Der zunehmende Einsatz KI-gestützter Technologien im Klassenzimmer verändert die Rollen von Lernenden und Lehrkräften – insbesondere im Hinblick auf Eigenverantwortung und Autonomie der Schüler:innen. In einer Speed-Dating-Interviewstudie mit 16 Schüler:innen und 15 Lehrkräften an weiterführenden Schulen in Deutschland wurden deren Wahrnehmungen und Präferenzen im Umgang mit KI im Unterricht untersucht. Anhand von Storyboards, die Szenarien von vollständiger Lernendenkontrolle bis hin zu vollständiger KI-Steuerung zeigten, offenbarten sich sowohl gemeinsame Sichtweisen als auch unterschiedliche Vorstellungen zur Nutzung von KI. Die Ergebnisse unterstreichen die zentrale Bedeutung der Beziehung zwischen Lehrkraft und Schüler:in für die Akzeptanz und Gestaltung von KI-Systemen im Unterricht. Durch die Einbindung beider Perspektiven soll ein differenzierteres Verständnis für das Zusammenspiel von menschlicher Autonomie und KI-Automatisierung entstehen.

Die qualitative Studie basierte auf einem Speed-Dating-Interviewdesign. Dabei wurden 16 Schüler*innen (die bereits im Rahmen eines vorangegangenen Forschungsprojekts erhoben wurden) und 15 Lehrpersonen zu vier Dimensionen studentischer Agency beim Lernen mit KI (Nagashima et al., 2025) befragt: Feedback und Hilfe, Daten, Orchestrierung und Content. Zur Gesprächsanregung wurden interaktive Storyboards entwickelt, die mögliche KI-unterstützte Lernszenarien visualisierten und reale Entscheidungssituationen veranschaulichten. Hier ein Beispiel eines Lehrerszenarios. Die Storyboards dienten als Grundlage für reflektierte Aussagen zu Kontrolle, Autonomie und Mitgestaltung.

Zur Analyse der Interviewdaten wurde die Methode des Affinity Diagramming (AD) eingesetzt – ein visueller, iterativer Ansatz zur Strukturierung qualitativer Daten. Zunächst wurden relevante Aussagen aus den Transkripten von drei Forschenden unabhängig codiert und auf digitale „Sticky Notes“ übertragen.

Diese Zitate wurden anschließend in mehreren Schritten systematisch gruppiert:

• Vorbereitung: Ordnen der Sticky Notes sortiert nach Szenarien (Feedback und Hilfe, Daten, Orchestrierung und Content)
• Horizontal: Thematische Cluster innerhalb einzelner Interviewabschnitte (z. B. Feedback, Daten)
• Vertikal: Übergreifende Muster zwischen verschiedenen Themenbereichen

Daraus wurden 13 mittlere Themen und schließlich 5 übergeordnete Kategorien abgeleitet, die den vier Dimensionen studentischer Agency zugeordnet wurden. Diese strukturierte Gegenüberstellung erlaubte es, unterschiedliche und gemeinsame Perspektiven von Schüler*innen und Lehrpersonen sichtbar zu machen und daraus fundierte Gestaltungsempfehlungen für KI-gestützte Lernumgebungen abzuleiten.

Die Analyse der Interviews zeigte teils deutliche Unterschiede in den Vorstellungen von Schülerinnen und Lehrpersonen bezüglich Kontrolle und Autonomie beim Lernen mit KI. Während Lehrpersonen häufig hybride Steuerungsmodelle bevorzugten – in denen KI sie bei der Entscheidungsfindung unterstützt, aber nicht ersetzt –, betonten Schülerinnen ihr Bedürfnis nach Selbstbestimmung, insbesondere bei der Nutzung von Feedbacksystemen und bei der Freigabe persönlicher Daten.

In Bezug auf Datennutzung wurde ein Spannungsverhältnis deutlich: Schüler*innen äußerten klare Wünsche nach Datenschutz und Kontrolle über eigene Lern- und Verhaltensdaten, während Lehrpersonen den Zugang zu solchen Daten als notwendig für eine gezielte Förderung betrachteten. Beide Gruppen betonten jedoch die Bedeutung von Vertrauen in das KI-System sowie ein unterstützendes Lernklima, in dem Technologie nicht als Überwachungsinstrument, sondern als Lernhilfe wahrgenommen wird.

Diese Ergebnisse unterstreichen die Notwendigkeit, transparente, adaptive und partizipative Gestaltungskonzepte für KI-Systeme im Bildungsbereich zu entwickeln, die sowohl Schüler*innen- als auch Lehrkräfteperspektiven berücksichtigen.

---

Nagashima, T., Vincoli, M., Scholz, N., & Su, M. (2025). Understanding students’ nuanced views on AI-supported classroom learning through perspective taking. In Proceedings of the International Conference on Artificial Intelligence in Education (AIED2025), Palermo, Italy

👉 Sie können hier die vollständige Masterarbeit lesen