Startseite
Podcasts
Kompass KI Podcast

Kompass KI

Hendrik Haverkamp und Benedikt Wisniewski 17 Episoden Neueste vor 1 Monat

Künstliche Intelligenz Technologie Spiele & Hobbys

Episoden

S2E3 | PISA und KI (Gast: Katharina Scheiter)

09.10.2026

44 Minuten

Die neuen Daten aus PISA 2025 liefern erstmals ein breites Bild davon, wie 15-Jährige generative KI für schulische Aufgaben nutzen. Und auf den ersten Blick sieht es nicht besonders gut aus: Wer KI häufiger nutzt, schneidet bei den naturwissenschaftlichen Kompetenzen tendenziell schlechter ab.

Doch was lässt sich daraus wirklich schließen? Darüber sprechen wir mit Prof. Dr. Katharina Scheiter von der Universität Potsdam, die am Kapitel zu digitalen Lernbedingungen der deutschen PISA-2025-Studie mitgewirkt hat. Wir schauen genauer darauf, was PISA über die KI-Nutzung von Schülerinnen und Schülern verrät.

Außerdem diskutieren wir das von Katharina Scheiter mitentwickelte ISAR-Modell: Wann ersetzt KI lediglich bestehende Lernaktivitäten, wann unterstützt sie Lernprozesse tatsächlich – und wann führt ihr Einsatz womöglich sogar zu weniger kognitiver Aktivität? Ben ist skeptisch. War ja klar!

Literatur

Kastorff, T., Sailer, M., Greiff, S., Goldhammer, F., Tupac-Baier, A., & Scheiter, K. (2026). Digitale Lernbedingungen. In S. Greiff, J. Diedrich, T. Kastorff, F. Goldhammer, & O. Köller (Hrsg.), PISA 2025: Bildung im Spannungsfeld von Innovation und Transformation (S. 206–214). Waxmann. https://doi.org/10.31244/9783818852009

Direkt zum KI-Abschnitt der internationalen PISA-2025-Ergebnisse

PISA 2025 Assessment and Analytical Framework (OECD)

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, Article 45. https://doi.org/10.1007/s10648-025-10020-8

Hamilton, E. R., Rosenberg, J. M., & Akcaoglu, M. (2016). The substitution augmentation modification redefinition (SAMR) model: A critical review and suggestions for its use. TechTrends, 60(5), 433–441. https://doi.org/10.1007/s11528-016-0091-y

Sailer, M., Maier, R., Berger, S., Kastorff, T., & Stegmann, K. (2024). Learning activities in technology-enhanced learning: A systematic review of meta-analyses and second-order meta-analysis in higher education. Learning and Individual Differences, 112, Article 102446. https://doi.org/10.1016/j.lindif.2024.102446

S2E2 | Hausaufgaben und KI

26.09.2026

23 Minuten

Bessere Hausaufgaben, weniger Arbeitszeit – aber schlechtere Prüfungsleistungen? Eine neue Studie mit knapp 27.000 Schüler aus China scheint auf den ersten Blick einen deutlichen „Learning Penalty“ durch generative KI zu zeigen.

Doch ist damit wirklich belegt, dass KI zu „Cognitive Offloading“, „De-Skilling“ oder gar „Kompetenzschwund“ führt? Wir schauen uns die Studie von Strömberg, Lei und Wu genauer an und fragen, was sie tatsächlich über KI-Nutzung, Hausaufgaben-Outsourcing und Lernen zeigt – und warum ausgerechnet diejenigen Schüler keine Lernverluste zeigen, die trotz KI weiter ähnlich viel Zeit in ihre Hausaufgaben investieren.

Außerdem diskutieren wir, was daraus für Hausaufgaben im KI-Zeitalter folgt: Welche Aufgaben ergeben überhaupt noch Sinn, wenn ChatGPT in Sekunden eine überzeugende Lösung liefern kann – und wann muss die entscheidende Denkarbeit zurück in den Unterricht?

Literatur

Strömberg, D., Lei, V., & Wu, Y. (2026). The Generative AI Learning Penalty: Evidence from Chinese Secondary Education.

Dettmers, S., Trautwein, U., Lüdtke, O., Kunter, M., & Baumert, J. (2010). Homework works if homework quality is high: Using multilevel modeling to predict the development of achievement in mathematics. Journal of Educational Psychology, 102(2), 467–482. https://doi.org/10.1037/a0018453

Trautwein, U. (2007). The homework–achievement relation reconsidered: Differentiating homework time, homework frequency, and homework effort. Learning and Instruction, 17(3), 372–388. https://doi.org/10.1016/j.learninstruc.2007.02.009

Trautwein, U., Lüdtke, O., Schnyder, I., & Niggli, A. (2006). Predicting homework effort: Support for a domain-specific, multilevel homework model. Journal of Educational Psychology, 98(2), 438–456. https://doi.org/10.1037/0022-0663.98.2.438

S2E1 | Bewertungs- und Feedbacktools auf dem Prüfstand

28.08.2026

22 Minuten

Zehn Schülertexte, zehn Bewertungen – und teilweise völlig unterschiedliche Ergebnisse. Für Rainer Mühlhoff ist der Fall klar: KI-basierte Korrektur- und Feedbacksysteme sind zu unzuverlässig für die Leistungsbewertung.

Aber tragen die Daten diese Schlussfolgerung wirklich? Wir schauen uns zwei Studien von Mühlhoff genauer an und fragen, was sie tatsächlich über Variabilität, Reliabilität und die Qualität von KI-Feedback zeigen – und was die Forschung zum Vergleich von menschlicher und automatisierter Bewertung dazu sagt.

Mühlhoff, R., & Henningsen, M. (2024). Chatbots im Schulunterricht: Wir testen das Fobizz-Tool zur automatischen Bewertung von Hausaufgaben. arXiv.

Mühlhoff, R., & Quägwer, S. (2026). Automatisierte Korrektur mit KI? Wir testen zwei verbreitete Tools. SEMINAR – Lehrerbildung und Schule, 32(2), 62–76.

Yun, J. (2023). Meta-analysis of inter-rater agreement and discrepancy between human and automated English essay scoring. English Teaching, 78(3), 105–124.

Huang, Y., Palermo, C., & Wilson, J. (2026). Accuracy and fairness of generative AI in automated essay scoring: Comparing GPT-4o, feature-based models, and human raters. Assessing Writing, 69, 101047.

S1E10 | The beauty of AI feedback (Gast: John Hattie)

07.03.2026

27 Minuten

In dieser Folge geht es ausnahmsweise nicht um eine KI-Studie. Stattdessen sprechen wir mit dem weltweit bekanntesten Bildungsforscher John Hattie über KI-Feedback. John erklärt, warum er KI für die größte Veränderung seiner Lebenszeit hält, was sie aus seiner Sicht so schön macht, aber auch was er als problematisch erachtet.

S1E9 | Kompetenz & Risiko

01.01.2026

21 Minuten

KI-Kompetenz wird derzeit als pädagogische Wunderwaffe gehandelt: Wer sie besitzt, so die Hoffnung, nutzt KI souverän, reflektiert Risiken und verfällt weder in Technikangst noch in Euphorie. Aber was heißt „KI-kompetent“ eigentlich konkret – und wie hängt diese Kompetenz mit der Wahrnehmung von Risiken zusammen?

In dieser Folge von Kompass KI diskutieren Hendrik und Benedikt eine aktuelle Studie aus Finnland, die genau dieser Frage nachgeht. Im Zentrum steht nicht, welche Risiken KI objektiv mit sich bringt, sondern wie Schülerinnen und Schüler diese Risiken wahrnehmen – und wie sich diese Wahrnehmung je nach selbst eingeschätzter KI-Kompetenz strukturiert. Warum sorgen sich manche vor allem um ihr eigenes Lernen, während andere Bias, Fairness und institutionelle Regeln in den Blick nehmen? Und was sagt das über Bildungsprozesse im KI-Zeitalter aus?

Eine Folge über Kompetenz, Angst, Perspektivverschiebungen – und darüber, warum mehr KI-Kompetenz vielleicht weniger beruhigt als vielmehr den Blick schärft.

Über diese Studie sprechen wir:

Heilala, V., Sikströmlo#IK, P., Setälä, M., & Kärkkäinen, T. (2025). Artificial Intelligence Competence of K-12 Students Shapes Their AI Risk Perception: A Co-occurrence Network Analysis. arXiv preprint arXiv:2512.04115.

Alle Folgen ansehen (17)

In Podcasts werben

Schalte jetzt Werbung in Podcasts.

Über diesen Podcast

Ein Podcast für alle, die im KI-Dschungel einen verlässlichen Wegweiser suchen: Kompass KI gibt Lehrkräften Orientierung im Umgang mit künstlicher Intelligenz. In kurzen Folgen stellen wir aktuelle Studien zum KI-Einsatz in der Schule vor, bewertet deren Qualität und leiten praxisnahe Impulse für den Unterricht ab. Statt Informationsflut und social-media-Halbwissen gibt es fundierte Einordnungen – von Lehrer und FelloFish-Co-Founder Hendrik Haverkamp und Schulpsychologe Dr. Benedikt Wisniewski.

Webseite: Kompass KI • A podcast on Spotify for Creators
Urheberangabe: Hendrik Haverkamp und Benedikt Wisniewski
Durchschnittliche Länge: Ø 20 Min.
Erscheinungsweise: Monatlich
Letzter Check: vor 4 Std.
Zuerst veröffentlicht: vor 1 J.