Adaptive Lernplattformen, KI-Tutoren und gamifizierte Kurse versprechen, betriebliche Weiterbildung schneller und müheloser zu machen. Der Lernforscher und Bestsellerautor Scott Young hält dagegen und stützt sich auf Jahrzehnte Bildungsforschung. Seine Skepsis ist einen zweiten Blick wert, gerade in Personalabteilungen und bei der Planung von Bildungsbudgets.
Ein Klick · kostenlosDr. Web bei Google bevorzugenMarkieren Sie drweb.de als bevorzugte Quelle. Dann sehen Sie unsere Artikel öfter unter den Top-Meldungen.Jetzt hinzufügenInhalt 7 Abschnitte
Lernen mit KI gilt als großer Hebel der Weiterbildung: Software passt den Schwierigkeitsgrad an, ein Chatbot beantwortet jede Frage sofort, Punkte und Abzeichen sollen die Motivation hochhalten. Scott Young dämpft genau diese Erwartung in einem viel beachteten Essay vom Mai 2026, ohne in Technikpessimismus zu verfallen.
Das Wichtigste in Kürze
- Im direkten Vergleich schlägt strukturierter Unterricht mit viel Übung fast immer die freien, projekt- und entdeckungsbasierten Methoden.
- Können setzt sich aus einer großen Menge kleiner Wissensbausteine zusammen, und an dieser Masse führt kein Weg vorbei.
- Gamification und adaptive Software lösen das kognitive Problem teilweise, das Motivationsproblem aber kaum.
- KI-Tutoren sind besser als nichts, aber noch nicht besser als eine gute Lehrkraft (Stand: Juni 2026).
Warum scheitern die populären Lernreformen?
Weg vom sturen Auswendiglernen, hin zu Projekten und echtem Anwenden: Die Idee klingt einleuchtend. Am Forschungsstand gemessen sind diese Reformen jedoch schlechter als ihr Ruf.
Das Project Follow Through, eines der größten Bildungsexperimente überhaupt, verglich in den 1970er-Jahren verschiedene Unterrichtsmethoden an Zehntausenden Schülern. Am besten schnitt die Direct-Instruction-Methode ab, also klar strukturierter Unterricht mit angeleiteten Übungen im Gleichschritt.
In der Medizinausbildung kam eine vielzitierte Metaanalyse von Albanese und Mitchell zu dem Ergebnis, dass problembasiertes Lernen mehr Lernzeit verschlang und in Prüfungen schlechtere Ergebnisse brachte als der klassische Weg.
Beim Lesenlernen gewinnt der systematische Buchstabe-Laut-Unterricht gegen Ansätze, die vor allem die Begeisterung fürs Lesen wecken wollen.
Project Follow Through, 1970er-Jahre, Zehntausende Schüler
Direct Instruction: strukturierter Unterricht mit angeleiteten Übungen
Freie, projekt- und entdeckungsbasierte Methoden
Metaanalyse von Albanese und Mitchell
Klassische Ausbildung mit besseren Prüfungsergebnissen
Problembasiertes Lernen: mehr Lernzeit, schlechtere Prüfungsergebnisse
Vergleich der Leselernmethoden
Systematischer Buchstabe-Laut-Unterricht
Ansätze, die vor allem Lesebegeisterung wecken wollen
In allen drei Feldern gewinnt die Methode mit klarer Struktur und viel angeleiteter Übung.
Was bedeutet das für KI-gestütztes Lernen?
Youngs Kernargument zielt mitten ins Geschäftsmodell der Lernsoftware-Anbieter: Können besteht aus einem riesigen Vorrat kleiner Bausteine wie Vokabeln, Regeln, Handgriffen und Begriffen. Eine Sprache sitzt erst, wenn Zehntausende Wörter abrufbar sind, und jede Methode, die diese Masse überspringen will, verfehlt das Ziel. Für jedes Lernbudget bleiben deshalb nur zwei echte Hebel: die Effizienz steigern, etwa über verteiltes Üben und gezieltes Abfragen, die die kognitive Last sauber dosieren, oder klüger auswählen, was überhaupt gelernt wird.
Die stärkste Forschungsbasis haben verteiltes Üben und regelmäßiges Abfragen. Aufwendige Techniken wie Eselsbrücken oder Mindmaps schneiden im direkten Vergleich schlechter ab.
Eine KI dreht an diesen Stellschrauben im besten Fall ein Stück, den Engpass im Kopf beseitigt sie nicht.
Sind gamifizierte Lernplattformen ihr Geld wert?
Scott Young vergleicht spielerische Lern-Apps mit Medizin, die in Bonbonpapier gewickelt ist. Das Bonbon hilft manchen, die bittere Übung überhaupt zu schlucken. Die Süßigkeit lässt sich aber leicht ablutschen und die Medizin wegwerfen. Seine eigenen Tests mit Lern-Apps für sein Kind bestätigten den Verdacht: Der Nachwuchs jagte den Belohnungen hinterher und ließ den Lernkern links liegen.
Adaptive Software, die den Schwierigkeitsgrad automatisch anpasst, löst ein echtes Problem: unterschiedliche Vorkenntnisse. Die Anpassung greift jedoch nur auf der kognitiven Seite.
Eine gemeinsame, anspruchsvolle und doch erreichbare Messlatte motiviert oft besser als ein auf jeden Einzelnen zugeschnittenes Ziel. Diese Motivationsfrage entscheidet in den meisten Betrieben, ob Mitarbeiter lernen oder als Karteileichen im Lernmanagementsystem enden. Ob ein System gemeinsame Gruppenziele und Auswertungen für das ganze Team abbildet oder nur Einzelfortschritte misst, unterscheidet sich je nach Anbieter; einen Überblick gibt unser Vergleich der Lernplattformen.
Die teuerste KI-Lernplattform ersetzt nicht die zehntausend Vokabeln, die ein Kopf erst einmal speichern muss. Wir kaufen gern Werkzeuge gegen ein Problem, das in Wahrheit Übung und Geduld verlangt.
Markus Seyfferth, Chefredakteur Dr. Web
Wie gut sind KI-Tutoren wirklich?
Viele Hoffnungen knüpfen sich an Benjamin Blooms berühmtes 2-Sigma-Problem. Einzelbetreuung hebt die Leistung im Schnitt deutlich, und ließe sich dieser Effekt automatisieren, wäre viel gewonnen.
Young nutzt KI selbst intensiv beim Lernen und urteilt nüchtern. Die Modelle vom Frühjahr 2026 erkennen die individuellen Wissenslücken und Denkfehler eines Menschen noch schlecht. Im Alltag helfen KI-Tutoren beim Üben und beantworten Fragen sofort, doch die Diagnose, woran ein Lernender scheitert, bleibt ihre Schwachstelle. Die Werkzeuge stehen damit auf der Stufe „besser als nichts“, nicht auf der Stufe „besser als eine Lehrkraft“.
Die Praxis bestätigt Youngs Einordnung: An der University of California in Berkeley sind die Durchfallquoten in Informatik-Kursen sprunghaft gestiegen, seit Studierende KI unbedacht einsetzen, wie unsere Auswertung der Berkeley-Daten dokumentiert. Ohne sauberes Lernfundament häuft der KI-Einsatz eher kognitive Schulden an, als dass er echte Kompetenz aufbaut.
Was sollten Entscheider aus dieser Skepsis mitnehmen?
Für Weiterbildungsbudgets heißt Youngs Befund nicht, auf KI zu verzichten, sondern realistisch zu planen. Setzen Sie das Werkzeug gerne dort ein, wo KI nachweislich hilft: beim verteilten Abfragen und als geduldiger Sparringspartner für ohnehin motivierte Mitarbeiter.
Den Großteil der Wirkung holen Sie weiterhin aus bewährten Mechanismen. Lassen Sie regelmäßig und über Wochen verteilt üben statt im Crash-Kurs, und messen Sie den Fortschritt mit ehrlichen Tests statt mit hübschen Dashboards. Bevor Sie eine Lernplattform lizenzieren, prüfen Sie, welche KI-Funktionen überhaupt zu Ihren Aufgaben passen; eine Vergleichsbasis liefert unser LLM-Ratgeber für DACH-Unternehmen.
Youngs Fazit als Faustregel: Eine KI beschleunigt einen Lernprozess, der ohnehin funktioniert, einen kaputten Prozess macht sie nur bunter, nicht besser.
Den vollständigen Gedankengang hat Young in seinem Essay zur Schulreform niedergeschrieben.
- Verteiltes Abfragen von Lernstoff über Wochen
- Geduldiger Sparringspartner für ohnehin motivierte Mitarbeiter
- Recherchieren und Erklären auf Nachfrage
- Individuelle Wissenslücken und Denkfehler erkennen
- Das Motivationsproblem lösen
- Den Weg durch die Masse an Wissensbausteinen abkürzen
Eine KI beschleunigt einen Lernprozess, der ohnehin funktioniert, einen kaputten Prozess macht sie nur bunter.
Häufige Fragen zum Lernen mit KI
Ersetzt ein KI-Tutor die Lehrkraft?
Nein, Stand Juni 2026 nicht. KI-Tutoren helfen beim Üben und beantworten Fragen, erkennen individuelle Wissenslücken aber noch ungenau. Die Werkzeuge ergänzen also gute Lehre, ersetzen können sie die Lehrkraft nicht.
Lohnt sich Gamification in der Weiterbildung?
In Maßen. Spielelemente machen monotone Übung erträglicher. Verselbständigt sich das Spiel, bleibt der Lernkern allerdings auf der Strecke.
Welche Lernmethoden sind empirisch am besten belegt?
Verteiltes Üben und regelmäßiges Abfragen haben die stärkste Forschungsbasis. Aufwendige Techniken wie Eselsbrücken oder Mindmaps schneiden im Vergleich schlechter ab.
Macht KI das Lernen überflüssig?
Nein. Können entsteht durch gespeichertes Wissen und viel Übung. Eine KI recherchiert und erklärt, das Lernen selbst nimmt sie niemandem ab.
Was zeigte das Project Follow Through?
Das Bildungsexperiment verglich in den 1970er-Jahren verschiedene Unterrichtsmethoden an Zehntausenden Schülern. Am besten schnitt Direct Instruction ab, also klar strukturierter Unterricht mit angeleiteten Übungen im Gleichschritt.
Was ist das 2-Sigma-Problem?
Benjamin Bloom stellte fest, dass Einzelbetreuung die Lernleistung im Schnitt deutlich hebt. Die Hoffnung der KI-Branche: Ein KI-Tutor könnte diesen Effekt automatisieren. Die Modelle vom Frühjahr 2026 erkennen individuelle Denkfehler dafür aber noch zu schlecht.
Mehr Newshunger?
