KI-Assistenzsysteme und Neurodivergenz im Unterricht: Chancen, Risiken und Perspektiven für das Gymnasium

Im Zuge der rasanten Verbreitung generativer KI rückt eine bislang wenig erforschte Frage in den Fokus schulischer Inklusionsdebatten:Inwiefern tragen KI‑Assistenzsysteme im Unterricht dazu bei, dass neurodivergente Schüler mit sonderpädagogischem Förderbedarf (z. B. Autismus, AVWS, ADHS, Dyslexie) besser am gemeinsamen Unterricht teilhaben – und wie erleben sie selbst die Nutzung dieser Tools?

Diese Fragestellung verknüpft zwei Ebenen, die in der bisherigen Forschung meist getrennt behandelt werden: Zum einen geht es um die objektive Wirkung KI‑basierter Lern- und Unterstützungssysteme auf Teilhabechancen und Lernerfolg. Zum anderen rückt die subjektive Perspektive neurodivergenter Schüler in den Blick – ihre Erfahrungen, Deutungen und möglichen Ambivalenzen im Umgang mit digitalen Assistenzwerkzeugen. Für den deutschsprachigen Raum liegt zu dieser spezifischen Kombination aus technologischer Innovation, inklusiver Beschulung und Neurodivergenz bislang kaum systematische Empirie vor. Auf Basis internationaler Studien und erster deutscher Befunde lässt sich die Frage jedoch bereits theoretisch fundieren und in ihre Chancen, Risiken und Spannungsfelder für das Gymnasium einordnen.

1. Stand der Forschung: KI, Assistive Technologien und Teilhabe

Eine große Zahl von Studien zu „klassischen“ KI‑basierten Lernumgebungen – etwa intelligenten Tutorensystemen – weist auf positive Effekte auf Lernergebnisse hin. Die Meta-Analyse von Ma et al. (2014) zeigt, dass intelligente Tutorensysteme im Schnitt deutlich bessere Lernleistungen ermöglichen als rein lehrerzentrierter oder traditionell computerunterstützter Unterricht, insbesondere weil sie adaptiv auf Fehler, Lernstand und Tempo der Schüler reagieren (Ma et al., 2014). Neuere Übersichtsarbeiten zu „Artificial Intelligence in Education“ bestätigen, dass Forschungsschwerpunkte bislang vor allem in Adaptivität, Feedback und Lernanalytik liegen, während Fragen von Inklusion, Diversität und spezieller Unterstützung neurodivergenter Lernender deutlich unterbelichtet bleiben (Zawacki-Richter et al., 2019).

Näher an der hier interessierenden Fragestellung sind Arbeiten zu Assistiven Technologien im engeren Sinn, also digitalen Hilfsmitteln, die Barrieren für Schüler mit Behinderungen abbauen. Die systematische Review von Fernández-Batanero et al. (2022) kommt zu dem Ergebnis, dass solche Technologien den Zugang zum Curriculum, die aktive Teilnahme und in vielen Fällen auch die Lernleistung von Schülern mit Behinderungen verbessern können – vorausgesetzt, sie werden didaktisch eingebettet und institutionell getragen, nicht nur individuell „dazugeschaltet“.

Generative KI – also Systeme wie ChatGPT und andere große Sprachmodelle – ist erst seit Ende 2022 Gegenstand breiterer Bildungsforschung. Wu, Dang und Li (2025) analysieren 99 Studien zum Einsatz generativer KI in der Hochschullehre. Studierende nutzen diese Tools vor allem für Textproduktion, Zusammenfassung, Übersetzung und Ideenfindung; die Bewertungen reichen von „unverzichtbare Unterstützung“ bis zu „Gefahr für die akademische Integrität“ (Wu et al., 2025). Auf der Schulebene untersucht Ronksley-Pavia et al. (2025) in einer Scoping-Review 21 Arbeiten zu generativer KI für neurodivergente Schüler. Identifiziert werden vier typische Funktionen:

1. Vereinfachung und Anpassung von Lernmaterialien,

2. Zerlegung komplexer Aufgaben in kleinere Schritte,

3. Unterstützung beim Schreiben,

4. Hilfe bei der Erstellung individualisierter Förderpläne (Ronksley-Pavia et al., 2025).

   
   

Viele dieser Studien sind qualitativ oder explorativ; robuste Wirkungsnachweise etwa in Form randomisierter Studien sind noch rar.

Im deutschsprachigen Raum liegen vorrangig Nutzungs- und Einstellungsstudien vor. Das Deutsche Schulportal fasst aktuelle Befunde zusammen, nach denen viele Jugendliche und Lehrkräfte KI‑Tools bereits nutzen, allerdings meist selbstorganisiert und ohne klare didaktische Rahmung. Ob Lerngewinne entstehen, hängt stark davon ab, ob KI vor allem zum „Erledigen“ von Aufgaben oder auch zum Verstehen, Üben und Reflektieren eingesetzt wird (Deutsches Schulportal, 2023). Für inklusiven Unterricht an Gymnasien, insbesondere mit Blick auf Neurodivergenz, besteht damit eine deutliche Forschungslücke.

2. Potenziale für Teilhabe neurodivergenter Schüler

Neurodivergente Schüler mit sonderpädagogischem Förderbedarf – etwa mit Autismus-Spektrum-Störung, Auditiv-Verarbeitungs- und Wahrnehmungsstörung (AVWS), ADHS oder Dyslexie – stoßen im gemeinsamen Unterricht auf wiederkehrende Barrieren. Dazu gehören:

• Überlastung durch Lärm, visuelle Reize und unstrukturierte Sozialinteraktionen,

• Schwierigkeiten beim schnellen Lesen, Schreiben oder Verarbeiten gesprochener Informationen,

• Probleme mit Planung, Zeitmanagement und Aufgabenstrukturierung,

• Unsicherheit in Bezug auf implizite soziale Regeln und kommunikative Erwartungen.

KI‑Assistenzsysteme eröffnen hier mehrere Ansatzpunkte.

(1) Abbau sprachlicher und schriftsprachlicher Barrieren Text-to-Speech, automatische Untertitelung, vereinfachte Textfassungen und Übersetzungen können Schüler mit Dyslexie, AVWS oder anderen Sprachverarbeitungsproblemen entlasten. Studien zu Assistiver Technologie zeigen, dass solche Werkzeuge langfristig Leseverständnis, Selbstständigkeit und Selbstwirksamkeit fördern können, wenn sie kontinuierlich, akzeptiert und geschult eingesetzt werden (Fernández-Batanero et al., 2022). Generative KI erweitert dieses Spektrum, indem sie Texte in unterschiedliche Sprachniveaus, Formate (Stichpunkte, Tabellen, Grafiken) oder Darstellungsformen transformiert.

(2) Unterstützung exekutiver Funktionen Schüler mit ADHS und anderen exekutiven Beeinträchtigungen profitieren von Tools, die komplexe Aufgaben in kleine, klar definierte Schritte zerlegen, Prioritäten markieren, zeitliche Abläufe visualisieren und Erinnerungen setzen. Ronksley-Pavia et al. (2025) berichten, dass neurodivergente Schüler generative KI bereits nutzen, um Arbeitspläne, To-do-Listen oder Lernstrategien zu entwickeln. Ein schulisch eingebettetes KI‑Assistenzsystem könnte etwa aus einer komplexen Projektaufgabe automatisch einen strukturierten Lern- und Arbeitsplan generieren, der sich an die individuellen Bedürfnisse anpassen lässt.

(3) Soziale und kommunikative Unterstützung Für autistische Schüler können schriftlich vorliegende oder dialogisch vorbereitete „Skripte“ für Präsentationen, Gruppenarbeiten oder Gespräche mit Lehrkräften entlastend sein. Generative KI kann Formulierungsvorschläge, alternative Ausdrucksweisen oder Rollenspiel-Szenarien generieren und so helfen, implizite soziale Erwartungen zu explizieren. Ronksley-Pavia et al. (2025) beschreiben, dass neurodivergente Lernende KI bereits nutzen, um sich auf solche Interaktionen vorzubereiten; systematische Wirkungsstudien liegen allerdings noch nicht vor.

(4) Flexible Repräsentationsformen von Inhalten Im Sinne des Universal Design for Learning (UDL) kann KI Inhalte in verschiedene Modalitäten transformieren: Text, Audio, Visualisierung, Quizfragen oder Simulationen. Für neurodivergente Schüler, die Informationen bevorzugt visuell, auditiv oder in stark strukturierter Form aufnehmen, eröffnen solche adaptiven Systeme neue Zugangswege zum gemeinsamen Lernstoff. Wichtig ist, dass diese Funktionen nicht exklusiv als „Sonderweg“, sondern im Sinne einer allgemeinen Öffnung von Lernwegen eingesetzt werden.

Sind solche Funktionen gut zugänglich, legitimiert und systematisch in die Unterrichtsorganisation eingebettet, können KI‑Assistenzsysteme dazu beitragen, dass neurodivergente Schüler weniger Energie in das „Überbrücken“ von Barrieren investieren müssen – und mehr Kapazität für inhaltliches Lernen und soziale Teilhabe gewinnen.

3. Subjektive Perspektiven: Wie erleben neurodivergente Schüler KI‑Assistenz?

Deutlich dünner ist die empirische Basis zu den subjektiven Erfahrungen neurodivergenter Schüler mit KI‑Systemen. Drei Stränge liefern jedoch erste Anhaltspunkte:

Erstens zeigen Langzeitstudien zu klassischer Assistiver Technologie (z. B. Lesesoftware), dass dyslektische Schüler diese oft ambivalent erleben: einerseits als Befreiung, weil Texte endlich zugänglich werden; andererseits als Stigma, wenn die Nutzung sichtbar „anders“ ist oder als Sonderstatus markiert wird (Andersson et al., 2022). Daraus lässt sich ableiten, dass Mainstream-Tools, die allen offenstehen, weniger stigmatisierend wirken als exklusive Speziallösungen.

Zweitens berichten Scoping-Reviews und Community-Analysen, dass neurodivergente Jugendliche und junge Erwachsene generative KI häufig als eine Art „kognitiven Partner“ nutzen – zum Strukturieren, Erklären und Proben sozialer Situationen – und diese Assistenz als entlastend, kontrollierbar und teilweise identitätsstärkend erleben (Ronksley-Pavia et al., 2025). Frustration entsteht, wenn Modelle stereotype, unpassende oder schlicht fehlerhafte Antworten geben, oder wenn schulische Regeln die Nutzung pauschal verbieten.

Drittens zeigen deutsche Studien zu Nutzung und Einstellungen im Schulbereich, dass Jugendliche KI‑Tools überwiegend für Aufgabenbearbeitung, Textproduktion, Übersetzung und Recherchen einsetzen und dies teils als bequeme Abkürzung, teils als echte Lernhilfe erfahren. Lehrkräfte sehen zwar Potenziale, befürchten aber Täuschung, Leistungsabfall und eine Erosion traditioneller Prüfungsformen (Deutsches Schulportal, 2023). Neurodivergente Perspektiven werden in diesen Erhebungen allerdings nicht gesondert ausgewiesen – ein klares Desiderat zukünftiger Forschung.

In der Summe spricht vieles dafür, dass neurodivergente Schüler KI‑Assistenz sowohl als Erleichterung und Emanzipationschance als auch als potenziell stigmatisierend oder verunsichernd erleben können – je nachdem, ob die Nutzung transparent legitimiert, pädagogisch begleitet und sozial abgesichert wird oder im Graubereich zwischen Verbot und heimlicher Praxis verbleibt.

4. Kritische Punkte: Abhängigkeit, Ungleichheit und Schulrealität

Neben den Potenzialen sind gewichtige Risiken und Spannungsfelder zu beachten.

Abhängigkeit und „verdecktes Defizit“ Wenn Schüler sich stark auf KI‑Assistenz verlassen, ohne parallel Strategien zu erlernen, wie sie Aufgaben selbstständig bewältigen können, droht eine funktionale Abhängigkeit. Besonders kritisch ist dies, wenn zentrale Prüfungen (z. B. das Abitur) unter Bedingungen stattfinden, in denen KI‑Nutzung eingeschränkt oder verboten ist. Schulen stehen hier vor der Herausforderung, klar zu definieren, welche Kompetenzen trotz KI‑Assistenz explizit aufgebaut werden müssen und wie „Kompetenz mit KI“ und „Kompetenz ohne KI“ in einem fairen Prüfungssystem austariert werden können.

Eine neue „digitale Kluft“ Vegas und Winthrop (2023) sprechen im Bildungskontext von einer „dritten digitalen Kluft“: Nicht mehr nur der Zugang zur Technologie, sondern der Zugang zu qualifizierter Unterstützung bei ihrer Nutzung entscheidet über Bildungschancen. Für ein Gymnasium bedeutet dies: Schüler mit leistungsstarker Ausstattung, stabiler Internetverbindung und elterlichem Know-how können KI‑Tools intensiv und gezielt für ihr Lernen nutzen, während andere auf sporadische Schulnutzung beschränkt bleiben. Für neurodivergente Schüler aus weniger privilegierten Familien kann sich das Chancenfenster so eher schließen als öffnen, wenn Schulen keine expliziten Ausgleichsstrategien entwickeln.

Stigmatisierung und Offenlegung Wird KI‑Assistenz ausschließlich im Rahmen individueller Nachteilsausgleiche für diagnostizierte Schüler geregelt, besteht das Risiko, dass die Nutzung selbst zum Stigma wird: „Wer das Spezialtool nutzt, ist ‚anders‘.“ Eine UDL‑orientierte Einführung, bei der bestimmte KI‑Funktionen grundsätzlich allen offenstehen und erst auf dieser Basis individuelle Feinanpassungen vereinbart werden, kann dem entgegenwirken und Inklusion als Normalfall stärken.

Didaktische und organisatorische Überforderung Schließlich zeigt sich in deutschen Studien und Praxisberichten, dass viele Lehrkräfte sich im Umgang mit KI im Unterricht unsicher fühlen. Ohne Zeit, Fortbildung und institutionelle Unterstützung droht ein Pendeln zwischen Totalverbot und unkritischer Freigabe. Für neurodivergente Schüler wäre beides ungünstig: Sie brauchen legitime, verlässliche und reflektierte Unterstützung – keine heimliche Nutzung und keine reflexhaften Verbote.

5. Perspektiven für das Gymnasium

Für Gymnasien zeichnen sich mindestens drei praktische Szenarien ab:

1. KI‑Verbot mit „Schattennutzung“: Aus Angst vor Betrug oder Qualitätsverlust werden KI‑Tools pauschal untersagt. Realistisch betrachtet weicht die Nutzung dann in den privaten Raum aus – mit allen Folgen für Ungleichheit und Intransparenz. Teilhabegewinne für neurodivergente Schüler bleiben zufällig und sozial selektiv.

2. Einzelfalllösungen ohne Systematik: Einzelne neurodivergente Schüler erhalten auf Antrag individuelle KI‑Hilfen als Nachteilsausgleich. Das kann im Einzelfall wirksam sein, bleibt aber abhängig von Engagement einzelner Lehrkräfte, produziert Intransparenz und birgt Stigmagefahren.

3. Systematische NeuroInklusions-Strategie mit KI: Die Schule entwickelt ein ganzheitliches Konzept, das UDL, Inklusion und KI‑Assistenz verbindet. Dazu gehören

4. klare Leitlinien, welche KI‑Tools im Unterricht prinzipiell erlaubt sind und wie ihre Nutzung deklariert und reflektiert werden soll,

5. schulische Infrastruktur (z. B. Geräte, geschützte KI‑Umgebungen),

6. didaktische Szenarien, in denen spezifische Assistenzfunktionen (TTS, Strukturierung, Visualisierung) als allgemeines Angebot eingeführt und für neurodivergente Schüler gezielt erweitert werden,

7. systematische Fortbildung der Lehrkräfte sowie

8. curriculare Verankerung von KI‑Kompetenzen bei den Schülern.

   
   

In einem solchen Szenario könnten neurodivergente Schüler KI‑Assistenz selbstverständlich nutzen, ohne sich permanent rechtfertigen zu müssen, während die Schule zugleich Verantwortung für Gerechtigkeit, Transparenz und pädagogische Qualität übernimmt. Künftige Forschung könnte hier ansetzen, etwa durch Mixed-Methods-Studien, die objektive Lern- und Teilhabedaten mit den subjektiven Erfahrungen neurodivergenter Gymnasiast:innen verbinden.

Literatur

Andersson, I., et al. (2022). Dyslexic students’ long-term experiences of assistive technology in school: A five-year qualitative follow-up study. Disability and Rehabilitation: Assistive Technology, Vol. 19, 2024 – Issue 4https://www.tandfonline.com/doi/full/10.1080/17483107.2022.2161647

Deutsches Schulportal. (2023, 24. Juli). Wann KI beim Lernen hilft – und wann sie schadet. Deutsches Schulportal. https://deutsches-schulportal.de/bildungsforschung/wann-ki-beim-lernen-hilft-und-wann-sie-schadet/

Fernández-Batanero, J. M., Montenegro-Rueda, M., Fernández-Cerero, J., & García-Martínez, I. (2022). Assistive technology for the inclusion of students with disabilities: A systematic review. Educational Technology Research and Development, 70, 1911–1930. https://doi.org/10.1007/s11423-022-10127-7

Henke, J. (2024). Generative KI in der Hochschulkommunikation. Ergebnisse der 2. Welle 2024 (HoF-Arbeitsbericht 126). Institut für Hochschulforschung an der Martin-Luther-Universität Halle-Wittenberg. https://www.hof.uni-halle.de/publikation/generative-ki-in-der-hochschulkommunikation-2024/

Ma, W., Adesope, O. O., Nesbit, J. C., & Liu, Q. (2014). Intelligent tutoring systems and learning outcomes: A meta-analysis. Journal of Educational Psychology, 106(4), 901–918. https://doi.org/10.1037/a0037123

Ronksley-Pavia, M., Nguyen, L., Wheeley, E., Rose, J., Neumann, M. M., Bigum, C., & Neumann, D. L. (2025). A scoping literature review of generative artificial intelligence for supporting neurodivergent school students. Computers and Education: Artificial Intelligence, 9, 100437. https://doi.org/10.1016/j.caeai.2025.100437

Vegas, E., & Winthrop, R. (2023). AI and the next digital divide in education. Brookings Institution. https://www.brookings.edu/articles/ai-and-the-next-digital-divide-in-education/

Wu, F., Dang, Y., & Li, M. (2025). A systematic review of responses, attitudes, and utilization behaviors on generative AI for teaching and learning in higher education. Behavioral Sciences, 15(4), 467. https://doi.org/10.3390/bs15040467

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – Where are the educators? International Journal of Educational Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0