Was sich aus 1.000 Beispielen für videobasiertes Lernen mit KI ableiten lässt: Im Mittelpunkt stehen nicht „Lehrer-Ersatz“, sondern Kürze, Skalierung und Interaktion

Videobasiertes Lernen mit KI dreht sich nicht nur um spektakuläre „KI-Lehrer“. Bei der Auswertung von 1.000 öffentlich zugänglichen Praxisbeispielen, Lernmaterialien und Einführungsberichten zeigte sich: Die größte Veränderung liegt darin, die Kosten der Videoproduktion zu senken, Videos zu kürzen und sie den richtigen Personen in der passenden Form bereitzustellen.

Für diese Untersuchung wurden aus acht Bereichen jeweils 125 Beispiele gesammelt – insgesamt 1.000: betriebliche Weiterbildung, Hochschulen, Primar- und Sekundarbildung, Sprachlernen, Medizin und Sicherheit, berufliche Qualifizierung, lebenslanges Lernen sowie Unterstützung für Lehrkräfte und Kreative. Stichtag war der 3. Oktober 2026. Jedes in der öffentlichen YouTube-Suche auffindbare Video wurde als ein Beispiel gezählt; Dubletten wurden anhand von Titel und Beschreibung entfernt.

Zunächst das Fazit

Der wichtigste Einsatzbereich von KI ist die „Automatisierung der Erstellung und Bearbeitung von Lernmaterialien“ mit 515 Fällen (51,5 %). Hinter-den-Kulissen-Anwendungen wie Skripte, Schnitt, Vertonung, Untertitel und Kürzungen sind häufiger als KI-Avatare oder dialogorientierte Tutoren.
364 Fälle (36,4 %) waren interaktiv. Videos entwickeln sich von einem Format zum bloßen Abspielen hin zu Lernoberflächen mit Fragen, Quizzen, Gesprächen und Feedback.
Kürze ist zu einem Gestaltungsprinzip geworden. Die Medianlänge der Videos betrug 6 Minuten und 47 Sekunden. 417 Fälle (41,7 %) dauerten weniger als fünf Minuten, 347 (34,7 %) fünf bis 15 Minuten; 76,4 % lagen unter 15 Minuten.
Echte Personalisierung ist weiterhin eine Minderheit. Nur bei 42 Fällen (4,2 %) konnte Personalisierung oder Empfehlung als Hauptzweck eingestuft werden. Gemessen an ihrer Sichtbarkeit in der Debatte sind öffentliche Beispiele noch deutlich seltener als Anwendungen zur Produktionsunterstützung.
Mehrsprachigkeit und Barrierefreiheit sind klein, aber operativ wertvoll. Übersetzung, Untertitelung, Synchronisation und Barrierefreiheit standen in 28 Fällen (2,8 %) im Mittelpunkt. Die Zahl ist gering, doch in globalen Weiterbildungen lassen sich die Auswirkungen auf Zeit und Kosten oft gut beziffern.

Aufschlüsselung der 1.000 Fälle

Um Verzerrungen zu begrenzen, wurden die folgenden acht Schichten jeweils auf 125 Fälle festgelegt.

Bereich	Fälle	Anteil
Betriebliche Weiterbildung und organisatorisches Lernen	125	12,5 %
Hochschulen und höhere Bildung	125	12,5 %
Primar- und Sekundarbildung	125	12,5 %
Sprachlernen	125	12,5 %
Medizin, Sicherheit und Fachberufe	125	12,5 %
Berufliche Qualifizierung und Kompetenzerwerb	125	12,5 %
Lebenslanges Lernen und individuelles Lernen	125	12,5 %
Unterstützung für Lehrkräfte und Kreative	125	12,5 %

Die Beiträge verteilten sich auf 774 Kanäle; selbst der aktivste Kanal kam nur auf 13 Fälle (1,3 %). Die Untersuchung zählt also nicht bloß Fallstudien eines einzelnen Anbieters.

Interessanter Aspekt 1: KI verändert zunächst das „Erstellen“, nicht das „Lehren“

Hauptrolle der KI	Fälle	Anteil
Automatisierung der Erstellung und Bearbeitung von Lernmaterialien	515	51,5 %
Dialog, Fragen und Bewertung	309	30,9 %
KI-Dozenten, Avatare und Videogenerierung	92	9,2 %
Personalisierung und Empfehlungen	42	4,2 %
Übersetzung, Untertitel und Barrierefreiheit	28	2,8 %
Zusammenfassungen, Suche und Unterstützung beim Wiederholen	14	1,4 %

Bei „KI-gestütztem Videolernen“ stellt man sich leicht eine Zukunft vor, in der ein KI-Dozent Lernende direkt anspricht. Die Zahlen zeigen jedoch, dass KI zunächst in der Produktion eingesetzt wird: Texte in Videos verwandeln, lange Lernmaterialien kürzen, Vertonungen austauschen und Inhalte schneller aktualisieren.

Der Nutzen ist leicht messbar. In der Fallstudie von Fiery wurden innerhalb eines Jahres mehr als 1.000 Videos produziert, in acht Sprachen ausgerollt und die Zeit für Videoaktualisierungen laut Angabe um 87 % reduziert. In der Fallstudie von International SOS erreichte die Abschlussquote der Schulungen innerhalb von zwei Monaten 97 %, während sich der Übersetzungszeitraum von mehreren Monaten auf einige Wochen verkürzte.

Bei frühen Investitionsentscheidungen ist daher weniger ausschlaggebend, ob „KI klüger als ein menschlicher Lehrer ist“, sondern eher, „in wie vielen Tagen sich veraltete Lernmaterialien aktualisieren lassen“ und „in wie vielen Sprachen sie bereitgestellt werden können“.

Interessanter Aspekt 2: Videos werden kürzer und sprechen Lernende unterwegs an

Videolänge	Fälle	Anteil
Unter 5 Minuten	417	41,7 %
5–15 Minuten	347	34,7 %
15–30 Minuten	126	12,6 %
30 Minuten oder länger	109	10,9 %

Der Median der 999 Fälle mit bekannter Laufzeit betrug 6 Minuten und 47 Sekunden. Die hohe Zahl kurzer Videos könnte allein mit dem Einfluss sozialer Medien erklärt werden. In den untersuchten Beispielen fiel jedoch vor allem ein Design auf, das Fragen, Quizze, Gespräche und unmittelbares Feedback in kurze Videos integriert.

364 Fälle (36,4 %) wurden als interaktiv eingestuft. Bei 636 (63,6 %) blieb das Format einseitig, oder KI wurde auf der Produktionsseite eingesetzt. Einseitige Formate bilden noch die Mehrheit, doch mehr als eines von drei Beispielen integriert irgendeine Form von Reaktion in das Lerndesign.

Die Fallstudie von Kyron Learning ist dafür beispielhaft. Statt statischer Vorlesungsvideos stellt das System zwischendurch Fragen, regt zum Nachdenken an und passt den Verlauf an das Verständnis an. Laut Darstellung gaben mehr als 80 % der Nutzenden an, besser gelernt zu haben. Auch in der Forschung gibt es Arbeiten, etwa eine Studie zum Potenzial synthetischer Lernvideos und eine Studie zur Interaktivierung von Vorlesungsvideos mit KI-geklonten Lehrenden.

Interessanter Aspekt 3: „Personalisierung“ ist nicht so verbreitet wie die Werbung vermuten lässt

In dieser Untersuchung konnten nur 42 Fälle beziehungsweise 4,2 % als primär auf Personalisierung oder Empfehlungen ausgerichtet eingestuft werden. Zwar waren 30,9 % dialogorientiert, doch Beispiele, die Reihenfolge, Erklärungen und Schwierigkeitsgrad der Lernmaterialien dauerhaft an einzelne Lernende anpassen, sind selten.

Die Gründe liegen nahe. Videogenerierung erzeugt ein sichtbares Ergebnis und ist leicht einzuführen. Personalisierung hingegen erfordert Lernverläufe, Bewertungsmaßstäbe, Datenschutz und eine sichere Gestaltung für den Umgang mit falschen Antworten. Der Betrieb ist schwieriger als eine ansprechende Demo.

Für Einführungsverantwortliche ist das wichtig. Statt sich auf die Bezeichnung „KI-gestützt“ zu verlassen, sollte geprüft werden, welche der folgenden Stufen tatsächlich umgesetzt sind.

KI erstellt für alle dasselbe Video
KI beantwortet Fragen während des Ansehens
Das nächste Lernmaterial ändert sich je nach Verständnisstand
Die Erklärung selbst wird passend zur lernenden Person generiert
Lernergebnisse werden an menschliche Lehrkräfte oder Vorgesetzte zurückgespielt

Diese fünf Stufen unterscheiden sich erheblich bei Kosten und Risiken.

Interessanter Aspekt 4: Besonders gut funktionieren Bereiche mit viel Wiederholung, schnellen Aktualisierungen und Mehrsprachigkeitsbedarf

Über alle 1.000 Fälle hinweg wurden Bedingungen sichtbar, unter denen KI-gestütztes Videolernen besonders gut passt.

Derselbe Inhalt wird vielen Menschen wiederholt vermittelt
Vorschriften, Produkte oder Software ändern sich häufig
Eine Ausweitung auf mehrere Sprachen und Regionen ist erforderlich
Die Zeit von Lehrenden soll für Fragen und individuelle Unterstützung frei werden
Abläufe lassen sich in kurze Einheiten zerlegen
Lernende möchten zu selbst gewählten Zeiten wiederholen

In Unternehmen betrifft dies Onboarding, Compliance, Sicherheit und Produktschulungen. Für Studierende sind es Ergänzungen zu Vorlesungen, Frage-Antwort-Formate und Wiederholungsübungen. Beim lebenslangen Lernen passen Sprachlernen, Softwarebedienung, Zertifikate und Hobbykompetenzen besonders gut.

Dagegen dürfen bei Diskussionen ohne eindeutige richtige Antwort, emotionaler Unterstützung, risikoreicher praktischer Leistungsbewertung und Anwendungen mit Daten von Kindern menschliche Aufsicht und Sicherheitsvorkehrungen nicht fehlen.

Verteilung der Lernziele

Wichtigstes Lernziel	Fälle	Anteil
Allgemeinbildung und Lernunterstützung	466	46,6 %
Sprachen	153	15,3 %
Technik und berufliche Kompetenzen	120	12,0 %
Medizin und Gesundheit	105	10,5 %
Arbeit und Onboarding	92	9,2 %
Compliance und Sicherheit	64	6,4 %

Diese Verteilung misst keine Marktgröße. Sie ist das Ergebnis einer Klassifizierung des Hauptzwecks anhand von Titeln und Beschreibungen innerhalb einer Stichprobe mit gleich großen Anteilen aus acht Bereichen. Dennoch wird deutlich, dass KI-gestütztes Videolernen nicht nur ein Thema für Schulen ist, sondern sich auf Arbeit, Gesundheit, Sprachen und das alltägliche Lernen ausweitet.

Wenn Sie es einführen wollen, beginnen Sie hier

Für Organisationen eignet sich als erstes Thema ein „zehnminütiges Erklärungsvideo, das monatlich aktualisiert wird“. Nicht Perfektion, sondern die Aktualisierungsfrequenz schafft den Wert. Einzelpersonen sollten Videos nicht nur passiv ansehen, sondern die KI nach dem Ansehen drei Fragen erstellen lassen und sie bitten, Erklärungen nur für falsch beantwortete Punkte anzupassen.

Auch bei den Kennzahlen reichen Aufrufzahlen allein nicht aus.

Zeitaufwand für Erstellung und Aktualisierung
Abschlussquote beim Ansehen
Unterschied zwischen Vortest und Nachtest
Behaltensquote nach einer Woche
Genauigkeit der Antworten auf Fragen
Anteil der Fälle, die an menschliche Lehrende eskaliert wurden
Zugangsungleichheiten nach Sprache, Behinderung und Endgerät

Der Erfolgsweg für KI-gestütztes Videolernen besteht nicht darin, Videos aufwendiger zu machen. Entscheidend ist ein System, das sich kurz halten und schnell aktualisieren lässt, bei Bedarf zurückfragt und Lernende nicht mit ungeklärten Verständnislücken weitergehen lässt.

Untersuchungsmethode und Grenzen

Stichtag: 3. Oktober 2026
Grundgesamtheit: Praktische Beispiele, Lernmaterialien und Einführungsberichte zu KI-gestütztem Videolernen, die über die öffentliche YouTube-Suche auffindbar waren
Auswahl: Für acht Bereiche wurden mehrere englische Suchbegriffe festgelegt; berücksichtigt wurden Einträge, die KI- und Lernbegriffe im Titel oder in der Beschreibung enthielten
Schichtung: Feste Auswahl von jeweils 125 Fällen aus acht Bereichen
Entfernung von Dubletten: anhand der Video-ID
Klassifizierung: regelbasierte Klassifizierung auf Basis von Titel, Beschreibung und Suchkontext
Umfang: 1.000 Fälle, 774 Kanäle

Es gibt eine wichtige Einschränkung: Dies ist keine Zufallsstichprobe, sondern eine Analyse öffentlich auffindbarer Beispiele. Sie ist verzerrt durch Suchrankings, den englischsprachigen Raum, Organisationen, die YouTube nutzen, und Unternehmen, die Erfolgsgeschichten eher veröffentlichen. Da jedes Video als ein Beispiel gezählt wurde, misst sie weder die Zahl unabhängiger Einführungen je Organisation noch Marktanteile. Zudem beruht die Klassifizierung auf Titeln und Beschreibungen und nicht auf einer manuellen Prüfung des vollständigen Videoinhalts. Die Zahlen sollten daher als explorative Statistik dazu gelesen werden, was in öffentlichen Beispielen auffällt.

Trotzdem ergibt sich durch die gleich große Einbeziehung von Unternehmen, Studierenden und lebenslangem Lernen sowie die Verteilung der Beiträge auf 774 Kanäle ein Bild, das nicht nur von der Werbung einer Branche oder eines einzelnen Unternehmens geprägt ist. Als Nächstes gilt es nicht, die Zahl der Einführungen zu überbieten, sondern Lernergebnisse, Behaltensquote, Fairness und Sicherheit mit denselben Kennzahlen zu vergleichen.