Unterrichten mit KI
KI im Unterricht sinnvoll nutzen: das ISAR-Modell
Künstliche Intelligenz im Unterricht einzusetzen heisst nicht automatisch, besser zu lernen. Ob KI das Lernen fördert oder bremst, hängt vor allem davon ab, wie sie eingesetzt wird. Das ISAR-Modell macht diesen Unterschied sichtbar.
Worum es geht
Das ISAR-Modell zeigt, dass KI allein noch keinen guten Unterricht garantiert. Die Qualität des Lernens hängt davon ab, mit welcher Absicht und auf welche Weise KI genutzt wird. Das Modell spannt einen Bogen von schädlicher bis zu sehr sinnvoller Nutzung und macht damit deutlich, dass ein unreflektierter Gebrauch Lernprozesse sogar verschlechtern kann.
Zentral ist deshalb ein bewusster, methodisch-didaktisch geplanter Einsatz. Lehrpersonen legen Lernziele, Aufgabenformate und die Rolle der KI klar fest und begleiten die Lernenden im Umgang mit den Werkzeugen eng.
Vier Wirkungstypen von KI auf das Lernen
Das ISAR-Modell von Bauer et al. (2025) unterscheidet vier zentrale Arten von Effekten beim Einsatz von KI im Lernprozess. Es verbindet Elemente des SAMR-Modells (Puentedura) mit dem ICAP-Modell (Chi und Wylie) und hilft so, genauer zu verstehen, wie KI das Lernen beeinflusst. Für jede Stufe folgen konkrete Beispiele aus der beruflichen Ausbildung.
1. Inversion (Umkehrung): KI untergräbt das Lernen
KI verringert das aktive Denken und führt zu schlechteren Lernergebnissen, wenn sie nur schnelle, oberflächliche Lösungen liefert und das echte Verständnis nicht unterstützt.
Beobachtungsdokumentation: Eine lernende Person soll Kinder beobachten und Entwicklungsprozesse analysieren. Statt selbst zu beobachten, lässt sie die Texte von einem KI-Tool erstellen. Folge: Die Beobachtungskompetenz wird nicht geschult, und feine Nuancen in der Entwicklung bleiben unentdeckt.
Reflexion: Eine lernende Person lässt ihre Reflexionsberichte von ChatGPT schreiben, ohne über das eigene Handeln nachzudenken. Folge: Es entsteht eine oberflächliche Reflexion statt ein echtes Verständnis der eigenen Entwicklung.
2. Substitution (Ersetzung): KI ersetzt ohne didaktischen Mehrwert
KI ersetzt eine bisherige Methode und steigert die Effizienz, verändert oder verbessert den Lernprozess der Lernenden aber nicht.
Lernkarten: Statt Karteikarten von Hand zu schreiben, lässt eine lernende Person aus einem Kapitel digitale Lernkarten mit Begriff, Definition und Beispiel erstellen. Folge: Das Lernen wird effizienter und übersichtlicher, der Kompetenzzuwachs bleibt aber ähnlich wie bei klassischen Karteikarten.
Fachsprache: Statt im Wörterbuch zu blättern, nutzt eine lernende Person die KI als Glossar für Fachbegriffe. Folge: Der Wortschatz wächst schneller, doch ohne aktives Anwenden in Sätzen und Situationen bleibt die Fachsprache weniger abrufbar.
3. Augmentation (Ergänzung): KI bereichert das Lernen
KI bietet zusätzliche, oft personalisierte Unterstützung beim Denken und Lernen, etwa durch gezieltes Feedback, angepasste Hilfestellungen (Scaffolding) und eine intensivere Auseinandersetzung mit den Inhalten.
Feedback zur eigenen Arbeit: Eine lernende Person schreibt zuerst eine eigene Fallanalyse und lässt die KI danach anhand einer Checkliste Feedback geben (Sind Begründungen vorhanden? Fachbegriffe korrekt? Bezug zum Auftrag?). Folge: Sie verbessert gezielt Qualität und Fachlichkeit und wird sicherer im Begründen und im Transfer in die Praxis.
Planung mit Begründung: Eine lernende Person plant eine Arbeitsorganisation und nutzt die KI für Optimierungsvorschläge mit Begründung, etwa zu Reihenfolge, Zeitpuffer und Sicherheitschecks. Die Entscheidung bleibt bei ihr. Folge: Sie trifft fundiertere Entscheidungen und kann sie fachlich begründen.
4. Redefinition (Neugestaltung): KI ermöglicht völlig neue Lernaufgaben
KI ermöglicht neue, verändernde Lernaufgaben, die ohne diese Technologie nicht oder nur mit grossem Aufwand möglich wären. Solche Aufgaben fördern vertieftes, konstruktives und interaktives Lernen.
Individuelle Übungsaufgaben: Eine Lehrperson entwickelt mit der KI für jede lernende Person Aufgaben, die auf Stand und Tempo zugeschnitten sind. So entsteht eine Differenzierung, die von Hand schlicht zu aufwendig wäre.
Simuliertes Fachgespräch: Lernende nutzen die KI per Sprachsteuerung als Prüfungsexpertin. Sie simulieren ein vollständiges Fachgespräch, in dem die KI auf Antworten reagiert, kritische Rückfragen stellt und am Ende die Argumentation und Fachsprache analysiert. Ein individuelles Training, das im Selbststudium bisher kaum möglich war.
Was das für die Berufsbildung bedeutet
Der Einsatz von KI-Tools führt nicht automatisch zu besseren Lernergebnissen. Entscheidend ist das didaktische Konzept: Lehrpersonen legen bewusst fest, auf welcher ISAR-Stufe und mit welchem Ziel KI eingesetzt wird.
- Aktives Denken bleibt zentral. Lernende müssen selbst beobachten, nachdenken und Zusammenhänge analysieren. KI kann diesen Prozess unterstützen, aber nicht ersetzen.
- Hilfestellung statt fertige Lösungen. KI sollte vor allem Fragen stellen und Denkanstösse geben, statt direkt Antworten zu liefern.
- Die Lehrperson bleibt zentral. Sie plant den Unterricht und entscheidet gezielt, ob und wie KI sinnvoll eingesetzt wird.
- Ethische Reflexion ist wichtig. Lernende sollen KI-Tools kritisch beurteilen und mögliche ethische Fragen mitdenken.
Transparenzhinweis: Inhaltliche Grundlage ist die Publikation von Bauer et al. (2025). Bei Aufbereitung und Vereinfachung des Textes haben KI-Werkzeuge unterstützt, die fachliche Endredaktion liegt bei mir.
Quelle: Bauer, E., Greiff, S., Graesser, A. C., Scheiter, K. und Sailer, M. (2025). Looking Beyond the Hype: Understanding the Effects of AI on Learning. Educational Psychology Review. https://doi.org/10.1007/s10648-025-10020-8
Das ISAR-Modell baut auf dem SAMR-Modell von Puentedura und dem ICAP-Modell von Chi und Wylie auf und wird ausdrücklich als Weiterentwicklung dieser beiden Ansätze verstanden.