Besonders bei jungen Schülerinnen und Schülern kann man eine durch generative KI verursachte Lernbeeinträchtigung feststellen, stellt eine chinesische Studie fest. Mit KI-Tools kann man bestimmte Aufgaben zwar effizient erledigen, aber für Schülerinnen und Schüler ist nicht Effizienz das Ziel, sondern es muss überhaupt erst einmal etwas gelernt werden, das Schreiben eines Aufsatzes etwa oder ein Referat.
Wer stattdessen Aufgaben an Bots delegiert, lernt selbst nichts.
Daher hat die unkontrollierte Verbreitung generativer KI-Tools unter Schülern nicht nur grundsätzliche Bedenken hinsichtlich ihres Lernens ausgelöst, sondern bereits nachweisbare Folgen: deutlich schlechtere Kompetenzen, weniger Leseverständnis und Hilflosigkeit, sobald Schülerinnen und Schüler Aufgabe ohne Endgeräte lösen müssen.
Diese „Erkenntnis“ ist zwar an sich trivial, aber heute braucht man ja auch für Selbstverständlichkeiten eine wissenschaftliche Studie …
Studie: Die generative KI-Lernstrafe
Beweise aus der chinesischen Sekundarschulbildung
David Stromberg, Stockholmer Universität; Viktor Lei, Universität von Hongkong
Yanhui Wu, Universität von Hongkong; Zentrum für wirtschaftspolitische Forschung (CEPR), Juni 02, 2026
Zusammenfassung
Anhand von 30-monatigen Paneldaten zu 26.811 chinesischen Schülern der Klassen 7-12 untersuchen wir, wie sich generative KI auf die Produktivität und das Lernen von Hausaufgaben auswirkt. Die Daten kombinieren monatliche geschlossene Prüfungen, High-School- und College-Aufnahmeprüfungen sowie Hausaufgaben und Abschlusszeit in neun Fächern. Wir nutzen die versetzte KI-Einführung in einem Differenz-in-Differenz-Design. Die KI-Einführung erhöht die Hausaufgaben um 18% und reduziert die Abschlusszeit um 30%, senkt jedoch die monatlichen Prüfungsergebnisse innerhalb von sechs Monaten um 20%. Die Einnahmen aus der Hocheinstiegsprüfung sinken um 18 und 24%, wobei die volle Strafe erst nach etwa zwei Jahren austritt.
Die Verluste sind in sozialwissenschaftlichen Fächern am größten, gefolgt von MINT und Sprachen, und sind besonders groß für Juniorstudenten, leistungsstarke Studenten und Jungen. Die Lernverluste konzentrieren sich auf etwa 80% der KI-Nutzer, deren Verhalten mit dem Homework-Outsourcing übereinstimmt, wie die außergewöhnlich kurze Hausaufgaben-Abschlusszeit in Verbindung mit hohen Hausaufgaben-Scores zeigt. KI-Benutzer, die eine ähnliche Hausaufgaben-Abschlusszeit beibehalten, da Nicht-KI-Benutzer kleine Lernverluste erleiden.
Link zur Studie: Stromberg, David ; Lei, Victor; Wu, Yanhui, The Generationative AI Learning Penalty: Evidence from Chinese Secondary Education (02. Juni 2026).
——————————
The Generative AI Learning Penalty
Evidence from Chinese Secondary Education
Abstract
Using 30 months of panel data on 26,811 Chinese students in grades 7-12, we study how generative AI affects homework productivity and learning. The data combine monthly closed-book exams, high-school and college entrance exams, and homework scores and completion time across nine subjects. We exploit staggered AI adoption in a difference-in-differences design. AI adoption raises homework scores by 18% and reduces completion time by 30%, but lowers monthly exam scores by 20% within six months. High-stakes entrance-exam scores fall by 18 and 24%, with the full penalty emerging only after about two years.
The losses are largest in social science subjects, followed by STEM and languages, and are especially large for junior students, high-achieving students, and boys. The learning losses are concentrated among roughly 80% of AI users whose behavior is consistent with homework outsourcing, as indicated by exceptionally short homework completion time coupled with high homework scores. AI users who maintain similar homework completion time as non-AI users experience small learning losses.
Stromberg, David; Lei, Victor; Wu, Yanhui, The Generative AI Learning Penalty: Evidence from Chinese Secondary Education (June 02, 2026). Available at SSRN:
https://ssrn.com/abstract=6868618 or http://dx.doi.org/10.2139/ssrn.6868618