Als kognitives Offloading – Cognitive Offloading – bezeichnet man den Einsatz von physischen Handlungen, um die rein kognitiven Anforderungen einer Aufgabe zu reduzieren. Das alltägliche Gedächtnis hängt stark von dieser Praxis ab, etwa wenn man zu erinnernde Informationen aufschreibt oder Tagebücher, Warnungen und Erinnerungen verwendet.
Schon Wachstafeln, Notizbücher und Kratzer an Höhlenwänden haben Menschen schon dabei geholfen, ihre Gedächtniskraft zu erweitern, wobei heute elektronische Geräte bzw. das Internet es dem Verstand auf noch nie dagewesene Weise ermöglichen, das Informationsrepertoire auszulagern.
Mobile Endgeräte wie beispielsweise Tablets ermöglichen es NutzerInnen, Gedächtnisinhalte und Gedächtnisprozesse auszulagern. Dadurch bieten sie das Potential, die Beschränkungen des menschlichen Arbeitsgedächtnisses zu überwinden und die kognitive Leistungsfähigkeit der NutzerInnen zu erhöhen. Heute ist es vor allem die Mobilität solcher Geräte zur Auslagerung von Transformationsprozessen, die anderenfalls die internen Ressourcen zur Informationsverarbeitung massiv beanspruchen würden.
Lernerfolg hängt also nicht nur davon ab, wie komplex und umfangreich die betreffenden Inhalte sind; die Präsentation des Lehrmaterials hat ebenfalls großen Einfluss. Schlecht organisierte Quellen erhöhen die kognitive Belastung (cognitive load). Denn Lernende müssen dann vermehrt Wichtiges von Unwichtigem trennen. Dann kann bewusstes Selbstmanagement helfen: etwa Informationen vorab im Geist sortieren, Redundanzen entdecken und sich von unterhaltsamen Details nicht ablenken lassen.
Dieser Begriff steht in engem Zusammenhang mit der Cognitive Load Theory.
Die Nutzung von generativer Künstlicher Intelligenz (KI) in Bildungsprozessen birgt ein psychologisches Paradoxon: Während die unmittelbare Arbeitsleistung durch die technologische Unterstützung steigt, stagniert oft der tatsächliche, langfristige Lernerfolg. Dieses Phänomen lässt sich psychologisch durch das sogenannte „kognitive Offloading“ erklären – das Auslagern anstrengender Denkprozesse an eine Maschine, was zwar im Moment der Bearbeitung Entlastung bringt, langfristig jedoch die kognitiven Fähigkeiten schwächt. Eine empirische Untersuchung von Fan et al. (2025) verdeutlicht diesen Mechanismus anhand einer randomisierten Laborstudie mit 117 Universitätsstudierenden. Die Forschenden untersuchten dabei, wie sich die Zusammenarbeit mit verschiedenen Unterstützungsformen – namentlich ChatGPT, menschliche Expertinnen und Experten sowie Schreibanalysetools – auf die Motivation, die selbstregulierten Lernprozesse und die finale Leistung bei einer Schreibaufgabe auswirkt. Es zeigte sich, dass die Gruppe, die mit der KI zusammenarbeitete, zwar die stärkste Verbesserung bei der Bewertung ihrer geschriebenen Essays erzielen konnte, dieser Zuwachs jedoch nicht mit einem echten Wissensgewinn oder der Fähigkeit einherging, das Gelernte auf neue, unbekannte Aufgabenstellungen zu übertragen. Die Ursache hierfür liegt in einer nachlassenden Selbstkontrolle, die als „metakognitive Faulheit“ (metacognitive laziness) definiert wird. Metakognition bezeichnet die menschliche Fähigkeit, das eigene Denken aktiv zu überwachen, Wissenslücken zu identifizieren und zu reflektieren, was bereits verstanden wurde. Sobald eine generative KI dauerhaft assistiert, neigen Lernende dazu, diese geistige Überwachungs- und Regulationsarbeit unkritisch an das System abzugeben und blind auf das Feedback der Maschine zu vertrauen, anstatt sich tiefgründig mit den Inhalten auseinanderzusetzen. Interessanterweise veränderte der KI-Einsatz die intrinsische Motivation der Teilnehmenden nach der Aufgabe nicht, beeinflusste jedoch die Frequenz und die Abfolge ihrer selbstregulierten Lernschritte massiv. Neben der Entstehung dieser technologischen Abhängigkeit im Lernprozess droht durch den Einsatz von Sprachmodellen zudem eine Reduzierung der menschlichen Ausdrucks- und Argumentationsvielfalt, da die Bandbreite der generierten Ideen komprimiert wird. Für die Bildungspraxis bedeutet dies, dass KI im Unterricht gezielt durch didaktische Hilfestellungen (Scaffoldings) flankiert werden muss, die Lernende dazu zwingen, weiterhin aktiv zu evaluieren, zu reflektieren und eine kritische Distanz zu den maschinellen Ausgaben zu wahren, anstatt die Technologie lediglich als Werkzeug zur reinen Effizienzsteigerung zu nutzen.Ausbildung
Auswirkungen der künstlichen Intelligenz
Eine Feldstudie von Bastani et al. (2025) untersuchte die konkreten Auswirkungen von generativer KI, speziell GPT-4, auf den Lernprozess und den Kompetenzerwerb von Schülerinnen und Schülern im Mathematikunterricht. Im Rahmen des Experiments übten fast tausend Jugendliche der neunten bis elften Klasse in der Türkei mathematische Aufgaben in verschiedenen Gruppenkonstellationen. Während eine Kontrollgruppe ganz ohne technologische Unterstützung arbeitete, nutzten die beiden anderen Gruppen unterschiedliche Versionen eines Chatbots: Die eine Gruppe griff auf ein standardmäßiges, ungefiltertes GPT-Modell zurück, das fertige Lösungen ausgab, während die andere Gruppe mit einer speziell modifizierten Tutor-Version lernte, die durch didaktisch gestaltete Hinweise schrittweise zur Lösung hinführte, ohne diese direkt zu verraten. Während der reinen Übungsphase zeigte sich bei den technologieunterstützten Gruppen eine massive Leistungssteigerung, da die Gruppe mit dem Standard-Chatbot ihre Aufgaben um 48 Prozent besser löste als die Kontrollgruppe, und die Tutor-Gruppe sogar einen Zuwachs von 127 Prozent verzeichnen konnte. Der entscheidende und zugleich kritische Befund der Studie offenbarte sich jedoch erst in der anschließenden Prüfung, die völlig ohne KI-Hilfe durchgeführt wurde. Hier zeigte sich, dass der ungefilterte Chatbot den eigentlichen Lernprozess sabotiert hatte, da diese Schülerinnen und Schüler in der Klausur um 17 Prozent schlechter abschnitten als die Kontrollgruppe, die von Anfang an ohne Technik gelernt hatte. Das ungefilterte Werkzeug wurde folglich als bloße Wissensstütze genutzt, was den echten Kompetenzerwerb blockierte. Im Gegensatz dazu verhinderte die mit pädagogischen Schutzplanken ausgestattete Tutor-Version diesen Leistungseinbruch im Test komplett, sodass diese Schüler zumindest auf dem Niveau der klassischen Kontrollgruppe blieben. Man betont auf Basis dieser Ergebnisse, dass der unregulierte Einsatz von generativer KI im Bildungsbereich erhebliche Risiken für den langfristigen Lernerfolg birgt und Entscheidungsträger beim Software-Design zwingend auf gezielte didaktische Einschränkungen setzen müssen, um das menschliche Lernen nachhaltig zu schützen. Anmerkung: Beim Lernen mit künstliche Intelligenz findet der Prozess des „kognitiven Offloading“ statt, was bedeutet, dass die für jedes Lernen unbedingt notwendige Anstrengung für das Gehirn fehlt und die dabei angeblich „gelernten“ Inhalte nicht nachhaltig abgespeichert werden. Es kommt nämlich zu einer Reduktion des generativen Lernens, da die mentale Reibung fehlt, die aber für neuronale Verknüpfungen notwendig ist.
Literatur
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), doi:10.1073/pnas.2422633122
Fan, Y., Tang, L., Le, Huixiao, Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530.
Risko, Evan F. & Gilbert, Sam J. (2016). Cognitive Offloading. Trends in Cognitive Sciences, 20, 676-688.
Stangl, W. (2025, 3. Juli). KI im Unterricht: Kurzfristiger Übungserfolg, aber langfristiger Lernverlust. Neuigkeiten aus der wissenschaftlichen Pädagogik.
https:// paedagogik-news.stangl.eu/ki-im-unterricht-kurzfristiger-uebungserfolg-aber-langfristiger-lernverlust.
Stangl, W. (2025, 3. Juli). Generative künstliche Intelligenz führt zu metakognitiver Faulheit. Neuigkeiten aus der wissenschaftlichen Pädagogik.
https:// paedagogik-news.stangl.eu/generative-kuenstliche-intelligenz-fuehrt-zu-metakognitiver-faulheit.