Ende Juli 2026 meldete SWR Aktuell aus Tübingen: „Jeder dritte hält KI für klüger als seine Lehrer“. Mehrere Nachrichtenportale haben die Zahl seitdem übernommen. Für Schulen und Ausbildungsbetriebe lohnt der Blick in die Studie dahinter. Sie ist genauer als die Überschrift und enthält einen Befund, der für den Unterricht mehr bedeutet als die Prozentzahl.

Was die Studie gefragt hat

Die Zahl stammt aus einer Arbeit der Universität Tübingen und des Leibniz-Instituts für die Pädagogik der Naturwissenschaften und Mathematik (IPN) in Kiel. Ann-Kathrin Jaggy, Thorben Jansen, Tim Fütterer und Ulrich Trautwein haben sie im Juli 2026 im Journal of Educational Psychology veröffentlicht, der Volltext ist frei zugänglich. Gefördert wurde die Studie unter anderem von der Hector Stiftung.

Befragt wurden Schülerinnen und Schüler der Klassen sechs bis acht aus Baden-Württemberg, im Mittel zwischen elfeinhalb und dreizehneinhalb Jahre alt. Lehrkräfte hatten sie in der fünften Klasse als die besten zehn Prozent in Mathematik und Naturwissenschaften für das Begabtenförderprogramm Hector-Seminar vorgeschlagen. Die Online-Befragungen liefen im Oktober 2023 und im Oktober 2024. Ausgewertet wurden 870 Kinder und Jugendliche, 512 von ihnen nahmen beide Male teil.

Auf einer fünfstufigen Skala sollten sie drei Aussagen bewerten. Der Aussage „KI weiß alles“ stimmten 2023 knapp 13 Prozent eher oder voll zu, 2024 knapp 10 Prozent. Bei „KI macht keine Fehler“ waren es knapp 10 und 6 Prozent. Die dritte Aussage lautete, KI wisse mehr als die eigenen Lehrkräfte. Hier lag die Zustimmung bei 39 Prozent im Jahr 2023 und bei 33,5 Prozent im Jahr 2024.

Zwei Dinge gehen in der Schlagzeile verloren. Das Wort „klüger“ stammt aus der Redaktion, im Fragebogen ging es um Wissen. Außerdem gehören die Befragten zu einer Spitzengruppe, weshalb die Autorinnen und Autoren ihre Ergebnisse selbst nur bedingt für übertragbar halten.

Was „mehr wissen“ heißt

Die dritte Aussage ordnen die Forschenden vorsichtig ein. Ulrich Trautwein sagt in der Pressemitteilung, mit den rasanten Fortschritten lasse sich diese Einschätzung immer weniger eindeutig als Fehlvorstellung einordnen. Im Fachartikel musste das Team die Aussage für den Vergleich der beiden Jahre gesondert behandeln, weil sich ihre Bedeutung verschoben hatte. Für künftige Studien schlägt es vor, KI mit anerkannten Fachleuten eines Gebiets zu vergleichen.

Meine Lesart ist, dass die Zustimmung zu dieser Aussage für sich genommen kein Alarmzeichen ist. Ein Sprachmodell wurde mit mehr Text trainiert, als ein Mensch in seinem Leben lesen kann. Wer ihm deshalb ein breiteres Wissen zuschreibt, liegt nicht ganz daneben. Schwierig wird der nächste Schritt, der Schluss vom großen Wissensspeicher auf die Richtigkeit der einzelnen Antwort. Ein Modell formuliert eine falsche Antwort genauso flüssig und schnell wie eine richtige. Die Studie verweist auf Forschung, nach der gerade der souveräne Ton das Erkennen von Fehlern erschwert.

Eine Lehrkraft kann sagen, dass sie etwas nicht weiß, und man kann sie fragen, woher sie etwas hat. Ein Sprachmodell gibt auch dort oft eine Antwort, wo ihm die Grundlage fehlt. Tempo und Sicherheit im Ton sagen deshalb wenig darüber aus, ob eine Antwort stimmt.

Ausprobieren allein macht nicht kritischer

Aufschlussreicher als die Prozentwerte ist der Verlauf über das Jahr. Wer 2023 die Vorstellung einer allwissenden KI hatte, hielt meist auch 2024 daran fest, obwohl die Kinder im Alltag mit Fehlern der Modelle in Berührung kamen. Bewegung gab es durchaus, allerdings in beide Richtungen. Auf jedes Kind, das kritischer wurde, kam etwa eines, das überzeugter wurde. Korrigiert haben ihre Vorstellung eher diejenigen, die in kognitiven Tests besser abschnitten und mehr Freude an anspruchsvollem Denken hatten. Die Forschenden sprechen von einem Matthäus-Effekt und warnen vor wachsenden Bildungsunterschieden.

Es gibt auch ein ermutigendes Signal. Im Vergleich gleicher Klassenstufen fiel die Vorstellung einer allwissenden KI 2024 schwächer aus als 2023, bei den Sechstklässlern statistisch signifikant. Jaggy vermutet im SWR, dass dazu auch Lehrkräfte beitragen, die sich mehr mit KI beschäftigen und sie im Unterricht besprechen.

Wie selbstverständlich KI im Schulalltag geworden ist, zeigt die JIM-Studie 2025 des Medienpädagogischen Forschungsverbunds Südwest. Für sie wurden im Juni und Juli 2025 repräsentativ 1.200 Jugendliche zwischen 12 und 19 Jahren befragt. 84 Prozent hatten ChatGPT schon genutzt. Von denen, die KI-Anwendungen nutzen, setzen 74 Prozent sie für Hausaufgaben oder zum Lernen ein. 57 Prozent aller Befragten halten die Informationen der KI für vertrauenswürdig, voll und ganz sehen das allerdings nur 6 Prozent so. In einer telefonischen Bitkom-Befragung von 502 Schülerinnen und Schülern zwischen 14 und 19 Jahren aus dem Frühjahr 2025 sagten 23 Prozent, KI könne ihnen Sachverhalte besser erklären als ihre Lehrkräfte.

Dass schnelle Antworten nicht automatisch Lernen bedeuten, zeigt ein Feldexperiment mit knapp tausend Jugendlichen an türkischen High Schools, das 2025 in der Fachzeitschrift PNAS erschienen ist. Die Gruppe mit einer Oberfläche wie bei ChatGPT erzielte in den Übungsphasen in Mathematik 48 Prozent bessere Ergebnisse. Als der Zugang wieder wegfiel, schnitt diese Gruppe 17 Prozent schlechter ab als Mitschülerinnen und Mitschüler, die nie KI genutzt hatten. Eine Variante mit Vorgaben, die das Lernen schützen sollten, milderte diesen Effekt weitgehend ab.

Übungen für Unterricht und Ausbildung

Thorben Jansen beschreibt im SWR einen Ansatz aus der Bildungsforschung. KI-Antworten werden gemeinsam so lange geprüft, bis Fehler oder Lücken auffallen. Der kognitive Konflikt, der dann entsteht, soll die Fehlvorstellung abbauen. Daraus lassen sich Übungen machen, die wenig Vorbereitung brauchen.

  • Fehlersuche mit Nachweis. Die Lehrkraft wählt eine Frage aus dem eigenen Fach, deren Antwort sie sicher kennt, und lässt sie von einem Modell beantworten. Die Klasse sucht in Gruppen nach Fehlern und Lücken und muss jeden Fund mit Lehrbuch oder Nachschlagewerk belegen. Auch eine fehlerfreie Antwort wird besprochen, dann lautet die Frage, woran man das erkannt hat.
  • Dieselbe Frage an mehrere Quellen. Ein Modell und das Schulbuch beantworten dieselbe Frage, die Lehrkraft gibt ihre eigene Antwort dazu. Anschließend klärt die Klasse, wo die Antworten übereinstimmen und wie sich Abweichungen auflösen lassen. Jansen betont, dass jede Quelle Fehler machen kann, auch das Lehrbuch und die Lehrkraft.
  • Belege verlangen und nachschlagen. Das Modell soll zu seiner Antwort Quellen nennen. Die Lernenden prüfen, ob es diese Quellen gibt und ob dort steht, was behauptet wird. In der Ausbildung eignen sich Fragen zu Normen oder Arbeitsschutzregeln, deren Originaltext im Betrieb vorliegt.
  • Zweimal fragen. Dieselbe Frage wird in einem neuen Chat oder leicht umformuliert gestellt. Weichen die Antworten voneinander ab, arbeitet die Gruppe heraus, welche stimmt und woran sie das festmacht.

Für den Alltag helfen vier Prüffragen, die sich an jede KI-Antwort stellen lassen:

  • Wo lässt sich diese Aussage unabhängig von der KI bestätigen?
  • Für wen und unter welchen Bedingungen gilt die Antwort?
  • Kann ich sie erklären, ohne die KI noch einmal zu öffnen?
  • Würde ich sie genauso übernehmen, wenn sie von einer Mitschülerin oder einem Kollegen käme?

Warum technische Schutzfunktionen solche Übungen nicht ersetzen, habe ich in Eine Kindersicherung ist keine Medienkompetenz beschrieben.

Die Tübinger Forschenden formulieren einen klaren Appell an Schulen und Bildungspolitik: Fehlvorstellungen über KI sollen im Unterricht gezielt sichtbar gemacht und bearbeitet werden. Das ist Arbeit an der Urteilskraft, und die lässt sich mit Begriffswissen allein nicht abdecken. Darum ging es mir in AI Literacy ist kein Vokabeltest. Ob solche Übungen tatsächlich etwas verändern, lässt sich messen. Ansätze dafür stehen in Wie sich prüfen lässt, ob KI-Kompetenz wirklich entstanden ist.

Quellen