Eine im März 2026 veröffentlichte randomisierte Kontrollstudie hat untersucht, wie sich ein personalisierter KI-Tutor gegenüber einer fixen Aufgaben-Sequenz beim Programmieren-Lernen schlägt. Ergebnis: Schüler, die mit dem KI-Tutor arbeiteten, schnitten im Abschlusstest signifikant besser ab — der Effekt entspricht sechs bis neun Monaten zusätzlichem Schulunterricht, erreicht in einem Nachmittagskurs von nur fünf Monaten. Es ist die erste belastbare Quantifizierung, was passiert, wenn jeder Schüler einen eigenen, geduldigen Tutor bekommt.
Einordnung: Programmieren ist besonders gut für KI-Tutoring geeignet (klare Feedback-Schleifen). 6–9 Monate Vorsprung sind beachtlich, aber methodisch hängt die Aussage an einer schwachen Vergleichsbaseline (fixe Aufgaben-Sequenz).Reality check: Programming is particularly well suited for AI tutoring (clear feedback loops). 6–9 months ahead is notable, but methodologically rests on a weak baseline (fixed assignment sequence).
Forscher um Carolyn Rosé an der Carnegie Mellon University und Vincent Aleven haben einen Online-Nachmittagskurs mit Python-Programmierung für Schülerinnen und Schüler der Mittelstufe aufgesetzt. Die eine Gruppe arbeitete sich durch eine fest vorgegebene Aufgabenfolge — gleiche Reihenfolge, gleiche Schwierigkeit für alle. Die andere Gruppe nutzte einen KI-Tutor, der die Aufgabenfolge kontinuierlich an Verständnis und Fehlertypen jedes Lernenden anpasste, Hinweise sokratisch dosierte und Erklärungen in dem Tempo gab, das das jeweilige Kind brauchte.
Nach fünf Monaten — durchschnittlich 90 Minuten Unterricht pro Woche — schrieben beide Gruppen denselben Abschlusstest. Die KI-Tutor-Gruppe schnitt um eine Effektgröße ab, die einem Lernfortschritt von rund sechs bis neun zusätzlichen Schulmonaten entspricht. Studien dieser Art sind selten so klar — und besonders selten so einig: Die Stichprobe war groß, die Treatment-Gruppe vorab nicht stärker, und der Test wurde von Außen-Bewertern korrigiert, die nicht wussten, welcher Schüler in welcher Gruppe war.
Vor 2025 wussten wir aus Bloom (1984), dass Eins-zu-eins-Tutoring zwei Standardabweichungen besser ist als Frontalunterricht — wir hatten nur keine Möglichkeit, das zu skalieren. Drei Lehren aus der neuen RCT:
Die Studie misst Programmieren — eine Domäne mit klaren, automatisch prüfbaren Ergebnissen. Ob ähnliche Effekte auch in Mathematik (mit weniger eindeutigen Lösungswegen) oder gar in Geschichte (offene Aufgaben, lange Texte) auftreten, bleibt zu zeigen. Die parallel laufende Khanmigo-Pilotstudie mit 15.000 Schülern in 200 Schulen liefert erste Hinweise: Auch dort sind Effekte messbar, aber kleiner — etwa zwei bis drei Wochen extra Lernfortschritt bei mindestens 30 Minuten Khanmigo-Nutzung pro Woche.
„Der Bottleneck war nie das Wissen. Es war die Fähigkeit, jedem Lernenden geduldig genau das richtige zu geben — zur richtigen Zeit, im richtigen Tempo."
Der zweite offene Punkt ist Ausstattung: Wer keinen Computer und keinen ruhigen Lernort hat, profitiert weniger. Mehrere US-Bundesstaaten und das US-Bildungsministerium haben für 2027 Programme angekündigt, die KI-Tutoren in öffentliche Mittelschulen bringen — mit Hardware-Subventionen für einkommensschwache Familien. Deutschland ist hier zurückhaltender; bayerische und hessische Schulversuche laufen, sind aber kleiner und nicht randomisiert.
Mehr lesen im Hechinger Report und in der peer-reviewten Originalstudie.
Programmieren ist besonders gut für KI-Tutoring geeignet: klare Feedback-Schleifen (Code läuft oder läuft nicht), strukturierte Aufgaben, automatisierte Bewertung. Solche Studien zeigen tendenziell stärkere Effekte als z.B. Mathematik oder Sprachen.
6–9 Monate Vorsprung in 5 Monaten Kurs ist beachtlich, methodisch hängt die Aussage aber an der Vergleichsgruppe ("fixe Aufgaben-Sequenz" ist eine schwache Baseline) und der Definition von "Lernfortschritt". Eine starke Baseline wäre ein menschlicher Tutor — der Vergleich mit reinem Online-Kurs ohne Personalisierung überzeichnet den KI-Effekt.