder Gruppenarbeit werden Lösungswege verglichen, begründet und kritisch diskutiert. Die Lernenden müssen erklären, nicht nur auswählen.
• Analoge Sicherung: Eine kurze Aufgabe ohne KI-Unterstützung macht sichtbar, was tatsächlich verfügbar ist.
• Reflexion: Die Klasse bespricht, welche Hilfen den Lernprozess unterstützt haben und an welcher Stelle eigenständiges Denken notwendig blieb.

Diese Struktur ist kein starres Rezept. In einer Lerngruppe mit großen sprachlichen Unterschieden kann die digitale Phase früher einsetzen, um Begriffe vorzubereiten. In einer leistungsstarken Gruppe kann die KI zunächst absichtlich fehlerhafte oder unvollständige Antworten liefern, die fachlich beurteilt werden müssen. Im Projektunterricht kann sie bei der Ideensammlung unterstützen, während Quellenbewertung, Argumentation und Präsentation vollständig in der Verantwortung der Lernenden bleiben.

Für die Auswahl einer digitalen Lernumgebung sind dabei einige konkrete Fragen hilfreicher als allgemeine Versprechen:

• Gibt das System Hinweise in Stufen oder liefert es sofort die vollständige Lösung?
• Können Lehrkräfte Aufgaben, Lernziele und Rückmeldungen nachvollziehen?
• Werden Fehler nur markiert, oder werden auch mögliche Denkwege sichtbar?
• Lässt sich die Nutzung zeitweise begrenzen, damit Kompetenzen ohne Hilfsmittel überprüft werden?
• Unterstützt die Plattform verschiedene Sprachniveaus und Zugangsweisen, ohne Lernende auf Defizite zu reduzieren?
• Können Ergebnisse gemeinsam besprochen und in den sozialen Lernprozess zurückgeführt werden?
• Welche Daten werden verarbeitet, und lässt sich der Einsatz mit den schulischen Vorgaben vereinbaren?

Besonders entscheidend ist die Gestaltung der Aufgaben. Eine schwache Aufgabe lautet: „Löse das Problem mit Unterstützung einer KI.“ Eine anspruchsvollere Aufgabe fordert dazu auf, zunächst eine eigene Lösung zu entwickeln, anschließend zwei KI-Vorschläge zu prüfen, Fehler zu markieren und die beste Begründung zu verteidigen. Hier wird die Technologie nicht zum Ersatz für Kompetenz, sondern zum Gegenstand von Kompetenzentwicklung.

Die pädagogische Qualität einer KI-Lernplattform zeigt sich nicht daran, wie wenig Lernende selbst tun müssen, sondern daran, wie viel besser sie danach selbstständig weiterarbeiten können.

Auch die Leistungsbewertung muss sich verändern. Wenn ausschließlich das fertige Produkt beurteilt wird, bleibt unsichtbar, ob ein Lernender verstanden, übernommen oder nur geschickt formuliert hat. Prozessdokumentationen, mündliche Erläuterungen, kurze Transferaufgaben und wechselnde Arbeitsbedingungen können ein realistischeres Bild geben. Dabei geht es nicht darum, Lernende lückenlos zu kontrollieren. Es geht darum, Leistungsnachweise so zu gestalten, dass Eigenleistung wieder eine erkennbare Rolle spielt.

Was Lehrkräfte konkret verändern können

Die Integration von KI muss nicht mit einer vollständig neuen Unterrichtsarchitektur beginnen. Oft ist ein kleiner, klar begrenzter Versuch sinnvoller als ein groß angelegter Technologiewechsel. Wir können zunächst eine einzige Lernphase auswählen, in der KI einen nachvollziehbaren Mehrwert bietet, etwa bei zusätzlichen Übungswegen oder bei der sprachlichen Überarbeitung eines eigenen Entwurfs.

Anschließend lohnt sich eine gemeinsame Auswertung mit der Klasse:

1. Welche Hilfe hat tatsächlich weitergeholfen?

2. Welche Antwort war zu allgemein, zu schnell oder fachlich unzuverlässig?

3. An welcher Stelle mussten wir selbst prüfen, begründen oder korrigieren?

4. Was konnten wir nach der Nutzung ohne digitale Unterstützung?

5. Welche Regel brauchen wir für die nächste Lernphase?

Diese Fragen machen Schülerinnen und Schüler zu Beteiligten des Lernprozesses. Sie fördern kritisches Denken über KI, ohne die Verantwortung an sie abzuschieben. Die Lehrkraft bleibt dafür zuständig, Aufgaben zu rahmen, Anforderungen transparent zu machen und Überforderung zu vermeiden.

Ebenso hilfreich ist eine schulinterne Verständigung über unterschiedliche Nutzungsweisen. Ein vollständiges Verbot, eine erlaubte Unterstützung und eine verpflichtende Reflexion sind didaktisch nicht dasselbe. Lernende brauchen klare Orientierung darüber, ob KI in einer Aufgabe gar nicht, nur zur Ideenfindung, zur Fehlersuche oder zur Überarbeitung eingesetzt werden darf. Unklare Regeln erzeugen dagegen genau jene Unsicherheit, die später als mangelnde Eigenständigkeit sichtbar wird.

Klassische Lehrmethoden bilden in dieser Entwicklung kein Gegengewicht, das überwunden werden muss. Sie liefern den sozialen, sprachlichen und fachlichen Rahmen, in dem digitale Werkzeuge sinnvoll werden. Erklärung, Gespräch, Übung, gemeinsames Nachdenken und selbstständiges Arbeiten bleiben tragende Elemente des Lernprozesses. KI kann sie erweitern, aber nicht von ihrer pädagogischen Verantwortung entbinden.

Der eigentliche Vergleich: Welche Lernhandlung wird möglich?

Wer digitale Lernumgebungen miteinander vergleicht, sollte nicht bei Funktionslisten stehen bleiben. Entscheidend ist, welche Lernhandlung eine Methode ermöglicht und welche sie möglicherweise erschwert.

KI-gestützte Systeme sind besonders stark, wenn Lernende viele individuell passende Übungsmöglichkeiten benötigen, wenn Rückmeldungen schnell erfolgen sollen oder wenn unterschiedliche Ausgangsniveaus innerhalb einer Gruppe berücksichtigt werden müssen. Klassische Lehrmethoden sind besonders stark, wenn es um gemeinsame Begriffsbildung, Argumentation, soziale Verantwortung, emotionale Sicherheit und die Entwicklung eigener Urteile geht.

Der Lernerfolg entsteht nicht automatisch dort, wo mehr Daten verarbeitet oder mehr Aufgaben angeboten werden. Er entsteht, wenn Lernende verstehen, woran sie arbeiten, warum eine Rückmeldung relevant ist und wie sie das Gelernte in einer neuen Situation einsetzen können. Dafür braucht es manchmal Technologie, manchmal eine Tafel, manchmal ein längeres Gespräch und sehr oft eine bewusste Verbindung dieser Elemente.

Die Zukunft des Unterrichts wird daher nicht von der Frage entschieden, ob KI klassische Lehre ersetzt. Sie wird davon abhängen, ob Schulen Lernarchitekturen entwickeln, in denen Unterstützung und Eigenleistung einander nicht verdrängen. Wenn eine Plattform differenziert, eine Lehrkraft einordnet und die Lernenden selbst prüfen, begründen und übertragen, kann aus digitaler Unterstützung ein echter Lerngewinn werden.

Der praktikable nächste Schritt ist überschaubar: Wählen Sie eine konkrete Unterrichtsaufgabe, definieren Sie die gewünschte Eigenleistung und legen Sie fest, an welcher Stelle KI unterstützen darf. Danach lassen Sie die Lernenden nicht nur das Ergebnis zeigen, sondern auch den Weg dorthin erklären. Genau dort wird sichtbar, ob aus einer bequemeren Bearbeitung tatsächlich ein tragfähiger Lernprozess geworden ist.