Im Unterricht gleichauf, im Test ohne Effekt — 1.179 Schüler, zehn Wochen: die zweite Eedi-Studie mit Google DeepMind.

Was ist passiert?

Die Studie war im April 2026 im Register der American Economic Association vorangemeldet (AEARCTR-0018079), mit rund 1.200 geplanten Teilnehmern, individueller Zufallszuteilung und dem Star-Maths-Test von Renaissance als Hauptzielgröße. Vier Gruppen wurden für das ganze Trimester fest zugeteilt: Standardinhalte von Eedi (Diagnosefragen, Erklärvideos, Hinweise), ein menschlicher Tutor im Textchat, ein KI-Tutor, der nur die aktuelle Aufgabe kennt, und ein KI-Tutor mit „persönlichem Kontext“ — einer Zusammenfassung der bisherigen Fehlvorstellungen und Arbeitsgewohnheiten des Kindes. In beiden KI-Gruppen las ein menschlicher Tutor jede Nachricht, bevor sie das Kind erreichte, und konnte sie freigeben, umschreiben oder verwerfen. Geübt wurde eine Unterrichtsstunde pro Woche (30 bis 35 Minuten) bei anwesender Lehrkraft, zwischen April und Juli 2026.

Im Unterricht selbst war der Effekt deutlich: Wer nach einem Fehler Tutoring bekam — gleich ob von Mensch oder KI —, löste die anschließende ähnliche Aufgabe in 56 bis 58 Prozent der Fälle richtig, mit Standardhilfen waren es 43 Prozent. Zwischen KI- und Menschen-Tutoring gab es keinen klaren Unterschied; in einem kurzen Zwischenquiz lagen die betreuten Kinder leicht vorn, eindeutig aber nur die Gruppe mit persönlichem Kontext. Im Star-Maths-Test, den 916 Kinder vor und nach dem Trimester absolvierten, verschwand der Vorteil: KI-betreute Schüler schnitten so ab wie die Kontrollgruppe, menschlich betreute etwas schlechter — ein Unterschied, der laut Eedi auch Zufall sein kann. Der persönliche Kontext brachte keinen messbaren Zusatznutzen. Eine Erklärung liefert die Studie selbst: Betreute Kinder bearbeiteten pro Sitzung rund 14 Aufgaben statt 19, weil das schrittweise Tutoring mehr Zeit kostet — sie lernten tiefer, aber weniger Stoff, und der breite Test fragt den Stoff ab.

Besser als die Vorstudie schnitt der Tutor bei Sicherheit und Qualität ab. Die menschlichen Prüfer gaben 94,7 Prozent der KI-Entwürfe unverändert frei und schrieben etwa jeden zwanzigsten um; 2025 hatten sie noch rund jede vierte Nachricht geändert. Keine schädliche Nachricht erreichte ein Kind; zwei Entwürfe mit zwinkerndem Emoji wurden gestoppt. Von elf KI-Nachrichten mit einer falschen mathematischen Aussage fingen die Prüfer vier ab, sieben kamen durch — 0,01 Prozent aller Nachrichten; die menschlichen Tutoren machten sieben echte Rechenfehler (0,02 Prozent). Die KI stellte in über 90 Prozent der Fälle eine Kontrollfrage nach, auch wenn das Kind die Aufgabe bereits gelöst hatte, menschliche Tutoren in rund 60 Prozent. Mehr als 80 Prozent der Kinder gingen auf das Tutoring ein; etwa jedes fünfte antwortete nie, wenn ein Tutor auftauchte.

Die Zahlen

Einordnung

Die Studie ist der Nachfolger jener explorativen Studie aus dem Sommer 2025, in der 165 Kinder an fünf Schulen mit LearnLM übten und der überwachte KI-Tutor beim Wissenstransfer vor dem menschlichen Tutor lag (66,2 gegenüber 60,7 Prozent). Die Vergrößerung auf das Siebenfache hat den Vorsprung eingeebnet: KI und Mensch sind gleichauf, und gegenüber der Standardhilfe gewinnt keine der beiden im breiten Test. Das Muster ist aus anderen Experimenten vertraut — die Maryland-Studie fand bei Studierenden sogar schlechtere Noten, das Khanmigo-Experiment in Tennessee kleine Effekte erst nach einem Jahr aktiver Nutzung, und Eedis eigene zweijährige Studie ohne KI zeigte Gewinne ebenfalls erst nach zwölf Monaten. Zehn Wochen sind für einen standardisierten Test, der ein Schuljahr abdeckt, schlicht kurz; die Autoren sagen das selbst.

Bemerkenswert ist, was gleichzeitig veröffentlicht wurde. Google stellte am selben Tag eine Studie aus Italien vor — 1.600 Lehrkräfte an 31 Schulen des Salesianer-Netzwerks, deren Selbstauskünfte mehr Kreativität und weniger Frontalunterricht mit Gemini beschreiben —, ohne Zufallszuteilung und ohne Lernleistungsmaß. Die britische Studie dagegen ist vorangemeldet, randomisiert, mit standardisiertem Test und berichtet ihr Nullergebnis offen. Dass ein Konzern eine solche Studie veröffentlicht, obwohl sie seinem Produkt keinen Lerngewinn bescheinigt, ist für die Debatte wertvoller als die Zahl selbst. Der nächste Schritt läuft bereits: Seit September 2026 testet Eedi mit mehr als 15.000 Kindern an 26 Schulen ein ganzes Schuljahr lang, finanziert über das Learning Engineering Virtual Institute — diesmal „human on the loop“, also mit Tutoren, die nur noch beobachten und eingreifen, statt jede Nachricht freizugeben.

„Im Unterricht waren KI- und menschliche Tutoren im Grunde gleichauf.“ — Bibi Groot, Chief Impact Officer von Eedi, gegenüber The 74, 29.10.2026 (übersetzt)

Was bleibt offen?

Erstens: Ob der Tutor Lernen verbessert, ist nicht gezeigt. Die Studie belegt Gleichwertigkeit mit menschlichem Tutoring im Moment des Fehlers, nicht einen Vorsprung im Test. Der Tausch „weniger Aufgaben, dafür tiefer“ ist eine plausible Erklärung, aber keine geprüfte; ob mehr Wochen oder ein passenderer Test den Effekt sichtbar machen, muss die Jahresstudie zeigen.

Zweitens: Der Aufwand ist hoch. Jede KI-Nachricht wurde von einem Menschen freigegeben — bei gleichzeitiger Betreuung mehrerer Kinder, was die Prüfer als anstrengend beschrieben. Was die Ergebnisse unter „human on the loop“ wert sind, wenn niemand mehr jede Zeile liest, ist offen; genau dort landen aber die sieben falschen Aussagen, die diesmal durchkamen.

Drittens: Die Untergruppen sind unsicher. Dass Mädchen leicht profitierten und Jungen — vor allem mit menschlichen Tutoren — schlechter abschnitten, nennen die Autoren selbst vorläufig; dasselbe gilt für den Befund, dass leistungsschwache Kinder mit menschlichem Tutor zurückfielen. Ein Fünftel der Kinder reagierte auf Tutoring gar nicht, und über diese Gruppe sagt die Studie wenig.

Viertens: Veröffentlicht haben die Beteiligten selbst. Der technische Bericht stammt von Eedi und Google DeepMind, ein begutachtetes Fachjournal steht aus. Die Voranmeldung im AEA-Register begrenzt den Spielraum bei der Auswertung, ersetzt die unabhängige Prüfung aber nicht. Und was aus britischen Mathe-Stunden auf andere Fächer, Altersgruppen oder Schulsysteme übertragbar ist, hat niemand geprüft.

Original-Quellen

Eedi, Bericht zur Studie: eedi.com · Technischer Bericht (Google DeepMind, PDF): services.google.com