Sonntag, den 28.06.2026

Im heutigen Newsletter stellt Ihnen Herr Markus Piller, Lehrkraft für die Fächer Mathematik, Religion und Musik am JMFG in Burglengenfeld und Experte im Referentennetzwerk für Digitale Bildung an den Gymnasien in der Oberpfalz, seine Gedanken und Erfahrungen zum Phänomen des Deskilling durch die Nutzung von KI im Unterricht vor.

Liebe Kolleginnen und Kollegen,

es war eine ganz normale Frage aus der Zwölften, kurz vor der Schulaufgabe: „Herr Piller, was halten Sie davon, wenn wir den Stoff Gemini erklären lassen?“ Ich arbeite selbst täglich mit KI. Ich schreibe damit, plane damit, bereite meinen Unterrichtsstoff manchmal sogar in NotebookLM auf, und natürlich war mir längst klar, dass meine Schülerinnen und Schüler KI nutzen. Die Frage hätte mich also gar nicht überraschen dürfen. Das Vorgehen, das sie beschrieben, fand ich sogar nachvollziehbar: schwierige Texte eingeben, sich die Kerngedanken erklären lassen, Zusammenhänge klären. Wer kein Geld für Nachhilfe hat, bekommt mit einem guten KI-Modell plötzlich etwas, das sich wie ein persönlicher Tutor anfühlt – geduldig, verfügbar, immer bereit. Das ist eine echte Demokratisierung von Lernunterstützung, und ich finde es grundsätzlich gut, und trotzdem blieb mir ein ungutes Gefühl zurück. Die Schulaufgabe, die ich kurz danach korrigierte, zeigte dann bei einem Teil der Klasse deutliche Schwierigkeiten mit der Textarbeit – aber war das wirklich neu? Hatten frühere Jahrgänge das besser hinbekommen? Oft nicht. Die Bereitschaft, sich in schwierige Lektüre hineinzukämpfen, war selten eine Stärke der Mehrheit. Dann hörte ich einen Vortrag einer KI-Forscherin – und das Konzept, das sie beschrieb, gab meinem diffusen Unbehagen einen Namen: Deskilling.

Was Deskilling bedeutet

Unter Deskilling versteht man das schleichende Verlernen von Fähigkeiten durch deren Auslagerung an Technologie. Das ist kein neues Phänomen – GPS hat unser Orientierungsvermögen erodiert, Taschenrechner das Kopfrechnen. Aber was generative KI übernehmen kann, ist von einer neuen Qualität. Kreativität und kognitive Kompetenz sind weniger ein Talent, das man hat oder nicht hat, sondern wie eine Muskulatur: Sie wächst durch Gebrauch und atrophiert durch Nichtbeanspruchung. Wie sich diese Dynamik konkret auswirkt, zeigt eine aktuelle Studie des MIT aus dem Jahr 2025 („Your Brain on ChatGPT“): Forschende ließen 54 Probanden Essays verfassen – einmal mit KI-Unterstützung, einmal mit Suchmaschine und einmal ohne Hilfsmittel – und maßen dabei die Gehirnaktivität per EEG. Das Ergebnis ist bemerkenswert klar: Die Gruppe, die mit KI arbeitete, wies die niedrigste Gehirnkonnektivität auf; insbesondere jene Areale, die für Aufmerksamkeit, Gedächtnis und reflektiertes Denken zuständig sind, waren deutlich weniger aktiv. Vor diesem Hintergrund erscheint Deskilling nicht mehr als abstrakte Befürchtung, sondern als messbarer Prozess: Wenn kognitive „Muskeln“ seltener beansprucht werden, beginnen sie nachweisbar an Leistungsfähigkeit einzubüßen – sie atrophieren immer dann, wenn generative KI besonders stark unterstützt. Besonders alarmierend: 83 % der ChatGPT-Nutzenden konnten keine einzige Passage aus ihren eigenen, KI-gestützten Essays zitieren. Die Forschenden sprechen in diesem Zusammenhang von "cognitive debts", also „kognitiven Schulden“ – einer schleichenden Beeinträchtigung der kognitiven Fähigkeit durch wiederholtes Auslagern. Hinzu kommt, was die Forscherin als "kognitive Illusion" bezeichnet: KI liefert flüssige, plausible Antworten, die sich nach Verstehen anfühlen, ohne es wirklich zu sein. Schülerinnen und Schüler konsumieren KI-Zusammenfassungen und halten das für Vorbereitung – tatsächlich aber entsteht tiefes Verständnis nur durch eigene kognitive Arbeit.

Der Wert der Schwierigkeit

Die Lernpsychologie hat für diese Erkenntnis einen Namen: "Desirable Difficulties" – erwünschte Schwierigkeiten (Bjork & Bjork, 1994). Lernbedingungen, die sich zunächst mühsam anfühlen, hinterlassen langfristig tiefere Spuren im Gedächtnis als glatter, reibungsloser Wissenserwerb. Ich habe das an mir selbst erlebt: Als ich begann, Klavier wirklich diszipliniert zu üben – nicht die leichten Stellen zu wiederholen, sondern genau die schwierigen Passagen so lange zu spielen, bis sie saßen – hatte ich plötzlich insgesamt bessere Schulnoten. Was ich im Klavierüben gelernt hatte, war nicht nur eine Technik, sondern eine Haltung: kognitiv an die eigenen Grenzen zu gehen, durchzuhalten, Selbstwirksamkeit durch eigene Mühe zu erleben. Wer das kennt, lernt anders. Ich befürchte, dass Menschen dieses Erleben verlieren, wenn sie alles Anstrengende konsequent auslagern.

Ein KI-Modell, das sofort und vollständig erklärt, springt über diese Zone hinweg, anstatt in ihr zu scaffolden – so der Bildungsforscher Mutlu Cukurova (UCL). Er unterscheidet drei Modi: KI als Externalisierung (KI übernimmt kognitive Arbeit), als Internalisierung (KI-Erklärungen prägen eigene mentale Modelle) und als Extension (Mensch und KI erweitern sich gegenseitig). Die pädagogische Frage lautet also nicht: KI ja oder nein – sondern: auf welcher Ebene?

Was ich daraus mache

Ich will weder KI verteufeln noch unkritisch zulassen. Deshalb erprobe ich aktuell zwei Ansätze, die auf Extension statt Externalisierung zielen:

1) Fragen vor dem Text: Vor der Lektüre anspruchsvoller Texte entwickeln Schülerinnen und Schüler eigene Fragen, die sie im Text beantwortet erwarten. Der Text wird damit zur Befriedigung eigener Neugier. KI darf danach bei einzelnen Passagen helfen – aber erst danach.

2) Gestuftes Material: Ich stelle zum selben Stoff verschiedene Aufbereitungsstufen bereit – Schaubilder, Stichpunkte, Erklärvideos, ausführliche Texte. Wer tiefer gehen möchte, findet den Weg. Neugier wird nicht erzwungen, aber strukturell eingeladen.

Was ich meinen Klassen deshalb sage: Wer die KI für sich lernen lässt – wer nur Zusammenfassungen konsumiert und diese auswendig lernt – muss sich mit maximal mittelmäßigen Noten zufriedengeben. Denn tiefes Verständnis entsteht nicht durch Rezeption, sondern durch kognitive Arbeit. Aber: Wer die KI nutzt, um die eigenen Grenzen auszuweiten – um Zusammenhänge zu hinterfragen, Erklärungen zu prüfen, weiter zu denken als der Text ermöglicht – der lernt tiefer als je zuvor. 

Verwendete Studien: Kosmyna et al. (2025), MIT Media Lab · Gerlich (2025), MDPI · Bjork & Bjork (1994) · Cukurova (2024/2025), British Journal of Educational Technology

Wenn Sie weitere Fragen zu dem Thema des Deskilling haben oder mit Herrn Piller zu diesem Thema in Austausch treten möchten, können Sie ihn gerne über unsere Homepage kontaktieren.  

Mit besten Grüßen aus der MB-Dienststelle in Regensburg

David Bartmann (iBdB), Michael Schmid (mBdB) und das Expertenteam der Beratung digitale Bildung