Diese Woche sprechen wir im Grundlagenkurs über Token. Ich erkläre, dass „Arbeitsplatz“ in „Arbeits“ und „platz“ zerlegt wird, dass so ein Modell nicht denkt, sondern nur berechnet, welches Wort als nächstes am wahrscheinlichsten ist, geübt an Billionen solcher Bausteine. Die Gruppe nickt, ungefähr so, wie man nickt, wenn man etwas zum ersten Mal hört und noch nicht weiß, wohin damit.
Dann kommt die Folie mit den Anwendungsfällen. Kundenservice, Content Creation, und als Drittes: Bildung. Ich lese den Satz vor, den ich selbst vor Monaten für genau diese Folie geschrieben habe. Ein geduldiger Nachhilfelehrer, rund um die Uhr verfügbar, nie genervt, auch beim dritten Mal nicht.
An dieser Stelle rutsche ich aus dem Skript. Ich fange an zu erzählen, was ich wirklich denke. Dass das hier keine kleine Zusatzfunktion ist, sondern die größte Verschiebung, die ich in der Bildung seit Langem sehe. Nicht weil die KI plötzlich klüger wäre als eine Lehrkraft. Sondern weil zum ersten Mal wirklich jeder Lernende einen eigenen Tutor haben könnte.
1984 hat der Bildungspsychologe Benjamin Bloom etwas veröffentlicht, das seither als das Zwei-Sigma-Problem bekannt ist. Ein Schüler mit persönlichem Einzeltutor schnitt im Schnitt besser ab als 98 von 100 Schülern im normalen Klassenunterricht. Zwei Standardabweichungen, ein gewaltiger Unterschied. Nur konnte sich seit vierzig Jahren niemand leisten, jedem Kind einen eigenen Tutor zu geben. Eine Auswertung von 96 Tutoring-Studien aus dem Jahr 2020 kam im echten Schulalltag ohnehin nur auf einen Bruchteil davon, im Schnitt 0,37 Standardabweichungen. Bloom hatte recht mit der Diagnose. Nur leisten konnte sie sich niemand.
Dieses alte Versprechen holt die KI jetzt nach, zumindest auf dem Papier. Immer verfügbar, beliebig geduldig, passt Tempo und Erklärung an, ohne müde zu werden. Fast wortwörtlich das, was auf unserer Folie steht.
Ganz so einfach ist es dann doch nicht. Eine zweijährige Studie in achtzehn Mittelschulen in Tennessee, ausgerechnet diese Woche veröffentlicht, hat genau das mit Khan Academys KI-Tutor Khanmigo getestet. Zugang hatten fast alle Schüler. Genutzt hat ihn nur ein gutes Drittel der Tage, an denen überhaupt gearbeitet wurde. Der Ökonom Philip Oreopoulos, einer der Studienautoren, bringt es auf den Punkt: Wer motiviert ist, bekommt einen wirklich guten Tutor. Die meisten sind es nicht, jedenfalls nicht von allein.
Aus der Gruppe kommt an dieser Stelle eine Frage in den Chat. Und wenn mir die KI nachts um drei etwas Falsches erklärt, wer merkt das eigentlich?
Gute Frage. Eine andere Untersuchung, im Frühsommer 2025 in Großbritannien, von der Lernplattform Eedi zusammen mit Googles LearnLM-Team, liefert die Antwort fast punktgenau. Fünf Sekundarschulen, hundertfünfundsechzig Schüler, siebzehn erfahrene Lehrkräfte als Tutoren, die live mit KI-Vorschlägen arbeiteten statt allein zu unterrichten. Beim reinen Mensch-Tutoring lösten 60,7 Prozent der Schüler die erste Aufgabe im nächsten Themenblock richtig, mit Mensch und KI zusammen waren es 66,2 Prozent. Ein Plus von 5,5 Prozentpunkten beim eigentlichen Wissenstransfer, nicht weil die KI die bessere Lehrkraft gewesen wäre, sondern weil die Tutoren in vierundvierzig Prozent ihrer Eingriffe das Tempo gedrosselt haben, wenn ein Schüler an der KI-Logik zu verzweifeln drohte, und in weiteren zwanzig Prozent den Ton abgemildert haben, wenn die Maschine zu sachlich, zu kühl, zu sehr Maschine klang.
Das erzähle ich der Gruppe auch so. Der Tutor um drei Uhr nachts ersetzt mich nicht. Er überbrückt die Zeit, in der sonst niemand erreichbar wäre, geduldig genug für den Moment. Wer es prüft, wer nachfragt, wer merkt, wenn etwas nur überzeugend klingt statt richtig zu sein, das bleibt vorerst ein Mensch. Bei uns im Kurs bin das noch ich. Am nächsten Kurstag, mit Kaffee, in Ruhe.
Quellen
- Bloom, B. S. (1984). The 2 Sigma Problem, zusammengefasst mit Replikationsstand (Meta-Analyse 2020, 96 Tutoring-Studien).
https://nintil.com/bloom-sigma/ - National Bureau of Economic Research / Chalkbeat (25.08.2026). Zweijährige Studie zu Khan Academys KI-Tutor Khanmigo in 18 Mittelschulen, Tennessee.
https://www.nber.org/papers/w35620
https://www.chalkbeat.org/2026/08/25/ai-tutoring-students-khanmigo-khan-academy-engagement-study/ - LearnLM Team Google & Eedi (2025). AI tutoring can safely and effectively support students: An exploratory RCT in UK classrooms. Frei zugängliches Preprint mit allen Studiendaten (Mai–Juni 2025, 5 Sekundarschulen, 165 Schüler, 17 Tutoren).
https://arxiv.org/abs/2512.23633
