Eine 2026 abgeschlossene Pilotstudie mit 15.000 Schülerinnen und Schülern in 200 US-Schulen liefert die bislang belastbarste Wirkungsmessung für einen LLM-basierten Tutor. Wer Khan Academys Khanmigo mindestens 30 Minuten pro Woche nutzte, erzielte Lernzuwächse, die 2 bis 3 Wochen zusätzlichem klassischem Unterricht entsprechen. Die Nutzerzahl ist von 68.000 (2023/24) auf über 1,4 Millionen (Mitte 2025) gewachsen, die Zahl der Partnerbezirke von 45 auf 380. Khanmigo ist damit der erste KI-Tutor, der den Sprung vom Pilotprojekt zur Infrastruktur des Schulalltags geschafft hat.
Einordnung: 2–3 Wochen Lernfortschritt entspricht Effektgrößen von ~0,15–0,25 SD — substanziell, weit unter den Mollick-Werten (0,73–1,3 SD). Die 30-Min-Mindestnutzung ist ein Selektionseffekt.Reality check: 2–3 weeks of additional learning maps to effect sizes around 0.15–0.25 SD — substantial, well below Mollick (0.73–1.3 SD). The 30-min minimum-usage threshold is a selection effect.
Khanmigo ist ein KI-basierter Lernassistent, den Khan Academy 2023 in Partnerschaft mit OpenAI auf den Weg gebracht hat. Anders als generische Chatbots ist Khanmigo eingebettet in das Khan-Academy-Curriculum — Schülerinnen und Schüler arbeiten an Aufgaben, und der Tutor schaut mit. Wenn jemand stecken bleibt, fragt Khanmigo zurück, gibt Hinweise statt Lösungen, und passt Schwierigkeitsgrad und Erklärtempo an. Lehrkräfte sehen ein Dashboard mit Hinweisen, wo eine Klasse aktuell steht und wer einen menschlichen Impuls braucht.
Die Studie wurde 2025/26 im Auftrag von Khan Academy von SRI International durchgeführt. 200 Schulen aus 38 US-Bundesstaaten, Klassenstufen 3 bis 9, vor allem Mathematik. Studierende, die Khanmigo regelmäßig nutzten — die Schwelle lag bei 30 Minuten pro Woche — erreichten in Algebra-Konzepten 23 Prozent schnelleres Mastery als Kontrollgruppen mit reinen Khan-Academy-Videos. Auf das Schuljahr hochgerechnet entspricht das zwei bis drei Wochen zusätzlichem klassischem Unterricht.
Bemerkenswert: Der Effekt war besonders stark bei Schülerinnen und Schülern mit zuvor unterdurchschnittlicher Mathematik-Leistung. Genau die Gruppe, die im klassischen Schulsystem oft hinten herausfällt, profitiert am meisten von einem geduldigen Tutor, der nie genervt ist und nie aufgibt.
Bildungsökonomen sprechen seit Jahrzehnten vom „2-Sigma-Problem" (Benjamin Bloom, 1984): Schüler, die individuell unterrichtet werden, performen zwei Standardabweichungen über dem Klassendurchschnitt. Nur war 1:1-Tutoring schlicht nicht skalierbar — es ist zu teuer. KI-Tutoren versprechen, diese Lücke zu schließen, ohne dass das Bildungsbudget sich verdoppelt. Die Khanmigo-Daten sind das erste belastbare Signal, dass dieser Effekt in der Praxis ankommt — nicht in einem Labor, sondern im normalen Schulalltag.
Die Studie hat bekannte Grenzen. Die Schulen, die mitmachten, waren Selbstselektion — engagierte Bezirke mit motivierten Lehrkräften. Die Wirkung in einem zufälligen Schulkontext könnte kleiner sein. Außerdem misst die Studie kurzfristige Lernzuwächse, nicht langfristige Transfereffekte. Und: KI-Tutoring ersetzt keinen menschlichen Lehrer — die besten Ergebnisse entstanden dort, wo Lehrkräfte das Dashboard nutzten und Khanmigos Hinweise im Unterricht aufgriffen.
„Der KI-Tutor ist nicht die Antwort auf jede Lernfrage. Aber er ist die erste skalierbare Form von individueller Aufmerksamkeit, die wir je hatten."
Mehr lesen direkt bei khanmigo.ai
2 bis 3 Wochen zusätzlicher Lernfortschritt ist methodisch realistisch und entspricht einer kleinen-bis-mittleren Effektgröße (~0,15–0,25 SD) — substanziell für Bildungsinterventionen, aber meilenweit von den 0,73–1,3 SD der Mollick-Studie entfernt. Genau diese Größenordnung deckt sich mit anderen High-Quality-Edtech-Studien (z.B. ASSISTments, Carnegie Learning).
Die Mindestnutzung von 30 Minuten/Woche ist ein Selektionseffekt: wer es nutzt, ist motivierter und hätte ohnehin gute Lernergebnisse erzielt. Die saubere Frage wäre eine Intent-to-treat-Analyse — die der Pilot offenbar (positiv anzumerken) liefert. Solide Studie mit realistischen Effekten.