Wird KI Einsteigerkurse zerstören? Was Experten stattdessen lehren sollten!

Jede Woche schließt ein neues Bootcamp seine Türen; jeden Monat erzeugt ein KI-Tool besseren JavaScript-Code als der unerfahrenste Junior-Entwickler. Die Frage wird sowohl in Foren als auch in Fakultätssitzungen immer wieder gestellt: Wird Künstliche Intelligenz Einsteigerkurse überflüssig machen?

Die Sorge ist berechtigt; ChatGPT kann Schleifen aufschlüsseln, HTML erstellen und Python in Sekunden debuggen. Warum sollte man 3 Wochen in einen strukturierten Kurs investieren, wenn ein „Helfer“ beim Programmieren unterstützen kann?

Allerdings wird KI den Bedarf an schlecht konzipierten Einsteigerkursen beseitigen, also solchen, die Menschen wie langsame Computer behandeln. Was sich verändert, ist, was Anfänger wirklich brauchen – und welche Fähigkeiten ihnen vermittelt werden. Expert:innen, die sich an eine sich ständig weiterentwickelnde Landschaft anpassen können, werden wertvollere und relevantere Fähigkeiten vermitteln als je zuvor. 

Was KI tatsächlich gut kann

Die Neugestaltung von Einsteigerkursen sollte mit einer ehrlichen Einschätzung beginnen, worin KI heute besonders gut ist. Aktuelle KI-Modelle (ChatGPT, Claude, Copilot usw.) zeichnen sich in drei zentralen Bereichen aus, die Lernenden helfen: 

Konzepte auf verschiedene Arten erklären 

Zum Beispiel kann KI eine „for-Schleife“ so erklären, als wärst du zehn Jahre alt, eine technische Definition liefern und sie mit einem Café vergleichen. KI wird nicht müde, Inhalte in verschiedenen Stilen zu formulieren, und passt ihre Sprache an deine Anweisungen an. 

Unbegrenzte Übungsaufgaben erstellen 

Wenn du zehn verschiedene Aufgaben zur Übung von String-Manipulation brauchst, erstellt KI sie für dich. Wenn du sie in steigender Schwierigkeit möchtest, erledigt KI das ebenfalls. KI beseitigt den Mangel an Übungsmaterial. Anfänger müssen nicht mehr auf ein Lehrbuch voller Aufgaben warten. 

Anfänger:innen unmittelbares, risikofreies Feedback geben 

Wenn ein Anfänger Code mit Fehlern schreibt, kann KI diese erkennen, erklären, warum es Fehler sind, und zeigen, wie man sie behebt – ohne zu urteilen. So entsteht nicht die Angst, vor Lehrern oder Mitschülern dumm zu wirken. 

Allerdings kann KI nur auf Basis dessen antworten, was du fragst (nicht unbedingt dessen, was du brauchst). KI hat kein langfristiges Gedächtnis, um Lernfehler über Wochen hinweg zu erkennen.

Was ist das Problem mit aktuellen Einsteigerkursen?

Viele Kurse wurden für eine Welt ohne KI entwickelt – aber diese Welt existiert nicht mehr. Heute lehren sie oft Dinge, die durch KI nahezu wertlos geworden sind. Hier sind drei häufige Probleme:

Zu starker Fokus auf das Auswendiglernen von Syntax

Studierende verbringen Wochen damit, Variablendeklarationen, Schleifenstrukturen und Funktionsdefinitionen auswendig zu lernen. Währenddessen kann KI die gesamte Syntax übernehmen – sie ist also kaum noch relevant. Es ist auch unwichtig für Anfänger, dass Java „equals()“ statt „==“ für String-Vergleiche verwendet. Wichtig ist nur zu verstehen, dass String-Vergleiche komplex sind – und KI liefert die passende Syntax.

Isolierte Beispielaufgaben

Die meisten Übungen sind einfache Beispielprobleme (z. B. einen String umdrehen oder den Durchschnitt von drei Zahlen berechnen). Sie trainieren nur einzelne Regeln und spiegeln selten reale Probleme wider. KI löst solche Aufgaben in wenigen Sekunden. Stundenlanges Üben bringt nur minimale Fähigkeiten.

Lineare Einheitsstruktur

Alle starten in Woche 1 und enden in Woche 12. Schnelle Lernende langweilen sich, langsamere fallen zurück. KI hingegen kann individuelle Lernpfade bieten. Starre Curricula sind daher ineffizient.

Was aus Einsteigerkursen tatsächlich resultiert

Am Ende verlässt ein Anfänger den Kurs mit zwei Dingen: einer schwachen Fähigkeit, einfache Programme auswendig zu schreiben, und keinerlei Ahnung, was zu tun ist, wenn Probleme auftreten. Studierende lernen viele Fähigkeiten, die KI bereits beherrscht.

Das Problem wird dadurch verschärft, dass Studierende ein falsches Gefühl von Kompetenz entwickeln („Fake Confidence“), nur um beim ersten echten Projekt festzustellen, dass sie lediglich Syntax kennen und die Sprache nicht wirklich anwenden können.

Was Anfänger wirklich verpassen

Anfänger haben kein gutes Urteilsvermögen. Sie wissen nicht, wie man unklare Probleme in konkrete Aufgaben zerlegt. Und vor allem fehlt ihnen ein Gefühl dafür, wann und wie man testet und validiert. Diese Fähigkeiten werden nicht durch Syntax-Übungen vermittelt.

Was Expert:innen stattdessen lehren sollten

Während KI Grammatik, Algorithmen und Übungen erleichtert, bleiben viele andere Aufgaben menschlichen Lehrkräften vorbehalten. Das erfordert jedoch ein Umdenken in der Kursgestaltung. Es gibt fünf zentrale Fähigkeiten, auf die sich Lehrende konzentrieren sollten: 

1. Probleme zerlegen

KI kann Probleme erkennen, aber keine vagen Ideen strukturieren. 

Studierende sollten lernen zu erkennen, dass zusätzliche Informationen nötig sind:

• Welches Gerät wird verwendet? 

• Wie wird das Ergebnis gesammelt? 

• Wer übernimmt welchen Teil der Lösung? 

Zerlege ein Problem in 5–10 konkrete Schritte. 

Bestimme, welche Schritte zuerst erledigt werden müssen. 

2. Testen und Verifizieren

KI wirkt sehr sicher, aber Anfänger erkennen Fehler oft nicht. 

Studierende sollten lernen:

• Testfälle vor dem Programmieren zu erstellen. 

• KI-Ergebnisse anhand einfacher Tests zu überprüfen. 

• Fehler in KI-Erklärungen zu erkennen. 

3. Bestehenden Code lesen und debuggen

KI kann Code erzeugen, aber der Großteil der Arbeit besteht darin, bestehenden Code zu verstehen, zu debuggen und zu verbessern. 

Studierende sollten lernen:

• Den Ablauf eines Programms nachzuvollziehen, ohne es auszuführen. 

• Debugging-Tools und Ausgaben systematisch zu nutzen. 

• Erklären, was ein Codeabschnitt tatsächlich macht (im Gegensatz zu dem, was beabsichtigt war).

4. Verbessere deine Fähigkeit, Fragen zu stellen (Prompting) 

Wenn dein Prompt schlecht ist, bekommst du auch eine schlechte Antwort von der KI. Anfänger sagen oft einfach „fix this code“ ohne Kontext.

Lehre Anfänger:

• Fehlermeldungen und erwartetes Verhalten anzugeben

• Die KI zu bitten, ihre Denkweise zu erklären, nicht nur die Antwort zu liefern

• Zu wiederholen: „Das hat nicht funktioniert; das ist passiert, versuch es nochmal."

5. Mentale Modelle des Systemverhaltens

Syntax wird mit der Zeit aus dem Gedächtnis verschwinden, während du lernst, mentale Modelle davon zu entwickeln, wie Dinge funktionieren. Ein Anfänger, der versteht, dass eine Variable wie eine beschriftete Box ist, kann sehr schnell alle Programmiersprachen lernen.

Zeige Anfängern, wie sie:

• Skizzieren, was im Speicher ihres Computers passiert, wenn ihr Code ausgeführt wird

• Die Ausgabe des Codes vor der Ausführung vorhersagen

• Erklären, warum der Code nicht funktioniert hat, statt nur zu zeigen, wie man ihn repariert

Beispiel für den Wechsel von einem Ansatz zum anderen

Alter Ansatz: „Lerne die Listenmethoden in Python auswendig und mache 20 Übungen."

Neuer Ansatz: „Ich habe ein Programm, das nicht funktioniert; es wurde von einer KI geschrieben. Finde drei Fehler, behebe sie und bitte dann die KI zu erklären, warum es Fehler waren." 

So unterstützt ein Experte den Lernenden als durchdachter Coach, statt einfach Antworten zu liefern.

Wie man einen Einsteigerkurs neu strukturiert

Dozenten und Kursentwickler haben viele Möglichkeiten, KI im Unterricht praktisch einzusetzen.

Ändere deine Lernziele

So kannst du ein anderes Ziel wählen:

Fünf Wege, deinen Kurs rund um KI neu zu gestalten

• Beginne am ersten Unterrichtstag mit KI als Partner – Zeige den Studierenden, wie man richtig promptet, überprüft und nachfragt.

• Hör auf mit Syntax-Quizzen – Frage stattdessen: „Was denkst du, wird die Ausgabe dieses Codes sein?"

• Nutze fehlerhaften oder KI-generierten Code als Hauptmaterial – Lass Studierende Probleme finden und lösen, wie in der echten Arbeitswelt.

• Lehre Debugging bevor Schreiben – Erst Code verstehen und korrigieren, dann eigenen schreiben.

• Bewerte den Lösungsweg, nicht nur das Ergebnis – Studierende dokumentieren Prompt, KI-Antwort, Überprüfung und Korrektur.

Beispiel: Vorher vs. Nachher bei Schleifen

Beim Lernen von for- und while-Schleifen folgen meist kleine Aufgaben Schritt für Schritt. Danach kommen viele kurze Übungen wie Zahlen von 1–10 ausgeben oder Werte addieren.

Im neuen Ansatz erhältst du fehlerhaften KI-Code, sagst die Ausgabe voraus und findest Fehler (z. B. Off-by-One). Danach lässt du dir von der KI neue Tests generieren. So entsteht ein kompletter Lernzyklus. 30 Minuten statt 3 Stunden – Syntax geht schnell, Fehleranalyse dauert länger.

Achtung! Einmal kurz KI erklären bringt nichts. Diese Denkweise muss in jede Aufgabe integriert werden. Sonst nutzen Lernende KI nur als Abkürzung, ohne wirklich zu lernen.

Fazit

Grundkurse verschwinden nicht wegen KI. Aber solche, die nur auf Wiederholung basieren, werden schnell an Bedeutung verlieren. Lehrkräfte vermitteln noch immer Regeln, obwohl alle Antworten längst online verfügbar sind. 

Der sinnvollere Weg: Fokus auf Denken statt Tippen. Ideen überprüfen statt auswendig lernen. Probleme zerlegen statt Formeln folgen.

Wenn man feststeckt, beginnt echtes Lernen. Gute Kurse zeigen den nächsten Schritt. Genau hier versagt KI oft. Diese Fähigkeit ist heute entscheidend – alles andere übernimmt die KI.