Es gibt eine verführerische Vorstellung von einer persönlichen KI. Man arbeitet lange genug mit ihr, stellt Fragen, macht Fehler, korrigiert sich, schreibt Texte, verwirft Texte, lernt Französisch, sucht einen Netzwerkfehler und vergisst gelegentlich, weshalb man den Browser überhaupt geöffnet hatte. Irgendwann, so die Hoffnung, kennt sie einen.
Das klingt zunächst nach einem Vorteil.
Eine Lern-KI, die mich kennt, müsste doch wissen, was ich schon kann. Sie müsste merken, wo ich unsicher werde, welche Erklärung mir hilft und wann sie besser schweigt. Nach elf Folgen über Hilfe, Prüfung, Wiederholung, Transfer und das allmähliche Verschwinden der Unterstützung wäre das eine angenehme Abkürzung: Wir sammeln einfach genügend Daten über den Menschen.
Leider hat die Forschung eine gewisse Neigung, angenehme Abkürzungen zu sperren.
Die interessantere Frage lautet deshalb nicht nur:
Was müsste die KI von mir wissen?
Sondern gleich dahinter:
Was darf sie daraus schließen?
Das ist ein kleiner Unterschied in der Formulierung. Für ein Lernsystem ist es ein ziemlich großer.
Der Aktenschrank und die eine Aufgabe
Stellen wir uns eine KI mit einem beeindruckenden Gedächtnis vor. Sie kennt tausend frühere Gespräche. Sie weiß, welche Themen ich gern diskutiere, wie lange meine Antworten gewöhnlich sind, bei welchen Aufgaben ich nach Hilfe frage und vielleicht sogar, dass ich an Dienstagen gelegentlich weniger geduldig bin als an Donnerstagen.
Nun liegt vor mir eine neue Aufgabe.
Kann ich sie lösen?
Der große Aktenschrank mit allem, was über mich gespeichert wurde, sieht plötzlich weniger eindrucksvoll aus. Für diese konkrete Frage könnten ein paar unscheinbare Informationen wichtiger sein: Was ist die Aufgabe? Habe ich etwas Vergleichbares schon einmal selbst gelöst? Mit welcher Hilfe? Wie lange ist das her? Und gelingt mir eine passende Gegenprobe heute noch?
Das Forschungsdossier zu dieser Folge führt dafür eine hilfreiche Trennung ein. Ein System kann zunächst etwas beobachten: drei Antworten waren richtig, zwei Hinweise wurden angeklickt, eine Aufgabe dauerte achtzehn Sekunden. Es kann diese Beobachtung interpretieren. Daraus kann es eine Schätzung bilden. Und schließlich kann es eine Entscheidung treffen: noch ein Beispiel, weniger Hilfe, eine neue Aufgabe, eine Pause.
Das sind vier verschiedene Dinge.
Dass drei Antworten richtig waren, ist eine Beobachtung. „Das ging sicher und ohne Hilfe“ ist bereits eine Interpretation. „Diese Fähigkeit ist wahrscheinlich vorhanden“ ist eine Schätzung. „Jetzt geben wir eine schwierigere Aufgabe“ ist eine Entscheidung.
Zwischen diesen Sätzen liegen Annahmen.
Lernsysteme können diese Annahmen erstaunlich elegant verstecken.
Wenn „Mastery“ nur der Name einer Variablen ist
In intelligenten Tutorsystemen gibt es seit Langem sogenannte Learner Models und Verfahren des Knowledge Tracing. Sie versuchen aus einer Folge von Antworten abzuschätzen, wie sich ein angenommener Wissenszustand entwickelt.
Das kann nützlich sein. Adaptive Tutorsysteme zeigen in Forschungsübersichten im Mittel durchaus Lernvorteile gegenüber verschiedenen Vergleichsbedingungen. Auch gezielt personalisierte Wiederholung kann unter passenden Bedingungen späteres Erinnern verbessern.
Aber hier beginnt die sprachliche Falle.
Ein Modell kann eine Variable „Mastery“ nennen. Damit ist noch nicht bewiesen, dass es das menschliche Können in seiner ganzen Pracht vermessen hat.
Knowledge-Tracing-Verfahren werden häufig danach beurteilt, wie gut sie die nächste Antwort vorhersagen. Das ist ein vernünftiges technisches Kriterium. Nur ist die nächste richtige Antwort nicht dasselbe wie ein verstandenes Fehlkonzept, dauerhaftes Behalten oder die Fähigkeit, das Gelernte in einer neuen Situation einzusetzen.
Wir kennen das inzwischen.
Mit Hilfe etwas richtig machen ist nicht dasselbe wie es unmittelbar ohne Hilfe zu können. Es heute ohne Hilfe zu können ist nicht automatisch dasselbe wie es in drei Wochen noch zu können. Und auch dann bleibt offen, was bei einer veränderten Aufgabe geschieht.
Unsere vier Kürzel AP, II, DR und TR waren nie als neue wissenschaftliche Stufenleiter gedacht. Sie helfen uns nur dabei, nicht versehentlich vier verschiedene Beobachtungsbedingungen „Lernen“ zu nennen.
Jetzt bekommen sie noch eine weitere Aufgabe: Sie schützen das Learner Model vor Größenwahn.
Personalisierung ist noch kein Wirkmechanismus
„Personalisiert“ klingt in der Bildungswelt fast so, als müsse dahinter zwangsläufig etwas Gutes stecken.
Es gibt gute Gründe für Anpassung. Vorwissen kann beeinflussen, wie viel Anleitung hilfreich ist. Eine Erklärung, die einem Anfänger Halt gibt, kann für einen Geübten bereits störend sein. Wiederholungen können sinnvoller terminiert werden, wenn ein System etwas über frühere Abrufe weiß.
Aber daraus folgt nicht: Je mehr Personalisierung, desto mehr Lernen.
In einer neueren Untersuchung mit Zweitklässlern brachte eine adaptive Schwierigkeitsanpassung gegenüber einem ansonsten vergleichbaren nichtadaptiven Mathematik-Tutor keinen klaren Posttestvorteil. Das widerlegt adaptive Lernsysteme nicht. Es erinnert nur daran, dass „adaptiv“ noch keine Erklärung dafür ist, warum eine konkrete Anpassung wirken sollte.
Noch deutlicher wird es bei den berühmten Lerntypen. Die Vorstellung, man müsse einen Menschen nur als visuellen, auditiven oder sonstigen Typ identifizieren und anschließend passend füttern, hat sich für die populäre Matching-Behauptung wissenschaftlich nicht überzeugend bestätigt.
Eine Lern-KI braucht also nicht möglichst viele Eigenschaften über mich.
Sie braucht eine begründete Antwort auf eine viel kleinere Frage:
Welche Information verbessert welche Lernentscheidung?
Das ist weniger glamourös als ein digitales Gesamtporträt der Persönlichkeit.
Es könnte dafür nützlicher sein.
„Ich kann das.“ – „Ich glaube nicht.“
Nun wird es interessant.
Was geschieht, wenn die KI aus meinen bisherigen Leistungen schließt, dass ich etwas noch nicht kann – und ich widerspreche?
Nach unserer Folge über Selbsteinschätzung wäre es etwas voreilig, den Menschen automatisch zum Sieger zu erklären. Menschen können sich irren. Vertrautheit fühlt sich gern wie Wissen an. Hohe Sicherheit kann mit einem Fehler zusammen auftreten.
Es wäre aber genauso voreilig, das Modell gewinnen zu lassen.
Auch das Modell kann mit alten Daten arbeiten, eine Aufgabe falsch einordnen oder aus einer begrenzten Stichprobe zu viel schließen.
In der Forschung zu offenen und verhandelbaren Learner Models gibt es deshalb eine interessantere Möglichkeit: Der Widerspruch selbst wird zur Information.
„Du schätzt mich falsch ein“ muss weder ein magisches Löschkommando noch ein aussichtsloser Einspruch gegen die Maschine sein.
Man kann fragen: Worauf stützt sich die Schätzung? Worauf stützt sich mein Widerspruch? Und welche neue Aufgabe könnte zwischen beiden Hypothesen unterscheiden?
Das wäre ein bemerkenswert erwachsenes Verhältnis zwischen Mensch und Lernsoftware.
Keiner muss recht behalten.
Wir könnten nachsehen.
Die KI weiß es zu 87 Prozent
Besondere Vorsicht verdient eine Zahl, sobald sie zwei Nachkommastellen trägt.
Eine Anzeige wie „Beherrschung: 87 %“ wirkt beruhigend technisch. Vielleicht ist sie hervorragend kalibriert. Vielleicht ist sie eine Modellwahrscheinlichkeit unter sehr speziellen Annahmen. Vielleicht hat ein Sprachmodell auch einfach gelernt, dass präzise Zahlen einen kompetenten Eindruck machen.
Direkte neuere Untersuchungen an LLMs in Bildungsdialogen zeigen jedenfalls einen guten Grund zur Vorsicht: Sprachmodelle können bei der Sicherheit ihrer eigenen Klassifikationen systematisch überkonfident sein. Das ist noch keine Untersuchung einer vollständigen Kompetenzschätzung. Gerade deshalb sollten wir die Befunde nicht vermischen.
Eine Zahl über die Sicherheit eines Modells ist erst dann wirklich interessant, wenn wir wissen, wogegen sie geprüft wurde.
Wenn ein System bei vielen vergleichbaren neuen Fällen „70 Prozent“ sagt, sollten ungefähr sieben von zehn entsprechenden Vorhersagen eintreffen – sofern genau diese Wahrscheinlichkeit gemeint ist.
Ansonsten besitzt die Zahl vor allem typografische Präzision.
Auch das ist eine Form von Fortschrittsbalken.
Nur mit Mathematik.
Mehr erklären hilft. Vermutlich. Manchmal.
Eine naheliegende Lösung lautet: Dann muss die KI eben erklären, warum sie etwas glaubt.
Auch hier wird es unbequemer.
Forschung zu KI-gestützten Entscheidungen außerhalb des Lernens zeigt, dass Erklärungen Menschen nicht automatisch zu besseren Entscheidungen führen. Manche Erklärungsformen können gerade bei geringer Domänenexpertise Verständnis und angemessenes Vertrauen verfehlen oder sogar Übervertrauen fördern.
Das ist keine direkte Widerlegung transparenter Lernsysteme. Es ist eine Warnung vor einem beliebten Kurzschluss:
Erklärung vorhanden ist nicht dasselbe wie Erklärung verstanden.
Für unsere Lern-KI wäre deshalb interessanter, ob ich erkennen kann, auf welche Beobachtungen sie sich stützt, unter welchen Bedingungen diese entstanden sind und wie unsicher der Schluss ist.
Und ob ich einen Fehler bemerken kann.
Eine Erklärung, die nur überzeugender klingt als der Irrtum, wäre ein eher kostspieliges Dekorationselement.
Wie viel von mir braucht die KI?
Damit landen wir doch beim Datenschutz – aber auf einem anderen Weg.
Nicht zuerst: Welche Daten dürfen gespeichert werden?
Sondern: Welche Daten brauchen wir für die behauptete Lernfunktion überhaupt?
Für viele Entscheidungen könnten Aufgabe, eigener Versuch, Hilfegrad, Zeitpunkt und Ergebnis erstaunlich weit tragen. Vielleicht kommen Konfidenz, Fehlertyp oder frühere Abrufe hinzu. Für andere Anwendungen braucht man andere Informationen.
Es gibt aber keinen belastbaren allgemeinen Befund, wonach ein möglichst reiches, lebenslanges Persönlichkeitsprofil automatisch zu besseren Lernentscheidungen führt.
Das ist wichtig, weil Langzeitgedächtnis bei KI-Systemen intuitiv attraktiv ist. Wenn Erinnern gut ist, müsste mehr Erinnern noch besser sein.
Nur kann eine alte Interpretation ebenso dauerhaft falsch sein wie dauerhaft richtig.
Ein Learner Model sollte deshalb weniger wie eine Personalakte behandelt werden und mehr wie eine Sammlung datierter, zweckgebundener Hypothesen mit Herkunftsnachweis.
Was wurde beobachtet?
Unter welchen Bedingungen?
Welche Hilfe war erlaubt?
Wie alt ist die Beobachtung?
Was wurde daraus geschlossen?
Und wodurch könnte dieser Schluss widerlegt werden?
Plötzlich klingt das weniger nach künstlicher Intelligenz und ein wenig mehr nach ordentlicher Wissenschaft.
Das muss kein Nachteil sein.
Und wenn ich die KI wechsle?
Eine unangenehme Frage taucht spätestens dann auf, wenn das Lernsystem tatsächlich gut geworden ist.
Was geschieht mit meiner Lernhistorie, wenn ich den Anbieter wechsle?
Für Lernaktivitäten und Qualifikationsnachweise gibt es bereits technische Standards. Das bedeutet aber noch nicht, dass ein vollständiges, kalibriertes Learner Model mitsamt Unsicherheit, Herkunft und Bedeutung einfach zwischen beliebigen KI-Systemen umziehen kann.
Ein exportierter Chat ist noch keine Lernbiografie.
Und ein fremdes System darf aus derselben Historie nicht zwangsläufig dieselben Schlüsse ziehen.
Das Problem wird später technisch interessant. Für diese Folge genügt zunächst die menschenseitige Forderung: Wenn ein System über längere Zeit Hypothesen über mein Lernen bildet, sollte ich verstehen können, was davon Beobachtung, was Schlussfolgerung und was bloße Einstellung oder Präferenz ist.
Sonst nehme ich beim Umzug womöglich einen sehr großen Koffer mit.
Und weiß nicht, was darin ist.
Auf die Werkbank: Der absichtlich schlechte Schüler
Wir haben in dieser Reihe inzwischen öfter Dinge auf die Werkbank gelegt. Diesmal könnten wir etwas ausgesprochen Unhöfliches tun:
Wir bauen später ein Lernsystem – und versuchen anschließend, es gezielt hereinzulegen.
Wir geben ihm zwei richtige Antworten und schauen, ob es daraus bereits Kompetenz macht.
Wir lösen Aufgaben perfekt mit KI-Hilfe und prüfen, ob es uns anschließend dieselbe Leistung ohne Hilfe zutraut.
Wir widersprechen einer Diagnose ohne guten Grund und beobachten, ob das System sofort einknickt.
Dann geben wir ihm einen guten Grund und schauen, ob es trotzdem an seinem alten Urteil festhält.
Wir füttern es mit einer veralteten Beobachtung.
Wir wechseln das Teilgebiet: IT-Profi hier, Anfänger dort.
Wir lassen eine bevorzugte Darstellungsform angenehm wirken und prüfen trotzdem, ob später tatsächlich mehr hängen bleibt.
Und irgendwann exportieren wir das, was unser System über den Lernenden zu wissen glaubt, und geben es einem zweiten System. Dann sehen wir nach, was davon Information ist – und was nur innerhalb unserer eigenen Maschine Sinn ergab.
Das wäre eine andere Art, eine KI-Lernanwendung zu bauen.
Nicht: Wir sammeln Features, bis das System beeindruckend aussieht.
Sondern: Für jede Behauptung bauen wir möglichst gleich den Versuch mit, an dem sie scheitern könnte.
Jean Pütz hätte vermutlich einen Arbeitstisch gebraucht.
Wir werden mehrere brauchen.
Was wir nach dreizehn Folgen wissen
Wir sind mit einer ziemlich einfachen Frage gestartet: Kann künstliche Intelligenz uns wirklich besser lernen lassen?
Dreizehn Folgen später ist die Antwort erfreulicherweise nicht in einen Werbeslogan geschrumpft.
Wir haben gesehen, dass gute Leistung während einer Unterstützung noch kein Beweis für späteres Können ist. Dass Hilfe nützlich sein und zugleich zu lange bleiben kann. Dass Prüfungen nicht nur messen, sondern Lernen verändern. Dass Schwierigkeiten produktiv sein können, aber nicht deshalb beliebig vermehrt werden sollten. Dass Automatisierung Leichtigkeit schaffen darf. Dass Wiederholung einen Zeitpunkt braucht, ohne dass es dafür einen universellen Kalender gibt. Dass Selbsteinschätzung informativ und fehlbar zugleich ist.
Und nun kommt etwas hinzu:
Eine Lern-KI muss nicht möglichst viel über einen Menschen wissen.
Sie muss genug über die richtige Frage wissen, um einen begrenzten Schluss zu rechtfertigen.
Das ist bescheidener.
Es ist auch anspruchsvoller.
Denn damit können wir uns nicht mehr hinter dem Wort „Personalisierung“ verstecken. Wir müssen für jede Anpassung sagen, welche Beobachtung sie trägt, welche Unsicherheit bleibt und woran wir erkennen würden, dass die Entscheidung falsch war.
Damit endet dieser erste Forschungsbogen.
Nicht die Reise.
Denn auf unserer Werkbank liegt inzwischen etwas, das wir am Anfang noch nicht hatten: kein fertiger Bauplan, sondern ein ziemlich brauchbares Lastenheft voller Fragen.
Das ist vermutlich der richtige Moment, die Ärmel hochzukrempeln.
Der Nürnberger Trichter darf dabei zusehen.
Quellen und Spuren
- Piech et al. (2015): Deep Knowledge Tracing. NeurIPS. Endpunkt: Vorhersage nachfolgender Antworten; kein umfassender Kompetenznachweis.
- Abdelrahman, Wang & Nunes (2023): Knowledge Tracing: A Survey. ACM Computing Surveys. DOI 10.1145/3569576.
- Bull et al. (2008): Can Students Edit Their Learner Model Appropriately? ITS Proceedings. DOI 10.1007/978-3-540-69132-7_74.
- Kerly, Ellis & Bull (2008): CALMsystem: A Conversational Agent for Learner Modelling. Knowledge-Based Systems. DOI 10.1016/j.knosys.2007.11.015.
- Wang et al. (2024): The Efficacy of AI-Enabled Adaptive Learning Systems ... Journal of Educational Computing Research. DOI 10.1177/07356331241240459.
- Lindsey et al. (2014): Improving Students’ Long-Term Knowledge Retention Through Personalized Review. Psychological Science. DOI 10.1177/0956797613504302.
- Tetzlaff, Simonsmeier, Peters & Brod (2025): A cornerstone of adaptivity – A meta-analysis of the expertise reversal effect. Learning and Instruction. DOI 10.1016/j.learninstruc.2025.102142.
- Bull (2016): Negotiated learner modelling to maintain today’s learner models. Research and Practice in Technology Enhanced Learning. DOI 10.1186/s41039-016-0035-3.
- Pashler et al. (2008/2009): Learning styles: Concepts and evidence. Psychological Science in the Public Interest. DOI 10.1111/j.1539-6053.2009.01038.x.
- Sibley, Berner & Schmalfeldt (2026): Effectiveness of adaptive versus non-adaptive intelligent tutoring systems in early primary mathematics. Computers & Education Open. DOI 10.1016/j.caeo.2026.100420.
- Wang & Yin (2022): Effects of Explanations in AI-Assisted Decision Making. ACM Transactions on Interactive Intelligent Systems. DOI 10.1145/3519266. Für F12 Analogie aus allgemeiner KI-Entscheidungsunterstützung, keine direkte Bildungsstudie.
- Karich, Burns & Maki (2014): Updated Meta-Analysis of Learner Control Within Educational Technology. Review of Educational Research. DOI 10.3102/0034654314526064.
- Scarlatos, Baker & Lan (2025): Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs. LAK. DOI 10.1145/3706468.3706501.
- Li, Kuang & Botelho (2026): Evaluating and Improving LLM Confidence Calibration in Educational Dialogue Coding. AIED. DOI 10.1007/978-3-032-29755-6_18. Enger Endpunkt: Konfidenz bei Dialog-Codierung, nicht Mastery-Kalibrierung.
- Kay (2019): From data to personal user models for life-long, life-wide learners. British Journal of Educational Technology. DOI 10.1111/bjet.12878.
- 1EdTech: Comprehensive Learner Record Standard 2.0, Open Badges 3.0 und Caliper Analytics 1.2. Standards für Nachweise bzw. Lernaktivitätsereignisse; kein Standard für ein vollständiges validiertes portables Learner Model.
