Von der Leistung zur Lernwirksamkeit: Warum KI einen Paradigmenwechsel in Motivation und Bildung erzwingt

Die Bildungslandschaft befindet sich in einer tiefgreifenden Transformation, ausgelöst durch Fortschritte in der künstlichen Intelligenz, insbesondere durch sogenannte agentische KI, die nicht mehr nur reagiert, sondern zunehmend plant, entwirft und autonom handelt. Diese Entwicklung schafft nicht nur neue Möglichkeiten, sondern stellt gleichzeitig die Grundlogik unseres bisherigen Lernens infrage. Während Universitäten bereits darüber diskutieren, wie Prüfungen und wissenschaftliche Leistungen bewertet werden können, wenn KI Forschungsprozesse eigenständig strukturieren kann, wird rasch deutlich, dass diese Debatte weit über die Hochschulwelt hinausreicht. Sie betrifft Schulen, Gymnasien, Ausbildungswege und Unternehmen gleichermaßen. Der Kern der Herausforderung lautet: Wie lernen Menschen wirksam, wenn KI immer mehr kognitive Arbeit übernimmt? Und wie verändert sich Motivation unter diesen Bedingungen?

Ein Blick in die psychologische Motivationstheorie zeigt, dass Lernen weit mehr ist als Informationsaufnahme oder Problemlösung. Die Selbstbestimmungstheorie von Deci und Ryan beschreibt Motivation als Ergebnis der Erfüllung grundlegender psychologischer Bedürfnisse: Autonomie, Kompetenz und soziale Eingebundenheit. Nur wenn diese Bedürfnisse erfüllt sind, entsteht intrinsische Motivation, also jene Form des Lernens, bei der Menschen aus innerem Interesse, Neugier und Freude handeln. Sie ist die nachhaltigste und qualitativ hochwertigste Form des Lernens und bildet die Grundlage für Flow‑Erfahrungen, wie sie Mihaly Csikszentmihalyi beschrieben hat. Flow entsteht, wenn Herausforderung und Fähigkeit in einem optimalen Gleichgewicht stehen und Menschen vollständig in eine Aufgabe eintauchen. Das Konzept der Selbstwirksamkeit, wie es unter anderem in den Arbeiten von Heckhausen und Rheinberg betont wird, ergänzt diese Perspektive, indem es den Stellenwert der Kontingenz hervorhebt: Nur wenn Lernende erleben, dass ihre Anstrengungen tatsächlich zu Ergebnissen führen, entsteht ein stabiles Kompetenzgefühl.

Die Frage ist nun, wie ein Schulsystem strukturiert sein muss, um diesen psychologischen Prinzipien Rechnung zu tragen – und wie sich diese Anforderungen im Angesicht von KI verändern. Das bayerische Gymnasium bietet dazu ein interessantes Spannungsfeld. Mit dem Projektseminar in der elften Klasse und dem Wissenschaftspropädeutischen Seminar in der 12. Und 13. Klasse existieren zwei Formate, die auf bemerkenswerte Weise genau jene Bedingungen schaffen, die die Selbstbestimmungstheorie als lernförderlich beschreibt. Im Projektseminar erleben Schülerinnen und Schüler ein hohes Maß an Autonomie. Sie planen ein eigenes Projekt weitgehend selbstständig, übernehmen Rollen und Verantwortungsbereiche und arbeiten häufig mit externen Partnern zusammen. Diese Verknüpfung schulischen Lernens mit authentischen Anforderungen der realen Welt schafft ein Klima echter Wirksamkeitserfahrungen. Die soziale Eingebundenheit entsteht beinahe selbstverständlich durch die Teamarbeit und die Begleitung durch die Lehrkraft. Das Wissenschaftspropädeutische Seminar fördert ähnlich zentrale Elemente: Schülerinnen und Schüler formulieren in einem von Ihnen gewählten Thema eine eigene Forschungsfrage, wählen Literatur aus, entscheiden über Methodik und erschließen sich wissenschaftliches Arbeiten nicht durch Vorgaben, sondern durch eigenes Handeln – wiederum begleitet durch Gespräch und Reflexion mit der betreuenden Lehrkraft. Beide Formate bieten genau das, was moderne Lernpsychologie empfiehlt: Autonomie, Kompetenzorientierung und soziale Verbundenheit.

Diese positiven Beispiele stehen jedoch im Kontrast zu anderen Strukturen eines typischen Gymnasiums, die sich – aus motivationspsychologischer Sicht – als problematisch erweisen. Die klassischen Hausaufgaben und schriftlichen Abfragen, die in vielen Fächern einen großen Teil der Leistungsbewertung ausmachen, fördern in erster Linie extrinsische Motivation. Sie zielen auf Reproduktion, nicht auf Verständnis; auf kurzfristige Leistungsfähigkeit, nicht auf nachhaltiges Lernen. Der Notenfokus, der an vielen Schulen und bei vielen Schülerinnen und Schülern (und Eltern) vorherrscht, reduziert Lernprozesse häufig auf die Frage, wie viel für eine bestimmte Bewertung nötig ist. Eine solche Konzentration auf äußere Anreize unterminiert nicht nur intrinsische Motivation, sondern verstärkt zugleich die Angst vor Fehlern, die wiederum Flow‑Erfahrungen erschwert.

Ein weiteres Beispiel für motivationshemmende Strukturen sind Pseudogruppenarbeiten, die im Schulalltag allzu häufig vorkommen. Oft arbeitet ein einziger motivierter Schüler, während die anderen Gruppenmitglieder passiv bleiben und dennoch meist dieselbe Note erhalten. Dies untergräbt nicht nur das Kompetenzgefühl der aktiv Beteiligten, sondern zerstört jede Form von fairer Kontingenz zwischen Leistung und Ergebnis. Die Folge sind Enttäuschung, Frustration und in vielen Fällen der Rückzug aus gemeinschaftlichen Lernprozessen.

Das Aufkommen generativer KI verschärft diese Herausforderungen. Viele Schülerinnen und Schüler nutzen KI, um Aufgaben schnell und effizient zu erledigen – jedoch ohne nachhaltigen Lerngewinn. Das Problem liegt nicht in der KI selbst, sondern darin, dass viele Schulaufgaben nicht mehr den Anforderungen einer Zeit entsprechen, in der komplexe Texte, Analysen oder Interpretationen innerhalb weniger Sekunden künstlich erstellt werden können. Wenn KI das Ergebnis einer Aufgabe mühelos generieren kann, offenbart dies zugleich, dass die Aufgabe selbst keinen echten Kompetenzzuwachs fördert. Aus motivationspsychologischer Sicht entsteht somit ein gefährlicher Teufelskreis: Schüler nutzen KI, weil die Aufgaben keinen persönlichen Sinn stiften. Die Nutzung von KI verhindert jedoch wiederum jene Kompetenzentwicklung, die für intrinsische Motivation notwendig wäre.

Der Artikel in „The Chronicle of Higher Education“, der die Debatte um die neue App „Einstein“ aufgreift, verdeutlicht die Dramatik dieser Entwicklung. Wenn KI Forschungsprozesse selbstständig planen, Fragestellungen generieren oder Argumentationsstrukturen entwerfen kann, verliert die klassische Prüfung der Problemlöse‑ oder Schreibkompetenz ihre Aussagekraft. Die Hochschulen müssen nun neu definieren, was eine valide Leistungsbewertung überhaupt ausmacht. Unternehmen stehen vor derselben Frage: Wie kann Kompetenzentwicklung aussehen, wenn Wissen stets verfügbar und kognitive Routinearbeit automatisiert ist? Wie bewerte ich Ergebniskompetenz? Der Corporate‑Learning‑Sektor spricht daher zunehmend vom Dreiklang des Lernens: Lernen allein, Lernen gemeinsam und Lernen im Dialog mit der KI. Lernen allein bedeutet Tiefenverarbeitung, kritisches Denken und persönliche Reflexion. Kollaboratives Lernen wird wichtiger, weil Werte, Perspektivwechsel und Problemlösung soziale Prozesse sind. Lernen im Dialog mit der KI wird schließlich zur neuen Schlüsselkompetenz: Die Fähigkeit, gute Fragen zu stellen, Ergebnisse kritisch einzuordnen und Verantwortung nicht an die Maschine abzugeben.

Für das Schulsystem bedeutet dies, dass traditionelle Lernformen neu gedacht werden müssen. Prüfungsformate müssen so gestaltet sein, dass sie nicht die Reproduzierbarkeit, sondern die Reflexions‑ und Transferfähigkeit bewerten. Lernaufgaben müssen so konzipiert sein, dass KI nicht zum Ersatz, sondern zum Reflexionspartner wird. Projektorientiertes Arbeiten, forschendes Lernen und echte Problemlöseaufgaben sollten zum Standard werden, nicht zur Ausnahme. Der Gedanke einer motivationsfördernden, inklusiven und KI‑sensiblen Schule führt direkt zum Konzept des Universal Design for Learning. UDL betrachtet die Vielfalt menschlicher Gehirne als Ausgangspunkt jeder Lernplanung. Eine UDL‑geleitete Schule würde Lernwege flexibilisieren, Strukturen ändern und individuelle Ausdrucksformen zulassen. In einer idealen Welt würden Schülerinnen und Schüler nicht für das Denken wie die Norm belohnt, sondern für das Denken wie sie selbst es am besten können.

In einer solchen Welt wäre KI kein Fremdkörper, sondern eine Assistenztechnologie, die Lernprozesse vertieft statt ersetzt. Lehrkräfte wären nicht Kontrolleurinnen von Wissen, sondern Architektinnen von Lernumgebungen, die Motivation ermöglichen, statt sie zu verhindern. Lernen würde dann nicht im Schatten der Angst vor Fehlern stattfinden, sondern im Licht der Neugier, der Autonomie und des menschlichen Bedürfnisses nach Sinn.

Literaturverzeichnis

Csikszentmihalyi, M. (1990). Flow: The psychology of optimal experience. Harper & Row. https://www.researchgate.net/publication/224927532_Flow_The_Psychology_of_Optimal_Experience

Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://www.tandfonline.com/doi/abs/10.1207/S15327965PLI1104_01

Gulya, J. (2025). Will agentic AI break higher education? The Chronicle of Higher Education. https://www.chronicle.com/article/will-agentic-ai-break-higher-education

Heckhausen, H. (1991). Motivation and action. Springer. https://link.springer.com/book/10.1007/978-3-642-75961-1

Meyer, A., Rose, D. H., & Gordon, D. (2014). Universal Design for Learning: Theory and practice. CAST Publishing. https://www.scirp.org/reference/referencespapers?referenceid=4039340

OneClick Learning. (2024). Corporate Learning im Zeitalter der KI. https://oneclick-learning.com/blog/

Hobmair, H, Höhlein, R., Pöll, R., Gotthart, W., Altenthan, S. (2024). Psychologie. Westermann