Pädagogische Agenten: Wenn die KI vom Assistenten zum Akteur wird

Ein Chatbot antwortet. Ein Agent handelt: Er plant, nutzt Werkzeuge, orchestriert mehrere Schritte und koordiniert andere Agenten. Dieser Wechsel vom Assistenten zum Akteur eröffnet in der Bildung neue Anwendungen – doch er erhöht zugleich die Anforderungen an Zuverlässigkeit, Ethik und Kontrolle. Wo stehen wir 2025–2026 wirklich?

Drei Familien pädagogischer Agenten

• Der Tutor-Agent, der direkt mit der lernenden Person im Dialog steht und ihr Denken anleitet.
• Der Kopilot der Lehrkraft, der in Echtzeit Vorschläge macht, korrigiert und vorbereitet.
• Das Multi-Agenten-System, in dem unterschiedliche Rollen (konzipieren, unterrichten, bewerten) zusammenarbeiten.

Die belastbarsten Belege betreffen den Kopiloten. In der Studie Tutor CoPilot verbesserte ein Agent, der in Echtzeit Vorschläge einflüsterte, die Kompetenz der Schülerinnen und Schüler – besonders bei jenen, die von den unerfahrensten Tutoren begleitet wurden ^[1]. Auf Seiten des Tutor-Agenten zeigt eine Studie in Harvard, dass ein gut konzipierter KI-Tutor mehr Lernerfolg bewirken kann als ein Kurs mit aktivem Lernen – wobei die Autoren ausdrücklich betonen, dass es nicht darum geht, Lehrkräfte zu ersetzen ^[2]. Eine weitere Studie berichtet, dass ein Instruktions-Agent das Kontrollgefühl der lernenden Person und die Effizienz der Aufgabe steigert ^[3].

Multi-Agenten-Systeme für die Konzeption

Eine vielversprechende Anwendung ist die Erzeugung von Lehrmaterial durch Agenten mit spezialisierten Rollen. Das System Instructional Agents erstellt einsatzfertige Kursunterlagen, verkürzt die Vorbereitungszeit erheblich und wahrt zugleich die Qualität ^[4]. Die Architektur FACET wiederum kombiniert einen Agenten, der die lernende Person simuliert, einen Lehr-Agenten und einen Bewertungs-Agenten, um personalisierte und stabile Übungsblätter zu generieren ^[5].

Die Grauzonen, die man nicht ignorieren sollte

Auch bei den Belegen ist Vorsicht geboten. Manche Einsätze von Agenten als Hauptlehrkraft berichten nur vorläufige Beobachtungen aus einem einzigen Kurs ^[7]. Und mehrere ehrgeizige Frameworks werben mit schmeichelhaften Kennzahlen – etwa sehr hohen Weiterempfehlungsraten –, die selbstberichtet und nicht unabhängig validiert sind ^[8]. Die Kluft zwischen Demonstration und Beleg bleibt groß.

Ein Agent, der handelt, ohne geprüft zu werden, ist kein pädagogischer Fortschritt: Er ist ein Risiko, das sich als Funktion tarnt.

Learnya-Synthese

Agentische KI ist umso wertvoller, je stärker sie unter menschlicher Aufsicht und in einem beherrschten Datenrahmen bleibt – ein entscheidender Punkt für europäische und Schweizer Einrichtungen. Gut konzipiert, verschaffen Agenten den Lehrkräften Zeit und erweitern die Begleitung; schlecht eingehegt, verbreiten sie Fehler in großem Maßstab und verschleiern Entscheidungen.

Wachsende Autonomie, gleichbleibende Verantwortung

Der eigentliche Paradigmenwechsel ist nicht die Leistungsfähigkeit der Modelle, sondern ihre Autonomie: ein Agent, der plant, Werkzeuge aufruft und Entscheidungen aneinanderreiht, ohne dass bei jedem Schritt ein Mensch bestätigt. Diese Autonomie vervielfacht den Nutzen – und das Risiko. Der Fehler eines Chatbots bleibt lokal; der Fehler eines handelnden Agenten pflanzt sich in einer Kette von Aktionen fort. Daher ist es wichtig, Kontrollpunkte festzulegen, an denen der Mensch die Hoheit über folgenreiche Entscheidungen behält.

Die jüngste Scoping-Review betont anhaltende blinde Flecken: Privatsphäre, Korrektheit, Autonomie der lernenden Person ^[6]. Diese Fragen sind keine Detailfragen der Compliance; sie berühren den Kern der Bildungsbeziehung. Ein Agent, der allein über den Lernweg einer Schülerin oder eines Schülers entscheidet oder deren Spuren ohne Transparenz sammelt und auswertet, kann das Vertrauen untergraben – selbst wenn er technisch leistungsfähig ist.

Die Reife eines agentischen Systems bemisst sich also weniger an seinen beworbenen Kennzahlen – oft selbstberichtet und ungeprüft ^[8] – als an seiner Nachvollziehbarkeit: Lässt sich erkennen, warum es so gehandelt hat, lässt es sich rückgängig machen, korrigieren? Für europäische und Schweizer Einrichtungen deckt sich diese Anforderung mit jener der Datenhoheit: die Kontrolle darüber zu behalten, was der Agent sieht, speichert und weitergibt. Verantwortungsvolle agentische KI ist eine überwachbare agentische KI.

Das richtige Maß an Autonomie

Die zentrale Frage pädagogischer Agenten lautet nicht „Wie weit können sie gehen?“, sondern „Wie weit sollten wir sie gehen lassen?“. Ein Agent kann einen Kurs nahezu autonom vorbereiten, ohne großes Risiko; er sollte aber nicht allein über die Schullaufbahn einer Schülerin oder eines Schülers entscheiden. Diesen Regler Aufgabe für Aufgabe festzulegen, ist ebenso eine Arbeit der pädagogischen wie der technischen Ingenieurskunst.

Die kommenden Jahre werden wahrscheinlich bewährte Praktiken festigen: Agenten, die auf klare Rollen beschränkt sind, Punkte menschlicher Bestätigung bei sensiblen Entscheidungen, Nachvollziehbarkeit der Aktionen und ein strenger Rahmen für die verarbeiteten Daten. Nur unter dieser Bedingung wird die agentische KI ihr Versprechen einlösen – Zeit freizusetzen und die Begleitung auszuweiten –, ohne die Schule in eine Blackbox zu verwandeln. Aufsicht ist nicht der Feind der Automatisierung; sie ist die Bedingung ihrer Legitimität.