/ en / Traditional / help

Beats Biblionetz - Aussagen

GMLS sind zu neu und dynamisch für seriöse Studien zu ihren (Lern-)Wirkungen

Dieses Biblionetz-Objekt existiert erst seit April 2026. Es ist deshalb gut möglich, dass viele der eigentlich vorhandenen Vernetzungen zu älteren Biblionetz-Objekten bisher nicht erstellt wurden. Somit kann es sein, dass diese Seite sehr lückenhaft ist.

iconBemerkungen

Beat Döbeli HoneggerMichael HielscherLennart SchalkMichael Seemann

Obwohl also bereits heute in Ansätzen sichtbar ist, dass maschinelles Lernen Gesellschaft und Schule mindestens so stark prägen wird, wie dies die Erfindung des PCs oder das Aufkommen des Internet getan hat, sind zuverlässige Prognosen sowohl zur technischen Entwicklung als auch zum Umgang von Gesellschaft und Schule mit maschinellem Lernen derzeit schwierig. Einerseits entwickelt sich die Technologie weiterhin rasch. Selbst Expert:innen sind sich nicht einig, ob die maximale Leistungsfähigkeit von maschinellem Lernen bereits weitgehend erreicht ist oder ob noch weitere exponentielle Entwicklungen zu erwarten sind. Für beide Prognosen gibt es plausible Begründungen.

Unabhängig von der technischen Entwicklung steht der Umgang der Menschheit mit den neuen Möglichkeiten des maschinellen Lernens noch am Anfang. Leistungsfähige generative Machine-Learning-Systeme sind erst seit Ende 2022 für Laien in grösserem Umfang nutzbar. Dementsprechend gering sind die bisherigen Erkenntnisse bezüglich der Nutzungserfahrungen und der möglichen Effekte auf menschliches Verhalten und Lernen. Selbst wenn sich die Technologie nicht weiter entwickeln würde, ist es deshalb derzeit schwierig, den künftigen Umgang der Gesellschaft mit maschinellem Lernen zuverlässig vorherzusagen. Die wenigen derzeit existierenden und solide gemachten Studien zur Nutzung von GMLS können nur bedingt darüber Auskunft geben, wie sich die Nutzung bei längerer Adoption der Technologie entwickeln wird und welche der prognostizierten Potenziale und Gefahren auch längerfristig relevant sind. So sind auch die ersten 2025 publizierten Metastudien zu GMLS in der Bildung mit entsprechender Vorsicht zu lesen. Die beiden zum Berichtszeitpunkt bekanntesten Metastudien (Deng et al. 2025; Wang & Fan 2025) wurden zwar breit ausserhalb der Wissenschaft rezipiert, ihre Methodik wurde aber wissenschaftlich stark kritisiert (siehe z. B. Bartoš, Martinková, & Wagenmakers 2025; Weidlich, Gašević, Drachsler, & Kirschner 2025). Sie liefern keine verlässlichen Hinweise, wie sich menschliches Verhalten und Lernen durch die Verfügbarkeit von GMLS ändert.

Von Beat Döbeli Honegger, Michael Hielscher, Lennart Schalk, Michael Seemann im Buch Digitale Lernplattformen in der Volksschule im Text Exkurs: (generative) Machine-Learning-Systeme (2026) auf Seite  23
Die Forschung tut sich schwer, hinterherzukommen. Jeder neue Befund zum Thema KI-Nutzung wird den Forschenden aus der Hand gerissen. Doch schnell verfügbar sind vor allem jene Studien, die schlampig konzipiert und durchgeführt werden. Hauptsache, es kommt eine griffige Aussage dabei heraus. Der Markt werde geflutet von Metastudien, in denen qualitativ schlechte Forschungsergebnisse hastig zusammengetragen sind, sagt Astrid Wichmann vom Bochumer Center for Advanced Internet Studies (CAIS). »Garbage in, garbage out«: Wenn die Forschungsmaschinerie mit Müll gefüttert werde, komme auch Müll heraus. Gründliche und solide Studien brauchen Zeit. Bis sie konzipiert, durchgeführt, ausgewertet und begutachtet sind, vergehen Jahre. Und wenn schließlich die Ergebnisse vorliegen, ist das KI-Modell, mit dem die Studie durchgeführt wurde, längst veraltet.
Von Silke Fokken, Johann Grolle, Claus Hecking im Text Macht die KI uns dumm? (2026)

iconZitationsgraph

Diese Grafik ist nur im SVG-Format verfügbar. Dieses Format wird vom verwendeteten Browser offenbar nicht unterstützt.

Diese SVG-Grafik fensterfüllend anzeigen

iconErwähnungen  Dies ist eine nach Erscheinungsjahr geordnete Liste aller im Biblionetz vorhandenen Werke, die das ausgewählte Thema behandeln.

iconAnderswo suchen  Auch im Biblionetz finden Sie nicht alles. Aus diesem Grund bietet das Biblionetz bereits ausgefüllte Suchformulare für verschiedene Suchdienste an. Biblionetztreffer werden dabei ausgeschlossen.

iconBiblionetz-History Dies ist eine graphische Darstellung, wann wie viele Verweise von und zu diesem Objekt ins Biblionetz eingetragen wurden und wie oft die Seite abgerufen wurde.