KI in der Schule: Was sollen wir jungen Menschen eigentlich beibringen?

Die Debatte über Künstliche Intelligenz in der Schule wird oft so geführt, als müssten wir nur schnell genug das richtige Fach einführen und die richtigen Programme auswählen. Dann würde der Rest schon folgen. In meinem letzten Beitrag habe ich beschrieben, dass die eigentliche Herausforderung nicht im Curriculum liegt, sondern in einem System, das weder die Lehrkräfte noch die Materialien hat, um KI-Kompetenz glaubhaft zu vermitteln. Der Blick ging auf Strukturen, Ressourcen und die Frage, wer das alles umsetzen soll.

Jetzt möchte ich die Frage noch ein Stück weiter drehen. Noch bevor wir über Lehrpläne sprechen, sollten wir uns fragen, was junge Menschen in einer Welt mit KI eigentlich lernen sollen. Geht es um das Anwenden eines gerade populären Werkzeugs? Geht es um Grundlagenwissen zu Sprachmodellen? Oder geht es um eine Haltung, die auch dann noch trägt, wenn das heute beste Modell in einem halben Jahr schon wieder alt wirkt?

Wer so fragt, landet überraschend schnell bei Wilhelm von Humboldt. Sein Bildungsideal war nie darauf ausgelegt, Menschen für einen konkreten Beruf zu optimieren. Es ging um Urteilskraft, um Selbstdenken, um die Fähigkeit, sich in einer sich verändernden Welt zurechtzufinden. Und genau das hat über Jahrhunderte erstaunlich gut funktioniert, gerade weil das Bildungssystem langsam und träge ist. Das ist kein Fehler, das ist ein Konstruktionsprinzip. Wer nicht jedem Trend hinterherläuft, muss sich auf das konzentrieren, was bleibt. Und was bleibt, ist meistens wertvoller als das, was gerade neu ist.

Trotzdem stellt sich jetzt eine Frage, die sich so vorher nicht gestellt hat. KI verändert nicht nur ein Werkzeug oder eine Branche, sie verändert den Umgang mit Wissen selbst. Wenn plausible Antworten jederzeit verfügbar sind, verschiebt sich das, was Bildung leisten muss. Nicht schneller werden ist die Aufgabe. Sondern klarer werden in dem, was zeitlos wichtig ist, und dabei ehrlich genug sein, um das Neue nicht zu ignorieren. Das Humboldtsche Prinzip muss nicht über Bord geworfen werden. Aber es muss sich die Frage gefallen lassen, ob es in seiner heutigen Umsetzung noch tief genug greift, wenn das Verhältnis zwischen Mensch und verfügbarem Wissen sich so grundlegend verändert.

Schule ist keine Produktschulung

Schule darf nicht so abstrakt sein, dass sie an der Lebenswelt vorbeigeht. Aber sie darf auch nicht so kurzfristig werden, dass das Gelernte mit dem nächsten Update zerfällt. Wenn Unterricht nur vermittelt, wie man heute einen möglichst guten Text aus einem System herausbekommt, dann ist das nützlich, aber noch keine Bildung. Bildung beginnt dort, wo junge Menschen verstehen, was ein System leisten kann, was es nicht leisten kann und warum beides wichtig ist.

Gerade bei großen Sprachmodellen ist diese Unterscheidung entscheidend. Ein LLM erzeugt Sprache auf Basis von Wahrscheinlichkeiten und Mustern. Es hat keine Meinung, keine Wünsche und kein inneres Wollen. Es wirkt oft erstaunlich klug, weil Sprache selbst voller Regelmäßigkeiten ist und weil diese Systeme gelernt haben, sehr schöne Sätze zu bilden. Genau deshalb braucht es in der Schule ein Verständnis dafür, dass ein schöner, in gutem Deutsch formulierter Satz trotzdem reflektiert werden muss und nicht per se einen Mehrwert schafft.

Wer heute unterrichtet, welches Modell gerade am besten ist oder welche Prompt-Formel die besten Ergebnisse liefert, vermittelt Wissen mit einer Halbwertszeit von wenigen Wochen. Die entscheidende Frage für guten KI-Unterricht ist aber eine andere.

Sek 1: Orientierung vor Optimierung

In der Unterstufe halte ich es für einen Fehler, zu früh in Tool-Detailwissen einzusteigen, bevor sie gelernt haben, dessen Output bewerten zu können.

Das lässt sich erstaunlich gut spielerisch vermitteln. Eine Lehrkraft kann Sätze beginnen und die Klasse ergänzt sie gemeinsam. „Heute in der Früh habe ich meine Zähne mit …” oder „Im Winter ziehe ich eine warme … an.” Bei solchen alltäglichen Sätzen kommen fast alle auf ähnliche Wörter. Dann variiert die Lehrkraft. „Der Astronaut frühstückte auf dem Mond ein …” oder „Der Drache schrieb seiner Oma einen …” Jetzt werden die Antworten bunter, manchmal absurd, aber sie bleiben sprachlich passend. Aus dieser Erfahrung heraus lässt sich erklären, dass auch ein Sprachmodell nicht im menschlichen Sinn versteht, sondern Muster fortsetzt und Wahrscheinlichkeiten nutzt.

Der entscheidende Moment kommt danach. Man kann mit der Klasse besprechen, warum etwas richtig klingen kann und trotzdem falsch ist. Man kann zeigen, dass ein flüssiger Satz noch kein Beweis ist. Intelligenz verbinden wir im Alltag schnell mit Absicht, Gefühl und Bewusstsein, aber ein Sprachmodell zeigt uns, das Gegenteil, dass überzeugende Sprache auch ohne all das entstehen kann, was für viele schwer vorstellbar ist.

Diese Einsicht ist für die Unterstufe enorm wertvoll, weil sie zugleich entzaubert und stärkt. Wer nach so einer einfachen Übung versteht, dass eine KI mit Wahrscheinlichkeiten arbeitet und weder Meinung noch Wünsche hat, verliert oft auch eine diffuse Angst. Es wird begreifbar, dass hinter einem Sprachmodell keine Seele steckt, kein Bewusstsein und schon gar kein geheimer Plan zur Weltherrschaft. Es ist ein statistisches System, das Wörter wahrscheinlich fortsetzt. Nicht mehr und nicht weniger. Ich würde sogar behaupten, dass dieses Grundverständnis in Österreich noch überraschend wenig verbreitet ist und vermutlich ein sehr großer Teil der Bevölkerung KI so noch nicht klar einordnen kann.

Sek 2: Verstehen, anwenden, verantworten

In der Oberstufe darf es dann konkreter werden. Hier reicht reine Entzauberung nicht mehr. Jugendliche sollten lernen, KI sinnvoll einzusetzen, ohne ihr Denken auszulagern.

Verstehen bedeutet dabei nicht mathematische Tiefe um jeden Preis, sondern tragfähige Modelle im Kopf. Piaget hat beschrieben, wie Menschen durch Erfahrung innere Schemata aufbauen, mit denen sie neue Situationen einordnen. Wenn etwas nicht ins bestehende Schema passt, entsteht ein produktives Ungleichgewicht, das zum Umdenken zwingt. Genau das sollte KI-Unterricht in der Oberstufe leisten. Jugendliche kommen mit einem intuitiven Schema an, das ungefähr lautet: Wenn etwas klug klingt, ist es vermutlich auch klug. Guter Unterricht bringt dieses Schema ins Wanken, indem er zeigt, dass ein Sprachmodell überzeugend formulieren kann, ohne irgendetwas zu verstehen. Was ist ein Sprachmodell in Grundzügen? Warum basiert es auf Mustern und Wahrscheinlichkeiten? Was sind Trainingsdaten, Bias, Halluzinationen? Warum ist ein guter Output nicht automatisch wahr? Das Ziel ist nicht, alle zu KI-Entwicklerinnen und -Entwicklern zu machen. Das Ziel ist, dass niemand KI mit Magie verwechselt.

Ein gutes Unterrichtsbeispiel für die praktische Anwendung ist eine Rechercheaufgabe zu einem gesellschaftlichen Thema, etwa zu Chancen und Risiken von KI im Bildungsbereich oder zur Frage, wie KI die politische Meinungsbildung verändert. Die Schülerinnen und Schüler nutzen ein KI-System zuerst als Denkpartner für den Einstieg. Sie lassen sich Begriffe erklären, sammeln mögliche Perspektiven und strukturieren das Feld. Danach beginnt der eigentliche Lernschritt. Sie prüfen die Aussagen, suchen belastbare Quellen, vergleichen Formulierungen und markieren Stellen, die zwar überzeugend klingen, aber unklar oder unbelegt sind.

Am Ende steht nicht nur ein Text oder eine Präsentation, sondern auch eine kurze Reflexion darüber, wobei die KI hilfreich war und wo sie in die Irre geführt hat. Genau hier entsteht echte Kompetenz. Die Jugendlichen erleben, dass KI beim Start helfen kann, dass die Verantwortung für den Inhalt aber bei ihnen bleibt. Sie lernen nicht nur ein Tool zu bedienen, sondern die Qualität von Aussagen zu prüfen und mit Unsicherheit umzugehen.

Gerade an berufsbildenden höheren Schulen gibt es aber noch eine weitere Ebene, die nicht vergessen werden darf. Hier sollte durchaus konkret mit LLMs gearbeitet werden, und zwar nicht nur textuell. Bilder erstellen, kleine Softwarelösungen automatisiert bauen, Workflows mit KI-Unterstützung gestalten. Das gehört zum Berufsalltag, auf den diese Schulen vorbereiten. Allerdings verändert sich das Feld so schnell, dass klassischer Unterricht an seine Grenzen stößt. Man kann von Lehrkräften nicht verlangen, dass sie täglich auf dem neuesten Stand sind, wenn sich die Werkzeuge im Wochenrhythmus weiterentwickeln. Hier bietet sich ein Workshopkonzept an, das von Praktikerinnen und Praktikern aus der Branche begleitet wird, die das Wissen mitbringen, das ein Lehrplan strukturell nicht aktuell halten kann. Der reguläre Unterricht liefert das Fundament, die Workshops liefern die Praxis. Beides zusammen ergibt mehr als jedes für sich.

Spätestens in der Oberstufe ist KI aber nicht nur ein Werkzeugthema, sondern ein Demokratiethema. Wer kontrolliert die Systeme? Welche Interessen stecken hinter den Plattformen? Was bedeutet Automatisierung für Arbeit, Kreativität und Bildung? Was passiert mit Sprache, wenn wir uns an standardisierte KI-Texte gewöhnen? Wer KI-Kompetenz nur funktional versteht, greift zu kurz. In einer demokratischen Gesellschaft müssen junge Menschen auch fragen können, welche Welt diese Technologie baut und ob sie das so wollen.

Ein Bildungskompass

Wenn man die Frage nach KI-Bildung für Sek 1 und Sek 2 ernst nimmt, ergibt sich daraus ein recht klarer Weg. In der Unterstufe geht es zuerst um Verständnis im Alltagssinn, um Entmystifizierung und um die Fähigkeit, überzeugende Sprache nicht mit Wahrheit zu verwechseln. In der Oberstufe geht es dann um die Verbindung aus Grundverständnis, praktischer Anwendung und Verantwortung. Was sich verändert, sind die Beispiele und die Tiefe. Was gleich bleibt, ist der Anspruch, dass Schule nicht nur schnelle Nutzung lehrt, sondern Urteilskraft.

Schulen müssen nicht jeden Hype mitmachen. Sie müssen nicht jedes neue Modell im Monatsrhythmus behandeln. Und sie müssen auch nicht so tun, als wären alle Schülerinnen und Schüler zukünftige KI-Ingenieurinnen oder Prompt-Spezialistinnen. Was Schule leisten sollte, ist ein stabiles Fundament, ein realistisches Technikverständnis und eine Kultur des Prüfens. Denn wenn ein junger Mensch die Grundlagen verstanden hat, kann er sich neue Modelle auch in drei Jahren noch aneignen. Wenn er aber nur Workflows auswendig gelernt hat, ist sein Wissen mit dem nächsten Interface-Update wertlos.

Schlussgedanke

Vielleicht ist die wichtigste KI-Kompetenz am Ende gar nicht Prompten. Vielleicht ist es die Fähigkeit, in einer Welt voller automatisierter Antworten die eigene Reflexionsfähigkeit und das Denken nicht zu verlieren. Bildung zeigt sich, in der aktuellen Diskussion, nicht in der Geschwindigkeit, in der man Antworten kann, sie zeigt sich in der Fähigkeit, eine überzeugende Antwort nicht sofort für wahr zu halten.

Genau das müssen wir in der Schule vermitteln und das nicht nur für die nächste Version eines Modells, sondern für ein Leben in einer Welt, in der überzeugende Antworten im Überfluss existieren und echtes Verstehen zur seltenen Kompetenz wird.

Wollen wir junge Menschen zu effizienten Anwendern machen oder zu mündigen Menschen, die neue Werkzeuge einordnen können? Das eine ist kurzfristig nützlich. Das andere ist Bildung. Beides ist wichtig.