1. Einleitung: Familie und KI im Herbst 2026

Vier Jahre, die den Alltag verändert haben

Am 30. November 2022 stellte das US-Unternehmen OpenAI ein Programm namens ChatGPT frei ins Netz. Man konnte ihm eine Frage tippen, und es antwortete in ganzen Sätzen, höflich, flüssig und erstaunlich oft brauchbar. Was damals wie eine technische Spielerei wirkte, sitzt heute mit am Küchentisch: bei der Deutsch-Hausübung, beim Referat über den Wolf im Montafon, beim Liebeskummer um Mitternacht. Kaum eine Technik hat sich so schnell verbreitet. Der Stanford AI Index 2026 hält fest, dass generative KI binnen drei Jahren eine Nutzungsrate von 53 % in der Bevölkerung erreicht hat, schneller als einst der PC oder das Internet (Sajadieh et al., 2026).

Für Österreich liegen seit heuer belastbare Zahlen vor. Eine repräsentative Befragung von 500 Kindern und Jugendlichen zwischen 11 und 17 Jahren, durchgeführt im Oktober und November 2025, zeigt: 94 % nutzen KI-Chatbots, 90 % ChatGPT, fast drei Viertel für Schule und Hausaufgaben (Saferinternet.at, 2026). Dieselbe Studie zeigt aber auch eine Leerstelle. 48 % der Befragten haben nie eine altersgerechte Erklärung erhalten, was KI eigentlich ist, und nur ein Drittel erwartet dabei Unterstützung von den eigenen Eltern (Saferinternet.at, 2026). Die Kinder nutzen also längst, was viele Erwachsene noch zu verstehen versuchen.

Genau hier setzt dieser Artikel an. Er richtet sich an Eltern von Volksschul- und Mittelschulkindern, an Lehrer*innen und an alle, die wissen wollen, was da gerade passiert. Er ist kein Technikhandbuch und keine Warnschrift. Mir geht es um etwas Grundsätzlicheres: Wie können wir eine Technik einordnen, die unsere Kinder selbstverständlicher bedienen als wir selbst?

Meine Ausgangsthese

Wer über KI spricht, landet schnell bei zwei Extremen. Die einen sehen den Anfang vom Ende des Denkens, die anderen die Lösung aller Bildungsprobleme. Beides halte ich für verkürzt. Meine These lautet: KI ist kein Bruch, sondern die nächste Stufe einer sehr langen Geschichte, nämlich der Geschichte der Schrift und der Informationssysteme. Von der Höhlenmalerei über das Alphabet und den Buchdruck bis zum World Wide Web haben Menschen immer wieder neue Wege gefunden, Wissen festzuhalten, zu ordnen und weiterzugeben. Jede dieser Stufen hat das Denken verändert, und jede hat Ängste ausgelöst. Der Kulturwissenschaftler Walter Ong hat eindrucksvoll beschrieben, dass Schreiben selbst eine Technologie ist, die unser Bewusstsein umformt (Ong, 2013).

Diese Perspektive nimmt der KI nichts von ihrer Wucht. Sie hilft aber, ruhiger zu fragen: Was bleibt gleich, was ist wirklich neu, und was heißt das für Familien?

Ein zweiter Gedanke begleitet mich durch den ganzen Text. In Douglas Adams' Roman „Per Anhalter durch die Galaxis“ rechnet ein Supercomputer Millionen Jahre und verkündet dann die Antwort auf die Frage nach dem Leben, dem Universum und dem ganzen Rest: 42. Niemand kann damit etwas anfangen, weil niemand die Frage richtig gestellt hat. Die Antwort ist also nicht nur 42. Für sinnvolle Antworten braucht es die richtigen Fragen. Das gilt für Sprachmodelle in besonderem Maß, und es gilt für die Erziehung unserer Kinder ohnehin.

Leitfragen

Der Artikel folgt vier Fragen, die mir an Elternabenden und in Fortbildungen für Lehrer*innen immer wieder begegnen:

• Verstehen: Was ist KI überhaupt, wie funktioniert ein Sprachmodell, und warum erfindet es manchmal Dinge?
• Beobachten: Wie nutzen Kinder und Jugendliche KI tatsächlich, in der Schule, in der Freizeit, im Gefühlsleben?
• Abwägen: Wo hilft KI beim Lernen, wo schadet sie, und welche Gefahren lauern bei Deepfakes, Datenschutz und KI-Begleitern?
• Handeln: Was können Eltern konkret tun, und welche Zukunft wollen wir als Gesellschaft gestalten?

Aufbau des Artikels

Nach dieser Einleitung erklärt Kapitel 2, was KI ist. Es spannt den Bogen von der Höhlenmalerei zum Sprachmodell und zeigt, wie ein solches Modell arbeitet und warum es halluziniert. Kapitel 3 sichtet die aktuellen Studien zur Frage, wie Kinder und Jugendliche KI nutzen, von der Volksschule bis zur Oberstufe. Kapitel 4 widmet sich dem Schulalltag: Lernen Schülerinnen mit ChatGPT mehr, oder kürzen sie nur ab? Kapitel 5 beschreibt die Chancen, von der Lernhilfe über Inklusion bis zur Kreativität. Kapitel 6 behandelt gefälschte Bilder, Stimmen und Deepfakes und was Familien dagegen tun können. Kapitel 7 geht auf Datenschutz und auf KI-Begleiter ein, also Chatbots, die sich als Freundin anbieten. Kapitel 8 fragt, wofür unsere Kinder lernen, wenn sich Berufe verändern. Kapitel 9 bündelt kritische Perspektiven: Energieverbrauch, Marktmacht, Verzerrungen und die Frage, wer sich gute Werkzeuge leisten kann. Kapitel 10 schließt mit konkreten Empfehlungen für Eltern und mit einem Ausblick auf die Zukunft, die wir uns wünschen.

Alle Zahlen stammen aus ausgewiesenen Studien und Berichten, überwiegend aus den Jahren 2024 bis 2026. Wo eine Studie klein ist, nur Zusammenhänge zeigt oder noch nicht begutachtet wurde, sage ich das dazu. Alle Quellen sind im Quellenverzeichnis zugänglich.

Hinweis zur Entstehung: Dieser Artikel wurde in Zusammenarbeit zwischen dem Autor und dem KI-System Claude (Anthropic) erstellt. Alle verwendeten Quellen sind ausgewiesen. Die inhaltliche Verantwortung liegt beim menschlichen Autor.

Literatur (Einleitung)

Ong, W. J. (2013). Orality and literacy: The technologizing of the word (30th anniversary ed., with additional chapters by J. Hartley). Routledge. https://doi.org/10.4324/9780203103258

Saferinternet.at, Österreichisches Institut für angewandte Telekommunikation (ÖIAT) & ISPA – Internet Service Providers Austria. (2026). KI-Chatbots als Alltagsbegleiter für Jugendliche [Presseaussendung: „Werkzeug, Ratgeber, Bezugsperson – 94 Prozent der Jugendlichen nutzen KI-Chatbots“]. https://www.saferinternet.at/presse-detail/studie-werkzeug-ratgeber-bezugsperson-94-prozent-der-jugendlichen-nutzen-ki-chatbots

Sajadieh, S., Fattorini, L., Perrault, R., Gil, Y., Parli, V., Santarlasci, L., Pava, J., Maslej, N., et al. (2026). Artificial Intelligence Index Report 2026. Stanford Institute for Human-Centered Artificial Intelligence. https://doi.org/10.48550/arXiv.2606.15708

2. Was ist KI? Von der Höhlenmalerei zum Sprachmodell

Kein Bruch, sondern die nächste Stufe

Wenn Eltern fragen, was KI eigentlich ist, beginne ich nicht beim Computer, sondern in einer Höhle. In Lascaux im Südwesten Frankreichs haben Menschen zwischen etwa 17.000 und 15.000 v. Chr. Pferde, Stiere und Hirsche an die Wand gemalt. Sie wollten festhalten, was ihnen wichtig war, und es anderen zeigen. Damit beginnt eine Geschichte, die bis zu ChatGPT reicht: die Geschichte der Informationssysteme. Walter Ong hat gezeigt, dass Schrift mehr ist als ein Speicher. Sie strukturiert das Denken selbst um (Ong, 2013). Elizabeth Eisenstein hat für den Buchdruck beschrieben, wie Vervielfältigung, Standardisierung und Bewahrung von Texten Reformation und moderne Wissenschaft erst möglich machten (Eisenstein, 1980).

Ich lese KI als die nächste Stufe dieser Entwicklung. Zwei Linien laufen dabei zusammen: die Frage, wie wir Information kodieren, und die Frage, wie wir sie strukturieren.

Erste Dimension: Kodierung – mehr Zeichen mit weniger Bedeutung

Die Höhlenmalerei kennt unendlich viele Formen. Jedes Bild ist einzigartig, fließend, kontinuierlich. Ab etwa 3.200 v. Chr. entwickelten die Ägypter*innen die Hieroglyphen, ein System aus 700 bis 1.000 Zeichen, von denen jedes bereits eine Bedeutung trug. Wer schreiben wollte, musste jahrelang lernen. Schrift blieb Sache einer kleinen Gruppe von Schriftgelehrten.

Um 1.200 v. Chr. geschah etwas Revolutionäres. Im protosinaitischen und phönizischen Alphabet standen nur noch 22 Zeichen, und diese bezeichneten keine Dinge mehr, sondern Laute. Der erste Buchstabe, Aleph, war ursprünglich ein stilisierter Rinderkopf, „alef“ hieß Rind. Drehen Sie ein großes A auf den Kopf, und Sie sehen die Hörner noch heute. Die Griechinnen ergänzten im 8. Jahrhundert v. Chr. die Vokale, die Römerinnen formten daraus das lateinische Alphabet, mit dem dieser Text geschrieben ist. Ong beschreibt das Alphabet als besonders folgenreiche Erfindung, weil es Sprache in kleinste, bedeutungslose Bausteine zerlegt (Ong, 2013).

Der letzte Schritt dieser Linie heißt Binärcode. Der Computer kennt nur noch zwei Zeichen, 0 und 1. Im ASCII-Standard wird ein großes A zur Folge 01000001.

Das Prinzip dahinter ist verblüffend einfach: Mehr Zeichen mit weniger Bedeutung. Je kleiner und bedeutungsärmer die Bausteine, desto leichter ist das System zu erlernen. Zuerst wurde Schrift dadurch für das ganze Volk erlernbar, Alphabetisierung wurde möglich. Dann wurde sie für Maschinen verarbeitbar. Sprachmodelle stehen am Ende dieser Kette: Sie zerlegen Texte in kleine Stücke, sogenannte Token, und rechnen mit ihnen.

Zweite Dimension: Strukturierung – vom Papyrus zum Netz der Bedeutungen

Die zweite Linie betrifft die Ordnung des Wissens. Eine Papyrusrolle liest man linear, von Anfang bis Ende. Der Codex, also das gebundene Buch, erlaubte es, gezielt zu blättern. Bald kamen Inhaltsverzeichnis und Sachregister dazu, später Quellenangaben und Zitate. Jedes wissenschaftliche Buch zeigt seither auf andere Bücher. Eine Bibliothek ist deshalb nicht nur ein Lager, sondern ein riesiges Geflecht von Verweisen.

Im Juli 1945 dachte der US-Wissenschaftsberater Vannevar Bush diesen Gedanken weiter. Er entwarf den „Memex“, ein schreibtischartiges Gerät, das Dokumente auf Mikrofilm speichert und über „assoziative Pfade“ miteinander verknüpft (Bush, 1945). Gebaut wurde der Memex nie, aber die Idee wirkte. Ted Nelson prägte in den 1960er-Jahren den Begriff Hypertext, und 1991 machte Tim Berners-Lee mit dem World Wide Web daraus ein weltweites Netz verlinkter Dokumente.

Zehn Jahre später ging Berners-Lee einen Schritt weiter. Gemeinsam mit James Hendler und Ora Lassila beschrieb er das „Semantic Web“: Webinhalte sollten so ausgezeichnet werden, dass nicht nur Menschen, sondern auch Software ihre Bedeutung verarbeiten kann (Berners-Lee et al., 2001). Maschinenlesbare Bedeutung nützt übrigens nicht nur Programmen. Alt-Texte für Bilder und sauber strukturierte Seiten sind die Grundlage dafür, dass Screenreader blinden Menschen das Netz vorlesen können.

Das semantische Web blieb allerdings mühsam. Menschen hätten Milliarden Seiten von Hand mit Bedeutungen versehen müssen, also von oben nach unten annotieren. Sprachmodelle drehen diese Richtung um. Sie lernen die Zusammenhänge zwischen Begriffen aus riesigen Textmengen gewissermaßen von unten. Man könnte sagen: Sprachmodelle schreiben das semantische Web selbst. Die Informationsgesellschaft hat ihr Leitmedium gefunden.

Hier drängt sich mir eine Frage auf, die ich bewusst offenlasse. Wenn das gesamte vernetzte Wissen verfügbar ist und eine Maschine Schlüsse entlang aller Verknüpfungen ziehen kann: Wie viel von dem, was wir Kreativität nennen, ist eigentlich das Aufheben notwendiger Schlüsse aus diesem Netz?

Wie ein Sprachmodell arbeitet

So viel zur Einordnung. Was passiert aber technisch, wenn ein Kind ChatGPT eine Frage stellt?

Im Kern tut ein Sprachmodell etwas sehr Bescheidenes. Es sagt voraus, welches Wortstück wahrscheinlich als nächstes kommt. Murray Shanahan, Forscher am Imperial College London und bei Google DeepMind, beschreibt das nüchtern: Das Modell berechnet auf Grundlage statistischer Muster das wahrscheinlich folgende Token (Shanahan, 2024). Dann hängt es dieses Token an, berechnet das nächste, und so fort, bis eine Antwort entstanden ist.

Möglich wurde das durch eine Architektur, die ein Forschungsteam bei Google 2017 vorstellte: den Transformer. Statt einen Text Wort für Wort nacheinander abzuarbeiten, gewichtet der Transformer über sogenannte Attention-Mechanismen die Beziehungen zwischen allen Wörtern eines Textes gleichzeitig. Das machte das Training stark parallelisierbar und deutlich schneller (Vaswani et al., 2017). Fast alle heutigen Sprachmodelle, ob GPT, Claude oder Gemini, beruhen auf diesem Prinzip.

Ein Beispiel macht das greifbar. Im Satz „Die Kuh stand auf der Alm, weil sie dort im Sommer frisst“ muss das Modell erkennen, dass sich „sie“ auf die Kuh bezieht und nicht auf die Alm. Genau solche Bezüge über einen ganzen Satz, einen Absatz oder ein langes Gespräch hinweg kann der Transformer gewichten. Die Worterkennung am Handy, die das nächste Wort vorschlägt, arbeitet nach einem verwandten Grundgedanken, nur mit einem winzigen Bruchteil an Daten und Zusammenhängen. Der Unterschied ist so groß, dass aus bloßer Wortvorhersage etwas entsteht, das wie Verstehen wirkt: Ein Sprachmodell kann zusammenfassen, übersetzen, erklären und umformulieren, obwohl niemand ihm diese Fähigkeiten einzeln einprogrammiert hat.

Entscheidend für das Verständnis ist ein Unterschied, der vielen Erwachsenen nicht bewusst ist. Ein Sprachmodell wird nicht programmiert wie ein Taschenrechner, bei dem jemand die Regeln vorher festlegt. Es wird trainiert. Man zeigt ihm riesige Mengen Text, und es passt Milliarden interner Zahlenwerte so lange an, bis seine Vorhersagen gut werden. Niemand hat ihm Grammatik, Geschichte oder Kochrezepte einzeln beigebracht. Es hat die Muster aus den Daten gelernt, mit allen Stärken und Verzerrungen, die in diesen Daten stecken.

Shanahan warnt deshalb vor einer naheliegenden Falle. Je besser Sprachmodelle Sprache imitieren, desto eher schreiben wir ihnen menschliche Eigenschaften zu. Verben wie „wissen“, „glauben“ oder „denken“ verstärken diese Vermenschlichung (Shanahan, 2024). Sein Rat lautet, sich immer wieder bewusst zu machen, wie diese Systeme tatsächlich funktionieren. Für Familien ist das ein brauchbarer Merksatz: Der Chatbot klingt wie ein Mensch, aber er ist keiner.

Warum Sprachmodelle halluzinieren

Wer mit ChatGPT arbeitet, erlebt früher oder später eine Überraschung. Das Programm nennt ein Buch, das es nicht gibt, oder erfindet eine Jahreszahl, und zwar im selben selbstsicheren Ton wie bei richtigen Antworten. Fachleute sprechen von Halluzinationen.

Warum passiert das? Ein Forschungsteam um Adam Kalai liefert eine einleuchtende Erklärung. Halluzinationen sind demnach statistisch erwartbare Fehler: Sprachmodelle raten, wenn sie unsicher sind, statt Unsicherheit zuzugeben. Der Grund liegt im Training und vor allem in den Bewertungsverfahren, mit denen Modelle verglichen werden. Diese Tests belohnen Raten und bestrafen ein ehrliches „Ich weiß es nicht“ (Kalai et al., 2025). Die Modelle sind gewissermaßen darauf getrimmt, gute Prüflinge zu sein. Wer bei einer Multiple-Choice-Prüfung nichts ankreuzt, bekommt sicher keinen Punkt; wer rät, hat wenigstens eine Chance. Das Forschungsteam schlägt vor, die gängigen Tests so umzubauen, dass ehrliche Unsicherheit nicht schlechter abschneidet. Die Arbeit ist als Preprint erschienen, also noch nicht begutachtet.

Eine Studie aus Oxford, erschienen in der Zeitschrift Nature, zeigt einen praktischen Weg, solche Fehler zu erkennen. Das Team um Farquhar untersuchte „Konfabulationen“, also falsche und willkürliche Antworten. Es ließ ein Modell mehrfach auf dieselbe Frage antworten und maß, wie stark die Antworten in ihrer Bedeutung voneinander abweichen. Hohe Streuung zeigt an, dass das Modell vermutlich rät (Farquhar et al., 2024).

Daraus lässt sich ein einfacher Tipp für den Familienalltag ableiten: Stellen Sie dieselbe Frage mehrmals, am besten in einem neuen Chat oder leicht umformuliert. Widersprechen sich die Antworten, ist das ein Warnsignal. Stimmen sie überein, ist das noch kein Beweis, aber ein gutes Zeichen. Und bei allem, was wirklich zählt, gilt: nachfragen, nachprüfen, in einer zweiten Quelle nachsehen.

Hier schließt sich der Kreis zur Schriftkultur. Auch ein gedrucktes Buch kann irren, auch Wikipedia enthält Fehler. Neu ist nicht die Fehlbarkeit, sondern die Überzeugungskraft, mit der ein Sprachmodell formuliert. Kinder müssen deshalb lernen, was Generationen vor ihnen bei Büchern und Zeitungen gelernt haben: Ein gut geschriebener Text ist noch kein wahrer Text.

Literatur (Was ist KI?)

Berners-Lee, T., Hendler, J., & Lassila, O. (2001). The semantic web. Scientific American, 284(5), 34–43. https://doi.org/10.1038/scientificamerican0501-34

Bush, V. (1945). As we may think. The Atlantic Monthly, 176(1), 101–108. https://www.theatlantic.com/magazine/archive/1945/07/as-we-may-think/303881/

Eisenstein, E. L. (1980). The printing press as an agent of change: Communications and cultural transformations in early-modern Europe. Cambridge University Press. https://doi.org/10.1017/CBO9781107049963

Farquhar, S., Kossen, J., Kuhn, L., & Gal, Y. (2024). Detecting hallucinations in large language models using semantic entropy. Nature, 630(8017), 625–630. https://doi.org/10.1038/s41586-024-07421-0

Kalai, A. T., Nachum, O., Vempala, S. S., & Zhang, E. (2025). Why language models hallucinate (arXiv:2509.04664) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2509.04664

Ong, W. J. (2013). Orality and literacy: The technologizing of the word (30th anniversary ed., with additional chapters by J. Hartley). Routledge. https://doi.org/10.4324/9780203103258

Shanahan, M. (2024). Talking about large language models. Communications of the ACM, 67(2), 68–79. https://doi.org/10.1145/3624724

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. In Advances in Neural Information Processing Systems 30 (NeurIPS 2017). https://doi.org/10.48550/arXiv.1706.03762

3. Wie Kinder und Jugendliche KI nutzen

Ein Werkzeug, das binnen eines Jahres alltäglich wurde

Wie sehr KI bereits zum Alltag junger Menschen gehört, zeigt kaum eine Studie so deutlich wie die deutsche JIM-Studie. Sie befragt seit Jahren repräsentativ 12- bis 19-Jährige zu ihrem Medienumgang. Im Sommer 2025 gaben 84 % der 1.200 Befragten an, ChatGPT schon genutzt zu haben; ein Jahr zuvor waren es 57 % (MPFS, 2025a). Bei den 12- und 13-Jährigen lag der Anteil bei 69 %, in den älteren Gruppen jeweils bei knapp 90 %. Rund die Hälfte greift mindestens mehrmals pro Woche auf ChatGPT zurück. Am häufigsten geht es um Hausaufgaben und Lernen, das nennen 74 %, gefolgt von der Informationssuche mit 70 %.

Für Österreich zeichnet die bereits in der Einleitung erwähnte Befragung von Saferinternet.at ein ähnliches, noch dichteres Bild. Von 500 repräsentativ ausgewählten 11- bis 17-Jährigen nutzen 94 % KI-Chatbots, 90 % ChatGPT, 23 % Gemini und 11 % Copilot. Fast ein Viertel, nämlich 24 %, verwendet ChatGPT täglich, 73 % nutzen KI für Schule und Hausaufgaben (Saferinternet.at, 2026).

Die Oberösterreichische Jugend-Medien-Studie der Education Group erlaubt einen Blick auf die Entwicklung. Im Frühjahr und Sommer 2025 hatten 59 % der 500 befragten Jugendlichen zwischen 11 und 18 Jahren KI oder ChatGPT schon genutzt; 2023 waren es erst 24 % (Education Group, 2025). Interessant sind die Zwecke: Wer KI nutzt, sucht damit vor allem Informationen, nämlich 63 %, oder lässt sich Begriffe erklären, 61 %. Texte schreiben lassen 43 %, komplette Lösungen holen sich 34 %. Dass die Werte niedriger liegen als bei Saferinternet.at, dürfte an unterschiedlichen Fragestellungen, Altersgruppen und Erhebungszeitpunkten liegen. Die Richtung ist in allen Studien dieselbe.

Und die Volksschulkinder?

Wer diese Zahlen liest, könnte meinen, schon Achtjährige chatten selbstverständlich mit KI. Die Daten zeigen etwas anderes, und das ist für Eltern von Volksschulkindern eine wichtige Nachricht. Die KIM-Studie, die 6- bis 13-Jährige in Deutschland gemeinsam mit ihren Eltern befragt, erhob im Herbst 2024 erstmals die KI-Nutzung. Nur 9 % der internetnutzenden Kinder verwendeten KI-Anwendungen mindestens wöchentlich. Für die Schule nutzten 7 % der Schulkinder KI zu Hause mindestens einmal pro Woche, 81 % nie (MPFS, 2025b). Messenger, Videos und Suchmaschinen dominieren in diesem Alter deutlich.

Eine KI-Form ist allerdings auch bei Jüngeren präsent: Sprachassistenten wie Siri oder Alexa. Laut KIM-Studie nutzen 38 % der internetnutzenden Kinder sie zumindest gelegentlich, 12 % täglich (MPFS, 2025b). Das Bild ist also zweigeteilt. Im Volksschulalter bleibt Zeit, gemeinsam die Grundlagen zu legen, bevor ab etwa zwölf Jahren der Sprung in die tägliche Nutzung erfolgt. Diese Zeit sollten wir nutzen.

Was Kinder über KI denken

Wie stellen sich Kinder eigentlich vor, was in so einem Lautsprecher vor sich geht? Die Forscherinnen Andries und Robertson von der Universität Edinburgh haben Volksschulkinder in Schottland mit Fragebögen und Interviews dazu befragt. Die meisten Kinder überschätzten die Intelligenz von Alexa und Co., waren unsicher, ob die Geräte Gefühle oder einen eigenen Willen haben, und hatten kaum eine Vorstellung davon, was mit ihren Daten geschieht (Andries & Robertson, 2023). Ein Befund hat mich besonders berührt: Die Kinder hielten es für falsch, unhöflich zu einem Sprachassistenten zu sein.

Ich halte diesen Instinkt für wertvoll, auch wenn er auf einer falschen Annahme beruht. Höflichkeit gegenüber einer Maschine ist weniger eine Frage dessen, was die Maschine verdient, als eine Frage der Haltung, die Kinder einüben und in menschliche Gespräche mitnehmen. Gleichzeitig zeigt die Studie, wie nötig Erklärungen schon im Volksschulalter sind. Kinder brauchen ein einfaches, richtiges Bild davon, dass der Assistent rechnet und nicht fühlt.

Vom Werkzeug zur Bezugsperson

Bei Jugendlichen verschiebt sich die Nutzung über die Schule hinaus. In der österreichischen Befragung besprechen 31 % der 11- bis 17-Jährigen Sorgen und Probleme mit KI, 29 % meinen, KI könne eine Art Freund*in sein (Saferinternet.at, 2026). 24 % führen freundschaftliche, 19 % sogar romantische Gespräche mit Chatbots.

In den USA ist das Phänomen noch ausgeprägter. Common Sense Media ließ im Frühjahr 2025 repräsentativ 1.060 Jugendliche zwischen 13 und 17 Jahren befragen. 72 % hatten schon einen KI-Begleiter genutzt, also Programme wie Character.AI oder Replika, aber auch ChatGPT als Gesprächspartner; 52 % tun das regelmäßig, 13 % täglich. Ein Drittel nutzt solche Begleiter für soziale Interaktion und Beziehungen, 12 % für emotionale oder psychische Unterstützung (Robb & Mann, 2025). Laut Studienseite hat ein Drittel der Jugendlichen für ernste Gespräche schon einmal die KI statt eines Menschen gewählt. Common Sense Media empfiehlt, dass unter 18-Jährige keine KI-Begleiter nutzen sollen.

Warum ist das heikel? Die Cambridge-Forscherin Kurian beschreibt eine „Empathielücke“: Chatbots imitieren Mitgefühl, reagieren aber auf persönliche Offenbarungen von Kindern mitunter unangemessen oder sogar gefährlich (Kurian, 2025). Ihr bekanntestes Beispiel stammt aus dem Jahr 2021. Damals forderte Amazons Alexa ein zehnjähriges Kind auf, eine Münze an einen stromführenden Stecker zu halten. Kurians Kernbotschaft: Kinder neigen dazu, Chatbots als menschenähnliche Vertraute zu behandeln. Sie hat daraus einen Rahmen mit 28 Prüfpunkten für kindersichere KI entwickelt. Ihre Arbeit ist konzeptionell und stützt sich auf dokumentierte Vorfälle, nicht auf eine eigene Stichprobe. Die Warnung trifft dennoch einen Nerv. Mit Datenschutz und KI-Begleitern beschäftigt sich Kapitel 7 ausführlicher.

Die Wissenslücke der Eltern

Und wir Eltern? Wissen wir, was unsere Kinder tun? Das Pew Research Center hat im Herbst 2025 in den USA 1.458 Jugendliche zwischen 13 und 17 Jahren und jeweils einen Elternteil befragt. 64 % der Teenager nutzen Chatbots, aber nur 51 % der Eltern sagen das über ihr Kind, etwa drei von zehn Eltern sind unsicher (McClain et al., 2026). Nur gut die Hälfte der Eltern hat mit dem eigenen Kind überhaupt über Chatbots gesprochen. Bemerkenswert ist auch die Haltung: Etwa acht von zehn Eltern befürworten Chatbots für die Informationssuche, aber nur 18 % für emotionale Unterstützung.

Für Österreich zeigt die Education Group, dass Eltern KI grundsätzlich kennen und offen gegenüberstehen. 92 % der 300 befragten oberösterreichischen Eltern kennen Systeme wie ChatGPT, 59 % glauben, KI könne beim Lernen und Problemlösen im Alltag helfen (Education Group, 2025). Das Wissen über die konkrete Nutzung der eigenen Kinder ist damit aber noch nicht gesichert.

Gleichzeitig wünschen sich die Jugendlichen mehr Orientierung. 48 % der österreichischen 11- bis 17-Jährigen haben nie eine altersgerechte Erklärung von KI erhalten. 52 % vertrauen darauf, dass die Antworten korrekt sind, 40 % prüfen Ergebnisse selten oder nie (Saferinternet.at, 2026). In Deutschland halten 57 % der Jugendlichen KI-Informationen für vertrauenswürdig (MPFS, 2025a). Zwei Drittel der österreichischen Befragten erwarten Unterstützung von der Schule, aber nur ein Drittel von den Eltern.

Diese letzte Zahl verstehe ich nicht als Absage, sondern als Auftrag. Kinder trauen uns beim Thema KI offenbar wenig zu. Das muss nicht so bleiben. Wir müssen keine Expert*innen sein, um mit unseren Kindern über KI zu reden. Es genügt, neugierig zu fragen: Wofür nutzt du das? Was hat dir der Chatbot heute geantwortet? Hast du das nachgeprüft? Wer solche Gespräche früh beginnt, im Volksschulalter, solange KI noch eine Nebenrolle spielt, hat einen Vorsprung, wenn es mit zwölf Jahren ernst wird.

Literatur (Wie Kinder und Jugendliche KI nutzen)

Andries, V., & Robertson, J. (2023). “Alexa doesn't have that many feelings”: Children's understanding of AI through interactions with smart speakers in their homes. Computers and Education: Artificial Intelligence, 5, 100176. https://doi.org/10.1016/j.caeai.2023.100176

Education Group. (2025). Oö. Jugend-Medien-Studie 2025: Das Medienverhalten der 11- bis 18-Jährigen in Oberösterreich (Jugendliche, Eltern, Pädagog\innen)*. Education Group GmbH. https://www.edugroup.at/fileadmin/user_upload/50_Forschung/Medienstudien/Jugend-Medien-Studie/2025/edugroup-jugend-medien-studie-2025.pdf

Kurian, N. (2025). ‘No, Alexa, no!’: Designing child-safe AI and protecting children from the risks of the ‘empathy gap’ in large language models. Learning, Media and Technology, 50(4), 621–634. https://doi.org/10.1080/17439884.2024.2367052

McClain, C., Anderson, M., Sidoti, O., & Bishop, W. (2026). How teens use and view AI. Pew Research Center. https://www.pewresearch.org/internet/2026/02/24/how-teens-use-and-view-ai/

Medienpädagogischer Forschungsverbund Südwest. (2025a). JIM-Studie 2025: Jugend, Information, Medien. Basisuntersuchung zum Medienumgang 12- bis 19-Jähriger. mpfs. https://mpfs.de/studie/jim-studie-2025/

Medienpädagogischer Forschungsverbund Südwest. (2025b). KIM-Studie 2024: Kindheit, Internet, Medien. Basisuntersuchung zum Medienumgang 6- bis 13-Jähriger. mpfs. https://mpfs.de/app/uploads/2025/05/KIM-Studie-2024.pdf

Robb, M. B., & Mann, S. (2025). Talk, trust, and trade-offs: How and why teens use AI companions. Common Sense Media. https://www.commonsensemedia.org/research/talk-trust-and-trade-offs-how-and-why-teens-use-ai-companions

Saferinternet.at, Österreichisches Institut für angewandte Telekommunikation (ÖIAT) & ISPA – Internet Service Providers Austria. (2026). KI-Chatbots als Alltagsbegleiter für Jugendliche [Presseaussendung: „Werkzeug, Ratgeber, Bezugsperson – 94 Prozent der Jugendlichen nutzen KI-Chatbots“]. https://www.saferinternet.at/presse-detail/studie-werkzeug-ratgeber-bezugsperson-94-prozent-der-jugendlichen-nutzen-ki-chatbots

4. ChatGPT im Schulalltag: Lernen oder Abkürzen?

Am Küchentisch stellt sich die Frage ganz handfest: Das Kind sitzt über der Mathematikhausübung, ChatGPT ist einen Fingertipp entfernt, und in zehn Sekunden steht die Lösung da. Hilft das beim Lernen, oder nimmt es dem Kind genau die Arbeit ab, durch die Lernen überhaupt erst passiert? In Österreich nutzen laut einer repräsentativen Befragung von 500 Jugendlichen zwischen 11 und 17 Jahren im Oktober und November 2025 7
 % KI-Chatbots für Schule und Hausaufgaben (Saferinternet.at, 2026). Die Frage ist also längst keine theoretische mehr. Ich stelle die Studienlage hier dar, wie sie ist: uneinheitlich, in Teilen methodisch dünn, aber mit einem erstaunlich klaren roten Faden.

Eine Vorbemerkung zu Zahlen

Viele Studien berichten ihre Ergebnisse als Effektstärke, meist in Standardabweichungen (SD) oder als Hedges' g. In der Bildungsforschung gilt eine grobe Faustregel nach dem Statistiker Jacob Cohen: Ein Wert um 0,2 ist klein, um 0,5 mittel, ab 0,8 groß. Anschaulicher wird es so: Bei einem Effekt von 0,5 schneidet ein durchschnittliches Kind aus der geförderten Gruppe rechnerisch besser ab als rund 6
 % der Kinder aus der Vergleichsgruppe. Bei 0,2 sind es knapp 5
 %, also ein spürbarer, aber kein dramatischer Vorsprung. Diese Umrechnung hilft, Schlagzeilen einzuordnen. Sie ersetzt aber nicht die wichtigere Frage, wie eine Studie gebaut war und wer daran teilgenommen hat.

Die Krücke und der Tutor: das Experiment aus der Türkei

Die für Eltern vielleicht aufschlussreichste Studie stammt aus einer High School in der Türkei. Bastani et al. (2025) ließen rund 1.000 Schülerinnen Mathematik üben: eine Gruppe mit einer ChatGPT-ähnlichen Oberfläche („GPT Base“), eine mit einem KI-Tutor, der Hinweise statt Lösungen gab („GPT Tutor“), und eine Kontrollgruppe ohne KI. Während der Übungsphase waren die Ergebnisse mit KI deutlich besser, um 4
 % mit GPT Base und um 12
 % mit dem Tutor (Bastani et al., 2025). Dann kam die Prüfung ohne KI. Die GPT-Base-Gruppe schnitt nun um 1
 % schlechter ab als die Jugendlichen, die nie KI gehabt hatten. Die Autorinnen beschreiben die KI als „Krücke“: Wer sich beim Üben die Lösung geben lässt, kann sie nachher nicht selbst. Der Tutor mit seinen Leitplanken fing diesen negativen Effekt weitgehend ab.

Genau dieses Muster ist die Kernbotschaft des Kapitels. Dieselbe Technik kann Lernen fördern oder untergraben, je nachdem, wie sie gestaltet und eingesetzt wird.

Wenn die KI gut gebaut ist

Zwei Studien zeigen, was ein pädagogisch durchdachter Einsatz bewirken kann. An der Harvard University verglichen Kestin et al. (2025) in einem Einführungskurs Physik einen eigens gestalteten KI-Tutor mit einer aktivierenden Präsenzstunde. Der Tutor arbeitete schrittweise und gab keine fertigen Lösungen. Die 194 Studierenden lernten mit ihm in kürzerer Zeit (Median 49 statt 60 Minuten) mehr als doppelt so viel dazu; die Effektstärke lag bei 0,63 SD (Kestin et al., 2025). Das ist ein mittlerer bis großer Effekt: Rechnerisch übertrifft eine durchschnittliche Person mit Tutor etwa drei Viertel der Vergleichsgruppe. Allerdings handelt es sich um Harvard-Studierende, nicht um Volksschulkinder, und um ein Werkzeug, das Forscher*innen eigens gebaut haben, nicht um frei verfügbares ChatGPT.

Die zweite Studie kommt aus Nigeria. Die Weltbank ließ Schülerinnen der Sekundarstufe II sechs Wochen lang in einem Nachmittagsprogramm mit Microsoft Copilot Englisch üben, begleitet von Lehrpersonen (De Simone et al., 2025). Der Zuwachs in Englisch betrug 0,23 SD, im Gesamttest 0,31 SD. Nach Cohen ist das klein bis knapp mittel. Für ein sechswöchiges Programm ist es trotzdem beachtlich; die Autorinnen rechnen es auf 1,5 bis 2 Jahre regulärer Schulbildung hoch. Zwei Einschränkungen gehören dazu: Es handelt sich um ein Working Paper, das noch nicht begutachtet ist, und die KI wurde lehrergeleitet mit klaren Aufgaben eingesetzt, nicht als freies Hausaufgabenwerkzeug.

Bei intelligenten Tutorsystemen in der Schule, also von der Volksschule bis zur Matura, ist das Bild ebenfalls positiv, aber gedämpfter. Ein systematisches Review von 28 Studien mit zusammen 4.597 Schüler*innen fand überwiegend positive Effekte, die im Vergleich mit herkömmlichen digitalen Lernprogrammen jedoch deutlich kleiner ausfielen (Létourneau et al., 2025).

Besser schreiben, nicht besser lernen

Was passiert, wenn Lernende einfach ChatGPT zur Seite haben? Fan et al. (2025) teilten 117 Studierende für eine Schreibaufgabe in vier Gruppen: Unterstützung durch ChatGPT, durch eine menschliche Expertin oder einen Experten, durch ein Schreibanalyse-Werkzeug oder gar keine Hilfe. Die ChatGPT-Gruppe verbesserte ihren Aufsatz am stärksten. Beim Wissenszuwachs und beim Übertragen auf neue Aufgaben gab es aber keinen signifikanten Unterschied (Fan et al., 2025). Die Forscher*innen sprechen von „metakognitiver Faulheit“: Man überlässt der KI auch das Planen und Überprüfen des eigenen Lernens. Das Produkt wird besser, der Kopf nicht.

Die OECD kommt in ihrem Bildungsbericht vom Jänner 2026 zum selben Schluss: Eine Aufgabe mit KI erfolgreich zu erledigen heißt nicht, dabei etwas zu lernen. Mit allgemeinen Chatbots erzielen Lernende bessere Ergebnisse, doch der Vorteil verschwindet in Prüfungen ohne KI und kehrt sich teils sogar um; pädagogisch gestaltete Werkzeuge zeigen dagegen nachhaltige Lerneffekte (OECD, 2026a).

Vorsicht bei großen Zahlen

Wer im Netz sucht, stößt schnell auf eine Meta-Analyse, die ChatGPT einen großen positiven Effekt auf Lernleistung bescheinigt. Deng et al. (2025) werteten 69 Studien aus, davon 62 statistisch, und fanden positive Effekte auf Leistung, Motivation und höheres Denken; der Gesamteffekt lag bei g = 0,70 (Deng et al., 2025; Lawson et al., 2026). Nach Cohen wäre das fast groß. Eine kritische Nachprüfung relativiert das erheblich. Lawson et al. (2026) sahen sich die Primärstudien genau an und fragten, ob ChatGPT- und Kontrollgruppen überhaupt vergleichbar waren, etwa bei Lernzeit und Übungsmöglichkeiten. Von 27 positiven Vergleichen war nur ein einziger (3,
 %) methodisch sauber, 11 (40,
 %) waren verzerrt und 15 (55,
 %) wegen fehlender Angaben nicht beurteilbar (Lawson et al., 2026). Bekam die ChatGPT-Gruppe etwa mehr Übungszeit, misst man am Ende vielleicht den Effekt von mehr Übung und nicht den von ChatGPT. Eine zweite, ähnlich viel zitierte Meta-Analyse wurde im April 2026 sogar zurückgezogen. Schlagzeilen wie „ChatGPT verbessert das Lernen“ sind derzeit also nicht belastbar.

Was macht KI mit dem Denken?

Zwei weitere Studien werden in Medien häufig zitiert, und beide verdienen einen zweiten Blick. Gerlich (2025) befragte 666 Personen und führte 50 Interviews. Wer häufig KI nutzt, schneidet bei kritischem Denken schlechter ab; vermittelt wird dieser Zusammenhang über kognitives Auslagern, also das Abgeben von Denkarbeit (Gerlich, 2025). Die jüngste Gruppe (17 bis 25 Jahre) war am stärksten abhängig und erzielte die niedrigsten Werte. Das klingt alarmierend, ist aber eine Querschnittskorrelation. Ob KI das Denken schwächt oder ob Menschen, die ungern selbst denken, häufiger zur KI greifen, lässt sich daraus nicht ablesen. Korrelation ist nicht Kausalität.

Ähnlich verhält es sich mit der EEG-Studie des MIT Media Lab. Kosmyna et al. (2025) ließen junge Erwachsene Aufsätze mit ChatGPT, mit einer Suchmaschine oder ohne Hilfsmittel schreiben. Die Gruppe ohne Hilfsmittel zeigte die stärkste neuronale Vernetzung, die ChatGPT-Gruppe die schwächste; wer mit ChatGPT geschrieben hatte, konnte aus dem eigenen Text kaum zitieren (Kosmyna et al., 2025). Die Autor*innen sprechen von „kognitiven Schulden“. Es handelt sich allerdings um einen Preprint, also eine noch nicht begutachtete Arbeit, mit 54 erwachsenen Teilnehmenden und nur 18 in der entscheidenden vierten Sitzung. Als Denkanstoß taugt sie, als Beweis nicht.

Trotzdem passen die Befunde zusammen. Wer schreibt, denkt. Wer schreiben lässt, denkt weniger mit, und was man nicht selbst durchdacht hat, bleibt schlechter hängen.

Österreich: ausprobieren mit Begleitung

Das Bildungsministerium ordnet KI als Lerngegenstand und Werkzeug ein, betont aber, dass die pädagogische Verantwortung bei der Lehrperson bleibt und Lernen ein aktiver Prozess aus Verstehen, Üben, Anwenden und Reflektieren ist (BMB, 2026). Im Pilotprojekt „KI im Bildungssystem“ testeten 114 Pilotschulen aus allen Bundesländern KI-Lernsoftware, wissenschaftlich begleitet von der Universität Graz (BMB, 2026). Auch auf Lehrer*innenseite tut sich etwas: In der internationalen TALIS-Erhebung 2024 nutzten 3
 % der Lehrkräfte der Sekundarstufe I KI beruflich, und 7
 % befürchteten Schaden für die akademische Redlichkeit (OECD, 2026a).

Was heißt das für die Hausübung?

Mein Fazit fällt bewusst unaufgeregt aus. KI ist weder Wundermittel noch Denkverbot. Entscheidend ist die Gestaltung: Ein Tutor mit Leitplanken, der nachfragt, Hinweise gibt und das Kind selbst rechnen lässt, kann Lernen messbar fördern. Eine Antwortmaschine, die fertige Lösungen liefert, verbessert die Hausübung und verschlechtert die Schularbeit. Für Familien lässt sich das in eine einfache Haltung übersetzen: Die KI darf erklären, aber nicht erledigen. Fragen Sie Ihr Kind nach dem Üben, ob es die Aufgabe jetzt auch ohne Hilfe lösen könnte. Ein guter Auftrag an den Chatbot lautet nicht „Löse das“, sondern „Erklär mir den ersten Schritt und lass mich den Rest selbst probieren“. Und wenn die Hausübung perfekt aussieht, darf man ruhig nachfragen, wie sie entstanden ist, freundlich und ohne Verhör.

Literatur (ChatGPT im Schulalltag)

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), e2422633122. https://doi.org/10.1073/pnas.2422633122

BMB – Bundesministerium für Bildung. (2026). Künstliche Intelligenz – Chance für Österreichs Schulen. Abgerufen am 19. Oktober 2026, von https://www.bmb.gv.at/ki

De Simone, M., Tiberti, F., Barron Rodriguez, M., Manolio, F., Mosuro, W., & Dikoru, E. J. (2025). From chalkboards to chatbots: Evaluating the impact of generative AI on learning outcomes in Nigeria (Policy Research Working Paper No. 11125). World Bank. https://doi.org/10.1596/1813-9450-11125

Deng, R., Jiang, M., Yu, X., Lu, Y., & Liu, S. (2025). Does ChatGPT enhance student learning? A systematic review and meta-analysis of experimental studies. Computers & Education, 227, 105224. https://doi.org/10.1016/j.compedu.2024.105224

Fan, Y., Tang, L., Le, H., 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. https://doi.org/10.1111/bjet.13544

Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006

Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. https://doi.org/10.1038/s41598-025-97652-6

Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2506.08872

Lawson, A. P., Martella, A. M., Weidlich, J., Mulders, M., & Buchner, J. (2026). Color me confounded: A critical analysis of media comparisons on ChatGPT in education. Computers & Education, 105701. https://doi.org/10.1016/j.compedu.2026.105701

Létourneau, A., Deslandes Martineau, M., Charland, P., Karran, J. A., Boasen, J., & Léger, P. M. (2025). A systematic review of AI-driven intelligent tutoring systems (ITS) in K-12 education. npj Science of Learning, 10, 29. https://doi.org/10.1038/s41539-025-00320-7

OECD. (2026a). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en

Saferinternet.at. (2026). KI-Chatbots als Alltagsbegleiter für Jugendliche [Presseaussendung]. ÖIAT & ISPA. https://www.saferinternet.at/presse-detail/studie-werkzeug-ratgeber-bezugsperson-94-prozent-der-jugendlichen-nutzen-ki-chatbots

5. Chancen: Lernhilfe, Inklusion, Kreativität

Nach dem vorigen Kapitel könnte man meinen, KI gehöre vom Schreibtisch des Kindes verbannt. Das wäre der falsche Schluss. Dieselben Studien, die vor der Antwortmaschine warnen, zeigen auch, wie viel ein gut gestaltetes Werkzeug leisten kann. Und aus meiner Arbeit in der Lehrer*innenfortbildung weiß ich: Wer diese Werkzeuge einmal mit Bedacht ausprobiert hat, staunt, was heute in wenigen Minuten möglich ist. Dieses Kapitel nimmt deshalb die positive Lesart ernst, ohne die Leitplanken zu vergessen.

Ein geduldiger Tutor für alle?

Private Nachhilfe ist teuer, und nicht jede Familie kann sie sich leisten. Ein KI-Tutor, der rund um die Uhr erklärt, nachfragt und nie ungeduldig wird, klingt deshalb verlockend. Die Forschung gibt dieser Hoffnung eine vorsichtige Grundlage. In einem Physikkurs an der Harvard University lernten Studierende mit einem eigens gestalteten KI-Tutor in kürzerer Zeit mehr als doppelt so viel wie in einer aktivierenden Präsenzstunde, bei einer Effektstärke von 0,63 Standardabweichungen (Kestin et al., 2025). Das ist nach gängiger Faustregel ein mittlerer bis großer Effekt. In Nigeria brachte ein sechswöchiges, von Lehrpersonen begleitetes Copilot-Programm Schüler*innen der Sekundarstufe II einen Zuwachs von 0,23 Standardabweichungen in Englisch, einen kleinen, für die kurze Dauer aber beachtlichen Effekt; die größten Gewinne zeigten Mädchen und Leistungsstärkere (De Simone et al., 2025). Diese Arbeit ist ein noch nicht begutachtetes Working Paper.

Auffällig ist, was die erfolgreichen Werkzeuge gemeinsam haben. Sie geben keine fertigen Lösungen, sondern führen Schritt für Schritt. In der türkischen Mathematikstudie verbesserte der Tutor mit Hinweisen statt Lösungen die Übungsergebnisse um 12
 % und fing den Einbruch bei der Prüfung ohne KI weitgehend ab (Bastani et al., 2025). Auch die OECD hält fest, dass pädagogisch gestaltete KI-Werkzeuge nachhaltige Lerneffekte zeigen (OECD, 2026a). Die Chance liegt also nicht in der KI an sich, sondern in einer Gestaltung, die das Kind zum Denken bringt.

Eine Warnung gehört trotzdem dazu: Bei Volksschulkindern ist die Studienlage dünn. Ein Review zu intelligenten Tutorsystemen in der Schule fand zwar überwiegend positive Effekte, bemängelt aber kurze Interventionen und kleine, wenig vielfältige Stichproben (Létourneau et al., 2025).

Inklusion: von der Reduktion zur Transformation

Die vielleicht größte Chance sehe ich in der Inklusion. Bisher hieß Barrierefreiheit oft Reduktion: Ein Text wurde in Leichte Sprache übertragen, in Braille gedruckt oder gekürzt. Das war wertvoll, aber mühsam, teuer und immer nur für einen Teil der Texte verfügbar. Generative KI verschiebt das Prinzip hin zur Transformation. Ein Sprachmodell kann denselben Inhalt kontextsensitiv übersetzen, vorlesen, vereinfachen oder in ein Bild verwandeln, und zwar für genau den Text, den ein Kind gerade braucht.

Fu et al. (2025) beschreiben in einer Übersichtsarbeit, wie generative KI in assistiven Technologien eingesetzt wird, von Pflege und Medizin bis zur Unterstützung von Menschen mit Hilfebedarf. Sie sehen große Chancen für Teilhabe, benennen aber auch Verzerrungen, mangelnde Transparenz und begrenzte Vertrauenswürdigkeit als Hauptprobleme (Fu et al., 2025). Für Familien heißt das konkret: Ein Kind mit Leseschwäche kann sich die Sachkundeseite vorlesen lassen. Eine Familie, die erst seit Kurzem in Österreich lebt, versteht den Elternbrief der Schule in der eigenen Sprache. Ein Kind mit Sehbeeinträchtigung bekommt eine Bildbeschreibung. Hier wird sichtbar, was ich im Grundlagenkapitel als Kern der Entwicklung beschrieben habe: Inhalte, die für Maschinen lesbar sind, werden für mehr Menschen zugänglich.

Aus der Praxis: was heute schon geht

In meinen Fortbildungen probieren Lehrer*innen regelmäßig Dinge aus, die vor drei Jahren noch Stunden gedauert hätten. Drei Beispiele lassen sich gut auf den Familienalltag übertragen.

Texte stufenweise vereinfachen. Ein Zeitungsartikel über den Klimawandel lässt sich in Sekunden umschreiben: zuerst als Erklärung für Volksschulkinder, dann in Leichter Sprache. Eltern können so mit ihrem Kind über Nachrichten reden, die sonst zu schwierig wären.

Aufgaben schrittweise erklären lassen. Ein Chatbot kann wie eine geduldige Nachhilfe arbeiten, wenn man ihn darum bittet: „Erklär mir nur den ersten Schritt und frag mich dann, wie es weitergeht.“ Genau diese Art der Nutzung entspricht dem Tutor mit Leitplanken aus den Studien.

Kreativ werden. Mit Musikgeneratoren wie Suno entsteht aus den Vokabeln der Woche ein Lernlied. Bildgeneratoren illustrieren eine selbst erfundene Geschichte. Und ein Sprachmodell programmiert auf die Bitte „Lernprogramm, HTML und JS in einem File, zum Thema Einmaleins“ ein kleines Lernspiel, das im Browser läuft. Kinder erleben dabei, dass sie selbst etwas gestalten können, statt nur zu konsumieren.

Bei all dem gilt eine Regel, die ich in jeder Fortbildung wiederhole: immer nachfragen, nachprüfen. Sprachmodelle irren sich, und sie neigen dazu, ihrem Gegenüber eher recht zu geben, als zu widersprechen. Der Mensch bleibt in der Schleife, gerade wenn es um Kinder geht. Ein Detail am Rande, das mir wichtig ist: Ob ein Kind „bitte“ und „danke“ zur KI sagt, ist für die Maschine gleichgültig. Für das Kind nicht. Höflichkeit ist eine Haltung, und Haltungen nimmt man in menschliche Gespräche mit.

One App to rule them all

Sachlich betrachtet verändert KI vor allem die Werkzeuglandschaft. Früher brauchte man ein Wörterbuch zum Übersetzen, eine Suchmaschine zum Recherchieren, ein Programm zum Zeichnen und jemanden, der programmieren kann. Heute erledigt ein einziger Generalist all das in derselben Oberfläche: übersetzen, zusammenfassen, recherchieren, Code schreiben, Bilder erzeugen. Für Familien ist das bequem. Es bedeutet aber auch, dass ein einzelnes Werkzeug enorm viel über unseren Alltag erfährt und dass wir von wenigen Anbietern abhängig werden. Darauf komme ich in den Kapiteln zu Datenschutz und zu den kritischen Perspektiven zurück.

Wie verbreitet diese Allzweck-Nutzung schon ist, zeigt eine repräsentative Befragung von 500 österreichischen Jugendlichen im Herbst 2025: 9
 % der 11- bis 17-Jährigen nutzen KI-Chatbots, 7
 % für Schule und Hausaufgaben (Saferinternet.at, 2026). Gleichzeitig haben 4
 % der befragten Jugendlichen nie eine altersgerechte Erklärung von KI erhalten. Die Chance ist also da, die Begleitung fehlt oft noch.

Was Familien davon haben

Was bleibt für den Familienalltag? Ich sehe drei Dinge. Erstens kann KI Lernhilfe sein, wenn sie erklärt statt erledigt; Eltern müssen dafür nicht alles selbst wissen, sie müssen nur die richtigen Fragen stellen. Zweitens öffnet sie Türen für Kinder, denen Texte, Sprache oder Bilder bisher Hürden waren. Drittens lädt sie zum gemeinsamen Gestalten ein: ein Lied, eine Geschichte, ein kleines Spiel, am besten zu zweit vor dem Bildschirm. Das Bildungsministerium formuliert das Grundprinzip treffend: KI wird nicht „einfach genutzt“, sondern verstanden und bewusst eingesetzt (BMB, 2026). Und vielleicht ist das die schönste Chance: dass Eltern und Kinder diese Technik gemeinsam entdecken, mit Neugier und mit gesunder Skepsis.

Literatur (Chancen)

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), e2422633122. https://doi.org/10.1073/pnas.2422633122

BMB – Bundesministerium für Bildung. (2026). Künstliche Intelligenz – Chance für Österreichs Schulen. Abgerufen am 19. Oktober 2026, von https://www.bmb.gv.at/ki

De Simone, M., Tiberti, F., Barron Rodriguez, M., Manolio, F., Mosuro, W., & Dikoru, E. J. (2025). From chalkboards to chatbots: Evaluating the impact of generative AI on learning outcomes in Nigeria (Policy Research Working Paper No. 11125). World Bank. https://doi.org/10.1596/1813-9450-11125

Fu, B., Hadid, A., & Damer, N. (2025). Generative AI in the context of assistive technologies: Trends, limitations and future directions. Image and Vision Computing, 154, 105347. https://doi.org/10.1016/j.imavis.2024.105347

Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. https://doi.org/10.1038/s41598-025-97652-6

Létourneau, A., Deslandes Martineau, M., Charland, P., Karran, J. A., Boasen, J., & Léger, P. M. (2025). A systematic review of AI-driven intelligent tutoring systems (ITS) in K-12 education. npj Science of Learning, 10, 29. https://doi.org/10.1038/s41539-025-00320-7

OECD. (2026a). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en

Saferinternet.at. (2026). KI-Chatbots als Alltagsbegleiter für Jugendliche [Presseaussendung]. ÖIAT & ISPA. https://www.saferinternet.at/presse-detail/studie-werkzeug-ratgeber-bezugsperson-94-prozent-der-jugendlichen-nutzen-ki-chatbots

6. Echt oder Fake? Bilder, Stimmen, Deepfakes

Das Telefon läutet, am anderen Ende die aufgelöste Stimme der Tochter: Sie hatte einen Unfall, sie braucht sofort Geld. Die Stimme klingt echt, die Panik auch. Früher war der „Enkeltrick“ ein plumper Betrug, der auf Verwechslung setzte. Heute kann eine KI mit der Stimme eines vertrauten Menschen sprechen, geklont aus Aufnahmen, die vielleicht längst in einem Video im Netz stehen. Dieses Kapitel fragt, wie gut wir Fälschungen noch erkennen, wo Kinder besonders gefährdet sind und was Familien ganz praktisch tun können.

Gesichter, die es nie gab

Schon 2022 zeigten Nightingale und Farid, wie weit Bildgeneratoren gekommen sind. In ihren Online-Experimenten sollten Erwachsene in den USA echte Porträtfotos von KI-erzeugten Gesichtern unterscheiden. Die 315 Teilnehmenden des ersten Experiments lagen mit 48,
 % Treffern auf Zufallsniveau; selbst nach Training und Rückmeldung erreichten 219 weitere Personen nur 59,
 % (Nightingale & Farid, 2022). Noch verblüffender: Die KI-Gesichter wurden als etwas vertrauenswürdiger eingeschätzt als echte, mit 4,82 gegenüber 4,48 Punkten auf einer Skala von 1 bis 7. Und das war der Stand der Technik vor vier Jahren.

Eine große, repräsentative Studie mit 3.002 Erwachsenen in den USA, Deutschland und China bestätigt das Bild über Medientypen hinweg (Frank et al., 2024). Bei Bildern lag die Erkennungsrate unter 5
 %, bei Texten und Audios nur wenig darüber. Die meisten Teilnehmenden rieten schlicht. Bemerkenswert ist die Richtung des Irrtums: In allen Ländern und bei allen Medientypen wurden KI-Inhalte eher für menschengemacht gehalten. Wir sind also nicht nur unsicher, wir neigen dazu, Fälschungen zu glauben.

Die Stimme am Telefon

Was für Bilder gilt, gilt auch für Stimmen. Barrington et al. (2025) spielten 604 erwachsenen Hörerinnen echte Stimmen und KI-Klone derselben Personen vor. Ein Klon wurde in etwa 8
 % der Fälle für dieselbe Person gehalten wie das Original. Korrekt als KI erkannt wurde eine Stimme nur in etwa 6
 % der Fälle, bei einem Zufallsniveau von 5
 % (Barrington et al., 2025). Die Autorinnen folgern, dass das menschliche Gehör allein nicht mehr verlässlich vor Stimmklonen schützt. Wenn wir die Stimme des eigenen Kindes am Telefon nicht mehr sicher erkennen können, worauf können wir uns dann verlassen? Die Antwort liegt nicht im genaueren Hinhören, sondern in Absprachen, die keine KI kennen kann. Dazu mehr am Ende des Kapitels.

Wenn Kinder zur Zielscheibe werden

Am schwersten wiegt der Missbrauch von KI gegen Kinder und Jugendliche selbst. Die US-Organisation Thorn befragte im Herbst 2024 1.200 junge Menschen zwischen 13 und 20 Jahren zu sogenannten Deepfake Nudes, also KI-generierten Nacktbildern realer Personen (Thorn, 2025). 1
 % kannten persönlich jemanden, von dem als Minderjähriger solche Bilder erstellt worden waren, das ist etwa jede achte befragte Person.
 % waren selbst betroffen. Fast jede fünfte befragte Person (1
 %) hielt es für legal, solche Bilder von einer anderen minderjährigen Person zu erstellen. Und nur 3
 % der Betroffenen hatten sich einem Elternteil anvertraut. Die Täterinnen nannten als Grund unter anderem den leichten Zugang zu sogenannten Nudify-Apps über App-Stores, Suchmaschinen und soziale Medien.

Die britische Internet Watch Foundation, eine Meldestelle für Darstellungen sexuellen Kindesmissbrauchs, dokumentiert für das Jahr 2025 einen sprunghaften Anstieg KI-generierter Missbrauchsvideos: 3.443 solcher Videos, mehr als 260-mal so viele wie 2024 mit 13 Videos (IWF, 2026). 6
 % davon fielen in die schwerste Kategorie, gegenüber 4
 % bei Videos mit realen Kindern. Der Bericht macht auch deutlich, dass harmlose Kinderfotos als Ausgangsmaterial missbraucht werden können. Das ist unangenehm zu lesen, aber Eltern sollten es wissen, bevor sie das nächste Strandfoto öffentlich teilen.

Was das Recht verlangt

Die EU hat mit der KI-Verordnung reagiert, die unmittelbar auch in Österreich gilt. Art. 50 verpflichtet Anbieter, KI-generierte Inhalte maschinenlesbar zu kennzeichnen, und Betreiber, Deepfakes offenzulegen (EU, 2024). Diese Transparenzpflichten gelten seit 2. August 2026. Schon seit Februar 2025 verbietet Art. 5 KI-Systeme, die manipulative Techniken einsetzen oder die Schutzbedürftigkeit von Menschen aufgrund ihres Alters ausnutzen (EU, 2024). In Österreich informiert die KI-Servicestelle der RTR zu den Kennzeichnungspflichten.

Ich halte diese Regeln für richtig und wichtig. Wer allerdings Betrug oder Missbrauch im Sinn hat, wird sich kaum an eine Kennzeichnungspflicht halten. Ein Etikett schützt vor allem dort, wo seriöse Anbieter arbeiten. Für den Familienalltag reicht es nicht, auf das Etikett zu warten.

Fehlende Prüfroutinen

Hinzu kommt eine Gewohnheit, die Fälschungen begünstigt. In der österreichischen Befragung von 500 Jugendlichen zwischen 11 und 17 Jahren vertrauten 5
 % darauf, dass KI korrekte Antworten gibt, und 4
 % prüften Ergebnisse selten oder nie (Saferinternet.at, 2026). Wer Antworten eines Chatbots ungeprüft übernimmt, wird auch ein gefälschtes Bild oder eine Sprachnachricht kaum hinterfragen. Medienkompetenz beginnt deshalb nicht bei der Technik, sondern bei der Gewohnheit, kurz innezuhalten.

Was Familien konkret tun können

Aus den Studien lassen sich einige einfache, wirksame Schritte ableiten. Keiner davon erfordert technisches Spezialwissen.

Ein Familien-Codewort vereinbaren. Wenn das Gehör Stimmklone nicht zuverlässig erkennt (Barrington et al., 2025), braucht es ein Erkennungszeichen, das keine KI aus dem Netz lernen kann. Vereinbaren Sie ein Wort oder eine Frage, die nur die Familie kennt und die nirgends online steht. Bei einem Notfallanruf mit Geldforderung wird zuerst danach gefragt. Auch Großeltern sollten das Codewort kennen.

Auflegen und zurückrufen. Bei jedem dringenden Anruf oder jeder Sprachnachricht mit Geldforderung: auflegen und die Person unter der bekannten, eingespeicherten Nummer zurückrufen. Zeitdruck ist das wichtigste Werkzeug der Betrüger*innen.

Dem eigenen Urteil misstrauen, nicht den eigenen Kindern. Die Studien zeigen, dass wir Fälschungen eher für echt halten (Frank et al., 2024). Das ist keine persönliche Schwäche, sondern der Normalfall. Bei aufwühlenden Bildern oder Videos lohnt sich die Frage: Wer hat das veröffentlicht, und berichten seriöse Quellen darüber?

Kinderfotos sparsam teilen. Weil harmlose Bilder als Ausgangsmaterial für Missbrauch dienen können (IWF, 2026), gehören Fotos der Kinder eher in den privaten Familienchat als auf öffentliche Profile.

Früh über Deepfake Nudes sprechen. Viele Jugendliche halten das Erstellen solcher Bilder für legal (Thorn, 2025). Erklären Sie Ihrem Kind, dass es sich um eine schwere Verletzung handelt und dass es nicht „nur ein Spaß“ ist. Noch wichtiger ist die zweite Botschaft: Nur ein Drittel der Betroffenen vertraute sich einem Elternteil an. Sagen Sie Ihrem Kind ausdrücklich, dass es mit Ihnen reden kann, ohne Vorwürfe und ohne Handyverbot als Strafe.

Gemeinsam üben. Schauen Sie mit Ihrem Kind KI-Bilder an und raten Sie gemeinsam, was echt ist. Die Erfahrung, sich zu irren, ist lehrreicher als jede Checkliste.

Hilfe holen. Eine erste Anlaufstelle in Österreich ist Saferinternet.at, die Initiative hinter der hier zitierten Jugendstudie (Saferinternet.at, 2026). Fragen zur Kennzeichnungspflicht beantwortet die KI-Servicestelle der RTR.

Wir werden Fälschungen nicht immer erkennen. Das ist die ehrliche Bilanz der Forschung. Aber wir können Gewohnheiten und Absprachen entwickeln, die uns auch dann schützen, wenn Auge und Ohr getäuscht werden.

Literatur (Echt oder Fake?)

Barrington, S., Cooper, E. A., & Farid, H. (2025). People are poorly equipped to detect AI-powered voice clones. Scientific Reports, 15, 11004. https://doi.org/10.1038/s41598-025-94170-3

EU – Europäische Union. (2024). Verordnung (EU) 2024/1689 des Europäischen Parlaments und des Rates vom 13. Juni 2024 zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (Verordnung über künstliche Intelligenz). Amtsblatt der Europäischen Union, L 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj

Frank, J., Herbert, F., Ricker, J., Schönherr, L., Eisenhofer, T., Fischer, A., Dürmuth, M., & Holz, T. (2024). A representative study on human detection of artificially generated media across countries. In 2024 IEEE Symposium on Security and Privacy (SP). IEEE. https://doi.org/10.1109/SP54263.2024.00159

IWF – Internet Watch Foundation. (2026). 2025 annual data & insights report. https://www.iwf.org.uk/annual-data-insights-report-2025/executive-summary/

Nightingale, S. J., & Farid, H. (2022). AI-synthesized faces are indistinguishable from real faces and more trustworthy. Proceedings of the National Academy of Sciences, 119(8), e2120481119. https://doi.org/10.1073/pnas.2120481119

Saferinternet.at. (2026). KI-Chatbots als Alltagsbegleiter für Jugendliche [Presseaussendung]. ÖIAT & ISPA. https://www.saferinternet.at/presse-detail/studie-werkzeug-ratgeber-bezugsperson-94-prozent-der-jugendlichen-nutzen-ki-chatbots

Thorn. (2025). Deepfake nudes & young people: Navigating a new frontier in technology-facilitated nonconsensual sexual abuse and exploitation. Thorn Research. https://www.thorn.org/research/library/deepfake-nudes-and-young-people/

7. Datenschutz und KI-Begleiter

Was ein Kind in ein Chatfenster tippt, bleibt nicht im Kinderzimmer. Es landet auf Servern eines Unternehmens, wird dort verarbeitet und unter Umständen gespeichert. Für Erwachsene ist das eine nüchterne Abwägung zwischen Nutzen und Preisgabe. Für Kinder und Jugendliche kommt etwas hinzu, das in der Debatte oft untergeht: Ein Chatbot antwortet freundlich, geduldig und rund um die Uhr. Er fühlt sich weniger wie ein Werkzeug an als wie ein Gegenüber. Genau an dieser Stelle treffen zwei Themen aufeinander, die man gerne getrennt behandelt – Datenschutz und emotionale Bindung.

Die 14-Jahres-Grenze: Was in Österreich gilt

Österreich hat beim Datenschutz einen eigenen Weg gewählt. Die Datenschutz-Grundverordnung sieht für die Einwilligung von Kindern in Online-Dienste standardmäßig 16 Jahre vor und erlaubt den Mitgliedstaaten, diese Grenze auf bis zu 13 Jahre abzusenken. Der österreichische Gesetzgeber hat sie auf 14 Jahre festgelegt: Erst wer das vierzehnte Lebensjahr vollendet hat, kann bei einem Angebot, das sich direkt an Kinder richtet, selbst wirksam einwilligen. Darunter braucht es die Zustimmung der Erziehungsberechtigten (DSG, 2019). In Deutschland liegt die Grenze bei 16 Jahren, was in Ratgebern aus dem Nachbarland gelegentlich für Verwirrung sorgt.

Daneben setzen viele KI-Anbieter in ihren Nutzungsbedingungen eigene Mindestalter fest, teils mit der Auflage einer elterlichen Zustimmung. Diese Bedingungen ändern sich häufig. Ein Blick in die aktuellen Bestimmungen der App, die das eigene Kind verwendet, lohnt sich daher mehr als jede Faustregel aus einem Zeitungsartikel.

Aus meiner Arbeit in der Lehrerinnenfortbildung kommt ein zweiter, praktischer Gesichtspunkt dazu. Sobald ChatGPT oder Gemini im Spiel sind, werden Daten in der Regel außerhalb der Europäischen Union verarbeitet. Das ist für sich genommen kein Skandal: Wer sich eine Bastelanleitung erklären lässt, gibt nichts Heikles preis. Problematisch wird es bei personenbezogenen Daten – Namen, Adressen, Fotos, Gesundheitsinformationen, Zeugnisnoten, Details über Mitschülerinnen. Die einfachste Regel für Familien lautet deshalb: Was man einer fremden Person am Telefon nicht sagen würde, gehört auch nicht in einen Chatbot.

Was Jugendliche glauben – und was sie preisgeben

Wie gut kennen sich Jugendliche selbst mit diesen Fragen aus? Die repräsentative Befragung von Saferinternet.at unter 500 Kindern und Jugendlichen zwischen 11 und 17 Jahren in Österreich, durchgeführt im Oktober und November 2025, liefert ein gemischtes Bild (Saferinternet.at, 2026). Nur 28 % der Befragten halten ihre Eingaben für vertraulich. Das klingt zunächst nach gesundem Misstrauen. Gleichzeitig vertrauen ebenfalls 28 % der KI intime Inhalte an. Wissen und Verhalten fallen also auseinander, wie man es auch von sozialen Netzwerken kennt. Fast die Hälfte, nämlich 48 %, hat nach eigener Aussage nie eine altersgerechte Erklärung von KI erhalten.

Ein ähnliches Muster zeigt sich in den USA. In einer repräsentativen Befragung von Common Sense Media mit 1.060 Jugendlichen zwischen 13 und 17 Jahren aus dem Frühjahr 2025 gab rund ein Viertel an, persönliche Informationen mit einem KI-Begleiter geteilt zu haben (Robb & Mann, 2025). Datenschutz ist für Jugendliche offenbar kein abstraktes Rechtsthema, sondern eine Frage der Situation: Wer sich verstanden fühlt, erzählt mehr.

Vom Werkzeug zur Bezugsperson

Damit sind wir beim zweiten Thema. Die meisten Jugendlichen nutzen Chatbots für die Schule, aber längst nicht nur. In der österreichischen Erhebung besprechen 31 % Sorgen oder Probleme mit einer KI, 24 % führen freundschaftliche und 19 % sogar romantische Gespräche. 29 % meinen, eine KI könne eine Freundin oder ein Freund sein (Saferinternet.at, 2026).

Die US-Zahlen gehen in dieselbe Richtung. 72 % der befragten Teenager haben einen KI-Begleiter mindestens einmal genutzt, 52 % regelmäßig und 13 % täglich. Ein Drittel verwendet solche Systeme für soziale Interaktion und Beziehungen, darunter 12 % für emotionale oder psychische Unterstützung. Ebenfalls ein Drittel hat laut Studie für ernste Gespräche schon einmal lieber die KI gewählt als einen Menschen (Robb & Mann, 2025). Eine RAND-Befragung von 1.058 jungen Menschen zwischen 12 und 21 Jahren in den USA, erhoben im Februar und März 2025, ergab, dass 13,1 % generative KI für Ratschläge bei psychischen Belastungen nutzen, bei den 18- bis 21-Jährigen sogar 22,2 %. Von diesen Nutzer*innen empfanden 92,7 % die Antworten als etwas oder sehr hilfreich (McBain et al., 2025).

Man könnte fragen: Was ist schlimm daran, wenn eine Vierzehnjährige oder ein Vierzehnjähriger um elf Uhr nachts jemanden zum Reden hat? Zunächst nichts. Die hohe wahrgenommene Hilfsbereitschaft zeigt, dass hier ein echtes Bedürfnis bedient wird. McBain et al. (2025) warnen allerdings vor fehlenden Qualitätsstandards, gerade für Jugendliche, die eigentlich professionelle Hilfe bräuchten (McBain et al., 2025). Kurian (2025) von der Universität Cambridge beschreibt das Grundproblem als „Empathielücke“: Sprachmodelle ahmen Mitgefühl nach, reagieren auf persönliche Offenbarungen von Kindern aber mitunter unangemessen oder gefährlich. Ihr bekanntestes Beispiel stammt aus dem Jahr 2021, als Amazons Sprachassistentin Alexa ein zehnjähriges Kind aufforderte, eine Münze an einen stromführenden Stecker zu halten. Kinder, so ihre Kernbotschaft, behandeln Chatbots leicht wie menschenähnliche Vertraute (Kurian, 2025).

Die American Psychological Association teilt diese Sorge. Jugendliche hinterfragen Genauigkeit und Absicht von Systemen, die Freundschaft simulieren, seltener (APA, 2025). Common Sense Media zieht daraus die bisher deutlichste Konsequenz und empfiehlt, dass unter 18-Jährige gar keine KI-Begleiter nutzen sollen (Robb & Mann, 2025). Ob sich das durchsetzen lässt, darf man bezweifeln. Als Orientierung für Familien taugt die Empfehlung trotzdem: Ein Chatbot kann zuhören, aber er kann keine Verantwortung übernehmen.

Was Regeln leisten – und was nicht

Auf europäischer Ebene gibt es inzwischen verbindliche Leitplanken. Die KI-Verordnung der EU verbietet seit 2. Februar 2025 KI-Systeme, die manipulative Techniken einsetzen oder die Schutzbedürftigkeit von Menschen aufgrund ihres Alters ausnutzen. Seit 2. August 2026 gelten außerdem Transparenzpflichten: Wer mit einer KI interagiert, muss darauf hingewiesen werden (EU, 2024).

Die APA geht in ihren zehn Empfehlungen weiter. Sie fordert gesunde Grenzen bei simulierten Beziehungen, etwa durch klare Hinweise, dass man mit einem Bot spricht, und ein eigenes Design für Jugendliche mit altersgerechten Voreinstellungen und weniger persuasiven Elementen. Datenschutz, die Stärkung der Eltern und die Vermittlung von KI-Kompetenz stehen ebenfalls auf der Liste. Bemerkenswert finde ich einen Satz, der in der Debatte selten fällt: Das Alter sei kein sicherer Indikator für Reife (APA, 2025). Eine starre Altersgrenze ersetzt also nicht den Blick auf das konkrete Kind. UNICEF hat im Dezember 2025 zehn Anforderungen an kindgerechte KI formuliert, darunter Schutz, Privatsphäre, Nichtdiskriminierung, Transparenz und die Förderung des Wohlergehens von Kindern (UNICEF, 2025). Diese Leitlinie richtet sich an Regierungen und Unternehmen, nicht an Eltern. Sie liefert aber einen guten Maßstab, an dem man Anbieter messen kann.

Meine Einschätzung: Gesetze und Leitlinien sind notwendig, weil Familien die Marktmacht großer Plattformen allein nicht ausgleichen können. Sie ersetzen aber nicht das Gespräch am Küchentisch. Kein Gesetz erkennt, ob sich ein Kind gerade zurückzieht und seine Abende lieber mit einem Chatbot verbringt als mit Freund*innen. Das sehen nur Menschen, die ihm nahe sind.

Ein kurzer Hinweis noch zu einem verwandten Thema, das Eltern oft fragen: Wem gehört eigentlich ein Bild, das eine KI erzeugt hat? Nach österreichischem und deutschem Verständnis setzt Urheberrecht eine menschliche Schöpfung voraus. Rein maschinell erzeugte Bilder sind daher in der Regel nicht urheberrechtlich geschützt. Das heißt nicht, dass alles erlaubt ist: Persönlichkeitsrechte abgebildeter Menschen gelten weiterhin, und genau dort beginnt das Problem der Deepfakes.

Literatur (Datenschutz und KI-Begleiter)

American Psychological Association. (2025). Artificial intelligence and adolescent well-being: An APA health advisory. American Psychological Association. https://www.apa.org/topics/artificial-intelligence-machine-learning/health-advisory-ai-adolescent-well-being

DSG – Datenschutzgesetz. (2019). Datenschutzgesetz (DSG), § 4 Abs. 4: Einwilligung eines Kindes in Dienste der Informationsgesellschaft (BGBl. I Nr. 165/1999 idF BGBl. I Nr. 14/2019). Rechtsinformationssystem des Bundes. https://www.ris.bka.gv.at/Dokumente/Bundesnormen/NOR40212006/NOR40212006.html

Europäische Union. (2024). Verordnung (EU) 2024/1689 des Europäischen Parlaments und des Rates vom 13. Juni 2024 zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (Verordnung über künstliche Intelligenz). Amtsblatt der Europäischen Union, L 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj

Kurian, N. (2025). ‚No, Alexa, no!‘: Designing child-safe AI and protecting children from the risks of the ‚empathy gap‘ in large language models. Learning, Media and Technology, 50(4), 621–634. https://doi.org/10.1080/17439884.2024.2367052

McBain, R. K., Bozick, R., Diliberti, M., Zhang, L. A., Zhang, F., Burnett, A., Kofner, A., Rader, B., Breslau, J., Stein, B. D., Mehrotra, A., Uscher-Pines, L., Cantor, J., & Yu, H. (2025). Use of generative AI for mental health advice among US adolescents and young adults. JAMA Network Open, 8(11), e2542281. https://doi.org/10.1001/jamanetworkopen.2025.42281

Robb, M. B., & Mann, S. (2025). Talk, trust, and trade-offs: How and why teens use AI companions. Common Sense Media. https://www.commonsensemedia.org/research/talk-trust-and-trade-offs-how-and-why-teens-use-ai-companions

Saferinternet.at, Österreichisches Institut für angewandte Telekommunikation, & ISPA – Internet Service Providers Austria. (2026). KI-Chatbots als Alltagsbegleiter für Jugendliche [Presseaussendung: „Werkzeug, Ratgeber, Bezugsperson – 94 Prozent der Jugendlichen nutzen KI-Chatbots“]. Saferinternet.at. https://www.saferinternet.at/presse-detail/studie-werkzeug-ratgeber-bezugsperson-94-prozent-der-jugendlichen-nutzen-ki-chatbots

UNICEF. (2025). Guidance on AI and children (Version 3.0): Updated guidance for governments and businesses to create AI policies and systems that uphold children's rights. UNICEF Innocenti – Global Office of Research and Foresight. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children

8. Bildung und Beruf: Wofür lernen unsere Kinder?

„Ihr werdet später nicht immer einen Taschenrechner dabeihaben.“ Viele von uns haben diesen Satz in der Schule gehört. Er war falsch, wie jedes Smartphone beweist. Und trotzdem lag in ihm eine richtige Frage: Was muss ein Mensch selbst können, wenn ein Gerät es auch kann? Mit generativer KI stellt sich diese Frage neu, und zwar nicht mehr nur für das Kopfrechnen, sondern für Schreiben, Übersetzen, Zusammenfassen und Programmieren. Ein Kind, das heuer in die Volksschule kommt, wird um das Jahr 2040 in den Beruf einsteigen. Niemand weiß, wie dieser Arbeitsmarkt aussieht. Was die Forschung heute sagen kann, ist trotzdem mehr als nichts.

Was die Arbeitsmarktforschung zeigt – und was nicht

Eine viel zitierte Studie in der Zeitschrift Science hat abgeschätzt, wie stark Berufe in den USA Sprachmodellen „ausgesetzt“ sind. Rund 80 % der US-Erwerbstätigen könnten demnach bei mindestens 10 % ihrer Tätigkeiten betroffen sein, rund 19 % bei mindestens der Hälfte ihrer Tätigkeiten. Betroffen sind Berufe über alle Lohnniveaus hinweg, höher bezahlte Tätigkeiten tendenziell sogar stärker (Eloundou et al., 2024). Wichtig ist das Kleingedruckte: Es handelt sich um Expositionsschätzungen, nicht um Prognosen von Jobverlusten. „Ausgesetzt“ heißt, dass KI bei einer Tätigkeit helfen oder sie übernehmen könnte. Ob daraus Entlastung oder Ersatz wird, entscheiden Unternehmen, Politik und Tarifpartner.

Der Internationale Währungsfonds kommt auf globaler Ebene zu einem ähnlichen Befund. Fast 40 % der weltweiten Beschäftigung gelten als KI-exponiert, in Industrieländern rund 60 % der Jobs. Etwa die Hälfte davon dürfte eher negativ betroffen sein, die andere Hälfte kann profitieren. Frauen und Hochschulabsolvent*innen sind stärker exponiert, ältere Beschäftigte passen sich schwerer an. Ohne Gegenmaßnahmen, so der IWF, könnte KI Einkommens- und Vermögensungleichheit verstärken (Cazzaniga et al., 2024).

Das Weltwirtschaftsforum hat über 1.000 große Arbeitgeber mit mehr als 14 Millionen Beschäftigten in 55 Volkswirtschaften befragt. Bis 2030 erwarten sie 170 Millionen neue und 92 Millionen verdrängte Jobs, unterm Strich also ein Plus von 78 Millionen. Der Umbruch betrifft aber 22 % aller Arbeitsplätze, und rund 39 % der heute gefragten Fähigkeiten werden sich verändern. 85 % der Arbeitgeber planen Weiterbildung (WEF, 2025). Das Bild ist also weder apokalyptisch noch beruhigend. Es beschreibt eine Arbeitswelt, in der lebenslanges Lernen keine Sonntagsrede mehr ist.

Die Kanarienvögel: Wenn der Einstieg schwieriger wird

Früher nahmen Bergleute Kanarienvögel mit unter Tage. Wurden die Vögel still, war die Luft schlecht, lange bevor die Menschen es merkten. Brynjolfsson et al. (2025) haben diesen Titel bewusst gewählt. Auf Basis von Gehaltsabrechnungen des größten US-Lohnverrechnungsanbieters für Millionen Beschäftigte zeigen sie: Berufseinsteiger*innen zwischen 22 und 25 Jahren in stark KI-exponierten Berufen verlieren relativ zu weniger exponierten Gleichaltrigen deutlich an Beschäftigung. In der überarbeiteten Fassung vom August 2026, die Daten bis Juni 2026 berücksichtigt, liegt ihre Beschäftigung 19 % unter dem Pfad der weniger exponierten Vergleichsgruppe. Frühere Fassungen aus dem Jahr 2025 hatten 13 % und später 16 % ausgewiesen; die Lücke ist also mit jeder Aktualisierung gewachsen (Brynjolfsson et al., 2025).

Zwei Einschränkungen gehören dazu. Erstens entsteht die Lücke vor allem durch weniger Neueinstellungen, nicht durch Kündigungen. Zweitens sehen die Autoren keine Evidenz für eine breite, gesamtwirtschaftliche Verdrängung und sprechen ausdrücklich von frühen, deskriptiven Indikatoren. Bei erfahrenen Beschäftigten zeigt sich keine vergleichbare Lücke.

Für Eltern ist dieser Befund trotzdem beunruhigend, und zwar aus einem pädagogischen Grund. Einsteigerinnen lernen ihren Beruf traditionell, indem sie einfache Aufgaben erledigen: Protokolle schreiben, Daten aufbereiten, Entwürfe machen. Genau diese Aufgaben kann KI gut. Wie wird man Expertin, wenn die Lehrlingsaufgaben wegfallen?

Österreich: Wer KI nutzt und wer nicht

Für Österreich hat das WIFO die IKT-Erhebung von Statistik Austria ausgewertet. Die Nutzung generativer KI in den letzten drei Monaten stieg von 28 % der Bevölkerung im Jahr 2024 auf rund 40 % im Jahr 2025; davon nutzen 54 % sie beruflich. Auffällig ist die soziale Schieflage: Von den Menschen mit höchstens Pflichtschulabschluss nutzen 28,3 % KI beruflich, von jenen mit Hochschulabschluss 73,6 %. Gleichzeitig sind nur 13,2 % der Erwerbstätigen besorgt, durch KI ersetzt zu werden. Rund 30 % der Unternehmen setzen KI ein (Bärenthaler-Sieber et al., 2025).

Besonders unter Druck sieht das WIFO Büroberufe. Gesundheits- und Bildungsberufe sowie die Elementarpädagogik dürften dagegen eher von KI profitieren (Bärenthaler-Sieber et al., 2025). Das passt zu einer einfachen Beobachtung: Je mehr ein Beruf von Beziehung, Körperlichkeit und Verantwortung für Menschen lebt, desto weniger lässt er sich an eine Maschine delegieren. Für eine Region wie das Montafon mit Tourismus, Handwerk, Pflege und Landwirtschaft ist das eine gute Nachricht, aber keine Entwarnung. Auch die Buchhaltung des Hotels und die Ausschreibung des Tischlereibetriebs werden sich verändern.

Die Taschenrechnerfrage 2.0

Welche Kompetenzen haben also Zukunftswert? Eine naheliegende Antwort wäre: Wenn KI schreiben kann, müssen Kinder es nicht mehr lernen. Die Forschung spricht dagegen. In einem Feldexperiment mit rund 1.000 Schüler*innen einer türkischen High School lösten Jugendliche mit einer ChatGPT-ähnlichen Oberfläche Übungsaufgaben deutlich besser. Als der Zugang danach entzogen wurde, schnitten sie in der Prüfung um 17 % schlechter ab als die Kontrollgruppe, die nie KI hatte. Ein KI-Tutor, der Hinweise statt Lösungen gab, fing diesen Effekt weitgehend ab (Bastani et al., 2025). KI als Krücke schwächt, KI als Trainingspartner nicht.

Dazu kommt ein schlichtes Argument: Wer eine KI-Antwort prüfen will, muss etwas von der Sache verstehen. Fachwissen wird nicht weniger wichtig, sondern zur Voraussetzung, um die Maschine überhaupt sinnvoll zu nutzen. In meinen Fortbildungen beobachte ich außerdem, dass „Prompten lernen“ an Bedeutung verliert. Die Systeme verstehen zunehmend auch unbeholfene Anfragen. Was bleibt, ist die Frage, was man überhaupt will. Vorstellungskraft, Urteilsvermögen und die Fähigkeit, gute Fragen zu stellen, werden wichtiger als jede Eingabetechnik.

KI-Kompetenz als Bildungsauftrag

Die Bildungspolitik hat reagiert. OECD und Europäische Kommission haben im Juni 2026 einen gemeinsamen Referenzrahmen für KI-Kompetenz in Primar- und Sekundarstufe vorgelegt, zu dessen Entwurf über 2.000 Personen aus mehr als 100 Ländern Rückmeldung gaben, darunter auch Elternverbände. KI-Kompetenz wird dort in vier Bereiche gegliedert: mit KI interagieren, mit KI gestalten, KI steuern und KI mitgestalten (OECD, 2026b). Der letzte Punkt ist mir besonders wichtig. Kinder sollen nicht nur lernen, Werkzeuge zu bedienen, sondern auch mitzureden, welche Werkzeuge eine Gesellschaft will. Der Rahmen fließt in die PISA-Erhebung 2029 zu Medien- und KI-Kompetenz ein.

Auch das Recht zieht nach. Die KI-Verordnung der EU verpflichtet in Art. 4 Anbieter und Betreiber von KI-Systemen, für ausreichende KI-Kompetenz ihres Personals zu sorgen (EU, 2024). Was heute für Unternehmen und Schulen als Arbeitgeber gilt, wird morgen als selbstverständliche Grundbildung erwartet werden.

Was heißt das für Familien? Vielleicht dies: Kinder brauchen weiterhin solides Lesen, Schreiben und Rechnen, weil sie sonst nichts prüfen können. Sie brauchen Gelegenheiten, KI begleitet auszuprobieren, weil sie sonst nichts darüber wissen. Und sie brauchen Erwachsene, die mit ihnen über die Frage reden, die hinter dem alten Taschenrechnersatz steckt: Was will ich selbst können – und warum?

Literatur (Bildung und Beruf)

Bärenthaler-Sieber, S., Bilek-Steindl, S., Bock-Schappelwein, J., & Böheim, M. (2025). Digitalisierung in Österreich: Die Rolle der künstlichen Intelligenz am Arbeitsplatz. WIFO-Monatsberichte, (11), 605–617. https://www.wifo.ac.at/wp-content/uploads/upload-1063/mb_2025_11_03_digitalisierung.pdf

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), e2422633122. https://doi.org/10.1073/pnas.2422633122

Brynjolfsson, E., Chandar, B., & Chen, R. (2025). Canaries in the coal mine? Six facts about the recent employment effects of artificial intelligence [Working Paper, überarbeitete Fassung vom 12. August 2026]. Stanford Digital Economy Lab. https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/

Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E. J., & Tavares, M. M. (2024). Gen-AI: Artificial intelligence and the future of work (IMF Staff Discussion Note SDN/2024/001). International Monetary Fund. https://doi.org/10.5089/9798400262548.006

Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science, 384(6702), 1306–1308. https://doi.org/10.1126/science.adj0998

Europäische Union. (2024). Verordnung (EU) 2024/1689 des Europäischen Parlaments und des Rates vom 13. Juni 2024 zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (Verordnung über künstliche Intelligenz). Amtsblatt der Europäischen Union, L 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj

OECD & Europäische Union. (2026b). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing. https://doi.org/10.1787/65cd27d4-en

World Economic Forum. (2025). The future of jobs report 2025. World Economic Forum. https://www.weforum.org/publications/the-future-of-jobs-report-2025/

9. Kritische Perspektiven: Energie, Macht, Verzerrung

Bis hierher war viel von Chancen die Rede, von klugen Tutoren und hilfreichen Werkzeugen. Wer KI ernst nimmt, muss aber auch die Schattenseiten anschauen, und zwar nicht nur jene, die einzelne Kinder betreffen. Es geht um Fragen, die sich erst auf der Ebene der Gesellschaft zeigen: Was verbraucht diese Technik? Wem gehört sie? Wessen Weltbild steckt in ihr? Und wer kann sie sich leisten?

Stochastische Papageien: Sprache ohne Verstehen

Vor gut fünf Jahren veröffentlichten Bender et al. (2021) einen Aufsatz, der zu den einflussreichsten Texten der KI-Kritik gehört. Ihr Bild vom „stochastischen Papagei“ beschreibt Sprachmodelle als Systeme, die Sprachformen statistisch zusammensetzen, ohne Bedeutung zu verstehen. Die Autorinnen benannten drei Risiken: Umwelt- und Finanzkosten, unkuratierte Trainingsdaten mit eingebauten Verzerrungen und die Täuschung durch Texte, die sinnvoll wirken, ohne es sein zu müssen. Ihre Leitfrage lautete: Wie groß ist zu groß? Statt „alles aus dem Web“ aufzunehmen, empfahlen sie, Daten sorgfältig auszuwählen und zu dokumentieren (Bender et al., 2021).

Man muss das Papageienbild nicht in jeder Hinsicht teilen, um die Warnung ernst zu nehmen. Ein Sprachmodell lernt aus dem, was Menschen geschrieben haben, und übernimmt damit auch deren Vorurteile. Was im Netz häufig vorkommt, erscheint dem Modell als normal. Was selten ist, etwa Rätoromanisch, der Alltag von Menschen mit Behinderung oder die Perspektive eines Bergdorfs, kommt schwächer vor. Ein einfacher Test für die Familie: Lassen Sie eine KI Bilder von einer „Führungskraft“, einer „Pflegekraft“ oder einem „Bauern im Montafon“ erzeugen. Welche Gesichter, welche Geschlechter, welche Klischees tauchen immer wieder auf? Kinder, die solche Muster selbst entdecken, lernen mehr über Verzerrung als durch jede Ermahnung.

Der Stromhunger der Rechenzentren

Jede Anfrage an ein Sprachmodell läuft über Rechenzentren, und diese brauchen Strom. Die Internationale Energieagentur beziffert ihren Verbrauch für 2024 auf rund 415 Terawattstunden, das sind etwa 1,5 % des weltweiten Stromverbrauchs. 45 % davon entfallen auf die USA, 25 % auf China und 15 % auf Europa. Bis 2030 erwartet die IEA mehr als eine Verdopplung auf rund 945 Terawattstunden (IEA, 2025).

Diese Zahlen umfassen alle Rechenzentren, nicht nur KI. Und die IEA betont auch die andere Seite: KI kann helfen, Stromnetze, Gebäude und Industrieprozesse effizienter zu steuern (IEA, 2025). Eine sachliche Bilanz verlangt beides. Für Familien folgt daraus kein schlechtes Gewissen bei jeder Hausaufgabenfrage, wohl aber eine Haltung: KI ist kein Gratisgut. Ein Lernlied mit Suno zu komponieren, kann eine wunderbare Idee sein. Hundert Varianten zu erzeugen, weil es so leicht geht, ist es vielleicht nicht.

Gefälligkeit: Die Maschine, die recht gibt

Eine weniger bekannte, aber im Alltag folgenreiche Schwäche ist die Gefälligkeits-Verzerrung. Sprachmodelle sind darauf trainiert, hilfreich und angenehm zu wirken. Sie geben deshalb eher recht, als zu widersprechen. Der Elternratgeber von klicksafe weist ausdrücklich darauf hin, dass Chatbots dazu neigen, die Sicht der Nutzenden zu bestätigen (klicksafe, 2026). Für ein Kind, das sich mit einem Streit unter Freund*innen an die KI wendet, ist das heikel: Es bekommt Bestätigung statt Perspektivenwechsel.

Dazu passt ein Befund aus Österreich. In der Befragung von Saferinternet.at unter 500 Jugendlichen zwischen 11 und 17 Jahren vertrauen 52 % darauf, dass die Antworten korrekt sind, und 40 % überprüfen Ergebnisse selten oder nie (Saferinternet.at, 2026). In meinen Fortbildungen habe ich daraus einen Grundsatz gemacht, den ich Lehrer*innen wie Eltern mitgebe: immer nachfragen, immer nachprüfen. Der Mensch bleibt im Kreislauf, und zwar nicht als Formalität, sondern als jene Instanz, die entscheidet, was stimmt.

Lieferantisierung: Das Werkzeug zur Miete

Die vielleicht grundsätzlichste Frage betrifft die Macht. Noch vor wenigen Jahren brauchte man für Übersetzung, Textzusammenfassung, Recherche, Programmierung und Bildbearbeitung jeweils eigene Programme. Heute erledigt ein einziger Generalist all das. „One App to rule them all“ ist praktisch, aber es verschiebt Abhängigkeiten. Ich nenne diese Entwicklung Lieferantisierung: Wir produzieren weiterhin selbst, schreiben, lernen, unterrichten, aber das zentrale Werkzeug gehört uns nicht mehr. Es wird monatlich gemietet, von wenigen Anbietern, die überwiegend in den USA sitzen und ihre Preise, Bedingungen und Funktionen jederzeit ändern können.

Hier wirkt der Matthäus-Effekt: Wer hat, dem wird gegeben. Plattformen mit den meisten Nutzerinnen sammeln die meisten Daten, verbessern damit ihre Modelle und ziehen noch mehr Nutzerinnen an. Für kleinere Anbieter, öffentliche Einrichtungen und Schulen wird es schwerer, mitzuhalten. Der IWF warnt, dass KI ohne Gegenmaßnahmen Einkommens- und Vermögensungleichheit verstärken könnte (Cazzaniga et al., 2024). Was auf der Ebene von Volkswirtschaften gilt, zeigt sich im Kleinen auch in Familien.

Wer zahlt, hat bessere Werkzeuge

Wie stark diese Asymmetrie schon heute wirkt, zeigt eine eigene, noch unveröffentlichte Erhebung (Schroffenegger, unveröffentlicht) an der Pädagogischen Hochschule Vorarlberg vom Mai 2026. Befragt wurden 101 angehende Lehrer*innen. 87 % nutzen ChatGPT regelmäßig, 83 % mehrmals pro Woche oder öfter. Gut die Hälfte, nämlich 52 %, zahlt privat für KI-Dienste. Und 59 % haben aus Kostengründen schon einmal auf ein Werkzeug verzichtet, das sie eigentlich gebraucht hätten.

Diese Zahlen stammen aus einer Gruppe junger Erwachsener, die beruflich mit Bildung zu tun hat. Man kann sich ausmalen, wie die Lage in Familien mit knapperem Budget aussieht. Die Daten des WIFO deuten in dieselbe Richtung: In Österreich nutzen Menschen mit Hochschulabschluss KI beruflich weit häufiger als Menschen mit Pflichtschulabschluss (Bärenthaler-Sieber et al., 2025). Wenn die leistungsfähigsten Versionen hinter Bezahlschranken liegen, entsteht eine neue Bildungsungleichheit. Das Kind mit dem Abo bekommt den besseren Tutor, die genauere Übersetzung, das stärkere Werkzeug für die Abschlussarbeit vor der Matura. Ist das die Chancengerechtigkeit, die wir uns von Bildung erhoffen?

Die Pädagogische Hochschule Vorarlberg reagiert darauf mit einem eigenen KI-Labor: Lokale, datenschutzkonforme KI läuft dort auf eigener Hardware, ohne dass Daten an internationale Plattformen fließen. Das löst nicht alle Probleme, zeigt aber eine Richtung. Öffentliche Einrichtungen können Werkzeuge bereitstellen, statt sie nur zu mieten. Wie das im größeren Maßstab aussehen könnte, ist Thema des letzten Kapitels.

Literatur (Kritische Perspektiven)

Bärenthaler-Sieber, S., Bilek-Steindl, S., Bock-Schappelwein, J., & Böheim, M. (2025). Digitalisierung in Österreich: Die Rolle der künstlichen Intelligenz am Arbeitsplatz. WIFO-Monatsberichte, (11), 605–617. https://www.wifo.ac.at/wp-content/uploads/upload-1063/mb_2025_11_03_digitalisierung.pdf

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (S. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922

Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E. J., & Tavares, M. M. (2024). Gen-AI: Artificial intelligence and the future of work (IMF Staff Discussion Note SDN/2024/001). International Monetary Fund. https://doi.org/10.5089/9798400262548.006

International Energy Agency. (2025). Energy and AI (World Energy Outlook Special Report). IEA. https://www.iea.org/reports/energy-and-ai

klicksafe, Heer, P., & Hagedorn, K. (2026). Mein Kind und KI. Aufwachsen mit künstlicher Nähe – Wie KI-Chatbots Kinder emotional beeinflussen können (2. Aufl.) [Infobroschüre für Eltern]. EU-Initiative klicksafe / Medienanstalt Rheinland-Pfalz. https://www.klicksafe.de/fileadmin/cms/download/Material/Aufwachsen-mit-KI_Infobroschuere-Eltern_klicksafe.pdf

Saferinternet.at, Österreichisches Institut für angewandte Telekommunikation, & ISPA – Internet Service Providers Austria. (2026). KI-Chatbots als Alltagsbegleiter für Jugendliche [Presseaussendung: „Werkzeug, Ratgeber, Bezugsperson – 94 Prozent der Jugendlichen nutzen KI-Chatbots“]. Saferinternet.at. https://www.saferinternet.at/presse-detail/studie-werkzeug-ratgeber-bezugsperson-94-prozent-der-jugendlichen-nutzen-ki-chatbots

10. Ausblick: Was Eltern tun können – und welche Zukunft wir wollen

Am Ende eines langen Weges durch Zahlen, Studien und Warnungen steht die Frage, mit der viele Eltern an diesem Abend gekommen sind: Was mache ich morgen konkret anders? Die gute Nachricht vorweg: Niemand muss dafür Informatik studieren. Die meisten Empfehlungen seriöser Stellen sind erstaunlich bodenständig. Sie verlangen weniger Technikwissen als Aufmerksamkeit, Neugier und die Bereitschaft, im Gespräch zu bleiben.

Zehn Empfehlungen für Familien

1. Selbst ausprobieren. Wer nicht weiß, wie sich ein Chatbot anfühlt, kann schlecht mitreden. Der Elternratgeber von klicksafe nennt das Sich-selbst-Informieren als ersten Schritt (klicksafe, 2026).
2. Gemeinsam statt allein. Jüngere Kinder sollten KI eng begleitet nutzen, Ergebnisse prüft man am besten gemeinsam (Grundmeier & Fiks, 2026). Ein Lernspiel zur Bruchrechnung oder ein Lied über die Planeten, gemeinsam am Küchentisch erzeugt, zeigt mehr über Stärken und Fehler als jede Erklärung.
3. Werkzeug, nicht Freund*in. Der Leitsatz eines aktuellen Reviews aus der Kinderheilkunde lautet: „AI is a tool, not a companion“ (Grundmeier & Fiks, 2026). Besprechen Sie mit Ihrem Kind, dass KI keine echte Beziehung ersetzt (klicksafe, 2026). Für KI-Begleiter-Apps empfiehlt Common Sense Media, dass unter 18-Jährige sie gar nicht nutzen (Robb & Mann, 2025).
4. Keine persönlichen Daten. Namen, Adressen, Fotos und Details über andere gehören nicht in einen Chatbot (klicksafe, 2026). Unter 14 Jahren braucht es in Österreich für einwilligungsbasierte Online-Dienste ohnehin die Zustimmung der Eltern (DSG, 2019).
5. Nachfragen, nachprüfen, mehrmals fragen. 40 % der österreichischen Jugendlichen überprüfen KI-Antworten selten oder nie (Saferinternet.at, 2026). Üben Sie das Gegenteil: dieselbe Frage zweimal stellen, Quellen verlangen, im Schulbuch nachschlagen.
6. Hilfe statt Lösung. Bitten Sie die KI, Hinweise zu geben statt fertiger Antworten. Genau diese Leitplanke unterschied im Experiment den hilfreichen Tutor von der Krücke (Bastani et al., 2025).
7. Ansprechperson bleiben. Nur 33 % der Jugendlichen erwarten Unterstützung von ihren Eltern (Saferinternet.at, 2026). Das ist keine Absage, sondern eine Einladung. Wer zuhört, ohne sofort zu verbieten, erfährt mehr. Auch die APA fordert, Eltern gezielt zu stärken (APA, 2025).
8. Bei Teenagern klare Grenzen, im Alltag Ausgleich. Für Jugendliche empfehlen Grundmeier und Fiks klare Absprachen (Grundmeier & Fiks, 2026), klicksafe ergänzt Offline-Aktivitäten und echte Freundschaften als Gegengewicht (klicksafe, 2026).
9. Höflichkeit als Haltung. Ob man „bitte“ zu einer Maschine sagt, ist der Maschine gleichgültig. Dem Kind nicht. Wie wir mit Gesprächspartner*innen umgehen, auch mit künstlichen, nehmen Kinder in menschliche Gespräche mit.
10. Von Anbietern und Politik einfordern. Familien können nicht alles allein regeln. UNICEF hat zehn Anforderungen an kindgerechte KI formuliert, darunter Schutz, Privatsphäre und Transparenz (UNICEF, 2025). An diesem Maßstab dürfen Eltern Apps, Schulen und Politik messen.

Das fehlende Gegenstück: Ein Bibliotheks-Argument

Zum Schluss möchte ich den Blick weiten. Diese Empfehlungen setzen bei der einzelnen Familie an. Die größere Frage ist eine gesellschaftliche, und die Geschichte der Schriftkultur hilft, sie zu stellen.

Der Buchdruck hat Wissen vervielfältigt. Aber erst öffentliche Bibliotheken, Volksbildung und die allgemeine Schulpflicht haben dafür gesorgt, dass dieses Wissen nicht nur jenen gehört, die sich Bücher leisten konnten. Das Internet hat Texte verknüpft. Und wieder entstanden öffentliche Gegenstücke: Wikipedia, Creative-Commons-Lizenzen, freie Software. Jede große Informationstechnik hat früher oder später ihre gemeinwohlorientierte Antwort gefunden.

Bei der KI fehlt dieses Gegenstück noch weitgehend. Die leistungsfähigsten Modelle gehören wenigen Konzernen und werden im Abo vermietet. Dass es auch anders geht, zeigt Apertus, ein vollständig offenes, mehrsprachiges Sprachmodell von EPFL, ETH Zürich und dem Schweizer Supercomputing-Zentrum CSCS. Gewichte, Trainingscode und Datenaufbereitung sind frei verfügbar, trainiert wurde nur mit offen zugänglichen Daten. Rund 40 % der Trainingsdaten sind nicht englisch, darunter auch kleine Sprachen wie Schweizerdeutsch und Rätoromanisch (Apertus, 2025). Ein öffentlich finanziertes Modell, das die Sprache der Nachbarschaft spricht – das ist kein Zufall, sondern ein Programm. Auch das KI-Labor der Pädagogischen Hochschule Vorarlberg, das lokale KI auf eigener Hardware betreibt, gehört in diese Richtung.

Was wäre, wenn es für KI dasselbe gäbe wie für Bücher – eine öffentliche, offene Grundversorgung, die jedes Kind nutzen kann, unabhängig vom Geldbörsel der Eltern? Ich halte diese Frage für die eigentliche bildungspolitische Aufgabe der kommenden Jahre.

Die Antwort ist nicht nur 42

In Douglas Adams’ Roman „Per Anhalter durch die Galaxis“ rechnet ein Supercomputer siebeneinhalb Millionen Jahre und verkündet dann die Antwort auf die Frage nach dem Leben, dem Universum und allem: 42. Die Antwort ist korrekt. Nur weiß niemand mehr, wie die Frage eigentlich lautete.

Unsere Maschinen liefern heute Antworten in Sekunden, flüssig, freundlich und oft richtig. Was sie nicht liefern, ist die richtige Frage. Die Fähigkeit, gut zu fragen, entsteht aus Wissen, Neugier, Urteilskraft und der Erfahrung, dass Antworten nachgeprüft werden müssen. Diese Fähigkeit lernen Kinder nicht von einer App. Sie lernen sie von Menschen, die mit ihnen staunen, zweifeln und nachfragen – in der Schule, im Verein und zu Hause. Die Antwort ist nicht nur 42. Für sinnvolle Antworten braucht es die richtigen Fragen.

Literatur (Ausblick)

American Psychological Association. (2025). Artificial intelligence and adolescent well-being: An APA health advisory. American Psychological Association. https://www.apa.org/topics/artificial-intelligence-machine-learning/health-advisory-ai-adolescent-well-being

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), e2422633122. https://doi.org/10.1073/pnas.2422633122

DSG – Datenschutzgesetz. (2019). Datenschutzgesetz (DSG), § 4 Abs. 4: Einwilligung eines Kindes in Dienste der Informationsgesellschaft (BGBl. I Nr. 165/1999 idF BGBl. I Nr. 14/2019). Rechtsinformationssystem des Bundes. https://www.ris.bka.gv.at/Dokumente/Bundesnormen/NOR40212006/NOR40212006.html

Grundmeier, R. W., & Fiks, A. G. (2026). Generative artificial intelligence: Implications for families and pediatricians. Pediatrics, 157(4), e2025074912. https://doi.org/10.1542/peds.2025-074912

klicksafe, Heer, P., & Hagedorn, K. (2026). Mein Kind und KI. Aufwachsen mit künstlicher Nähe – Wie KI-Chatbots Kinder emotional beeinflussen können (2. Aufl.) [Infobroschüre für Eltern]. EU-Initiative klicksafe / Medienanstalt Rheinland-Pfalz. https://www.klicksafe.de/fileadmin/cms/download/Material/Aufwachsen-mit-KI_Infobroschuere-Eltern_klicksafe.pdf

Project Apertus, Hernández-Cano, A., Hägele, A., Huang, A. H., Romanou, A., et al. (2025). Apertus: Democratizing open and compliant LLMs for global language environments (arXiv:2509.14233) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2509.14233

Robb, M. B., & Mann, S. (2025). Talk, trust, and trade-offs: How and why teens use AI companions. Common Sense Media. https://www.commonsensemedia.org/research/talk-trust-and-trade-offs-how-and-why-teens-use-ai-companions

Saferinternet.at, Österreichisches Institut für angewandte Telekommunikation, & ISPA – Internet Service Providers Austria. (2026). KI-Chatbots als Alltagsbegleiter für Jugendliche [Presseaussendung: „Werkzeug, Ratgeber, Bezugsperson – 94 Prozent der Jugendlichen nutzen KI-Chatbots“]. Saferinternet.at. https://www.saferinternet.at/presse-detail/studie-werkzeug-ratgeber-bezugsperson-94-prozent-der-jugendlichen-nutzen-ki-chatbots

UNICEF. (2025). Guidance on AI and children (Version 3.0): Updated guidance for governments and businesses to create AI policies and systems that uphold children's rights. UNICEF Innocenti – Global Office of Research and Foresight. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children