Die empirische Forschung der letzten Jahre bestätigt die Grundintuition der vorangegangenen Überlegungen: Die pädagogische Bedeutung von KI erschließt sich nicht aus der Frage, ob sie Ergebnisse verbessert, sondern welche Lernvollzüge sie stärkt, verändert oder ersetzt (vgl. Knaus, 2024). Leitend ist dabei die Unterscheidung zwischen Leistungs- und Lerngewinn (vgl. OECD, 2025; 2026). Übersichtsarbeiten zeigen, dass KI-gestützte Systeme ein breites Anwendungsspektrum besitzen – von adaptiver Lernunterstützung über intelligente Bewertung bis zu Profiling- und Prognoseverfahren – und insbesondere die Selbstwirksamkeit von Lernenden positiv beeinflussen können, wenn auch stark kontextabhängig (vgl. Ren et al., 2026). Zugleich verdeutlichen sie die Heterogenität der Befundlage und die zentrale Bedeutung didaktischer Gestaltung (vgl. Wang et al., 2024; Yun et al., 2024). Dass daraus jedoch nicht automatisch Lerngewinne folgen, zeigen Interventionsstudien wie jene von Bassner et al. (2026), deren Kernaussage bereits der Titel bündelt: weniger Stress, bessere Scores, aber nicht zwangsläufig mehr Lernen. Auch Bosse et al. (2026) zeigen für den deutschen Hochschulkontext, dass Studierende KI vor allem zur Lernunterstützung und Textarbeit nutzen. Empirisch bestätigt sich damit die bildungstheoretische Grundannahme dieses Bandes: KI erhöht vielfach die Bearbeitbarkeit von Aufgaben, vertieft Lernprozesse jedoch nur unter bestimmten didaktischen Bedingungen (vgl. Reinmann, 2026).