Zum Inhalt springenSkip to content
msm FortschrittsberichtProgress report
msm/Bildung mit KIEducation with AI/SCALE-Evidenzreview November 2026
Bildung mit KI · Stanford, Kalifornien · November 2026Education with AI · Stanford, California · November 2026

Von 20 auf 52 belastbare Studien — Stanfords SCALE-Initiative zieht Bilanz: Generative KI hilft beim Lernen eher, wenn sie erklärt statt erledigt — und auch dann nicht zuverlässig.

This article is currently available in German only — an English version will follow. Der Text liegt bisher nur auf Deutsch vor.

Zusammenfassung

Die SCALE-Initiative der Stanford University hat am 10. November 2026 ihren zweiten Evidenzreview zu generativer KI in der Bildung veröffentlicht: Von 868 Arbeiten, die zwischen Oktober 2025 und Juni 2026 in das Forschungsarchiv der Initiative aufgenommen wurden, waren 201 randomisierte oder quasi-experimentelle Studien, 32 davon erfüllten nach menschlicher Prüfung den Maßstab des What Works Clearinghouse für belastbare kausale Evidenz — die Zahl solcher Studien stieg damit von 20 im März auf 52. Der Befund der Autorinnen und Autoren um Susanna Loeb ist nüchtern: KI, die Lernende beim Verstehen und Üben begleitet, zeigt eher Lerneffekte als KI, die Aufgaben für sie erledigt, doch „keine der beiden Nutzungsarten verbessert das Lernen konsistent“, und Schülerinnen und Schüler bewerten KI-Erfahrungen häufig besser, als ihre Lernergebnisse es rechtfertigen. Offen bleibt, wie weit die Ergebnisse auf Schulen übertragbar sind: Die meisten neuen Studien stammen aus Hochschulen, nur fünf aus US-Schulklassen, und das Archiv besteht überwiegend aus nicht begutachteten Vorabdrucken.

Was ist passiert?

Die SCALE-Initiative der Stanford University um die Bildungsökonomin Susanna Loeb betreibt ein Forschungsarchiv zu KI in der Bildung, das vor allem Vorabdrucke von arXiv sammelt. Im März 2026 hatte die Initiative erstmals Bilanz gezogen: Von damals 818 Arbeiten genügten 20 dem Maßstab für belastbare kausale Evidenz. Der nun vorgelegte Review von Seth Walker, Lily Fesler, JP Martinez Claeys, Chris Agnew und Susanna Loeb aktualisiert diese Zählung für die zwischen dem 1. Oktober 2025 und dem 30. Juni 2026 hinzugekommenen Arbeiten. Das Archiv wuchs in dieser Zeit auf 1.686 Einträge. Ein Sprachmodell sortierte in einem ersten Durchgang die 868 neuen Arbeiten, 201 davon als randomisierte oder quasi-experimentelle Studien; 97 gingen in die menschliche Prüfung nach einem Kodierbuch, das sich am Standards Handbook 5.0 des What Works Clearinghouse orientiert — mindestens zwei Forschende je Arbeit —, und 32 bestanden sie. 28 dieser Studien untersuchen KI für Lernende, vier KI für Lehrende; insgesamt umfasst die belastbare Basis jetzt 42 Studien zu Lernenden und 12 zu Lehrenden, einige zählen doppelt.

Die Zusammensetzung hat sich verschoben. Studien aus den USA zu Lernenden stiegen von drei auf 18; fünf neue Arbeiten stammen aus US-Schulklassen (K-12), wo es im März noch keine gab, dazu eine zu Lehrkräften. Arbeiten mit naturwissenschaftlich-technischen Lernzielen nahmen von drei auf 16 zu, solche zu sozial-emotionalen Ergebnissen von drei auf elf. Der Review ordnet die Befunde fünf Fragen zu. Erstens, Lernunterstützung gegen Erledigen: KI, die erklärt und beim Üben führt, schneidet eher gut ab — die vorregistrierte Cluster-Studie zu Googles „Guided Learning“ in Sierra Leone (1.423 Schüler der Klassen 7 und 8, +0,258 Standardabweichungen in Mathematik) und eine Studie aus Taiwan mit 770 Oberschülern, bei der adaptiv sortierte Übungen den Wert in einer KI-freien Abschlussprüfung um 0,15 Standardabweichungen hoben, stehen dafür. Wer Aufgaben hingegen auslagert, lernt oft weniger: Eine Auswertung von 3,2 Millionen Interaktionen in der Lernplattform ALEKS fand, dass bei Aufgaben, die sich leicht an KI delegieren lassen, die Trefferquote in überwachten Prüfungen um etwa ein Viertel sank; in einer brasilianischen Studie mit 85 Studierenden bereiteten sich ChatGPT-Nutzer 3,2 statt 5,8 Stunden vor und schnitten in einem späteren Test schlechter ab.

Zweitens, Erleben gegen Lernen: Mehrere Studien fanden zufriedenere Lernende ohne bessere Ergebnisse. Drittens, Gestaltung und Zeitpunkt: Interaktive Formate, adaptive Reihenfolgen und Anleitung wirken vielversprechend, allgemeine Chatbots sind aber nicht durchgängig schlechter als Bildungs-KI. Viertens, Motivation und Vertrauen: Eine türkische Studie mit 193 Lehrkräften und 2.816 Schülern fand, dass KI-Zugang der Lehrkraft die Motivation und das Selbstvertrauen der Schüler senkte, ohne Prüfungseffekt insgesamt, aber mit schlechteren Werten bei Schülern leistungsschwächerer Lehrkräfte; die Oreopoulos-Studie mit 6.997 US-Mittelstufenschülern zeigte, dass KI das Üben verlangsamte und die Zahl bearbeiteter Aufgaben senkte, ohne Gewinn im späteren Lernen. Fünftens, Lehrkräfte: KI kann Vorbereitungszeit sparen, ohne dass Qualitätsverluste nachweisbar waren, und das Feedback vervielfachen — in einer Studie mit Tutorinnen und Tutoren an US-Universitäten verdoppelte sich die Rückmeldemenge nahezu —, doch bei 874 US-Lehrkräften steigerten KI-Zusammenfassungen zwar begonnene und abgeschlossene Aufgaben, nicht aber die gemessene Lernwirkung.

Die Zahlen

Belastbare Studien zu generativer KI in der Bildung, Zählung der SCALE-Initiative
Studien, die nach menschlicher Prüfung den Maßstab des What Works Clearinghouse (Handbook 5.0) für kausale Evidenz erfüllen; Archiv der SCALE-Initiative, Stand 30.06.2026, veröffentlicht am 10.11.2026. Das Archiv umfasst insgesamt 1.686 Arbeiten — die belastbaren sind rund drei Prozent davon.
52
kausal belastbare Studien zu generativer KI in der Bildung, nach 20 im März 2026 — 42 zu Lernenden, 12 zu Lehrenden, einige zählen doppelt (Quelle: Stanford SCALE, 10.11.2026)
32 von 868
neu aufgenommenen Arbeiten bestanden die Prüfung — 201 waren Experimente oder Quasi-Experimente, 97 gingen in die menschliche Begutachtung (Quelle: Stanford SCALE, 10.11.2026)
5
belastbare Studien zu Lernenden an US-Schulen (K-12) — im März waren es null; die meisten neuen Belege stammen aus Hochschulen (Quelle: Stanford SCALE, 10.11.2026; WINSS, 10.11.2026)

Einordnung

Der Review ist weniger wegen seiner Einzelbefunde bemerkenswert als wegen seiner Methode. Er verzichtet auf eine zusammenfassende Effektstärke, nennt zu jeder Studie Stichprobe, Design und Grenzen und formuliert seine Schlüsse eng — in einem Feld, in dem nach Darstellung von Edtech Insiders eine viel zitierte Metaanalyse zu ChatGPT zurückgezogen werden musste und eine Prüfung von 67 Metaanalysen zu KI in der Bildung erhebliche Publikationsverzerrungen fand. „Nicht ob generative KI in der Bildung wirksam ist“, sei die Frage, schreiben die Autoren, sondern wann, wie und für wen. Das deckt sich mit dem, was auf diesen Seiten in den vergangenen Monaten aus einzelnen Studien hervorging: dem zweiten Eedi-Experiment, das im Unterricht gleichauf lag und im Test keinen Effekt fand, dem Maryland-Versuch mit schlechteren Noten unter KI-Zugang, dem Khanmigo-Experiment in Tennessee, in dem die meisten Schüler den Tutor kaum nutzten, und der Sierra-Leone-Studie, die der Review nun als eine der wenigen belastbaren Schulstudien führt.

Für Schulen heißt das zweierlei. Die Werkzeuge, die im Review gut abschneiden, teilen Gestaltungsmerkmale — adaptive Reihenfolgen, Meisterschaftsregeln, Einbettung in den Unterricht —, die sich prüfen lassen, bevor ein Produkt beschafft wird; der Markt wächst bislang schneller als die Belege. Und der Review liefert ein Argument gegen die Gleichsetzung von Nutzung und Nutzen: Dass Lernende ein Werkzeug mögen, sagt über ihr Lernen wenig. Edtech Insiders, ein Branchennewsletter, lobt die Zurückhaltung der Autoren ausdrücklich und liest aus den Studien, die entscheidende Variable sei, ob die Nutzung auf das Lernen gerichtet ist — durch das Werkzeug oder durch die Haltung des Lernenden.

„Den bloßen Zugang zu KI zu evaluieren, reicht nicht aus.“ — Walker, Fesler, Martinez Claeys, Agnew und Loeb, Stanford SCALE, 10.11.2026 (übersetzt)

Was bleibt offen?

Erstens: Die Quellenlage. Das Archiv speist sich überwiegend aus arXiv-Vorabdrucken ohne Begutachtung; Zeitschriftenaufsätze außerhalb der Suche können fehlen, und der Vorsortierung durch ein Sprachmodell können relevante Arbeiten entgangen sein. Die Autoren benennen das selbst. Viele der 52 Studien sind klein — in einer Lehrkräftestudie waren es elf Tutoren, in einer anderen 22 Teilnehmende.

Zweitens: Die Übertragbarkeit. Die meisten neuen Belege stammen aus Hochschulen und messen kurzfristige Ergebnisse. Für US-Schulen gibt es fünf belastbare Studien zu Lernenden; der Review warnt, die Befunde sollten „nicht als breit verallgemeinerbar für US-K-12-Kontexte“ gelten. Für deutsche Schulen, deren Werkzeuglandschaft der Trendmonitor vermisst, gibt es im Archiv bislang keinen belastbaren Beleg.

Drittens: Die Lücken. Zu Chancengerechtigkeit und zu dauerhaften Lerngewinnen liegt kaum neue Evidenz vor; die wenigen Hinweise — stärkere Effekte bei leistungsstärkeren Schülern in Sierra Leone, größere Verluste bei Erstsemestern aus nicht-akademischen Familien in Maryland — deuten eher auf eine Öffnung der Schere.

Viertens: Der Zeitverzug. Der Review erfasst Arbeiten bis zum 30. Juni 2026. Die seitdem veröffentlichten Experimente — das zweite Eedi-RCT, die Maryland-Studie als Arbeitspapier vom Oktober — fehlen; die nächste Bilanz ist für das Frühjahr 2027 angekündigt. Wer heute entscheidet, entscheidet mit einem Stand von Mitte 2026.

Original-Quellen

Review der SCALE-Initiative: scale.stanford.edu · Erster Review vom März 2026 (PDF): scale.stanford.edu

Quellen

  1. Walker S., Fesler L., Martinez Claeys J.P., Agnew C., Loeb S. — The Evidence Base on AI in K-12: A November 2026 Review, Stanford SCALE Initiative, 10.11.2026 (doi.org/10.26300/80wn-ca81): scale.stanford.edu
  2. Stanford SCALE Initiative — The Evidence Base on AI in K-12: A 2026 Review (erster Review), März 2026: scale.stanford.edu
  3. Edtech Insiders (Alex Sarlin) — Quick Deep Dive: New AI Evidence Review From Stanford’s SCALE Initiative, 10.11.2026: edtechinsiders.substack.com
  4. WINSS (Figen Sekin) — Stanford review finds AI in K-12 evidence still thin, 10.11.2026: winssolutions.org
  5. Liu J. et al. — The Effects of Course-Integrated AI Tutoring on Student Performance and Engagement: A Randomized University Trial, EdWorkingPaper 26-1598, Annenberg Institute, Oktober 2026 (nach dem Stichtag des Reviews): edworkingpapers.com