Zeynep Sezgin Jaggi ist Lehrerin mit PICTS-Erfahrung im Unterricht. Sie verbindet pädagogische Praxis mit Forschung zu Lernen und Künstlicher Intelligenz und ist im HfaB-Blog zu Gast.

In der aktuellen Diskussion rund um KI im Unterricht tauchen zwei Begriffe immer wieder auf: metakognitive Faulheit und Cognitive Offloading. Häufig werden sie als Warnung verwendet. KI mache Lernende bequem oder ersetze das Denken. Meine Erfahrungen aus der Unterrichtspraxis und die Ergebnisse meiner Masterarbeit zeichnen jedoch ein etwas differenzierteres Bild.

Zwei Begriffe kurz eingeordnet

Fan et al. (2025) definieren metacognitive laziness als die Tendenz von Lernenden, bewusste kognitive Anstrengung zu vermeiden: «Lernende können beginnen, bewusste kognitive Anstrengung habituell zu vermeiden – ein Phänomen, das wir als metakognitive Faulheit bezeichnen» (Fan et al., 2025, S. 18, eigene Übersetzung).

Die Autor:innen ordnen dieses Verhalten in bestehende theoretische Rahmen ein, insbesondere in das Konzept des Cognitive Offloading (Risko & Gilbert, 2016) sowie in Forschung zu metakognitiven Erfahrungen von Schwierigkeit (Alter et al., 2007; Oppenheimer et al., 2007). Sie beschreiben, dass die wiederholte Auslagerung kognitiver Arbeit mit einer Abnahme von metakognitivem Monitoring und Selbstregulation einhergehen kann (Fan et al., 2025).

In der Unterrichtspraxis zeigt sich, dass diese Vermeidung nicht zufällig entsteht, sondern vom Lernsetting abhängt. Beobachtungen im Unterricht und Rückmeldungen aus einem kurzen offenen Fragebogen zeigen, dass Aufgaben mit wenig Eigenverantwortung oder Entscheidungsspielraum dazu führen, dass Lernende eher Abkürzungen wählen. Lernende mit höherer Reflexionsfähigkeit und grösserer sprachlicher Sicherheit möchten hingegen weiterhin zuerst selbst denken. Gleichzeitig wird dies im Schulalltag schwieriger, da der Druck steigt, Aufgaben schnell zu erledigen.

Cognitive Offloading bezeichnet das Auslagern kognitiver Arbeit an externe Hilfsmittel wie Rechtschreibprogramme oder KI. Entscheidend ist dabei nicht das Offloading an sich, sondern ob Lernende die Kontrolle über Entscheidungen und Bewertungen behalten (Risko & Gilbert, 2016).

Die Lernanlage: eine einfache, aber konsequente Schreibsequenz

In meinen Englischklassen der Sekundarstufe habe ich über zwei Jahre hinweg mehrere identische Schreibsequenzen durchgeführt. Die Struktur war bewusst klar und fand jeweils innerhalb von drei regulären 45-Minuten-Lektionen statt.

  1. Erste Textversion von Hand
    Schreiben ohne digitale Unterstützung, um Ideen zu entwickeln und Sprache selbst zu erzeugen.
  2. Überarbeitung am Computer (Word)
    Der Text wird abgetippt und eigenständig überarbeitet; viele erkennen hier erstmals eigene Unklarheiten.
  3. Gezielter KI-Einsatz (via Fobizz)
    Die KI wird mit klar vorgegebenen Prompts genutzt und gibt Feedback, aber keine fertigen Texte.
  4. Manuelle Revision
    Änderungen werden bewusst übernommen oder verworfen und sichtbar markiert.

Diese Abfolge zwingt zu Entscheidungen. Nichts geschieht automatisch. Die mehrschrittige Anlage dieser Schreibsequenz ist bewusst so gestaltet. Pieger, Mengelkamp und Bannert (2018) beschreiben Disfluency als das subjektive Erleben von Schwierigkeit bei der Verarbeitung. Sie argumentieren, dass solche Schwierigkeiten lernförderlich sein können: «Schwierigkeiten können wünschenswert sein, weil sie anstrengende und analytische Prozesse initiieren» (Pieger et al., 2018, S. 1, eigene Übersetzung). Das wiederholte Schreiben, Überarbeiten und Reflektieren in mehreren Schritten ist in diesem Sinne als gezielt eingesetzte wünschenswerte Schwierigkeit angelegt.

Was sich über verschiedene Lernniveaus hinweg zeigte (A2–C1)

Die Analyse aufeinanderfolgender Textversionen und markierter Änderungen zeigte ein klares Muster:

  • Lernende mit tieferem Sprachniveau nutzten KI vor allem für schnelle Korrekturen; der Fokus lag auf Richtigkeit.
  • Mit zunehmender Kompetenz begann eine bewusstere Auseinandersetzung mit dem Feedback.
  • Auf höheren Niveaus wurde KI gezielt zur sprachlichen Präzisierung eingesetzt, ohne die Kontrolle über den eigenen Text abzugeben.

Ein Schüler formulierte es so:

«Manchmal gibt die KI Tipps, die zwar korrekt sind, aber nicht mehr zu dem passen, was ich sagen will.»

Weitere Aussagen verdeutlichen diese Entwicklung:

«Bei KI muss man trotzdem das Gehirn benutzen. Einen guten Prompt zu schreiben, ist auch Arbeit» (Schüleraussage, eigene Übersetzung) → zeigt produktives Offloading: KI unterstützt Denken, ersetzt es aber nicht.

«Die KI kann nicht entscheiden, was ich mit meinem Text mache» (Schüleraussage, eigene Übersetzung) → zeigt Autorschaft und metakognitive Kontrolle.

Entscheidend war dabei weniger, ob KI genutzt wurde, sondern wann im Schreibprozess sie genutzt wurde. Ein früher Einsatz diente vor allem der Korrektur, ein später(er) Einsatz unterstützte Reflexion und bewusste Entscheidungen.

Lernen findet im Prozess statt

Besonders aufschlussreich waren die Rückmeldungen der Schülerinnen und Schüler selbst. Viele beschrieben, dass sie erst durch das wiederholte Schreiben und Überarbeiten verstanden, was sie noch nicht können:

«Wenn ich zuerst selber schreiben muss, merke ich besser, wo ich Probleme habe.»

«Die KI hilft, aber ich muss trotzdem entscheiden.»

Das mehrfache Schreiben ist anstrengend. Aber genau in dieser Anstrengung liegt der Lerngewinn. Die Struktur macht Denken notwendig und Entscheidungen sichtbar.

Ein einfaches Praxis-Modell

Aus der Arbeit lässt sich ein vierphasiges Modell ableiten:

  1. Eigenproduktion (analog) – Denken aktivieren
  2. Selbstüberarbeitung (digital) – Monitoring
  3. KI-Feedback (geführt) – Vergleich und Irritation
  4. Manuelle Revision – Lernen durch Entscheidung

Dieses Zusammenspiel verhindert, dass KI zur Abkürzung wird, und macht sie stattdessen zu einem Spiegel des eigenen Denkens.

Fazit

Die Ergebnisse lassen sich nicht generalisieren. Die Stichprobe ist klein, der Kontext schulisch. Dennoch sie zeigen deutlich: Metakognitive Faulheit ist keine Eigenschaft von Lernenden, sondern ein Phänomen, das im Zusammenspiel von Werkzeugen und Lernarrangements entsteht. Wenn KI zu früh eingesetzt wird, kann sie Denken ersetzen. Wird sie spät, geführt und reflektiert eingesetzt, kann sie Denken fördern.

Vielleicht ist also nicht die entscheidende Frage, ob KI im Unterricht erlaubt sein soll, sondern wie Lernprozesse gestaltet werden müssen, damit Denken weiterhin notwendig bleibt.

Hinweise zur Einordnung

Der Beitrag basiert auf einer Masterarbeit (PH Luzern) sowie auf Forschung zu metakognitiver Faulheit und metakognitivem Engagement (Fan et al., 2025), Cognitive Offloading (Risko & Gilbert, 2016), metakognitiven Erfahrungen von Schwierigkeit (Alter et al., 2007; Oppenheimer et al., 2007), Disfluency (Pieger, Mengelkamp & Bannert, 2018), Feedback Literacy (Molloy, Boud & Henderson, 2020) und selbstreguliertem Lernen (Zimmerman & Schunk, 2011).

Quellen

Alter, A. L., Oppenheimer, D. M., Epley, N., & Eyre, R. N. (2007). Overcoming intuition: Metacognitive difficulty activates analytic reasoning. Journal of Experimental Psychology: General.

Fan, Y., et al. (2025). Metacognitive laziness and cognitive offloading in AI-assisted learning.

Molloy, E., Boud, D., & Henderson, M. (2020). Developing feedback literacy. Assessment & Evaluation in Higher Education.

Oppenheimer, D. M., Alter, A. L., Epley, N., & Eyre, R. N. (2007). Metacognitive difficulty activates analytic reasoning. Journal of Experimental Psychology: General.

Pieger, E., Mengelkamp, C., & Bannert, M. (2018). Disfluency effects on learning: The role of analytic monitoring. Journal of Experimental Psychology: Learning, Memory, and Cognition.

Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences.

Zimmerman, B. J., & Schunk, D. H. (2011). Handbook of self-regulation of learning and performance.