Auf dieser Seite

Diese Seite wurde maschinell ins Deutsche übersetzt; die Artikelseiten sind weiterhin auf Englisch verfasst. Diese Seite auf Englisch lesen

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

Synthese: Die Sekundarstufe ist der Bereich, in dem die Nutzung generativer KI alltäglich ist und gemessene Lernzuwächse kleiner ausfallen als die Ansprüche, die für sie erhoben werden. Eine zweijährige Studie in gewöhnlichen Middle Schools ergab etwa 0,06–0,08 SD pro Jahr, die K-12-Metaanalyse zu intelligentem Tutoring etwa g = 0,27, weil Engagement und Hilfesuchen die Wirkung begrenzen und nicht die Modellfähigkeit. Schülerinnen und Schüler bevorzugen das Werkzeug, das ihnen mehr von der kognitiven Arbeit abnimmt, und Detektoren unterscheiden ganze Aufsätze, aber nicht einzelne Sätze. Die Evidenz reicht von der Prüfungsvorbereitung über Schreiben und Autorschaft bis zu Bewertung, Detektion und den Jahren der Mittelstufe, in denen die Nutzung der Skepsis davonläuft.

Fragen zum Nachdenken

  • Ein Tutor ist nur einen Klick entfernt, doch die mittlere Schülerin bzw. der mittlere Schüler bat ihn in 17% der Sitzungen mit einem Fehler um Hilfe. Was macht das Fragen in Ihrer Klasse günstiger als das Überspringen?
  • Schülerinnen und Schüler zogen den Chatbot dem Notizenmachen vor und lernten dabei weniger. Wie würden Sie diese Falle erkennen, bevor der Test es tut?
  • Detektoren erreichen F1 0,96 bei ganzen Aufsätzen, 0,88 bei Sätzen und verlieren nach einer einzigen Überarbeitung ein Drittel ihres Recall. Welche Integritätsrichtlinie hält dem stand?
  • Nahezu jede Studie in der Sekundarstufe läuft vier bis zwölf Wochen und nutzt einen Test zu einer Unterrichtseinheit. Was würde eine einjährige Einführung auf Fachbereichsebene rechtfertigen?
  • Die berichtete Nutzung steigt von 12 auf 17, während Vertrauen in die Ausgaben unverändert bleibt. Wo in den Klassen 6–9 würden Sie das Überprüfen unterrichten?

Einführung

Die Sekundarstufe umfasst etwa die Altersjahre 11 bis 18 — Middle School oder Junior High, danach High School — und drei Merkmale dieses Rahmens bestimmen, was KI dort leisten kann. Der Besuch ist verpflichtend, Lehrkräfte sind Fachspezialistinnen und -spezialisten, die möglicherweise 150 Schülerinnen und Schüler pro Woche unterrichten, und die folgenreichen Bewertungen sind extern: GCSEs, nationale Prüfungen und PISA mit 15.

Dieselben Schülerinnen und Schüler adaptieren am schnellsten. In der Schweiz berichten 84% der 14- bis 19-Jährigen eine regelmäßige Nutzung generativer KI — ein höherer Anteil als in jeder erwachsenen Altersgruppe. Nahezu flächendeckende Nutzung, externe Prüfungen und eine erwachsene Person, die für mehrere Klassen verantwortlich ist, erklären, warum sich die Literatur auf Prüfungsvorbereitung, Bewertung, Hausaufgaben und Integrität konzentriert statt auf die Neugestaltung von Curricula.

Was die Forschung misst

  • Zuwächse durch intelligentes Tutoring sind bescheiden und schrumpfen mit der Distanz. Achtzehn US-Experimente zu 11 Systemen ergaben gepoolt g = 0,271, nahezu identisch in der Primarstufe (0,266) und der Sekundarstufe I (0,256). Die Effekte sanken auf 0,146, wenn ländliche Schulen einbezogen wurden, und auf nicht signifikante 0,110 jenseits von sechs Monaten; Ergebnisse am Jahresende (0,155) betrugen ein Drittel der unmittelbaren Posttests (0,460) (Leite et al., 2025).

  • STEM-Reviews berichten größere Effekte bei schwächerer Qualitätskontrolle. Fünfunddreißig experimentelle und quasi-experimentelle Studien ergaben gepoolt g = 0,670, mit 1,099 in der High School und 0,392 in der Sekundarstufe I. Die Autorinnen und Autoren wandten kein formales Bewertungsinstrument an, und die Heterogenität im Fixed-Effect-Modell erreichte I² = 82,98% (Doğan et al., 2026).

  • Motivationsgewinne sind hier kleiner als an der Universität. Über 42 kontrollierte Studien (56 Effektstärken, 6.059 Schülerinnen und Schüler) lag der gepoolte Motivationseffekt bei g = 0,764, doch Sekundarstudien kamen im Mittel auf 0,360 gegenüber 0,886 in der Hochschulbildung, bei I² = 93,7% (Fang et al., 2026).

  • Eine typische Studie ist kurz und verwendet einen lokal entwickelten Test. Eine Evaluation im GCSE-Naturwissenschaftsbereich randomisierte 929 Schülerinnen und Schüler über drei Fächer, behielt 644 im Posttest und berichtete g = 0,33 auf einem lehrplankonformen Test mit 35 Punkten, den die Autorinnen und Autoren selbst als vorläufig bezeichnen (Harrison et al., 2026).

Tutoring, Prüfungsvorbereitung und das Engagement-Problem

  • Zugang ist nicht Nutzung. In 18 Middle Schools in Tennessee steigerte Khanmigo die Mathematikleistung um 0,06–0,08 SD pro Jahr bei etwa $15 pro Schülerin oder Schüler — nahe am Zuwachs aus demselben Khan-Academy-Üben ohne KI. Sechsundneunzig Prozent der Schülerinnen und Schüler probierten es aus, doch die mittlere Schülerin bzw. der mittlere Schüler schrieb ihm in 17% der Sitzungen, in denen ein Fehler auftrat (Oreopoulos and Low, 2026).

  • Eine Person im Raum verändert das Erleben von Schwierigkeit. Unter 149 Schülerinnen und Schülern der Sixth Form, die über dem Lehrplanniveau arbeiteten, berichteten 32,0% derjenigen, die im offenen Web suchten, Stress, 19,2% der Nutzerinnen und Nutzer eines GenAI-Tutors und 5,8% derjenigen mit einem menschlichen Tutor. Es wurde kein Lernergebnis gemessen (Ennion and McLellan, 2026).

  • Affektsensitive Unterstützung kann die Angst verstärken, die sie adressiert. In zwei Chemie-Klassen der Jahrgangsstufe 9, die dieselbe 16-wöchige Laborsequenz durchliefen, stieg die Angst mit emotionalem KI-Rückmeldung (F = 4,60, p = 0,035) und blieb unter der Lehrkraft allein unverändert. Die Schülerinnen und Schüler konnten nicht erkennen, ob die beruhigenden Ratschläge des Systems oder das Vorgehen der Lehrkraft maßgeblich waren (Liu, Li, and Zhang, 2026).

Schreiben, Lesen und Autorschaft

  • Schülerinnen und Schüler bevorzugen die Aktivität, die die Arbeit für sie erledigt. An sieben Schulen in England lasen 405 Schülerinnen und Schüler der Year 10 zwei Geschichtstexte und wurden drei Tage später ohne Hilfsmittel getestet. Notizenmachen übertraf die Chatbot-Nutzung um etwa 0,5 SD beim Behalten und 0,4 beim Textverständnis, dennoch bewerteten die Schülerinnen und Schüler den Chatbot als einfacher und angenehmer (Kreijkes et al., 2026).

  • Feedback verändert das Schreiben nur bei Schülerinnen und Schülern, die bereit sind, es umzusetzen. Jede und jeder von 1.507 Sekundarschülerinnen und -schülern erhielt eine standardisierte Nachricht und zehn Minuten zur Überarbeitung; Verhaltensengagement und instrumentelle Einstellungen verschoben die Leistung vom 46. auf das 54. Perzentil, während die wahrgenommene Nützlichkeit nichts mediierte (Jansen et al., 2026).

  • Ein eingeschränkter Assistent kann Schülerinnen und Schüler beim Denken halten. In einer bilingualen Unterrichtseinheit zur Photosynthese erzeugten 122 Siebtklässlerinnen und Siebtklässler 6.788 Gesprächsbeiträge mit einem Assistenten, der per Prompt angewiesen war, Antworten vorzuenthalten; 59% erreichten geteilte epistemische Agency, und in keinem der 1.049 geprüften Beiträge gab er eine direkte Antwort. Etwa 20% der Interaktionen bestanden im Kopieren von Text oder im Angeln nach einer Antwort (Chang et al., 2026).

Bewertung, Integrität und Prüfungsdruck

  • Bewertungsübereinstimmung kann hoch und dennoch verzerrt sein. Ein kommerzielles Große Sprachmodelle (LLMs)-Bewertungssystem erreichte gegenüber den AQA-GCSE-Punkten in Physik ein quadratisch gewichtetes κ = 0,885 über 71 strittige Aufgaben, bewertete aber im Mittel um 0,30 Punkte und bei einer Frage um 6 Punkte zu hoch (Bozdag and Qiu, 2026).

  • Ein Kappa zeigt nicht, ob ein Bewertungssystem manipulierbar ist. Bei 22 geprompteten Modellen hoben 14 die Note um mehr als 5% der Skala an, wenn die Antwort eine Notiz enthielt, eines um 83,2%, und die Beschreibung der Schülerin bzw. des Schülers als leistungsstark erhöhte die Punktzahl in 28 von 66 Modell-Aufgaben-Paaren (Porcaro, 2026).

  • Detektion erkennt Aufsätze, nicht Sätze. Mit Tastatur- und Clipboard-Protokollen von 2.429 deutschen 15-Jährigen trennten Klassifikatoren KI- von menschlichem Text mit einem Makro-F1 von 0,96, doch das F1 auf Satzebene sank auf 0,88 und der Recall für KI-Text fiel nach einer einzigen Überarbeitung im Schülerstil von 0,92 auf 0,60 (Schaller et al., 2026).

  • Schülerinnen und Schüler urteilen über Integrität bedingt. Bei 133 Schülerinnen und Schülern in Hongkong im Alter von 14–16 hing die Akzeptabilität vom Nutzungszweck (62,4%), der Auswirkung auf das Lernen (54,1%) und der Absicht (51,9%) ab, nicht von der KI-Nutzung selbst (Chan, 2026).

Die Lücke zwischen Adoption und Evidenz und die Neugestaltung der Bewertung

Die Nutzung auf dieser Stufe ist nahezu flächendeckend; die Evidenz ist überwiegend eine Beschreibung davon. Pérez-Montesdeoca et al. (2026) synthetisierten 33 Studien: 26 beschrieben, wie die Technologie eingesetzt wurde, gegenüber 7, die Veränderungen bei Schülerinnen und Schülern untersuchten, und nur 21 erhoben originale Unterrichtsdaten. Nahezu alle waren von Lehrkräften initiiert und wurden isoliert durchgeführt — genau das Muster, das die Adoptionszahl von 84% verdeckt: einzelne Lehrkräfte, die experimentieren, nicht Fachbereiche, die neu gestalten.

Was der Review belegt, ist bedingt. Feedback war die stärkste Anwendung: maßgeschneidertes Vokabelfeedback verdoppelte in einer einbezogenen Studie die Punktwerte nahezu, während vollständige Delegation das Lernen verengerte und das Vergleichen oder Verwerfen von Ausgaben es vertiefte. Die Genauigkeit folgte der Aufgabenschwierigkeit und nicht dem Fach: BingChat und Bard erreichten 92,11% bei grundlegenden Biologiefragen, jedes Werkzeug fiel bei Aufgaben höherer Ordnung unter 20%, und automatisierte Bewertung erreichte 50,8% Übereinstimmung mit menschlichen Bewerterinnen und Bewertern. Umfragearbeiten deuten auf Tiefe statt auf Dosis, denn Wu and Zhang (2025) fanden, dass die Nutzungstiefe mit der selbsteingeschätzten Innovationsfähigkeit zusammenhing, die Häufigkeit jedoch nicht — in einem querschnittlichen Design, in dem die Pfade die Korrelationen nur wiedergeben.

Adoption folgt der Intention; Angst wirkt erst danach. Zhang and An (2026) fanden KI-Angst ohne Zusammenhang mit der Intention (β = 0,056, p = 0,123), aber negativ für alle drei Verhaltensweisen, am stärksten beim Anwenden von Ausgaben (β = −0,247) — in einem Modell, in dem Nützlichkeit dominierte und Erwartungen Erwachsener stärker wogen als Fähigkeit. Auch die Messung hat Pilotniveau: Schicchi and Taibi (2026) behielten drei Faktoren einer Einstellungsskala mit 19 Items bei 93 Schülerinnen und Schülern, ohne konfirmatorisches Modell.

Deshalb wird die Bewertungsfrage zu der Frage, was ein fertiges Produkt noch bescheinigt. Torres-Peralta et al. (2026) fanden, dass wahrgenommenes Lernen nahezu ohne Zusammenhang mit einem Engagement-Index aus Lesen, Verändern und Ergänzen von Ausgaben stand (gepoolte Korrelation 0,052), und Cho (2025) sichtete GPA-Zusammenhänge von 0,31 im Schreiben und 0,18 in Mathematik, die meist Vergleiche zwischen Nutzenden und Nichtnutzenden sind. Sammeln Sie den Prompt, die Entwurfsantwort und die Überarbeitungen und bewerten Sie den Prozess statt der Seite.

Mittelstufe und frühe Adoleszenz

  • Die Nutzung verfestigt sich vor der Skepsis. Bei 1.598 Schülerinnen und Schülern im Alter von 12–25 stieg die durchschnittliche Nutzung zwischen 12 und 17 Jahren auf einer Skala von 0–4 von 1,24 auf 1,77, und die Zahl intensiv genutzter Aktivitäten stieg von 1,76 auf 3,48, während sich die wahrgenommene Zuverlässigkeit nicht veränderte (Cuenca-Rodríguez et al., 2026).

  • Ein zweistündiger Workshop verändert Verhalten, das Selbstberichte verfehlen. Bei 116 französischen Schülerinnen und Schülern der Klassen 8–9 akzeptierten die Teilnehmenden unzureichend spezifizierte Prompts seltener (51,5% vs. 66,7%) und stellten nach einer schwachen Antwort in 59,2% der Fälle eine Nachfrage gegenüber 27,9%; ihre Selbstberichte zur KI-Kompetenz sagten beides nicht voraus (Clerc et al., 2026).

  • Der Nutzungszweck trägt mehr als die Häufigkeit. Bei 12.191 15-Jährigen in vier chinesischen Regionen entsprach eine Verschiebung hin zu lernorientierter Nutzung bei gleicher Häufigkeit 5,8 PISA-Punkten, während eine Verschiebung hin zu Zusammenfassen und Entwerfen 6,6 kostete (Wu et al., 2026).

  • Motivationsgewinne in der frühen Adoleszenz haben einen relationalen Preis. Bei 2.464 deutschen Schülerinnen und Schülern der Klassen 7–8 war ChatGPT innerhalb kompetenzbasierten Lernens mit mehr Autonomie- und Kompetenzerleben, aber schwächerer sozialer Eingebundenheit verbunden (Schweder et al., 2026).

Verbindungen

Die Sekundarstufe liegt zwischen Primarstufe und Grundständiges Studium und teilt die K-12 (Primar- und Sekundarstufe)-Fragen nach Kapazität der Lehrkräfte und Gerechtigkeit. Was sie unterscheidet, ist die Kombination aus externen Prüfungen und fachspezifischem Unterricht, die KI in Richtung Prüfungsvorbereitung, Bewertung und Unterstützung bei Kursarbeiten verschiebt. Dadurch werden Validität und automatisierte Punktevergabe hier zentraler als in den Primarjahren, in denen Entwicklungsangemessenheit dominiert. Der andere unterscheidende Strang ist Selbstreguliertes Lernen: Jugendliche erhalten das Werkzeug, bevor sie das Urteilsvermögen zu seinem Einsatz haben, sodass Metakognition und Offloading entscheiden, ob ein Zuwachs entsteht.

Implikationen für die Praxis

Für Lehrkräfte

  • Setzen Sie den Tutor dort ein, wo der Fehler passiert. Die 17%-Zahl ist ein Designproblem, kein Defizit der Schülerinnen und Schüler: Verlangen Sie eine Frage oder Erklärung vor der nächsten Aufgabe und prüfen Sie den Austausch statt den Login.
  • Ordnen Sie Schreibwerkzeuge in eine Abfolge, statt sie gleichzeitig anzubieten: fragen, den Chatbot schließen, dann schreiben. Ein Viertel der Schülerinnen und Schüler kopierte, wenn beides gleichzeitig geöffnet war.
  • Legen Sie vor der Stunde fest, wessen Rat maßgeblich ist, wenn ein affektsensitives System Ihrem Vorgehen widerspricht, und teilen Sie das den Schülerinnen und Schülern mit.

Für Schulleitungen

  • Budgetieren Sie auf Basis der realisierten Nutzung. Eine $15-Lizenz ist kein Programm; die Wirkung hängt von Stundenplanung, Prompting der Lehrkräfte und Fortschrittsmonitoring ab.
  • Setzen Sie Erwartungen bei 0,06–0,08 SD pro Jahr für Tutoring in gewöhnlichen Klassen und etwa 0,27 für intelligentes Tutoring an. Versprechen Sie von keinem der beiden eine Schließung von Leistungslücken.
  • Halten Sie Detektorergebnisse aus Feststellungen zu Fehlverhalten heraus. Verlangen Sie Entwürfe, Versionsverläufe oder eine mündliche Verteidigung, denn Ganztext-Scores verändern sich durch eine einzige Überarbeitung.

Für Forschende

  • Berichten Sie Detektion auf Satz- ebenso wie auf Textebene und stellen Sie Ergebnisse von Manipulationstests neben Übereinstimmungsstatistiken.
  • Messen Sie, wofür Schülerinnen und Schüler das Werkzeug genutzt haben, nicht nur wie oft. Der Zweck trennte bei gleicher Häufigkeit eine Lücke von 12 PISA-Punkten.
  • Prüfen Sie die Dauerhaftigkeit über vier Wochen hinaus, mit Ergebnissen am Jahresende oder externen Maßen. Unmittelbare Posttests überschätzen Tutoring-Effekte um etwa den Faktor drei.

Verbreitete Fehlvorstellungen

  • „Ein KI-Tutor unterrichtet, sobald Schülerinnen und Schüler Zugang haben.“ Sechsundneunzig Prozent der Schülerinnen und Schüler probierten Khanmigo aus; die mittlere Schülerin bzw. der mittlere Schüler bat es in 17% der Sitzungen um Hilfe, in denen ein Fehler auftrat. Verfügbarkeit und Dosis sind verschiedene Variablen.

  • „Hohe Übereinstimmung mit Prüferinnen und Prüfern bedeutet, dass ein Bewertungssystem zuverlässig ist.“ Vierzehn von 22 Modellen ließen sich mit einer Notiz in der Antwort um mehr als 5% der Skala verschieben, und ein Etikett über die Schülerin bzw. den Schüler hob die Punkte in 28 von 66 Modell-Aufgaben-Paaren an.

  • „Detektion kann Ihnen sagen, welche Sätze die KI geschrieben hat.“ Das F1 auf Satzebene sank auf 0,88, der Recall fiel nach einer einzigen Überarbeitung im Schülerstil auf 0,60, und Text, der nach Chatbot-Nutzung ohne kopiertes Material geschrieben wurde, wurde in 94,6% der Fälle als menschlich gelesen.

  • „Kritische KI-Kompetenz kann bis zur Universität warten.“ Die Nutzung steigt jedes Jahr von 12 bis 17, während die wahrgenommene Zuverlässigkeit konstant bleibt, und ein zweistündiger Workshop in den Klassen 8–9 veränderte das Prompting und das Nachfrageverhalten zwei Tage später.

Verbundene Konzepte

Verbundene Artikel

Diese Seite einbetten

Kopieren Sie den Code unten, um diese Seite in ein Lernmanagementsystem oder eine andere Website einzubetten. Die eingebettete Version zeigt nur den Seiteninhalt — Kopfzeile, Navigation und Fußzeile der Website werden ausgeblendet.