Stand: März 2026
Verifizierte Quellenbasis für evidenzgeleitete Entscheidungen in Unterricht, Assessment, Schulentwicklung und Datenschutz.
Maschinenlesbare Quelle: ki-und-lernen-sources.json
1) Fragestellung präzisieren, 2) passende Cluster identifizieren, 3) Evidenzstärke gewichten, 4) erst dann Unterrichts- oder Policy-Entscheidungen ableiten.
Besonders wichtig: Einzelstudien nie isoliert nutzen. Priorisieren Sie Meta-Analysen, systematische Reviews und institutionelle Leitlinien, bevor lokale Umsetzung beschlossen wird.
Typischer Ablauf im Schulalltag: Ein Team hat eine konkrete Frage (z. B. KI in Prüfungen), sucht in der Clusterlogik die passenden Quellen und priorisiert danach die Evidenz mit hoher und mittlerer Stärke.
Anschliessend werden Entscheidungen immer mit einer lokalen Realitätsschleife verknüpft: Altersstufe, Fachkontext, Datenschutzrahmen und vorhandene Kompetenzen im Kollegium.
Mini-Beispiel: Eine Fachschaft plant ein neues KI-Assessmentformat, nutzt zuerst Meta-Analysen zur Lernwirksamkeit, ergänzt Policy-Leitlinien zu Integrität und dokumentiert daraus eine schulinterne Bewertungsregel.
Stand/Quelle: 13. Februar 2026 · Verifizierte Primärquellen (Meta-Analysen, Reviews, Leitlinien, RCTs)
Jede Quelle enthält Kurzinterpretation, Clusterzuordnung und direkten Primärlink. Nutzen Sie diese Struktur, um schnell vom Forschungsstand zu einer begründeten Praxisentscheidung zu gelangen.
Autor:innen: Wenting Ma, Olga Adesope, Nesbit John, Qing Liu
Quelle: Journal of Educational Psychology
ITS zeigen im Mittel positive Effekte auf Lernleistungen, besonders bei klarer didaktischer Einbettung.
Autor:innen: Xian Han, et al.
Quelle: Educational Research Review
Meta-analytische Befunde zeigen insgesamt moderate bis deutliche Lernzuwächse durch GenAI, abhängig von Aufgaben- und Unterrichtsdesign.
Autor:innen: Xu, et al.
Quelle: British Journal of Educational Technology
Explizite metakognitive Prompts stabilisieren Selbststeuerung und verhindern oberflächliche KI-Nutzung.
Autor:innen: Alfredo Navas Bonilla, et al.
Quelle: Future Internet
Systematisches Review zeigt Potenziale für autonome Lernsteuerung, weist aber auf Abhängigkeitsrisiken hin.
Autor:innen: Nataliya Kosmyna, et al.
Quelle: MIT Media Lab / arXiv
Neurowissenschaftliche Daten deuten auf geringere tiefe Verarbeitung bei unreflektierter Vollauslagerung an LLMs hin.
Autor:innen: Manu Kapur
Quelle: Educational Psychologist
Lernwirksame Friktion ist für tiefes Verständnis zentral; reine Effizienz kann Transfer und Konzeptaufbau schwächen.
Autor:innen: Deep, Chen
Quelle: Societies (MDPI)
KI kann Schreibprozesse stützen, erfordert jedoch klare Transparenz- und Reflexionspflichten zur Kompetenzsicherung.
Autor:innen: Chen, et al.
Quelle: Frontiers in Medicine
Randomisierte Befunde sprechen für signifikante Leistungsgewinne durch personalisierte KI-Lernpfade in klar definierten Settings.
Autor:innen: Kooli, Chakraoui
Quelle: Sustainable Futures
Assistive KI kann Teilhabe stärken, wenn Genauigkeit, Barrierefreiheit und Datenschutz operational abgesichert werden.
Autor:innen: Geissler, et al.
Quelle: arXiv
Interventionen zur Deepfake-Erkennung verbessern Urteilssicherheit messbar, wenn Quellenkritik explizit trainiert wird.
Autor:innen: UNESCO
Quelle: UNESCO
Globaler Referenzrahmen für menschenzentrierte, faire und transparente KI-Nutzung in Bildungsinstitutionen.
Autor:innen: UNESCO
Quelle: UNESCO
Konkrete Leitlinien für sichere und lernorientierte Integration generativer KI in Bildung und Forschung.
Autor:innen: European Commission
Quelle: Publications Office of the EU
Pragmatische Handlungsrichtlinien für Lehrpersonen zwischen Unterrichtsnutzen, Transparenz und Datenschutz.
Autor:innen: European Data Protection Board
Quelle: EDPB
Präzisiert datenschutzrechtliche Anforderungen an KI-Modelle, inklusive Zweckbindung, Rechtsgrundlage und Verantwortlichkeit.
Autor:innen: OECD
Quelle: OECD
Bildungspolitische Perspektive auf zukunftsrelevante Kompetenzen unter Bedingungen breit verfügbarer KI.
Autor:innen: Stanford HAI
Quelle: Stanford University
Kuratiert den internationalen Forschungsstand zu Chancen und Grenzen von KI in Bildungssettings.
Autor:innen: Western Michigan University Teaching and Learning
Quelle: WMU
Beschreibt didaktische Muster, mit denen KI kritisches Denken fördern statt unterlaufen kann.
Autor:innen: Faculty Focus
Quelle: Faculty Focus
Praxisorientierte Muster für kollaborative KI-Arbeit mit Fokus auf Prozessqualität und Rollenklärung.
Autor:innen: UNESCO
Quelle: UNESCO
Kompetenzrahmen mit Entwicklungsstufen für professionelle KI-Handlungsfähigkeit von Lehrpersonen.
Autor:innen: Michigan Virtual
Quelle: Michigan Virtual
Zeigt zentrale Akzeptanzfaktoren bei Lehrkräften und typische Implementierungsbarrieren auf.
Autor:innen: Younis, et al.
Quelle: Journal of Digital Learning in Teacher Education
Prä-Post-Daten zeigen signifikante Kompetenzgewinne durch strukturierte KI-Fortbildungsdesigns.
Autor:innen: Xia, et al.
Quelle: Computers & Education
SDT-basierte Lernumgebungen verbessern Autonomieerleben, Kompetenzwahrnehmung und Engagement in KI-Lernsettings.
Autor:innen: Alqurni
Quelle: Frontiers in Artificial Intelligence
Zusammenhang zwischen wahrgenommener KI-Agentivität, Selbstwirksamkeit und Lernmotivation.
Autor:innen: SchoolAI
Quelle: SchoolAI
Pragmatischer Prüfraster für schulische Datenschutzentscheidungen bei KI-Tools.
Autor:innen: educa.ch
Quelle: educa.ch
Schweizer Referenzressource für Governance, Infrastruktur und Bildungsintegration von KI.
Autor:innen: EDK/CDIP
Quelle: CDIP
Kantonale Perspektive auf KI-Integration, Verantwortlichkeiten und Bildungssteuerung in der Schweiz.
Autor:innen: UNESCO
Quelle: UNESCO
Laufende internationale Orientierung zu Governance, Fähigkeiten und ethischer KI-Nutzung im Bildungsbereich.
Autor:innen: OECD CERI
Quelle: OECD
Bietet politisch anschlussfähige Forschungsperspektiven für mittel- und langfristige Bildungsplanung.
Autor:innen: Nature Portfolio
Quelle: Nature
Primärjournal für lernwissenschaftliche Evidenz mit hoher Anschlussfähigkeit an didaktische Designfragen.
Autor:innen: AECT
Quelle: Springer
Breites Evidenzfeld zu instructional design, Wirksamkeit und Technik-Pädagogik-Schnittstellen.
In den Umsetzungsmodus wechseln: Hub KI und Lernen öffnen und passende Materialien in Ressourcen nutzen.