Bessere Hausaufgaben, schlechtere Prüfungen: Generative KI verursacht Lernverlust bei Schülern

Die selbstberichtete KI-Nutzung stieg im Untersuchungszeitraum von nahezu null auf rund 80 Prozent. Eine deutliche Beschleunigung fiel zeitlich mit den Veröffentlichungen von DeepSeek V2.5 im September 2024 und DeepSeek R1 im Januar 2025 zusammen. Zu den meistgenutzten Werkzeugen zählten Doubao, DeepSeek, ChatGLM, Ernie Bot und Qwen.

Methodisch nutzt die Studie aus, dass die Schüler die KI zu unterschiedlichen Zeitpunkten für sich entdeckten. In einem sogenannten Difference-in-Differences-Design vergleichen die Autoren, wie sich die Leistungen eines Schülers vor und nach dem Einstieg in die KI-Nutzung veränderten, und stellen dieser Entwicklung die Leistungskurve von Schülern gegenüber, die noch keine KI nutzten. Der Zeitpunkt der ersten Nutzung beruht auf Selbstauskunft. Die kausale Interpretation setzt zudem voraus, dass sich beide Gruppen ohne KI ähnlich entwickelt hätten.

Bessere Hausaufgaben, schlechtere Klausuren

Sechs Monate nach der ersten KI-Nutzung stiegen die Hausaufgabenergebnisse um 18 Prozent, während die durchschnittliche Bearbeitungszeit pro Aufgabe von 64 auf 45 Minuten sank. Gleichzeitig fielen die Ergebnisse in den monatlichen Klausuren um 20 Prozent.

Der Effekt auf die Aufnahmeprüfungen war ähnlich groß, entfaltete sich aber langsamer. Die Klausurleistungen verschlechterten sich innerhalb eines halben Jahres vollständig. Bis der volle Effekt auf die Aufnahmeprüfungen sichtbar wurde, vergingen dagegen rund zwei Jahre. Er lag bei minus 18 bis 24 Prozent. Kurzfristige Untersuchungen unterschätzen die langfristigen Lernkosten laut der Studie daher systematisch.

Vier von fünf Langzeitnutzern zeigen Muster von Auslagerung

Nach mehr als fünf Monaten KI-Nutzung erledigten rund 81 Prozent ihre Hausaufgaben in weniger als 50 Minuten, also schneller als selbst die schnellsten Nicht-Nutzer. Sie erhielten hohe Hausaufgabennoten, schnitten aber in Klausuren schlecht ab. Die Kombination aus geringer Bearbeitungszeit, hohen Hausaufgabennoten und niedrigen Klausurwerten deutet laut den Autoren darauf hin, dass diese Schüler ihre Aufgaben an die KI auslagerten.

KI-Nutzer, die ähnlich viel Zeit auf Hausaufgaben verwendeten wie ihre Mitschüler ohne KI, erzielten dagegen vergleichbare Klausurergebnisse bei gleichzeitig besseren Hausaufgabennoten. Bei früheren Leistungen zeigte sich in dieser Gruppe keine positive Vorselektion. Es handelte sich also nicht schlicht um ohnehin bessere Schüler. KI schadet demnach nicht grundsätzlich, sondern vor allem dort, wo sie eigenständige Denkarbeit ersetzt.

Sozialwissenschaften am stärksten betroffen

Sozialwissenschaftliche Fächer wie Politik und Geographie verloren im Schnitt 27 Prozent, MINT-Fächer 22 Prozent, Englisch 17 Prozent und Chinesisch 9 Prozent. Bemerkenswert ist das, weil bisherige Experimente überwiegend Mathematik, Programmierung und Fremdsprachen untersucht haben.

Auch die Effekte nach Schülergruppen unterschieden sich stark. Jüngere Schüler der Sekundarstufe I verloren mehr als ältere (minus 24 gegenüber minus 17 Prozent). Jungen waren stärker betroffen als Mädchen (–21,6 gegenüber –18,4 %), was sich laut der Studie primär durch ihre höhere Nutzungsintensität erklären lässt.

Am härtesten traf es Spitzenschüler: Im obersten Leistungsdrittel lag der Effekt bei minus 24 Prozent, im untersten bei minus 16 Prozent. Zudem zeigte sich eine klare Dosis-Wirkungs-Beziehung. Schüler mit bis zu einer Stunde KI-Nutzung pro Woche verloren etwa 5 Prozent, solche mit fünf Stunden oder mehr 30 Prozent.

Warum kaum jemand reagiert

Der geschätzte Lernnachteil sank von rund 25 Prozent Anfang 2023 auf 16 Prozent im Juni 2025. Auch in einer fixierten Kohorte früher Nutzer zeigte sich der Rückgang, was auf eine gewisse Anpassung von Schülern und Lehrern hindeutet. Beseitigt sind die Verluste damit aber nicht.

Die Studie liefert Erklärungen dafür, warum die Gegenreaktion bislang verhalten ausfällt. Lehrer beobachten Schüler meist nur in einem Fach, wo Notenrückgänge von 20 Prozent nicht ungewöhnlich seien. Der aggregierte Effekt auf den Landkreisdurchschnitt erreichte erst im Juni 2025 knapp minus 10 Prozent, weil zuvor nur wenige Schüler KI nutzten. Die Schüler selbst erkennen den Zusammenhang oft nicht. Die kognitive Anstrengung beim eigenständigen Lernen halten sie fälschlich für ein Zeichen schlechteren Lernens.

Als Gegenmaßnahmen schlägt die Studie glaubwürdige Informationen über die langfristigen Kosten des Aufgabenauslagerns vor, ein stärkeres Gewicht geschlossener Präsenzprüfungen sowie ein Monitoring von Bearbeitungszeit statt von Hausaufgabennoten. Denn KI schwäche den Informationswert von Hausaufgaben. Bei KI-Nutzern mit überdurchschnittlichen Hausaufgabenscores korrelieren höhere Noten mit schlechteren Klausurergebnissen.

Anthropic-Forscher Andrej Karpathy argumentierte kürzlich, Schulen sollten aufhören, KI-generierte Hausaufgaben zu kontrollieren, und stattdessen den Großteil der Bewertung auf Präsenzarbeiten verlagern. Seine Begründung deckt sich mit den Ergebnissen der Studie: Wenn Schüler wissen, dass sie ohne KI geprüft werden, bleiben sie motiviert, den Stoff tatsächlich zu lernen.

Das Muster passt zu jüngeren Befunden aus anderen Kontexten. Eine Anthropic-Studie zeigte kürzlich, dass Teilnehmer, die neue Programmierfähigkeiten mit KI-Hilfe erlernten, in anschließenden Wissenstests um 17 Prozent schlechter abschnitten als die Kontrollgruppe, ohne dabei nennenswert Zeit zu sparen.

Eine Untersuchung der Swiss Business School fand einen negativen Zusammenhang zwischen KI-Nutzung und kritischem Denken. Wer KI vor allem als Antwortmaschine einsetzt, verliert kognitive Fähigkeiten am schnellsten.

Eine UC-Berkeley-Studie mit mehr als 500.000 Noten zeigte zudem, dass der Anteil der Bestnote A in schreib- und programmierintensiven Kursen seit ChatGPTs Veröffentlichung um 13 Prozentpunkte gestiegen ist. Auch dort konzentrierte sich der Effekt auf unbeaufsichtigte Hausaufgaben, während beaufsichtigte Prüfungen keine vergleichbaren Verbesserungen zeigten.