Die Euphorie war enorm. Eine wissenschaftliche Meta-Analyse schien endlich zu beweisen, dass ChatGPT den Unterricht verbessert, Lernleistungen steigert und sogar „höheres Denken“ fördert. Medien berichteten begeistert, Bildungspolitiker sahen sich bestätigt, Schulen experimentierten mit KI-Chatbots, Ministerien bauten Infrastruktur auf.

Heute ist diese Studie offiziell zurückgezogen.

Und plötzlich stellt sich eine unangenehme Frage:

Wie konnte eine methodisch fragwürdige Arbeit weltweit zum Legitimationsmotor für KI im Bildungswesen werden?

Die Antwort führt tief hinein in ein System aus Technik-Hype, institutioneller Selbstbestätigung, wissenschaftlichem Publikationsdruck — und möglicherweise auch strategischen Formen digitaler Erinnerungskontrolle.

Die Studie, die alles bestätigen sollte

Die inzwischen zurückgezogene Arbeit trug den Titel:

„The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: insights from a meta-analysis“

Veröffentlicht wurde sie 2025 in der Springer-Nature-Zeitschrift Humanities and Social Sciences Communications. Autoren waren Jin Wang und Wenxiang Fan von der Hangzhou Normal University in China.

Die Studie behauptete, auf Basis von 51 Einzelstudien zeigen zu können, ChatGPT verbessere Lernleistungen deutlich, fördere Lernwahrnehmung und unterstütze „higher-order thinking“, also komplexes Denken.

Genau diese Aussagen wurden zum globalen Türöffner für KI im Bildungsbereich.

Die Arbeit wurde hunderte Male zitiert, in sozialen Netzwerken verbreitet und von Bildungseinrichtungen weltweit als wissenschaftlicher Beleg genutzt.

Dabei fiel schon früh auf: Die Effektstärken wirkten ungewöhnlich stark. Kritische Stimmen warnten, die Meta-Analyse vermische sehr unterschiedliche Studien und ziehe daraus überzogene Schlussfolgerungen.

Doch diese Einwände gingen im KI-Hype unter.

Die Rücknahme — und ihre Sprengkraft

Im Mai 2026 zog Springer Nature die Studie offiziell zurück.

Die Begründung ist bemerkenswert deutlich:

Es gebe „discrepancies in the meta-analysis“, also Widersprüche bzw. Unstimmigkeiten in der Analyse, die das Vertrauen in die Ergebnisse zerstörten.

Noch gravierender: Laut Rückzugsnotiz reagierten die Autoren nicht auf die Korrespondenz zur Retraktion.

Das ist kein kleiner wissenschaftlicher Schönheitsfehler.

Denn die Studie beeinflusste reale politische Entscheidungen: Schulen führten KI-Systeme ein, Ministerien entwickelten Strategien, Lehrerfortbildungen wurden aufgebaut und Plattformen erhielten Legitimation.

Und all das auf Grundlage einer Arbeit, deren statistische Aussagekraft später offiziell infrage gestellt wurde.

Die eigentliche Gefahr liegt dabei weniger im Fehler selbst als im zeitlichen Ablauf: Die öffentliche Wirkung war längst eingetreten, bevor die wissenschaftliche Korrektur kam.

Wer kontrolliert eigentlich die Qualität?

Der Fall wirft unangenehme Fragen an Springer Nature auf.

Denn die Studie erschien nicht in irgendeinem obskuren Blog, sondern bei einem der größten Wissenschaftsverlage der Welt: Springer Nature

Dort durchlief sie Peer Review und wurde als wissenschaftlich belastbar publiziert.

Doch gerade Meta-Analysen gelten als besonders sensibel: Wenn Studien falsch gewichtet, methodisch unvereinbare Daten kombiniert oder statistische Verzerrungen übersehen werden, entstehen scheinbar objektive Ergebnisse mit enormer Überzeugungskraft.

Genau das scheint hier passiert zu sein.

Und dennoch übernahmen Medien, Bildungsinstitutionen und politische Akteure die Aussagen oft nahezu kritiklos.

Warum?

Weil die Studie perfekt in die Zeit passte.

Die KI-Euphorie wollte Beweise

Seit dem Erfolg von ChatGPT suchen Politik und Bildungsinstitutionen nach wissenschaftlicher Legitimation für die rasche Einführung generativer KI.

Eine Studie, die behauptet:

KI verbessert Lernen massiv,

ist deshalb politisch extrem attraktiv.

Sie liefert Fortschrittserzählungen, Rechtfertigung für Investitionen, Modernisierungsargumente und öffentliche Anschlussfähigkeit.

Negative oder vorsichtige Forschungsergebnisse erzeugen dagegen weit weniger Aufmerksamkeit.

So entsteht ein systemischer Bias: Positive KI-Studien verbreiten sich explosionsartig — kritische Forschung deutlich langsamer.

Der Fall Wang/Fan zeigt deshalb nicht nur wissenschaftliches Versagen, sondern auch ein mediales und institutionelles Strukturproblem.

Die merkwürdige Unsichtbarkeit der Autoren

Auffällig ist außerdem die geringe öffentliche Sichtbarkeit der Autoren selbst.

Jin Wang war vor Veröffentlichung der Studie international kaum bekannt. Die Arbeit verbreitete sich dennoch weltweit mit enormer Geschwindigkeit.

Das allein beweist nichts.

Aber es zeigt ein neues Machtmuster digitaler Wissenschaft: Nicht mehr wissenschaftliche Reputation allein entscheidet über Einfluss, sondern algorithmische Sichtbarkeit, Plattformdynamik und technologische Anschlussfähigkeit.

Eine einzige, perfekt anschlussfähige Studie kann heute globale Debatten prägen — selbst wenn ihre methodische Grundlage fragwürdig ist.

AIS.chat: Der staatliche Schul-Chatbot

Parallel zu dieser Entwicklung wurde in Deutschland der Schul-Chatbot „telli“ aufgebaut, inzwischen umbenannt in „AIS.chat“. Verantwortlich sind unter anderem das Schulministerium NRW, das FWU – Institut für Film und Bild sowie weitere Landesinstitutionen.

AIS.chat wird als datenschutzkonforme schulische KI-Lösung präsentiert.

Doch genau hier beginnt die eigentliche gesellschaftliche Frage: Was passiert, wenn staatliche Bildungssysteme beginnen, Denk- und Lernprozesse systematisch an KI-Plattformen auszulagern?

Denn die Risiken betreffen nicht nur Datenschutz.

Im Artikel „Der KI-Chatbot telli im Schulalltag“ wurde bereits auf zentrale Problembereiche hingewiesen. Dazu gehören Halluzinationen und Scheingenauigkeit, also die Fähigkeit von KI-Systemen, falsche Informationen mit großer sprachlicher Überzeugungskraft zu präsentieren. Hinzu kommt die Gefahr eines wachsenden Autoritätsglaubens: Schülerinnen und Schüler könnten Antworten des Systems ungeprüft übernehmen und dabei Quellenkritik und eigenständige Recherche verlernen. Ebenso problematisch sind algorithmische Verzerrungen und Biases, die gesellschaftliche Vorurteile reproduzieren können.

Auch Datenschutz und kindgerechte Nutzung bleiben kritische Punkte. Selbst wenn ein System offiziell als „datenschutzkonform“ gilt, bleibt die Frage offen, wie früh Kinder an KI-Interaktion gewöhnt werden sollten und welche langfristigen Auswirkungen das auf ihre Entwicklung hat.

Dazu kommt die Gefahr der Übernutzung. Wenn Schülerinnen und Schüler bei jeder Unsicherheit sofort KI konsultieren, können eigene Denkprozesse, Frustrationstoleranz und kreative Problemlösung schleichend verloren gehen.

Schließlich gibt es auch ökologische und soziale Kritikpunkte: Der enorme Energieverbrauch großer KI-Systeme, Ressourcenverbrauch in Rechenzentren sowie problematische Arbeitsbedingungen in Teilen der globalen KI-Lieferketten werden in Bildungsdebatten häufig kaum thematisiert.

Gerade Kinder und Jugendliche sind für all diese Entwicklungen besonders anfällig.

Der Fall „telli“ und das Verschwinden von Erinnerung

Besonders aufschlussreich wird die Situation durch den aktuellen Markenstreit rund um „telli“.

Das FWU erklärte offiziell: Die Marke dürfe ab dem 20. Mai 2026 nicht mehr verwendet werden. Sämtliche Erklärvideos mit dem Namen müssten angepasst oder entfernt werden.

Davon betroffen sind offenbar auch journalistische oder dokumentierende Inhalte.

So erhielt auch unser Blog kunstundki.de eine entsprechende Nachricht, nachdem wir kritisch über den Chatbot berichteten — unter anderem im Artikel und Podcast „Der KI-Chatbot telli im Schulalltag“.

Juristisch mag es dabei formal um Markenrecht gehen.

Doch gesellschaftlich entsteht etwas anderes: ein sogenannter „Chilling Effect“.

Das bedeutet: Menschen löschen Inhalte vorsorglich — nicht unbedingt, weil sie rechtswidrig sind, sondern weil sie juristische Risiken fürchten, Konflikte vermeiden wollen oder keine Ressourcen für Auseinandersetzungen besitzen.

Gerade kleinere Medien, Lehrkräfte und unabhängige Bildungsprojekte sind davon betroffen.

Strategische Erinnerungskontrolle?

Damit entsteht eine heikle Frage:

Kann Markenrecht indirekt genutzt werden, um öffentliche Debatten zu bereinigen?

Für den konkreten telli/AIS.chat-Fall gibt es dafür bislang keine Beweise.

Aber das strukturelle Szenario ist realistisch.

Denn moderne Informationskontrolle funktioniert oft nicht mehr primär über klassische Zensur, sondern über Plattformregeln, Rechteverwaltung, juristische Unsicherheit, automatisierte Löschmechanismen und institutionelle Risikoabwehr.

Die Wirkung kann dieselbe sein: Kritische Inhalte verschwinden.

Besonders problematisch wird das bei staatlich unterstützten Bildungsplattformen.

Denn wenn Videos, Blogartikel, Podcasts, Screenshots oder Unterrichtsdiskussionen nachträglich gelöscht werden, verändert sich die digitale Erinnerungskultur.

Später wirkt es womöglich so, als habe es nie ernsthafte Kritik gegeben.

Fazit: Die eigentliche Gefahr

Der zurückgezogene ChatGPT-Bildungs-Hype und der Fall telli/AIS.chat gehören deshalb zusammen.

Beide zeigen: Wie schnell technologische Systeme institutionelle Macht entwickeln können — noch bevor ihre langfristigen Folgen verstanden sind.

Eine fragwürdige Studie erzeugt politische Legitimation.

Ministerien bauen Infrastruktur auf.

Kritische Stimmen geraten unter Druck.

Und digitale Erinnerung beginnt zu verschwinden.

Die zentrale Frage lautet deshalb längst nicht mehr:

„Darf KI im Unterricht eingesetzt werden?“

Sondern:

„Wer kontrolliert künftig die Denk- und Wissensinfrastruktur von Kindern und Jugendlichen?“

Denn Bildung bedeutet nicht nur Informationsvermittlung.

Bildung bedeutet Zweifel, Eigenständigkeit, Konzentration, Reibung, Widerspruch und die Fähigkeit, Autoritäten kritisch zu hinterfragen.

Gerade diese Fähigkeiten könnten in einer KI-dominierten Bildungswelt schleichend verloren gehen.

Quellen

• Springer Nature – Retraction Note
• Originalstudie (retracted)
• GovTech-Bericht zur Retraktion
• Ars Technica zur Rücknahme
• 404 Media zur Studie
• FWU – Umbenennung telli → AIS.chat
• Schulministerium NRW – AIS.chat
• Lernen Digital NRW – AIS.chat
• kunstundki.de – Der KI-Chatbot telli im Schulalltag
• YouTube-Podcast zum Thema telli

Der Beitrag Der ChatGPT-Schulskandal erschien zuerst auf Kunst & KI.

Millionen unsichtbarer Hände: Datenarbeit für die KI

Die schönen neuen KI-Welten, in denen Texte, Bilder und Videos auf Knopfdruck entstehen, haben eine unsichtbare Grundlage: Millionen von Menschen, die weltweit als Datenarbeiter beschäftigt sind. Laut Schätzungen der Weltbank gibt es zwischen 150 und 430 Millionen Menschen, die zumindest gelegentlich sogenannte „Mikroarbeit“ erledigen – also kurze digitale Aufgaben. Viele davon arbeiten direkt oder indirekt am Training von KI-Systemen.

Eine realistische Zahl für jene, die regelmäßig an KI-Annotationen beteiligt sind, liegt wahrscheinlich im zweistelligen Millionenbereich – etwa 10 bis 20 Millionen Menschen weltweit. Sie sitzen in Indien, auf den Philippinen, in Venezuela oder in Kenia. Plattformen wie Appen, Clickworker, Scale AI oder Amazon Mechanical Turk vermitteln diese Jobs.

Ein bekannt gewordenes Beispiel ist Sama in Nairobi, Kenia: Hunderte Menschen klassifizierten für weniger als 2 Dollar pro Stunde Texte mit extrem verstörenden Inhalten, um ChatGPT „toxische“ Sprache abzutrainieren. Arbeiter bekamen extrem belastende Texte zu sehen: Gewaltfantasien, Kinderpornografie-Beschreibungen und Folterszenarien. Ihre Aufgabe war es, Inhalte in Kategorien einzuordnen wie „Sexueller Missbrauch“, „Hassrede“ oder „Selbstverletzung“. Für viele war es ein Job ohne Sicherheit, ohne psychologische Betreuung, mit extrem belastenden Auswirkungen. Manche sprachen von „Traumatisierung am Fließband“. Das klingt pervers: Um die Künstliche „Intelligenz“ überhaupt nutzbar zu machen, werden massenhaft unterbezahlte Arbeiter:innen traumatisiert?

Wie KI wirklich trainiert wird

Die Entwicklung von KI ist nicht magisch, sondern ein aufwändiger und arbeitsintensiver Prozess:

1. Datensammlung: Milliarden Texte, Bilder und Videos werden aus dem Internet gesaugt oder gezielt eingekauft.
2. Annotation durch Menschen: Crowdworker markieren, ob Inhalte beleidigend, informativ, korrekt oder irrelevant sind.
3. Vortrainierung: Das Modell lernt statistische Muster auf gewaltigen Datenmengen.
4. Feintuning: Mit Methoden wie „Reinforcement Learning from Human Feedback“ (RLHF) bewerten Menschen Antworten des Modells und geben Korrekturen vor.
5. Evaluation: Auch hier sind wieder Menschen im Einsatz, die prüfen, wie „gut“ das System arbeitet.

Ohne diese menschliche Vorarbeit wären heutige Sprach- oder Bildmodelle schlicht nicht funktionsfähig. Diese Tatsache verdeutlicht, die dem Begriff künstliche „Intelligenz“ innewohnende Täuschung.

Der ökologische Preis: Energie und Wasser

Neben der menschlichen Arbeitskraft ist es vor allem die Energiefrage, die nachdenklich stimmt.

• Das Training von GPT-3 soll etwa 1,3 Gigawattstunden Strom benötigt haben – genug, um über 100 US-Haushalte ein Jahr lang zu versorgen.
• GPT-4 dürfte noch weitaus mehr verbraucht haben, Schätzungen sprechen von mehreren Gigawattstunden.
• Datenzentren verschlingen zusätzlich enorme Mengen an Wasser: Microsoft gab 2023 bekannt, dass der Wasserverbrauch seiner Rechenzentren um 34 % gestiegen ist – unter anderem durch KI-Anwendungen.

Der CO₂-Ausstoß eines einzigen großen Modells kann leicht mehrere hundert Tonnen erreichen, vergleichbar mit hunderten Transatlantikflügen.

Der Slop-Kreislauf: Wie Content verdirbt

Wenn die Modelle einmal im Einsatz sind, beginnt der nächste problematische Prozess: der Slop-Kreislauf.

1. KI-Tools erzeugen massenhaft Content: Blogartikel, SEO-Texte, Produktbeschreibungen, Fake-Rezensionen.
2. Zunehmend kommen auch Deepfakes hinzu – manipulierte Bilder, Stimmen und Videos, die täuschend echt wirken.
3. Plattform-Algorithmen wie die von Google, TikTok oder Meta belohnen Masse und Reichweite, nicht Qualität. Sie verstärken also genau jenen billigen KI-Content, der Klicks bringt.
4. Hochwertige Inhalte von echten Autor:innen, Journalist:innen oder Künstler:innen geraten ins Hintertreffen, weil sie in der Flut untergehen oder vom Algorithmus schlechter ausgespielt werden.
5. Neue KI-Systeme greifen dann wieder auf diese Daten zurück – und trainieren zunehmend auf KI-generiertem Müll.

So entsteht ein Degenerationskreislauf: KI produziert Slop, dieser Slop wird von Plattformen verstärkt, verdrängt gute Inhalte und füttert am Ende wieder die nächste KI-Generation.

Die Folge:

• Autor:innen und Künstler:innen verlieren Reichweite und Einkommen, weil ihre Werke im Datenrauschen untergehen oder von KI-Plagiaten kopiert werden.
• Kulturelle Vielfalt und kritische Stimmen werden geschwächt.
• Das Internet verkommt von einem Raum menschlicher Kreativität zu einer Müllhalde automatisierter Beliebigkeit.

Finanzblase und Superintelligenz-Hype

Parallel dazu erleben wir eine Spekulationswelle an den Finanzmärkten. Nvidia ist 2025 das wertvollste börsennotierte Unternehmen der Welt, während Start-ups mit Milliarden bewertet werden, ohne tragfähiges Geschäftsmodell. Viele Ökonom:innen warnen vor einer KI-Blase, vergleichbar mit der Dotcom-Euphorie um 2000.

Dazu kommt die Erzählung von der baldigen AGI (Artificial General Intelligence) oder gar ASI (Artificial Superintelligence). Schon in den 1950er Jahren sagte der Informatiker I.J. Good voraus, dass bald eine „intelligence explosion“ eintreten werde, bei der Maschinen alle Probleme lösen. Seitdem wiederholt sich die Geschichte: In den 1970ern, 1980ern, 2000ern und heute – stets hieß es, die Superintelligenz stehe vor der Tür.

Doch bis heute sind wir weit davon entfernt. Kritische Stimmen machen das deutlich:

• Rodney Brooks (MIT): „Wir verwechseln Demos mit Intelligenz.“ KI sei weit von menschlicher Flexibilität entfernt.
• Gary Marcus (NYU): „Deep Learning allein reicht nicht. Ohne Kausalität und Commonsense bleibt AGI Illusion.“
• Emily Bender (University of Washington): Sprachmodelle sind „stochastische Papageien“ – sie verstehen nicht, was sie sagen.
• Abeba Birhane (ETH Zürich): AGI-Hype ist ein „koloniales Narrativ“, das Ausbeutung im Globalen Süden verschleiert.
• Yann LeCun (Meta AI): „Niemand weiß, wie man AGI baut. Wir sind nicht nah dran.“

Die Erzählung von der Superintelligenz dient oft weniger der Wissenschaft als dem Marketing und der Kapitalbeschaffung.

Fortschritt – oder Scheinfortschritt?

Die Frage ist daher: Können wir das wirklich Fortschritt nennen?

• Millionen Datenarbeiter schuften für Centbeträge und sehen traumatisierenden Content.
• Das Klima wird durch den Energiehunger der Modelle belastet.
• Das Internet droht im Slop zu ersticken.
• Finanzblasen und Mythen von Superintelligenz verschieben Aufmerksamkeit und Kapital.

Wenn Fortschritt bedeutet, die Lebensqualität zu erhöhen, Ungleichheit zu verringern und die Umwelt zu schützen, dann ist das, was wir derzeit erleben, eher Scheinfortschritt.

Was wir tun könnten

Gibt es Wege, gegenzusteuern? Gibt es politische, wirtschaftliche und gesellschaftliche Hebel? Darüber sollten wir dringend nachdenken. Eine kurze Liste zentraler Ansätze:

• Transparenz: KI-Firmen müssen offenlegen, welche Daten sie nutzen und wie viel Energie sie verbrauchen.
• Faire Arbeit: Mindeststandards, gerechte Bezahlung, psychologische Betreuung für Crowdworker.
• Urheberrechte: Künstler:innen müssen ein Opt-out haben und für die Nutzung ihrer Werke entschädigt werden.
• Ökologische Regeln: Rechenzentren verpflichten, auf erneuerbare Energien und effiziente Kühlung zu setzen.
• Kennzeichnungspflicht: KI-generierte Inhalte müssen klar erkennbar sein.
• Gemeinwohl-KI: Öffentliche Investitionen in KI für Medizin, Bildung und Klimaforschung – statt reiner Profitorientierung.
• Wettbewerbspolitik: Maßnahmen gegen Monopole, Förderung offener Modelle.

Fazit

Technisch und oberflächlich wirkt KI beeindruckend. Aber Fortschritt misst sich nicht an Rechenleistung, sondern daran, ob sie das Leben der Menschen verbessert. Bisher sehen wir vor allem Kosten: menschliche, ökologische und kulturelle.

Echter Fortschritt entstünde erst, wenn KI fair, nachhaltig und gemeinwohlorientiert entwickelt wird. Nicht als Werkzeug für die Machtkonzentration weniger Konzerne, sondern als Technologie, die die Lebensqualität aller steigert.

Quellen- und Literaturliste

Dokumentarfilme / Medien

• Arte-Doku: KI: Der Tod des Internets (Regie: Mario Sixtus, 2024).
• Arte-Doku: KI – Die letzte Erfindung? (Arte, 2024).

Journalistische Quellen

• Perrigo, Billy: OpenAI Used Kenyan Workers on Less Than $2 Per Hour to Make ChatGPT Less Toxic. TIME Magazine, 18.01.2023.
  👉 time.com

• Perrigo, Billy: AI Gig Workers Face ‘Unfair Working Conditions,’ Study Says. TIME Magazine, 2023.
• The Guardian: ‘It’s destroyed me completely’: The human cost of training AI. 02.08.2023.
• VICE: OpenAI Used Kenyan Workers Making $2 an Hour to Filter Traumatic Content From ChatGPT. 2023.
• CBS News / 60 Minutes: The hidden costs of AI: Underpaid Kenyan workers and the toll of content moderation. 2023.
• Economist: The Hidden Workforce Behind AI. 10.04.2025.
• WeeTracker: OpenAI Paid Sama $12 an Hour Per Worker—Kenyans Only Got $2. 25.11.2024.

Wissenschaftliche Arbeiten

• Bender, Emily M.; Gebru, Timnit; McMillan-Major, Angelina; Mitchell, Margaret:
  On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? In: Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21). Association for Computing Machinery, 2021. DOI: 10.1145/3442188.3445922
• Marcus, Gary: Deep Learning Is Hitting a Wall. Substack / garymarcus.substack.com, 2022.
• Crawford, Kate: Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. Yale University Press, 2021.
• Birhane, Abeba: Algorithmic Colonization of Africa. SCRIPTed, Vol. 17, No. 2, 2020. DOI: 10.2966/scrip.170220.389
• Brooks, Rodney: The Seven Deadly Sins of AI Predictions. MIT Technology Review, 2017.
• Chomsky, Noam; Roberts, Ian; Watumull, Jeffrey: The False Promise of ChatGPT. The New York Times, 08.03.2023.

Studien und Reports

• Weltbank: The Global Gig Economy. Washington, 2021.
• Fairwork Project: Fairwork Cloudwork Report. Oxford Internet Institute, 2023.
• International Labour Organization (ILO): World Employment and Social Outlook 2021 – The role of digital labour platforms in transforming the world of work. Genf, 2021.

Online-Dossiers

• Privacy International: Humans in the AI Loop – The Data Labelers Behind Some of the Most Powerful LLMs. 2023.
• AlgorithmWatch: AI and the Hidden Human Labour Behind It. 2022.

Der Beitrag Slop, Superintelligenz und Scheinfortschritt erschien zuerst auf Kunst & KI.