KI in der Schule (5): Fortbildung – Methodik

Nov 13, 2025 | Allgemein, Fortbildung, KI, Schulentwicklung

In den letzten Wochen habe ich mich insbesondere mit dem Umgang mit KI-Sprachmodellen auseinandergesetzt und dafür geworben, ergebnisoffen in die Diskussion einzusteigen. Prof.’in Birte Platow hat in diesem Zusammenhang in einem Interview die bildungspolitischen Ziele kurz und prägnant so zusammengefasst:[1]https://www.bildung.sachsen.de/blog/index.php/2025/08/11/ki-macht-schule-interview-mit-prof-birte-platow/

Der schulische Umgang mit Künstlicher Intelligenz lässt sich in drei Dimensionen denken – bildlich wie drei konzentrische Kreise.

  • Im Innersten ist der kleinste Kreis: KI als Instrument. Hier geht es um den praktischen Einsatz – etwa durch Sprachmodelle, tutorielle Systeme oder Apps.
  • Der nächstgrößere Kreis ist für mich die materielle Ebene: Hier wird KI selbst zum Unterrichtsgegenstand. Das ist in jedem Unterrichtsfach möglich. Der Mathematikunterricht könnte beispielsweise zeigen, auf welchen mathematischen Grundlagen KI beruht. Der Religionsunterricht könnte die Frage beleuchten, welches Menschenbild hinter einer KI steckt. Der Deutschunterricht könnte sich damit auseinandersetzen, wie sich Sprache verändert, wenn wir Texte nicht mehr selbst schreiben.
  • Die dritte Dimension ist in meiner Wahrnehmung im schulischen Alltag am wenigsten im Blick. Sie sollte es aber sein – bei Menschen, die Schule entwickeln, in der Politik und ganz konkret vor Ort – bei Schulleitungen. Denn die dritte Dimension ist die systemische Ebene: Wie verändert sich mit KI das Lernen? Wie verändert sich die Idee von Bildung? Wie verändert sich die Idee vom Menschen? Was kommt da an weiteren Eindrücken aus der Gesellschaft, wo KI ja im Moment auch eine alles durchdringende Technologie ist?

In meinem letzten Beitrag habe ich für eine (regionale) Vernetzung und Zusammenarbeit des pädagogischen (Fach-)Personals geworben. Mit den im Ausland (Japan, Kanada) erfolgreichen Methoden „Lesson Study” und „Spirals of Inquiry” habe ich vorgestellt, wie sich die eigene Unterrichtspraxis reflektieren lässt. Diese Methoden wurden vor Jahrzehenten entwickelt und sind natürlich unabhängig von der Einführung von Sprachmodellen im Unterricht entstanden.

In diesem Beitrag geht es um Methoden, die eine individuell orientierte Fort- und Weiterbildung ermöglichen oder erleichtern. Sie ergeben sich aus einem mit dem pädagogischen Personal abgestimmten Fortbildungsplan. Daher widmen sich meine ersten Überlegungen zunächst der Erstellung dieses Plans.

Fortbildungskonzept: Erste Überlegungen

Fromman wurde zum Ende des SWK Talks [2]https://www.youtube.com/watch?v=iUxlmUxa1Jc gefragt, welche Forderungen er an ein Fortbildungskonzept hat. Im Wesentlichen schlägt er die Einführung in ein LLM vor. Zunächst allgemein, anschließend mit fachspezifischen Bezügen. In Abhängigkeit von der Schulform schließen sich dann praktische Experimente im Umgang mit den Werkzeugen der Künstlichen Intelligenz und deren Auswüchsen (Deepfakes, Fake News und vielem mehr) an. Von der KMK wie auch der Bildungsforschung wünscht er sich in naher Zukunft ein kohärentes Fortbildungscurriculum.

Wie wird die Fortbildung geplant?[3]https://seb-ghs.de/wp-content/uploads/2017/10/hessischer-referenzrahmen-schulqualitaet-hrs.pdf

  • Im Kollegium wird der Fortbildungsbedarf erhoben (schulische Entwicklungsvorhaben, fachliche Aktualisierung, neue fächerübergreifende Kompetenzen, persönlicher Fortbildungsbedarf).
  • Es wird in einem Abstimmungsprozess entschieden, welcher Stellenwert den
    einzelnen Vorhaben zukommen soll. Entsprechende thematische und zeitliche Priorisierungen werden vorgenommen.
  • Passende Fortbildungsangebote werden gesucht und organisiert.

und woran zeigt sich eine angemessene Berücksichtigung der unterschiedlichen Fortbildungsbereiche? [4]ebda.

  • Es liegt ein Fortbildungsplan vor, der die Grundlage für Entscheidungen ist.
  • Er lässt Prioritäten erkennen, die auf die Schwerpunkte des Schulprogrammsverweisen.
  • Schulspezifisch relevante Handlungsfelder sind berücksichtigt.

In meinem ersten Beitrag habe ich im Rahmen der datengestützten Schulentwicklung ein Verfahren vorgestellt, mit dem sich der Einsatz von Sprachmodellen im Unterricht vorbereiten lässt. Doch wie lässt sich der Nutzen gemeinsamer LLM-Fortbildungen für Lehrkräfte messen?

Bildungsforschung

Ko-Kognition

In seiner fünften Folge setzt sich der Podcast „Kompass KI“ mit der MIT-Studie über die Nutzung generativer KI im Bildungskontext auseinander.[5]https://www.podcast.de/episode/694488905/folge-5-verdummung-durch-ki Zur Erinnerung: In der Studie wird untersucht, wie sich die Nutzung von KI-Tools wie ChatGPT auf die kognitiven Prozesse beim Schreiben von Essays auswirkt. Dazu wurden drei Gruppen von Studierenden beobachtet: eine mit ausschließlicher KI-Nutzung, eine mit klassischen Suchmaschinen und eine ohne Hilfsmittel. Die Hirnaktivität wurde mittels EEG gemessen. Die Ergebnisse zeigen, dass bei ausschließlicher KI-Nutzung die kognitive Aktivität (z. B. Aufmerksamkeit, Arbeitsgedächtnis, Gedächtnisabruf) deutlich reduziert ist. Die Forschenden interpretieren dies als „kognitives Offloading“, also die Auslagerung von Denkprozessen an die KI. Die Studie liefert jedoch keine Hinweise auf langfristige kognitive Schäden oder „Verdummung“ durch KI. Die Autorinnen und Autoren betonen, dass die Ergebnisse nicht überinterpretiert werden dürfen und keine Aussagen über langfristige Effekte oder strukturelle Veränderungen im Gehirn zulassen.

Kritisch gesehen wird die mediale Rezeption der Studie: Die Ergebnisse wurden oft als Beleg für eine angebliche kognitive Verblödung durch KI interpretiert, obwohl die Studie selbst keine solchen Schlussfolgerungen zieht. Dabei werden die methodischen Limitationen (kleine Stichprobe, spezifische Population, kurze Beobachtungsdauer) häufig ignoriert. Die Podcast-Moderatoren betonen, dass KI-Tools Denkprozesse verbessern können, wenn sie erst nach eigener kognitiver Auseinandersetzung eingesetzt werden. Eine unreflektierte und zu frühe Nutzung kann jedoch tiefes und nachhaltiges Lernen untergraben.

In eine ähnliche Richtung zielt ein Beitrag von Ulf Ehlers, dem wissenschaftlichen Direktor von NextEducation. [6]https://www.linkedin.com/pulse/von-der-nutzung-zur-ko-kognition-warum-ki-neue-ist-ulf-daniel-vrmwe/ Er fordert, dass KI nicht nur als Werkzeug zur Informationsbeschaffung, sondern als aktiven kognitiven Partner zu verstehen, der Lernprozesse verändert und neue Methoden der Zusammenarbeit ermöglicht. Der Beitrag bezieht sich auf die Hochschullehre, lässt sich aber auch auf das Schulsystem übertragen: Lernende und Lehrkräfte nutzen KI, um Ideen zu entwickeln, Aufgaben zu reflektieren und gemeinsam Wissen zu konstruieren. Dies fördert einen kooperativen, dialogischen Zugang zu Wissen anstelle einer reinen Konsumhaltung. Laut Ehlers müsse die Nutzung von KI immer einhergehen mit der Vermittlung von Future Skills: metaanalytisches Urteilsvermögen, kritische Bewertung und die Fähigkeit, algorithmische Entscheidungen zu hinterfragen. Konkret:

  • KI als Werkzeug im Sinne von „Ko-Kognition“: Schülerinnen und Schüler erstellen gemeinsam mit KI eine Mindmap, entwerfen Erklärtexte oder reflektieren unter Anleitung die Antworten der KI.
  • KI-gestützte Projekte fördern: Schülerinnen und Schüler entwickeln gemeinsam mit KI kreative Lösungsansätze für gesellschaftliche Probleme oder naturwissenschaftliche Fragestellungen.
  • Es werden „KI-Labors“ im Unterricht geschaffen, in denen Arbeitsgruppen KI-Ergebnisse verifizieren, verbessern und kritisch diskutieren.

Der Ansatz kann durch fächerübergreifende und -verbindende Projekte sowie gezielte Aufgaben zur Diskussion von Chancen und Risiken von KI vertieft werden. Ein Beispiel hierfür ist die (Über)Prüfung von KI-generierten Daten. Der Fokus sollte auf einer bewussten Auseinandersetzung und partizipativen Nutzung liegen, anstatt KI nur anzuwenden – so wird sie zum „Mit-Denker“ und Mitgestalter im Lernprozess.

Vier-Ebenen-Modell

Lipowsky und Rzejak empfehlen ein Vier-Ebenen-Modell, um eine umfassende Bewertung der Wirkung zu ermöglichen. Dieses Modell ist allgemein gehalten und bezieht sich nicht auf bestimmte Fortbildungsinhalte: [7]https://madipedia.de/wiki/Wirksamkeit_von_Lehrerfortbildungen

  1. Zufriedenheit und Akzeptanz: Erfassung der Einschätzung der Lehrkräfte zur Nützlichkeit und Relevanz der Fortbildung, zum Beispiel durch Feedbackbögen, Umfragen oder kurze Interviews nach Abschluss der Einheit.
  2. Kompetenzzuwachs: Erhebung des wahrgenommenen oder messbaren Kompetenzgewinns, üblicherweise per Vorher-Nachher-Befragung zu Wissen, Fähigkeiten und Selbstwirksamkeit im Umgang mit LLM-Tools im Unterricht.
  3. Transfer in den Unterricht: Beobachtung oder Befragung, inwiefern Fortbildungsinhalte den Unterricht und das pädagogische Handeln tatsächlich beeinflussen und ob neue Methoden oder Tools regelmäßig genutzt werden.
  4. Lernfortschritt der Schülerinnen und Schüler: Optional und langfristiger ist eine Analyse, ob gezielte Fortbildungen zu einer messbaren Verbesserung von Lernerfolgen oder zur aktiven Nutzung von LLM-Angeboten durch Schüler*innen führen.

Für eine gelungene Schulentwicklung ist darüber hinaus die Dokumentation von Veränderungen auf Organisationsebene wünschenswert, etwa in Form von Anregungen zu Innovation, Verbesserung der Zusammenarbeit oder Entwicklung einer gemeinsamen Haltung. Als konkrete Instrumente und Methoden bieten sich hierfür an:

  • Feedbackbögen (analog/digital) unmittelbar nach der Fortbildung
  • Online-Selbstchecks zur Kompetenzentwicklung
  • Hospitationen und Reflexionsgespräche mit Kolleginnen und Kollegen
  • Dokumentation der konkreten Anwendungen im Unterricht (z. B. Projektberichte)
  • Entwicklung und Vergleich von Schulentwicklungszielen vor und nach der Fortbildungsreihe

Dadurch wird deutlich, welche Faktoren eine Fortbildung tatsächlich wirksam machen und wie kontinuierliche Verbesserungen zielgerichtet umgesetzt werden können.

4A-Modell

Prof. Weßels plädiert für eine verbindliche Auseinandersetzung mit dem Thema, auch im Rahmen der schulischen Ausbildung, und empfiehlt zunächst die Umsetzung von 4A.

    • Aufklären: Fortbildungsveranstaltung organisieren oder besuchen
    • Ausprobieren: Allein und/oder mit Kolleginnen und Kollegen aus dem Fachbereich
    • Akzeptieren: Wer denkt: „Auch dieser Kelch geht an mir vorüber“, dem sei gesagt: Dieser definitiv nicht. Die bisherigen Entwicklungen sind unumkehrbar und werden sich rasant fortsetzen.
    • Aktiv: Das eigene Erleben, das Mitdiskutieren, das Einflussnehmen auf die Entwicklungen sorgen für eine aktive Auseinandersetzung mit dem Thema.

In ihren Präsentationen wird immer wieder deutlich, dass eine Validierung der Ergebnisse erst durch den persönlichen Austausch ermöglicht wird.

Im Folgenden stelle ich zwei Methoden vor, die sich dafür eignen: die Doppeldeckermethode und das Barcamp.

Doppeldeckermethode

Die Doppeldeckermethode ist kein einzelnes Verfahren in der Fortbildung von Lehrkräften, sondern ein übergeordnetes pädagogisches Prinzip, bei dem Lehr- und Lernprozesse doppelt stattfinden. Das bedeutet konkret, dass im Kurs genau das passiert, worum es inhaltlich geht: Die Lehrkräfte erleben und reflektieren die Lerninhalte sowohl theoretisch als auch praktisch und in ihrem eigenen Handeln. So werden theoretische Inhalte im Rahmen der Fortbildung ganz konkret gelehrt, erlebt und verknüpft. Dadurch entsteht ein „doppelter Blick“ auf die Inhalte aus der Perspektive der Lehrenden und Lernenden zugleich.

Das Prinzip zielt darauf ab, dass Lehrkräfte das Wissen und Handeln, das sie weitergeben, selbst authentisch vorleben. Es begünstigt die Reflexion der eigenen Handlungen und unterstützt den nachhaltigen Kompetenzaufbau mit dem Ziel, den Inhalt weiterzuvermitteln. In der Praxis bedeutet dies oft einen Wechsel zwischen dem Darstellen von Wissen und dem gleichzeitigen Erleben dessen im Unterrichtsgeschehen, gefolgt von gemeinsamer Reflexion.

 

Ich möchte das einmal skizzieren. So ist es nach einer datengestützten Erhebung im Kollegium entstanden. Das vereinbarte Ziel lautet, dass die Lehrkräfte ihre Schülerinnen und Schüler dazu anregen möchten, über den Einsatz von Sprachmodellen im Unterricht nachzudenken. Zunächst fachspezifisch. Mit dem/der Fortbildungsbeauftragten haben wir uns dieses Modul überlegt:

  1. Einstieg und Sensibilisierung
    Einführung ins Thema „LLMs und KI-Tools“ im Rahmen der Fachkonferenz.
    Offener Austausch über Vorerfahrungen, Erwartungen und mögliche Bedenken gegenüber KI und LLMs.
    Didaktischer Doppeldecker: Lehrkräfte erleben selbst, wie glaubwürdig KI-Fehler wirken, und reflektieren zugleich, wie Schülerinnen und Schüler solche Situationen einschätzen könnten.
  2. Eigene Erfahrung sammeln (Lehrerebene)
    Praktisches Ausprobieren ausgewählter KI-Tools durch die Lehrkräfte. Jede/r erstellt z.B. einen Text, lässt ihn von einem LLM verbessern/generieren und achtet bewusst auf Reaktionen, Verzerrungen, Authentizität und mögliche Fehlerquellen.
    Diskussion: Was hat mich überrascht? Wo lagen Stärken und Schwächen? Wo war Anpassungsbedarf?
    Didaktischer Doppeldecker:Lehrkräfte erforschen aktiv die Fehlermechanismen und entwickeln parallel didaktische Schutzstrategien (kritisches Prüfen, Quellenbewusstsein).
  3. Reflexion und Ableitung für die Unterrichtsgestaltung
    Gemeinsame Reflexion: Welche Erfahrungen sind für die Schülerperspektive relevant?
    Sammlung von Ideen, wie Transfer für Schüler aussehen könnte: Welche Aufgaben eignen sich? Wie viel Anleitung brauchen die Schüler? Wo sind Reflexionsphasen nötig?
    Meta-Reflexion:Wie können Schülerinnen und Schüler lernen, KI als Hilfsmittel und nicht als Wahrheitsquelle zu begreifen?
  4. Planung zur Umsetzung auf Schülerebene
    Entwicklung von Unterrichtskonzepten, die analog zur eigenen Lehrerfahrung gestaltet werden (z.B. “Erst ausprobieren, dann reflektieren”).
    Auswahl geeigneter Aufgabenstellungen, die Schüler genauso wie die Lehrkräfte anregen, die Funktionen und Grenzen der Tools selbst zu erleben.
    Überlegungen zu begleitenden Reflexionsformaten (z.B. Feedbackrunde, Lerntagebuch).
    Fehler-Portfolio, in dem Schülerinnen und Schüler eigene KI-Erfahrungen dokumentieren („Was war richtig, was falsch?“).
  5. Austausch und Weiterentwicklung
    Präsentation und Diskussion der Konzeptentwürfe in der Fachkonferenz: Was spricht dafür, was sind potenzielle Stolpersteine?
    Gemeinsame Weiterentwicklung und Abstimmung im Team.
    Dokumentation der Konzepte und geplanter Reflexionsmethoden für die weitere schulweite Verbreitung und Evaluation.
  6. Implementierung im Unterricht und Evaluation
    Durchführung der erarbeiteten Unterrichtsmodule in der Praxis.
    Sammlung von Rückmeldungen aus Unterricht und von den Schülerinnen und Schülern.
    Nachbereitendes Treffen in der Fachkonferenz zur Anpassung und Verbesserung der Konzepte nach den ersten Erfahrungen.

Diese Struktur stellt sicher, dass das pädagogische Personal auf Grundlage der eigenen Auseinandersetzung mit KI-Tools tragfähige, reflektierte und authentische Lernsettings für Schülerinnen und Schüler entwickeln. In diesen Settings werden die Chancen und Risiken von LLMs erfahrbar gemacht.

Ergänzung:
Im aktuellen KI-Podcast von BR24 wurde das Thema „Wann macht KI Fehler – und wann wir?“ mit den folgenden Schwerpunkten behandelt:

  • Die vier Arten von KI-Fehlern (ab 3:20)
  • Wie verhindere ich KI-Fehler? (ab 16:00)

behandelt. Dieser Podcast kann gut als Begleitmaterial dienen, oder? Hier könnte er beispielsweise dazu dienen, einen schulweiten „KI-Kompetenzrahmen“ um den Baustein Fehleranalyse und Quellenkritik zu ergänzen.

Welche weiteren Fortbildungsformate bieten sich (noch) an? Bei vergleichbaren Fragestellungen wird sehr häufig das folgende Format genutzt:

Barcamp

Die Dokumente stehen als PDF bzw. Indesign-Datei und als bearbeitbares Dokument in Google Drive zur Verfügung. In Google Drive kann über den Menupunkt „Datei“ eine Kopie angelegt oder eine docx- oder odt-Version heruntergeladen geladen werden.

    Teil einer typischen Einführung in die Methode Barcamp sind Regeln für die Ausgestaltung des Formats. Diese Regeln haben keinen Anspruch auf Allgemeingültigkeit. Es gibt zahlreiche unterschiedliche Fassungen für solche Richtlinien, die sich in einzelnen Punkten unterscheiden. Es gibt weder ein offizielles Regelwerk, noch eine „Barcamp-Polizei“, die vor Ort die Einhaltung bewacht. Im Folgenden ist unsere Version „10 Goldene Regeln“ vorgestellt,
    die sich in unserer Praxis gut bewährt haben. 

    Ein Barcamp geht von morgens bis abends, jede Session dauert 45 Minuten, und alle Sessions müssen zu Beginn vorgestellt werden. Oder? Es geht auch anders. Es ist gerade eine große Stärke des Barcamp-Formats, dass es flexibel angepasst werden kann. Wir zeigen die wichtigsten Stellschrauben für Barcamps und Online-Barcamps. Dazu gibt es Tabellen mit Muster-Zeitstrukturen zum Download.

    Einsatzszenarien

    Weitere Formate

    Als ergänzende Möglichkeiten für eine Lehrkräfte- und Schulleitungenfort- und weiterbildung bieten sich an (in Kurzform):

    • Spezialisierte Online-Kurse und Workshops
      Plattformen mit Kursen speziell für Bildungskontexte (z.B. Basics zu KI, KI-Tools im Unterricht, KI-Ethik).
      Oft auch hybride Formate mit Präsenzworkshops.
      Beispiele: Fortbildungen über Landesinstitute
    • Netzwerke und Social Media
      Aktive Nutzung von Instagram, LinkedIn, BlueLZ, FediLZ und anderen Netzwerken zum informellen Lernen.
      Folgen von Accounts und Gruppen, die Best Practices, neue Tools und niedrigschwellige Anwendungen vorstellen.
      Besonders beliebt: Tipps zu Tools wie Copilot, MidJourney etc., oft mit kurzen, leicht umsetzbaren Tutorials.
    • Peer-to-Peer-Lernen
      Austausch in Kollegien, Makerspaces, mit Schüler*innen (vom „Learning by Doing“ profitieren).
      Experten (aus Schule, Hochschule, Start-ups) im Gespräch befragen, um praktische und alltagstaugliche Anwendungsideen zu bekommen.
    • Experimente und Projekte im Unterricht
      Eigene, praktischen Erfahrungen mit KI-Tools sammeln – gemeinsam mit Schülerinnen und Schülern
      Zum Beispiel: KI-basierte Chats mit literarischen Figuren, kreative Aufgaben, mit Bildern oder Musik-Generatoren arbeiten.
    • Fachliteratur und Studien
      Lesestoff: Bücher, Studien („Big Data“), Blogbeiträge, Fachartikel und aktuelle Berichte.
      Für die Vertiefung: Audiobooks und Podcasts, die praxisnah Einblick geben und Diskurse vertiefen.
    • Podcasts und Audiomedien
      Regelmäßige Podcast-Folgen mit Experteninterviews, praxisnahen Tipps und Erfahrungsberichten sowie ethischen und gesellschaftlichen Fragestellungen.
    • Interdisziplinäre Kurse und Projekte
      Teilnahme an Kursen, die didaktische und technologische Expertise kombinieren
      Fokus auf den Transfer von Technik in die Unterrichtspraxis.
    • Selbstgesteuertes Lernen
      Offene Haltung: Tägliches Ausprobieren, Testen neuer Features, konsequente Recherche zu aktuellen KI-Entwicklungen und Trends.
    • Ethische und reflexive Diskursforen
      Beteiligung an digitalen oder analogen Diskussionsrunden über gesellschaftliche, ethische und medienpädagogische Herausforderungen rund um KI.

    Eine Kombination aus formellen und informellen Lernformaten führt zu dem größten Lernerfolg. Besonders niedrigschwellige Einstiegsmöglichkeiten (Social Media, Podcasts, Austausch mit Schülerinnen und Schülern, Experimente) können Berührungsängste abbauen, während vertiefende Fortbildungen und Fachdiskurse nachhaltiges Wissen und Reflexion fördern. Es lohnt sich, ein persönliches Fortbildungskonzept zu entwickeln, das kontinuierliches Lernen, Praxisbezug und kritische Reflexion umfasst. Und: Wenn man die eigenen Fortbildungswege innerhalb des Kollegiums teilt und gemeinsam entdeckt, ermöglicht das einen Kompetenzgewinn und mehr Sicherheit rund um KI in der Schule.

    Schlussbemerkung

    In meinem Band 4 habe ich eine anlässlich der Einführung des Kerncurriculums in Hessen entwickelte Fortbildungsinitiative aufgegriffen und fortgeschrieben. Die inhaltliche Ausrichtung meiner Fortbildungsmodule orientiert sich an Merkmalen der Tiefenstruktur von Unterricht, greift relevante Kernpraktiken von Lehrkräften auf und stellt Methoden vor, die der Digitalität gerecht werden. Abschließend führe ich in unterschiedliche Mindsets zum fächerübergreifenden Projektunterricht ein. Diese regen zu einer Zusammenarbeit sowohl unter den Lehrkräften als auch unter den Schülerinnen und Schülern an. Der Praxisband soll vor allem denen Unterstützung bieten, die eine Übersicht über mögliche Fragestellungen rund um eine moderne Schule in der digitalen Welt haben wollen. Stichworte sind hier: Constructive Alignment, Prüfungskultur, Design Thinking, Deeper Learning und vieles mehr.

    Das Buch ist während der Corona-Zeit entstanden, also vor der aktuellen KI-Entwicklung. Und doch lassen sich die Inhalte gut übertragen. Wichtig ist dabei eine reflexive, transparente und partizipative Praxis, die gesellschaftliche, pädagogische und technische Perspektiven integriert. Wenn Schulleitungen und Kollegien die Einführung von KI-Tools als lernendes System gestalten, kann aus anfänglicher Skepsis konstruktive Gestaltungskompetenz entstehen. Dies ist ein entscheidender Schritt, um den Bildungsauftrag im digitalen Zeitalter zu erfüllen.

    Der nächste Beitrag stellt eine Reihe von Materialien vor, die im Rahmen von Fort- und Weiterbildungen entstanden sind.

    … Stay tuned …

    Bildnachweis:

    Photo by Headway on Unsplash

    References

    KI in der Schule (4): Fortbildung – Vernetzung

    Oct 29, 2025 | Allgemein, Fortbildung, KI, Schulentwicklung

    Die rasante Entwicklung Künstlicher Intelligenz stellt Schulen weltweit vor neue Herausforderungen – und Chancen. Länder wie Finnland und Estland zeigen eindrucksvoll, wie gezielte Fortbildungsinitiativen und kollegiale Netzwerke Lehrkräfte befähigen, KI nicht nur zu verstehen, sondern auch verantwortungsvoll und kreativ im Unterricht einzusetzen. In Finnland etwa vernetzen sich Lehrkräfte über Hochschulprojekte und offene Lernplattformen wie „Elements of AI“, um gemeinsam Materialien zu entwickeln und ethische Fragen zu diskutieren. Estland setzt auf regionale Kompetenzzentren, in denen Lehrkräfte praxisnah geschult und langfristig begleitet werden.

    Durch Teamarbeit entstehen effizientere und passgenauere Unterrichtskonzepte, die auf den vielfältigen Bedürfnissen der Schülerinnen und Schüler sowie den jeweiligen Fächeranforderungen basieren. Der kollektive Austausch erhöht die Motivation, neue Technologien aktiv zu nutzen, weil Lehrkräfte sich gegenseitig ermutigen und bei Herausforderungen unterstützen können. Kooperative Fortbildungen und kollegiale Fallberatungen wirken hierbei besonders motivierend. Gemeinsames Reflektieren ermöglicht eine kritische Auseinandersetzung mit dem Einsatz von KI im Unterricht und fördert innovative Ideen.

    Dieser Artikel plädiert für eine stärkere regionale Vernetzung von Lehrkräften als Motor für digital gestützte Schulentwicklung. Denn die Zukunft der Bildung wird nicht allein durch Technologie gestaltet – sondern durch Menschen, die bereit sind, voneinander zu lernen.

    Bildungsforschung

    SiNUS-Projekt

    Es ist lange her, dass ich am SINUS-Projekt beteiligt war. Zur Erinnerung: SiNUS (Steigerung der Effizienz des mathematisch-naturwissenschaftlichen Unterrichts) war ein Modellversuchsprogramm für die Sekundarstufe I im mathematisch-naturwissenschaftlichen Bereich. Es wurde infolge der Third International Mathematics and Science Study (TIMSS) 1994/96 von der Bund-Länder-Kommission für Bildungsplanung und Forschungsförderung (BLK) initiiert. Ziel des Programms war es, die Effizienz des Unterrichts zu steigern. Mit einigen hundert Lehrerinnen und Lehrern wurde das bundesweite Fortbildungsprogramm gestartet, das leider 2007 wieder beendet wurde.[1]SINUS (Bildung) – Wikipedia Der Abschlussbericht [2]Wayback Machine betont die Bedeutung von konkreten Unterrichtsvorhaben, die Lehrkräfte gemeinsam entwickeln und reflektieren. Darüber hinaus hebt der Bericht die Wirksamkeit von Lehrerkooperationen hervor. Diese habe eine nachhaltige Veränderung der Unterrichtspraxis gefördert und schulübergreifende Arbeitsgruppen sowie regionale Fortbildungsstrukturen ermöglicht. Durch die systematische, auch wissenschaftliche Begleitung durch Landeskoordinatoren und die länderübergreifende Materialentwicklung gelang ein bundesweiter Transfer.

    Ich war selbst Teil der „SiNUS-Bewegung“. In dieser langjährigen eigenen und später beratenden Schulentwicklungspraxis hat sich für mich die Arbeit in kleinen Teams als das wesentliche Merkmal erfolgreicher schulinterner Unterrichtsarbeit herauskristallisiert. Im Einzelnen:

    • Ich kann im Kollegium Wissen und Erfahrungen austauschen und davon lernen. Dies kann dazu beitragen, die Qualität des Unterrichts zu verbessern und den Schülerinnen und Schülern ein breiteres Spektrum an Lernmöglichkeiten zu bieten.
    • Ich kann Ressourcen wie Unterrichtsmaterialien und Technologien austauschen und dazu beitragen, dass diese besser bekannt und effektiver genutzt werden.
    • Zusammenarbeit hilft bei der Unterrichtsplanung: Es können Unterrichtspläne entwickelt werden, die aufeinander abgestimmt sind und unterschiedliche Lernstile und Interessen berücksichtigen.
    • Zusammenarbeit kann helfen, sich gegenseitig zu unterstützen und zu ermutigen. Dies kann dazu beitragen, Stress und Burnout zu reduzieren und das Wohlbefinden der Lehrkräfte zu verbessern. Eine Methode, die ich mehrfach als erfolgreich erlebt habe, ist die kollegiale Fallberatung.
    • Zusammenarbeit kann dazu beitragen, Lehr- und Lernkonzepte zu reflektieren, um besser auf die Bedürfnisse der Schülerinnen und Schüler eingehen zu können und ihnen die bestmöglichen Lernmöglichkeiten zu bieten.

    Wenn sich Lehrkräfte lokal zusammenschließen, Erfahrungen teilen und gemeinsam neue Lernwege erproben, entsteht ein dynamisches Lernökosystem, das weit über einzelne Fortbildungstage hinauswirkt. In den letzten Jahren wurden nur wenige vergleichbare SiNUS-Projekte initiiert, über die ich im Folgenden berichte: [3]https://www.digitalstadt-darmstadt.de/projekte/modellschulen/, https://www.unser-bad-driburg.de/news/news-aus-der-region/pm-bezirksregierung-barcamp-in-detmold, https://quamath.de/

     

    LuPe², Darmstädter Modellschulen und QuaMath

    Was zeichnet die Projekte LuPe², Darmstädter Modellschulen und QuaMath aus? Zwar unterscheiden sich das Projekt LuPe² und das Programm QuaMath in ihrer fachlichen Ausrichtung – LuPe² ist schulformübergreifend und thematisch breit gefächert, QuaMath fokussiert sich auf den Mathematikunterricht –, sie teilen jedoch bemerkenswerte konzeptionelle Gemeinsamkeiten. Zunächst sind sie alle wissenschaftlich begleitet, wie auch das Darmstädter Projekt. Sie alle setzen auf gemeinsame Vernetzungsprinzipien. Lehrkräfte gestalten aktiv mit, es finden sich kollaborative Formate mit zentral organisiertem Austausch, Peer-Feedback und Reflexion. Mit der Transferorientierung sollen die gewonnenen Erkenntnisse über die beteiligten Schulen hinaus wirken.

    Der persönliche Austausch schafft eine soziale Dynamik, die individuelle Lernangebote meist nicht bieten können. Dabei entstehen spontane Ideen und direkte Rückmeldungen, wodurch sich ein Zugehörigkeitsgefühl zum Kollegium entwickelt. Dies fördert die Akzeptanz und den nachhaltigen Einsatz von digitalen Medien erheblich.

    Insgesamt zeigt die Evidenz, dass eine kollegiale Vernetzung auch im Kontext von KI die Kompetenzen der Lehrkräfte deutlich verbessert, die Innovationskraft stärkt und das schulische Lernen insgesamt bereichert. Das gemeinsame Lernen schafft eine Kultur des kontinuierlichen Austauschs, die für die nachhaltige Integration von KI im Bildungswesen essenziell ist.

    Kollegiale Evaluation von Unterricht

    Ein lernendes Schulsystem lebt von der Zusammenarbeit. Gerade in Zeiten steigender Anforderungen und wachsender Heterogenität in den Klassenzimmern wird deutlich: Die Qualität des Unterrichts steigt, wenn Lehrkräfte nicht isoliert arbeiten, sondern gemeinsam reflektieren und ihre Praxis weiterentwickeln. Kooperative Professionalität bedeutet, den Blick für das große Ganze zu schärfen und die Stärken eines Teams zu nutzen, um Schülerinnen und Schüler gezielt zu fördern.

    Doch wie lässt sich eine solche Kultur der Zusammenarbeit konkret gestalten? Die Antwort liegt in der Nutzung effektiver Instrumente, die Lehrkräfte dabei unterstützen, die Perspektive der Lernenden einzunehmen und gemeinsam an Unterrichts- und Schulentwicklung zu arbeiten. Lesson Study, Spirals of Inquiry, Unterrichtshospitationen und Rating-Konferenzen sind nur einige Beispiele für Ansätze, die eine datenbasierte, dialogorientierte und mehrperspektivische Arbeit fördern.

    Im Folgenden zeige ich, wie diese Methoden dazu beitragen können, die individuelle und kollektive Wirksamkeit von Lehrkräften zu stärken, neue Handlungsmuster zu etablieren und die Qualität von Unterricht und Lernprozessen nachhaltig zu verbessern. Dabei geht es um mehr als die technische Anwendung einzelner Werkzeuge: Es geht darum, gemeinsam eine neue, zukunftsgerichtete Schul(system)kultur zu schaffen, die alle Beteiligten – Lehrkräfte, Lernende und Führungskräfte – aktiv einbindet.

    Lesson Study

    Lesson Study stammt ursprünglich aus Japan und ist dort seit über einem Jahrhundert fest im Schulsystem verankert. Zu Beginn des 21. Jahrhunderts wurden Forschende aus aller Welt auf die Methode und ihr Potenzial aufmerksam. Dies ist vor allem auf die Ergebnisse der ersten TIMSS-Studie (Trends in International Mathematics and Science Study, 1995) zurückzuführen, in denen japanische Schülerinnen und Schüler im Fach Mathematik überdurchschnittlich gut abschnitten. Diese Ergebnisse wurden unter anderem auf eine kontinuierliche und gemeinsame Unterrichtsentwicklung zurückgeführt, die in Japan üblich ist.

    Lesson Study ist eine Form der kooperativen Unterrichtsentwicklung, bei der ein Team aus ca. drei bis sechs Lehrpersonen vier zentrale Phasen durchläuft. Damit lebt Lesson Study vom kollegialen Austausch und der Kooperation von Lehrpersonen und bietet so einen Rahmen für die gemeinsame Bewältigung von Herausforderungen und die stetige Weiterentwicklung der eigenen Praxis. Besonders dann, wenn Lesson Study nachhaltig in die Strukturen des Schulalltags integriert wird, kann ein Kollegium durch Lesson Study langfristige Ziele der Schulentwicklung gemeinsam verfolgen und im Unterricht umsetzen.

    Drei Links dazu:

    Spirals of Inquiry

    „Spirals of Inquiry” ist ein innovativer Ansatz zur Verbesserung des Lernens und Lehrens in Schulen. Entwickelt von den Forscherinnen Judy Halbert und Linda Kaser, basiert es auf einem zyklischen Prozess, der Lehrer dazu ermutigt, sich mit den Herausforderungen ihrer Schüler auseinanderzusetzen und darauf basierend Maßnahmen zu ergreifen. Die Methode stellt das Lernen und die Bedürfnisse der Schüler in den Mittelpunkt, die Lehrkräfte arbeiten gemeinsam und teilen ihre Erkenntnisse.

    Der Prozess umfasst sechs Hauptschritte:[4]The spiral of inquiry / Evidence-based leadership / Pedagogy and assessment / Home – Educational Leaders

    1. Scanning: Beobachtung und Analyse der aktuellen Situation der Lernenden.
    2. Focusing: Identifizierung der Bereiche, in denen gezielte Maßnahmen den größten Unterschied machen können.
    3. Developing a Hunch: Entwicklung von Hypothesen darüber, wie die aktuelle Situation entstanden ist und wie sie verbessert werden kann.
    4. New Learning: Erlernen neuer Methoden und Ansätze, die auf die identifizierten Bedürfnisse der Lernenden abgestimmt sind.
    5. Taking Action: Umsetzung der neuen Ansätze im Unterricht.
    6. Checking: Überprüfung, ob die ergriffenen Maßnahmen den gewünschten Unterschied gemacht haben, und gegebenenfalls erneutes Durchlaufen des Zyklus

    Entscheidungen basieren auf systematischen Beobachtungen und Erhebungen. Die Phasen werden wiederholt, um kontinuierliche Verbesserung sicherzustellen. Die Spiralen lassen sich an unterschiedliche Kontexte und Schulen anpassen. „Spirals of Inquiry“ ist ein vornehmlich in Kanada eingesetztes wirkungsvolles Instrument, um datenbasierte Schul- und Unterrichtsentwicklung zu fördern. Es verbindet Reflexion, Innovation und gezielte Praxis, um nachhaltige Verbesserungen im Bildungssystem zu erreichen. 

    Ratingkonferenz

    Die Ratingkonferenz ist ein datengestütztes Evaluationsverfahren, bei welchem die qualitativen und quantitativen Aspekte der Evaluation und deren Vorzüge miteinander verbunden werden. Das Verfahren basiert im Wesentlichen auf zwei sich ergänzenden Prozesselementen:

    • der individuellen Einschätzung (dem «Rating») von vorgegebenen Aussagen zum jeweiligen Evaluationsthema / -gegenstand (quantitatives/geschlossenes Element),
    • der unmittelbar anschließenden, gemeinsam mit den Befragten vorgenommenen Auswertung und Interpretation der erhobenen Daten (qualitatives/offenes Element).

    Die Aussagen (Items), die den Teilnehmerinnen und Teilnehmern zu Beginn der Ratingkonferenz zur individuellen Einschätzung vorgelegt werden, bilden die Basis des Verfahrens: Hier entstehen die Daten, auf die im Verlauf des diskursiven Auseinander-setzungsprozesses Bezug genommen wird. Ein idealer Umfang liegt bei etwa einem Dutzend Items. Auf keinen Fall sollte das Ratinginstrument mehr als zwanzig Items umfassen, denn zu viele Items bringen die Gefahr einer zu oberflächlichen qualitativen Interpretation mit sich. Die Items sollten so ausgewählt beziehungsweise formuliert sein, dass sie die wichtigsten Aspekte ansprechen, zu denen die Erfahrungen und Meinungen der Schülerinnen und Schüler gefragt sind. Für die Formulierung der Items sind grundsätzlich dieselben Hinweise zu beachten, die für die Gestaltung von  Fragebogen gelten: Es braucht einfache, gut verständliche, präzise, neutrale (nicht suggestive) und eindimensionale Formulierungen. Für die Einschätzung der Items sollte eine mindestens vierstufige Skala vorgegeben werden – beispielsweise mit der folgenden Abstufung: 1 = trifft nicht zu; 2 = trifft teilweise zu; 3 = trifft überwiegend zu; 4 = trifft vollständig zu-

    Entnommen aus:
    Lehrevaluation als Anstoss zur Unterrichtsentwicklung, der Beitrag von Norbert Landwehr

    Aus meiner Berufspraxis hier ein Beispiel aus einer externen Evaluation zum Ganztagsangebot einer Schule. Unter anderem wurde die Ratingkonferenz als Methode gewählt, um qualitativ mit Eltern und Lehrkräften ins Gespräch zu kommen. Hier die beiden Ablaufprogramme:

    Unterrichtshospitation

     

    In der Lehrerfort­bildung geht es ja oft darum, die alten Muster zu verändern. Zeit­gemäße Pädagogik ist ganz anders, als es die Lehr­kräfte noch vor 30 Jahren gelernt haben. Wie gelingt es, die erfahrenen Lehr­kräfte dafür zu öffnen? Prof.’in Stern (ETH Zürich):[5]https://deutsches-schulportal.de/bildungswesen/forschung-warum-erwachsene-beim-lernen-auf-die-bremse-treten/

    Jeder, der in der Lehrer­fortbildung gearbeitet hat, kennt diese zwei Sätze: „Das mach ich doch schon lange so“ und „Mit meiner Klasse geht das nicht“. Die erfahrenen Lehr­kräfte wollen in der Regel an ihrem erprobten Modell festhalten. Das ist eine ziemlich normale Reaktion. Ein Umdenken erreicht man meist dann, wenn ein Kollege oder eine Kollegin in der eigenen Klasse vormacht, dass ein anderer Unterricht tatsächlich besser funktioniert. Wenn man sich den Unterricht vor Ort genau ansieht und dann ganz konkret aufzeigt, wo man zum Beispiel Aufgaben­stellungen optimieren kann, dann nehmen das auch die erfahrenen Lehrkräfte gern an. Das passiert in der Schweiz viel über Unterrichtsbeobachtung. Ich selbst sitze als Mitglied einer Schul­kommission oft in der Klasse und schaue mir die Kinder genau an. Ich würde mir nicht zutrauen, besser zu unterrichten. Die Expertise dafür liegt klar bei der Lehr­kraft. Aber ich kann die einzelnen Kinder besser im Blick haben. Anschließend kann ich der Lehrerin oder dem Lehrer zurück­melden, welche Aufgaben­stellung gut funktioniert oder bei welchem Kind man vielleicht eine veränderte Aufgaben­stellung ausprobieren sollte. Wichtig ist es, den Verständnis­prozess bei den Kindern immer wieder zu überprüfen und den Unterricht anzupassen.

    Lehrkräfte geben ihr Wissen, ihre Erfahrungen und Planungen zur gegenseitigen Bereicherung weiter. Sie stärken damit die Verständigung und den Austausch. Gemeinsame Lehrprozessplanungen leisten einen Beitrag zur Sicherung der Unterrichtsqualität und entlasten die einzelnen Lehrkräfte, etwa durch Verabredung einer kollegialen Hospitation.

    Kollegiale Unterrichtshospitationen mit anschließendem Feedback gelten als sehr wirksame Methode, den eigenen Unterricht zu reflektieren und zur Professionalisierung der Lehrkräfte beizutragen. Laut Kempfert & Ludwig bringen sie folgende Vorteile:[6]Kempfert, G./Ludwig, M.: Kollegiale Unterrichtsbesuche. Besser unterrichten durch Kollegen-Feedback. Beltz Verlag. Weinheim und Basel. 2. Aufl. 2010. S. 24

    • Der Unterricht wird gemeinsam untersucht, erforscht, reflektiert und verbessert.
    • Die Beobachtungsschwerpunkte werden von den Lehrkräften ausgehandelt, sie orientieren sich an pädagogischen Werten.
    • Ein Austausch zwischen Lehrerinnen und Lehrern kommt in Gang, der nicht nur die Qualität ihrer Arbeit verbessern, sondern auch die kollegiale Beziehung vertiefen und den Teamgedanken fördern kann.
    • Beobachtungen sind Grundlage des kollegialen Gesprächs: Es wird nicht nur über Unterricht geredet – wie in der Supervision – sondern das Gespräch orientiert sich an Beobachtungsdaten.
    • Die Lehrperson kann ihre Eigenperspektive mit einer Fremdperspektive vergleichen und bekommt die Chance, blinde Flecken in ihrer Arbeit zu entdecken.
    • Neuerungen werden im Unterricht umgesetzt, systematisch erprobt und reflektiert
      Lehrpersonen entwickeln ihre eigene Professionalität wie auch ihre eigene Didaktik weiter.

    Für ein Selbststudium hier einige Empfehlungen:

    • HOSPITATION UND FEEDBACK, Material zur Anregung von Schulentwicklung vom Deutschen Zentrum für Lehrerbildung Mathematik
    • Reichelt/Wenge: Unterrichtsbesuche, Hospitationen und Lehrproben. Das Buch bietet Leitfäden und Checklisten zu unterschiedlichen Unterrichtssituationen an, aus Sicht der Ausbildung (1. und 2. Phase) und Lehrerpraxis (3. Phase). Für einen wirksamen Unterricht sind maßgeblich Tiefenstrukturen in den Blick zu nehmen. Aktuelle Forschungsergebnisse finden sich in:
    • Kognitiv aktivieren. Das Pädagogikheft wartet mit vielen Beispielen aus der Unterrichtspraxis auf. Vieles davon sollte Thema bei einer Unterrichtshospitation sein.
    • Eine Taskcard, die gegenseitige Besuche der Kolleg*innen untereinander vorbereiten hilft (von Margarete Giessmann, @margaretegiessmann@bildung.social)

    Und hier noch ein Gastbeitrag von Prof. G. Buhren: Gute Schule dank positiver Feedbackkultur

    Sollte die Schulleitung im Unterricht des Kollegiums hospitieren? Ja! Denn von einer positiven Feedbackkultur zwischen Leitung und Kollegium profitieren alle. Dafür ist Transparenz nötig – und Gegenseitigkeit.

    Schlussbemerkung

    “Spirals of Inquiry” als auch “Lesson Study” sind Ansätze zur Verbesserung des Unterrichts durch kollaborative und reflektierende Praktiken. Sie unterscheiden sich in ihrem Fokus und ihrer Methodik. Beide Ansätze fördern die Zusammenarbeit und das professionelle Wachstum von Lehrkräften, “Spirals of Inquiry” legt mehr Wert auf einen kontinuierlichen, datengetriebenen Verbesserungsprozess,  “Lesson Study” konzentriert sich stärker auf die detaillierte Analyse einzelner Unterrichtsstunden.[7]https://content-select.com/de/portal/media/view/624be842-efcc-4739-9f93-2554b0dd2d03 Ratingkonferenzen wie auch Unterrichtshospitationen eignen sich sowohl für einen individuellen wie kooperativen Einsatz. 

    Abschließend folgen noch diese beiden Artikel, die ebenfalls für eine Zusammenarbeit auf Schulebene werben.

    Lehrkräfte sehen sich immer komplexer werdenden Aufgaben gegenüber und sind gleichzeitig einer strukturellen Vereinzelung ausgesetzt. Doch niemand kann im Alleingang die schulischen Herausforderungen unserer Zeit stemmen oder Innovationen nachhaltig umsetzen. Teamstrukturen können in Schulen eine dynamische Lernumgebung schaffen, die allen am Schulleben Beteiligten zugutekommt.

    Nicht nur dieser Artikel ist zu empfehlen. Er war nur (leider) der einzige im OpenAccess-Format.

    In diesem Blogbeitrag möchten wir eine Lanze brechen für die ko-konstruktive Planung von Unterricht: Sie ergibt mehr als die Summe ihrer Teile und bereichert im besten Fall die Lernenden (und uns), weil sie zu mehr Unterrichtsqualität führt. Mit diesen Gedanken haben wir uns vor einigen Jahren auf den Weg gemacht, im Rahmen der Lehrkräfteausbildung Unterrichtshospitationen im Co-Planning-Verfahren zu bestreiten. Wie wir das machen (oder gemacht haben in Iris’ Fall), davon berichten wir hier.

    Im nächsten Artikel stelle ich weitere Fortbildungsformate vor, die zur Zusammenarbeit einladen und die gesamte Schulentwicklung fördern.

    … Stay tuned …

    Bildnachweis:

    Image by Jamillah Knowles & Reset.Tech Australia / © https://au.reset.tech/ / Better Images of AI / Detail from Connected People / CC-BY 4.0

    References

    KI in der Schule (3): Q-Kultur

    Oct 15, 2025 | Allgemein, KI, Schulentwicklung

    Der Begriff „Q-Kultur” im schulischen Kontext bezeichnet die Qualitätskultur einer Schule, also die Art und Weise, wie Qualität dort verstanden, gelebt und gestaltet wird. Das Konzept stammt aus dem europäischen Projekt Q-KULT (Qualitätskultur) und verbindet schulische Organisationskultur mit Qualitätsmanagement.

    Innerhalb des Schulsystems beschreibt die Q-Kultur, wie die Haltung, Werte und das gemeinsame Selbstverständnis der Akteure – Lehrkräfte, Schulleitung, Schüler und Eltern – die Qualität des Lernens und Lehrens beeinflussen. Dabei wird davon ausgegangen, dass Qualitätsentwicklung nicht nur durch formale Verfahren und Standards, sondern vor allem durch eine gelebte Kultur der Zusammenarbeit, Offenheit und Reflexion gelingt. Die Q-Kultur betrachtet jede Schule als Organisation mit einer spezifischen Kultur, die sich in Normen, Kommunikationsformen, Entscheidungswegen und Konfliktlösungsstrategien zeigt. Diese Kultur wirkt unmittelbar auf das Qualitätsmanagement ein.

    Qualitätsmanagement (QM) sorgt dafür, dass Schul- und Unterrichtsentwicklung gelingen kann. Es ist ein Mittel, um Kurs zu halten. Darüber hinaus sorgt es für eine schulinterne Normierung von Qualität. Im Zentrum der Qualitätsbemühungen steht der Lernerfolg der Schülerinnen und Schüler: Ihre fachliche und methodische, aber auch ihre persönliche und soziale Kompetenz, ihr Laufbahnerfolg. Dabei geben die Kultusministerien den Rahmen und die Ziele bzw. Standards vor (z. B. für Hessen via Hessichen Referenzrahmen). Der Schulträger sorgt für eine leistungsfähige Infrastruktur und stellt die dazugehörigen Betriebsmittel und das Personal bereit.
    Viele Schulen und Lehrkräfte experimentierten während der Pandemiezeit mit den unterschiedlichsten Ansätzen von Lehr- und Lernformen. Hochschuldidaktikerinnen und -didaktiker forderten und fordern mit Blick auf Einsatz von digitalen Medien: „Evaluieren, evaluieren, evaluieren!“

    Orientiert man sich an der Herkunft des Wortes (frz. évaluer „abschätzen“, „berechnen“, von lat. valere „stark sein“, „wert sein“), so wird deutlich, dass Evaluation etwas mit „Wert schätzen“ zu tun hat, den Wert, die „Stärke“ eines Produktes oder Prozesses anhand von nachvollziehbaren Kriterien einzuschätzen. Gute Evaluation hat viel mit einer „wertschätzenden“ Grundhaltung zu tun, mit dem Bemühen, die Qualität von Schule und Unterricht zu verstehen, in der Absicht, sie weiterzuentwickeln.[1]Auszüge aus https://schule-in-der-digitalen-welt.de/buch4/

    Häufig werden Evaluation und Feedback fälschlicherweise synonym verwendet. Die folgende Tabelle verdeutlicht den Unterschied zwischen beiden Verfahren:

     

    Im Folgenden stelle ich einige Modelle zur Qualitätssicherung von Schulentwicklungsmaßnahmen vor, die sich bewährt haben. Das PDCA-Modell spielt vor allem in der klassischen Schulentwicklung eine wichtige Rolle. Das ADDIE-Modell wird bei Fragestellungen angewendet, die den Einsatz digitaler Medien im Unterricht betreffen. Das 4A-Modell schließlich wurde erstmals von Prof.’in Weßels vorgestellt und ermöglicht eine Evaluation in KI-Anwendungsfragen.

    In meinem letzten Beitrag habe ich für fächerübergreifende und -verbindende Unterrichtsangebote sowie für eine aufgrund der Entwicklungen rund um KI erforderliche Neuorientierung in der Berufsberatung geworben. Diese Ansicht hat sich in dieser Woche für mich noch mehr verstärkt. Prof. Wößmann (Volkswirtschaftslehre an der Ludwig-Maximilians-Universität München) wurde nach der Zukunft des Lernens befragt und hat sich dabei auch zum Schulsystem geäußert: Welche Anpassungen sind nötig, und auf welche Kompetenzen kommt es besonders an?[2]https://www.welt.de/politik/deutschland/article68df6cbddc95f1f53102a618/zukunft-des-lernens-ki-gefaehrdet-zum-teil-auch-hoch-qualifizierte-arbeitnehmer-etwa-programmierer-oder-juristen.html

    Wir wollen die Kinder auf das Leben vorbereiten. Da wir nicht wissen, wie die Welt in zehn, 20 oder 30 Jahren aussieht, bedeutet das vor allem, sie in die Lage zu versetzen, mit Wandel umzugehen. Dazu braucht es zwei Dinge: Zum einen sprachliche, mathematische und naturwissenschaftliche Basiskompetenzen, um die Fähigkeit zu haben, immer wieder etwas Neues zu erlernen. Das sieht man auch im Ländervergleich. Die Bildungsleistung der Bevölkerung bestimmt über drei Viertel der langfristigen Unterschiede im Wirtschaftswachstum. Und zum anderen Anpassungsfähigkeit, Problemlösungskompetenz und Kreativität, um Problemstellungen von Grund auf zu durchdringen. Denn das nimmt einem ChatGPT nicht ab.

    Die Festlegung des Bildungskanons „sprachliche, mathematische und naturwissenschaftliche Basiskompetenzen” obliegt den Kultusministerien bzw. der Kultusministerkonferenz (KMK). In den letzten 30 Jahren hat sich in dieser Hinsicht kaum etwas getan. Das liegt vermutlich auch daran, dass es sehr viel Mut und Überzeugungsarbeit der Bildungsverantwortlichen in den Kultusbehörden benötigt, um „echte“ und damit inhaltlich reduzierende Maßnahmen zu ergreifen und größere Spielräume bei fächerübergreifenden und/oder -verbindenden Konzepten zu erhalten. Eine schulinterne Auseinandersetzung mit dem Ziel, ein eigenes Curriculum zu kreieren, erfordert ebenfalls Mut und Überzeugungsarbeit – dieses Mal vonseiten der Schulleitung, den Steuergruppen und den Schulelternbeiräten. Zumal die Fassung eines Schulcurriculums die Genehmigung der zuständigen Behörden benötigt, deren Ausgang ungewiss ist.

    Die Förderung der „Anpassungsfähigkeit, Problemlösungskompetenz und Kreativität“ hingegen ist ein Thema für fächerübergreifende Überlegungen. Ich habe einmal die Sprachmodelle „befragt“, welche drei Ziele sie priorisieren würden. Mit folgendem Prompt: Ich will Schulleitungen motivieren, ihr pädagogisches Personal anzuregen, sich mit einem Schulentwicklungsziel auseinanderzusetzen, das den Einsatz von KI-Sprachmodellen zulässt und kritisch hinterfragt. Nenne mir drei Entwicklungsziele, sich sich vor allem auf Herausforderungen im Kontext zur Berufsberatung beziehen.

    Antwort ChatGPT 5.0:

    • Schülerinnen und Schüler nutzen KI-Sprachmodelle reflektiert, um individuelle Berufswege zu erkunden, Informationen zu Ausbildungsberufen und Studiengängen zu recherchieren und Bewerbungsprozesse vorzubereiten.
    • Ziel ist es, Schülern die Fähigkeit zu vermitteln, Informationen aus KI-Quellen zu prüfen und kritisch einzuordnen.
    • Gezielt erproben, wie KI-Sprachmodelle als “Sparringspartner” zum Nachdenken über berufliche Optionen dienen können.

    Anschließend habe ich den Dialog mit dem Sprachmodell fortgesetzt. Bevor ich darüber berichte, möchte ich zunächst eine Einführung in die drei Modelle geben.

      PDCA-Modell

      Mit dem Plan-Do-Check-Act-(PDCA)-Zyklus [3]ebda. gelingt eine wünschenswerte Transparenz; zum einen in Richtung Schulgemeinde, was Schule mit Blick auf Schul- und Unterrichtsentwicklung tatsächlich plant (linkes Bild), zum anderen in Richtung pädagogisches Personal, inwieweit die pädagogischen Ziele mit der implementierten Strategie wirklich erfolgreich waren (rechtes Bild).

      Wie können nun Schulen ihre Qualität unter den jeweils gegebenen Rahmenbedingungen kontinuierlich sichern und weiterentwickeln? Wie kommen sie zu richtigen Entscheidungen? Wie finden sie heraus, ob sie das, was sie tun, gut machen?

      Der Aufbau eines systematischen Qualitätsmanagements und die regelmäßige Anwendung eines Qualitätskreislaufs (PDCA-Zyklus) sind hierfür wesentliche Steuerungsinstrumente. Sie umfassen die Bereiche der Organisations-, Personal- und Unterrichtsentwicklung sowie das Zusammenspiel unterschiedlicher Elemente der Qualitätsentwicklung (Selbstevaluation, Fremdevaluation, Zielvereinbarungen) und der daran beteiligten Institutionen. Der PDCA-Zyklus teilt sich in nachfolgende Phasen auf:

      • Plan = Planen (Wo stehen wir und mit welcher Priorität gehen wir die Dinge an?)
      • Do = Umsetzen (Umsetzung der abgesprochenen Maßnahmen)
      • Check = Überprüfen (Ich prüfe, ob die eingeleiteten Maßnahmen den gewünschten Erfolg gebracht haben)
      • Act = Absichern (Nachdem sich der gewünschte Erfolg eingestellt hat, gilt es nun, den erreichten Zustand abzusichern. Hierbei kommt es in der Regel zu verbindlichen Vereinbarungen)

      So weit, so übersichtlich. Der Teufel steckt jedoch im Detail, hier in der Check-Phase. Sie gelingt umso besser je klarer vorab die Ziele definiert wurden. Auch dazu gibt es ein leicht zu merkendes Akronym: SMART. Diese Methode wird im Projektmanagement eingesetzt, um Klarheit in die Zielsetzung zu bekommen. Dabei meint:

      • S pezifisch: Ziele nicht vage, sondern so konkret wie möglich formulieren
      • M essbar: Ziele müssen messbar sein (Messbarkeitskriterien)
      • A ktivierend: Ziele sollen Lust auf Umsetzung machen
      • R ealistisch: Die Ziele (Aufgaben) müssen innerhalb des gesetzten Zeitrahmens umsetzbar sein
      • T erminiert: Die Ziele (Aufgaben) sind mit einem Zeitrahmen auszustatten: Was ist bis wann zu erledigen?

      Dem Zielsetzungsprozess muss ausreichend Zeit gegeben werden. SMARTe Ziele helfen, sich weniger zu verzetteln. Sie sorgen dafür, dass der Evaluationsprozess in der Check-Phase gelingt.

      Das PDCA Modell ist auf Unterrichtsentwicklungs- wie auf Schulentwicklungsebene ein Struktur gebendes Verfahren, das Transparenz herstellt und absichern hilft, ob der gewünschte Effekt eingetreten ist (Feedback/Evaluation). Eine Überprüfung gelingt dann besonders gut, wenn die Ziele SMART definiert werden. Die Themenseite Schulinterne Evaluation führt in eine Reihe geeigneter Instrumente ein. Darüber hinaus lohnen Vorlagen aus dem Projektmanagementbereich, die die Organisation erleichtern helfen.

      Hier abschließend noch ein unterrichtlicher Ansatz einer Kollegin aus Nordhessen.

      ADDIE-Modell

      Immer wieder fordern Hochschuldidakterinnen und -didaktiker von den unterrichtenden Lehrkräften, den Einsatz digitaler Medien zu überprüfen. Der PDCA-Zyklus ist eine Möglichkeit (s.o.). Kerres schlägt das ADDIE- Modell[4]https://de.wikipedia.org/wiki/ADDIE-Instruktionsdesign-Modell vor.

      Das ADDIE-Modell ist ein instruktives Designmodell, das oft für die Entwicklung von Lehr- und Lernmaterialien verwendet wird. Der Begriff “ADDIE” steht für die fünf Hauptphasen des Modells: Analyse, Design, Entwicklung, Implementierung und Evaluation. In Bezug auf die Analyse des Medienseinsatzes in Schulen bezieht sich die Analysephase auf die systematische Untersuchung der Bildungsbedürfnisse, Lernziele, Zielgruppen und der verfügbaren Ressourcen. Hier ist eine kurze Erläuterung der Analysephase im Kontext des Medienseinsatzes in Schulen:

      • Kerres [5]https://www.utb.de/doi/10.36198/9783838557182, S. 73

        Analyse (Analysis): In dieser Phase wird der aktuelle Zustand analysiert, um festzustellen, ob der Einsatz von Medien in der Bildung sinnvoll ist und welche Bedürfnisse und Herausforderungen bestehen. Die Analyse umfasst eine detaillierte Untersuchung der Lernziele, der Zielgruppe, der verfügbaren Ressourcen und der technischen Infrastruktur.

        • Lernziele: Klärung der zu erreichenden Lernziele und wie Medien diese Ziele unterstützen können.
        • Zielgruppe: Identifikation der Lernenden und ihrer Bedürfnisse, Fähigkeiten und Vorkenntnisse.
        • Ressourcen: Bewertung der verfügbaren finanziellen, technischen und personellen Ressourcen.
        • Technische Infrastruktur: Prüfung der technischen Voraussetzungen für den Medienseinsatz.

      Die Analysephase legt den Grundstein für die nachfolgenden Phasen des ADDIE-Modells, indem sie Informationen bereitstellt, die für die Gestaltung, Entwicklung, Implementierung und Bewertung von Lehr- und Lernmaterialien relevant sind. Es ist wichtig, diese Phase sorgfältig durchzuführen, um sicherzustellen, dass die späteren Schritte des Modells den Bedürfnissen der Lernenden und den Bildungszielen entsprechen.

      • Design: In dieser Phase werden die Ziele und Anforderungen aus der Analysephase genutzt, um den Lehrplan und die Lernmaterialien zu entwerfen. Dies umfasst die Auswahl der Medien, die Struktur des Lehrplans und die Gestaltung der Lernaktivitäten.
      • Entwicklung (Development): In dieser Phase werden die geplanten Materialien tatsächlich erstellt. Dies kann die Produktion von Lernvideos, die Entwicklung von interaktiven Lernmodulen oder die Erstellung von Online-Plattformen für den Unterricht umfassen.
      • Implementierung (Implementation): Hier erfolgt die Einführung der entwickelten Materialien in den Schulunterricht. Dies kann schrittweise erfolgen, und es können Schulungen für Lehrer und Schüler notwendig sein, um sicherzustellen, dass die neuen Medien effektiv genutzt werden.
      • Evaluation: In dieser Phase wird überprüft, ob die Ziele erreicht wurden und wie effektiv die Materialien und Methoden waren. Dies kann zur Anpassung und Verbesserung des Lehrplans für zukünftige Implementierungen führen.

      Die Analysephase legt den Grundstein für die nachfolgenden Phasen des ADDIE-Modells, indem sie Informationen bereitstellt, die für die Gestaltung, Entwicklung, Implementierung und Bewertung von Lehr- und Lernmaterialien relevant sind. Es ist wichtig, diese Phase sorgfältig durchzuführen, um sicherzustellen, dass die späteren Schritte des Modells den Bedürfnissen der Lernenden und den Bildungszielen entsprechen.

      4A-Modell

      Das Modell wird häufig im Rahmen von Fortbildungen und Schulentwicklungsprozessen eingesetzt, um Lehrkräfte systematisch an den Einsatz von KI-Technologien heranzuführen. Obwohl aus dem universitären Umfeld kommend, plädiert Prof.’in Weßels (Uni Kiel) für eine verbindliche schulische Auseinandersetzung mit dem Thema KI. Das Modell dient als didaktischer Rahmen, um die Einführung neuer Technologien – insbesondere generativer KI – in Bildungseinrichtungen zu begleiten. Es strukturiert den Lernprozess in vier Phasen:

      Aufklären

      • Vermittlung von Grundwissen über KI und deren Potenziale und Risiken.
      • Sensibilisierung für ethische Fragen und gesellschaftliche Auswirkungen.

      Ausprobieren

      • Praktische Übungen mit KI-Tools (z. B. ChatGPT, DALL·E).
      • Erprobung im Unterrichtskontext mit konkreten Aufgabenstellungen.

      Akzeptieren

      • Reflexion über eigene Erfahrungen.
      • Diskussion über Nutzen, Grenzen und persönliche Haltung zur KI.

      Aktiv werden

      • Integration von KI in die eigene Unterrichtspraxis.
      • Entwicklung eigener Unterrichtskonzepte oder Schulprojekte mit KI-Bezug.

      Das Modell eignet sich für die Fortbildung wie auch für den Unterricht. Das Thema Fortbildung greife ich im nächsten Beitrag auf. 

      Zwei Beispiele: Berufsorientierung und Unterrichtsentwicklung

      Können Sprachmodelle bei der Umsetzung der Ziele helfen? Welche der drei Modelle kommen am ehesten infrage? Ich habe das erste Ziel aus den oben genannten Vorschlägen ausgewählt und bin mit ChatGPT in einen Dialog getreten. Der Prompt lautet:

      Ich möchte nun ein Ziel durch drei Modelle begleiten lassen. Fangen wir mit dem PDCA Modell an. Wie gehe ich mit diesem Modell das Ziel: „Schülerinnen und Schüler nutzen KI-Sprachmodelle reflektiert, um individuelle Berufswege zu erkunden, Informationen zu Ausbildungsberufen und Studiengängen zu recherchieren und Bewerbungsprozesse vorzubereiten.“ an?

      Die Antworten wurden nicht redigiert. Bilden Sie sich nun selbst eine Meinung!

      PDCA, 1. Durchlauf: Überblick

      Sehr gut, das ist ein klar strukturierter Ansatz – der PDCA-Zyklus (Plan-Do-Check-Act) eignet sich hervorragend, um ein Entwicklungsziel systematisch umzusetzen und fortlaufend zu verbessern. Ich gehe im Folgenden Schritt für Schritt durch, wie man dein Ziel mit dem PDCA-Modell begleiten könnte:

      Ziel: Schülerinnen und Schüler nutzen KI-Sprachmodelle reflektiert, um individuelle Berufswege zu erkunden, Informationen zu Ausbildungsberufen und Studiengängen zu recherchieren und Bewerbungsprozesse vorzubereiten.

      PDCA-Durchlauf

      Phase Was passiert Konkret für dein Ziel
      PLAN (Planen) Ziel definieren, Rahmenbedingungen prüfen, Maßnahmen planen • Analyse der Ausgangssituation: Wie gut sind die Schülerinnen und Schüler (SuS) derzeit mit KI vertraut? Wie sehen bestehende Angebote zur Berufsorientierung aus? Wie offen sind Lehrkräfte für KI-Tools? • Zieldefinition konkretisieren: z. B. „Bis Ende Schuljahr X haben alle SuS der Stufe Y mindestens einen Bewerbungsentwurf mithilfe eines KI-Modells erstellt und reflektiert, wie hilfreich/irreführend die Vorschläge waren.“ • Ressourcen und Rahmenbedingungen klären: Technik (Geräte, Internetzugang), Fortbildung der Lehrkräfte, Zeit im Stundenplan, Datenschutz & Urheberrecht, ethische Aspekte von KI. • Maßnahmen planen: Workshops für Lehrer, Unterrichtseinheiten mit KI-Recherche, Reflexionsphasen (z. B. Fehlannahmen & Bias), Partner einbeziehen (z. B. Berufsberatung, lokale Betriebe). • Indikatoren festlegen zur Erfolgsmessung: z. B. Anzahl der SuS, die KI nutzen; Qualität der Rechercheergebnisse; Reflexionsfähigkeit (z. B. anhand von Bewertungsbögen).
      DO (Durchführen) Umsetzung der geplanten Maßnahmen • Pilotklasse auswählen für die erste Umsetzung. • Unterrichtseinheiten durchführen: Recherche mit KI zu Studiengängen und Ausbildungswegen, KI-Unterstützung bei Erstellung von Bewerbungsunterlagen (z. B. Anschreiben, Lebenslauf). • Lehrkräfte begleiten lassen (Coaching, Teamteaching) und Fortbildung durchführen. • Reflexionsphasen in den Unterricht einbauen: Diskussionen, Peer-Feedback, Reflexionsbögen, ggf. Blog oder Portfolio der SuS. • Sicherstellen, dass technische und organisatorische Mittel verfügbar sind (z. B. Geräte, Zugang zu KI-Modellen, Datenschutzvereinbarungen).
      CHECK (Überprüfen) Evaluieren, was funktioniert hat, was nicht • Daten sammeln: z. B. Feedback von SuS, Lehrkräften; Analyse der Bewerbungsunterlagen oder Rechercheergebnisse, Beobachtung, inwieweit Reflexionsphasen genutzt wurden. • Vergleich mit den definierten Indikatoren: Wie viele SuS haben KI genutzt? Wie tief war deren Reflexion? Wie war die Qualität? • Stärken & Schwächen identifizieren: Was war schwierig? Wo gab es Hemmnisse (z. B. technische Probleme, fehlendes Wissen, Unsicherheiten)? • Vorschläge für Anpassungen entwickeln: Was muss geändert werden bei Maßnahmen, Ressourcen, Zeitplan?
      ACT (Anpassen / Handeln) Ergebnisse nutzen, Maßnahmen optimieren, Ziel weiter etablieren • Anpassung der Planung: z. B. Intensivere Fortbildungen bei Lehrkräften, mehr Reflektionsangebote, mehr Zeit im Stundenplan, bessere technische Ausstattung. • Skalierung: Nach erfolgreichem Pilotprojekt auf weitere Klassen bzw. Jahrgänge ausweiten. • Institutionalisierung: Schulinterne Leitlinien, feste Einbindung in das Schulprogramm oder in Angebote der Berufsberatung. • Kontinuierliche Verbesserung: Den Zyklus regelmäßig wiederholen (z. B. jährlich oder halbjährlich), neue Entwicklungen bei KI und Berufsberatung einbeziehen. • Öffentlich machen: Erfolge und Erkenntnisse teilen mit Kollegium, Eltern, Schulträger; ggf. Kooperationen mit anderen Schulen oder externen Partnern.

      Wenn du möchtest, können wir das noch mit konkreten Zeitrahmen (z. B. an einem Schuljahr orientiert) oder einem konkreten Beispiel (z. B. für Klasse 10) durchspielen — das macht die Planung oft noch übersichtlicher. Möchtest du das?

      PDCA, 2. Durchlauf: 10. Klasse Jahresplan

      Super 👍 — dann übertragen wir das PDCA-Modell jetzt auf ein Schuljahr, z. B. für Klasse 10, in der Berufsorientierung ohnehin ein Schwerpunkt liegt.
      Das Ziel lautet weiterhin:

      Schüler:innen nutzen KI-Sprachmodelle reflektiert, um individuelle Berufswege zu erkunden, Informationen zu Ausbildungsberufen und Studiengängen zu recherchieren und Bewerbungsprozesse vorzubereiten.

      🧭 PDCA-Zyklus über ein Schuljahr (Beispiel Klasse 10)

      Phase Zeitraum / Akteure Konkrete Schritte und Beispiele Ergebnisse / Indikatoren
      PLAN August – Oktober Steuergruppe, BO-Team, Fachlehrkräfte (Deutsch, WiPo, Informatik) 1. Analyse der Ausgangslage: • Kurze Lehrkräfte-Befragung: Welche Erfahrungen mit KI-Tools bestehen?• Schüler-Einstiegsumfrage: Wie nutzen sie ChatGPT & Co.?2. Planung der Intervention: • Einbindung ins Fachcurriculum (Deutsch: Bewerbungsschreiben; WiPo: Berufsfelder; Informatik: KI-Verstehen).• Auswahl geeigneter KI-Tools (z. B. ChatGPT, MINTmatch, Berufenet).• Planung von Reflexionsphasen (Bias, Datenschutz, Quellenkritik).3. Erfolgskriterien: • 90 % der Schüler:innen haben eigenständig mindestens einen KI-gestützten Berufsrechercheprozess durchgeführt.• Schüler:innen können Vor- und Nachteile von KI-Vorschlägen benennen. • Übersichtliche Jahresplanung (z. B. Padlet / SchulCloud).• Lehrkräfte-Fortbildungstermin vereinbart.• Fragebogen für Schüler-Feedback vorbereitet.
      DO November – Februar Fachlehrkräfte, Klassenleitung, BO-Berater:in 1. Umsetzung im Unterricht: • Unterrichtsreihe „KI in der Berufsorientierung“ (4–6 Stunden).• KI-gestützte Recherche: Schüler:innen lassen sich Berufsideen vorschlagen und bewerten diese kritisch.• Schreibwerkstatt: Bewerbungsanschreiben mit KI-Unterstützung + Reflexion über Qualität & Sprache.• Expertengespräch mit Berufsberater:in über Wandel durch KI.2. Lehrerrolle: • Beobachtung und Begleitung („Coaching“ statt Input).• Dokumentation der Prozesse über Lernportfolios. • Schüler:innen zeigen reflektierte Nutzung im Portfolio.• Lehrkräfte erhalten erste Erfahrungsberichte.• Erste Schüler:innen entdecken neue Berufsfelder.
      CHECK März – April Steuergruppe, Lehrkräfte, Schüler:innen 1. Evaluation: • Kurze Feedback-Umfrage an Schüler:innen: Wie hilfreich fanden sie KI für ihre Orientierung?• Vergleich mit PLAN-Indikatoren.• Gruppendiskussion über ethische Aspekte und Vertrauenswürdigkeit von KI-Ergebnissen.2. Auswertung im Kollegium: • Reflexion: Wo lief es gut, wo gab es Unsicherheiten (technisch, didaktisch)?• Sammlung von Best-Practice-Beispielen. • Kurzer Evaluationsbericht (2 Seiten).• Anpassungsvorschläge formuliert.• Schüler-Zitate für Öffentlichkeitsarbeit gesammelt.
      ACT Mai – Juli Schulleitung, Steuergruppe, Kollegium 1. Anpassung & Verstetigung: • Integration der besten Materialien ins Schulcurriculum.• Einrichtung eines jährlichen „KI-Zukunftstags“ zur Berufsorientierung.• Gezielte Lehrerfortbildung (z. B. Reflexion von KI-Texten).• Austausch mit Eltern über Chancen & Risiken.2. Skalierung: • Einbindung weiterer Jahrgänge (z. B. Klasse 9 und 11).• Kooperation mit Betrieben oder Hochschulen, die KI nutzen. • Ziel dauerhaft im Schulprogramm verankert.• KI-Kompetenz messbar gestiegen (z. B. durch wiederkehrende Befragungen).• Schule gewinnt Profil im Bereich „KI und Berufsorientierung“.

      💡 Ergänzende Idee

      Man kann diesen PDCA-Zyklus auch datengestützt begleiten, z. B. mit:

      • Schülerbefragungen zu KI-Nutzung (ähnlich dem Schulbarometer),
      • Auswertung von Reflexionsbögen nach jeder Unterrichtsreihe,
      • kurzen Lehrkräfte-Reflexionen über Erfahrungen mit KI-Tools.

      Dadurch bleibt der Prozess anschlussfähig an deine Blogreihe „Daten statt Bauchgefühl“ – evidenzbasiert und entwicklungsorientiert.

      Möchtest du, dass ich daraus als Nächstes ein kompaktes Modellblatt für Schulleitungen gestalte (z. B. 1 Seite mit PDCA-Zyklus, Ziel, Zeitplan und Indikatoren), das du in einer Präsentation oder Fortbildung verwenden kannst?

      PDCA, 3. Durchlauf: Modellblatt für Schulleitungen

      Perfekt 😄 – hier ist dein kompaktes Modellblatt für Schulleitungen, das den PDCA-Zyklus auf das Entwicklungsziel überträgt. Es ist so formuliert, dass du es direkt in eine Präsentation, ein Schulprogramm oder eine Leitfaden-Sammlung aufnehmen kannst:

      🧩 Schulentwicklungsziel:

      Schüler:innen nutzen KI-Sprachmodelle reflektiert, um individuelle Berufswege zu erkunden, Informationen zu Ausbildungsberufen und Studiengängen zu recherchieren und Bewerbungsprozesse vorzubereiten.

      🔄 PDCA-Zyklus zur Umsetzung (Beispiel: Schuljahr Klasse 10)

      Phase Kernfragen Konkrete Schritte & Maßnahmen Indikatoren / Ergebnisse
      PLAN (Planen) Wo stehen wir? Was wollen wir erreichen? • Analyse der Ausgangslage: Welche Erfahrungen haben Schüler:innen & Lehrkräfte mit KI?• Ziel konkretisieren: Bis Schuljahresende reflektierte Nutzung von KI bei Berufsrecherche & Bewerbung.• Planung im Fachcurriculum (Deutsch, WiPo, Informatik).• Datenschutz & Ethik prüfen.• Lehrerfortbildung organisieren. • Jahresplan und Materialpool stehen.• Lehrkräfte kennen Ziele & Vorgehen.• Befragung zur Ausgangslage abgeschlossen.
      DO (Durchführen) Wie setzen wir das Ziel um? • Unterrichtsreihe „KI in der Berufsorientierung“ (4–6 Std.).• Schüler:innen recherchieren Berufe mit KI und bewerten Ergebnisse.• Erstellung und Überarbeitung von Bewerbungsunterlagen mit KI-Hilfe.• Reflexionsphasen zu Chancen, Risiken, Bias.• Kooperation mit Berufsberatung / Betrieben. • Schülerportfolios mit Reflexionen.• Mindestens 90 % nutzen KI-Tools aktiv.• Positives Feedback der Lehrkräfte.
      CHECK (Überprüfen) Was hat funktioniert – was nicht? • Evaluation per Schüler:innenbefragung.• Lehrkräfte-Reflexion im Fachteam.• Vergleich mit definierten Indikatoren.• Analyse von Stolperstellen (Technik, Zeit, Kompetenz). • Kurzbericht zur Wirksamkeit.• Erkenntnisse für nächste Planungsrunde.• Sammlung von Best Practices.
      ACT (Anpassen) Wie verstetigen und verbessern wir das Ziel? • Überarbeitung der Materialien und Einbindung ins Curriculum.• Schulinterne Leitlinie „KI in der Berufsorientierung“.• Fortbildung zur Reflexion von KI-Texten.• Skalierung auf weitere Jahrgänge.• Öffentlichkeitsarbeit / Austausch mit Eltern. • Ziel im Schulprogramm verankert.• Jährlicher KI-Zukunftstag etabliert.• Nachhaltige Steigerung der KI-Kompetenz.

      💡 Hinweise für Schulleitungen

      • Steuerung: Steuergruppe oder BO-Team koordiniert den Prozess und hält Zwischenevaluationen fest.
      • Datengestützte Begleitung: Kurze Schülerbefragungen (z. B. vor/nach Projekt) ermöglichen evidenzbasiertes Lernen.
      • Erfolg sichtbar machen: Ergebnisse in Schulkonferenzen oder Elternabenden vorstellen, ggf. Blog- oder Pressebeitrag verfassen.

      📘 Ziel des Modells:
      Ein schulischer Entwicklungsprozess, der technologische Kompetenz, Reflexionsfähigkeit und Zukunftsorientierung verbindet – gesteuert nach dem Prinzip

      „Daten statt Bauchgefühl – und KI als Lernanlass, nicht als Lehrmittel.“

      Möchtest du, dass ich das noch als grafische 1-Seiten-Vorlage (PDF) mit klarer PDCA-Struktur gestalte, die du z. B. im Kollegium oder auf einer SchiLF einsetzen kannst?

      ADDIE-Modell

      Sehr gute Idee, den ADDIE-Ansatz (Analyse → Design → Development → Implementation → Evaluation) auf dein Ziel durchzuspielen. Das Modell stammt aus dem Instruktionsdesign und ist besonders geeignet, um Lernangebote systematisch und zielorientiert zu entwickeln. (AIHR)

      Hier ist eine Version davon, wie du das Ziel

      „Schüler:innen nutzen KI-Sprachmodelle reflektiert, um individuelle Berufswege zu erkunden, Informationen zu Ausbildungsberufen und Studiengängen zu recherchieren und Bewerbungsprozesse vorzubereiten.“
      mit dem ADDIE-Modell über ein Schuljahr gestalten kannst.

      Ich gliedere es in Phasen, mit zentralen Fragen, konkreten Maßnahmen und Hinweisen zur Iteration.

      1. ANALYSE (Analyse)

      Zentrale Fragen / Aspekte:

      • Welche Vorkenntnisse bringen die Schüler:innen bezüglich KI-Tools (z. B. ChatGPT, andere Sprachmodelle) mit?
      • Wie ist der Stand der digitalen Infrastruktur (Geräte, Internetzugang, Softwarelizenzen, Datenschutzregelungen)?
      • Welche Erfahrungen und Haltungen haben Lehrkräfte zu KI und Berufsorientierung?
      • Welche Phasen der Berufsberatung (z. B. Informationsrecherche, Bewerbungsprozess) laufen derzeit – wo gibt es Lücken oder Herausforderungen?
      • Welche Rahmenbedingungen gelten (Zeitressourcen, Stundenplanung, Fortbildungsbudget, Datenschutz, ethische Bedenken)?
      • Welche Zielkompetenzen sollen am Ende erreicht sein (Wissen, Fertigkeiten, Haltungen)?

      Konkrete Maßnahmen in der Analysephase:

      • Durchführung einer Schüler:innen-Umfrage (Vorwissen, Nutzung von KI, Erwartungen, Unsicherheiten).
      • Durchführung eines Lehrer:innen-Gesprächs / Workshops, um Haltungen, Befürchtungen, Kompetenzen zu erheben.
      • Technische Bestandsaufnahme: Anzahl und Ausstattung der Computer/Tablets, Netzstabilität, Zugänge zu KI-Modellen.
      • Sichtung curricularer Bezüge: In welchen Fächern lassen sich Berufsorientierung und KI sinnvoll verknüpfen (z. B. Deutsch, Informatik, WiPo)?
      • Formulierung von lernzielbezogenen Kompetenzen für dieses Vorhaben (z. B. „Schüler:innen können drei kritische Fragen an die Ergebnisse eines KI-Modells formulieren“, „Schüler:innen können mit KI eine erste Version eines Bewerbungsanschreibens erstellen und begründet verbessern“).

      Ergebnis der Analysephase:
      Ein Analysebericht mit Diagnose des Ist-Zustands, identifizierten Bedarfen und einer ersten Kompetenzstruktur als Basis für Design und Entwicklung.

      2. DESIGN (Entwurf)

      Zentrale Fragen / Aspekte:

      • Wie lassen sich die angestrebten Lernziele in sinnvolle Lerneinheiten (Module) gliedern?
      • Welche didaktischen Prinzipien sollen angewendet werden (z. B. scaffolding, kooperatives Lernen, Reflexionseinheiten)?
      • Welche Medien und Werkzeuge sollen eingesetzt werden (z. B. KI-Modelle, digitale Rechercheportale, Lernplattform, Reflexionsbögen)?
      • Wie gestalten wir die Lernaktivitäten – also nicht nur Input, sondern auch selbstständige Anwendung, Reflexion, Feedback?
      • Wie bauen wir formative und summative Assessments ein (z. B. Zwischenchecks, Portfolio, Peer-Feedback)?
      • Wie wird Differenzierung ermöglicht (Unterschiede im Vorwissen, Lerntempo)?
      • Wie viele Unterrichtsstunden bzw. welcher Zeitraum ist planbar für die Module?

      Konkrete Elemente im Design:

      • Gliederung in Module: z. B.
      1. Einführung & KI-Grundverständnis
      2. KI für Berufsrecherche
      3. KI für Bewerbungsunterlagen
      4. Reflexion & Bewertung von KI-Vorschlägen
      • Für jedes Modul: Inhalte, didaktische Sequenz, Materialien (Arbeitsblätter, digitale Aufgaben, Reflexionsfragen)
      • Lernpfade / Gerüste: z. B. Schritt-für-Schritt-Guide „Berufsrecherche mit KI“
      • Einbindung von Partnern (z. B. Berufsberater:innen, lokale Betriebe)
      • Entwurf von Assessments / Reflexionsinstrumenten (z. B. Reflexionsbogen, Peer-Review, kurze Tests)
      • Planung von Unterstützungsstrukturen (Lehrkräfte-Coaching, technische Begleitung)

      Zwischenschleifen / Iteration möglich:
      Bevor du alles entwickelst, kann ein Prototyp eines Moduls (z. B. Modul 2) entworfen und mit einer kleinen Gruppe getestet werden. Dieses Vorgehen erlaubt frühes Feedback und Anpassungen, bevor weitere Module ausgearbeitet werden.

      3. DEVELOPMENT (Entwicklung / Erstellung)

      Zentrale Aufgaben:

      • Erstellung der curricularen Materialien: Arbeitsblätter, Leitfäden, digitale Vorlagen.
      • Programmierung / Auswahl der digitalen Werkzeuge (z. B. KI-Zugang, Plattformintegration).
      • Gestaltung von Multimedia-Elementen (z. B. erklärende Videos, Screencasts, Demonstrationen).
      • Produktion / Zusammenstellung von Reflexionsbögen, Peer-Feedback-Vorlagen.
      • Qualitätssicherung: Testläufe in kleiner Gruppe, Überarbeitung technischer Probleme oder Unklarheiten.

      Beispiele für konkrete Produkte:

      • Schritt-für-Schritt-Guide „So nutzen wir KI für Berufsrecherche“
      • Vorlage für Bewerbungsanschreiben + automatische Vergleichsfunktion (KI vs. eigene Anpassungen)
      • Reflexionsbogen, der z. B. Fragen enthält: „Was war hilfreich am KI-Vorschlag? Wo war es unpassend?“
      • Lehrerhandreichung mit Hinweisen zur Moderation, typischen Schwierigkeiten, Impulsfragen
      • Digitale Plattform-/Lernumgebung, in der Materialien, Aufgabe und Feedback integriert sind

      Während der Entwicklungsphase kannst du auch kleine Teilpilotierungen machen (z. B. Modul 1 testen) und das Feedback einarbeiten.

      4. IMPLEMENTATION (Durchführung / Einsatz)

      Zentrale Überlegungen / Aspekte:

      • Auswahl der Pilotklasse(n) bzw. Jahrgänge, mit denen du beginnst.
      • Schulung / Einweisung der beteiligten Lehrkräfte in die Materialien, Tools und Reflexionsbegleitung.
      • Technische Vorbereitung (Zugang zu KI-Tools, Sicherstellung von Geräten, evtl. Nutzungsregelungen).
      • Zeitliche Einbettung im Stundenplan (Wann und in welchem Fach/Block läuft welches Modul?).
      • Begleitende Unterstützung (z. B. Coaching, Helpdesk, offene Sprechstunden).
      • Monitoring im laufenden Betrieb: Welche Teile funktionieren gut, wo treten Hürden auf (technisch, in der Verständlichkeit, Motivation)?
      • Sammeln von Feedback der Schüler:innen und Lehrkräfte parallel zum Einsatz (z. B. kurze Reflexionsrunden nach Modulen).

      Qualitätskontrolle in der Implementierung:

      • Teilweise formative Evaluation: Checkpoints nach jedem Modul (z. B. Mini-Umfrage, kurze Feedbackrunde).
      • Beobachtung durch Kollegen oder Steuergruppe, Sammlung von Schwierigkeiten und Erfolgsmomenten.
      • Dokumentation von Anpassungsbedarf.

      5. EVALUATION (Auswertung & Reflexion)

      Zentrale Fragen / Aspekte:

      • Wurden die angestrebten Lernziele (Kompetenzen) erreicht?
      • In welchem Maße hat sich die reflexive Nutzung von KI verbessert?
      • Welche Bestandteile des Designs und der Materialien waren besonders erfolgreich / problematisch?
      • Welche Rückmeldungen geben Schüler:innen und Lehrkräfte?
      • Welche unvorhergesehenen Wirkungen traten auf (z. B. Technikprobleme, Über- oder Unterforderung)?
      • Welche Anpassungen sollten für die nächste Runde vorgenommen werden?

      Formen der Evaluation:

      • Summative Evaluation am Ende des Projekts (z. B. via Portfolios, Vergleich mit Ausgangskompetenzen)
      • Formativer Evaluation während des Projekts (Lernprozess-Feedback, Zwischenbefragungen)
      • Qualitative Auswertung durch Interviews oder Fokusgruppen mit Schüler:innen / Lehrkräften
      • Analyse der Reflexionsbögen und KI-Ergebnisse (z. B. inwiefern haben Schüler:innen Vorschläge kritisch bewertet)
      • Ableitung von Empfehlungen und Verbesserungsmaßnahmen für die nächste Iteration

      Rückkopplung zur Analysephase:
      Basierend auf den Evaluationsergebnissen wird der Zyklus neu gestartet: Analyse der neuen Ausgangslage, Überarbeitung des Designs, Entwicklung optimierter Materialien etc.

      🗓 Beispielhafter Zeitplan (Schuljahr, Klasse 10) mit ADDIE

      Phase Zeitraum Schwerpunkt / Meilensteine
      Analyse August – September Umfragen, Bestandsaufnahme, Lernziele definieren
      Design Oktober Module entwerfen, Sequenz planen, Assessment-Design
      Development November – Dezember Materialien und Werkzeuge erstellen, Prototyp testen
      Implementation Januar – April Unterricht mit Materialien durchführen, formative Evaluation
      Evaluation & Revision Mai – Juli Auswertung, Reflexion, Anpassung für das nächste Schuljahr

      Möchtest du, dass ich dir eine 1-Seiten-Version dieses ADDIE-Plans erstelle – ähnlich zum PDCA-Modellblatt – die du in einem Workshop oder zur Verteilung im Kollegium nutzen kannst?

      4A-Modell

      Wunderbar – das 4A-Modell eignet sich perfekt, um pädagogische Prozesse beim KI-Einsatz zu strukturieren.
      Während PDCA und ADDIE stark organisatorisch-strategisch denken, setzt das 4A-Modell stärker auf den didaktisch-reflexiven Lernprozess: Es führt Schüler:innen (und Lehrkräfte!) schrittweise von Verstehen über Erfahrung hin zu reflektierter Praxis und Gestaltung.

      Hier ist dein Ziel noch einmal zur Orientierung:

      Schüler:innen nutzen KI-Sprachmodelle reflektiert, um individuelle Berufswege zu erkunden, Informationen zu Ausbildungsberufen und Studiengängen zu recherchieren und Bewerbungsprozesse vorzubereiten.

      🧭 Umsetzung des Ziels mit dem 4A-Modell

      (Aufklären – Ausprobieren – Akzeptieren – Aktiv werden)

      1. Aufklären

      📘 Ziel: Verständnis schaffen für Funktionsweise, Chancen, Risiken und gesellschaftliche Bedeutung von KI im Kontext Berufsorientierung.

      Inhalte / Aktivitäten:

      • Einstiegseinheit „Was ist KI – und wie verändert sie Arbeit und Beruf?“

      • Kurzer Input zu: Funktionsweise von Sprachmodellen, Datenquellen, Chancen und Risiken (Bias, Datenschutz, Fake-Inhalte).

      • Diskussion über den Wandel der Berufsbilder durch KI (z. B. Wegfall und Entstehung neuer Berufe).

      • Auseinandersetzung mit ethischen Fragen:

        • Soll KI über Berufswege beraten?

        • Wie kann man sicherstellen, dass Empfehlungen fair und vielfältig sind?

      Beispielhafte Aufgaben:

      • Schüler:innen recherchieren, wie KI heute schon im Bewerbungsprozess eingesetzt wird (z. B. automatisierte Lebenslaufanalyse).

      • Erarbeitung einer Mindmap: „KI – Bedrohung oder Unterstützung für meine Zukunft?“

      Ergebnisse / Kompetenzen:

      • Grundverständnis von KI-Funktion und Grenzen.

      • Bewusstsein für ethische Dimensionen.

      • Fähigkeit, Informationen kritisch einzuordnen.

      2. Ausprobieren

      🧩 Ziel: Erlernen des praktischen Umgangs mit KI-Tools in konkreten Berufsorientierungsszenarien.

      Inhalte / Aktivitäten:

      • Praktische Übung:

        • „Frag ChatGPT nach passenden Berufsbildern – und überprüfe die Ergebnisse.“

        • „Lass dir von KI eine Bewerbung schreiben und beurteile die Qualität.“

      • Vergleich verschiedener KI-Antworten auf dieselbe Anfrage.

      • Bewertungskriterien gemeinsam entwickeln: Relevanz, Realismus, Passgenauigkeit, Sprachqualität.

      • Feedback-Runden in Kleingruppen: Welche Ergebnisse waren brauchbar? Wo lag KI daneben?

      Methoden:

      • Learning-by-doing, Gruppenarbeit, Peer-Feedback.

      • Optional: Zusammenarbeit mit Berufsberater:innen oder Betrieben.

      Ergebnisse / Kompetenzen:

      • Erste sichere Bedienung von KI-Tools.

      • Fähigkeit, Ergebnisse auf ihre Qualität und Angemessenheit zu prüfen.

      • Entwicklung einer reflektierten Haltung zur maschinellen Textproduktion.

      3. Akzeptieren

      💬 Ziel: Entwicklung einer reflektierten, kritischen Haltung zur Nutzung von KI in der Berufsberatung.

      Inhalte / Aktivitäten:

      • Geführte Reflexion:

        • Was habe ich bei der Nutzung von KI gelernt?

        • Wo hilft KI wirklich – wo ersetzt sie mich nicht?

        • Was ist meine persönliche Haltung zum Einsatz solcher Tools in Bewerbungsprozessen?

      • Diskussion im Plenum: Chancen – Risiken – Verantwortung.

      • Analyse realer Beispiele (z. B. „KI sortiert Bewerbungen aus“ – gerecht oder unfair?).

      • Verknüpfung mit ethischen und gesellschaftlichen Themen (z. B. Arbeitswelt 4.0, Nachhaltigkeit, Datenschutz).

      Methoden:

      • Lerntagebuch oder Portfolio.

      • Klassendiskussion, Fishbowl-Methode oder Debatte.

      • Vergleich der Reflexionen mit der Einstiegsphase (Entwicklung sichtbar machen).

      Ergebnisse / Kompetenzen:

      • Bewusstes Verhältnis zu KI-Tools.

      • Fähigkeit, Vor- und Nachteile argumentativ zu begründen.

      • Gestärkte Selbstwahrnehmung im Lern- und Berufsfindungsprozess.

      4. Aktiv werden

      🚀 Ziel: Eigenständige Anwendung und kreative Weiterentwicklung – KI als Werkzeug zur Gestaltung der eigenen Zukunft nutzen.

      Inhalte / Aktivitäten:

      • Schüler:innen entwickeln eigene Mini-Projekte:

        • „Mein Berufsprofil mit KI: Wie präsentiere ich mich authentisch?“

        • „KI-gestützte Berufsmesse: Wir stellen Zukunftsberufe 2040 vor.“

      • Erstellung eines digitalen Berufsportfolios, das KI-basierte und eigene Arbeit integriert.

      • Gestaltung einer Schulaktion oder Präsentation (z. B. Workshop für jüngere Jahrgänge oder Elternabend).

      • Option: Entwicklung schulinterner Leitlinien zur KI-Nutzung in der Berufsberatung.

      Ergebnisse / Kompetenzen:

      • Transfer in die Praxis: KI als Werkzeug für die eigene Entwicklung.

      • Gestaltungs- und Innovationskompetenz.

      • Beitrag zur Schulentwicklung (Lernende werden zu Multiplikator:innen).

      🧩 Kurzüberblick im Tabellenformat

      Phase Ziel Beispielaktivitäten Kompetenzen
      Aufklären Verständnis für KI & ethische Fragen schaffen Input, Diskussion, Mindmap, Mini-Recherche Grundwissen, ethische Sensibilität
      Ausprobieren Praktische Nutzung in Berufsorientierung KI-Recherche, Bewerbung mit KI, Peer-Feedback Anwendungskompetenz, kritisches Denken
      Akzeptieren Eigene Haltung reflektieren Diskussion, Lerntagebuch, Fallanalyse Reflexionsfähigkeit, Urteilsvermögen
      Aktiv werden KI kreativ und verantwortungsvoll einsetzen Projektarbeit, Portfolio, Präsentation Gestaltungskompetenz, Selbstwirksamkeit

      💡 Didaktische Idee für Schulleitungen / Steuergruppen

      Das 4A-Modell kann als didaktische Leitstruktur dienen, um Kollegien sicher an die Einführung von KI-gestützter Berufsorientierung heranzuführen.

      • Fortbildungsplanung: Lehrkräfte selbst durchlaufen die 4A-Phasen (Meta-Lernen).

      • Curriculare Verankerung: Jede Jahrgangsstufe kann auf einer 4A-Stufe ansetzen.

      • Evaluation: Reflexionstage oder Schülerportfolios dokumentieren die Lernfortschritte.

      Möchtest du, dass ich dieses 4A-Modell wie die anderen beiden (PDCA und ADDIE) zu einem 1-Seiten-Modellblatt für Schulleitungen zusammenfasse – z. B. mit Icons, Phase-Zielen und kompakten Beispielen für jede Stufe?

      „Reflexion“ durch ChatGPT

      Alle drei Modelle sind sehr brauchbar – die Entscheidung hängt davon ab, welches Ziel du mit der Begleitung des Entwicklungsprozesses priorisieren willst:

      1. PDCA (Plan-Do-Check-Act)

      • Stärken:
        • Sehr prozess- und organisationsorientiert, ideal für Steuergruppen und Schulleitungen.
        • Klar strukturiert für kontinuierliche Verbesserung.
        • Gut geeignet, um Maßnahmen schrittweise zu testen, zu evaluieren und zu skalieren.
      • Schwächen:
        • Weniger stark in der detaillierten didaktischen Gestaltung für den Unterricht selbst.
        • Reflexion und Haltungsentwicklung müssen bewusst integriert werden.

      Wann ideal: Wenn der Fokus auf Schulentwicklung, Implementierung und Skalierung liegt.

      2. ADDIE

      • Stärken:
        • Sehr didaktisch-strukturiert, unterstützt die Entwicklung von Lernmodulen, Materialien und Unterrichtssequenzen.
        • Bietet klare Phasen für Analyse, Design, Entwicklung, Umsetzung, Evaluation.
        • Besonders nützlich, wenn man Lehrkräfte begleiten und Unterrichtskonzepte erstellen möchte.
      • Schwächen:
        • Weniger zyklisch gedacht als PDCA; Anpassung erfordert einen neuen Durchlauf.
        • Kann etwas bürokratisch wirken, wenn das Ziel eher praxisnah und agil umgesetzt werden soll.

      Wann ideal: Wenn der Schwerpunkt auf didaktisch sauberer Materialentwicklung und Unterrichtsdesign liegt.

      3. 4A-Modell

      • Stärken:
        • Didaktischer Leitfaden für Lernende und Lehrende, sehr gut geeignet für Reflexion, Haltungsbildung und praktische Erfahrung.
        • Ideal für KI-Einführung im Unterricht, schrittweise vom Verstehen über Ausprobieren bis zur eigenen Anwendung.
        • Unterstützt Reflexion und Akzeptanz, nicht nur technische Nutzung.
      • Schwächen:
        • Weniger geeignet für die organisatorische Steuerung oder Schulprogramm-Integration.
        • Skalierung und Evaluation müssen separat geplant werden.

      Wann ideal: Wenn der Fokus auf pädagogischer Umsetzung, Schülererfahrung und reflektierter KI-Nutzung liegt.

      Meine Empfehlung für dein Ziel:

      • Für die konkrete Unterrichts- und Lernprozessgestaltung: 4A-Modell – es führt Schüler:innen Schritt für Schritt durch Verstehen → Ausprobieren → Reflexion → Anwendung.
      • Für schulische Gesamtsteuerung / Projektmanagement: PDCA – du kannst den Prozess als Pilotprojekt und kontinuierliche Verbesserung steuern.
      • ADDIE ist dann nützlich, wenn du parallel modulare Unterrichtseinheiten für alle Klassenstufen entwickeln willst.

      💡 Praxis-Tipp:
      Viele Schulen kombinieren: 4A als didaktische Leitstruktur für Schüler:innen, PDCA als Organisationsrahmen für die Schulentwicklung, und ADDIE als Planungs-Tool für Materialien und Module. So deckst du didaktik, Reflexion und Steuerung gleichzeitig ab.

      Wenn du willst, kann ich dir eine Kombinationsskizze erstellen, die zeigt, wie man 4A + PDCA + ADDIE zusammen für dein Ziel nutzt, ohne dass es kompliziert wird.

       

      Folgerung: Kombination der drei Modelle

      Perfekt 😄 – hier ist ein Vorschlag für eine kombinierte Übersicht, wie du 4A, PDCA und ADDIE für dein Ziel zusammen nutzen kannst. Das Ziel bleibt:

      Schüler:innen nutzen KI-Sprachmodelle reflektiert, um individuelle Berufswege zu erkunden, Informationen zu Ausbildungsberufen und Studiengängen zu recherchieren und Bewerbungsprozesse vorzubereiten.

      🔗 Kombinationsmodell: 4A + PDCA + ADDIE

      Ebene / Modell Fokus Konkrete Umsetzung für das Ziel Beispiele / Hinweise
      4A-Modell (didaktische Lernbegleitung) Lernprozess der Schüler:innen Aufklären → Ausprobieren → Akzeptieren → Aktiv werden • Einstieg: KI-Grundwissen, ethische Aspekte, Berufsrecherche.• Praktische Übungen: Bewerbungen, Berufsfeldrecherche.• Reflexion: Chancen, Grenzen, persönliche Haltung.• Projektarbeit: Berufsportfolio oder Schulprojekt mit KI.
      PDCA (steuerungsorientiert) Schulische Projekt- und Implementierungssteuerung Plan → Do → Check → Act • Plan: Ziel definieren, Ressourcen klären, Pilotklasse wählen.• Do: Unterricht durchführen, Lehrer:innen begleiten, Materialien testen.• Check: Evaluation durch Schülerfeedback, Portfolioanalyse, Lehrerreflexion.• Act: Anpassung der Materialien, Skalierung auf weitere Klassen, Integration ins Schulprogramm.
      ADDIE (Material- & Modulentwicklung) Didaktische Struktur & Materialien Analyse → Design → Development → Implementation → Evaluation • Analyse: Lernvoraussetzungen, Vorwissen, Infrastruktur.• Design: Module, Sequenzen, Assessments, Reflexionsbögen entwerfen.• Development: Materialien, Guides, digitale Tools erstellen.• Implementation: Pilotunterricht durchführen.• Evaluation: Ergebnisse auswerten, Materialien anpassen.

      💡 So funktioniert die Kombination praktisch:

      1. Vorbereitung & Steuerung:
        • PDCA sorgt dafür, dass das Vorhaben planbar ist, Verantwortlichkeiten klar sind, Ressourcen bereitstehen und die Evaluation zyklisch erfolgt.
      2. Materialentwicklung & Unterrichtsplanung:
        • ADDIE hilft, Module sauber zu gestalten, Materialien zu erstellen und die Einbindung in den Unterricht zu planen.
      3. Lernprozess der Schüler:innen:
        • 4A strukturiert die Schülererfahrung: Verstehen → Ausprobieren → Reflektieren → Anwenden.
        • Jede 4A-Phase kann mit ADDIE-Materialien gefüttert und mit PDCA gesteuert werden.

      🔹 Beispielhafte Umsetzung für ein Schuljahr (Klasse 10)

      Phase 4A ADDIE PDCA
      August – Oktober Aufklären Analyse & Design der Module (KI-Grundwissen, Berufsrecherche) Plan: Ressourcen, Pilotklasse, Zieldefinition
      November – Februar Ausprobieren Development: Materialien, Guides, Übungen erstellen Do: Unterricht durchführen, Feedback sammeln
      März – April Akzeptieren Implementation: Reflexionsübungen, Peer-Feedback Check: Evaluation, Lernergebnisse analysieren
      Mai – Juli Aktiv werden Evaluation: Materialien verbessern, Module anpassen Act: Skalierung, Integration ins Curriculum, Fortbildungen für Lehrkräfte

      🔹 Vorteile der Kombi

      • Ganzheitlich: Organisations- (PDCA), Material-/Modul- (ADDIE) und Lernprozessperspektive (4A) vereint.
      • Flexibel: Einzelne Phasen können iterativ angepasst werden.
      • Praxisnah: Schüler:innen erleben reflektiertes KI-Lernen, Lehrkräfte bekommen Struktur und Sicherheit.
      • Skalierbar: Pilotprojekte können leicht auf andere Klassen, Jahrgänge und Fächer übertragen werden.

      Wenn du willst, kann ich daraus noch eine grafische 1‑Seiten-Übersicht bauen – wie ein „Toolbox-Sheet für Schulleitungen“, das die drei Modelle optisch vereint, mit Zeitachse, Phasen, Zielen und Beispielen.
      Willst du, dass ich das mache?

      Die inhaltliche Reflexion überlasse ich Ihnen, denn mir fehlt der reale Bezug zu meiner Schulgemeinde sowie zu den Bedarfen der regionalen Betriebe und Unternehmen. Für meine letzten Berufsjahre kann ich jedoch sagen: Ich hätte gerne auf solche Sprachmodelle zurückgegriffen. Dadurch würden sich Arbeitserleichterungen ergeben. Vorteile sind die Berücksichtigung der wesentlichen Merkmale der drei Modelle, die übersichtliche Darstellung und die damit verbundenen Zeitersparnisse. Neue Ideen haben sich mir eher selten aufgedrängt, allerdings waren meine Fragen dazu auch (noch) nicht spezifisch genug. So würde ich den Dialog beispielsweise mit der Frage fortsetzen, wie ich auf Vorbehalte seitens der Schulgemeinde (Kolleginnen und Kollegen, Eltern usw.) eingehen kann.

      Abschließend habe ich mir noch einige Gedanken zur Unterrichtsentwicklung gemacht und dabei das 4A-Modell zugrunde gelegt. Meiner Meinung nach ist dies der niedrigschwelligste und am wenigsten aufwendige Ansatz. Daher folgt nun ein konkretes Unterrichtsbeispiel für die Sekundarstufen I und II, das sich am 4A-Modell von Prof. Weßels orientiert und den Einsatz von KI im Fach Deutsch oder Politik/Wirtschaft thematisiert.

      Zielgruppe: Klasse 9–12
      Dauer: ca. 3–4 Unterrichtsstunden
      Fach: Deutsch / Politik / Medienbildung
      Thema: Kritische Auseinandersetzung mit KI-generierten Texten

      Zur Abwechslung nutze ich nun ein anderes Sprachmodell. Auch dieses Mal habe ich nicht weiter redigiert.

      Unterrichtseinheit: „KI und Sprache – Chancen und Herausforderungen“ (von Microsofts Copilot, unbearbeitet)

      4A-Modell

      🔹 Phase 1: Aufklären
      Input: Kurze Einführung in generative KI (z. B. ChatGPT, DeepL Write, DALL·E)
      Material: Video oder Präsentation zu „Was ist KI?“ und „Wie funktioniert Textgenerierung?“
      Diskussion: Was kann KI? Wo begegnet sie uns im Alltag?

      🔹 Phase 2: Ausprobieren
      Aufgabe: Schüler:innen geben einer KI verschiedene Schreibaufträge:z. B. „Schreibe eine Erörterung zum Thema Social Media“ oder „Verfasse ein Bewerbungsschreiben“
      Vergleich: KI-Text vs. eigener Text
      Reflexion: Was fällt auf? Wo sind Stärken/Schwächen?

      🔹 Phase 3: Akzeptieren
      Gruppenarbeit: Bewertung der KI-Texte nach Kriterien wie Stil, Argumentation, Faktenlage
      Diskussion: Kann KI beim Schreiben helfen? Wo sind Grenzen?
      Ethik-Impuls: Wer trägt Verantwortung für KI-Inhalte?

      🔹 Phase 4: Aktiv werden
      Projektidee: Schüler:innen entwickeln ein eigenes „KI-Ethik-Kodex“ für die Schule
      Präsentation: Vorstellung der Ergebnisse vor der Klasse oder Schulgemeinschaft
      Ausblick: Wie könnte KI sinnvoll in den Unterricht integriert werden?

      🧠 Erweiterungsidee
      Falls du mit jüngeren Schüler:innen arbeitest oder das Thema spielerischer angehen willst, kann man auch ein „KI-Detektivspiel“ machen: Die Schüler:innen müssen herausfinden, ob ein Text von einem Menschen oder einer KI stammt – und ihre Entscheidung begründen.

      Schlussbemerkung

      Jan Vedder, Mitglied der Schulleitung einer niedersächsischen Schule, wird in diesem Blogbeitrag mit den Worten zitiert: „Schulentwicklung wird oft als anstrengend, arbeitsintensiv und nichts für schwache Nerven beschrieben.“ Das kann ich bestätigen. Entscheidungen müssen unter Unsicherheit, steigenden Anforderungen und wachsender Komplexität getroffen werden. Gerade in dieser Lage können einfache, strukturierende Denk- und Arbeitsmodelle entlasten, nicht weil sie alle Probleme lösen, sondern weil sie Orientierung schaffen.

      Die hier vorgestellten Modelle PDCA, ADDIE und 4A bieten genau das.

      • PDCA hilft dabei, Schulentwicklung als lernenden Prozess zu verstehen,
      • ADDIE gibt Struktur für die didaktische Gestaltung neuer Lernangebote.
      • 4A ermöglicht schließlich, Lehrkräfte und Schülerinnen und Schüler schrittweise an KI und digitale Lernprozesse heranzuführen – vom Verstehen bis zum eigenständigen Gestalten.

      Diese Modelle ersetzen natürlich keine Arbeit, aber sie geben Struktur, schaffen Verständigung und senken die emotionale Last, die entsteht, wenn Entwicklung als Dauerkrisenmodus erlebt wird.
      In ähnlicher Weise können KI-Sprachmodelle zur Entlastung beitragen, indem sie den Arbeitsfluss erleichtern, Ideen anregen und Reflexionsprozesse beschleunigen, ohne pädagogische Verantwortung zu übernehmen.

      Sie helfen dabei, Gedanken zu ordnen, Formulierungen zu entwerfen, Projektideen zu skizzieren oder Unterrichtseinheiten vorzustrukturieren. Schulleitungen können mithilfe dieser Modelle Entwürfe für Konzepte, Elternbriefe oder Fortbildungspläne erstellen und so schneller vom Denken ins Handeln kommen. Lehrkräfte gewinnen Freiraum, um sich auf die sozialen Aspekte von Entwicklung zu konzentrieren: auf Dialog, Haltung und Beziehung. Richtig eingesetzt werden LLMs so zu Sparringspartnern im Denken. Sie fördern Kreativität und ermöglichen eine effizientere Umsetzung der oben genannten Modelle (PDCA, ADDIE, 4A). Die Herausforderung bleibt jedoch, kritisch zu reflektieren, wie und wofür KI eingesetzt wird. Aber genau darin liegt auch die Chance: eine neue Balance zwischen Struktur, Entlastung und pädagogischer Verantwortung.

      In meinem nächsten und vorletzten Artikel dieser Blogreihe geht es um die Frage, wie Fortbildungen organisiert werden können. Konkret werde ich darauf eingehen, wie Schulleitungen und das pädagogische Personal die drei Modelle PDCA, ADDIE und 4A als Rahmen nutzen können, um kollegiale Lernprozesse zur KI-Kompetenz zu planen. Eine weitere Frage ist, wie Lehrkräfte selbst mit und über KI lernen können, also das Meta-Lernen der Schulorganisation.

      Stay tuned

      References

      KI in der Schule (2): Didaktik

      Oct 9, 2025 | Allgemein, KI, Schulentwicklung, Unterricht

      In meinem ersten Beitrag habe ich die Bildungsforschung zu Wort kommen lassen. Sie hat eine Reihe von Handlungsoptionen aufgezeigt.

      • Schulinterne Leitfäden: Schulen können vorhandene Handreichungen und Leitfäden nutzen, um festzulegen, wie KI-Systeme datenschutzkonform und pädagogisch sinnvoll eingesetzt werden.
      • Nutzung frei zugänglicher, geprüfter Tools: Für Unterricht und individuelle Förderung lassen sich Aufgaben, Texte oder Erklärungen generieren, die an unterschiedliche Sprachen oder Leistungsvoraussetzungen angepasst sind.
      • Materialerstellung und Unterrichtsentwürfe: Lehrkräfte können Sprachmodelle für die Entwicklung von Arbeitsblättern, Unterrichtsstunden und differenzierten Materialien einsetzen.

      Darüber hinaus bin ich auf die Herausforderungen im Umgang mit heterogenen Lerngruppen eingegangen und habe auf unterrichtliche sowie berufsorientierte Aspekte aufmerksam gemacht.

      In diesem praxisorientierten Beitrag werde ich diese nun ergänzen bzw. konkretisieren. Vor allem im Hinblick auf die Materialerstellung und die Unterrichtsgestaltung. Denn wie der Schulleiter Nils Fischer auf LinkedIn unter der Überschrift „Das Ende der Schulbücher” schreibt:[1] … Continue reading

      Traditionelle Schulbücher haben jahrzehntelang für Struktur und Planbarkeit im Unterricht gesorgt. Doch ihr Modell hatte immer schon Grenzen. Gedruckte Werke sind statisch, werden über Jahre hinweg genehmigt, bleiben oft hinter aktuellen Entwicklungen zurück und verursachen durch die Lehrmittelausleihe hohe Kosten für Schulen und Elternhäuser. Die Realität von Lernprozessen sieht anders aus: kein Kind, kein Jugendlicher, kein Erwachsener lernt in derselben Geschwindigkeit, mit denselben Vorkenntnissen und denselben Interessen. „One-Size-fits-all“ war schon immer eine pädagogische Vereinfachung, die wir bislang aus praktischen Gründen akzeptiert haben.

      Mit KI verändert sich das Spielfeld. Anstatt dass Lehrkräfte in späten Abendstunden Arbeitsblätter zusammenschustern oder auf träge Genehmigungsprozesse von Verlagen warten, wird Content künftig dynamisch erstellt – passgenau für Lernstand, Tempo und Themeninteresse. Das bedeutet ein Redesign unseres Schulsystems:

      • Weg von linearen Curricula,
      • hin zu flexiblen Lernpfaden,
      • unterstützt durch KI, die Inhalte, Übungen und Feedback maßgeschneidert anbietet.

      Bei der Vorbereitung dieses Beitrags hat mich nun Folgendes interessiert: Was würde sich für mich ändern, wenn ich noch im Unterrichtsgeschehen aktiv wäre?

      Wie der Beschreibung zum Prozessmodell, das in allen Kerncurricula des Landes Hessen implementiert ist, zu entnehmen ist, habe ich gemeinsam mit einer TI-affinen Kollegin und einem GeoGebra-affinen Kollegen Einsatzmöglichkeiten von CAS-Rechnern und Computern vorgestellt. Ich habe nun meine Einheit „Zuordnung” aufgegriffen und mit Perplexity einen Dialog gestartet. Ich hoffe, dass auch Lehrkräfte, die sich mit Mathematik nicht so gut auskennen, mit der Beschreibung zurechtkommen. Es handelt sich um eine Unterrichtseinheit für den Jahrgang 7. 

      Um Missverständnissen vorzubeugen: Hierbei handelt es sich um den Auftakt eines Dialogs. Für mich bieten die Sprachmodelle die Möglichkeit, Ideen für die Unterrichtsgestaltung zu erhalten. Somit erhalte ich mit den ersten Prompts eine Grobstruktur, die ich dann unter Berücksichtigung der Lerngruppe weiter verfeinern kann (und muss).

      Prozessmodell, organisiert mit Perplexity

      Startphase: Ziele der Unterrichtseinheit

      In einem Podcast wird angedeutet, wozu LLM wie du in der Lage sind:

      • Schulinterne Leitfäden: Schulen können vorhandene Handreichungen und Leitfäden nutzen, um festzulegen, wie KI-Systeme datenschutzkonform und pädagogisch sinnvoll eingesetzt werden.
      • Nutzung frei zugänglicher, geprüfter Tools: Für Unterricht und individuelle Förderung lassen sich Aufgaben, Texte oder Erklärungen generieren, die an unterschiedliche Sprachen oder Leistungsvoraussetzungen angepasst sind.
      • Materialerstellung und Unterrichtsentwürfe: Lehrkräfte können Sprachmodelle für die Entwicklung von Arbeitsblättern, Unterrichtsstunden und differenzierten Materialien einsetzen.

      Ich möchte nun auf den letzten Punkt eingehen und untersuchen, wie du Lehrkräften, beispielsweise aus dem Fach Mathematik, helfen kannst. Es geht um das Lehr-Lernkonzept „Prozessmodell” (https://schule-in-der-digitalen-welt.de/kou/) und „Constructive Alignment” (https://schule-in-der-digitalen-welt.de/constructive-alignment/). Ich benötige eine Unterrichtseinheit zu Zuordnungen.

      Ziele der Unterrichtseinheit sind:

      • Beziehungen zwischen Größen als Zuordnung aufschreiben und darstellen
      • Eigenschaften von Zuordnungen aus ihren Darstellungen ablesen
      • Eigenschaften von prop./ antiprop. Zuordnung benennen
      • Aus bekannten Größenangaben weitere Größenangaben berechnen
      • Taschenrechner und Computer verständig einsetzen

      Die Unterrichtseinheit soll folgende Kompetenzen fördern:

      • Graphen lesen und darstellen; Umgang mit Tabellen und Formeln. Die SuS benötigen die digitalen Werkzeuge
        • zur Unterstützung beim Erkunden, Präsentieren, Visualisieren, Experimentieren
        • zum Strukturieren, Kontrollieren sowie zum Recherchieren
      • Ausgleichskurven. Die SuS benötigen die digitalen Werkzeuge
        • zur Bearbeitung von mathematischen Problemen und anschließender Reflexion
        • zur Unterstützung beim Erkunden, Präsentieren, Visualisieren, Experimentieren
      • Proportionale Zuordnungen. Die SuS benötigen die digitalen Werkzeuge
        • zum Berechnen, Algebraisieren, Strukturieren, Kontrollieren
      • Antiproportionale Zuordnungen. Die SuS benötigen die digitalen Werkzeuge
        • zum Berechnen, Algebraisieren, Strukturieren, Kontrollieren

      Erstelle unter Nutzung des Prozessmodells einen sechswöchigen Plan, wie ich den Unterricht gestalten und organisieren kann.

      Antwort von Perplexity

      1. Phase: Advance Organizer

      In der ersten Phase arbeite ich gerne mit einem Advance Organizer, der mir dabei hilft, meine Ziele angemessen vorzustellen und später die Ideen der Schüler zu sammeln. Kannst du mir dieses Dokument bitte vorbereiten?

      Antwort Perplexity

      3. Phase: Selbsteinschätzungsbogen (SEB)

      Zentral ist die Selbsteinschätzung der Schülerinnen und Schüler in der 3. Phase. Kannst du mir einen zur Unterrichtseinheit passenden Selbsteinschätzungsbogen zusammenstellen?

      Antwort Perplexity

      4. Phase: Individuelle Unterstützung

      Wie kannst du mich bzw. meine Schüler in der vierten Phase unterstützen? In dieser Phase bereiten sie sich individuell auf die Klassenarbeit vor. Ich stelle mir vor, dass sie Kontakt zu dir aufnehmen und dir dann Fragen stellen können. Alternativ könntest du sie in Vorbereitung auf die Klassenarbeit testen. Wie kann ich das organisieren?

      Antwort Perplexity

      5. Phase: Rückmeldung der Lehrkraft

      In der letzten Phase wird ein Abgleich mit der Klassenarbeit vorgenommen. Kannst du den Selbsteinschätzungsbogen um die Lehrereinschätzung ergänzen?

      Antwort Perplexity

      Reflexion

      Und nun erlebe ich ein Déjà-vu. Nach meiner Zeit bei „Schulen ans Netz” (SaN) und der Bertelsmann-Stiftung war mir klar, dass ich meinen Unterricht nicht mehr auf die gleiche Weise gestalten wollte, wie ich es vor meinem Ausstieg aus dem Schuldienst im Jahr 1990 in meiner Referendarzeit erlebt und praktiziert hatte. Mit meinem Neueinstieg im Jahr 2004 ermöglichte mir die Kombination aus Prozessmodell und Erfahrungen aus der SaN-Zeit einen komplett neuen Zugang zum Mathematik- und Informatikunterricht. Schon damals konnte ich mit den aktuellen Schulbüchern kaum etwas anfangen, höchstens als Nachschlage- und Aufgabenwerk.

      Ähnlich hat mein Kollege reagiert, dem ich die Perplexity-Vorlagen gemailt habe:

      Ich finde sie super! Das ist GENAU der Ansatz, den ich mir vorstelle und der mir immer wieder durch den Kopf geht. Ich möchte das Lernen weiter individualisieren. Das passt hervorragend in unser Prozessmodell. Ich dachte dabei vorrangig an Phase 4 (Konsolidierung) und Phase 1 (Lernausgangslage). Die Ergebnisse des SEBs (okay, einige habe ich selbst erstellt und kann sie immer wieder nutzen) und die Idee der Klausurrückmeldung mit Förderbedarfsgedanke sind jedoch neu und eine sehr gute Idee, vor allem für die Sekundarstufe I!

      Selbstverständlich muss noch einiges nachgearbeitet werden. Die Perplexity-Vorlagen liefern eine Grobstruktur. In Abhängigkeit zur Lerngruppe ist eine Verfeinerung möglich. Viele Anpassungen sind erst im Laufe des Lehr- und Lernprozesses möglich. Somit setzt auch erst dann der weitere Dialog mit den Sprachmodellen ein. Verglichen mit meiner Erinnerung aus der damaligen Zeit ist das jedoch nicht der Rede wert. Zum Vergleich: Der Link führt zu einer gezippten Datei. Nach dem Entpacken die Datei „00start.doc” aufrufen. Die Word-Datei ist mit den weiteren Dateien verlinkt. Sie sind ebenfalls im Word-Format abgelegt, damit man sie weiterverarbeiten kann, z. B. durch Ergänzungen von Aufgaben, individuellen Erklärtexten und vielem mehr.

      Ich kann mich noch gut an unsere Fortbildungen erinnern. Wie häufig wurde uns gesagt: „Ja, macht Sinn. Angesichts des Zeitaufwands müsste ich eigentlich auf eine halbe Stelle gehen, um die einzelnen Phasen angemessen vorzubereiten.“ Selbst wenn man unterstellt, im Laufe der Unterrichtsjahre viele Materialien erstellt zu haben, verändern sich doch immer wieder die Lerngruppe und die damit verbundenen Herausforderungen. Mit diesem LLM habe ich in wenigen Stunden eine brauchbare Vorlage erhalten. Das hat seinerzeit, bei aller Routine viel mehr Zeit beansprucht.

      Warum kein Prompt zur zweiten Phase?

      Hier wahre ich meine eigene Integrität und Authentizität. Die lasse ich mir durch keine KI der Welt vorschreiben. Wozu habe ich eigentlich jahrelang studiert? Außerdem kann ich auf jahrzehntelange Unterrichtserfahrung zurückgreifen. Das schließt jedoch nicht aus, Neues dazuzulernen. Das würde ich jedoch lieber in Kooperation mit meinen (Fach)Kolleginnen und Kollegen entwickeln bzw. erarbeiten.

      Rückmeldungen Kolleginnen und Kollegen

      Ich habe meine (ehemaligen) Fortbildungskolleginnen und -kollegen aus den Fachbereichen Naturwissenschaften, Deutsch, Neue Fremdsprachen sowie Politik & Wirtschaft angeschrieben und sie um ihre Erfahrungen im Umgang mit LLM & Co. gebeten. Die Rückmeldungen waren zwiespältig. Ja, man bekam neue Anregungen für den Unterricht. Nein, noch läuft einiges in die falsche Richtung ( Konfabulieren (Prof.’in Zweig), Halluzinationen). Vor allem der Kollege aus dem Fachbereich Naturwissenschaften berichtete von frustrierenden Erkenntnissen für seinen Physik-Leistungskurs. Der Tenor war dennoch: Bezüglich der Unterrichtsorganisation könne man von den Tools profitieren. Fachdidaktisch wünschte man sich jedoch mehr Unterstützung von den Fachdidaktikerinnen und -didaktikern der Universitäten und Pädagogischen Hochschulen. Deren Input sei nahezu gar nicht vorhanden, so der Vorwurf.

      Und doch ist dieser so nötig: Die Fremdsprachenkollegen (Englisch, Französisch, Spanisch) berichten von Reaktionen der Schülerinnen und Schüler, die sie daran zweifeln lassen, ob der Unterricht angesichts der Verfügbarkeit und der Übersetzungsfähigkeiten der LLM-Tools methodisch wie inhaltlich noch sinnvoll ist. Die Deutschlehrerin verwies auf die nahezu 100-prozentig sichere Fehlerkorrektur durch DeepL inklusive weiterer Formulierungsalternativen. Sie würde die Schülerinnen und Schüler gerne bitten, ihre Arbeiten – schon allein wegen ihrer kaum lesbaren Handschrift – durch die Tools zu jagen, um sie lesbarer zu machen, grobe Fehler zu bereinigen und ihnen schließlich die Möglichkeit zu geben, noch einmal über ihre Arbeiten zu reflektieren. Darüber hinaus zeigte sie sich angesichts der Dialogmöglichkeiten begeistert, die bis hin zur Vorbereitung von kleineren Aufführungen reichen. Hierbei arbeitet sie mit dem Fach Darstellendes Spiel zusammen. Der Kollege aus dem Fachbereich Politik und Wirtschaft äußert schließlich sein Unbehagen darüber, wie anfällig die LLMs für Desinformationen, Manipulationen, Diskriminierungen, Verzerrungen und Überwachungstechnologien sind. Wie sollte man darauf reagieren, wenn nicht durch Problemstellungen, die durch den Einsatz von LLMs entstehen?

      Mathematik – Informatik

      Auch in meinen Fächern (Naturwissenschaften und Informatik) muss dringend ein Diskurs stattfinden. Prof. Loviscach hat in einem Youtube- Video aufgezeigt, wie stark sein Arbeitsbereich von den Entwicklungen rund um LLMs betroffen ist. Mit Klausuraufgaben aus den Bereichen Mathematik, Informatik, Gebäudeautomation, Windenergie, erneuerbare Energie und Elektronik, die von unterschiedlichen LLMs gelöst wurden und die er mit „Magna cum laude” bewertet hat, bestätigt sehr erstaunlichen „Kompetenzen“ der von ihm getesteten LLMs. Indirekt stellt er die Frage, wie sich seine Lehre angesichts dieser rasanten Entwicklung verändern müsse. Übertragen auf die schulische Bildung stellt sich für mich die Frage, welche Basisausbildung in Zukunft erforderlich ist. Heymann würde es im Fach Mathematik vermutlich bei den Inhalten Arithmetik, Prozentrechnung, Dreisatz und Schätzen bewenden lassen.

      Rückblick: Wir schreiben das Jahr 1996: In den Printmedien wird eine Habilitationsschrift von Hans Werner Heymann mit der provokanten Aussage zitiert, dass die Vermittlung der Inhalte des Mathematikunterrichts bis zur 8. Klasse – darunter Addition, Subtraktion, Multiplikation, Division, Überschlagsrechnung, Dreisatz und Prozentrechnung – bereits eine ausreichende Berufsvorbereitung darstelle.[2]https://schule-in-der-digitalen-welt.de/7-evaluation/

      Vielleicht war es 1996 noch kein Thema, doch ich halte aus heutiger Sicht die Vermittlung von Inhalten zur Statistik und Wahrscheinlichkeitsrechnung für essenziell. Aber was dann? Viele der Übungsaufgaben aus den Schulbüchern ab Jahrgangsstufe 8 wurden richtig gelöst. Welche Konsequenzen ergeben sich für uns im Mathematikunterricht, wenn in der beruflichen Ausbildung gefordert wird, sich vor allem auf die Inhalte bis zur 8. Klasse zu konzentrieren? Lediglich die zukünftigen NaWi-Uni-Aspiranten haben erweiterten Qualifikationsbedarf in mathematischen Kalkülfragen. In der Informatik gestaltet sich die Sache noch dramatischer. Fast jeder Code wird mittlerweile fehlerfrei erzeugt. Somit benötige ich „nur noch” die Kompetenz, richtig zu prompten und die Codes zu prüfen. Das erfordert sicherlich auch Basiskompetenzen, die jedoch nicht über Jahre hinweg aufgebaut und gepflegt werden müssen.

      In seiner Habilitationsschrift aus dem Jahr 1996 forderte Heymann, sich diesen sieben allgemeinbildenden Aufgaben zuzuwenden, die zudem fächerübergreifend umgesetzt werden können: Lebensvorbereitung, Stiftung kultureller Kohärenz, Weltorientierung, Anleitung zum kritischen Vernunftgebrauch, Entfaltung von Verantwortungsbereitschaft, Einübung in Verständigung und Kooperation, Stärkung des Schüler-Ichs.[3]ebda.

      Das Wording ist sicher an die heutige Zeit anzupassen, doch der Inhalt ist grundsätzlich übertragbar. Zusammenfassend lassen meine Erfahrungen und die meiner Kolleginnen und Kollegen nur eine Schlussfolgerung zu. Die Curricula müssen verändert oder zumindest deutlich angepasst werden. Zudem müssen sie, spätestens ab der Jahrgangstufe 8 fächerübergreifend und/oder -verbindend angelegt sein. Keine Schülerin und kein Schüler wird in seinem späteren Beruf in seiner eigenen Berufsdomäne tätig sein. Das Arbeitsgebiet wird immer interdisziplinär ausgerichtet sein. Dafür muss die Schule die entsprechenden Voraussetzungen schaffen – curricular wie mental.

       

      Fächerübergreifende, -verbindende Ansätze

      Lehrkräfte müssen nicht warten, sondern können bereits jetzt, auch ohne große Umbauten im Curriculum, gezielt und fächerübergreifend Future Skills fördern. Dies ist durch kleine Module, kluge Partnerprojekte und mutige Diskussionen über Werte, Wandel und Wirklichkeit möglich. Wichtig ist ein gemeinsames Mindset im Kollegium. Antoine de Saint-Exupéry (französischer Schriftsteller) sagte dazu vor 100 Jahren: „Unsere Aufgabe ist es nicht, die Zukunft vorherzusehen, sondern sie zu ermöglichen.“ Darüber hinaus können Lehrkräfte agile Lehrmethoden einführen, die Jugendlichen dabei helfen, relevante Fähigkeiten für die Arbeitswelt zu entwickeln. Praktika, Projektarbeit und praxisnahe Aufgaben können dabei helfen, theoretisches Wissen in praktische Fähigkeiten umzusetzen.

      In Norwegen sind fächerübergreifende Projekte curricular verankert. Aktuell durch die Themen: Demokratie und Bürgerbeteiligung, nachhaltige Entwicklung, Gesundheit und Lebenskompetenz. Übertragen auf unser Bildungssystem, z. B. bezüglich „Nachhaltige Entwicklung”

      • Berechnung des ökologischen Fußabdrucks (MINT)
      • Diskussion über Konsumverhalten (Deutsch, Sozialkunde)
      • Gestaltung von Informationskampagnen (Kunst und Sprache)
      • Reflexion über persönliche Werte (Philosophie, Ethik/Religion)

      Didaktische Zugänge zur Kooperation im Kollegium gelingen etwa durch Themenwochen oder Projekttage, fächerübergreifende Module (3–6 Unterrichtsstunden), Lernprodukte (Podcasts, Blogs, Websites, Erklärvideos). Didaktisch/methodisch bietet sich das

      an.

      Finanzbildung im fächerübergreifenden, -verbindenden Ansatz

      Aber auch Alltagsfragen bieten sich an, aufgegriffen zu werden. Immer wieder wird gefordert, Finanzbildung in den Lehrplan aufzunehmen. Zuletzt wurde dies am 5. Oktober 2025 in der SZ gefordert: Finanzbildung muss auf den Lehrplan. Sonst wird es nie echte Chancengleichheit geben. Ich habe mich gefragt, wie ein Team, das Mathematik und PoWi/Sowi unterrichtet, von dem Tool Perplexity unterstützt werden kann. Mit folgendem Prompt habe ich es befragt:

      Es wird schon seit langem gefordert, Finanzbildung in der Schule zu ermöglichen. Kannst du einmal fächerübergreifende Unterrichtseinheiten skizzieren, die die aktuellen Lehrziele in Mathematik und Politik einbezieht?

      Was mich beeindruckt hat, waren die Quellen, die das Tool einbezogen hat: Zur Antwort, inkl. Angaben zu den genutzten Quellen.

      Darüber hinaus können Schulen ihren Schülerinnen und Schülern eine geeignete Berufsorientierung bieten, indem sie moderne, digitale und praxisnahe Ansätze verfolgen, die sich an den Bedürfnissen, den Interessen sowie den technologischen Kompetenzen der Schülerinnen und Schüler orientieren. Dazu nun mehr.

      Berufsorientierung

      Der Bericht über die Expo zeigt, wie präsent KI bereits bei unseren Schülerinnen und Schülern der Abschlussklassen ist – sei es im Realschul- oder im Gymnasialbereich. Im Hinblick auf die Berufsorientierung sind die durch KI erzeugten Substituierbarkeitspotenziale von Interesse, also die Frage, welche Aufgaben und Berufe technisch durch Computer und Maschinen ersetzt werden könnten. Konkret sind Beispiele mit einem besonders hohen Substituierbarkeitspotenzial z. B. Bäcker, Buchhalter und Kassierer, mit einem besonders niedrigen z. B. Erzieher, Ärzte und Friseure. Die Diskussion über die Bedeutung traditioneller und digitaler Kompetenzen bietet die Gelegenheit, mit den Schülerinnen und Schülern über die Anforderungen und Chancen der Arbeitswelt von morgen zu sprechen, beispielsweise durch Projekte, Recherchen oder Gespräche mit externen Experten.

      Am Beispiel des Online-Tools „Jobfuturomat“, das Berufe nach ihrer Substituierbarkeit analysiert, wird aufgezeigt, welche Berufe wie stark betroffen sein werden. Lehrkräfte könnten ihren Schülern mit diesem Tool ermöglichen, ihre Wunschberufe zu untersuchen und die Ergebnisse zu diskutieren, wie in diesem Video (ab 10:30) vorgestellt.

      Ob KI einen Job kaputt macht? Auf diese Frage geht dieser Beitrag ein: 

      Y-History-Reporterin Julia recherchiert mit künstlicher Intelligenz! Sorgen hat ihr das lange nicht gemacht: „Ich mache schließlich was mit dem Kopf. Das kann mir keiner nehmen.“ Doch mittlerweile fragt sie sich: Wie lange noch? Ist das echt „nur“ Arbeit 4.0, mit den üblichen Risiken und Nebenwirkungen? Oder killt KI im großen Stil Jobs – auch meinen? Julia probiert mit Forschern eine brandneue Übersetzer-KI aus, entlarvt mit einer Faktencheckerin Video-Fakes und steigt zwischendurch tief ins Filmarchiv. Dort findet sie unsere alten Ängste (Roboter bauen Autos!), unsere Träume (Eine Maschine komponiert!) und manchmal auch Komisches: Der elektronische Heiratsvermittler war 1963 jedenfalls ein ziemlich cooler Vorläufer für Tinder & Co….

      Ab Minute 17 werden kreative Berufe und ab Minute 23 der Journalismus berufsspezifisch hinterfragt.

      Die Beschäftigung mit den durch die Digitalisierung bedingten Veränderungen, die Förderung der Reflexion über berufliche Zukunftssicherheit und Weiterbildungsbereitschaft sowie das Ausprobieren von Tools wie dem Jobfuturomat bieten einen praxisnahen Zugang zur beruflichen Wirklichkeit und orientieren sich eng an den aktuellen Entwicklungen der Arbeitswelt. Prof. Weber vom Institut für Arbeitsmarkt- und Berufsforschung äußert sich im o. g. ARD-Video-Beitrag (ab etwa 15:30) u. a. zum Thema KI im Bildungssystem: „Es geht nicht um IT-Expertise, sondern um die Fähigkeit, damit zu arbeiten, abstrakt zu denken, zu kommunizieren, zu lernen und sich selbst und den eigenen Job zu organisieren.”

      Idee für eine Unterrichtseinheit/Projektag „Berufsorientierung“

      In Kenntnis der oben vorgestellten Videos und der ersten Berührungen mit dem Online-Tool Futuromat: Warum nicht Schülerinnen und Schüler mit einer Methode vertraut machen, die sich mit auf die Zukunft ausgerichteten Fragestellungen als sinnvoll erwiesen hat und in Schulen noch selten anzutreffen ist? Das Design-Thinking-Verfahren.

      Thema: „Gestalte die Zukunft deiner Arbeit“ – Schülerteams entwickeln kreative Lösungen für Fragen rund um die Zukunft der Arbeitswelt im Zeitalter von KI.
      Zielgruppe: Sek I/II, alle Schulformen
      Dauer: 6–8 Unterrichtsstunden
      Fächer: Ethik, Wirtschaft, Deutsch, Informatik, Kunst, Politik

      Geförderte Kompetenzen:

      • Kognitiv: Problemlösen, Kreativität, systemisches Denken
      • Technologisch: digitale Tools im Problemlösungsprozess nutzen
      • Sozial: Teamarbeit, Kommunikation, Perspektivenübernahme
      • Selbstkompetenz: Selbstorganisation, Eigenverantwortung, Sinnorientierung

      Warum ist Design Thinking nützlich? [4] … Continue reading

      • Es hilft, komplexe Probleme zu lösen, indem es den Fokus auf die Nutzer legt.
      • Es ermöglicht die Entwicklung innovativer Produkte und Dienstleistungen, die wirklich von den Nutzern gewünscht werden.
      • Es fördert eine offene Fehlerkultur und das systematische Hinterfragen von Annahmen.

      Die Umsetzung wird durch den Einsatz eines LLMs Ihrer Wahl sicher erleichtert, wie meine ersten Tests gezeigt haben. Allerdings fehlte mir der lokale Bezug, sowohl was die zu beteiligenden Firmen und Betriebe als auch die beteiligten Schülergruppen angeht. Deren Erwartungen müssen unbedingt in die Prompts bzw. in den Dialog mit den LLMs eingebunden werden, wie die Antwort von ChatGPT auf meinen Prompt zeigt:

      Gemeinsam mit den Schülern möchte ich der Frage nachgehen: Wie kannst du die richtige Berufswahl treffen? Gewöhnlich werden dazu Praktika in Betrieben oder Berufsorientierungstage durch einschlägige Agenturen angeboten. Angesichts der Entwicklungen rund um KI scheint mir das jedoch nicht mehr angemessen zu sein. Eignet sich das Design-Thinking-Modell (vgl. https://hpi.de/d-school/) für die Umsetzung in meinen Lerngruppen?

      Antwort ChatGPT

      Das ist ein spannender Ansatz! Deine Überlegung, klassische Formate der Berufsorientierung (Praktika, Infotage, Beratungsagenturen) infrage zu stellen, ist im Lichte der schnellen Entwicklungen rund um KI sehr berechtigt. Gerade weil viele heutige Berufsbilder sich stark verändern oder erst noch entstehen, erscheint es sinnvoller, die Schüler:innen methodisch zu befähigen, ihre eigenen Wege zu entwickeln – und hier passt Design Thinking sehr gut.

      Warum sich das Modell eignet:

      1. Nutzerzentrierung:
        Im Design Thinking steht der Mensch mit seinen Bedürfnissen im Mittelpunkt. Übertragen auf die Berufswahl heißt das: Die Schüler reflektieren nicht nur „Welche Berufe gibt es?“, sondern „Welche Stärken, Interessen, Werte habe ich – und wie passen diese zu möglichen Tätigkeiten in einer von KI geprägten Zukunft?“.
      2. Iteratives Vorgehen:
        Berufsorientierung ist kein einmaliger Prozess, sondern ein Ausprobieren, Verwerfen, Neujustieren. Das iterative Arbeiten im Design Thinking spiegelt diesen realen Prozess sehr gut wider.
      3. Kreativität und Zukunftsorientierung:
        Klassische Berufsorientierung vermittelt oft ein statisches Bild von Berufsfeldern. Design Thinking ermutigt dagegen, neue Ideen zu generieren – etwa: „Wie könnte mein Traumberuf in 10 Jahren aussehen?“ oder „Welche Kombination aus KI-gestützten und menschlichen Fähigkeiten wird dann gefragt sein?“
      4. Teamarbeit und Perspektivwechsel:
        Berufswahl ist oft ein sehr individueller Prozess. Im Design Thinking profitieren Schüler:innen davon, gemeinsam Ideen zu entwickeln, andere Blickwinkel einzunehmen und ihre eigenen Sichtweisen zu erweitern.
      5. Verbindung zu KI-Themen:
        Man kann gezielt Szenarien einbauen: Welche Berufe werden durch KI unterstützt oder transformiert? Welche Kompetenzen bleiben unersetzlich? Welche neuen Chancen entstehen?

      Mögliche Umsetzungsschritte im Unterricht (stark verkürzt, orientiert an den Phasen des HPI-Modells):

      • Verstehen: Schüler analysieren ihre eigenen Interessen, Stärken, Werte.
      • Beobachten: Interviews mit Berufstätigen, KI-Experten oder Eltern; Recherchen zu „Future Skills“.
      • Sichtweise definieren: Formulieren von Leitfragen wie „Wie finde ich einen Beruf, der zu mir passt und zukunftssicher ist?“
      • Ideen finden: Brainstorming zu Berufsbildern der Zukunft, Rollen, die KI nicht übernehmen kann, Kombinationen aus Technik und Menschlichkeit.
      • Prototyp entwickeln: Schüler entwerfen z. B. ein persönliches Zukunftsportfolio oder eine „Berufslandkarte“ für sich selbst.
      • Testen: Rückmeldungen aus der Gruppe, von Eltern oder externen Fachleuten einholen.

      👉 Fazit: Ja, das Design-Thinking-Modell eignet sich sehr gut für deine Fragestellung. Es verschiebt den Fokus von der Anpassung an bestehende Berufsbilder hin zu einer selbstbestimmten, kreativen Auseinandersetzung mit den Möglichkeiten der Zukunft.

      Soll ich dir einen konkreten Stundenablauf (z. B. für 4–6 Doppelstunden) entwerfen, der zeigt, wie du das mit deinen Lerngruppen durchführen kannst?

      Super! Ich skizziere dir einen Unterrichtsablauf auf Basis von Design Thinking für etwa 4–6 Doppelstunden (je nach Tiefe und Lerngruppe). Die Struktur lehnt sich an die Phasen der HPI-D-School an, ist aber für die schulische Umsetzung vereinfacht.

      Thema: „Wie kannst du die richtige Berufswahl treffen?“

      Methode: Design Thinking
      Zielgruppe: Sek. I / Sek. II (anpassbar)

      Doppelstunde 1: Einstieg & Verstehen

      • Impuls: Kurze Diskussion „Berufe heute vs. in 15 Jahren – was verändert sich durch KI?“
      • Mini-Input Lehrkraft: Veränderungen von Berufsbildern durch Automatisierung/KI, Beispiele neuer Tätigkeiten.
      • Übung: Schüler:innen füllen ein „Self-Assessment Canvas“ aus (Stärken, Interessen, Werte, Hobbys, Wünsche).
      • Hausaufgabe/Recherche: Interviews mit Eltern, Freunden oder Berufstätigen zu deren Berufswahl und veränderten Anforderungen.

      Doppelstunde 2: Beobachten & Empathie

      • Austausch: Ergebnisse der Interviews zusammentragen.
      • Perspektivwechsel:
        • Rollenspiel: „Ich bin eine KI – welchen Beruf könnte ich besser machen als ein Mensch? Wo bleibe ich außen vor?“
        • Diskussion: Welche menschlichen Fähigkeiten bleiben unverzichtbar?
      • Mapping: Sammlung auf Plakat oder digitalem Whiteboard („Future Skills Map“).

      Doppelstunde 3: Sichtweise definieren

      • Gruppenarbeit: Jede Gruppe formuliert eine Leitfrage, z. B.:
        • „Wie finde ich einen Beruf, der zu meinen Stärken passt?“
        • „Wie kombiniere ich Technik und Menschlichkeit?“
        • „Wie bleibe ich flexibel, wenn sich Berufe ständig ändern?“
      • Clustern: Gemeinsame Auswahl von 2–3 Kernfragen, die für alle relevant sind.
      • Auftrag: Jede Gruppe bearbeitet eine Leitfrage weiter.

      Doppelstunde 4: Ideen entwickeln

      • Kreativtechniken: Brainstorming, 6-3-5-Methode oder „Crazy 8s“ (8 Ideen in 8 Minuten).
      • Sammeln: Viele Ideen zu möglichen Berufsfeldern, Zukunftswegen, persönlichen Strategien.
      • Auswahl: Gruppen wählen ihre 1–2 besten Ideen, die sie konkretisieren wollen.

      Doppelstunde 5: Prototyping

      • Produkte entwickeln (frei wählbar, z. B.):
        • Persönliche Berufslandkarte (visuelle Übersicht möglicher Berufsfelder).
        • Zukunfts-Portfolio (Stärken, Ideen, Handlungsschritte).
        • Prototyp einer App/Website zur Berufswahl (Skizze auf Papier).
        • Kurzfilm/Podcast „Mein Beruf in 2035“.
      • Zwischenfeedback: Gruppen tauschen ihre Prototypen aus und geben Rückmeldungen.

      Doppelstunde 6: Testen & Reflexion

      • Präsentationen: Jede Gruppe stellt ihre Ergebnisse/Prototypen vor.
      • Feedback: Von Mitschüler:innen, evtl. eingeladenen Eltern, Berufsberater:innen.
      • Reflexion:
        • „Was habe ich über mich gelernt?“
        • „Wie kann ich Design Thinking auch auf andere Lebensentscheidungen anwenden?“
        • „Welche Rolle spielt KI bei meiner Berufswahl – Chance oder Risiko?“
      • Abschlussprodukt: Persönlicher „Zukunftsbrief“ an sich selbst: „In 10 Jahren will ich…“

      🔧 Materialien:

      • große Plakate, Post-its, Marker
      • ggf. digitale Tools (Miro, Padlet, Canva)
      • Templates (Self-Assessment Canvas, Future Skills Map, Berufslandkarte)

      👉 Vorteil: Der Ablauf ist flexibel – du kannst auch nach Doppelstunde 4 stoppen (wenn Zeit knapp ist) oder durch externe Inputs (z. B. kurze Experteninterviews per Videocall) anreichern.

      Soll ich dir für die Umsetzung ein Template-Set (z. B. für Self-Assessment Canvas, Future Skills Map, Berufslandkarte) entwerfen, das du direkt in deiner Lerngruppe einsetzen kannst?

      Perfekt 👍 Dann stelle ich dir ein kleines Template-Set zusammen, das du direkt mit deinen Lerngruppen einsetzen kannst. Ich halte es so offen, dass du es sowohl analog (Plakat/Post-its) als auch digital (Padlet, Miro, Canva, Google Slides) nutzen kannst.

      📌 1. Self-Assessment Canvas („Ich im Überblick“)

      Ziel: Schüler:innen reflektieren Stärken, Interessen, Werte und mögliche Berufsmotive.

      Struktur (einfaches Blatt oder A3-Poster):

      • Meine Stärken (Was kann ich gut?)
      • Meine Interessen (Womit beschäftige ich mich gern?)
      • Meine Werte (Was ist mir im Leben wichtig?)
      • Meine Lernfelder (Was möchte ich noch verbessern?)
      • Meine Zukunftswünsche (Wo sehe ich mich in 10 Jahren?)

      👉 Tipp: Mit Symbolen, Farben oder Bildern arbeiten lassen – macht das Ergebnis persönlicher.

      📌 2. Future Skills Map

      Ziel: Bewusstsein für Kompetenzen, die in einer KI-geprägten Zukunft wichtig sind.

      Vorlage (Kreisdiagramm oder Mindmap):

      • Technische Skills (z. B. Datenverständnis, Umgang mit KI, digitale Werkzeuge)
      • Soziale Skills (Kommunikation, Teamfähigkeit, Empathie)
      • Kognitive Skills (Problemlösen, kritisches Denken, Kreativität)
      • Selbstkompetenzen (Resilienz, Flexibilität, Eigenverantwortung)

      👉 Schüler:innen können die Map individuell ausfüllen und mit Beispielen aus ihrem Alltag ergänzen („Ich trainiere Teamfähigkeit beim Fußball“).

      📌 3. Berufslandkarte („Mein Berufswelt-Atlas“)

      Ziel: Ideen zu möglichen Berufsfeldern visualisieren.

      Vorlage (Landkarte mit Feldern oder Zonen):

      • Sichere Zonen: Berufe, die heute schon bekannt sind.
      • Wachstumszonen: Zukunftsberufe (z. B. KI-Ethikberater, Green-Engineer).
      • Unbekannte Zonen: Fantasievolle Ideen („Berufe, die es vielleicht bald gibt“).
      • Meine Route: Markierung des eigenen Weges (z. B. mit Symbolen für Schule, Ausbildung, Studium, Beruf).

      👉 Variante: Schüler:innen zeichnen Symbole, erstellen Steckbriefe zu Berufen oder verknüpfen ihre Map mit der Self-Assessment Canvas.

      📌 4. Reflexionskarten

      Für den Abschluss oder zur Zwischenauswertung:

      • „Eine Fähigkeit, die mir für meine Zukunft wichtig ist…“
      • „Ein Berufsfeld, das mich neugierig macht…“
      • „Eine Rolle, die KI in meinem Beruf spielen könnte…“
      • „Ein nächster Schritt, den ich unternehmen möchte…“

      👉 Diese Karten lassen sich leicht auf A6 drucken oder digital in Mentimeter/Padlet einsetzen.

      🔧 Wenn du möchtest, kann ich dir die Vorlagen auch grafisch als PDF/PowerPoint zum direkten Ausdrucken oder für Beamer/Whiteboard gestalten – dann hättest du sofort einsatzfähige Arbeitsblätter.

      👉 Soll ich dir diese grafisch aufbereitete Version (z. B. als PDF) vorbereiten?

       

      Self-Assessment Canvas

      Meine Stärken (Was kann ich gut?)

      Meine Interessen (Womit beschäftige ich mich gern?)

      Meine Werte (Was ist mir wichtig?)

      Meine Lernfelder (Was möchte ich verbessern?)

      Meine Zukunftswünsche (Wo sehe ich mich in 10 Jahren?)

       

      Schlussbemerkung

      Nils Fischer (s.o.) weiter:[5] … Continue reading

      Google hat mit „Learn Your Way“ ein Programm gestartet, das zwar noch in der Experimentierphase ist, aber schon zeigt, wohin die Reise geht: zu vollständig individualisierten, adaptiven Lernwegen. Jeder Lernende bearbeitet ein Thema so lange, bis der nächste Meilenstein erreicht ist – nicht länger, nicht kürzer.
      Das bedeutet ein Redesign unseres Schulsystems:

      • Weg von linearen Curricula,
      • hin zu flexiblen Lernpfaden,
      • unterstützt durch KI, die Inhalte, Übungen und Feedback maßgeschneidert anbietet.

      Wie Fischer bin auch ich der Meinung, dass sich die Schulbuchverlage neu erfinden müssen. Wie schon so häufig beschrieben: Lehrkräfte müssen ihre Mindsets überdenken, ihre Rolle überprüfen und sich von reinen Inhaltsvermittlern zu Lernbegleitern und Kompetenzcoaches entwickeln. „Die Frage ist nicht, ob dieser Wandel kommt, sondern nur noch, wie schnell wir ihn zulassen“, so der Schulleiter abschließend.

      In diesem zweiten Beitrag meiner Reihe habe ich mir vorgenommen, diesen Wandel curricular zu skizzieren. Dabei geht es um die Frage: „Wie lässt sich der Einsatz von Künstlicher Intelligenz in Schule und Unterricht verantwortungsvoll gestalten?” Bezüglich einer Auseinandersetzung auf Schulebene habe ich bereits in meinem Einführungsartikel darauf Bezug genommen.

      Die Verfahren der datengestützten Schulentwicklung sind ein Werkzeug, um die angesprochenen Aspekte empirisch zu erfassen, zu reflektieren und in konkrete Qualitätsentwicklungsprozesse zu überführen. Damit können Schulen im gesellschaftlichen Wandel mit KI Orientierung gewinnen, digitale Kompetenzen stärken und zugleich gesellschaftliche Verantwortung im Einsatz von KI sichern. Wichtig ist dabei eine reflexive, transparente und partizipative Praxis, die gesellschaftliche, pädagogische und technische Perspektiven integriert.

      Wenn Schulleitungen und Kollegien die Einführung von KI-Tools als lernendes System gestalten, kann aus anfänglicher Skepsis konstruktive Gestaltungskompetenz entstehen. Das ist ein entscheidender Schritt, um den Bildungsauftrag im digitalen Zeitalter zu erfüllen.

      KI-Tools können Unterrichtsvorbereitungen ermöglichen, Lernprozesse unterstützen, Diagnosen erleichtern und Feedback automatisieren. Doch wer überprüft, wie gut sie das tun? Genau darum wird es in meinem dritten Beitrag gehen. Ich werde eine Reihe verschiedener Qualitätssicherungskonzepte vorstellen, die den Einsatz von KI aus pädagogischer, rechtlicher und technischer Sicht absichern. Durch klare Kriterien, Prozessschritte und Verantwortlichkeiten werden Vertrauen und Transparenz geschaffen.

      … Stay tuned …

      References

      KI in der Schule (1): Bildungsforschung

      Oct 1, 2025 | Allgemein, Evaluation, KI, Schulentwicklung, Unterricht

      Künstliche Intelligenz, konkret in Form von Sprachmodellen (auch LLM genannt), ist längst in vielen Lebensbereichen angekommen: in Suchmaschinen, Textverarbeitung, Übersetzung, Bildbearbeitung und zunehmend auch in der Bildung. Drei von vier Schülerinnen und Schülern in Deutschland nutzen bereits KI im Unterricht, oft ohne das Wissen der Lehrkräfte. Das bestätigen aktuelle Interviews mit Bildungsforschern. Der Einsatz von Sprachmodellen in Schulen wird jedoch noch von erheblichen Vorbehalten begleitet. Viele Lehrkräfte haben KI-Tools bislang nie selbst erprobt und verfügen daher nicht über das notwendige Erfahrungswissen, um Chancen und Risiken fundiert einschätzen zu können. Wie notwendig eine kollegiale Befassung mit diesem Thema ist, zeigt das Impulspapier der Ständigen Kommission der KMK[1]https://www.swk-bildung.org/content/uploads/2024/02/SWK-2024-Impulspapier_LargeLanguageModels.pdf:

      Der Einsatz von LLM sollte angepasst an die Bildungsetappen erfolgen. In der Grundschule und zu Beginn der Sekundarstufe I sollte weitgehend auf LLM verzichtet werden. Stattdessen sollte der systematische Aufbau von basalen Lese- und Schreibkompetenzen fokussiert werden, die den gesamten Schreibprozess, d. h. die rekursiv-iterative Planung, Erstellung und Revision von Texten systematisch berücksichtigen. Analoges Schreiben ist Aufgabe aller Fächer, um den fachspezifischen Aufbau von Wissen und Kompetenzen zu unterstützen. Im Laufe der Sekundarstufe I können zunehmend digitale Tools zur Erstellung von Texten eingesetzt werden, die Verwendung von LLM sollte in den ersten Jahren nur sehr eng begleitet erfolgen.
      Ab der achten Jahrgangsstufe ist ein regelmäßiger Einsatz von LLM als Schreibunterstützung in allen schulischen Fächern, in denen schriftlichen Leistungen erbracht werden müssen, zu erwägen. Ab der Sekundarstufe II können LLM vielfältig zur Erstellung von Texten verschiedener Genres eingesetzt werden (hilfsmittelunterstützt), während weiterhin auch Texte ohne LLM (hilfsmittelfrei) erstellt werden.

      Ich stehe Forderungen, die nicht so schnell umsetzbar sind, jedoch skeptisch gegenüber. Meine Skepsis begründet sich unter anderem auch in der Reaktion der KMK auf das Impulspapier der von ihr ins Leben gerufenen Ständigen Kommission (SWK): Sie hält einen weitgehenden Verzicht in der Grundschule und in den ersten Jahren der Sekundarstufe für „erörterungsbedürftig“.[2]https://www.kmk.org/fileadmin/veroeffentlichungen_beschluesse/2024/2024_10_10-Handlungsempfehlung-KI.pdf Demnach dürften die darüber hinausgehenden Forderungen nach einer spezifischen KI für Schulen (Telli?), einer KI als Lernbegleiter (Tutoring) sowie einer Entrümpelung der Lehrpläne in weiter Ferne liegen. [3]https://www.swr.de/swrkultur/leben-und-gesellschaft/ki-im-klassenzimmer-rettet-kuenstliche-intelligenz-das-schulsystem-forum-2025-09-16-100.htmlDie letzte Änderung der (Kern)Curricula liegt 30 Jahre zurück und eine neue ist nicht in Sicht. Die Schulen benötigen jedoch sofort Strategien, wie sie die Sprachmodelle nutzen können. Wie sollen sie diese Herausforderung angehen? In einem Podcast des SWR [4]ebda. wird das eine oder andere angedeutet:

      • Schulinterne Leitfäden: Schulen können vorhandene Handreichungen und Leitfäden nutzen, um festzulegen, wie KI-Systeme datenschutzkonform und pädagogisch sinnvoll eingesetzt werden.
      • Nutzung frei zugänglicher, geprüfter Tools: Für Unterricht und individuelle Förderung lassen sich Aufgaben, Texte oder Erklärungen generieren, die an unterschiedliche Sprachen oder Leistungsvoraussetzungen angepasst sind.
      • Materialerstellung und Unterrichtsentwürfe: Lehrkräfte können Sprachmodelle für die Entwicklung von Arbeitsblättern, Unterrichtsstunden und differenzierten Materialien einsetzen.

      Bildungsforscher wie Steve Joordens betonen, dass diese Auseinandersetzung nicht nur technische, sondern vor allem didaktische und ethische Fragen umfasst:[5]https://hochschulforumdigitalisierung.de/ki-und-der-paradigmenwechsel-in-der-bildung-von-sorge-zu-chance/

      Die Bildung steht heute vor einem eigenen Paradigmenwechsel, der nicht von der Physik, sondern von der künstlichen Intelligenz angetrieben wird. Ähnlich wie frühere Veränderungen in der Wissenschaft ist dieser Moment gekennzeichnet durch das Versagen traditioneller Methoden angesichts neuer Realitäten. Nirgendwo wird dies deutlicher als in der Leistungsbeurteilung, wo die KI grundlegende Annahmen darüber in Frage stellt, wie wir Lernen bewerten.

      Big Data: Schulbarometer 2025

      Umgang mit KI

      62 % der Lehrkräfte fühlen sich im Umgang mit KI-Tools unsicher.

      Nutzung von KI

      • 31 % haben KI-Tools im vergangenen Jahr gar nicht genutzt, 31 % nutzen sie regelmäßig.

      Von denen, die KI-Tools regelmäßig nutzen:

      • Die Mehrheit erwartet negative Folgen des KI-Einsatzes für soziale, kommunikative und kritische Kompetenzen der Schüler:innen, sieht aber Potenziale bei individualisierter Förderung.
      • Hoher Fortbildungsbedarf besteht zur Nutzung von KI im Unterricht und zur Förderung kritischen Denkens

      Anwendungen von KI

      Hauptanwendungen: Aufgaben- und Unterrichtsplanung, selten Bewertung von Schülerarbeiten oder Analyse von Lernverlaufsdaten.

      Rückmeldung zur Arbeitszufriedenheit

      • Über 80 % der Lehrkräfte sind grundsätzlich zufrieden, 70 % würden den Beruf wieder wählen, 90 % arbeiten gerne an ihrer Schule.
      • Fast ein Drittel fühlt sich mehrmals pro Woche erschöpft, 10 % sogar täglich.
      • Besonders jüngere Lehrkräfte berichten häufiger von Erschöpfung und Zynismus.
      • Vier Wohlbefindens-Profile wurden identifiziert; etwa ein Drittel ist „glücklich“, ein weiteres Drittel „zufrieden

      Bildungsforschung

      Auswertung: KI an, Hirn aus? Warum wir neu denken müssen (HR-Info)
      In dem HR-Info- Beitrag betont Harald Gapski die gesellschaftlichen und gesellschaftswissenschaftlichen Dimensionen der KI-Entwicklung, insbesondere die gesellschaftlichen Implikationen, die mit dem Einsatz von KI im Bildungssystem verbunden sind. Er hebt hervor, dass eine umfassende Auseinandersetzung notwendig ist, bei der unterschiedliche Perspektiven – etwa gesellschaftliche, psychologische, wirtschaftliche und soziale – zusammengeführt werden. Dabei stellt er die Bedeutung einer kritischen Reflexion über die Biases, Diskriminierungen und wirtschaftlichen Interessen hinter KI-Anwendungen heraus, die auch im Bildungsbereich eine Rolle spielen. Für die Bildungsforschung bedeutet dies, dass der Einsatz von KI nicht nur technikorientiert betrachtet werden darf, sondern im Kontext gesellschaftlicher Strukturen und Zugangsgerechtigkeit analysiert werden muss.

      Ulrike Cress fokussiert in dem Podcast auf die kognitiven und epistemologischen Herausforderungen, die KI mit sich bringt. Sie warnt vor der Gefahr, dass durch die leichte Zugänglichkeit zu KI-generierten Texten das eigene Wissen und kritische Denken gefährdet werden könnten. Sie unterstreicht, dass Wissen nicht nur aus Daten besteht, sondern auch die Fähigkeit, diese kritisch zu hinterfragen. Für die Bildungsforschung bedeutet das, dass die Vermittlung von Medienkompetenz, kritischer Reflexion und einer reflektierten Nutzung von KI im Unterricht zentral sein muss. Es gilt, die Schüler zu befähigen, die Angebote der KI sinnvoll zu hinterfragen, um den Verlust an Urteilskraft und eigenständigem Denken zu verhindern.

      Die Verbindung zwischen beiden Positionen liegt in der Notwendigkeit, Bildung als gesellschaftlichen und kognitiven Prozess zu verstehen: Einerseits fordert Gapski, die gesellschaftlichen Auswirkungen und sozialen Gerechtigkeitsthemen bei der Integration von KI im Bildungssystem zu berücksichtigen, andererseits warnt Cress vor einer unkritischen Nutzung und betont die Wichtigkeit, das kritische Denken und Wissen der Schüler zu fördern. Für die Bildungsforschung heißt das, eine vielschichtige Perspektive einzunehmen, die technologische Innovationen mit gesellschaftlicher Verantwortung und pädagogischer Qualität verbindet. Nur so kann gewährleistet werden, dass KI im Bildungsbereich sinnvoll, reflektiert und gerecht eingesetzt wird.

      Auswertung: „KI im Klassenzimmer – rettet künstliche Intelligenz das Schulsystem“ (SWR)
      Der Podcast „KI im Klassenzimmer – rettet künstliche Intelligenz das Schulsystem“ [6]https://www.swr.de/swrkultur/leben-und-gesellschaft/ki-im-klassenzimmer-rettet-kuenstliche-intelligenz-das-schulsystem-forum-2025-09-16-100.html stellt die zentralen Herausforderungen und Chancen der KI-Nutzung an deutschen Schulen vor. Eva Röder (SWR) diskutiert diese mit

      • Prof. Dr. Ulrike Cress, Direktorin des Leibniz-Instituts für Wissensmedien in Tübingen,
      • Stefan Jakobs, Co-Vorsitzender der Gewerkschaft Erziehung und Wissenschaft Rheinland-Pfalz,
      • Prof. Dr. Tobias Keber, Landesdatenschutzbeauftragter in Baden-Württemberg.

      Die Diskutanten betonen, dass KI das Schulsystem nicht „rettet“, aber tiefgreifende Veränderungen ermöglicht und erfordert. Sie fordern einen sorgfältigen pädagogischen und technischen Einsatz, die Entwicklung übergreifender Digitalkompetenzen sowie die Berücksichtigung des Datenschutzes durch das Zusammenwirken aller Beteiligten – von Lehrkräften bis hin zu Forschung und Politik.

      Der Podcast geht besonders auf die pädagogischen Perspektiven ein. Prof. Cress ordnet den LLMs Lernbegleitungsfunktionen zu. Sie können Lernprozesse initiieren und Jugendliche zur aktiven Auseinandersetzung mit Wissen anregen. Gleichwohl benötigt es laut der Forscherin eine in der Fachpädagogik entwickelte pädagogische KI, in die fachdidaktisches Wissen integriert wird, damit die Lernförderung nicht nur datengetrieben, sondern auch fachlich sinnvoll erfolgt. Die Lehrkraft bleibt bei der Förderung und Beurteilung von Lernfortschritten zentral und soll sich nicht von KI-Vorschlägen ersetzen lassen.

      Auswertung: Your Brain on ChatGPT (MIT)
      Der Bildungsforscher Klaus Zierer warnt vor dem Einsatz von KI in den Schulen. «ChatGPT & Co. haben in der Schule keinen Platz», sagt der Ordinarius für Schulpädagogik der Universität Augsburg. Das Ziel von Schule sei, dass der Mensch das Denken lerne und sich bilde. «Es nützt ihm nichts, wenn der Rechner die an ihn gestellten Denkaufgaben in Sekundenschnelle erfüllt und ihm Stunden später außer der Lösung nichts mehr bleibt.» Zierer verweist auf eine neue Studie des Massachusetts Institute of Technology in den USA, wonach das Gehirn bei zu viel KI-Nutzung verkümmere.

      So die dpa Bayern, die von vielen Presseorganen aufgegriffen wurde (u. a. DIE ZEIT, Kurier (Österreich)).

      Da Zierer für seine Zuspitzungen bekannt ist, habe ich einmal einen Blick in den Text geworfen.[7]https://arxiv.org/abs/2506.08872 Soviel vorweg: Von Repräsentativität kann keine Rede sein. Dies bleibt natürlich unerwähnt.  Es nahmen 54 Personen teil, die in drei Gruppen aufgeteilt wurden:

      • Eine Gruppe verwendete ChatGPT.
      • Eine Gruppe verwendete eine Suchmaschine.
      • Eine Gruppe arbeitete ohne jegliche digitale Unterstützung.

      Sie schrieben Essays, während ihre Gehirnaktivität (mittels EEG) aufgezeichnet, ihre Texte analysiert und sie zu ihren Erfahrungen befragt wurden.

      Mit Bezug zur schulischen Bildung warnt die Studie davor, dass die extensive Nutzung von KI-Assistenten wie ChatGPT im schulischen Kontext zu kognitiven Defiziten und einer geringeren Gedächtnisleistung führen kann. Es wird vermutet, dass Schülerinnen und Schüler bei der Arbeit mit KI-Werkzeugen eine geringere neuronale Aktivität und ein schwächeres Erinnerungsvermögen entwickeln als bei eigenständiger Arbeit. Bei häufiger Nutzung von KI sinkt laut der Studie zudem der „Besitz“ der eigenen Texte und die Erinnerung an eigene Inhalte verschlechtert sich. Dies ist problematisch für die Entwicklung von Selbstständigkeit und kritischem Denken. Laut der Studie besteht die Gefahr, dass die Fähigkeit zur Informationsverarbeitung und zum Lernen durch die Nutzung von KI langfristig abnimmt. Die Autoren raten zur Vorsicht und fordern weiterführende Untersuchungen zur Rolle von KI im Bildungswesen. Schließlich unterstreicht die Studie, wie wichtig es ist, die Selbstaktivität von Schülerinnen und Schülern beim Lernen und Schreiben zu erhalten. Schulen sollten KI-Tools daher nicht als Ersatz für das eigene Denken und Verfassen nutzen, sondern bestenfalls als ergänzende Hilfe innerhalb eines klar definierten pädagogischen Rahmens. Das ist im Grunde nichts Neues, denn das kennen wir bereits aus der Einführung digitaler Technologien im Unterricht.

      Übrigens [8]https://www.zeit.de/2025/40/ki-schule-lehrkraft-digitale-bildung-texas?freebie=75a89486: Eine im Forschungsmagazin Nature veröffentlichte Analyse einschlägiger Studien ergab zur gleichen Zeit, dass die Nutzung von ChatGPT den Lernerfolg insgesamt etwas vergrößert. Die Technologie solle als “intelligenter Tutor, Lernpartner und Lehrmittel” eingesetzt werden, fordern die Autoren.

      Eine erste Folgerung

      Das schulische Personal wird vermutlich mit „Was denn noch alles?!” reagieren. Es gibt keine Anzeichen dafür, dass die Kultusbehörden den Lehrplan anpassen oder korrigieren werden. Fortbildungsinitiativen sind ebenfalls nicht in Sicht, abgesehen von Handreichungen, die letztlich unverbindlich bleiben. Darüber hinaus haben Lehrkräfte unterschiedliche Mindsets, sowohl was das Verständnis darüber betrifft, wie Schülerinnen und Schüler zu unterrichten sind, als auch was den Bildungsauftrag betrifft. Wie können die Fachkoordinatorin/ der -koordinator bzw. die Schulleitung mit dieser Unterschiedlichkeit umgehen?

      Was curriculare Überlegungen betrifft, sehe ich im Kontext fächerübergreifender Projekte sowie in der Berufsberatung und -orientierung eine Möglichkeit, sich mit den Fragestellungen rund um KI zu beschäftigen, die den Zukunftsfragen unserer Jugendlichen gerecht werden. In meinem zweiten Beitrag setze ich mich damit aus didaktischer und methodischer Perspektive auseinander.

      In Bezug auf Mindsets knüpfe ich an eine Folge der Podcast-Reihe „Psychologie im Klassenzimmer“ an. In der zweiten Folge seiner dritten Staffel greift der Host Dr. Benedikt Wisniewski eine Debatte aus den deutschen Lehrerzimmern auf, die immer wieder zu emotionalen Reaktionen führt. Es geht um den – wie die Ausführungen zeigen – scheinbaren Gegensatz zwischen Instruktion und Selbstorganisation. Der Psychologe fasst die Forschungsergebnisse von Tetzlaff et al. wie folgt zusammen: „Lernende mit geringem Vorwissen lernen besser mit instruktiven Ansätzen (d = 0,505). Lernende mit hohem Vorwissen lernen besser mit mehr Eigenverantwortung im Lernprozess (d = −0,428). Die Differenz der beiden Effekte ergibt einen Gesamtwert von 0,97 Standardabweichungen. Das ist ein gigantisch hoher Effekt. Auch der Fachbereich spielte eine Rolle. In den Geisteswissenschaften oder beim Sprachenlernen war der Effekt tendenziell schwächer, in anderen Bereichen dagegen stärker. Schließlich spielte auch die Art der Vorwissensbestimmung eine wichtige Rolle.“

      Wisniewski fordert eine Unterrichtspraxis, die sich an den Lernvoraussetzungen der Schülerinnen und Schüler orientiert. Ein effektiver Unterricht ist adaptiv. Das kann bedeuten, dass zu Beginn einer Sequenz ein klar strukturierter Unterricht sinnvoll ist, während später mehr Raum für eigenständige Problemlösungen oder Projektarbeit gegeben wird. Es kann aber auch bedeuten, dass innerhalb einer Lerngruppe unterschiedliche Zugänge notwendig sind, je nachdem, welche Vorerfahrungen die einzelnen Lernenden mitbringen. Ganz konkret hat dieser Effekt verschiedene Implikationen für den Unterricht.

      Die Ergebnisse legen nahe, so Wisniewski weiter, den Lernstand nicht nur punktuell zu testen, sondern durch verschiedene Zugänge wie Beobachtungen, Gespräche oder wiederkehrende Lernstandserhebungen einzuschätzen. So lassen sich Unterstützung und Aufgabenformat besser aufeinander abstimmen. Weiterhin ist es sinnvoll, die Anleitung nicht abrupt zu beenden, sondern sie schrittweise zurückzufahren. Beispielsweise kann man von vollständigen Lösungen über angeleitete Teilschritte bis hin zur eigenständigen Anwendung vorgehen. Diese Form des Fading unterstützt den Übergang zur Selbstständigkeit, ohne dass die Lernenden den Anschluss verlieren. Und nicht zuletzt lohnt sich eine kritische Reflexion.

      Was bedeutet das nun im Hinblick auf KI/LLM? Nun, was liegt näher, als viele der angesprochenen methodischen Hinweise mithilfe der Sprachmodelle zu erleichtern oder gar zu professionalisieren? Dazu gehören das Erheben von Vorwissen, das Durchführen von Lernstandserhebungen, das Adaptieren von Anleitungen und vieles mehr. Wie die Ergebnisse von Tetzlaff et al. gezeigt haben, sollte die Umsetzung in den Fachschaften organisiert werden, da fächerbezogen unterschiedliche Effekte und natürlich auch Lösungsansätze zu erwarten und auszuprobieren sind. Was die Organisation dieser Überlegungen angeht, werde ich weiter unten unter dem Punkt „Smart Data” noch näher darauf eingehen. Didaktische Konzepte werde ich in einem Folgebeitrag vorstellen.

      Nun zu meinen Überlegungen zur Berufsorientierung …

      Big Data: Jobreport (Berufsorientierung)

      Vor drei Jahren habe ich einen vierten Band der Reihe >Schule digital< herausgegeben. Er entstand in der Absicht, Schule vom Ende her zu entwickeln. Also: Was muss ein Schulsystem, ein Bildungssystem heute leisten, um den Anforderungen gerecht zu werden, die während der langen Schulzeit an die Absolventen gestellt werden. Es müssen neben den fachlichen, auch überfachliche Kompetenzen (sog. 21st Century Skills, „future Skills“) vermittelt werden: Kommunikation, Teamarbeit, Problemlösungsfähigkeiten und Selbstkompetenzen (lebenslanges Lernen als Grundhaltung, mit Unsicherheit und Wandel umgehen,…) sind entscheidend für den Erfolg im Berufsleben und helfen den Schülern, sich in verschiedenen Arbeitsumgebungen zurechtzufinden.

      Die Arbeitswelt wandelt sich rasant. Künstliche Intelligenz, Automatisierung und Digitalisierung verändern Berufsbilder, Tätigkeiten und Anforderungen. Lehrkräfte spielen eine zentrale Rolle darin, Jugendlichen zu helfen, in dieser Transformation ihren Weg zu finden – durch realistische Informationen, ermutigende Gespräche und eine kluge Kompetenzorientierung. Was verändert sich?

      • Berufsbilder: Routinetätigkeiten verschwinden, neue Berufe entstehen
      • Ausbildung & Studium: Mehr interdisziplinäre und modulare Angebote.
      • Kompetenzanforderungen: Fachwissen allein reicht nicht mehr – gebraucht werden Anpassungsfähigkeit, Lernfähigkeit und digitale Mündigkeit.
      • Karrieren: Weniger klassische Aufstiegspfade, mehr flexible Wechsel und lebenslanges Lernen.

       

      XING Future Work Report 2025

      Der Bericht gleicht Prognosen und Trends mit der Realität am Arbeitsplatz ab. Eine der zentralen Fragen: Was werden wir in Zukunft arbeiten? Dafür wurden u.a. XING Mitglieder nach ihren Einschätzungen gefragt, um Prognosen und Trends direkt mit der Realität am Arbeitsplatz abzugleichen. Die Rückmeldungen zeigen, dass die Mehrheit der Mitarbeitenden eine stärkere Integration von Künstlicher Intelligenz und Automatisierung erwartet.

      Diese Technologien könnten Routineaufgaben übernehmen und mehr Raum für kreative und strategische Tätigkeiten schaffen. Viele glauben zudem, dass Homeoffice auch in Zukunft an Bedeutung gewinnen wird – was Dir mehr Flexibilität und eine bessere Work-Life-Balance bieten könnte.

      Die Aussagen zur Rolle sozialer Kompetenzen sollte jede Schule motivieren: In einer technologiegeprägten Arbeitswelt wird der Mensch immer wichtiger. Soziale Fähigkeiten, Lernbereitschaft und Problemlösungsfähigkeiten gehören für XING Mitglieder zu den wichtigsten Future Skills. [9]https://www.xing.com/news/article/wird-es-deinen-job-2040-noch-geben-dieser-report-zeigt-dir-wie-deine-berufliche

      Weitere Folgerung: Smart Data initiieren

      Datengestützte Schulentwicklung kann eine Schlüsselrolle spielen. Schulen, die den Einstieg in das Thema KI systematisch gestalten möchten, können zunächst Befürchtungen und Wissensstände erheben, beispielsweise durch Befragungen von Lehrkräften, Schülerinnen und Schülern sowie Eltern. Auf dieser Grundlage lassen sich gezielte pädagogische Tage oder interne Fortbildungen entwickeln, die eine technische Einführung mit kritischer Reflexion verbinden. Die so entstehende Datengrundlage dient nicht nur der Evaluation des Fortbildungsprozesses, sondern auch der strategischen Steuerung weiterer Schulentwicklungsmaßnahmen.

      Gut erhobene und analysierte Daten helfen dabei, ineffektive Maßnahmen zu vermeiden. Dadurch können langfristig Zeit, Ressourcen und Energie eingespart werden. Lehrkräfte und Schulleitungen gewinnen durch datengestützte Ansätze an Handlungskompetenz und Entscheidungsfreiheit. Die Arbeit mit Daten fördert zudem den Teamgeist. Dies stärkt den Austausch und die Zusammenarbeit im Kollegium und fördert eine Kultur der gemeinsamen Problemlösung. Zwei Merkmale kennzeichnen den Entwicklungsprozess (siehe auch Grafik)

      • Bestandsaufnahme
        Zur Qualitätsbestimmung wertet die Schule bereits erhobene, vorhandene und aufbereitete Daten aus. Entsprechende Expertise wird an der Schule aufgebaut. Die Bestandsaufnahme bezieht weite Teile des schulischen Handelns mit ein. Aus der Analyse zieht die Schule Konsequenzen in Form von Beschlüssen und Entwicklungsprojekten. Vorab findet eine Verständigung über den schulinternen Prozess der Auswertung statt, um von Daten zu Beschlüssen zu gelangen. Die Partizipation aller an Schule Beteiligten erhöht die Akzeptanz und die Identifikation mit dem abgeleiteten Handlungsbedarf.
      • Evaluationen
        Mithilfe der internen Evaluation bewertet die Schule den Erfolg und die Wirksamkeit ihrer Arbeit. Durch eine systematische Erhebung und Aufbereitung von Daten schafft sie die Grundlage für Entscheidungen (beispielsweise über die Fortführung von Maßnahmen). Vor der Evaluation legt die Schule den Evaluationsgegenstand, die Ziele und die Anhaltspunkte fest. Bei internen Evaluationen beauftragt die Schulgemeinde ein internes Evaluationsteam, das aus passenden Mitgliedern der Schulgemeinde besteht, um die Unabhängigkeit der Durchführung und der Ergebnisse möglichst weit zu wahren. Evaluationen werden sowohl zur Bewertung von Ergebnissen als auch zur Prozessbewertung genutzt.

      Die Schulleitung sollte die Fachkoordinatorinnen und -koordinatoren beauftragen, in ihren jeweiligen Fachbereichen eigenverantwortlich und transparent Lösungen zu fördern, Innovationen zu initiieren und die kontinuierliche Weiterentwicklung der Unterrichtsqualität voranzutreiben.

      Aus Sicht der Fach(bereichs)leitungen: Wie sieht ein konkreter Plan aus, mit dem sie auf ihre Fachkollegen zugehen können? Die folgenden Schritte haben sich in der Praxis bewährt (in Kurzform):

      • Bedarfsanalyse und Zielklärung, etwa mit einer kurzen Umfrage oder informellen Gesprächen zur Ermittlung aktueller Herausforderungen, Wünsche und Erfahrungen,
      • Gemeinsame Festlegung von Entwicklungszielen (z. B. Unterrichtsqualität, Materialentwicklung, digitale Methoden),
      • Transparente Kommunikation der geplanten Vorgehensweise und des Zeitrahmens (z. B. Projektphase, Themen für die Diskussion).
      • Arbeit in Kleingruppen zu spezifischen Themen (Materialaustausch, Unterrichtsmethoden, digitale Tools)
      • Dokumentation und Austausch guter Praxis
      • Schrittweise Umsetzung und Evaluation.

      Die Schulleitung übernimmt bei der Arbeit der Fach(bereichs)koordinatoren die Rolle der unterstützenden Führung, des strategischen Rahmensetzers und der Qualitätsüberwachung. Sie schafft die Rahmenbedingungen, unterstützt und begleitet die Fachkoordination aktiv, um eine produktive, nachhaltige und koordinierte Unterrichtsentwicklung sicherzustellen. Sie ist zugleich Steuerungsorgan und Förderer kollegialer Zusammenarbeit.

      Die Verfahren der datengestützten Schulentwicklung sind ein Werkzeug, um die von Harald Gapski und Ulrike Cress angesprochenen Aspekte empirisch zu erfassen, zu reflektieren und in konkrete Qualitätsentwicklungsprozesse zu überführen. Damit können Schulen im gesellschaftlichen Wandel mit KI Orientierung gewinnen, digitale Kompetenzen stärken und zugleich gesellschaftliche Verantwortung im Einsatz von KI sichern. Wichtig ist dabei eine reflexive, transparente und partizipative Praxis, die gesellschaftliche, pädagogische und technische Perspektiven integriert.

      Wenn Schulleitungen und Kollegien die Einführung von KI-Tools als lernendes System gestalten, kann aus anfänglicher Skepsis konstruktive Gestaltungskompetenz entstehen. Das ist ein entscheidender Schritt, um den Bildungsauftrag im digitalen Zeitalter zu erfüllen.

      Schlussbemerkung

      Abschließend noch eine Elternstimme aus der sehr empfehlenswerten KI-Podcastreihe von BR 24: [10]https://www.br.de/mediathek/podcast/der-ki-podcast/lernen-oder-luegen-wie-nutzen-kinder-und-jugendliche-ki/2110229

      Als Mutter von zwei Jugendlichen in der 9. Klasse erlebe ich hautnah, wie selbstverständlich Schülerinnen und Schüler heute KI-Tools im Schulalltag einsetzen, allerdings vorwiegend als Erfüllungsgehilfen bei Hausaufgaben und ohne, dass die Schule dazu eine Haltung, geschweige denn ein Konzept hat. Nach Rücksprache mit der Schulleitung wurde deutlich, es gibt keine Richtlinie zur Nutzung von KI, keine Arbeitsgruppe zur Digitalisierung, kein pädagogischer Tag zu dem Thema, lediglich einzelne Lehrerinnen und Lehrer, die sich privat dafür interessieren. Als Eltern fragen wir uns, was können wir tun, um unsere Kinder auf einen verantwortungsvollen und kompetenten Umgang mit KI vorzubereiten.

      In diesem Podcast wird darüber hinaus auf eine Erwachsenenbefragung durch das Ifo Forschungsinstitut verwiesen. Demnach wünschen sich rund 50% der Erwachsenen einer zufällig ausgewählten Teilgruppe gestellt, dass

      • der Umgang mit Künstlicher Intelligenz und Chatbots im Unterricht gelehrt wird,
      • alle Prüfungen wie Hausarbeiten, bei denen die Verwendung von Künstlicher Intelligenz oder Chatbots durch die Schülerinnen oder Schüler nicht verhindert werden kann, durch mündliche oder
        schriftliche Prüfungen in Räumen ohne Zugang zum Internet ersetzt werden und
      • intelligente tutorielle Lernsysteme in allen Schulen in Deutschland angewendet werden (hier rund 60%).

      In diesem Beitrag habe ich eine Reihe von Handlungsoptionen aufgezeigt. Diese sind eher theoretischer Natur. In weiteren Beiträgen werde ich diese nun ergänzen bzw. konkretisieren. Wie mein Portal „KI in der Schule” und erst recht die Blogseite und Archiv zeigen, gibt es eine schier unerschöpfliche Fülle an Materialien. Darüber hinaus sind zahlreiche Bücher zu den Themen erschienen. In den Folgebeiträgen werde ich versuchen, das Ganze zu systematisieren. Auch, um einen übersichtlicheren Zugang zu ermöglichen.

      … Stay tuned …

      References

      Statistik in der Schule: Ideen und Anregungen (2)

      Sep 26, 2025 | Allgemein, Mathematik

      Die Welt der Statistik hat weitaus mehr zu bieten als nur Zahlen und Formeln. Wie im ersten Teil gezeigt, eröffnet sie uns ein tieferes Verständnis für unsere Umwelt und schärft unseren Blick für die verborgenen Muster des Lebens. Die Beispiele aus dem Unterricht – vom faszinierenden Drei-Türen-Problem über die kreative Bestimmung von Pi mit der Monte-Carlo-Methode bis hin zu spannenden Umfragen und Hypothesentests – zeigen, dass Statistik lebendig, spannend und absolut greifbar sein kann.

      Sie lehrt uns, kritisch zu denken, fundierte Entscheidungen zu treffen und die Flut an Informationen, der wir täglich begegnen, souverän zu bewältigen. Mit den richtigen Werkzeugen ausgestattet, können Schülerinnen und Schüler als informierte Bürgerinnen und Bürger, als zukünftige Wissenschaftlerinnen und Wissenschaftler sowie als zukünftige Fachkräfte ihr Umfeld besser verstehen und aktiv mitgestalten.

      Auch die folgenden Ergänzungen sollen die Neugier und den Forscherdrang fördern, indem sie unseren Schülerinnen und Schülern die faszinierende Welt der Statistik näherbringen. Darüber hinaus möchte ich einen Wettbewerb vorstellen, bei dem Schülerinnen und Schüler mit der Unterstützung ihrer Lehrerinnen und Lehrer die Möglichkeit haben, sich mit Themen rund um die Statistik zu beschäftigen.

      Gerd Gigerenzer: Das Einmaleins der Skepsis

      Ich habe Gerd Gigerenzer kürzlich in einem Podcast kennengelernt. Ich habe mich gefragt, ob es ein Buch von ihm gibt, das sich mit Fragen der Statistik und Wahrscheinlichkeitsrechnung auseinandersetzt. In der Unibibliothek habe ich tatsächlich ein Buch von ihm gefunden.

      Gigerenzer ist ein international anerkannter deutscher Psychologe, der als Direktor emeritus am Max-Planck-Institut für Bildungsforschung und Direktor des Harding-Zentrums für Risikokompetenz bekannt ist. Er ist Autor populärwissenschaftlicher Bücher über das Entscheiden unter Unsicherheit, Risikokompetenz und Heuristiken. Seine Forschung befasst sich damit, wie Menschen trotz begrenzter Informationen und Zeit richtige Entscheidungen treffen können. Mit seinem Einmaleins der Skepsis (2002) analysiert Gerd Gigerenzer, warum es vielen von uns so schwerfällt, Risiken und Wahrscheinlichkeiten zu verstehen. Anhand zahlreicher Beispiele vor allem aus Arztpraxen und Gerichtssälen zeigt der Autor, wie zahlenblind wir wirklich sind, welche dramatischen Folgen das hat, und wie jeder lernen kann, Statistiken richtig zu interpretieren.

      Gigerenzer geht u.a. den Fragen nach,

      • warum Frauenärztinnen nicht zum Brustkrebs-Screening gehen.
      • warum ein positiver HIV-Test nicht bedeutet, HIV-positiv zu sein,
      • warum der genetische Fingerabdruck total überbewertet ist.

      Einer der wichtigsten Gründe dafür ist, dass das menschliche Gehirn Sicherheit liebt und uns gerne weismacht, dass etwas nicht nur vielleicht, sondern ganz bestimmt so ist. Daher glauben wir beispielsweise gerne an einfache Gewissheiten wie „Mit einem Fingerabdruck wird ein Täter eindeutig identifiziert“. Wenn der Fingerabdruck eines Verdächtigen am Tatort gefunden wird, ist er so gut wie verurteilt – der Beweis ist schließlich eindeutig. Außerdem neigen wir dazu, Autoritäten wie Ärzten oder Ministern sehr viel Glauben zu schenken. Als beispielsweise der Rinderwahn BSE in Europa auftrat, glaubten die deutschen Verbraucher den Versicherungen des Landwirtschaftsministers gerne, dass deutsches Rindfleisch absolut unbedenklich sei – bis sich das Gegenteil herausstellte und einige Verantwortliche ihren Hut nehmen mussten.

      Viele Menschen haben Probleme damit, Statistiken richtig zu deuten, und vertrauen lieber dem Urteil vermeintlicher Experten, anstatt die ungeliebten Zahlen selbst zu hinterfragen. Leider werden Risiken und Wahrscheinlichkeiten auch häufig absichtlich so dargestellt, dass sie einen falschen Eindruck erwecken. Mediziner, Juristen und andere Experten suggerieren ihren Patienten, Klienten und der Öffentlichkeit ständig, dass ihre Testergebnisse und Statistiken wasserdicht seien, doch sie lassen massig Spielraum für Interpretation und Fehler.

      Daher sollten wir lernen, Risiken und Wahrscheinlichkeiten richtig darzustellen und zu interpretieren. Das Arbeiten mit den natürlichen Häufigkeiten ist eine sehr erfolgreiche Strategie, wie Gigerenzer im Folgenden zeigen wird.

      Brustkrebsscreening (S. 83 ff)

      Um die Früherkennung von Brustkrebs zu fördern, wird Frauen ab einem bestimmten Alter empfohlen, regelmäßig an Screenings (Reihentests für Frauen ohne Symptome) teilzunehmen. Gigerenzer bat Professor Standing, den Chefarzt einer Universitätsklinik, an einer Studie teilzunehmen.

      Die folgenden Daten entsprechen den Ergebnissen der jeweils ersten Mammographie-Screening-Untersuchung von 26.000 amerikanischen Frauen über 30 (Kerlikowske et al., 1996).
      Angenommen, Sie führen in einer bestimmten Gegend des Landes ein solches Brustkrebs-Screening mit Hilfe von Mammographie durch. In der betreffenden Gegend liegen folgende Angaben über Frauen zwischen 40 und 50 Jahren vor, bei denen sich keine Symptome zeigen und die am Mammografie-Screening teilnehmen: Die Wahrscheinlichkeit, dass eine dieser Frauen Brustkrebs hat, beträgt 0,8 Prozent. Wenn eine Frau Brustkrebs hat, beträgt die Wahrscheinlichkeit 90 Prozent, dass ihr Mammogramm positiv ausfällt. Wenn eine Frau jedoch keinen Brustkrebs hat, beträgt die Wahrscheinlichkeit 7 %, dass ihr Mammogramm dennoch positiv ausfällt. Angenommen, bei einer Frau ist das Mammogramm positiv. Wie hoch ist die Wahrscheinlichkeit, dass sie tatsächlich Brustkrebs hat? Professor Standing schätzte diese Wahrscheinlichkeit auf 90 Prozent.

      Betrachten wir die Daten nun aus einer anderen Perspektive: Von 1.000 Frauen haben acht Brustkrebs. Von diesen acht Frauen mit Brustkrebs werden sieben ein positives Mammogramm haben. Von den übrigen 992 Frauen ohne Brustkrebs werden rund 70 dennoch ein positives Mammogramm haben. Stellen Sie sich nun eine Gruppe von Frauen vor, bei denen das Mammogramm beim Screening positiv ausfiel. Wie viele von ihnen haben tatsächlich Brustkrebs? Die hier mitgeteilten Informationen sind (abgesehen vom Ab- oder Aufrunden) genau die gleichen wie zuvor, daher muss das Ergebnis dasselbe sein. Nun ist es jedoch viel leichter zu erkennen. Nur sieben von den insgesamt 77 Frauen mit positivem Mammogramm haben Brustkrebs, was 9 Prozent entspricht. Der Anteil ist also weitaus niedriger als die von Professor Standing genannten 90 Prozent. Als er die Werte in Form von natürlichen Häufigkeiten sah, verwandelte sich seine Zahlenblindheit in Einsicht. Anhand der Häufigkeiten fand er die Antwort sofort und bemerkte erleichtert: „Aber das ist ja ganz leicht”, um dann sogar hinzuzufügen: „Und es hat Spaß gemacht.”

      Darmkrebsscreening (S. 148 ff)

      Gigerenzer: Das Einmaleins der Skepsis, S. 149

      Gigerenzer berichtet über die Ergebnisse zum Hämokkulttest (Test auf verborgenes – »okkultes« – Blut im Stuhl, engl. FOBT für Fecal Occult Blood Test), dem Standardtest auf Darmkrebs.  48 Ärzte sollten abschätzen, wie wahrscheinlich ein Darmkarzinom ist, wenn der Hämokkulttest positiv ausfiel. Die eine Hälfte der Teilnehmer erhielt die Information in Wahrscheinlichkeiten, die andere in natürlichen Häufigkeiten. Die Schätzungen lagen weit auseinander lagen, wenn die Informationen in Form von Wahrscheinlichkeiten vorlagen. Die genannten Werte schwankten zwischen 1 und 99 Prozent, und ihr Mittelwert lag etwa zehn Mal so hoch wie der korrekte Wert, den man mit der Bayes’schen Regel erhält. Auf diesen richtigen Wert kam nur einer dieser 24 Ärzte, während einige andere annähernd richtige Werte erhielten, allerdings mit falscher Begründung. Beispielsweise verwechselte ein Arzt die Falsch-positiv-Rate (3 Prozent) mit der Wahrscheinlichkeit eines Darmkarzinoms bei positiv ausgefallenem Test, die ja nicht viel höher ist.

      Wenn die Informationen in Form natürlicher Häufigkeiten gegeben wurden, streuten die Schätzungen kaum und lagen zwischen 1 und 1o Prozent. In dieser Gruppe kamen die meisten Arzte genau auf den richtigen Wert, alle anderen waren nahe dran.

      Die Studie ergab somit das gleiche Ergebnis wie die für das Brustkrebs-Screening: Beim Versuch, aus Wahrscheinlichkeiten richtige Schlussfolgerungen zu ziehen, gerieten die allermeisten Teilnehmer ins Straucheln. Offensichtlich ist es anhand der natürlichen Häufigkeiten leichter, richtig zu überlegen und zu übereinstimmenden Ergebnissen zu kommen.

      
			
      
				
				
				
				
				
      DNA (S. 221 ff)
      
				
      Funktioniert die Klärung des Denkens bei Juristen genauso wie bei Medizinern? Um dies herauszufinden, führten Sam Lindsey, Ralph Hertwig und ich eine Studie durch. Dabei baten wir Jurastudenten höherer Semester und 27 Volljuristen – vor allem Dozenten und Professoren der Freien Universität Berlin – um ihre Einschätzung zweier Strafsachen. Die Akten waren nahezu identisch mit denen zweier tatsächlicher Fälle von Vergewaltigung und Mord in Deutschland. In beiden Fällen war eine Übereinstimmung der DNA-Profile des Angeklagten und einer Spur am Opfer festgestellt worden. Doch außer dieser Übereinstimmung gab es kaum Gründe, die jeweiligen Angeklagten der Tat zu verdächtigen.
      

      Können Jurastudenten und Juristen Ungewissheiten leichter nachvollziehen, wenn ihnen die Informationen in Form natürlicher Häufigkeiten präsentiert werden? Beeinflusst die Art der Darstellung ihr Urteil über Schuld oder Unschuld des Angeklagten? Die eine Hälfte der Jurastudenten und Juristen erhielt die relevanten Informationen als Wahrscheinlichkeiten, die andere Hälfte als natürliche Häufigkeiten. Der authentische Charakter der Prozessakten war für die Teilnehmer unserer Studie sehr motivierend und sie wandten im Durchschnitt über eineinhalb Stunden dafür auf, die Akten beider Fälle zu lesen und sich ein Urteil zu bilden.
      

        

      • Frage 1: Wie viele der Männer, bei denen eine Übereinstimmung festgestellt wurde, haben wirklich das gleiche DNA-Profil wie die Blutprobe?
        • 

      • Frage 2: Wie viele der Männer, bei denen eine Übereinstimmung festgestellt wurde, können Urheber der Spur sein?
        • 

      • Frage 3: Bitte fällen Sie Ihr Urteil: schuldig oder nicht schuldig?
        • 

      

      Wurden die Informationen in Form von Wahrscheinlichkeiten gegeben, tappten sowohl die Jurastudenten als auch die Juristen im Dunkeln. Nur sehr wenige Teilnehmer unserer Studie konnten aus einer Übereinstimmungswahrscheinlichkeit von 0,0001 Prozent und einer Falsch-Positiv-Rate von 0,001 Prozent sinnvolle Schlüsse ziehen. Dies gelang lediglich einem Prozent der Studenten und zehn Prozent der Juristen. Wurden hingegen die natürlichen Häufigkeiten angegeben, stieg dieser Anteil auf 40 bzw. über 70 Prozent.
      

      Nun zur zweiten Frage, nämlich zur Wahrscheinlichkeit, dass die Spur am Tatort tatsächlich vom Angeklagten stammt. Auch hier waren bei Angabe der Wahrscheinlichkeiten die wenigsten Teilnehmer in der Lage, die Frage richtig zu beantworten. Bei Angabe der Häufigkeiten hingegen war der Anteil richtiger Lösungen ähnlich hoch wie bei der ersten Frage. Die meisten Teilnehmer erkannten nun, dass nur einer der in Augenschein genommenen Männer der Urheber der Spur sein konnte.
      

      Am Ende eines Strafprozesses steht das Urteil, ob der Angeklagte schuldig ist oder nicht. Dies ist eine Ja/Nein-Entscheidung, die selbstverständlich nicht in Form von Wahrscheinlichkeiten formuliert werden kann. Beeinflusste die Art der Darstellung das Urteil der Teilnehmer unserer Studie? – Ja. Ein größerer Anteil der Studierenden und auch der Volljurist:innen plädierte für „schuldig“, wenn die Information in Form von Wahrscheinlichkeiten vorlag, also das Denken eher „vernebelt“ war. Dieser Effekt war bei den Studierenden etwas stärker. Insgesamt nahmen die Schuldsprüche jedoch um 50 Prozent zu, wenn die Befragten mit Wahrscheinlichkeiten „dachten”.
      
			
      
			
      
				
				
				
				
				
      Der kompetente Umgang mit statistischen Angaben ist eine vergleichsweise junge Kulturtechnik. Die Wahrscheinlichkeitstheorie entstand im 17. Jahrhundert und erst im 19. Jahrhundert wurden statistische Daten einer breiten Öffentlichkeit zugänglich. Da über Jahrtausende hinweg keine systematische Ausbildung im Umgang mit Wahrscheinlichkeiten stattfand und statistische Daten meist als Staatsgeheimnis galten, besteht bis heute eine kognitive Distanz zu diesen abstrakten Konzepten.
      

      Fehlendes Verständnis statistischer Zusammenhänge führt insbesondere in der Medizin und vor Gericht häufig zu Fehlentscheidungen. Ein Beispiel ist das Mammografie-Screening, bei dem laut Studien zwei bis vier von 10.000 Frauen durch strahlungsinduzierte Karzinome betroffen sind, wobei mindestens eine Frau daran stirbt. Zudem sind falsch-positive Ergebnisse bei HIV-Tests ein Problem, das gravierende soziale und psychische Folgen haben kann. Ursachen für solche Fehler liegen unter anderem in der Verwechslung oder Verunreinigung von Proben sowie in einer unzureichenden Differenzierung von bedingten Wahrscheinlichkeiten.
      

      Ein weiteres Beispiel findet sich im Justizwesen. Die fehlerhafte Multiplikation von Einzelwahrscheinlichkeiten, wie bei der Verknüpfung von Blutgruppenübereinstimmungen, kann zu Fehlurteilen mit schwerwiegenden Folgen führen. Der unsachgemäße Umgang mit DNA-Spuren und die Vernachlässigung von Unsicherheiten oder Alternativerklärungen können die Aussagekraft solcher Indizien weiter reduzieren. Auch die Interpretation von DNA-Tests im Kontext von Vaterschaftsnachweisen unterliegt häufig falschen Annahmen hinsichtlich der Grundwahrscheinlichkeit und der Testzuverlässigkeit. Der Markt für entsprechende Tests ist groß, doch selbst umfangreiche Analysen zeigen, dass in fünf bis zehn Prozent der Fälle nicht der angenommene Vater der biologische Vater ist. Die tatsächliche Zuverlässigkeit dieser Tests leidet zusätzlich unter fehlender Information über den Personenkreis möglicher Väter und methodischen Vereinfachungen im Testverfahren.
      

      Für den sachgerechten Umgang mit Wahrscheinlichkeiten und Risiken empfiehlt Gigerenzer die Beachtung dreier grundlegender Prinzipien:
      

        

      • Die grundsätzliche Unsicherheit aller Aussagen über die Zukunft anerkennen.
        • 

      • Eigene Informationsrecherche zu Risiken und Darstellung in natürlichen Häufigkeiten bevorzugen, insbesondere unter Berücksichtigung der Interessenslage der Datenquellen.
        • 

      • Die klare und verständliche Kommunikation von Risiken in natürlichen Häufigkeiten anstelle abstrakter Wahrscheinlichkeitsangaben ohne Bezugsrahmen.
        • 

      

      Diese Kompetenzen sollten sowohl im schulischen als auch im universitären Curriculum stärker verankert werden, um fehlerhafte Schlussfolgerungen zu vermeiden und die gesellschaftliche Risikokompetenz zu fördern.
      
			
      
				
				
				
				
				
				
				
      
					
      
				
				
				
      
				
      ESC 2026
      
				
      
			
      
				
      
			
      
				
				
				
				
				
      Der Europäische Statistikwettbewerb (ESC2026) bietet Schulen eine hervorragende Gelegenheit, Statistik aktiv und kreativ im Unterricht zu erleben und sich dabei mit Schülerinnen und Schülern europaweit zu messen. Teams aus Sekundarstufen entdecken, wie spannende Geschichten mit Daten erzählt werden können – und die besten werden europaweit ausgezeichnet.
      

      Die Promotern beschreiben den Wettbewerb als Herausforderung, spannende statistische Aufgaben zu lösen und dabei kreative Lösungen zu entwickeln. Ob gemeinsam geforscht, Daten analysiert oder ein Video gestaltet wird, Schüler lernen, wie man echte Fragen mit echten Daten beantworten kann. Lehrkräfte können mit ihren Lerngruppen kreative Projektarbeit fördern und aktuelle Statistik praxisnah in den Unterricht einbinden.
      
			
      
				
				
				
				
				
      
				
				
				
				
				
      Teilnahmebedingungen und Zeitplan
      
				
      Teilnehmen dürfen Teams aus zwei bis drei Schülerinnen bzw. Schülern der Klassenstufen 8 bis 13, betreut von einer Lehrkraft. Es gibt zwei Kategorien: Kategorie A (Sekundarstufe II, z. B. Klassen 11–13) und Kategorie B (Sekundarstufe I, Klassen 8–10). Eine Lehrkraft kann mehrere Teams betreuen. Jede Schülerin/jeder Schüler darf nur in einem Team starten. Der Wettbewerb ist in zwei nationale Phasen und anschließend eine europäische Phase unterteilt.
      

       
      

      


      
Anmeldung
22.09. bis 14.11.2025
Registrierung über die ESC-Plattform (Destatis)

      

      
Runde 1 (national)
19.11.–08.12.2025
Online Multiple-Choice-Test (Destatis)

      

      
Runde 2 (national)
12.01.–23.02.2026
Datenanalyse mit realen Datensätzen & Präsentation (Destatis)

      

      
Runde 3 (europäisch)
16.03.–27.04.2026
Videoprojekt zu einem vorgegebenen Thema (Destatis)

      

      
Preisverleihung (Deutschland)
19.05.2026
Finale Auszeichnung in Wiesbaden (Destatis)

      

      
Europäische Preisverleihung
Jun 26
Veranstaltung auf europäischer Ebene (Destatis)

      
      

      

       
      
			
      
				
				
				
				
				
      Tipps zur Umsetzung
      
				
        

      • Bilden Sie frühzeitig Teams und starten Sie mit kleinen Übungsaufgaben oder Diskussionen zu gesellschaftlichen Themen, die sich später in Datenprojekte übersetzen lassen.
        • 

      • Nutzen Sie freie Online-Datenquellen (z. B. von “GENESIS-Online”, Destatis oder Eurostat) für Recherchen und Datensätze.
        • 

      • Unterstützen Sie Schülerinnen und Schüler insbesondere bei der Datenaufbereitung, Interpretation und der Visualisierung (Diagramme, Infografiken etc.).
        • 

      • Fördern Sie medienpraktische Kompetenzen: Das Filmen und Gestalten eines Videos erfordert Planung, Dramaturgie und technisches Know-how.
        • 

      • Wenn möglich, organisieren Sie eigene Workshops in Ihrer Schule oder mit externen Gästen (z. B. aus Statistik-Institutionen), um die Teilnehmerinnen und Teilnehmer methodisch zu unterstützen.
        • 

      
			
      
				
				
				
				
				
      Materialien
      
				
      Die ESC2026-Unterrichtsmaterialien stehen zentral auf der ESC-Seite des Statistischen Bundesamts zur Verfügung. Hier gibt es u.a. Beispielaufgaben, Leitfäden zur Datenanalyse und Arbeitsblätter, die speziell für den Wettbewerb entwickelt wurden.
      


      Didaktische Anregungen, interaktive Übungen und weiterführende Aufgaben finden sich zudem im Education Corner von Eurostat. Dort werden Materialien explizit für Lehrkräfte angeboten, um Statistikunterricht zeitgemäß und praxisnah zu gestalten.
      


      Recherchen auf der DeStatis Webseite
      


      hier zum Beispiel nach eine Tabelle suchen und Tabelle individuell anpassen: auf der linken Seite ‘Statistiken’ anklicken > die gewünschte Statistik heraussuchen (zum Beispiel Verbraucherpreisindex), die gewünschte Tabelle mit den gewünschten Merkmalen heraussuchen und über den Button ‘Anpassen’ zum Beispiel weitere Zeiträume (für zum Beispiel eine lange Reihe zu erstellen) auswählen. Anschließend kann die Tabelle geteilt (Button ‘Teilen’) und/oder gedownloaded werden (Button ‘Download’)
      

      Zur Erstellung eines Videos gibt es einen YouTube-Kanal von Eurostat. Hier finden sich Beispiele aus vorherigen Jahren und dienen einer ersten Orientierung
      
			
      
			
      
				
				
				
				
				
      Zur Gestaltung motivierender Unterrichtseinheiten mit Eurostat-Daten bieten sich zahlreiche praxisorientierte Ansätze an, z. B. 
      

        

      • Statistische Fragestellungen entwickeln
        Die Klasse formuliert eigene Fragestellungen zur Lebensrealität von Jugendlichen in Europa (z.B. Freizeitverhalten, Bildung, Umwelt). Anschließend werden dazu passende Datensätze auf der Eurostat-Website gesucht und für eine Auswertung ausgewählt
        • 

      • Datenrecherche und Analyse üben
        Schülerinnen und Schüler arbeiten in Teams, um öffentlich verfügbare Eurostat-Daten herunterzuladen, zu entschlüsseln und mithilfe von Tabellenkalkulationen auszuwerten (z.B. Diagramme zu Jugendarbeitslosigkeit oder Vergleich der Lebenserwartung).
        • 

      • Dateninterpretation und Präsentation
        Die Teams präsentieren ihre Analyseergebnisse in Form von Präsentationen, Info-Postern oder Videos. Dabei werden sie ermutigt, anhand der Daten gesellschaftliche Trends zu erklären und eigene Hypothesen zu überprüfen – so wie es in der ESC-Endrunde gefordert ist.
        • 

      • Vorbereitung auf Multiple-Choice-Fragen
        Spezielle Einheiten können mit testbasierten Aufgaben gearbeitet werden: Lehrkräfte stellen statistische Kurzaufgaben zu Themen wie „Verstehen von Grafiken“ oder „Erkennen von Korrelationen“ bereit, die sich an früheren Wettbewerbsfragen orientieren.
        • 

      

      Falls weitere Fragen bestehen, steht ein Kontaktformular zur Verfügung.
      
			
      
				
				
				
				
				
				
				
      
					
      
				
				
				
      
				
      Podcast
      
				
      
			
      
				
      
			
      
				
				
				
				
				
      

      Stochastik ist nicht selten ein Stiefkind im Mathematikunterricht. In dieser Folge sprechen wir mit Wolfgang Riemer darüber, wie ein handlungsorientierter Stochastikunterricht aussehen kann. Die Schrittfolge aus Spekulieren, Experimentieren und Reflektieren prägen seinen “stochastischen Dreisatz”.
      

      Material von Wolfgang Riemer 
      

       
      

      In Ergänzung stelle ich noch eine Podcastreihe vor, deren Hosts für einen „Statistik-Führerschein“ werben. Zurecht, wie ich finde. Zudem eignen sich die Beispiele gut als Einführung in das passende Thema der Wahrscheinlichkeitsrechnung/Statistik.
      


      Als die britische Krankenschwester Florence Nightingale am 4. November 1854 im Lazarett in Scutari ankommt, sterben im Schnitt vier von zehn Patienten. Mithilfe von statistischen Analysen und deren visueller Aufbereitung kann Nightingale die Sterblichkeitsrate unter den verletzten und kranken Soldaten drastisch senken.
      

      Darüber hinaus werden Missbräuche von Diagrammen vorgestellt. Das regt ebenfalls sehr zu Diskussionen an.
      


       Anfang des 20. Jahrhunderts entwickelt der Brauereileiter und Statistiker William Sealy Gosset eine Methode, um das Bier der Guinness-Brauerei objektiv zu testen. Obwohl die Methode bis heute angewendet wird, kennt kaum jemand den Namen des Erfinders.
      

      Anregungen für einen schulischen Einsatz:
      


      Mit der Rückkehr zu G9 hat sich der Lehrplan für die Oberstufe geändert. Insbesondere kann im Vertiefungsbereich in der 12. Jahrgangsstufe Statistik unterrichtet werden. Wir besprechen das Konzept des statistischen Testens anhand des Binomialtests. Wir geben optimale einseitige und zweiseitige Tests an und besprechen Anwendungsbeispiele. Schließlich gehen wir kurz auf Themen des Vertiefungsbereichs ein. 
      


      Was ist eigentlich der t Test und wie führt man ihn richtig durch? Solltest du dir diese Fragen stellen, findest du alle relevanten Antworten in diesem Beitrag. Nach einer kurzen Einführung in die unterschiedlichen Arten und Subkategorien des t Tests, lernst du anhand verschiedener Beispiele, wie sich der t Test aktiv durchführen lässt. Außerdem zeigen wir dir, wie du in diesem Kontext richtig mit der Verteilungstabelle arbeitest und wie du die Ergebnisse des t Tests final interpretieren kannst. 
      


      Das US-amerikanische Militär hat im Zweiten Weltkrieg ein Problem: Viele Flieger ihrer Luftwaffe kehren gar nicht oder stark beschädigt zurück. Die US Air Force bittet den Mathematiker Abraham Wald um Hilfe: Er soll mit statistischen Methoden herausfinden, wie das Militär seine Flugzeuge sicherer machen kann.
      

      In der Folge geht es insbesondere um eine sogenannte kognitive Verzerrung, also um einen Denkfehler, der auf einem falschen Ansatz beruht.
      
			
      
				
				
				
				
				
      Abschließend noch ein Beispiel, das ich der Presse entnommen habe. In dem Artikel wird Innenminister Dobrindt vorgeworfen, seine Präsentation für eine unzulässige Kritik zum Linksextremismus genutzt zu haben; die von ihm präsentierten Balkendiagramme vermitteln ein verzerrtes Bild.
      


       ..Stay Tuned…
      

      Update:
      


      Seit 2012 hinterfragen der Bochumer Ökonom und RWI-Vizepräsident Thomas Bauer, der Berliner Psychologe Gerd Gigerenzer und der Dortmunder Statistiker Walter Krämer jeden Monat publizierte Statistiken und deren Interpretation in den Medien. Seit 2018 ist zudem Katharina Schüller, Geschäftsleiterin und Gründerin von STAT-UP, Mitglied des Unstatistik-Teams. Die Unstatistik will zu einem sachlichen und vernünftigen Umgang mit Daten und Fakten beitragen.
      


       
      

      Bildnachweis: Gerd Altmann @pixabay