Die generative künstliche Intelligenz zwingt die Hochschulen, ihre Art des Lehrens und Prüfens zu überdenken. Das ist die These von Dan Schwartz, Spezialist für Lernwissenschaften, in einem Interview, das die EPFL am 23. September 2026 veröffentlicht hat (aufgezeichnet von Cécilia Carron). Für ihn geht es um mehr als die Frage, ob diese Werkzeuge im Unterricht erlaubt sein sollen oder nicht: Es gilt neu zu definieren, was die Studentinnen und Studenten wirklich lernen müssen.
Der Forscher, Professor für Bildungstechnologien an der Stanford Graduate School of Education und Direktor des Stanford Accelerator for Learning, war Anfang September in der Schweiz für den Start von CLUE, dem neuen gemeinsamen Zentrum der EPFL und der ETH Zürich für Lernwissenschaften. Ein nützlicher Hinweis: Es handelt sich um ein Interview, nicht um die Vorstellung einer Studie. Die wiedergegebenen Aussagen sind Analysen und Denkanstösse eines Spezialisten, keine veröffentlichten experimentellen Ergebnisse.
Eine Kluft zwischen Studierenden und Lehrenden
Dan Schwartz erinnert daran, dass Sokrates bereits im 5. Jahrhundert vor unserer Zeitrechnung befürchtete, die Schrift würde das Gedächtnis der Menschen und ihre Fähigkeit zerstören, Wahres von Falschem zu unterscheiden. Heute beobachtet er an den Hochschulen mehrere Haltungen: Lehrende, die KI in ihre Lehrveranstaltungen einführen, nachdem sie sie in ihrer Forschung übernommen haben; manche, die Werkzeuge speziell für ihr Fachgebiet entwickeln (zum Beispiel ein Werkzeug, das das Video eines unerfahrenen Chirurgen mit dem eines Experten vergleicht, um die Unterschiede in ihren Handgriffen zu erkennen); andere, die vor allem das Schummeln verhindern wollen; und schliesslich jene, die KI rundweg ablehnen.
Die Schwierigkeit liegt seiner Meinung nach darin, dass «KI-Werkzeuge besonders leistungsfähig darin sind, die Art von Aufgaben zu erledigen, die wir Studierenden traditionell stellen». Daraus ergibt sich eine Kluft: Bei bestimmten Lernaufgaben sind die Studierenden voraus, bei der Forschung und bei komplexen Problemen die Lehrenden.
Die Lernfähigkeit messen
Bei der Leistungsbeurteilung ist seine Position klar: Da die Studierenden diese Werkzeuge in ihrem Berufsleben nutzen werden, «warum sollte man sie diese nicht auch bei der Schlussprüfung verwenden lassen und die Art der Beurteilung überdenken?» Er zieht eine Parallele zu den Debatten über den Taschenrechner, bei denen sich bereits die Frage stellte, was ein Schüler unbedingt allein können muss.
Er unterscheidet zwei Ziele: die Beherrschung eines vermittelten Inhalts zu messen oder die Fähigkeit, das zu lernen, was als Nächstes kommt. Für das zweite skizziert er einen Ansatz: eine Beurteilung, die beobachten würde, wie eine Person beim Lösen eines Problems lernt. Eine KI könnte erkennen, dass sie immer wieder eine Strategie wiederholt, die nicht funktioniert, und beobachten, ob es ihr gelingt, eine neue auszuprobieren. Es handelt sich um eine Perspektive, im Konjunktiv formuliert, und nicht um ein bestehendes Verfahren.
Was man weiterhin wissen muss
«Man muss genug wissen, um interpretieren zu können, was sie hervorbringt», betont Dan Schwartz. Bestimmte Kenntnisse müssen automatisch werden, etwa das Verstehen eines Wortes beim Lesen. Andere, wie die Proportionalität oder die Prozentrechnung in der Mathematik, sind grundlegende Konzepte, die man vertieft verstehen muss. Ein Verfahren hingegen, hinter dem kein grundlegendes Konzept steht, könnte seiner Meinung nach der KI überlassen werden.
Lehrveranstaltungen neu konzipieren
«Wir befinden uns noch mitten in der Experimentierphase», räumt der Forscher ein. Ihn interessieren Situationen, in denen KI dem Menschen hilft, statt seinen Platz einzunehmen. In einer Vorlesung kann KI Notizen machen, was er für wenig interessant hält. Bei der Arbeit in Kleingruppen hingegen könnte ein System bemerken, dass eine Person das Gespräch an sich reisst, und vorschlagen, dass ein anderer Student eine Frage stellt, oder Lehrpersonen am Anfang ihrer Laufbahn unterstützen. Formen der Zusammenarbeit, die er als «vielversprechend» bezeichnet, ohne sie als bereits eingeführt darzustellen.
Das Risiko, dass die Studierenden alle ihre Fragen der KI stellen, relativiert er. Aber «wenn die ganze Lehrveranstaltung so konzipiert ist, dass die Antworten der KI systematisch ausreichen, dann liegt wahrscheinlich ein Problem in der Konzeption der Lehrveranstaltung vor». Er räumt ein, dass die Neugestaltung einer Lehrveranstaltung enorm viel Arbeit bedeutet, ist aber zugleich der Ansicht, dass es irgendwann nicht mehr funktionieren wird, genau so weiterzumachen wie bisher.
Sich anpassen und einbeziehen
Um die Studierenden auf eine sich rasch verändernde Welt vorzubereiten, weist Dan Schwartz auf eine unterschätzte Schwierigkeit hin: zu erkennen, dass eine Situation verlangt, etwas Neues zu lernen. Er plädiert für eine offene Haltung gegenüber Neuem, für Strategien, um neuen Informationen einen Sinn zu geben, und für eine ausreichend solide Wissensbasis. Er nennt auch einen Englischlehrer, in dessen Familie jemand gehörlos war und der dank KI ein Werkzeug geschaffen hat, das einen Text lesen und eine Figur erzeugen kann, die Gebärdensprache verwendet – ein Produkt, das zu spezifisch ist, um ein grosses Unternehmen zu interessieren.
CLUE, der Schweizer Rahmen
CLUE (Joint Center for Research on Learning, Understanding and Education) wurde am 10. September in Bern offiziell lanciert. Das Zentrum ist an der EPFL beim 2018 gegründeten Zentrum für Lernwissenschaften (LEARN) angesiedelt und will multidisziplinäre Forschung zum menschlichen Lernen entwickeln, eine neue Generation von Spezialistinnen und Spezialisten ausbilden und die Forschung näher an die Praxis heranführen. Künstliche Intelligenz gehört zu seinen Themen, namentlich mit der Initiative RAISE (Responsible AI for Swiss Education). Das Zentrum plant zudem, sich mit der Weiterbildung von Lehrerinnen und Lehrern zu befassen. Dies sind zum jetzigen Zeitpunkt angekündigte Ziele.
