Quellenstand
Sprache und Schreiben sind für generative KI zugleich besonders anfällig und besonders chancenreich. Die Technologie kann formulieren, umformulieren, Feedback geben, Beispiele liefern und Dialoge simulieren. Damit berührt sie nicht irgendeinen Randbereich des Unterrichts, sondern einen Kern schulischer Leistung: Wie zeigen Lernende, dass sie verstanden, beurteilt und selbst gestaltet haben?
Die aktuelle Evidenz spricht gegen einfache Kulturkampfdiagnosen. Generative KI zerstört Schreiben nicht automatisch. Sie löst Schreibförderung aber auch nicht von selbst. Plausibler ist eine Prozessperspektive: Lernen entsteht, wenn Lernende planen, Entwürfe vergleichen, Feedback prüfen, sprachliche Entscheidungen begründen und die Qualität eigener Revisionen verstehen.
Für Sprache und Schreiben gibt es vergleichsweise viele frühe GenAI-Befunde, doch sie stammen häufig aus Hochschul- oder Englischlernkontexten und sind nur begrenzt auf alle Fächer der Sekundarstufe übertragbar.
Stützende Quellen
- Chenying Liu (2026): The effects of AI-assisted feedback on students’ perceptions, emotions, and learning outcomes in L2 writing: a three-level meta-analysis (öffnet in neuem Tab)
- Xiaofan Liu (2025): Integrating generative Artificial Intelligence into student learning: A systematic review from a TPACK perspective (öffnet in neuem Tab)
- Yuk Mui Elly Heung (2025): How ChatGPT impacts student engagement from a systematic review and meta-analysis study (öffnet in neuem Tab)
Chenying Liu, Maocheng Liang
Kurzfassung
Finds a modest positive overall effect of AI-assisted feedback in L2 writing, with stronger effects on emotional engagement than on cognitive gains and a clear need for pedagogical integration.
Grenzen
- The evidence concerns L2 writing and cannot be transferred automatically to all subjects or summative assessment contexts.
- Pilot studies report stronger effects than other designs, indicating design and publication-stage sensitivity.
- The synthesis supports supplementary feedback use, not autonomous replacement of teacher judgment.
- Three-level meta-analysis of AI-assisted feedback evidence involving 11,875 students
- Large synthesis size supports cautious feedback claims, while domain specificity and heterogeneity limit transfer to general AI-didactic recommendations.
- Funding disclosure was not fully verifiable from the accessible publisher record during extraction.
Genau hier liegt die didaktische Verschiebung. Das fertige Textprodukt bleibt wichtig, aber es ist weniger eindeutig als früher. Ein flüssiger Text kann Eigenleistung zeigen; er kann aber auch wesentlich durch Vorschläge, Umformulierungen oder Strukturhilfen eines Systems geprägt sein. Wer Schreiben weiterhin fair und anspruchsvoll beurteilen will, braucht deshalb mehr als den Endtext.
Produkt und Prozess
Ein fertiger Text kann weiterhin beurteilt werden. Er genügt aber seltener allein. Eine qualitative Studie zu reflektivem Schreiben zeigt, wie KI-Nutzung und Authentizität in Spannung geraten können: Lernende nutzen Hilfe, müssen aber zeigen, welche Gedanken, Entscheidungen und Reflexionen tatsächlich von ihnen stammen.
Das spricht nicht für Misstrauen als Unterrichtsprinzip. Es spricht für intelligentere Leistungsnachweise. Aussagekräftig sind kurze Begründungen zu übernommenen Änderungen, Versionenvergleiche, Quellenkommentare und mündliche Nachfragen. Solche Signale machen sichtbar, ob eine lernende Person bloss Text produziert oder tatsächlich sprachlich und fachlich entschieden hat.
Cecilia Ka Yuk Chan, Katherine K. W. Lee
Kurzfassung
Five students aged 14-17 described organizational and cognitive-load benefits alongside weaker personal voice, reflective depth, overreliance concerns and AI guilt.
Grenzen
- The very small purposive case cannot estimate prevalence or causal effects.
- The three-week internship and reflective-writing context may not transfer to other subjects or assessments.
- The accessible original record did not expose complete funding and conflict disclosures.
- Three-week qualitative case study using reflection logs and interviews
- Rich process evidence is directly relevant to authenticity, but the five-student qualitative design cannot support broad effectiveness claims.
- Funding disclosure was not recoverable from the accessible original publisher record during extraction.
Bei KI-gestütztem Schreiben sollte die Bewertung stärker auf Planung, Revision, Quellenprüfung, Begründung und Reflexion zielen als auf ein fertiges Produkt, dessen Eigenleistung schwer interpretierbar ist.
Stützende Quellen
- Cecilia Ka Yuk Chan (2025): The balancing act between AI and authenticity in assessment: A case study of secondary school students' use of GenAI in reflective writing (öffnet in neuem Tab)
- Prince D. N. Ncube (2025): Redefining student assessment in AI-infused learning environments: a systematic review of challenges and strategies for academic integrity (öffnet in neuem Tab)
- Chenying Liu (2026): The effects of AI-assisted feedback on students’ perceptions, emotions, and learning outcomes in L2 writing: a three-level meta-analysis (öffnet in neuem Tab)
- Volksschulamt des Kantons Zürich (o. J.): Künstliche Intelligenz in der Volksschule (öffnet in neuem Tab)
Der Prozess muss dabei nicht bürokratisch aufgebläht werden. Entscheidend ist eine kleine Zahl gut gewählter Spuren: Was war der eigene Ausgangspunkt? Welche Hilfe wurde genutzt? Welche Vorschläge wurden verworfen? Welche Formulierung, Quelle oder Begründung kann die lernende Person selbst erklären?
Sprachlernen
Im Sprachlernen kann KI niederschwellige Übung, Feedback und Variation ermöglichen. Lernende können Dialoge simulieren, Formulierungen vergleichen, Fehlerhinweise erhalten oder Wortschatz in unterschiedlichen Kontexten erproben. Das ist besonders wertvoll, wenn sonst wenig individuelle Rückmeldung verfügbar wäre.
Der Nutzen hängt aber daran, ob aus der Interaktion eine eigene Sprachhandlung wird. Positive Effekte sind besonders dann plausibel, wenn Lernende nicht nur fertige Formulierungen übernehmen, sondern Fehler verstehen, Alternativen vergleichen und neue Strukturen selbst anwenden.
Die Engagement-Metaanalyse zeigt, dass ChatGPT Lernbeteiligung fördern kann. Für Schreib- und Sprachunterricht ist das ein relevantes Signal, aber noch kein Beweis für dauerhafte Sprachkompetenz. Mehr Beteiligung ist ein guter Anfang; sie muss in genauere Sprache, bessere Begründungen und selbstständig verfügbare Strategien übersetzt werden.
Yuk Mui Elly Heung, Thomas K. F. Chiu
Kurzfassung
Reports positive average effects of ChatGPT-supported learning on behavioural, cognitive and emotional engagement while also identifying risks of over-reliance and disengagement.
Grenzen
- The corpus contains only 17 empirical studies and combines varied disciplines, ages and implementation roles.
- Engagement gains are not equivalent to durable learning, independent transfer or better assessment validity.
- Risk findings are mapped from early empirical work and do not establish prevalence in Swiss secondary classrooms.
- Systematic review and random-effects meta-analysis of 17 empirical studies with 1,735 students
- The meta-analysis offers useful engagement evidence, but small corpus size and varied outcomes prevent treating engagement as a general learning guarantee.
- Funding disclosure was not fully verifiable from the accessible publisher record during extraction.
Konsequenzen für die Praxis
Ein zeitgemässer Schreibauftrag sollte deshalb nicht einfach «KI erlaubt» oder «KI verboten» sagen. Er sollte klären, welche Denkarbeit sichtbar bleiben muss. Eine robuste Abfolge beginnt mit Vorarbeit ohne KI: These, Gliederung, Quellen oder Beispielanalyse. Danach kann KI gezielt zu einem Kriterium eingesetzt werden, etwa Verständlichkeit, Struktur oder Gegenargumente. Die Revision wird kommentiert: Was wurde geändert, warum, und was wurde verworfen? Behauptungen werden belegt oder gestrichen. Zum Schluss folgt eine kurze neue Schreib- oder Erklärungsaufgabe ohne identische KI-Hilfe.
So bleibt Schreiben mehr als Textproduktion. Es wird zu einer überprüfbaren Praxis aus Denken, Formulieren, Prüfen und Überarbeiten. Gerade weil KI sprachliche Oberfläche so leicht verbessert, muss Unterricht stärker auf Entscheidungen achten: Warum diese Formulierung? Warum diese Quelle? Warum dieser Aufbau? Was kann ich nach der KI-Hilfe selbst?