Die Integration humanoider Roboter und KI-gestützter Tutorensysteme in Bildung und Arbeitsumgebungen rückt zunehmend in den Fokus der technologischen Forschung. Eine aktuelle Studie des Exzellenzclusters Science of Intelligence in Berlin, veröffentlicht im Fachjournal Communications Psychology, beleuchtet dabei eine zentrale Frage: Wann unterstützt Roboterfeedback den Lernprozess tatsächlich, und wann überfordert es den Menschen? Die Forschungsgruppe um Erstautorin Helene Ackermann untersuchte in einem kontrollierten Experiment mit 90 erwachsenen Teilnehmenden, wie Lernende auf automatisierte Rückmeldungen durch einen humanoiden Roboter reagieren. Im Versuchsdesign mussten die Probanden Gegenstände in einem Raum platzieren, während der Roboter die Anweisungen in einer unbekannten Sprache gab und nach jedem Versuch Feedback erteilte. Dabei verglichen die Wissenschaftler drei Modulationsstrategien: ein einheitliches Feedback nach jedem Fehler, ein an Leistung und Selbstberichteten Empfinden adaptives System sowie ein hochpersonalisiertes Feedback, das spezifische Fehler und den bisherigen Aufgabenverlauf berücksichtigte. Die Ergebnisse zeigen eine klare Diskrepanz zwischen unmittelbarer Reaktionsfähigkeit und langfristigen Lernerfolgen. Zwar förderte das personalisierte Feedback die Gesamtleistung über den gesamten Versuch, doch kurzfristig erwies es sich als nachteilig. Die detaillierten, kontextbezogenen Hinweise erhöhten die kognitive Belastung genau in dem Moment, in dem die Teilnehmenden nach einem Fehler neu ansetzen mussten. Dies behinderte die unmittelbare Aufgabenbewältigung. Eine weitere Einsicht betrifft die Heterogenität der Lernenden: Personen mit höherer kognitiver Kapazität profitierten weniger von aufgabenfokussierten Hinweisen, da sie den Lösungsweg oft eigenständig durchliefen. Überraschenderweise zeigte sich, dass Teilnehmer mit gemeldeter Langeweile besonders stark auf strukturiertes Feedback reagierten, da es ihre Aufmerksamkeit erfolgreich zurück zum Lernprozess lenkte. Die Forschungsergebnisse unterstreichen, dass pädagogische Technologien nicht primär durch maximale Personalisierung überzeugen, sondern durch dynamische Situationsanalyse. Wie die Studie zeigt, ist intelligentes Support-System nicht automatisch mehr Support. Roboter-Tutoren müssen lernen, die kognitiven und affektiven Zustände ihrer Nutzer in Echtzeit zu erfassen und die Art sowie den Zeitpunkt der Hilfestellung präzise daran anzupassen. Die Daten belegen, dass eine zu detaillierte Information direkt nach einem Fehler kontraproduktiv sein kann, während zeitlich gestaffelte, kontextsensitive Rückmeldungen nachhaltigere Lerneffekte erzeugen. Für die Entwicklung künftiger KI-Assistenten bedeutet dies ein Umdenken weg von reinen Datenmengen hin zu differenzierten Interaktionsmodellen. Die optimale KI ist nicht die, die immer das Richtige sagt, sondern die weiß, wann sie schweigen oder vereinfachen sollte. Die Erkenntnisse des SCIoI tragen so maßgeblich dazu bei, die Grenzen aktueller Lernroboter zu definieren und die Grundlagen für menschenzentrierte Technologiegestaltung in Bildung und Arbeitswelt zu legen.