Andrew Ng ruft dazu auf, KI für Übungsaufgaben zu nutzen, nicht für fertige Antworten

Einleitung: Andrew Ng warnt vor KI‑Antworten im Lernumfeld

In der neuesten Folge des Podcasts Silicon Valley Girl hat der KI‑Pionier Andrew Ng ein wachsendes Risiko hervorgehoben: Modelle der generativen KI, die sofort fertige Antworten liefern, können den Lernprozess ernsthaft untergraben, weil sie die notwendige geistige Anstrengung zum eigenständigen Lösen von Problemen umgehen und damit das langfristige Behalten von Wissen schwächen.

Warum KI‑Antworten das Lernen schädigen

Ng zieht dabei eine anschauliche Analogie: Der vorzeitige Zugriff auf KI‑generierte Lösungen sei vergleichbar damit, einem Kind bereits einen Taschenrechner zu geben, bevor es die Grundprinzipien der Multiplikation verinnerlicht hat. Wie ein zu früher Rechnergebrauch die Entwicklung einer flüssigen Arithmetik hemmt, kann das Bereitstellen von Antworten durch KI die konzeptuelle Entwicklung von Lernenden bremsen und das tiefere Verständnis verhindern.

Er verweist auf Beobachtungen aus verschiedenen Bildungseinrichtungen, wonach Studierende, die regelmäßig KI zur Erledigung von Aufgaben einsetzen, zunächst eine deutliche Notensteigerung verzeichnen, langfristig jedoch deutlich weniger Wissen behalten. Der kurzfristige Gewinn an Noten wird durch ein merkliches Nachlassen der Fähigkeit ausgeglichen, zentrale Konzepte ohne externe Hilfe anzuwenden und zu transferieren.

Persönliche Erfahrung mit kognitiver Auslagerung

Ng schildert zudem seine eigene Erfahrung mit der sogenannten „kognitiven Auslagerung“: Er nutzte eine KI, um schnell eine technische Antwort zu erhalten, setzte diese Lösung um und stellte dieselbe Frage sechs Monate später erneut, weil das zugrundeliegende Verständnis nie aufgebaut worden war. Dieses Beispiel verdeutlicht, wie leicht man in die Falle tappt, Wissen nur zu replizieren, anstatt es zu internalisieren.

Praktische Leitlinien für den überwachten KI‑Einsatz

Ng betont, dass Kinder und Jugendliche KI nur unter Aufsicht und mit einer klaren Filterung durch Erwachsene nutzen sollten. Die Rolle der Aufsichtsperson besteht darin, sicherzustellen, dass die KI‑Ausgabe als strukturelles Gerüst dient und nicht als Krücke, sodass Lernende die eigentlichen Denkprozesse selbst durchlaufen und reflektieren.

Er spricht sich nicht dafür aus, KI vollständig zu verwerfen. Stattdessen rät er Studierenden und Fachleuten, zu lernen, wie man mit ihr kooperativ arbeitet, und die Technologie als Partner zu begreifen, der die Produktivität steigert, wenn er gezielt und verantwortungsbewusst eingesetzt wird.

Laut Ng delegieren die effektivsten Ingenieure etwa 30 % bis 40 % der routinemäßigen Aufgaben an KI, während sie ihre menschliche Expertise auf Bereiche konzentrieren, in denen KI noch Schwächen aufweist – etwa kreatives Design, ethische Bewertung und strategische Planung.

Barbara Oakley, anerkannte Expertin für Lernwissenschaften, bestätigt Ngs Sichtweise. Sie argumentiert, dass das bewusste Bewahren von Grundwissen bei gleichzeitiger Nutzung von KI zur Erzeugung einer größeren Menge an Übungsaufgaben einen positiven Verstärkungszyklus schafft, der das Lernen vertieft, ohne an inhaltlicher Tiefe zu verlieren.

Sowohl Ng als auch Oakley geben an, dass ihre Empfehlungen aus persönlichen Beobachtungen und fachkundiger Einschätzung stammen, nicht aus kontrollierten experimentellen Studien. Die gewonnenen Erkenntnisse seien daher indikativ und nicht als universell gültige Gesetzmäßigkeiten zu verstehen.

Für deutschsprachige Organisationen bedeutet das praktisch: KI‑Werkzeuge sollten eingesetzt werden, um das Angebot an Übungsmaterial zu erweitern, nicht um den eigentlichen Problemlösungsprozess zu ersetzen. Führungskräfte können klare Richtlinien festlegen, die KI‑generierte Antworten einer gründlichen Überprüfung unterziehen, standardmäßig Hinweis‑Modi aktivieren und Lernmetriken auf langfristige Retention statt nur sofortige Testergebnisse ausrichten.

• KI bitten, neue Aufgabenreihen passend zum aktuellen Lehrplan zu erzeugen
• KI nutzen, um Parameter bestehender Übungen zu variieren und tiefere Praxis zu ermöglichen
• KI Hinweise statt vollständiger Lösungen vorschlagen lassen
• KI einsetzen, um Versuche zu bewerten und Feedback zu geben
• KI‑erstellte Quizze in den regulären Unterrichtsablauf integrieren

Ein weiterer wichtiger Aspekt ist die Schulung von Lehrkräften im kritischen Umgang mit KI. Sie sollten lernen, wie man die von der KI gelieferten Vorschläge prüft, anpasst und in den didaktischen Kontext einbettet, um sicherzustellen, dass die Lernenden nicht nur korrekte, sondern auch konzeptuell fundierte Antworten erhalten.

Darüber hinaus empfiehlt Ng, regelmäßige Reflexionsphasen in den Unterricht zu integrieren, in denen Lernende bewusst analysieren, welche Schritte sie selbst durchgeführt haben und wo sie Unterstützung von KI erhalten haben. Diese Metakognition stärkt das Bewusstsein für die eigene Lernstrategie.

Abschließend lässt sich festhalten, dass ein verantwortungsbewusster, überwachter Einsatz von KI das Potenzial hat, die Menge an verfügbaren Übungsaufgaben zu vervielfachen, die Individualisierung zu erhöhen und die Lernmotivation zu steigern, solange die eigentliche kognitive Arbeit nicht delegiert, sondern unterstützt wird.

In Berlin, wo mehrere Schulen bereits Pilotprojekte mit KI‑gestützten Übungsplattformen durchführen, wird diese Balance konkret getestet: Lehrkräfte setzen KI ein, um wöchentliche Übungsblätter zu generieren, prüfen die Ergebnisse und nutzen die Rückmeldungen, um gezielte Nachholsessions zu planen, wodurch sowohl Effizienz als auch Tiefenverständnis gefördert werden.