Lernen mit KI: Was die Studien wirklich zeigen

Schon zehn Minuten mit KI sollen genügen, damit man bei schweren Aufgaben schneller aufgibt. So titelte die UC Berkeley am 09.10.2026 sinngemäß über eine neue Studie, und die Meldung machte schnell die Runde. Die Studie dahinter gibt es, und sie ist sauber gemacht. Sie sagt nur deutlich weniger, als die Überschrift verspricht.

Das Thema ist trotzdem größer als eine Schlagzeile. Wer heute in einen Beruf einsteigt, eine neue Sprache lernt oder sich in ein fremdes Fachgebiet einarbeitet, tut das mit einem Werkzeug an der Seite, das jede Frage sofort beantwortet. Ob dabei noch etwas hängen bleibt, ist für Auszubildende, Juniors und alle, die sie einarbeiten, eine sehr praktische Frage. Es gibt dazu inzwischen eine Handvoll ordentlicher Studien. Sie widersprechen sich weniger, als es scheint.

Was die Berkeley-Studie gemessen hat

Das Paper stammt von Forschenden der Carnegie Mellon University, der UC Berkeley, aus Oxford, vom MIT und der UCLA. In drei Experimenten lösten Erwachsene online Aufgaben, erst Bruchrechnen, im dritten Experiment Fragen zum Leseverständnis. Die eine Hälfte hatte dabei einen KI-Assistenten in der Seitenleiste, der die Lösung jeder Aufgabe kannte und sie auf Nachfrage herausgab. Die andere Hälfte arbeitete ohne. Vor den letzten drei Aufgaben verschwand der Assistent ohne Vorwarnung.

Wer vorher die KI hatte, löste danach also weniger Aufgaben als die Vergleichsgruppe. In zwei der drei Experimente übersprang diese Gruppe außerdem signifikant mehr Aufgaben, statt es zu versuchen. Daher die Formulierung der Autoren: "People do not merely become worse at tasks, but they also stop trying".

Soweit der Befund. Jetzt die Einschränkungen, die im Paper stehen und in der Meldung kaum vorkommen:

• Der Begutachtungsstand ist unklar. Die Berkeley-Meldung nennt eine Konferenzvorstellung samt Peer-Review, die Fassung auf arXiv trägt keinen entsprechenden Vermerk.
• Die zehn Minuten sind eine Schätzung. Gemessen wurde keine Nutzungsdauer. Die gesamten Sitzungen dauerten 13 bis 15 Minuten, und es gibt keinen Vergleich zwischen kurzer und langer Nutzung.
• Der Effekt schwankt. Im zweiten, größten Experiment schrumpft der Abstand auf sechs Prozentpunkte, und der Unterschied beim Überspringen ist dort nicht mehr signifikant.
• Getestet wurde sofort. Ob der Effekt nach einer Stunde oder einem Tag noch da ist, wissen die Autoren nach eigener Aussage nicht.
• Die KI war ein Lösungsautomat. Sie konnte auf Zuruf die fertige Antwort liefern. Ob eine KI, die nur Hinweise gibt, denselben Schaden anrichtet, wurde nicht getestet.

Der letzte Punkt ist der wichtigste, und das Paper liefert selbst einen Hinweis dazu. Im zweiten Experiment gaben die Teilnehmenden an, wie sie die KI benutzt hatten. 61 Prozent ließen sich hauptsächlich die Antworten geben und lösten danach 65 Prozent der Testaufgaben. 27 Prozent holten sich Hinweise oder Erklärungen und kamen auf 76 Prozent, praktisch gleichauf mit der Gruppe ganz ohne KI. Das ist eine Selbstauskunft und kein Experiment, die Autoren nennen es ausdrücklich nicht kausal. Aber es deutet an, wo die Trennlinie verläuft.

52 Entwickler und eine neue Bibliothek

Bruchrechnen ist nicht der Arbeitsalltag in der IT. Eine Studie von Anthropic vom Januar 2026 kommt ihm näher. 52 Entwicklerinnen und Entwickler, die meisten davon Juniors, sollten mit Trio arbeiten, einer Python-Bibliothek für asynchrone Programmierung, die keiner von ihnen kannte. Die Hälfte hatte einen KI-Assistenten, die andere schrieb von Hand. Direkt danach gab es ein Quiz zu den Konzepten, die sie gerade benutzt hatten.

Die Gruppe mit KI kam im Schnitt auf 50 Prozent, die Gruppe ohne auf 67 Prozent. Am größten war der Abstand bei den Fragen zum Debugging. Schneller war die KI-Gruppe dabei kaum: rund zwei Minuten, statistisch nicht belastbar.

Interessanter als der Mittelwert ist, was die Forschenden in den Aufzeichnungen fanden. Die Teilnehmenden mit KI zerfielen in zwei Lager.

Die Gruppen sind winzig, zwischen zwei und sieben Personen je Muster, und die Zuordnung ist eine Beobachtung, kein Beweis. Das sagt die Studie selbst. Auffällig ist trotzdem, dass die dritte Strategie rechts, nur Konzeptfragen zu stellen, auch die zweitschnellste von allen war. Lernen und Tempo schlossen sich hier nicht aus.

Dazu passt eine Umfrage von Microsoft Research unter 319 Wissensarbeitern: Wer der KI mehr zutraut, denkt nach eigener Auskunft weniger kritisch mit, wer sich selbst mehr zutraut, mehr. Das ist eine Befragung und keine Leistungsmessung, als Indiz zeigt sie in dieselbe Richtung.

Wo KI dem Lernen nicht geschadet hat

Ganz so einseitig ist die Lage nicht. Zwei Studien zeigen, dass es auf die Bauart der KI ankommt.

Mathematikunterricht in der Türkei. Ein Team um Hamsa Bastani von der University of Pennsylvania hat im Herbst 2023 an einer großen Schule in der Türkei knapp 1.000 Schülerinnen und Schülern zwei verschiedene KI-Werkzeuge gegeben, die Arbeit erschien 2025 in PNAS. Das eine verhielt sich wie ein normaler Chatbot. Das andere war angewiesen, Hinweise zu geben statt fertiger Lösungen, und hatte von Lehrkräften die richtigen Lösungswege und die typischen Fehler mitbekommen. Beim Üben schnitten beide Gruppen besser ab als die Klassen ohne KI, die Chatbot-Gruppe um 48 Prozent, die Tutor-Gruppe um 127 Prozent. In der Prüfung ohne KI lag die Chatbot-Gruppe dann 17 Prozent unter den Vergleichsklassen. Die Tutor-Gruppe war von ihnen statistisch nicht zu unterscheiden. Der Hinweis-Modus hat den Schaden also verhindert, einen Vorsprung in der Prüfung hat er nicht gebracht.

Zwei Details aus dieser Studie lohnen das Merken. Der normale Chatbot lag bei den Matheaufgaben nur in rund der Hälfte der Fälle richtig, und die Jugendlichen übernahmen die Antworten trotzdem. Und sie merkten nichts: Die Chatbot-Gruppe glaubte nicht, weniger gelernt zu haben, die Tutor-Gruppe hielt sich sogar für besser, als sie in der Prüfung war.

Physik in Harvard. In einem Einführungskurs mit 194 ausgewerteten Studierenden trat ein eigens gebauter KI-Tutor gegen den Präsenzunterricht an, und zwar gegen guten, aktivierenden Unterricht. Jede Person lernte ein Thema mit dem Tutor und eines im Hörsaal. Die Studierenden lernten mit dem Tutor mehr als im Hörsaal, der Lernzuwachs war im Median mehr als doppelt so groß, und sie brauchten dafür im Median 49 Minuten gegenüber den 60, die für die Präsenzstunde angesetzt waren. Der Tutor war allerdings kein Chatbot von der Stange. Die Lehrenden hatten die Lösungswege vorab ausformuliert und das System so gebaut, dass es die Studierenden Schritt für Schritt durch jede Aufgabe führt und sie dabei selbst arbeiten lässt. Die Entwicklung dauerte Monate, und die Autoren schreiben selbst, dass der Tutor den Unterricht ergänzen und nicht ersetzen soll.

Das Muster dahinter

Legt man die Studien nebeneinander, ergibt sich ein stimmiges Bild, auch wenn es nicht bewiesen ist. Geschadet hat KI dort, wo sie die Lösung lieferte und der Mensch sie übernahm. Nicht geschadet oder sogar geholfen hat sie dort, wo sie erklärte, Hinweise gab oder zum Selbermachen zwang.

Ein Vorbehalt gehört dazu: Wer von sich aus nach Hinweisen fragt, will vermutlich ohnehin lernen, die Beobachtungen aus den beiden ersten Studien können also auch daran liegen. Plausibel ist das Muster trotzdem. Wer eine Aufgabe nicht selbst durchdenkt, hat danach nichts, woran sich das Gedächtnis festhalten kann. Die Anthropic-Studie hält fest, dass geistige Anstrengung vermutlich nötig ist, um etwas wirklich zu beherrschen, und zwar ausdrücklich einschließlich "getting painfully stuck". Das Feststecken ist kein Betriebsunfall beim Lernen, es gehört dazu.

Für die Praxis heißt das: Es kommt darauf an, wofür du die KI in diesem Moment benutzt.

flowchart TB
  A{"Muss ich das danach<br/>selbst können?"}
  A -->|"Nein, Routine oder<br/>einmalige Aufgabe"| B["Liefern lassen,<br/>Ergebnis prüfen"]
  A -->|Ja| C["Erst selbst versuchen"]
  C --> D["Hinweise und Erklärungen<br/>statt fertiger Lösungen"]
  D --> E["Ohne KI erklären können,<br/>was der Code tut"]
  class A decision
  class E success
  classDef decision fill:#1A3A4A,stroke:#F59E0B,color:#FDE68A
  classDef success fill:#14532D,stroke:#22C55E,color:#86EFAC

Was du selbst tun kannst

Die folgenden Regeln sind eine vorsichtige Übertragung. Keine der Studien hat Berufstätige über Monate begleitet. Sie decken sich aber mit dem, was in den Experimenten den Unterschied gemacht hat.

• Trenne Erledigen von Lernen. Ein Boilerplate-Skript, das du nie wieder anfasst, darf die KI schreiben. Die Bibliothek, mit der du das nächste halbe Jahr arbeitest, solltest du verstehen. Die Entscheidung triffst du am besten bewusst, bevor du den Prompt schreibst.
• Versuch es zuerst selbst. Fünf Minuten eigener Anlauf vor der ersten Frage reichen oft. Danach weißt du genauer, was dir fehlt, und die Antwort hat eine Stelle, an der sie andocken kann.
• Frag nach dem Warum. In der Anthropic-Studie haben genau die gut abgeschnitten, die Konzeptfragen stellten oder Code nur mit Erklärung nahmen.
• Debugge selbst, wenn du lernst. Bei den Debugging-Fragen im Quiz war der Abstand zwischen den Gruppen am größten. Lass dir den Fehler erklären, aber such ihn erst einmal selbst.
• Mach die Probe ohne KI. Kannst du einer Kollegin erklären, was der Code tut und warum er so gebaut ist? Wenn nicht, hast du ein Ergebnis, aber noch kein Wissen. Dein eigenes Gefühl ist dafür ein schlechter Maßstab, das zeigt die türkische Studie.

Ein Prompt, der einen normalen Chat in diese Richtung schiebt:

Das Ganze funktioniert auch andersherum. Statt dir bei einer Aufgabe helfen zu lassen, kannst du dir von der KI Aufgaben stellen lassen. Sie denkt sich Übungen zu einem Gebiet aus, wartet auf deine Antwort, sagt dir, was daran stimmt und was nicht, und zieht den Schwierigkeitsgrad an, wenn es zu leicht wird. Das geht weit über das Programmieren hinaus: Fragen zum Vergaberecht vor der nächsten Ausschreibung, Testfälle nach einer Methode, die du gerade lernst, eine Verhandlung auf Englisch, Schätzrunden für das Planning. Im Grunde ist es dieselbe Bauart wie bei den Tutoren aus den beiden Studien oben, nur dass du sie dir mit einem Prompt selbst einrichtest.

Für das Programmieren gibt es den Tutor-Modus inzwischen fest eingebaut. Claude Code kennt zwei Ausgabestile dafür. Explanatory ergänzt im Chat kurze Kästen, die erklären, warum der Agent etwas so gebaut hat. Learning geht weiter: Der Agent erledigt die Routine und lässt an den Stellen mit einer echten Designentscheidung ein paar Zeilen offen, markiert mit TODO(human), die du selbst schreibst. Danach bekommst du eine Rückmeldung zu deinem Code. Umschalten geht mit /output-style learning. Beide Stile erzeugen längere Antworten und kosten entsprechend mehr Tokens. Andere Assistenten haben vergleichbare Lernmodi, die Anthropic-Studie nennt neben Claude Code auch ChatGPT.

Ob diese Modi halten, was sie versprechen, hat bisher niemand unabhängig gemessen. Die beiden Tutor-Studien sprechen für die Idee, getestet wurden dort aber eigens gebaute Systeme und nicht die Schalter in den heutigen Produkten.

Was das für Teams heißt

Für Teams ist das Thema dringender als für Einzelne, aus einem einfachen Grund: Wer KI-Code freigibt, muss ihn beurteilen können. Die Fähigkeit dazu entsteht beim Selbermachen, und genau das nimmt die KI den Einsteigern ab. Die Anthropic-Studie spricht das offen an und fordert, KI so einzuführen, dass Leute weiter lernen und die Aufsicht über KI-Code auch künftig leisten können.

Dazu kommt, dass es ohnehin weniger Einstiegsstellen gibt. Warum, steht in unserer News Keine Jobs für Junioren: Wer wird Senior?. Wer heute Juniors hat, sollte deshalb darauf achten, dass sie in zwei Jahren mehr können als Prompts schreiben.

Ein paar Dinge, die sich ohne großen Aufwand einrichten lassen:

• Lernaufgaben ausdrücklich benennen. Im Onboarding gibt es Tickets, bei denen das Ergebnis zählt, und solche, bei denen der Weg das Ziel ist. Sag dazu, welches welches ist, und für die zweite Sorte, dass die KI erklären darf, aber nicht liefern soll.
• Im Review nachfragen. "Warum hast du das so gelöst?" ist die billigste Kompetenzprüfung, die es gibt. Bleibt die Antwort aus, ist das ein guter Anlass, gemeinsam draufzuschauen. Mehr dazu in Die 79-Prozent-Falle: Freigeben ist kein Prüfen.
• Debugging nicht komplett abgeben. Bei den Debugging-Fragen war der Abstand in der Anthropic-Studie am größten, und Fehlersuche ist genau das, was man braucht, wenn die KI danebenliegt.
• Tempo nicht als einzigen Maßstab nehmen. Wer in der Einarbeitung nur an geschlossenen Tickets gemessen wird, delegiert alles. Das ist dann kein Charakterfehler, sondern eine vernünftige Reaktion auf den Anreiz.

Wie groß die Lücke zwischen Nutzen und Können schon heute ist, zeigt der Artikel KI-Kompetenzlücke: alle nutzen, wenige können.

Was offen bleibt

Die Evidenz ist jung und dünn. Alle Experimente messen Minuten bis eine Unterrichtseinheit, keines begleitet Menschen über Monate im Beruf. Die Stichproben sind Online-Probanden, Schulklassen, Studierende und einmal 52 Entwickler. Ob sich der Effekt bei täglicher Nutzung aufschaukelt oder verliert, weiß niemand. Und keine der Studien hat Agenten untersucht, die ganze Aufgaben allein erledigen. Die Anthropic-Autoren vermuten, dass der Effekt dort eher größer ausfällt.

Für Panik reicht das nicht, für "KI macht dumm" auch nicht. Es reicht für eine Unterscheidung, die sich im Alltag gut treffen lässt: Lass dir die Arbeit abnehmen, die du schon kannst oder nie können musst. Bei allem anderen lass dir helfen, es selbst zu tun.