Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai4. März 2026 · Q006159

Understanding AI and learning outcomes

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI berichtet über eine frühe Studie zum ChatGPT-Study-Mode: In Mikroökonomie lag der Prüfungspunktwert relativ etwa 15 Prozent höher als in der Kontrollgruppe, während sich in Neurowissenschaften kein klarer Vorteil zeigte. Mit einem neuen Messsystem will OpenAI künftig auch längerfristige Fähigkeiten und Lernverhalten erfassen; dessen Validierung läuft noch, weshalb dauerhafte oder allgemein übertragbare Wirkungen nicht belegt sind.

Mittel

OpenAI stellt ein neues Messsystem vor, das die Auswirkungen von KI auf Lernen langfristig und breiter als anhand von Prüfungsergebnissen erfassen soll. Bisherige Methoden betrachteten laut Bericht meist kurzfristige Leistungswerte und ließen offen, wie Lernende KI tatsächlich verwenden und wie sich Fähigkeiten wie Ausdauer, Eigenmotivation und kritisches Denken entwickeln.

Als frühe Evidenz berichtet OpenAI von einer randomisierten Studie mit mehr als 300 Studierenden: In Neurowissenschaften waren die Ergebnisse mit Study-Mode tendenziell positiv, aber nicht klar besser als mit herkömmlichen Onlinequellen. In Mikroökonomie lag der Prüfungspunktwert der Gruppe mit Zugang laut OpenAI relativ etwa 15 Prozent höher als in der Kontrollgruppe ohne KI. Die Nutzung variierte, und die Analyse dauert an; dauerhafte oder allgemein übertragbare Effekte sind damit nicht belegt.

Die mit der Universität Tartu und Stanford-SCALE entwickelte Learning Outcomes Measurement Suite soll Modellverhalten, Lerninteraktionen und längerfristige kognitive Veränderungen verbinden. Sie wird noch geprüft, unter anderem in einer mehrmonatigen Studie mit nahezu 20.000 Jugendlichen in Estland. OpenAI plant spätere Veröffentlichungen und eine öffentliche Bereitstellung. Diese Punkte sind angekündigte Vorhaben, keine abgeschlossenen Ergebnisse.

Ausführlich lesen

Der Bericht beschreibt OpenAIs Versuch, die Wirkung von KI auf Lernen umfassender zu messen. OpenAI argumentiert, dass bisherige Untersuchungen meist kurzfristige Ergebnisse wie Prüfungspunkte betrachten. Sie zeigten zwar vielversprechende Hinweise, erfassten aber kaum, wie Lernende KI im Alltag einsetzen, wie sich ihre Fähigkeiten im Lauf der Zeit entwickeln und ob mögliche Fortschritte etwa bei Ausdauer, Eigenmotivation oder kreativem Denken mit Einbußen in anderen Bereichen einhergehen.

Als ersten Schritt schildert OpenAI eine randomisierte Studie mit mehr als 300 Studierenden, die sich auf Prüfungen in Neurowissenschaften und Mikroökonomie vorbereiteten. Eine Gruppe lernte mit herkömmlichen Onlinequellen, zwei weitere erhielten Zugang zu Varianten des ChatGPT-Study-Mode. Dieser soll durch schrittweise Anleitung, Verständnisfragen und Übung stärker auf Lernen statt auf schnelle Antworten ausgerichtet sein. Die Studie sollte realistische Lernbedingungen abbilden; die Nutzung des Werkzeugs fiel unterschiedlich aus. Deshalb berichtet OpenAI vor allem sogenannte Intention-to-treat-Effekte, also die Wirkung, den Zugang anzubieten, unabhängig davon, wie intensiv Studierende ihn nutzten.

Die frühen Ergebnisse unterscheiden sich nach Fach. In Neurowissenschaften waren die Unterschiede zugunsten des Study-Mode zwar tendenziell positiv, aber nicht klar von den Ergebnissen der Kontrollgruppe zu unterscheiden; OpenAI nennt außerdem technische und organisatorische Probleme, die die Lernzeit beeinträchtigt hätten. In Mikroökonomie berichtet OpenAI für Studierende mit Zugang zum Study-Mode einen relativ etwa 15 Prozent höheren Prüfungspunktwert als für die Gruppe ohne KI. Der Bericht betont, dass die Ergebnisse nicht einheitlich waren und die Analyse noch andauere. Sie belegen daher für sich genommen weder einen dauerhaften Lerngewinn noch eine allgemeine Wirkung über andere Fächer und Kontexte hinweg.

Als Antwort auf die Grenzen kurzfristiger Prüfungen stellt OpenAI die Learning Outcomes Measurement Suite vor, entwickelt mit der Universität Tartu und der SCALE Initiative an der Stanford University. Das System soll drei Ebenen verbinden: das Verhalten des Modells, die Reaktionen der Lernenden und messbare kognitive Ergebnisse über längere Zeit. Dafür sieht es unter anderem Anweisungen zur pädagogischen Ausrichtung des Modells, automatische Erkennung und Bewertung von Lernmomenten, Auswertung wiederholter Interaktionen derselben Lernenden sowie standardisierte Messinstrumente vor. Untersucht werden sollen etwa Eigenmotivation, produktive Beteiligung, Ausdauer bei schwierigen Aufgaben, metakognitive Strategien und Erinnerungsvermögen. Ergänzend können Partnerdaten wie Prüfungsnoten oder Anwesenheit einbezogen werden. Laut Bericht werden die Daten de-identifiziert.

Die Suite wird nach Angaben von OpenAI noch in groß angelegten Studien geprüft und ist noch nicht allgemein verfügbar. Eine mehrmonatige Untersuchung mit nahezu 20.000 Jugendlichen im Alter von 16 bis 18 Jahren in Estland ist gemeinsam mit der Universität Tartu und Stanford-SCALE im Gang; die Nutzung soll mit örtlichen Verantwortlichen abgestimmt werden. Weitere Forschung ist mit Mitgliedern des OpenAI Learning Lab und verschiedenen Hochschulen geplant. OpenAI kündigt an, Ergebnisse zu veröffentlichen und das Messsystem später als öffentliche Ressource bereitzustellen. Das sind Vorhaben, keine bereits abgeschlossenen Resultate. Der Bericht ist zudem die Darstellung OpenAIs zu seiner eigenen Forschung und seinem Messansatz; unabhängige Bestätigung der angekündigten langfristigen Wirkungen enthält er nicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassungen geben den Bericht weitgehend richtig wieder; nur die Nennung von kritischem Denken als Kritikpunkt geht über den Text hinaus. Die Einordnung der Sammelfragen zur KI-Governance passt kaum zum Bericht, der nur über Lerneffekte und ein Messsystem im Bildungsbereich schreibt. Lunas Stufen 3 und 4 sind daher deutlich zu hoch; die Prozentangaben habe ich nicht übernommen.

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Kritisches Denken als Fähigkeit, deren Entwicklung bisherige Methoden nicht erfassen (der Bericht nennt als Zielkonflikte Ausdauer, Eigenmotivation und kreatives Problemlösen)

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 27 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 48 %einzelne zitierbare Belege
    • JEV 23 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  2. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 52 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 44 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 75 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 27 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 67 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 69 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 71 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 42 %einzelne zitierbare Belege
    • JEV 24 %Hintergrund, keine Belege
    • amos 34 %nur am Rande erwähnt
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →