Was 139 Millionen Aufgaben über die Rolle der Lehrkraft verraten

Adaptive Lernsysteme gelten als Versprechen der Autonomie: Schülerinnen und Schüler lernen in ihrem eigenen Tempo, erhalten sofortige Rückmeldungen, kommen weiter – und das weitgehend unabhängig davon, was die Lehrkraft gerade tut. Dieses Bild ist nicht falsch. Aber es ist unvollständig. Und eine neue Studie zeigt, wie folgenreich diese Unvollständigkeit sein kann.

Eine der bislang umfangreichsten Analysen zum Einsatz eines Intelligenten Tutoriellen Systems im Schulalltag wurde kürzlich im Journal of Computer Assisted Learning veröffentlicht. Prof. Dr. Lisa Bardach, Prof. Dr. Korbinian Möller, Jun.-Prof. Dr. Markus Spitzer und weitere Forschende untersuchten darin eine zentrale Frage: Unterscheiden sich Lernbeteiligung und Lernabbruch – je nachdem, ob Aufgaben von der Lehrkraft zugewiesen oder von Schülerinnen und Schülern selbst gewählt wurden? Die Datenbasis: rund 139 Millionen bearbeitete Aufgaben von etwa 194.000 Lernenden in Deutschland und den Niederlanden, erhoben über sieben Jahre zwischen 2016 und 2023. Das zugrunde liegende System ist bettermarks.

Welche Frage die Studie stellt – und warum sie didaktisch wichtig ist

In der Praxis gibt es für Übungsphasen mit einem ITS zwei grundlegend verschiedene Szenarien.

1. Lehrkräfte weisen Übungen gezielt zu: als Hausaufgabe, zur Differenzierung, zur Wiederholung auf Basis diagnostizierter Wissenslücken.
2. Oder Lernende wählen selbst, welche Aufgaben sie bearbeiten möchten. Beide Varianten sind in bettermarks möglich und werden im Schulalltag genutzt.

Hinter dieser scheinbar technischen Unterscheidung steckt eine grundsätzliche didaktische Entscheidung: Wer steuert den Lernprozess – und mit welchen Konsequenzen?

In der Analyse wurden zwei Ergebnisvariablen gemessen:

• Lernbeteiligung: die tatsächliche Bearbeitungsintensität – ob Lernende Aufgaben ernsthaft und ausdauernd bearbeiten
• Lernabbruch: das Abbrechen von Aufgabensequenzen, bevor sie abgeschlossen sind

Der zentrale Befund: Zuweisung wirkt

Die Ergebnisse zeigen ein konsistentes Muster: Lernende, denen Aufgaben von der Lehrkraft zugewiesen wurden, zeigen höhere Lernbeteiligung und niedrigere Abbruchquoten als Lernende, die selbst wählen. Dieser Unterschied gilt über verschiedene Jahrgänge, Leistungsniveaus und Aufgabentypen hinweg.

Das widerspricht einer verbreiteten Annahme, nach der Selbststeuerung (das freie Wählen eigener Aufgaben) zu höherer Lernbeteiligung führt. Die Studie legt nahe, dass das Gegenteil der Fall sein kann, zumindest im Kontext mathematischen Übens mit einem ITS in der Sekundarstufe I.

Die Autoren diskutieren zwei Erklärungsstränge. Erstens: Selbstregulation ist anspruchsvoll. Ohne externe Struktur fehlen vielen Lernenden die metakognitiven Ressourcen, um geeignete Aufgaben auszuwählen, die Bearbeitung aufrechtzuerhalten und mit Misserfolgen produktiv umzugehen. Zweitens: Zuweisungen durch die Lehrkraft signalisieren Relevanz. Wenn die Lehrkraft entscheidet, dass eine Aufgabe bearbeitet werden soll, erhält diese Aufgabe eine soziale Bedeutung – sie ist nicht optional.

Besonders betroffen: leistungsschwächere Lernende

Der Effekt ist nicht gleichmäßig verteilt. Lernende mit höheren Ausgangsleistungen zeigen bei der Selbstzuweisung vergleichsweise robuste Lernbeteiligung. Lernende mit schwächeren Leistungen hingegen profitieren deutlich stärker von der Zuweisung durch die Lehrkraft – sie brechen häufiger ab, wenn sie selbst wählen dürfen.

Das beschreibt eine Schere: Selbststeuerung im ITS begünstigt tendenziell jene, die ohnehin stärkere Lernvoraussetzungen mitbringen. Für Lernende, die Unterstützung am dringendsten benötigen, ist die Lehrkraftsteuerung besonders entscheidend. Die CINVE/UNESCO-Studie zeigt, dass bettermarks bei benachteiligten Lernenden Leistungszuwächse von bis zu +30 % erzielen kann – ein Potenzial, das sich nur entfaltet, wenn Lehrkräfte das System aktiv steuern.

Drei Basisdimensionen guten Unterrichts und wo die Studie anknüpft

Die Befunde lassen sich präzise in das Modell der drei Basisdimensionen guten Unterrichts einordnen (vgl. Klieme 2019; Hattie 2009):

1. Kognitive Aktivierung: bettermarks stellt 2.596 Lernziele mit 172.994 Aufgaben bereit, adaptiv bis zum Regelstandard und darüber hinaus. Für die Erarbeitungsphase bietet bettermarks zusätzlich 370 interaktive Tafelbilder, die den gemeinsamen Einstieg in neue Inhalte strukturieren – von der Einführung von Grundvorstellungen bis zur Sicherungsphase. Kognitive Aktivierung entfaltet ihre Wirkung (d = 0,57, Hattie 2009) erst, wenn die Lehrkraft den Rahmen setzt: welches Thema, welches Niveau, welcher Zeitpunkt – und ob der Einstieg als gemeinsamer Impuls oder als individuelle Übung gestaltet wird. Die Studie zeigt, dass eine selbst gesteuerte Aufgabenwahl diese Rahmensetzung nicht ersetzt.
2. Konstruktive Unterstützung: Scaffolding im ITS ist einer der wirksamsten Mechanismen überhaupt (d = 0,82, Hattie 2009). bettermarks erkennt über 2.800 Fehlermuster und steuert passgenaue, gestufte Hilfen zu. Doch die Studie präzisiert: Das systeminterne Scaffolding und die Steuerung durch die Lehrkraft sind keine Alternativen, sondern Schichten, die aufeinander aufbauen.
3. Klassenführung: Hier liegt der direkteste Anknüpfungspunkt. Proaktives Eingreifen statt reaktiver Störungsbehebung (Unterrichtsklarheit: d = 0,75, Hattie 2009) setzt voraus, dass Lehrkräfte den Überblick über den Lernstand ihrer Klasse haben und auf dieser Basis steuern. In bettermarks liefert die Lehrerübersicht genau diese Grundlage: individuelle Lernstände, Wissenslücken und Fehlermuster als Basis für gezielte Zuweisungen. Die Studie zeigt, dass Lehrkräfte, die diese Daten nutzen und daraus Zuweisungen ableiten, messbar bessere Ergebnisse erzielen.

Warum Fortbildung der entscheidende Hebel ist

Die Ergebnisse stellen eine unbequeme Frage: Wenn Zuweisungen in einem ITS so wirksam sind – warum nutzen dann nicht alle Lehrkräfte diese Funktion systematisch?

Die Antwort liegt nicht im Willen, sondern im Wissen. Wer bisher kaum Erfahrung mit datengestützter Unterrichtssteuerung hat, benötigt mehr als eine Benutzeroberfläche, sondern didaktische Orientierung: Welche Daten sind relevant? Wann weise ich zu, wann lasse ich wählen? Wie verknüpfe ich Lernstandsdiagnosen mit konkreten Aufgaben?

Genau hier liegt der Hebel. Fortbildungsangebote sind keine Begleitleistung. Sie sind Voraussetzung dafür, dass das Potenzial adaptiver Systeme im Schulalltag tatsächlich ankommt. Besonders wirksam erweist sich dabei der Aufbau von Multiplikatoren innerhalb des Kollegiums. Lehrkräfte, die eigene Erfahrungen im Einsatz von bettermarks gesammelt haben, begleiten ihre Kolleginnen und Kollegen gezielt – nicht als externe Expertinnen und Experten, sondern als Vertraute aus derselben Schule.

Intelligente Systeme benötigen professionelle Steuerung

Der Titel der Studie »Intelligent Tutoring Systems Need Teachers« (»Intelligente Tutorielle Systeme benötigen Lehrkräfte«) ist kein Beruhigungssignal für Lehrkräfte, die sich durch digitale Systeme bedroht fühlen. Er ist ein empirischer Befund.

ITS können Aufgaben adaptiv anpassen, Fehlermuster erkennen, gestufte Hilfen zuliefern. Die Frage, welche Aufgabe welchem Kind wann zugewiesen werden soll, beantwortet heute die Lehrkraft, auf Basis von Lernstandsdaten, didaktischem Urteil und Kenntnis der Klasse. Genau darin liegt, wie die Studie zeigt, ein wesentlicher Hebel für Lernbeteiligung und Lernerfolg.

Gleichzeitig entwickelt sich das, was ITS in diesem Bereich leisten können, weiter. bettermarks verfügt bereits heute über remediale Lernpfade. Erkennt das System eine Wissenslücke, steuert es automatisch passende Übungen zum Wiederholen zu, ohne dass die Lehrkraft manuell eingreifen muss. Der nächste Schritt in dieser Entwicklung sind adaptive Lernpfade mit Progression. Also Lernpfade, die Lernende nicht nur fehlende Grundlagen schließen lassen, sondern sie systematisch zur nächsten Kompetenzstufe weiterführen. bettermarks entwickelt sie gemeinsam mit Wissenschaftlerinnen und Wissenschaftlern und setzt sie bereits in ausgewählten Schulen ein, um ihre Wirksamkeit unter realen Bedingungen zu untersuchen.

Lernende erhalten Aufgaben in jenem Bereich, den Vygotsky als Zone der proximalen Entwicklung beschreibt. Je besser das System entscheiden kann, welche Aufgabe diesen Bereich für jede Schülerin und jeden Schüler individuell trifft, desto wirksamer wird die Unterstützung – und desto mehr Raum entsteht für die Lehrkraft, dort einzugreifen, wo es auf pädagogisches Urteil ankommt.