Herausforderungen bei der Integration generativer Künstlicher Intelligenz in die Berufsbildung

Einerseits scheint es, dass Lernende mit GenKI oft zwar mehr leisten, aber weniger lernen. Andererseits kommt es wesentlich darauf an, ob GenKI zur kognitiven Aktivierung oder zur «Entlastung» von Denken und Lernen genutzt wird.

Die rasante Verbreitung generativer Künstlicher Intelligenz (generative KI – GenKI), insbesondere von Large Language Models (LLMs) wie ChatGPT, stellt Gesellschaften und Schulen vor neue Herausforderungen. Eine der zentralen Sorgen ist das sogenannte «kognitive Offloading», das besonders dann problematisch ist, wenn nicht nur unterstützende, sondern essenzielle Denkaufgaben an externe Werkzeuge delegiert werden. Die diesbezügliche Befundlage präsentiert sich allerdings uneinheitlich. Einige Studien heben den Zusammenhang von häufiger Nutzung von KI-Tools und der geringeren Fähigkeit zum kritischen Denken hervor, insbesondere bei jüngeren Menschen (Gerlich 2025). Auch beim Schreiben mit KI sei eine geringere kognitive Aktivität als ohne feststellbar (Kosmyna et al., 2025). Gleichzeitig berichten erste Meta-Analysen auch von positiven Effekten (Zhu, Liu & Zhao, 2025; Chen & Cheung, 2025).

Die uneindeutigen Befunde lassen sich auf zweifache Weise erklären. Einerseits scheint es, dass Lernende mit GenKI oft zwar mehr leisten, aber weniger lernen. Andererseits kommt es wesentlich darauf an, ob GenKI zur kognitiven Aktivierung oder zur «Entlastung» von Denken und Lernen genutzt wird. Wenn mehrheitlich Zweiteres der Fall ist, dann hat dies problematische Auswirkungen. Zuber und Gogoll (2024) betonen, dass sich solche Entwicklungen nicht nur individuell, sondern auch gesellschaftlich negativ auswirken können.

Eine weitere Sorge besteht darin, dass sich die digitale Kluft vertieft. Unter digitaler Kluft versteht man eine mehrstufige, hierarchische Ungleichheit im Zugang zu digitalen Technologien, in deren Nutzung sowie in den Folgen deren Nutzung, die durch ökonomisches, kulturelles, soziales, und technologisches Kapital beeinflusst werden (Selwyn, 2004). Eine Studie von Suárez und García-Mariñoso (2025) zeigte, dass ältere Menschen, Personen mit geringerer Bildung und Frauen statistisch gesehen seltener GenKI nutzen. Dadurch könnten bestehende soziale Ungleichheiten zementiert, ja verstärkt werden. Weitere häufig hervorgehobene Herausforderungen sind die ökologischen Kosten, die Reproduktion von Verzerrungen (Bias) sowie der Verlust von Empathie und Authentizität (Bender et al., 2021; Kasneci et al., 2023).

Aufgaben für Bildungsinstitutionen

Damberger betont, dass sich Bildung im Zusammenhang mit KI auf Medienkunde und Medienkritik fokussieren sollte. Medienkunde bezieht sich auf das Wissen über Mediensysteme, ihre technischen Grundlagen, Produktionsbedingungen und institutionellen Strukturen.

Vor dem Hintergrund dieser Herausforderungen wird von Bildungsinstitutionen erwartet, dass sie junge Menschen unterstützen, kompetent, mündig, kritisch und verantwortungsbewusst mit neuen Technologien wie GenKI umzugehen und dabei auch Chancengerechtigkeit fördern. Damberger (2021) betont, dass sich Bildung im Zusammenhang mit KI auf Medienkunde und Medienkritik fokussieren sollte (vgl. bezüglich Medienkompetenz bereits Baacke, 1997). Medienkunde bezieht sich auf das Wissen über Mediensysteme, ihre technischen Grundlagen, Produktionsbedingungen und institutionellen Strukturen. Medienkritik wiederum bezeichnet die Fähigkeit, Medieninhalte sowie deren gesellschaftliche, politische und ökonomische Rahmenbedingungen und Implikationen analytisch zu reflektieren und normativ zu bewerten. Diese Fokussierung auf Medienkunde und Medienkritik ist deshalb wichtig, weil KI-Systeme das Potenzial haben, tiefgreifend in gesellschaftliche Wissensordnungen, Entscheidungsprozesse und Machtstrukturen einzugreifen.

Die GenKI-Befragungen an Berufsfachschulen im Rahmen der DigiTraS II Studie

Bis anhin ist jedoch sehr wenig bekannt, wie GenKI in Schulen benutzt und thematisiert wird und wie unterschiedliche pädagogische Ansätze zur Förderung gewünschter Bildungsziele beitragen. Im Rahmen des Forschungsprojekts DigiTraS II, das die Technologie-Integration an Schulen der Sekundarstufe II untersucht, wurden deshalb auch Daten zur Nutzung von GenKI in Schulen der Sekundarstufe II erhoben (Petko et al., 2025). Dafür wurden fünf Gymnasien, fünf Fachmittelschulen und fünf Berufsfachschulen aus der Deutschschweiz ausgewählt, die digitale Technologien im Unterricht intensiv nutzen. Im Folgenden fokussieren wir uns auf die Lernenden der in dieser Studie analysierten fünf Berufsfachschulen (N = 1‘279). Die Daten wurden zwischen November 2023 und März 2024 mithilfe eines Online-Fragebogens erhoben. Befragt wurden Lernende der vorletzten Jahrgänge (Alter: M = 18) aus verschiedenen Berufsfeldern. 48,5% der Lernenden in der Stichprobe bezeichneten sich als männlich, 41% als weiblich und 2,6% als divers. 6,9% machten keine Angaben zum Geschlecht.

Die Lernenden wurden unter anderem gefragt:

• wie häufig sie GenKI am Arbeitsplatz, im Unterricht, für schulische Aktivitäten zu Hause und in der Freizeit benutzen (Antwortskala: 1 = «Nie oder fast nie», 5 = «Mehrmals pro Tag»),
• wie oft sie spezifische Aktivitäten mit GenKI durchführen (Antwortskala: 1 = «Nie oder fast nie», 5 = «Sehr oft»),
• wie viele Lehrpersonen ihrer Einschätzung nach einen bewahrenden medienpädagogischen Ansatz gegenüber GenKI pflegen (Beispielfrage: «Unsere Lehrpersonen verbieten die Nutzung generativer Künstlicher Intelligenz.»; Antwortskala: 1 = «Keine Lehrperson», 5 = «Alle Lehrpersonen»),
• wie viele Lehrpersonen einen kritisch-reflexiven medienpädagogischen Ansatz pflegen (Beispielfrage: «Unsere Lehrpersonen ermutigen uns, kritisch über generative Künstliche Intelligenz nachzudenken.»; Antwortskala: 1 = «Keine Lehrperson»; 5 = «Alle Lehrpersonen») und
• wie viele Lehrpersonen einen kreativ-produktiven medienpädagogischen Ansatz (Beispielfrage: «Unsere Lehrpersonen ermuntern uns, generative KI zu nutzen, um produktiver zu sein.»; Antwortskala: 1 = «Keine Lehrperson»; 5 = «Alle Lehrpersonen») pflegen.

Darüber hinaus wurden die Lernenden auch gefragt,

• ob sie den Eindruck haben mit GenKI besser zu lernen (Beispielfrage: « Ich lerne besser mit generativer Künstlicher Intelligenz.»; Antwortskala: 1 = «Stimme gar nicht zu.»; 5 = «Stimme völlig zu»),
• ob sie GenKI zur Verringerung des schulischen Lernaufwands durch Schummeln nutzen (Beispielfrage: «Ich kopiere etwas, das von einer KI generiert wurde, und gebe es einfach als meine eigene Arbeit aus.»; Antwortskala: 1 = «Trifft überhaupt nicht zu»; 5 = «Trifft voll und ganz zu»),
• wie es um ihre Selbstwirksamkeit bei der Nutzung von GenKI steht (Beispielfrage: «Ich weiss, wie ich verschiedene KI-Tools für verschiedene Aufgaben auswählen kann.»; Antwortskala: 1 = «Stimme gar nicht zu»; 5 = «Stimme völlig zu») und
• wie es um ihr Verantwortungsbewusstsein beim Umgang mit GenKI steht (Beispielfrage: «Wenn ich KI verwende, bin ich verantwortlich für das, was ich tue.»; Antwortskala: 1 = «Stimme gar nicht zu»; 5 = «Stimme völlig zu»).

Ausserdem wurden soziodemografische Daten wie Geschlecht, Alter und die Sprache, die die Lernenden zu Hause sprechen, sowie die höchste Ausbildung ihrer Eltern erfragt.

Grosse Unterschiede zwischen männlichen und weiblichen Lernenden

Männliche Lernende weisen einen höheren Grad an GenKI-Selbstwirksamkeit auf als weibliche Lernende.

Betrachtet man die Daten aus der Perspektive der digitalen Kluft, werden einige Herausforderungen im Hinblick auf die Integration von GenKI in die Berufsbildung sichtbar. So zeigt sich, dass die zu Hause gesprochene Sprache und der Bildungsgrad der Eltern meistens gar keinen oder nur einen sehr geringen Einfluss haben. Hingegen hat das Geschlecht der Lernenden auf fast jeden untersuchten Aspekt einen signifikanten Einfluss. Abbildung 1 zeigt statistisch signifikante Mittelwertunterschiede zwischen weiblichen und männlichen Lernenden in Bezug auf einige untersuchte Schlüsselvariablen. Männliche Lernende weisen beispielsweise einen höheren Grad an GenKI-Selbstwirksamkeit auf als weibliche Lernende (M männlich = 3.32, SD = 0.99; M weiblich = 2.93, SD = 0.93; t[967] = 6.28, p < .001, d = 0.41). Obwohl Performance-Tests gezeigt haben, dass es bezüglich der digitalen Kompetenzen von weiblichen und männlichen Jugendlichen meistens keinen Unterschied gibt (Siddiq & Scherer, 2019), können Unterschiede bezüglich ihrer Selbstwirksamkeit oder ihrer subjektiven Einschätzung ihrer Kompetenzen sehr wohl einen Einfluss auf ihre Zukunft– beispielsweise bei der Karrierewahl – und somit zur Reproduktion der digitalen Geschlechterkluft haben. Hervorzuheben ist, dass männliche Jugendliche ihre technischen Kompetenzen tendenziell höher einschätzen, während junge Frauen sensibler für ethische Fragen und gesellschaftliche Auswirkungen von GenKI sind (siehe auch Zhong & Liu, 2024). Eine ganzheitliche digitale Bildung sollte beide Aspekte integrieren und bei allen Lernenden sowohl technische Kompetenzen als auch die Reflexion über ethische und gesellschaftliche Aspekte fördern (Gesellschaft für Informatik, 2016; Unesco, 2024). Interessant ist, dass weibliche Lernende angeben, GenKI auch für schulische Aktivitäten deutlich seltener zu nutzen als Jungen. Ausserdem erleben sie signifikant häufiger einen bewahrenden und signifikant seltener einen kreativ-produktiven medienpädagogischen Ansatz. Diese Unterschiede hängen möglicherweise damit zusammen, dass weibliche Lernende in bestimmten Bildungsprogrammen überrepräsentiert sind, in denen bewahrende Ansätze stärker verbreitet sind. Ausserdem zeigen sie, dass schulische Aktivitäten eine Rolle bei der Reproduktion der digitalen Geschlechterkluft spielen.

Medienpädagogische Ansätze unterschiedlich verbreitet und wirksam

Explorative Analysen zur Nutzungshäufigkeit, zu medienpädagogischen Ansätzen (vgl. Botturi, 2019) sowie zu möglichen erwünschten bzw. unerwünschten Phänomenen zeigen weitere Herausforderungen bei der Integration von GenKI in die Berufsbildung auf. Hierbei ist es wichtig zu betonen, dass ein statistischer Zusammenhang (Korrelation) zwischen zwei Variablen noch nicht beweist, dass eine Variable die andere verursacht (Kausalität). Dennoch geben Korrelationen erste empirische Einblicke in die Integration von GenKI und deren potenziellen Herausforderungen.

Tabelle 1 zeigt, dass die GenKI-Selbstwirksamkeit signifikant mit der Nutzungshäufigkeit und mit kritisch-reflexiven und kreativ-produktiven medienpädagogischen Ansätzen zusammenhängt. Der verantwortungsvolle und informierte Umgang mit GenKI wiederum hängt hingegen vor allem mit einem kritisch-reflexiven medienpädagogischen Ansatz zusammen (siehe auch Consoli & Petko, 2025). Ein restriktiver oder bewahrender medienpädagogischer Zugang ergibt keine Korrelation zum verantwortungsvollen GenKI-Gebrauch. Diese Ergebnisse deuten darauf hin, dass es, obwohl es gute ethische, normative oder lernbezogene Gründe geben kann, GenKI in bestimmten Kontexten oder für bestimmte Aufgaben zu verbieten, ein totales Verbot jedoch das Erlernen von Selbstwirksamkeit und Verantwortung im Umgang mit GenKI verhindern könnte. In unserer Datenerhebung war der kritisch-reflexive medienpädagogische Ansatz am weitesten verbreitet (M = 2.57; SD = 1.07), gefolgt vom bewahrenden Ansatz (M = 2.35; SD = 1.05) und schliesslich vom kreativ-produktiven Ansatz (M = 2.18; SD = 1.01).

Darüber hinaus zeigt Tabelle 1, dass die Häufigkeit der Nutzung von GenKI im Unterricht, am Arbeitsplatz und zuhause sowie ein kreativ-produktiver Ansatz oft mit einer Verringerung des kognitiven Engagements zusammenhängen.

Darüber hinaus zeigt Tabelle 1, dass die Häufigkeit der Nutzung von GenKI in der Freizeit, im Unterricht, am Arbeitsplatz und zuhause sowie ein kreativ-produktiver Ansatz oft mit einer positiven Einschätzung des Lernens mit GenKI einhergehen. Gleichzeitig hängen diese Nutzungsarten auch mit einer Verringerung des schulischen Lernaufwandes durch Schummeln zusammen. Zum Zeitpunkt der Datenerhebung hatten Lehrpersonen und Schulen offenbar noch keine geeigneten Ansätze entwickelt, um ein solches Verhalten zu verhindern.

Kritisch-reflexive Nutzung generativer KI entscheidend

Insgesamt beleuchten diese Ergebnisse die Herausforderung, einerseits die Selbstwirksamkeit (insbesondere bei weiblichen Lernenden) und Verantwortung im Umgang mit GenKI zu vermitteln, und andererseits der Gefahr zu begegnen, wonach eine häufige und unreflektierte Nutzung von GenKI zu einer vermehrten Verringerung des schulischen Lernaufwandes durch Schummeln führen könnte (insbesondere bei männlichen Lernenden). Ein kritisch-reflexiver medienpädagogischer Ansatz scheint am besten geeignet zu sein, um gleichzeitig Selbstwirksamkeit und Verantwortung im Umgang mit GenKI zu fördern. Dieser Ansatz könnte die Lernenden auch dazu einladen, ihre Nutzung von GenKI sowie deren Auswirkungen auf ihr Denken und Lernen zu analysieren und kritisch zu hinterfragen. Dabei sollten ebenso mögliche Langzeitauswirkungen auf die Gesellschaft berücksichtigt werden. Allerdings korreliert ein kritisch-reflexiver Ansatz nach unseren empirischen Befunden leicht mit Schummeln (r = 0.07, p < 0.05). Deshalb scheinen weitere Strategien und Massnahmen, notwendig zu sein – etwa die Festlegung von Regeln für den Umgang mit GenKI (ein Prozess, der auch partizipativ durch den Einbezug der Lernenden gestaltet werden kann) und die Entwicklung und Umsetzung pädagogischer Strategien für eine lernfördernde Nutzung von GenKI im Unterricht.

Abbildung 1: Statistisch signifikante Mittelwertunterschiede zwischen weiblichen und männlichen Lernenden.

Tabelle 1: Korrelationsmatrix. Anmerkung Pearson’s r, * p < .05, ** p < .01, *** p < .001. Lesebeispiel: Korrelationskoeffizienten können zwischen -1 und + 1 liegen. Positive Werte bedeuten, dass höhere Ausprägungen der einen Variable mit höheren Ausprägungen der anderen Variable einhergehen. Beispielsweise zeigt r = .49 zwischen der Nutzung von GenKI im Unterricht und dem Schummeln beim Lernen mit GenKI einen moderaten bis relativ starken positiven Zusammenhang.

Fazit

Ein kritisch-reflexiver medienpädagogischer Ansatz zur GenKI scheint besonders geeignet zu sein, um gleichzeitig Selbstwirksamkeit und Verantwortung im Umgang mit GenKI zu fördern.

Der vorliegende Artikel beleuchtet verschiedene Herausforderungen bei der Integration generativer Künstlicher Intelligenz (GenKI) in den Unterricht an Berufsfachschulen. Insbesondere zeigt er, dass die Art und Weise, wie Lernende und Schulen mit GenKI umgehen, die digitale Geschlechterkluft reproduziert. Darüber hinaus zeigt er, dass die Häufigkeit der Nutzung von GenKI sowie ein kreativ-produktiver Ansatz mit dem Schummeln beim Lernen mit GenKI zusammenhängen. Ein kritisch-reflexiver medienpädagogischer Ansatz zur GenKI scheint besonders geeignet zu sein, um gleichzeitig Selbstwirksamkeit und Verantwortung im Umgang mit GenKI zu fördern. Dies sollte jedoch mit weiteren Massnahmen gekoppelt sein, etwa der Festlegung von Regeln für den Umgang mit GenKI sowie der Entwicklung und Umsetzung pädagogischer Strategien für eine lernfördernde Nutzung von GenKI im Unterricht.

Literaturverzeichnis

• Baacke, D. (1997). Medienpädagogik. Tübingen: Niemeyer.
• Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021, March). On the dangers of stochastic parrots: Can language models be too big?🦜. In Proceedings of the 2021 ACM conference on fairness, accountability, and transparency (pp. 610-623).
• Botturi, L. (2019). Digital and media literacy in pre-service teacher education: A case study from Switzerland. Nordic Journal of Digital Literacy, 14(3–4).
• Chen, S., & Cheung, A. C. (2025). Effect of generative artificial intelligence on university students learning outcomes: A systematic review and meta-analysis. Educational Research Review, 100737.
• Consoli, T., & Petko, D. (2025). Which educational approaches predict students’ generative AI confidence and responsibility? Computers and Education: Artificial Intelligence, 9, 100431.
• Damberger, T. (2021). Medienentwicklung und Medienpädagogik: Künstliche Intelligenz. In U. Sander, F. von Gross, & K.-U. Hugger (Eds.), Handbuch Medienpädagogik. Springer.
• Gesellschaft für Informatik (2016). Dagstuhl-Erklärung: Bildung in der digitalen vernetzten Welt.
• Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6.
• Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., & Seidel, T. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and individual differences, 103, 102274.
• Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X. H., Beresnitzky, A. V., … & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv preprint.
• Petko, D.; Cattaneo, A.; Gonon, P.; Antonietti, C.; Consoli, T.; Hartmann, M.; Michos, K.; Schmitz, M. L (2025). Digitale Transformation der Sekundarstufe II. Schlussbericht des DigiTrasII Projektes.
• Selwyn, N. (2004). Reconsidering political and popular understandings of the digital divide. New media & society, 6(3), 341-362.
• Siddiq, F., & Scherer, R. (2019). Is there a gender gap? A meta-analysis of the gender differences in students’ ict literacy. Educational Research Review, 27, 205–217.
• Suárez, D., & García-Mariñoso, B. (2025). On the verge of a digital divide in the use of generative AI?. Telecommunications Policy, 102997.
• UNESCO (2024). AI competency framework for students. United Nations Educational, Scientific and Cultural Organization.
• Zhong, B., & Liu, X. (2025). Evaluating AI literacy of secondary students: Framework and scale development. Computers & Education, 227, 105230.
• Zhu, Y., Liu, Q., & Zhao, L. (2025). Exploring the impact of generative artificial intelligence on students’ learning outcomes: A meta-analysis. Education and Information Technologies, 30(11), 16211-16239.
• Zuber, N., & Gogoll, J. (2024). Vox populi, vox ChatGPT: Large language models, education, and democracy. Philosophie, 9(1), 13.

Das vorliegende Werk ist urheberrechtlich geschützt. Erlaubt ist jegliche Nutzung ausser die kommerzielle Nutzung. Die Weitergabe unter der gleichen Lizenz ist möglich; sie erfordert die Nennung des Urhebers.