Einleitung
Samira Kühn saß in der Hochschulbibliothek, als der Rechner sie nach zwei Stunden automatisch abmeldete. Ihr Code war gespeichert, ihre Geduld nicht. Auf dem Bildschirm hatte ein kleiner Mathebot gerade behauptet, ein falscher Zwischenschritt sei „sehr gut begründet“.
Heute studiert Samira in Köln und entwickelt Lernwerkzeuge für Jugendliche, die sich vor Mathefragen eher ducken als melden. Sie kennt dieses Zögern. In ihrer Familie war ein Studium kein selbstverständlicher Flur, durch den man einfach geht.
Geschichte des Weges in die KI
Die Idee entstand aus Nachhilfe, die sich viele nicht leisten können. Samira wollte keinen Automaten bauen, der Lösungen ausspuckt, sondern einen Tutor, der nachfragt: Was hast du verstanden, wo bist du abgebogen, welches Wort in der Aufgabe macht Ärger? Am Anfang hatte sie keinen eigenen Laptop und programmierte zwischen Nebenjob, Mensa und geliehenen Geräten.
Die ersten Versionen waren freundlich und trotzdem falsch. Bei Brüchen lobte der Bot manchmal den Rechenweg, obwohl die Nenner durcheinandergeraten waren. Bei Textaufgaben sprang er zu schnell zur Musterlösung. Samira begann, nicht nur richtige Antworten zu zählen, sondern Momente der Verwirrung: Schweigen, abgebrochene Eingaben, dieselbe Frage in anderer Form.
Aktuelle Arbeit
In einem Hochschulprojekt testet Samira inzwischen Lernpfade mit Schulklassen und Berufsvorbereitungskursen. Ihr Tutor stellt nach jeder Erklärung eine kleine Gegenfrage und zeigt Unsicherheit, wenn die Eingabe mehrdeutig ist. Bei einer Prozentaufgabe fragt er zuerst, ob es um den alten Preis, den neuen Preis oder die Differenz geht.
Der Prototyp hilft vor allem dort, wo Jugendliche keine Angst haben wollen, „dumme“ Fragen zu stellen. Samira hält trotzdem Abstand zum großen Versprechen. Ein Lernbot erkennt keine Müdigkeit im Gesicht und ersetzt keine Lehrkraft, die merkt, dass ein Schüler seit Tagen fehlt.
Persönlicher Rat
„Bau für die Stelle, an der du selbst fast ausgestiegen wärst“, sagt Samira. Damit wird Unsicherheit nicht zur Schwäche, sondern zum Testfall. Gute Lern-KI muss aushalten, dass Menschen langsam, sprunghaft und manchmal beschämt lernen.
Schlüsselfakten
Alter und Ort: 20, Köln.
Hintergrund: Erstakademikerin, Nebenjob, begrenzte Ausstattung.
Einstieg in KI: ein Mathe-Tutor, der Rechenschritte erklärt und Rückfragen stellt.
Schwerpunkt heute: faire Bildungs-KI für heterogene Lernstände.
Typische Werkzeuge: Sprachmodelle, einfache Webentwicklung, Lernanalyse.
Werkstattnotiz
Samira sammelt Fehlantworten wie andere Leute Quellenangaben: nicht zum Vorführen, sondern als Material. In ihrer Liste steht noch der Bruchfehler aus der Bibliothek, daneben drei Schülerfragen, die das System zunächst für identisch hielt. Sie arbeitet daran, Verwechslungen nicht nur zu korrigieren, sondern sie für Lernende sichtbar und weniger peinlich zu machen.