Blickpunkt Schule 4 2026

Abbildung 2

Titelthema

Querschnittliche didaktische Beispiele: Selbstregulation und Ambiguitätstoleranz Eine kurze Drei-Schritt-Routine kann Selbstregulation för dern: Vor der KI-Nutzung halten Lernende Ziel, Vorwissen und eigene Vermutung fest; währenddessen dokumentie ren sie ausgewählte Prompts, KI-Antworten und Über arbeitungen; danach begründen sie, was sie übernommen, verändert oder verworfen haben. Die Routine ist kein Selbstläufer: Ein Formular für die Prozessdokumentation macht Schülerinnen und Schüler noch nicht selbstreguliert. Zu Beginn sollten Lehrkräfte die Schritte an einem Beispiel demonstrieren, eigene Prüfent scheidungen erläutern und gezielt rückmelden. Nach meh reren Anwendungen können die Hilfen schrittweise zurück genommen werden, sodass aus der angeleiteten Routine eine zunehmend selbstständig genutzte Strategie wird. Entscheidend ist nicht die Dokumentation selbst, sondern dass Lernende vor, während und nach der KI-Nutzung me takognitiv über Ziele, Unterstützung, Prüfung und Revision entscheiden. Ambiguitätstoleranz erfordert zunächst begriffliche Klarheit: Mehrdeutigkeit ist nicht Unwissen. Ambiguität liegt vor, wenn mehrere Interpretationen oder Lösungs wege plausibel sind; Ungewissheit liegt vor, wenn wichtige Informationen fehlen oder unklar ist, welche Aussage zu trifft. Ambiguitätstoleranz bedeutet nicht, Fehler oder be liebige Meinungen hinzunehmen, sondern ein Urteil offen zuhalten, solange die Gründe nicht ausreichen. Lernende sollten unterscheiden: Was ist gut belegt oder nur plausi bel? Wo sind mehrere Deutungen möglich? Was ist noch unbekannt? Im Unterricht lassen sich mehrere KI-Antworten auf die selbe Frage vergleichen. Lernende prüfen, ob Unterschiede aus Fehlern, fehlenden Informationen oder unterschiedli chen Perspektiven entstehen. Eine Unsicherheitsnotiz schließt den Vergleich ab: Was ist gesichert? Welche Alter

native bleibt möglich? Was muss ich noch prüfen? So ler nen Lernende, sprachliche Sicherheit nicht mit fachlicher Gewissheit zu verwechseln. Für den Unterricht gilt als Faustregel: Übernimmt KI ge nau die zu erlernende Fähigkeit, sollte sie in Erwerbs- und Übungsphasen nur behutsam und schrittweise eingesetzt werden. Stehen Vergleichen, Prüfen oder Überarbeiten im Vordergrund, kann sie Teil der Aufgabe sein; bei effizienter Produktion darf sie entlasten. Dann wird nicht nur das Pro dukt bewertet, sondern auch die Qualität von Steuerung, Auswahl und Begründung. Downskilling, Offloading und die episte mische Führung der KI-Kooperation Nicht jede Auslagerung ist pädagogisch problematisch: Auch Notizen, Wörterbücher oder Taschenrechner entlas ten von einzelnen Denkoperationen. Die Psychologie be zeichnet dies als kognitives Offloading. Es ist sinnvoll, wenn dadurch Ressourcen für anspruchsvollere Entscheidungen frei werden. Kritisch wird Auslagerung, wenn Schülerinnen und Schüler gerade jene Denkoperation nicht mehr selbst ausführen, die sie erwerben oder üben sollen. Dann kann das Ergebnis besser aussehen, ohne dass mehr gelernt wurde. Bei Wiederholung der Auslagerung droht Downskil ling: Fähigkeiten werden nicht ausreichend aufgebaut oder zunehmend weniger genutzt. Für die Unterrichtsplanung hilft die Unterscheidung zwi schen Lern- und Anwendungsaufgaben. In Lernaufgaben müssen zentrale Denkoperationen bei den Lernenden blei ben; in späteren Anwendungsaufgaben kann KI entlasten, solange Ziele, Prüfkriterien und Verantwortung nicht an das System übergehen. Die Antwort auf Downskilling und Offloading ist daher keine künstlich technikfreie Schule. Die vom Wissenschaftsrat (2026) für die Hochschulbildung empfohlenen ‘KI-freien Räume’ lassen sich jedoch auf bestimmte schulische Erwerbs- und Übungsphasen über

6

SCHULE 4|2026