KI im MINT-Unterricht – Urteilsvermögen wird wichtiger, nicht überflüssiger
Künstliche Intelligenz ist im Unterricht angekommen. Damit verschiebt sich die Diskussion. Die entscheidende Frage lautet nicht mehr, ob KI in Schule und Unterricht genutzt wird, sondern wie sie eingesetzt wird und was ihr Einsatz für fachliches Lernen bedeutet.
Die Bildungsministerkonferenz formuliert inzwischen ausdrücklich einen konstruktiv-kritischen Umgang mit KI als Ziel schulischer Bildungsprozesse. Sie verbindet damit Fragen der Didaktik, der Prüfungskultur, der Professionalisierung von Lehrkräften, der rechtlichen Rahmenbedingungen und der Chancengerechtigkeit. Zugleich betont sie, dass Schülerinnen und Schüler Kompetenzen erwerben müssen, um in einer zunehmend von KI geprägten Welt mündig handeln zu können.
Auch für die MINT-Fächer stellt sich deshalb eine grundsätzliche Frage:
Welche Bildung brauchen Menschen, um KI sinnvoll nutzen und ihre Ergebnisse beurteilen zu können?
KI ersetzt fachliches Urteil nicht
Generative KI kann in wenigen Sekunden Lösungswege, Erklärungen, Programmcode, Modelle, Aufgaben oder Versuchsideen erzeugen. Doch eine plausible Antwort ist nicht automatisch eine fachlich tragfähige Antwort.
Eine mathematische Lösung kann formal richtig wirken und dennoch einen entscheidenden Begründungsschritt überspringen. Eine naturwissenschaftliche Erklärung kann Begriffe unpräzise verwenden. Ein Programm kann funktionieren und trotzdem auf ungeeigneten Annahmen beruhen. Eine KI-generierte Rückmeldung kann Lernenden eine schnelle Lösung präsentieren und gerade dadurch den Denkprozess verkürzen, den Unterricht eigentlich anregen sollte.
Deshalb braucht der Umgang mit KI mehr als Bedienkompetenz.
Wer Ergebnisse beurteilen will, muss etwas wissen. Wer Fehler erkennen will, braucht fachliche Maßstäbe. Wer gute von schlechten Erklärungen unterscheiden will, braucht Bildung.
Damit entsteht ein scheinbares Paradox: Je leistungsfähiger die Werkzeuge werden, desto wichtiger wird die Fähigkeit, ihre Ergebnisse unabhängig beurteilen zu können.
Ohne Wissen kein Urteil
Die Vorstellung, KI könne fehlendes Wissen einfach ersetzen, greift deshalb zu kurz.
Urteilsvermögen entsteht aus fachlichem Wissen, aus Erfahrung mit Argumentation und Modellbildung, aus einem Verständnis wissenschaftlicher Erkenntnisprozesse und aus der Fähigkeit, Begründungen von bloßer Plausibilität zu unterscheiden.
In diesem Sinne ist klassische Bildung keine Konkurrenz zur KI-Bildung. Sie ist eine Voraussetzung dafür.
Gerade die MINT-Fächer vermitteln Denkweisen, die für den Umgang mit KI besonders bedeutsam sind:
modellieren, prüfen, messen, argumentieren, experimentieren, validieren, programmieren und begründet entscheiden.
Diese Fähigkeiten verlieren durch KI nicht an Bedeutung. Im Gegenteil: Wenn Antworten immer leichter verfügbar werden, gewinnt die Frage an Gewicht, ob sie stimmen, worauf sie beruhen und welche Konsequenzen aus ihnen gezogen werden dürfen.
KI ist Werkzeug – aber auch Unterrichtsgegenstand
Für den MINT-Unterricht kommt eine zweite Perspektive hinzu: KI kann nicht nur mit KI unterrichtet werden. Schülerinnen und Schüler können auch über KI lernen.
Biehler, Schönbrodt und Frank zeigen für den Mathematikunterricht, dass zentrale Ideen künstlicher Intelligenz unmittelbar an schulische Inhalte anschließen können. Daten und Statistik, Analysis und Optimierung sowie lineare Algebra bilden mathematische Grundlagen vieler Verfahren des maschinellen Lernens.
Dabei wird auch deutlich, wie irreführend die Vorstellung einer vollständig autonom „lernenden Maschine“ sein kann. Menschen entscheiden unter anderem über Daten, Modellansätze und die Interpretation der Ergebnisse.
Der Mathematikunterricht kann damit einen Beitrag zu einer allgemeinbildenden KI-Bildung leisten: Viele Funktionsweisen und Grenzen von KI lassen sich an fachlichen Konzepten verstehen, die ohnehin Bestandteil mathematischer Bildung sind.
Auch Buchholtz und Kolleg:innen nehmen KI deshalb nicht lediglich als neues Werkzeug in den Blick. Ihr Beitrag „Damit rechnet niemand!“ fragt grundsätzlicher nach den Konsequenzen von KI-Technologien für das Lehren und Lernen von Mathematik und nach den daraus entstehenden Entwicklungs- und Forschungsbedarfen.
MINT-Bildung kann KI verständlich machen
Für die anderen MINT-Fächer ergeben sich vergleichbare Fragen.
In den Naturwissenschaften gehören Modellbildung, Datenauswertung, Hypothesenprüfung und Validierung zum Kern fachlicher Erkenntnisgewinnung. Informatik ermöglicht einen Zugang zu Algorithmen, Datenstrukturen und den technischen Prinzipien hinter KI-Systemen. Technik verbindet diese Perspektiven mit der Frage, wie Systeme gestaltet, eingesetzt und hinsichtlich ihrer Folgen beurteilt werden.
Die Kölner Physikdidaktik betont entsprechend, dass Lehrkräfte selbst technologische, didaktische und pädagogische KI-bezogene Kompetenzen benötigen, um bei Schülerinnen und Schülern einen zielgerichteten und reflektierten Umgang mit KI entwickeln zu können.
Damit wird KI-Bildung zu einer gemeinsamen Aufgabe der MINT-Fächer.
Verstehen, anwenden, programmieren
Dass dies sehr konkret werden kann, zeigen aktuelle Unterrichtsmaterialien.
Science on Stage bündelt sein Projekt „KI im MINT-Unterricht“ unter dem Dreiklang verstehen, anwenden und programmieren. Angeboten werden Unterrichtsideen von der Datenanalyse und generativen KI über neuronale Netze bis hin zu Anwendungen in Umwelt- und Recyclingprojekten.
Auch MINT Zukunft schaffen! greift inzwischen zahlreiche KI-bezogene Unterrichts- und Fortbildungsangebote auf. Interessant sind dabei insbesondere Ansätze, bei denen KI nicht bloß fertige Lösungen liefert, sondern Lernende über Fragen und Impulse zum eigenen Denken führt.
Genau darin liegt eine wichtige didaktische Unterscheidung:
Übernimmt KI Denken – oder unterstützt sie Denken?
KI kann Denken fördern – oder Denken vermeiden helfen
Für Unterricht ist deshalb nicht entscheidend, wie beeindruckend ein Werkzeug technisch ist.
Entscheidend ist, was Lernende damit tun.
Eine KI-generierte Lösung kann einfach übernommen werden. Sie kann aber ebenso zum Gegenstand fachlicher Analyse werden:
- Ist der Lösungsweg korrekt?
- Welche Annahmen werden getroffen?
- Welche Informationen fehlen?
- Wie lässt sich das Ergebnis überprüfen?
- Welche Daten wurden verwendet?
- Wo liegen Unsicherheiten?
- Welche andere Modellierung wäre möglich?
So eingesetzt wird KI nicht zum Ersatz für Denken, sondern zum Anlass für fachliches Urteilen, Argumentieren und Prüfen.
Diese Perspektive passt auch zu den Empfehlungen der Bildungsministerkonferenz. Sie unterscheidet ausdrücklich zwischen dem Lernen mit KI und dem Lernen über KI und hebt kritisch-reflexive Kompetenzen als Voraussetzung gesellschaftlicher Teilhabe hervor.
Lehrkräfte brauchen mehr als Toolwissen
Damit verändert sich auch die Aufgabe der Lehrkräftebildung.
Ein professioneller Umgang mit KI kann nicht darin bestehen, möglichst viele Anwendungen kennenzulernen. Lehrkräfte müssen vielmehr beurteilen können,
- wann KI fachlich tragfähige Ergebnisse erzeugt,
- wann sie Fehlvorstellungen begünstigt,
- wann sie Differenzierung und Rückmeldung sinnvoll unterstützt,
- wann sie kognitive Aktivierung verstärkt,
- und wann sie genau jene Lernprozesse verkürzt, die eigentlich stattfinden sollen.
Die Bildungsministerkonferenz nennt die systematische Professionalisierung der Lehrkräfte daher ausdrücklich als eines der zentralen Handlungsfelder.
Für die Lehrkräfteausbildung bedeutet das einen Übergang vom Ausprobieren zum professionellen Umgang: Werkzeuge müssen nicht nur bedient, sondern fachlich, didaktisch und pädagogisch beurteilt werden.
Die entscheidende Frage bleibt Unterrichtsqualität
KI verändert die Möglichkeiten von Unterricht. Die grundlegenden Fragen guten Unterrichts bleiben jedoch erstaunlich stabil:
Wer denkt? Wer erklärt? Wer begründet? Wer prüft? Wer entscheidet?
Technologie kann diese Prozesse unterstützen. Sie verbessert sie aber nicht automatisch.
Für den MINT-Unterricht folgt daraus ein Anspruch, der über kurzfristige Tooltrends hinausweist:
KI nutzen, wo sie Lernen erweitert – und fachliche Bildung stärken, damit ihr Einsatz überhaupt sinnvoll beurteilt werden kann.
Gerade in einer Welt, in der Antworten jederzeit generiert werden können, gewinnen andere Fähigkeiten an Bedeutung: gute Fragen stellen, Aussagen überprüfen, Zusammenhänge verstehen, Unsicherheiten erkennen und begründete Urteile treffen.
Das ist keine Alternative zu klassischer Bildung.
Es ist ein starkes Argument für sie.
Quellen und weiterführende Hinweise
Bildungspolitische Orientierung
- Bildungsministerkonferenz/KMK: Handlungsempfehlung zum Umgang mit Künstlicher Intelligenz in schulischen Bildungsprozessen
- Ministerium für Schule und Bildung NRW: Handlungsleitfaden zum Umgang mit textgenerierenden KI-Systemen
Fachdidaktische Perspektiven
- Buchholtz et al.: Damit rechnet niemand! Sechs Leitgedanken zu Implikationen und Forschungsbedarfen zu KI-Technologien im Mathematikunterricht
- Biehler, R.; Schönbrodt, S.; Frank, M. (2024): KI als Thema für den Mathematikunterricht. In: mathematik lehren, Heft 244.
- Universität zu Köln, Institut für Physikdidaktik: Künstliche Intelligenz in Schule und Bildung
Praxis für den MINT-Unterricht
- Science on Stage: KI im MINT-Unterricht
- MINT Zukunft schaffen!: Beiträge und Angebote zu Künstlicher Intelligenz
Lehrkräftebildung