KI spart Planungszeit. 50 Millionen Lehrkräfte fehlen

Ein Arbeitsblatt ist selten der schwerste Teil im Tag einer Lehrkraft. Schwer ist zu merken, wer nicht mehr folgt, eine andere Erklärung zu wählen und zu entscheiden, wann der Plan selbst sich ändern muss. Künstliche Intelligenz kann beim Entwurf des Arbeitsblatts helfen. Ob diese Zeit in die Arbeit zurückfließt, für die eine Person gebraucht wird, muss die Organisation noch entscheiden.

Zwei Veröffentlichungen im Oktober machen diese Entscheidung schwerer zu umgehen, und sie beschreiben nicht dasselbe Problem. Am 6. Oktober 2026 fand eine schulrandomisierte Studie in England, dass ein KI-Assistent für die Unterrichtsplanung die berichtete Vorbereitungszeit um etwa 49 Minuten pro Woche senkte, ohne die bewerteten Materialien zu verschlechtern. Am Tag davor sagte die UNESCO, die Welt brauche bis 2030 weitere 50 Millionen Lehrkräfte für einen universellen Zugang zu frühkindlicher, primärer und sekundärer Bildung. Am 14. Oktober meldete die OECD anhaltende Engpässe bei Lehrberufen in vielen ihrer Länder. Keine dieser Zahlen ist eine Erlaubnis, eine Lehrkraft durch Software zu ersetzen.

Eine gemessene Ersparnis, an einem Teil der Arbeit

Aila von der Oak National Academy ist ein KI-Assistent für den Unterricht. Eine Lehrkraft wählt Jahrgang, Fach und Thema. Aila schlägt ein Lernziel vor, das am nationalen Curriculum für England ausgerichtet ist, und passende Aktivitäten. Danach schärft die Lehrkraft den Plan, mit dem Werkzeug oder ohne es.

Die Education Endowment Foundation (EEF) beauftragte die National Foundation for Educational Research (NFER), die Wirkung auf die Arbeitslast zu prüfen. Die am 6. Oktober 2026 veröffentlichte Evaluation war eine schulrandomisierte Studie über zehn Wochen im Herbst 2025. Sie betraf Lehrkräfte der Key Stage 2, also für Kinder von 7 bis 11 Jahren. NFER und die EEF-Meldung beschreiben 464 Lehrkräfte an 108 Schulen. Schulen wurden einer Gruppe zugeordnet, die Aila nutzen sollte, oder einer Gruppe, die es nicht nutzen sollte. Beide Gruppen durften andere generative KI weiter verwenden, etwa ChatGPT oder Microsoft Copilot. Beide sollten keine neuen Materialien von der Website der Oak National Academy holen, damit der Vergleich Aila isoliert und nicht die schon vorhandene Bibliothek.¹²³

Das Hauptmaß war die Zeit, festgehalten in einem wöchentlichen Tagebuch. Die NFER berichtet, die Aila-Gruppe habe etwa 2,5 Stunden pro Woche für Unterricht und Materialien aufgewendet, die Vergleichsgruppe 3,3 Stunden. Das sind 76 % der Zeit der Vergleichsgruppe: ein Unterschied von 0,8 Stunden oder 48,6 Minuten pro Woche. Die EEF-Meldung beschreibt denselben Gegensatz als zweieinhalb Stunden gegen 3 Stunden und 19 Minuten, etwa 49 Minuten, und nennt ihn ein Viertel (24 %). Ein unabhängiges Panel aus sechs Lehrkräften bewertete die Qualität der Materialien. Die NFER fand keinen Beleg, dass die Materialien der Aila-Gruppe schlechter waren.¹²

Diese Stunden stammen aus den veröffentlichten Zusammenfassungen. Der Evaluationsbericht ist genauer dazu, wer im Mittelwert steckt. Von den 464 randomisierten Lehrkräften waren 416 in der Hauptanalyse: 214 in der Aila-Gruppe und 202 in der Vergleichsgruppe. 48 Lehrkräfte, 10,3 %, füllten kein Tagebuch aus und fielen heraus. Die Projektseite der EEF nennt dieselben 416, wenn sie die einbezogenen Daten beschreibt. Der Ausfall war in der Vergleichsgruppe etwas höher, und der Bericht sagt, dieser Unterschied sei nicht statistisch signifikant gewesen. Genannt wurden Kapazität und Lehrkräfte, die die Schule verließen.³

Das ist ein kontrolliertes Ergebnis, keine Stundenschätzung eines Anbieters. Es ist auch enger als die Behauptung, Lehrkräfte seien im ganzen Beruf 24 % produktiver geworden. Die gemessene Ersparnis betrifft die Vorbereitung, über zehn Wochen. Die veröffentlichten Befunde zeigen nicht, dass Schülerinnen und Schüler mehr lernten, dass eine Schule mit weniger Lehrkräften auskäme oder dass die Ersparnis über Jahre bliebe.

Die Nutzung blieb gering. Die NFER berichtet, Aila sei im Schnitt nur für 7 % der Stunden genutzt worden, und Häufigkeit wie Umfang der Nutzung seien im Versuch gesunken. Die EEF ergänzt, 81 % der Lehrkräfte in der Aila-Gruppe hätten das Werkzeug mindestens einmal genutzt, und weniger als jede fünfte Person habe gefunden, es habe Unterricht oder Planung wirklich verändert. Die EEF berichtet auch, wer Aila öfter nutzte, habe mehr Zeit gespart, auch wenn die erste Woche und die Halbjahresferien ausgeklammert wurden. Das ist ein Zusammenhang innerhalb des Versuchs, kein Beweis, dass mehr erzwungene Nutzung dieselbe Ersparnis brächte.¹³

Die Urteile fielen gemischt aus. Lehrkräfte fanden Aila zugänglich und am Curriculum ausgerichtet, auch bei einem ungewohnten Thema. Viele bevorzugten weiter andere Werkzeuge oder Pläne, die sie schon hatten. Aila ist dafür gebaut, eine Stunde von Grund auf zu planen, und das verlangt mehr Mitwirkung, als einen vertrauten Plan anzupassen. Ergebnisse mussten oft angepasst werden, bevor sie in den Raum konnten. Die EEF sagt, fast alle Lehrkräfte im Versuch hätten die Planung als Stressquelle genannt und das Gefühl gehabt, zu viel Zeit darauf zu verwenden. Ein kürzeres Fenster kann zählen, auch wenn das Werkzeug keine Gewohnheit wird.³

Die Zeitersparnis war ungleich verteilt. Lehrkräfte in der Aila-Gruppe mit geringerem Vertrauen in ihr Fachwissen, geringerem pädagogischem Wissen, die neuer im Beruf waren oder mehr Vertrauen in Technik hatten, meldeten eher eine geringere Arbeitslast als vergleichbare Lehrkräfte in der Vergleichsgruppe.¹³

Die EEF-Meldung beschreibt auch einen früheren Versuch, veröffentlicht im Dezember 2024, in dem Lehrkräfte mit ChatGPT 69 % der Zeit einer Vergleichsgruppe aufwendeten, die ohne jedes KI-Werkzeug planen sollte. Die Projektseite beschreibt dieses frühere Ergebnis als 31 % Ersparnis für Naturwissenschaftslehrkräfte der Key Stage 3. Auch dort sank die Nutzung. Beide Evaluationen erhielten von der EEF eine hohe Sicherheitsbewertung. Der Vergleich ist nicht derselbe. Im Aila-Versuch durfte die andere Gruppe generative KI weiter nutzen. Die 49 Minuten sind Zeit, die oberhalb schon erlaubter Werkzeuge gespart wurde, kein Vergleich mit einer Welt ohne KI.²³

Ben Styles von der NFER sagte, das Team wolle künftig untersuchen, ob eine neu qualifizierte Lehrkraft oder jemand außerhalb des eigenen Fachs mit einem erzeugten Plan tatsächlich besser unterrichtet. Er merkte an, Erfahrung zu ersetzen könne helfen oder schlechtere Stunden riskieren. Diese Frage ist offen. Der Oktober-Versuch hat sie nicht beantwortet.²

Der Mangel betrifft Menschen, und der größte Teil ist Ersatz

Das UNESCO-Institut für Statistik hat mit der Internationalen Taskforce für Lehrkräfte für Bildung 2030 ein Faktenblatt zum Weltlehrkräftetag veröffentlicht. Der Artikel ist auf den 5. Oktober 2026 datiert und wurde am 13. Oktober aktualisiert. Er sagt, die Welt habe 107 Millionen Lehrkräfte und brauche bis 2030 weitere 50 Millionen für universellen Zugang zu frühkindlicher, primärer und sekundärer Bildung. Das ist eine zusätzliche Lehrkraft auf zwei, die jetzt arbeiten. Die 50 Millionen sind eine Projektion des Recruiting-Bedarfs für ein Bildungsziel. Es ist keine Zählung offener Stellen von heute Morgen.⁴

58 % der bis 2030 benötigten Lehrkräfte ersetzen Menschen, die gehen, und sind nicht nur Stellen zur Ausweitung der Belegschaft. Die Abgangsquote liegt bei 7,2 % in der frühkindlichen Bildung, 5,4 % in der Sekundarstufe und 4,7 % in der Primarstufe. Wenn Menschen wegen Bezahlung, Arbeitslast, Sicherheit oder fehlender Unterstützung gehen, berührt ein schnellerer Erstentwurf nur ein Stück dieser Geschichte.⁴

Zur Bezahlung sagt die UNESCO, Lehrkräfte in der frühkindlichen und primären Bildung verdienten etwas weniger als andere Fachkräfte mit ähnlicher Qualifikation. In zwei von fünf der 68 untersuchten Länder bleiben die Gehälter von Lehrkräften über alle Bildungsstufen unter denen ähnlich qualifizierter Fachkräfte. Ein Planungsassistent verhandelt kein Gehalt, begleitet niemanden durch eine schwierige Klasse und macht eine unsichere Schule nicht sicher.⁴

Dieselbe Veröffentlichung beschreibt die Arbeitswoche: etwa 19 Stunden im Unterricht und rund 60 Stunden insgesamt, viel davon unbezahlte Vorbereitung, Korrektur und Verwaltung. In Primarschulen liegt das weltweite Verhältnis von Schülerinnen und Schülern zu ausgebildeten Lehrkräften bei 28 zu 1, dem höchsten Wert aller Stufen. Ein Werkzeug, das die Vorbereitung verkürzt, kann in dieser Woche zählen. Es ändert das Verhältnis nicht.⁴

Status ist eine Frage des Verbleibs, und der nützliche Beleg ist enger als eine einzige globale Prozentzahl. In TALIS 2024 berichtet die OECD, Lehrkräfte, die zustimmen, dass die Gesellschaft den Beruf wertschätzt, seien mehr als 10 % weniger geneigt, den Lehrberuf innerhalb von fünf Jahren verlassen zu wollen, nach Berücksichtigung von Motivation, Vertragsart und Zufriedenheit mit den Beschäftigungsbedingungen einschließlich des Gehalts. Der Anteil derer, die sich wertgeschätzt fühlen, ist keine einzelne Zahl. Er liegt über 80 % in Kasachstan, Usbekistan und Viet Nam und unter 10 % in der Französischen Gemeinschaft Belgiens, in Kroatien, Frankreich, Ungarn, Portugal, der Slowakischen Republik und Slowenien. Software verleiht diesen Status nicht.⁵

Ein Ungleichgewichtsindikator ist keine Vakanzliste

Am 14. Oktober 2026 veröffentlichte die OECD Mapping Skill Shortages in OECD Countries, die Ausgabe 2026 der Skills-for-Jobs-Datenbank, für 38 Länder. Sie zählt keine leeren Klassenzimmer. Sie baut einen zusammengesetzten Indikator aus Arbeitsmarktsignalen, darunter Beschäftigungswachstum, Lohnwachstum, Wachstum der gearbeiteten Stunden und Wachstum der Online-Stellenanzeigen, und ordnet dann jeden Beruf gegenüber anderen Berufen im selben Land. Das jüngste Jahr ist für die meisten Länder 2024. Chile und Norwegen enden 2022. Korea, die Slowakische Republik, die Schweiz und Türkiye enden 2023. Australien und Neuseeland schließen 2025 ein.⁶⁷

Auf diesem Maß konzentrieren sich Engpässe in hoch qualifizierten Berufen. Lehrberufe stehen mit Gesundheitsberufen und IKT-Berufen unter den größten und hartnäckigsten Engpässen. Australien, Frankreich, das Vereinigte Königreich und die Vereinigten Staaten zeigen anhaltende Engpässe bei Lehrkräften. Mehr als 30 % der Lehrkräfte sind über 50, und nur etwa 10 % sind unter 30. Lehrkräfte haben im Schnitt mehr als 16 Jahre Bildung, ein Grund, warum die OECD sagt, mehr Ausbildung werde die Lücke kaum schnell schließen. Eine kleinere Bevölkerung im Schulalter kann die Nachfrage nach Erstausbildung in vielen Mitgliedsländern mildern. Die Nachfrage nach lebenslangem Lernen, einschließlich Umschulung, kann den Bedarf an Lehrberufen über einen längeren Zeitraum halten oder erhöhen.⁶⁷

Addieren Sie die 50 Millionen der UNESCO nicht zu diesem Indikator. Das eine ist eine globale Projektion zum Zugang bis 2030. Das andere ist eine relative Rangfolge in einer Ländergruppe, gebaut aus historischen Signalen. Ein nationaler Durchschnitt kann eine schwere lokale Lücke verdecken. Die OECD sagt, ihre Ergebnisse könnten von nationalen Kompetenzanalysen abweichen, weil Daten und Methode sich unterscheiden.⁴⁷

Was die UNESCO-Projektion und die OECD-Rangfolge infrage stellen, ist eine bequeme Annahme: Ein Stück professioneller Arbeit zu automatisieren löse von selbst einen Mangel an qualifizierten Menschen. Derselbe Fehler zeigt sich, wenn eine Aufgabe leichter wird und eine Berufsbezeichnung behandelt wird, als sei sie verschwunden. KI verändert Aufgaben in Berufen, bevor sie die Bezeichnungen verändert.

Entscheiden Sie, wofür die Minuten da sind

Stellen Sie sich eine kleine Schule einer gemeinnützigen Organisation vor, deren Schülerinnen und Schüler sehr unterschiedliche Unterstützung brauchen. Das ist ein hypothetisches Beispiel, kein berichteter Fall. Lehrkräfte nutzen einen freigegebenen Assistenten, um Gliederungen und differenzierte Übungen zu entwerfen. Eine Leitung kann die kürzere Vorbereitungszeit als Kosteneinsparung buchen. Die Schule kann sie auch für Rückmeldung, Gespräche mit Familien, kollegiales Coaching oder einen weiteren Durchgang für ein Kind nutzen, das mehr Hilfe braucht.

Die zweite Wahl ist nicht automatisch die richtige. Manche erschöpften Lehrkräfte würden lieber früher aufhören. Das ist ein echter Gewinn. Der Punkt ist, dass jemand offen entscheidet, ob der Gewinn weniger Überstunden, ein besserer Dienst, Lernzeit oder eine Veränderung der Besetzung wird. Ohne diese Entscheidung füllen sich die freien Minuten oft mit neuer Verwaltung.

Es gibt auch eine Qualitätsfalle. Ein Werkzeug kann schneller einen plausiblen Plan erzeugen und die Arbeit zugleich vom Entwerfen zum Prüfen verschieben. Lehrkräfte müssen weiterhin fachliche Richtigkeit, Passung zum Alter, Barrierefreiheit, Schutz und den Fit zum lokalen Curriculum beurteilen. Das NFER-Ergebnis ist nützlich, weil es eine Qualitätsprüfung enthielt, und diese Prüfung betraf Materialien, nicht das, was gelernt wurde. Eine Schule mit einem anderen System sollte nicht dasselbe Ergebnis annehmen.

Zum Abstand zwischen einer ausgeweiteten Aufgabe und der Beherrschung der Arbeit dahinter siehe warum KI Auszubildende über die Ausbildung hinaus führen kann, ohne dass das Meisterschaft ist.

Ein kleiner Test ist nützlicher als ein Programm

Kleine Schulen, Vereine und Schulungsteams brauchen kein großes KI-Programm, um etwas zu lernen. Sie brauchen ein kurzes Experiment mit einer Ausgangslage. Wählen Sie eine wiederkehrende Aufgabe, etwa Stunden vorbereiten oder Lesetexte anpassen. Bitten Sie eine freiwillige Gruppe, die Zeit und die Änderungen am Ergebnis festzuhalten. Vergleichen Sie mit einem ähnlichen Zeitraum oder einer ähnlichen Gruppe ohne das Werkzeug. Klassen, Fächer und Menschen werden sich weiter unterscheiden. Sagen Sie das.

Messen Sie mehr als Minuten. Sind die Materialien richtig und nutzbar? Behalten die Menschen die fachliche Kontrolle? Werden Lernende mit mehr Unterstützungsbedarf besser bedient oder nur schneller? Schafft das Werkzeug ein Risiko für Datenschutz oder Schutz? Geben Sie keine identifizierenden Angaben zu Schülerinnen und Schülern in ein System, das dafür nicht freigegeben ist. Beziehen Sie weniger sichere Personen ein, statt die eifrigsten Nutzenden für das ganze Team zu nehmen.

Die nützliche Zahl für eine Leitung ist nicht die Zahl der Prompts. Es ist, ob die Aufgabe leichter wurde, ohne den Kerndienst zu verschlechtern, und ob Menschen wirklich Zeit oder Fähigkeit gewonnen haben. Ein kürzeres Vorbereitungsfenster kann das Bleiben stützen. Es beweist für sich nicht, dass Menschen geblieben sind. Das müsste länger verfolgt werden.

Urteil muss weiterhin gelernt werden

KI kann die Arbeit von Bildungsspezialisten verändern und sie nicht nur leichter machen. Wer den Lehrplan verantwortet, verbringt vielleicht weniger Zeit mit einem Erstentwurf und mehr Zeit damit, Materialien zu prüfen. Wer Lernen unterstützt, hat vielleicht mehr Wege, Inhalte anzupassen, und mehr Verantwortung zu beurteilen, ob die Anpassung hilft. Eine Leitung muss vielleicht Regeln für freigegebene Werkzeuge, Datenschutz, Barrierefreiheit und Evaluation setzen. Das sind plausible Verschiebungen der Aufgaben in einem Beruf. Es ist kein Beleg, dass neue Berufsbezeichnungen schon in großem Maßstab erschienen sind.

Unterstützung sollte sich nach der Person richten. Jemand am Anfang will vielleicht einen strukturierten Startpunkt und braucht weiterhin die Rückmeldung einer Kollegin oder eines Kollegen. Eine erfahrene Person will vielleicht Kontrolle über den Inhalt und weniger festen Ablauf. Das Risiko für Lehrkräfte am Berufsanfang ist, dass Bequemlichkeit das Erlernen des Handwerks ersetzt. Wenn sie eine erzeugte Folge annehmen, ohne zu besprechen, warum sie funktioniert, gewinnen sie Tempo und verpassen das Urteil, das sie brauchen, wenn eine Stunde scheitert. Wenn der Entwurf Material ist, das eine Mentorin oder ein Mentor auseinandernimmt, kann er ein Lernobjekt werden. Der Oktober-Versuch hat diese längeren Wirkungen nicht geprüft. Beides bleibt eine Frage.

Für Organisationen in der Europäischen Union ist die rechtliche Linie genauer als eine allgemeine Warnung vor "KI in der Schule". Dieser Artikel ist keine Rechtsberatung. Anhang III der EU-KI-Verordnung listet bestimmte Anwendungen in Bildung und beruflicher Bildung als hohes Risiko: Systeme, die Zugang oder Zulassung bestimmen, Lernergebnisse bewerten, das angemessene Bildungsniveau einschätzen oder verbotenes Verhalten bei Prüfungen überwachen und erkennen sollen. Ein Werkzeug, das eine Stunde entwirft, ist allein nach dieser Beschreibung keines dieser Systeme. Die Einordnung hängt davon ab, was die Technik tatsächlich tut.⁸

Eine andere Regel betrifft die Nutzung, nicht ein künftiges Hochrisiko-Etikett. Der KI-Gesetz-Service-Desk der Kommission sagt, der Einsatz eines KI-Systems, um Emotionen einer Person am Arbeitsplatz oder in einer Bildungseinrichtung abzuleiten, sei verboten, außer das System ist für medizinische oder Sicherheitsgründe bestimmt. Derselbe Service-Desk sagt, verbotene Praktiken seien ab dem 2. August 2026 durchsetzbar. Die Regeln für Hochrisiko-Systeme nach Anhang III gelten ab dem 2. Dezember 2027, nach der Verordnung (EU) 2026/1744, dem Digital-Omnibus zur KI. Eine Kamera, die das "Engagement" einer Lehrkraft oder die Stimmung einer Schülerin oder eines Schülers bewertet, ist eine andere Frage als ein Arbeitsblatt-Generator. Datenschutzpflichten gelten bereits für Angaben zu Schülerinnen und Schülern, unabhängig von diesem Zeitplan. Für einen näheren Blick auf menschliche Aufsicht, wenn Software Menschen bei der Arbeit beeinflusst, siehe wer den algorithmischen Manager beaufsichtigt.⁹¹⁰¹¹

Fragen, die Leitungen wirklich stellen

Bedeuten 49 Minuten, dass eine Schule weniger Lehrkräfte braucht?

Nein. Der Versuch maß die Vorbereitungszeit für Stunden der Key Stage 2 über zehn Wochen. Er prüfte weder die Besetzung noch den Lernerfolg. Die 50 Millionen der UNESCO sind vor allem Ersatzbedarf. Ein kürzeres Planungsfenster gewinnt, bildet oder hält nicht die Person, die im Raum sein muss.¹⁴

Lässt sich die Zahl 24 % als Produktivitätsgewinn für den ganzen Beruf lesen?

Die EEF beschreibt die Kürzung der Vorbereitungszeit als ein Viertel. Die Quote der NFER ist 76 % der Vorbereitungszeit der Vergleichsgruppe. Das ist eine Aufgabe. Lehrkräfte in der Vergleichsgruppe durften andere generative KI weiter nutzen. Die Nutzung von Aila lag im Schnitt bei 7 % der Stunden und sank im Versuch. Weniger als jede fünfte Lehrkraft sagte, das Werkzeug habe Unterricht oder Planung wirklich verändert.¹²³

Soll eine kleine Organisation auf ein perfektes Werkzeug warten?

Nein. Sie sollte ein freigegebenes Werkzeug an einer Aufgabe testen, mit einer Ausgangslage, einer Qualitätsprüfung und einer schriftlichen Entscheidung, wohin gesparte Zeit geht. Sie sollte keine Angaben zu Schülerinnen und Schülern in ein nicht freigegebenes System einfügen und die eifrigste Person nicht als Beweis nehmen, dass alle profitiert haben.

Wie hilighter helfen kann

hilighter plant keinen Unterricht, korrigiert keine Arbeiten und entscheidet nicht, wie viele Lehrkräfte eine Schule braucht. Für einen Bildungsanbieter, eine gemeinnützige Organisation oder eine Abteilung ist die praktische Frage dieselbe, die diese Belege aufwerfen: welche Aufgaben leichter wurden, welche Kompetenzen weiter gezeigt werden müssen und wer für das verbleibende Urteil verantwortlich ist.

hilighter hilft Teams, Kompetenzen nach Rolle zu erfassen, Menschen mit diesen Anforderungen in Skills und Talent Insights zu vergleichen, Fähigkeitsbelege in Anerkennung von Lernerfolgen festzuhalten und individuelle Entwicklungspfade zu setzen. Die Sicht auf KI-Auswirkungen auf Jobs ist indikativ. Sie ist keine Vorhersage, dass eine Rolle verschwindet. Ein kostenloser Plan deckt bis zu drei Jobrollen ab, mit unbegrenzter Zahl an Beschäftigten.

Sources

1. Roy, P., Poet, H., Staunton, R., Aston, K., Thomas, D. und Styles, B., NFER, Lesson planning using AI lesson assistant, Aila: A Teacher Choices Trial, 6. Oktober 2026.
2. Education Endowment Foundation, AI tool reduced primary teachers' lesson planning time by a quarter, but views on the tool were mixed, 6. Oktober 2026.
3. Education Endowment Foundation, Aila Teacher Choices trial (Projektseite: 416 Lehrkräfte in den einbezogenen Daten, Einschränkung der Oak-Website, 7 % der Stunden, 81 % mindestens einmal, Muster der Untergruppen und der ChatGPT-Versuch vom Dezember 2024 als 31 % Ersparnis). Der Evaluationsbericht (NFER für die EEF, Oktober 2026) ist die Quelle für die Analysestichprobe: 416 von 464 randomisierten Lehrkräften, 214 und 202 nach Gruppe, und 48 ohne Tagebuch (10,3 %).
4. UNESCO, New UNESCO data: For every two teachers, the world needs one more, 5. Oktober 2026, letzte Aktualisierung 13. Oktober 2026. UNESCO-Institut für Statistik und Internationale Taskforce für Lehrkräfte für Bildung 2030.
5. OECD, Sustaining the teaching profession: Results from TALIS 2024.
6. OECD, Mapping Skill Shortages in OECD Countries, 14. Oktober 2026, https://doi.org/10.1787/735f9485-en.
7. OECD, Occupational imbalances, skill shortages and policy implications, im selben Bericht (jüngstes Jahr nach Land; Lehrberufe, Alter und Bildungsjahre).
8. Europäische Kommission, AI Act Service Desk, Annex III, Nummer 3 (Bildung und berufliche Bildung).
9. Europäische Kommission, AI Act Service Desk, Is emotion recognition prohibited in workplace and education settings?.
10. Europäische Kommission, AI Act Service Desk, When does enforcement start? (verbotene Praktiken durchsetzbar ab 2. August 2026; Anhang-III-Regeln ab 2. Dezember 2027).
11. Verordnung (EU) 2026/1744, Digital Omnibus on AI, zur Änderung der Verordnung (EU) 2024/1689, einschließlich des Anwendungsdatums für Hochrisiko-Systeme nach Anhang III.

Quellen zuletzt geprüft: 30. Oktober 2026. Die 49 Minuten betreffen Unterrichts- und Materialvorbereitung in einem englischen Versuch, nicht den ganzen Lehrberuf, und die Vergleichsgruppe durfte andere generative KI weiter nutzen. Die 50 Millionen der UNESCO sind eine Projektion bis 2030, vor allem Ersatz, keine Vakanzzählung. Die OECD-Zahl ist ein relativer Indikator. TALIS beschreibt die Absicht zu gehen, keine gemessene Kündigungsquote. Die EU-Daten folgen dem Service-Desk der Kommission und EUR-Lex und sind keine Rechtsberatung. Der ChatGPT-Versuch vom Dezember 2024 wird hier so beschrieben, wie die EEF ihn auf den Seiten vom Oktober 2026 darstellt; jener frühere Bericht wurde für diesen Artikel nicht erneut geöffnet. Die Übersetzung braucht eine muttersprachliche Prüfung.