Seit drei Jahren stehen uns Large Language Models wie ChatGPT, Google Gemini oder Claude ganz einfach und frei zur Verfügung und wirkten als Katalysator für didaktische Veränderungen im Erziehungs- und Bildungssystem. Die Fachdidaktik muss sich die Frage stellen, wie Lernen gestaltet sein muss, wenn intelligente Werkzeuge rund um die Uhr zur Verfügung stehen.
Klassische Aufgabenformate des Fremdsprachenunterrichts, die vor allem auf Reproduktion und Routine setzen, haben dadurch an Bedeutung verloren, während Verstehen, Transfer, Reflexion und das Hinterfragen von Quellen stärker in den Mittelpunkt gerückt sind. LLMs machten dadurch sichtbar, welche Kompetenzen in der schulischen Ausbildung mit einer KI-gestützten Lernumgebung unbedingt gefördert werden müssen: kritisches Denken, Urteilsfähigkeit und die Fähigkeit, eigene Lernprozesse zu erklären und zu begründen.
Vor diesem Hintergrund versprach die Einführung der sogenannten „Study-“ oder „Guided-Learning“-Modi in diesen LLMs im Sommer 2025 einen pädagogischen Fortschritt: Man gibt einen Prompt ein und wählt gleichzeitig die Studier- und Lerneinstellung aus. Dadurch aktiviert sich eine Systemanweisung, die bewirkt, dass der Bot nicht mehr fertige Antworten liefert, sondern Fragen stellt und den/die Benutzer*innen schrittweise durch den Dialog führt, das Lernniveau abfragt und in regelmäßigen Abständen kurze Wissensüberprüfungen einbaut. So können sich Lernende schrittweise begleiten lassen, statt sofort fertige Lösungen zu erhalten. Auf den ersten Blick wirkt das überzeugend, denn Scaffolding, Impulse und Feedback gehören schließlich seit jeher zu gutem Unterricht.
Doch diese Funktion blendet eine kulturelle Frage aus, die wir uns im schulischen bzw. universitären Kontext stellen müssen: Was wird eigentlich belohnt? Bzw. was soll eigentlich belohnt werden? Solange Zeitdruck, Noten und stark produktorientierte Prüfungsformate dominieren, werden Lernende den Studier- und Lernmodus überspringen und nach Abkürzungen suchen. Was es stattdessen braucht, sind andere Aufgaben: Projektarbeit, reale Problemstellungen, kooperative Lernformate. Lernsettings also, in denen der Weg zum Ergebnis, das Wie zählt – und nicht der schnellste Zugriff darauf.
Besonders deutlich wird diese Unterscheidung im Schreibunterricht. Schreiben ist kein Produkt, sondern ein Prozess: planen, formulieren, überarbeiten. Tools wie DeepL Write oder Fiete können diesen Prozess sinnvoll unterstützen, indem sie Feedback zu Sprache und Struktur geben und im besten Fall die „AI Literacy“, also die digitale Mündigkeit, fördern.
Was bei KI-unterstützten Lernumgebungen hinzukommt, ist ein kognitives Risiko, das ernst genommen werden muss: der Automation Bias. Wenn sich KI nun als kompetente/r Tutor*in vorstellt, werden Erklärungen schnell unkritisch übernommen, obwohl Sprachmodelle weiterhin Fehler machen, halluzinieren und Falschinformationen erzeugen.
Eine zeitgemäße Pädagogik braucht mehrere Perspektiven auf KI. Lernen mit und durch KI muss immer auch ein Lernen über KI sein – etwa durch Quellenvergleiche, argumentative Prüfungen und bewusste Distanz zur Maschine. Ebenso wichtig bleiben Lernräume trotz KI – für eine Reflexion darüber, warum Menschen weiterhin Wissen erwerben müssen, und ein bewusstes Lernen ohne KI überall dort, wo analoge Praktiken pädagogisch sinnvoll sind.
Fazit: Study Modes können ein Werkzeug sein – mehr nicht. Sie ersetzen keine pädagogische Reform. Ein Study Mode kann Täuschung erschweren, er ersetzt keinen Unterricht, der Relevanz stiftet, Verantwortung überträgt und nachhaltiges Lernen ermöglicht.
Referenze iconografiche: gannvector / Shutterstock