Ist Weiterbildung mit KI effektiv oder führt sie zu oberflächlichem Lernen?

Braucht es im KI-Zeitalter überhaupt noch Weiterbildung?

Generative KI beantwortet Fachfragen innerhalb weniger Sekunden, sie fasst Dokumente zusammen, formuliert Texte, erklärt komplexe Begriffe und schlägt Lösungen für konkrete Fälle vor. Wissen scheint damit jederzeit verfügbar zu sein und die Fähigkeit, über Wissen zu verfügen immer weniger wichtig. 

In den Medien ist immer wieder zu hören, Fachwissen werde durch generative KI zunehmend überflüssig. Diese Schlussfolgerung greift zu kurz. KI-Antworten müssen fachlich geprüft, Fehler erkannt und Empfehlungen auf ihre Passung zur konkreten Situation beurteilt werden. Ohne eigenes Wissen bleibt oft unklar, ob eine Antwort tatsächlich korrekt oder lediglich überzeugend formuliert ist. Fachwissen verliert daher nicht an Bedeutung. Es wird vielmehr zur Voraussetzung für einen sinnvollen, kritischen und verantwortungsvollen Einsatz von KI.

Neben dem Fachwissen rücken transversale Kompetenzen stärker ins Zentrum. Dazu gehören kritisches Denken, Problemlösen, Informationskompetenz, Kreativität, Zusammenarbeit und AI Literacy. Eine gute KI-Integration im Weiterbildungskontext führt Lernende von der Aufnahme von Informationen zur aktiven Verarbeitung, zur kritischen Auseinandersetzung und schliesslich zur Entwicklung eigener Lösungen (Bauer et al., 2025).

Im Zeitalter der KI reicht es nicht mehr, Wissen bereitzustellen. Weiterbildung muss Menschen befähigen, Antworten zu hinterfragen, Zusammenhänge zu erkennen und in der Praxis klug zu handeln.

Was die aktuelle Forschung über Lernen mit KI zeigt

Der Forschungsstand zu generativer KI in der Bildung entwickelt sich schnell. Viele frühe Studien untersuchten Einstellungen, Akzeptanz oder Nutzungsabsichten. Seit 2025 liegen zunehmend experimentelle Untersuchungen und Metaanalysen vor, die tatsächliche Lernleistungen betrachten (Dogan et al., 2023; Fan et al., 2026).

Eine 2026 veröffentlichte Metaanalyse fasste 36 empirische Studien mit insgesamt 7’229 Teilnehmenden und 132 Effektgrössen zusammen. Über alle untersuchten Lernziele hinweg zeigte sich ein mittlerer positiver Effekt generativer KI auf die Lernergebnisse. Besonders deutlich waren die Effekte beim konzeptionellen Verständnis, bei kognitiven und kreativen Leistungen sowie bei anspruchsvolleren Lernprozessen wie kritischem Denken, Reflexion, Selbstregulation und Problemlösen.

Diese Ergebnisse widerlegen die pauschale Annahme, KI führe zwangsläufig zu oberflächlichem Lernen. Die Ergebnisse zeigen, dass KI nicht automatisch zu oberflächlichem Lernen führt. Entscheidend ist jedoch, wie sie in den Lernprozess eingebunden wird. Besonders positive Wirkungen zeigten sich, wenn Lernende gemeinsam arbeiteten oder KI mit weiteren Lernformen kombiniert wurde. Welche KI-Plattform oder Modellversion verwendet wurde, machte dagegen keinen statistisch nachweisbaren Unterschied .

Für die betriebliche Weiterbildung bedeutet das: Ein leistungsfähiges KI-Modell allein reicht nicht aus. Entscheidend ist die Gestaltung des Lernprozesses. Die KI sollte nicht einfach Lösungen vorgeben, sondern Fragen stellen, Hinweise geben, Fehler erklären und die Lernenden dazu anregen, selbst nachzudenken und das Wissen auf konkrete Situationen anzuwenden (Fan et al., 2026).

Besser lernen mit KI

Besonders aufschlussreich ist eine 2025 veröffentlichte randomisierte Studie der Harvard University. Untersucht wurden 194 Studierende eines Physikkurses. Die Teilnehmenden bearbeiteten vergleichbare Inhalte entweder in einem aktiven Präsenzunterricht oder mit einem eigens entwickelten KI-Tutor.

Die Gruppe mit KI-Tutor erzielte mehr als doppelt so hohe mediane Lernzuwächse wie die Vergleichsgruppe. Gleichzeitig benötigten die Studierenden im Median 49 Minuten, während die Präsenzlektion 60 Minuten umfasste. Sie bewerteten das KI-gestützte Lernen zudem als engagierender und motivierender.

Der Erfolg beruhte jedoch nicht auf einer freien Unterhaltung mit einem allgemeinen Chatbot. Der Tutor war auf konkrete Lernziele ausgerichtet. Er führte die Lernenden schrittweise durch Aufgaben, stellte Rückfragen, gab gezieltes Feedback und arbeitete mit fachlich geprüften Lösungswegen. Die Entwickler integrierten Prinzipien aus der Lernpsychologie, etwa aktives Lernen, eine angemessene kognitive Belastung, Scaffolding, zeitnahes Feedback und individuelles Lerntempo.

Die Studie macht damit sichtbar, worin die Stärke eines persönlichen KI-Lerncoachs liegt: Er kann jedem Lernenden zum benötigten Zeitpunkt eine individuelle Rückmeldung geben. In einer Gruppe mit einer Lehrperson ist dies nur begrenzt möglich. Manche Personen brauchen eine zusätzliche Erklärung. Andere benötigen eine anspruchsvollere Transferaufgabe. Ein adaptives System kann diese Unterschiede unmittelbar aufnehmen.

Die Forschenden weisen jedoch darauf hin, dass ihre Ergebnisse nicht automatisch auf alle Themen und Lernziele übertragen werden können. Die untersuchten Aufgaben lagen hauptsächlich auf den Bloom-Stufen Verstehen, Anwenden und Analysieren. Bei komplexen Synthesen, sozialen Kompetenzen und mehrdeutigen Entscheidungssituationen bleibt die Rolle menschlicher Lehrpersonen zentral (Kestin et al., 2025).

Gute Aufgaben sind wichtiger als schnelle Antworten

Die zentrale Gefahr generativer KI liegt in ihrer Hilfsbereitschaft. Ein allgemeiner Chatbot versucht, eine Aufgabe möglichst schnell zu lösen. Ein Lerncoach muss häufig das Gegenteil tun. Er darf den Denkprozess nicht vorschnell abkürzen.

Eine 2026 veröffentlichte randomisierte Studie der Technischen Universität München zeigt, weshalb diese Unterscheidung wichtig ist. 275 Studierende bearbeiteten eine Programmieraufgabe unter drei Bedingungen. Eine Gruppe nutzte einen strukturierten KI-Tutor, der abgestufte Hinweise gab und vollständige Lösungen zurückhielt. Eine zweite Gruppe konnte ChatGPT frei verwenden. Die Kontrollgruppe arbeitete ohne KI mit herkömmlichen Internetquellen.

Beide KI-Gruppen erzielten bei der konkreten Programmieraufgabe bessere Resultate als die Kontrollgruppe. Bei anschliessenden Wissenstests und Aufgaben zum Codeverständnis zeigte sich jedoch kein zusätzlicher Lerngewinn. Die KI verbesserte damit primär die unmittelbare Leistung, nicht zwingend das zugrunde liegende Verständnis. Nur der strukturierte Tutor führte zugleich zu einer höheren intrinsischen Motivation.

Die Forschenden sprechen von einer möglichen Komfortfalle. Eine KI kann eine Aufgabe leichter, schneller und weniger frustrierend machen. Genau das fühlt sich für Lernende positiv an. Wird ihnen dabei zu viel Denkarbeit abgenommen, kann der produktive geistige Widerstand verschwinden, der für nachhaltiges Lernen notwendig ist (Bassner et al., 2026).

Was passiert, wenn ein KI-Lerncoach die Lösung bewusst nicht sofort verrät? Wenn er nachfragt, Wissenslücken erkennt und genau dort weiterarbeitet, wo Unsicherheit entsteht? Genau diesen Ansatz verfolgen unsere WEKA E-Trainings. Fachlich geprüfte Lerninhalte treffen auf den persönlichen KI-Lerncoach Max, der Wissen abfragt, vertieft und auf konkrete Situationen überträgt. Ergänzt wird das Lernen durch ein Experten-Webinar für jene Fragen, bei denen Erfahrung und fachliche Einordnung entscheidend sind. Erleben Sie selbst, wie aus künstlicher Intelligenz ein echter Lernbegleiter wird.

Aktives Abrufen statt passives Lesen

Wissen wird stabiler, wenn es aktiv aus dem Gedächtnis abgerufen wird. Das blosse Lesen oder wiederholte Anschauen einer Erklärung erzeugt häufig ein Gefühl von Vertrautheit. Dieses Gefühl wird leicht mit tatsächlichem Können verwechselt.

Ein KI-Lerncoach kann Lernende deshalb zuerst zu einer eigenen Antwort auffordern. Die Erklärung folgt erst danach. So wird das Gedächtnis aktiviert und die Person erhält eine realistischere Einschätzung ihres Wissens (Roediger & Karpicke, 2006).

Unmittelbares, spezifisches Feedback

Feedback wirkt besonders dann, wenn es zeitnah erfolgt und sich auf die konkrete Antwort bezieht. Ein KI-System kann direkt auf eine unvollständige Begründung eingehen, einen Denkfehler benennen und eine passende Rückfrage stellen. Dabei sollte es mehr leisten als eine Bewertung mit «richtig» oder «falsch». Hilfreiches Feedback zeigt, welcher Teil der Antwort trägt, wo eine Lücke besteht und welcher nächste Schritt sinnvoll ist (Hattie & Timperley, 2007).

Verteiltes Üben

Einmaliges intensives Lernen führt häufig zu kurzfristiger Sicherheit. Für eine langfristige Speicherung braucht es Wiederholungen über mehrere Zeitpunkte hinweg (Cepeda et al., 2006). Digitale Lernsysteme können Inhalte gezielt erneut aufgreifen. Unsichere Themen erscheinen früher und häufiger. Bereits gefestigte Inhalte werden mit grösseren Abständen wiederholt (Baillifard et al., 2025; Cepeda et al., 2006).

Selbstbezug und berufliche Relevanz

Informationen werden besser erinnert, wenn sie mit der eigenen Person, konkreten Erfahrungen oder einer realen Aufgabe verknüpft sind. Ein Lerncoach kann deshalb nach der individuellen Arbeitssituation fragen und abstrakte Inhalte in einen passenden Fall übersetzen (Symons & Johnson, 1997).

KI kann einen geschützten Übungsraum schaffen

In vielen beruflichen Weiterbildungen bleibt die aktive Beteiligung gering. Teilnehmende vermeiden Fragen, weil sie vor anderen keine Wissenslücke offenlegen möchten. Bei sensiblen Themen wie Führung, Konflikten oder Lohnabrechnung kommt die Angst vor einer falschen Antwort hinzu. Ein persönlicher KI-Lerncoach kann die soziale Hürde senken. Die lernende Person kann eine Frage mehrfach stellen, eine Antwort korrigieren und einen Fall erneut bearbeiten. Fehler werden damit zum Arbeitsmaterial statt zum Gesichtsverlust.

Diese psychologische Sicherheit kann besonders beim Aufbau von Grundlagen hilfreich sein. Sie ersetzt jedoch keinen sozialen Lernprozess. Führung, Kommunikation und Konfliktlösung entstehen im Austausch mit anderen Menschen. Perspektivwechsel, emotionale Reaktionen und Gruppendynamiken lassen sich nicht vollständig in einem Einzelchat abbilden.

KI verändert das Lernen direkt am Arbeitsplatz

Betriebliche Weiterbildung findet längst nicht mehr ausschliesslich in Kursräumen oder auf Lernplattformen statt. Mitarbeitende lernen während der Bearbeitung konkreter Aufgaben. Sie suchen Informationen, fragen Kolleginnen, prüfen Vorlagen und lösen neue Probleme. Generative KI kann dieses informelle Lernen unterstützen. Eine qualitative Studie mit 357 Beschäftigten eines multinationalen Unternehmens untersuchte 2025, wie Microsoft 365 Copilot individuelle und kollektive Lernprozesse beeinflusst. Die Ergebnisse verweisen auf vier Bereiche: Unterstützung bei konkreten Aufgaben, Aufbau von Grundlagenwissen, eine lernförderliche Organisationskultur sowie informeller Wissensaustausch innerhalb von Teams (Callari & Puppione, 2025).

Wie verändert sich das kritische Denken?

Die verbreitete Nutzung von KI führt häufig zur Sorge, Menschen würden ihre Fähigkeit zum kritischen Denken verlieren. Der Forschungsstand zeichnet ein differenzierteres Bild. Eine 2025 publizierte Untersuchung mit 319 Wissensarbeitenden analysierte 936 konkrete Beispiele aus dem Berufsalltag. Ein hohes Vertrauen in die KI ging mit weniger wahrgenommenem kritischem Denken einher. Ein hohes Vertrauen in die eigene fachliche Kompetenz war dagegen mit mehr kritischer Auseinandersetzung verbunden. Gleichzeitig verlagerte sich das kritische Denken: Die Befragten investierten weniger Energie in die ursprüngliche Erstellung eines Ergebnisses und stärker in die Überprüfung, Integration und verantwortliche Nutzung der KI-Ausgabe.

Diese Verschiebung ist für die Weiterbildung zentral. In einer KI-geprägten Arbeitswelt reicht es nicht mehr, eine Aufgabe fachlich lösen zu können. Mitarbeitende müssen zusätzlich beurteilen:

• Ist die Antwort vollständig?
• Welche Annahmen liegen ihr zugrunde?
• Sind die verwendeten Informationen aktuell und verlässlich?
• Welche Daten dürfen in das System eingegeben werden?
• Welche fachlichen, rechtlichen oder ethischen Folgen kann die vorgeschlagene Lösung haben?
• Wo ist eine menschliche Entscheidung zwingend?

AI Literacy besteht deshalb nicht primär aus gutem Prompting. Sie umfasst Fachwissen, Urteilsfähigkeit, Quellenkritik, Datenschutz, Risikobewusstsein und die Fähigkeit, Verantwortung für ein Ergebnis zu übernehmen (Lee et al., 2025).

Was ein professionelles KI-Training von ChatGPT unterscheidet

Ein allgemeiner Chatbot und ein professionelles KI-Training können dieselbe Basistechnologie nutzen. Ihre Funktion ist dennoch grundverschieden. Ein Chatbot reagiert auf frei formulierte Eingaben. Er kennt in der Regel weder ein verbindliches Curriculum noch die konkreten Lernziele einer Weiterbildung. Der Lernfortschritt bleibt unsichtbar. Die Qualität der Interaktion hängt stark davon ab, wie präzise die Nutzerin oder der Nutzer fragt. Ein professionelles KI basiertes Training besitzt dagegen eine definierte Lernarchitektur:

• Geprüfte Wissensbasis: Die Inhalte stammen aus fachlich kontrollierten Quellen und werden für das jeweilige Themengebiet kuratiert.
• Konkrete Lernziele: Für jedes Thema ist festgelegt, was die lernende Person nach der Bearbeitung wissen, verstehen oder anwenden können soll.
• Aufgaben mit steigender Tiefe: Die Fragen bewegen sich systematisch von Grundlagen zu Analyse, Beurteilung und Transfer.
• Adaptiver Lernpfad: Das System reagiert auf Antworten, erkennt Unsicherheiten und passt die nächsten Schritte an.
• Messbarer Fortschritt: Lernende sehen, welche Themen sie beherrschen und wo weiterer Übungsbedarf besteht.
• Didaktisch gesteuertes Feedback: Die KI liefert nicht sofort die fertige Lösung. Sie gibt Hinweise, stellt Rückfragen und fordert Begründungen ein.
• Definierte Grenzen: Bei sensiblen, unklaren oder komplexen Themen wird auf Fachpersonen, verbindliche Quellen oder einen persönlichen Austausch verwiesen.

Die sinnvollste Lösung ist eine hybride Lernarchitektur

Die Diskussion über KI und Weiterbildung wird häufig als Gegensatz geführt: digital oder persönlich, automatisiert oder menschlich, flexibel oder sozial. Diese Gegensätze greifen zu kurz. Verschiedene Lernformate erfüllen unterschiedliche Aufgaben. Ein digitales E-Learning eignet sich, um fachliche Grundlagen strukturiert zu vermitteln. Videos, Texte, Checklisten und Fallbeispiele schaffen ein gemeinsames Fundament.

Literaturverzeichnis

_{Anderson, L. W., & Krathwohl, D. R. (Hrsg.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. Longman.}

_{Baillifard, A., Gabella, M., Banta Lavenex, P., & Martarelli, C. S. (2025). Effective learning with a personal AI tutor: A case study. Education and Information Technologies, 30(1), 297–312. doi.org/10.1007/s10639-024-12888-5}

_{Bassner, P., Lenk-Ostendorf, B., Beinstingel, R., Wasner, T., & Krusche, S. (2026). Less stress, better scores, same learning: The dissociation of performance and learning in AI-supported programming education. Computers and Education: Artificial Intelligence, 10, 100537. doi.org/10.1016/j.caeai.2025.100537}

_{Bauer, E., Greiff, S., Graesser, A. C., Scheiter, K., & Sailer, M. (2025). Looking beyond the hype: Understanding the effects of AI on learning. Educational Psychology Review, 37, Article 45. doi.org/10.1007/s10648-025-10020-8}

_{Callari, T. C., & Puppione, L. (2025). Can generative artificial intelligence productivity tools support workplace learning? A qualitative study on employee perceptions in a multinational corporation. Journal of Workplace Learning, 37(3), 266–283. doi.org/10.1108/JWL-11-2024-0258}

_{Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354–380. doi.org/10.1037/0033-2909.132.3.354}

_{Dogan, M. E., Goru Dogan, T., & Bozkurt, A. (2023). The use of artificial intelligence (AI) in online learning and distance education processes: A systematic review of empirical studies. Applied Sciences, 13(5), 3056. doi.org/10.3390/app13053056}

_{Europäisches Parlament & Rat der Europäischen Union. (2026). Verordnung (EU) 2026/1744 des Europäischen Parlaments und des Rates vom 8. Juli 2026 zur Änderung der Verordnungen (EU) 2024/1689, (EU) 2018/1139 und (EU) 2023/1230 im Hinblick auf die Vereinfachung der Umsetzung harmonisierter Vorschriften für künstliche Intelligenz. Amtsblatt der Europäischen Union. eur-lex.europa.eu/eli/reg/2026/1744/oj}

_{Fan, C., Ke, L., Chen, Z., & Lv, P. (2026). Exploring the effect of GenAI on learning outcomes in higher education: A three-level meta-analysis. Frontiers in Psychology, 17, 1758670. doi.org/10.3389/fpsyg.2026.1758670}

_{Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. doi.org/10.3102/003465430298487}

_{Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. doi.org/10.1038/s41598-025-97652-6}

_{Laak, K.-J., & Aru, J. (2025). AI and personalized learning: Bridging the gap with modern educational goals. Educational Technology & Society, 28(4), 133–150. doi.org/10.30191/ETS.202510_28(4).RP08}

_{Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Article 1121, pp. 1–22). Association for Computing Machinery. doi.org/10.1145/3706598.3713778}

_{Roediger, H. L., III, & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255. doi.org/10.1111/j.1467-9280.2006.01693.x}

_{Symons, C. S., & Johnson, B. T. (1997). The self-reference effect in memory: A meta-analysis. Psychological Bulletin, 121(3), 371–394. doi.org/10.1037/0033-2909.121.3.371}

FAQ: Lernen mit KI

Ersetzt generative KI menschliche Lehrpersonen in der Weiterbildung?

Nein. KI kann personalisiertes Feedback und Übung effizienter gestalten, ersetzt aber nicht die menschliche Expertise bei komplexen, mehrdeutigen oder sozialen Lernsituationen. Die Rolle der Lehrperson verschiebt sich hin zur Kuratierung und Begleitung.

Führt die Nutzung von KI automatisch zu oberflächlichem Lernen?

Nicht zwingend. Studien zeigen, dass KI zu oberflächlichem Lernen führen kann, wenn sie Lösungen sofort liefert. Ein strukturierter KI-Tutor, der Denkprozesse anregt und keine fertigen Antworten gibt, fördert hingegen kritisches Denken und tiefes Verständnis.

Welche Kompetenzen sind im KI-Zeitalter am wichtigsten?

Neben Fachwissen gewinnen transversale Kompetenzen wie kritisches Denken, Problemlösen, Informationskompetenz und AI Literacy an Bedeutung. Die Fähigkeit, KI-Ergebnisse zu prüfen und ethisch zu bewerten, ist entscheidend.

Wie unterscheidet sich ein professionelles KI-Training von einem Chatbot?

Ein professionelles KI-Training basiert auf einer definierten Lernarchitektur mit geprüften Inhalten, konkreten Lernzielen und adaptiven Lernpfaden. Ein Chatbot reagiert frei auf Eingaben ohne didaktische Steuerung oder messbaren Fortschritt.