KI-Tutoren im Studium: Was wir von Khan Academy lernen können

Die Erklärung der KI klingt schlüssig. Du liest sie noch einmal, erkennst die Begriffe wieder und glaubst, das Thema verstanden zu haben. Dann schließt du den Chat, bearbeitest eine ähnliche Aufgabe und findest keinen Ansatz. Für die Vorbereitung auf eine Hochschulprüfung ist dieser Abstand zwischen Nachvollziehen und eigenständigem Lösen entscheidend.

Ein hilfreicher KI-Lernassistent sollte dich dabei unterstützen, diesen Abstand zu verringern. Die veröffentlichten Erfahrungen von Khan Academy mit Khanmigo liefern einen Ausgangspunkt dafür, worauf du achten kannst. Daraus entwickeln wir einen praktischen Einsatz von Algor: mit den Kursunterlagen arbeiten, den eigenen Gedankengang zeigen und anschließend ohne Unterstützung prüfen, was du kannst.

Was Khan Academys Arbeit über KI-Tutoren zeigt

Im Bericht vom Mai 2026 beschreibt Khan Academy etwa 20 A/B-Tests mit mehr als 15 Millionen Tutor-Gesprächen zwischen Oktober 2025 und April 2026. Eine zentrale Messgröße: die nächste Aufgabe zur gleichen Fähigkeit in derselben Sitzung ohne Khanmigo richtig lösen.

Diese Frage lässt sich sinnvoll an eine eigene Lerneinheit stellen: Was kann ich nach einer Erklärung selbstständig bearbeiten? Ein angenehmes Gespräch und eine richtige Antwort, die du selbst entwickelst, sind unterschiedliche Beobachtungen. Die zweite kommt dem näher, was in einer Klausur zählt, wenn sich das Beispiel ändert oder du eine Entscheidung begründen musst.

Der Bericht beschreibt Verbesserungen durch relevanten Lernkontext und Informationen zu Voraussetzungen; wahllos zusätzliche Informationen halfen nicht immer. Es handelt sich um Produktexperimente mit Khanmigo, nicht um eine Hochschulstudie zu Algor. Die Zahl der Gespräche bezeichnet keine ebenso große Zahl einzelner Lernender.

Beteiligung, unmittelbare Leistung und Prüfungsreife

Eine Forschungsarbeit von 2025 zu Khanmigo-Gesprächen unterscheidet das Befolgen von Lösungsschritten vom Entwickeln eigener Erklärungen. Der Zusammenhang mit anschließenden Ergebnissen belegt für sich genommen keinen kausalen Effekt auf langfristigen Lernerfolg.

Trenne deshalb drei Ebenen. Beteiligung bedeutet, während des Lernens etwas zu tun. Unmittelbare Leistung bedeutet, eine ähnliche Aufgabe kurz danach zu bewältigen. Prüfungsreife verlangt zusätzlich, Wissen unter anderen Bedingungen abzurufen, auszuwählen und zu verknüpfen. Ein gutes Ergebnis auf der ersten Ebene bestätigt nicht automatisch die beiden anderen.

Ein späterer Bericht von Khan Academy über eine Schulstudie beschreibt eine begrenzte inhaltliche Nutzung des Tutors. Der Zugang allein belegt keinen zusätzlichen Nutzen durch KI.

Gibt es entsprechende Forschung an Hochschulen?

Eine 2025 in Scientific Reports veröffentlichte randomisierte Studie mit 194 Physikstudierenden und zwei Unterrichtseinheiten fand unmittelbar danach bessere Lernergebnisse mit einem eigens entwickelten KI-Tutor als im aktiven Präsenzunterricht.

Dieser Befund gehört zu einem bestimmten Rahmen: ein konkreter Tutor, festgelegte Inhalte und zeitnahe Tests. Er lässt sich weder jedem Produkt zuschreiben noch in eine Vorhersage der Semesternote übersetzen. Er ist aber ein guter Anlass, die Gestaltung des Lernens mit KI ernst zu nehmen und nicht nur die überzeugende Form einer Antwort zu beurteilen.

Im Studium wird dieses Problem schnell greifbar. Vorlesungsfolien verkürzen Schritte, die mündlich erläutert wurden. Das Lehrbuch verwendet womöglich eine andere Notation. Eine Klausur verlangt die Auswahl eines Verfahrens ohne Hinweis. Sinnvolle Vorbereitung muss diese Übergänge klären und anschließend überprüfen, ob du sie selbst bewältigst.

Von der Forschungsfrage zur eigenen Lerneinheit

Der folgende Ablauf ist unser praktischer Vorschlag zur Frage nach selbstständigem Können. Er ist weder das Protokoll der genannten Studien noch ein von deren Autoren an Algor geprüftes Verfahren. Probiere ihn an einem begrenzten Thema aus und beurteile ihn anhand deiner eigenen Antworten.

1. Zeige dem Assistenten die Aufgabe und deinen Versuch

Angenommen, du lernst Statistik. Den Unterschied zwischen Korrelation und Kausalität kannst du wiedergeben. Sobald zwei Variablen gemeinsam auftreten, schreibst du dennoch, die eine verursache die andere. Eine weitere allgemeine Erklärung zur Korrelation kann dir vertraut vorkommen, ohne diesen Denkfehler sichtbar zu machen. Dein konkreter Lösungsversuch gibt dagegen einen Ansatzpunkt.

In Algor kannst du dafür ein Set zum Thema verwenden. Die Anleitung zum Lernen und zum KI-Assistenten beschreibt den Chat mit Set-Kontext und anklickbaren Quellenverweisen. Die Kursunterlagen liefern den Bezugspunkt; dein Versuch zeigt zusätzlich, was du verstehst oder verwechselst.

Eine mögliche Anfrage lautet: „Hier ist meine Erklärung. Finde mithilfe des Sets den ersten Schritt, den ich nicht ausreichend begründet habe. Stelle mir zunächst eine Frage, die mir beim Korrigieren hilft, bevor du eine vollständige Antwort zeigst.“ Das ist ein Arbeitsauftrag an den Assistenten, keine Garantie für ein stets identisches Antwortverhalten.

Der Zugriff auf deine Unterlagen ist nicht gleichbedeutend mit der Kenntnis deiner Schwierigkeiten. Benenne daher Fehler und Ziel ausdrücklich. Setze nicht voraus, dass der Chat deine gesamte bisherige Lernentwicklung bereits rekonstruiert hat.

2. Prüfe den Verweis und überarbeite die Unterlagen

Öffne eine angegebene Quelle. Suche nach der Definition, Voraussetzung oder Textstelle, die die Erklärung stützt. Im Statistikbeispiel kannst du fragen, welche anderen Erklärungen mit dem beobachteten Zusammenhang vereinbar sind. Reichen die Daten, um zwischen ihnen zu unterscheiden, oder fehlt dafür eine Information?

Ein Quellenverweis erleichtert die Prüfung, macht die Antwort aber nicht unfehlbar. Wenn die Fundstelle die Aussage nicht trägt, gehe zum Kurstext zurück oder notiere eine Frage für die Lehrperson. Das hilft besonders dann, wenn Quellen unterschiedliche Konventionen verwenden oder eine Zusammenfassung eine wesentliche Bedingung ausgelassen hat.

In Algor lässt sich die Korrektur in den Unterlagen festhalten, mit denen du weiterlernst. Die Seiten eines Sets sind bearbeitbar: Ergänze eine fehlende Voraussetzung oder formuliere eine Beziehung in der Concept Map genauer. Die Klärung bleibt damit Bestandteil deiner Notizen.

3. Antworte selbst, bevor du das Feedback liest

Wechsle nun zu einer Aufgabe, die eine eigene Antwort verlangt. Algor-Tests können offene Fragen enthalten. Du kannst den Themenumfang auswählen und unmittelbares Feedback ausschalten, sodass die Rückmeldung erst am Ende erscheint. Der folgende Screenshot zeigt eine offene Frage anhand eines Geschichtsbeispiels aus der Anleitung.

In Statistik könntest du einen Zusammenhang kurz interpretieren, eine alternative Erklärung nennen und angeben, welche zusätzliche Information sie prüfbar machen würde. In Geschichte könntest du eine These begründen und dabei zeitliche Abfolge von einem ursächlichen Zusammenhang unterscheiden. In beiden Fällen entsteht ein überprüfbarer Gedankengang statt bloßer Wiedererkennung.

Algor bewertet offene Antworten mit KI. Lies diese Bewertung zusammen mit der Erklärung und deinen Kursquellen. Fehlt eine im Kurs verlangte Bedingung, bleibt sie wichtig, auch wenn die Antwort als richtig markiert wurde. Weitere Beispiele für das aktive Abrufen findest du in unserem Beitrag zu Active Recall.

4. Verändere den Fall und lasse die Hilfe weg

Schließe die Notizen und bearbeite eine zweite Aufgabe. Verändere etwas Wesentliches: den Kontext, die verfügbaren Daten oder die Fragestellung. Gerade gelesene Formulierungen zu wiederholen ist eine schwache Probe dafür, ob du selbstständig entscheiden kannst.

Notiere die Stelle, an der du hängen bleibst. Wenn du die Definition kennst, sie aber nicht anwenden kannst, helfen weitere Definitionen möglicherweise wenig. Vergleiche zwei Fälle und begründe ihre unterschiedlichen Schlussfolgerungen. Fehlt dagegen ein Grundlagenbegriff, arbeite zunächst daran, bevor du die Schwierigkeit steigerst.

Für eine Klausur schreibe die Zwischenschritte auf. Für eine mündliche Prüfung sprich die Erklärung aus und beantworte eine Nachfrage. Richte die Übung an der Leistung aus, die dein Modul tatsächlich verlangt, statt jede Aufgabe in dasselbe Quizformat zu pressen.

Woran du erkennst, ob die Lerneinheit geholfen hat

Bewahre drei kurze Ergebnisse auf: den ersten Versuch, die geprüfte Korrektur und eine spätere Antwort ohne Hilfe. Damit berechnest du keinen wissenschaftlich validierten persönlichen Lernzuwachs. Du kannst aber erkennen, ob sich dein Gedankengang verändert hat oder nur seine Formulierung.

Greife das Thema auch in einer späteren Sitzung auf. Die Ergebnisse und Fortschrittsansicht des Sets können bei der Auswahl helfen; ergänze sie um Aufgaben und Bewertungskriterien deines Kurses. Ein App-Wert beschreibt Leistungen in dieser Umgebung und ist keine Prognose deiner Hochschulnote.

Wenn die Ausgangsunterlagen noch ungeordnet sind, hilft unsere Anleitung zum Nachbereiten einer Vorlesung mit KI. Der zusätzliche Schritt besteht hier darin, zu prüfen, ob aus der besseren Ordnung tatsächlich eine eigenständig entwickelte Antwort entsteht.

Warum Algor zu dieser Arbeitsweise passt

Der praktische Vorteil liegt im Zusammenhang zwischen Material, Klärung und Übung. Du kannst eine Passage im Kontext des Sets besprechen, den Verweis prüfen, die Notizen verbessern und dich anschließend testen. Der Assistent gehört damit zu einer Lernumgebung, in der auch deine eigenen Antworten und Korrekturen Platz haben.

Beginne mit einem Thema aus einem aktuellen Modul. Erstelle in Algor Education ein kleines Set und schreibe eine Antwort, bevor du Hilfe anforderst. Versuche am Ende eine neue Antwort ohne Unterstützung. Damit hast du einen konkreten Maßstab für den Nutzen der KI beim Lernen.

Quellenhinweis: Der Artikel trennt veröffentlichte Ergebnisse zu bestimmten Tutoren von unserem Anwendungsvorschlag für Algor. Er beschreibt weder eine Studie über Algor noch eine Zusammenarbeit mit Khan Academy. Produktfunktionen am 29. September 2026 anhand der Algor-Anleitung geprüft.