A Meta-Review of Generative AI in Education: Synthesizing Findings from Systematic Reviews
SAGE Publications (Journal of Educational Computing Research)
Abstract
Eigene Zusammenfassung: Die Studie ist eine Meta-Review — eine systematische Auswertung von 35 bereits publizierten systematischen Reviews zur generativen KI in der Bildung. Statt einzelner Primärstudien nimmt sie die zweite Ebene der Evidenz in den Blick und fragt, was die vorliegenden Übersichtsarbeiten in der Summe zeigen und wo sie methodisch auseinanderlaufen. Das Ergebnis ist ernüchternd differenziert: Die Reviews bestätigen zwar wiederkehrend Nutzenpotenziale generativer KI (Schreibunterstützung, Feedback, personalisiertes Üben), doch die Autor:innen konstatieren erhebliche methodische Inkonsistenzen zwischen den Arbeiten, eine schwache theoretische Fundierung vieler Anwendungen und eine nur lückenhafte Erfassung tatsächlicher Lernergebnisse. Besonders kritisch: Kaum eine der ausgewerteten Reviews liefert konkrete Strategien, um bekannte Risiken — Verzerrung, Überabhängigkeit, ethische Probleme — zu adressieren. Die Arbeit erschien online im Januar 2026 im Journal of Educational Computing Research, einem etablierten Fachorgan der Bildungstechnologie-Forschung, und ist peer-reviewed.
Einordnung
Die Bibliothek versammelt bereits mehrere systematische Reviews und Einzelstudien zur generativen KI in der Hochschule (Crompton/Burke, sowie der in Prüfung befindliche Slimi-Review). Diese Meta-Review steht eine Etage höher: Sie synthetisiert nicht Primärstudien, sondern die Übersichtsarbeiten selbst und liefert damit die derzeit umfassendste «Karte des Feldes». Für Forschende und bildungspolitische Akteure, die nicht eine weitere Einzelstudie, sondern eine belastbare Standortbestimmung der Evidenzlage suchen, ist das der natürliche Einstiegspunkt.
Diskurspolitisch ist die Arbeit aufschlussreich, weil sie weder in die technikoptimistische noch in die fundamentalkritische Lesart fällt, sondern eine methodologische Position bezieht: Das Problem ist nicht primär die Technologie, sondern die Qualität der Forschung über sie. Wenn 35 Reviews zwar Nutzen behaupten, aber weder theoretisch fundiert noch mit konkreten Risikomitigationen arbeiten, dann verweist das auf eine strukturelle Schwäche des Forschungsprogramms. Damit liefert die Arbeit ein empirisch grundiertes Argument für genau jene Skepsis, die Werke wie Selwyn («Digital Degrowth») oder Mochizuki/UNESCO theoretisch vortragen — nur aus der Binnenperspektive der Wirksamkeitsforschung heraus. Wer KI-Einsatz an Hochschulen oder in der Bildungssteuerung mit «die Studienlage zeigt» begründet, findet hier die nötige Relativierung: Die Studienlage zeigt vor allem, dass die Studienlage dünn ist.
Anschlussfähig ist die Arbeit nach zwei Seiten: zu den anwendungsorientierten Reviews von Crompton/Burke (was wird konkret untersucht) und zu den policy-orientierten Synthesen von OECD (was folgt daraus für die Steuerung). Wo OECD und Crompton/Burke Befunde referieren, prüft Zhang et al. deren Tragfähigkeit.
Leseempfehlung
Für Bildungsforschende und bildungspolitische Stäbe, die eine aktuelle, kritisch gelesene Standortbestimmung der GenAI-Evidenz brauchen, bevor sie eigene Reviews oder Strategiepapiere aufsetzen. Als methodische Vorschaltlektüre zu den anwendungsbezogenen Reviews (Crompton/Burke) geeignet. Für Lehrpersonen in der Praxis weniger einschlägig — dafür bietet die Bibliothek praxisnähere Titel.