
22. Oktober 2026: Eine Schülerin reicht eine überzeugende Stellungnahme ein. Die Argumente sind geordnet, die Sprache ist flüssig, das Fazit klingt plausibel. Hat sie die Argumente selbst entwickelt? Hat eine künstliche Intelligenz (KI) ihren Entwurf unterstützt? Oder hat sie einen fertigen Text übernommen? Am Ergebnis allein lässt sich das kaum erkennen.
Genau hier setzt das ISAR-Modell nach Bauer et al. (2025) an, zu dem wir ein Poster erstellt haben. Es macht das Modell anschaulich und lädt dazu ein, den KI-Einsatz im Unterricht genauer zu betrachten.
Für Lehrpersonen stellt sich damit eine grundlegende Frage: Welche Denkprozesse führen Lernende selbst aus, wenn sie KI nutzen? Ein gelungenes Produkt sagt noch wenig darüber aus, ob sie Inhalte verstanden, Belege geprüft und Entscheidungen begründet haben. Entscheidend ist, wie KI in die Aufgabe eingebunden wird und welche Denkarbeit bei den Lernenden bleibt.
Das ISAR-Modell bietet dafür eine Orientierung. Es hilft, den Einsatz von KI im Zusammenhang mit einer konkreten Aufgabe zu betrachten. Ein System kann eine Hilfestellung geben, Rückmeldung zu einem eigenen Entwurf liefern oder die vorgesehene Lernhandlung weitgehend übernehmen. Für die Unterrichtsgestaltung macht das einen erheblichen Unterschied.
Vier Wirkungsweisen von KI auf Lernen
ISAR steht für Inversion, Substitution, Augmentation und Redefinition. Bauer und Kolleg:innen stellten das Modell 2025 vor, um unterschiedliche Wirkungen von KI auf kognitive Lernprozesse und Lernergebnisse einzuordnen. Bezugspunkt ist jeweils eine konkrete Vergleichssituation ohne KI. Wissenschaftlicher Originalbeitrag.
Als durchgehendes Unterrichtsbeispiel dient das Lernziel, Argumente zu prüfen und ein eigenes Urteil zu begründen. In der Ausgangssituation lesen Lernende zwei kurze Texte zur Smartphone-Nutzung in der Schule und verfassen eine Stellungnahme. Die folgenden Varianten veranschaulichen das Modell; ihre tatsächliche Wirkung muss sich am Lernen zeigen.
Inversion bedeutet weniger eigene Denkarbeit
Bei Inversion führt eine übermäßige Abhängigkeit von KI dazu, dass lernrelevante Denkprozesse und Lernergebnisse gegenüber der Vergleichssituation abnehmen.
Im Beispiel lassen Lernende die Stellungnahme vollständig erzeugen. Sie lesen die Texte kaum, übernehmen die vorgeschlagene Position und verändern nur einzelne Formulierungen. Der Text kann überzeugend wirken. Die vorgesehenen Lernhandlungen – Belege prüfen, Argumente gewichten, ein Urteil entwickeln – haben sie dabei kaum ausgeführt. Hier besteht ein Risiko für Inversion.
Für die Planung lohnt sich deshalb, genau zu benennen, welche Denkarbeit zum Lernziel gehört. Wer Begründen lernen soll, braucht Gelegenheiten, eine Begründung selbst zu entwickeln und zu überprüfen.
Substitution bedeutet gleichwertige Unterstützung
Bei Substitution ersetzt KI eine bisherige Unterstützung. Verarbeitungstiefe und Lernergebnisse bleiben vergleichbar; die Bereitstellung kann effizienter werden.
Angenommen, die Lehrkraft hat bisher bei Bedarf eine Hilfekarte ausgegeben: „Unterscheide zwischen Behauptung, Begründung und Beleg.“ Nun stellt ein KI-System denselben Hinweis bereit. Die Lernenden prüfen weiterhin selbst die Argumente und schreiben ihre Stellungnahme. Wenn die Unterstützung pädagogisch gleichwertig bleibt, lässt sich das als Substitution einordnen.
Ersetzt wird hier die Bereitstellung eines Hinweises. Würde die KI stattdessen die Stellungnahme vollständig übernehmen, wäre eine andere Einordnung zu prüfen.
Augmentation bedeutet zusätzliche Lernunterstützung
Bei Augmentation bietet KI zusätzliche oder bessere kognitive Unterstützung. Die Aufgabe selbst und ihre grundsätzliche Verarbeitungstiefe bleiben erhalten.
Die Lernenden schreiben zunächst einen eigenen Entwurf. Ein KI-System gibt dazu gezielte Hinweise, etwa: „Für diese Behauptung fehlt noch ein Beleg. Welche Stelle aus den Texten könnte sie stützen?“ Die Lernenden suchen eine Textstelle, prüfen deren Aussagekraft und überarbeiten ihre Begründung.
Diese Unterstützung kann an einer konkreten Schwierigkeit ansetzen. Ihre Qualität bleibt zu prüfen: Ein unzutreffender Hinweis kann die Arbeit in die falsche Richtung lenken. Zur Aufgabe gehört deshalb auch, Rückmeldungen zu beurteilen und begründet über ihre Verwendung zu entscheiden.
Redefinition bedeutet eine veränderte Lernaufgabe
Bei Redefinition wird die Aufgabe so verändert, dass sie gegenüber der Ausgangssituation tiefere, konstruktive oder interaktive Denkprozesse anregt. Diese Unterscheidungen erläutert der wissenschaftliche Originalbeitrag.
Aus dem Lesen und anschließenden Schreiben wird eine strukturierte Kontroverse. Die Lernenden vertreten ihre Position gegenüber einem KI-System, das Gegenargumente einbringt. Sie prüfen die Einwände anhand der Texte, formulieren Erwiderungen und vergleichen anschließend zu zweit, welche Argumente ihre Position verändert haben. Zum Abschluss verfassen sie ein eigenes Urteil mit einer begründeten Revision.
Ob das Redefinition ist, hängt vom Vergleich ab. Wenn der Unterricht zuvor bereits eine ebenso intensive Kontroverse vorsah, verändert der Wechsel zum KI-System die Lernaufgabe möglicherweise kaum.
Die Vergleichssituation entscheidet
ISAR lässt sich nur sinnvoll anwenden, wenn die Ausgangssituation beschrieben ist: Welche Aufgabe würden Lernende ohne KI bearbeiten? Welche Hilfen hätten sie? Welche fachliche Auseinandersetzung wäre vorgesehen?
Das Poster lässt sich deshalb als Vergleichshilfe lesen. Die vier Lernlandschaften gruppieren sich um ein gemeinsames Lernziel. Eine passende Hilfestellung kann bereits sinnvoll sein. Eine aufwendige neue Aufgabe bewährt sich daran, welche fachliche Auseinandersetzung sie auslöst und was Lernende dabei verstehen.
Was PISA dazu beiträgt
Der 2026 veröffentlichte deutsche Bericht zur internationalen Schulleistungsstudie PISA 2025 greift ISAR im Kapitel „Digitale Lernbedingungen“ auf. Das Modell hilft dort, den negativen Zusammenhang zwischen der berichteten Häufigkeit der KI-Nutzung für schulische Aufgaben und naturwissenschaftlicher Kompetenz einzuordnen. Inversion wird als mögliche Erklärung diskutiert. Zugleich kommt infrage, dass gerade leistungsschwächere Lernende häufiger KI nutzen. PISA 2025, Kapitel 12, S. 212–213.
Dieser Zusammenhang belegt keine Ursache. Er erlaubt kein pauschales Urteil darüber, ob KI Lernen verbessert oder verschlechtert. Für die Unterrichtsplanung lenkt die Einordnung den Blick auf die konkrete Nutzung und darauf, welche Lernhandlungen dabei stattfinden.
Mit ISAR Aufgaben weiterentwickeln
Für eine Fachschaft oder Fortbildung bietet sich eine vorhandene Unterrichtsaufgabe als Ausgangspunkt an. Beschreiben Sie den geplanten KI-Einsatz und prüfen Sie ihn mit vier Fragen:
- Was sollen Lernende verstehen oder können? Benennen Sie eine konkrete Fähigkeit, beispielsweise einen Beleg bewerten oder einen Lösungsweg erklären.
- Welche Denkhandlung führen sie selbst aus? Klären Sie, was die KI unterstützt und welche Entscheidungen bei den Lernenden bleiben.
- Was verändert sich gegenüber der bisherigen Aufgabe? Berücksichtigen Sie vorhandene Hilfen und Rückmeldungen.
- Woran wird Lernfortschritt erkennbar? Ein neuer Fall ohne KI oder eine mündliche Begründung kann zusätzliche Hinweise geben.
Ordnen Sie die Aufgabe auf dem Poster ein und begründen Sie Ihre Zuordnung. Unterschiedliche Einschätzungen sind ein guter Gesprächsanlass: Oft zeigen sie, dass das Lernziel oder die Unterstützung noch genauer beschrieben werden sollte. Entwickeln Sie anschließend eine kleine Änderung und prüfen Sie in der Durchführung, ob die gewünschte Lernhandlung sichtbarer wird.
Für die Unterrichtsvorbereitung ergibt sich daraus eine konkrete Konsequenz: Halten Sie mit einer KI-Aufgabe auch fest, welche Denkarbeit Lernende selbst leisten sollen und woran Sie diese erkennen. So wird aus einem überzeugenden Ergebnis eine überprüfbare Entscheidung über Lernen.
Quellen und weiterführende Lektüre
- Bauer, E., Greiff, S., Graesser, A. C., Scheiter, K. & Sailer, M. (2025). Looking Beyond the Hype: Understanding the Effects of AI on Learning. Educational Psychology Review, 37, Artikel 45.
- Greiff, S., Diedrich, J., Kastorff, T., Goldhammer, F. & Köller, O. (Hrsg.) (2026). PISA 2025. Bildung im Spannungsfeld von Innovation und Transformation. Waxmann. Besonders Kapitel 12 „Digitale Lernbedingungen“, S. 212–213.