Glanz: aiMOOC über GPT aiMOOC Action erstellt

2026-09-22T05:49:31Z

aiMOOC über GPT aiMOOC Action erstellt

Neue Seite

{{T}}

{{BR}}
= Adaptives Lernen mit KI ermöglichen =

[[Datei:Artificial intelligence in education.jpg|500px|rahmenlos|center]]

'''Zielgruppe:''' Schulleitungen und schulische Steuergruppen

'''Kurzidee:''' Adaptives Lernen passt Lernangebote an das an, was Lernende aktuell brauchen. KI kann dabei helfen, Muster in '''Lernstand, Fortschritt, Fehlern und Interessen''' zu erkennen und passende nächste Lernschritte vorzuschlagen. Entscheidend bleibt: Pädagogische Ziele, Transparenz und menschliche Verantwortung gehen vor Automatisierung.

{{#ev:youtube| https://www.youtube.com/watch?v=Hmulxuk_i5A |500|center}}

{{BR}}
= Einleitung =

[[Adaptives Lernen]] bedeutet, dass nicht alle Lernenden zur gleichen Zeit exakt dieselbe Aufgabe, Erklärung oder Unterstützung erhalten. Lernangebote werden gezielt angepasst.

KI kann diese Anpassung schneller unterstützen, indem sie Lerninformationen auswertet und Vorschläge macht. Das kann [[Differenzierung (Didaktik)|Differenzierung]] erleichtern, ersetzt aber weder Lehrkräfte noch pädagogische Entscheidungen.

Für Schulleitungen ist deshalb weniger die Frage '''„Welche KI kaufen wir?“''' entscheidend als: '''„Welches Lernproblem wollen wir besser lösen – und woran erkennen wir eine Verbesserung?“'''

[[Datei:Lehr-Lern-Modell.svg|500px|rahmenlos|center]]

{{BR}}
== Der adaptive Kreislauf ==

Ein praktikables Modell besteht aus fünf Schritten:

# '''Beobachten:''' Lernstand, Bearbeitungen, Rückmeldungen und freiwillig angegebene Interessen erfassen.
# '''Einordnen:''' Muster erkennen, zum Beispiel wiederkehrende Fehlvorstellungen oder sichere Kompetenzen.
# '''Anpassen:''' Schwierigkeit, Reihenfolge, Hilfen oder Beispiele verändern.
# '''Lernen lassen:''' Die Lernenden bearbeiten das angepasste Angebot.
# '''Neu prüfen:''' Fortschritt beobachten und die nächste Anpassung vornehmen.

[[Datei:Feedback Loop.svg|500px|rahmenlos|center]]

Das ist ein '''Regelkreis''': Lernaktivität erzeugt Informationen, diese führen zu einer begründeten Anpassung, und die Wirkung dieser Anpassung wird erneut überprüft.

{{BR}}
== Vier Signale für Anpassungen ==

{| class="wikitable"
! Signal
! Leitfrage
! Mögliche Anpassung
|-
| '''Lernstand'''
| Was kann die Person bereits?
| Einstieg, Schwierigkeitsgrad oder Wiederholung anpassen
|-
| '''Fortschritt'''
| Was hat sich seit der letzten Lernphase verändert?
| Tempo, nächste Lernziele oder Unterstützungsumfang anpassen
|-
| '''Fehler'''
| Welche Fehlermuster treten wiederholt auf?
| Erklärung, Beispiel oder Übungsform gezielt wechseln
|-
| '''Interessen'''
| Welche Themen oder Kontexte wählt die Person bewusst?
| Aufgaben in passende Kontexte einbetten oder Wahlmöglichkeiten anbieten
|}

Interessen sollten möglichst '''aktiv von Lernenden angegeben''' werden. Eine Schule sollte sensible Merkmale nicht unnötig ableiten oder für verdeckte Profile verwenden.

{{BR}}
== Was KI konkret anpassen kann ==

KI-gestützte Systeme können zum Beispiel:

# den '''Schwierigkeitsgrad''' einer Aufgabe verändern,
# zusätzliche '''Hinweise''' oder Zwischenschritte anbieten,
# eine andere '''Erklärung''' oder ein weiteres Beispiel bereitstellen,
# passende '''Übungsfolgen''' vorschlagen,
# Lehrkräften Muster im Lernfortschritt sichtbar machen,
# Lernende zur '''Selbstreflexion''' über ihren Fortschritt anregen.

Nicht jede Anpassung braucht KI. Klare Regeln wie „bei zwei unsicheren Antworten folgt eine Wiederholungsaufgabe“ können bereits adaptiv sein. KI wird besonders dann interessant, wenn viele Informationen zusammengeführt oder offene Antworten analysiert werden sollen.

[[Datei:Icon-Lernen.svg|300px|rahmenlos|center]]

{{BR}}
== Lernstand: Startpunkt statt Etikett ==

Ein Lernstand ist eine '''Momentaufnahme'''. Er kann aus kurzen diagnostischen Aufgaben, Arbeitsprodukten, Beobachtungen oder Selbsteinschätzungen entstehen.

Für adaptive Systeme gilt: Ein Lernstand sollte nicht als dauerhaftes Etikett verwendet werden. Gute Systeme ermöglichen neue Versuche, alternative Wege und sichtbare Entwicklung.

{{BR}}
== Fortschritt: Entwicklung sichtbar machen ==

Fortschritt ist wichtiger als ein einzelner Punktwert. Interessant ist zum Beispiel:

# Welche Kompetenz wurde neu sicher?
# Wo steigt die Selbstständigkeit?
# Welche Unterstützung wird seltener benötigt?
# Welche Ziele bleiben über längere Zeit offen?

[[Learning Analytics]] kann helfen, solche Entwicklungen sichtbar zu machen. Daten allein erklären aber noch nicht, '''warum''' etwas gelingt oder misslingt.

[[Datei:Types-of-Learning-Analytics.png|500px|rahmenlos|center]]

{{BR}}
== Fehler: Hinweise auf Denkwege ==

Ein einzelner Fehler kann Zufall sein. Wiederkehrende Fehler können dagegen auf eine Fehlvorstellung hinweisen.

Beispiel: Wenn Lernende bei Bruchrechnung wiederholt Zähler und Nenner getrennt addieren, wäre die adaptive Reaktion nicht einfach „mehr Aufgaben“, sondern eine andere Darstellung, ein Gegenbeispiel oder eine diagnostische Rückfrage.

KI kann solche Muster markieren. Die pädagogische Deutung sollte jedoch überprüfbar bleiben.

{{BR}}
== Interessen: Motivation unterstützen, nicht manipulieren ==

Interessen können Lernangebote anschlussfähiger machen. Eine mathematische Aufgabe kann beispielsweise in einen Sport-, Musik- oder Umweltkontext eingebettet werden.

Dabei sollte die Schule Wahlmöglichkeiten eröffnen, statt Lernende dauerhaft auf ein vermutetes Interessenprofil festzulegen. Adaptivität soll '''Handlungsspielräume erweitern'''.

[[Datei:Personal Learning environment.png|450px|rahmenlos|center]]

{{BR}}
= Was Schulleitungen steuern sollten =

{{BR}}
== Pädagogisches Ziel vor Tool-Auswahl ==

Vor einer Beschaffung sollte die Schule ein konkretes Problem benennen, zum Beispiel:

'''„Wir möchten in Jahrgang 7 schneller erkennen, welche Grundlagen in Mathematik fehlen, und gezielte Übungswege anbieten.“'''

Erst danach wird geprüft, ob ein digitales oder KI-gestütztes System dieses Ziel tatsächlich unterstützt.

{{BR}}
== Ein kleiner Pilot statt sofortiger Vollausstattung ==

Ein sinnvoller Pilot kann auf wenige Klassen, ein Fach oder eine klar definierte Lernphase begrenzt werden.

Vorab sollten Erfolgskriterien vereinbart werden:

# Verbessert sich der Lernfortschritt?
# Werden Lehrkräfte tatsächlich entlastet?
# Bleiben Lernwege nachvollziehbar?
# Werden Lernende selbstständiger?
# Entstehen Benachteiligungen?
# Werden nur notwendige Daten verarbeitet?

{{#ev:youtube| https://www.youtube.com/watch?v=bSzW-0RuO9E |500|center}}

{{BR}}
== Daten und Datenschutz ==

Adaptive Systeme können personenbezogene Lerndaten verarbeiten. Deshalb braucht die Schule klare Regeln zu Zweck, Zugriff, Speicherfristen und Verantwortlichkeiten.

[[Datei:Data privacy.svg|300px|rahmenlos|center]]

Leitfragen für die Schulleitung:

# Welche Daten werden wirklich benötigt?
# Wer kann Lernprofile sehen?
# Wie lange werden Daten gespeichert?
# Können Daten gelöscht oder exportiert werden?
# Werden Daten für andere Zwecke weiterverwendet?
# Wie werden Lernende und Erziehungsberechtigte verständlich informiert?

In Deutschland und der EU müssen je nach Anwendung insbesondere [[Datenschutz-Grundverordnung|DSGVO]], schulrechtliche Vorgaben und die europäische [[Verordnung über künstliche Intelligenz|KI-Verordnung]] geprüft werden. Nicht jede KI-Anwendung ist rechtlich gleich einzustufen.

{{BR}}
== Menschliche Aufsicht ==

KI sollte Lernentscheidungen '''unterstützen''', nicht unbemerkt endgültig festlegen.

Besonders sensibel sind Anwendungen, die Zugang, Einstufung, Leistungsbewertung oder Bildungswege beeinflussen. Hier sind Transparenz, fachliche Kontrolle und klare Verantwortlichkeiten zentral.

Die aktualisierten Leitlinien der Europäischen Kommission betonen unter anderem menschliche Aufsicht, Transparenz, Fairness, Datenschutz, Sicherheit und Verantwortlichkeit.

{{#ev:youtube| https://www.youtube.com/watch?v=jqT4fTtTTRI |500|center}}

{{BR}}
== Typische Fehlannahmen ==

'''„Mehr Personalisierung ist automatisch besser.“''' Nein. Lernende brauchen auch gemeinsame Lerngegenstände, Austausch und Kooperation.

'''„Viele Klickdaten zeigen genau, was gelernt wurde.“''' Nein. Aktivität ist nicht identisch mit Lernen.

'''„KI erkennt objektiv, wer Unterstützung braucht.“''' Nicht automatisch. Modelle können fehlerhafte oder verzerrte Schlussfolgerungen erzeugen.

'''„Adaptives Lernen bedeutet Einzelarbeit.“''' Nein. Adaptive Elemente können mit Partnerarbeit, Unterrichtsgespräch und kooperativem Lernen kombiniert werden.

{{BR}}
== Ampel für Entscheidungen der Schulleitung ==

{| class="wikitable"
! Grün
! Gelb
! Rot
|-
| Klare Lernziele
| Nutzen nur allgemein beschrieben
| Kein pädagogischer Zweck erkennbar
|-
| Datenminimierung
| Unklare Speicherfristen
| Unnötige sensible Daten
|-
| Lehrkraft kann Empfehlungen prüfen
| Teilweise intransparente Vorschläge
| Automatische Hochrisikoentscheidung ohne Aufsicht
|-
| Pilot mit Evaluation
| Einführung ohne Vergleichsdaten
| Flächendeckender Einsatz ohne Prüfung
|-
| Lernende erhalten Wahlmöglichkeiten
| Personalisierung kaum erklärbar
| Dauerhafte Festlegung auf starre Profile
|}

{{BR}}
= Ein schulischer Einführungsplan =

[[Datei:Angebots-Nutzungs-Modell nach Tina Seidel (2014).svg|500px|rahmenlos|center]]

'''Phase 1 – Ziel:''' Ein konkretes Lernproblem und erwartete Verbesserung formulieren.

'''Phase 2 – Prüfung:''' Pädagogik, Datenschutz, IT-Sicherheit, Barrierefreiheit und technische Integration prüfen.

'''Phase 3 – Pilot:''' Klein starten, Lehrkräfte qualifizieren und Lernende informieren.

'''Phase 4 – Evaluation:''' Lernfortschritt, Unterrichtsqualität, Arbeitsbelastung, Fairness und Akzeptanz untersuchen.

'''Phase 5 – Entscheidung:''' Ausweiten, verändern oder beenden.

So bleibt die Schule handlungsfähig und vermeidet, dass technische Möglichkeiten die Schulentwicklung bestimmen.

{{BR}}
= Quellen und Vertiefung =

# [https://www.kmk.org/fileadmin/Dateien/veroeffentlichungen_beschluesse/2024/2024_10_10-Handlungsempfehlung-KI.pdf KMK: Handlungsempfehlung zum Umgang mit Künstlicher Intelligenz in schulischen Bildungsprozessen, 2024]
# [https://education.ec.europa.eu/de/focus-topics/digital-education/actions/plan/ethical-guidelines-for-educators-on-using-artificial-intelligence Europäische Kommission: Leitlinien über die ethische Nutzung von KI und Daten für Lehr- und Lernzwecke, aktualisiert 2026]
# [https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research UNESCO: Guidance for Generative AI in Education and Research]
# [https://www.oecd.org/en/publications/oecd-digital-education-outlook-2023_c74f03de-en/full-report/opportunities-guidelines-and-guardrails-for-effective-and-equitable-use-of-ai-in-education_2f0862dc.html OECD: Opportunities, guidelines and guardrails for AI in education]
# [[Adaptives Lernen]]
# [[Künstliche Intelligenz]]
# [[Individuelles Lernen]]
# [[Learning Analytics]]
# [[Digitale Bildung]]
# [[Schulentwicklung]]

{{BR}}
= Interaktive Aufgaben =

{{BR}}
== Quiz: Teste Dein Wissen ==

{{MC}}

'''Woran orientiert sich adaptives Lernen vor allem?'''
(Am aktuellen Lernbedarf der Lernenden)
(!An einem festen Aufgabenplan für alle)
(!Nur am Alter der Lernenden)
(!Nur an der technischen Ausstattung)

{{E}}
<br>

{{MC}}

'''Welches Signal beschreibt die Entwicklung über die Zeit?'''
(Fortschritt)
(!Raumgröße)
(!Stundenplan)
(!Gerätetyp)

{{E}}
<br>

{{MC}}

'''Was ist eine sinnvolle Reaktion auf ein wiederkehrendes Fehlermuster?'''
(Eine andere Erklärung oder gezielte Diagnose anbieten)
(!Sofort die Endnote festlegen)
(!Alle Aufgaben dauerhaft vereinfachen)
(!Den Fehler ignorieren)

{{E}}
<br>

{{MC}}

'''Wie sollten Interessen für adaptive Lernangebote bevorzugt genutzt werden?'''
(Als freiwillige Wahlmöglichkeit für passende Kontexte)
(!Als dauerhaftes Persönlichkeitsprofil)
(!Als Ersatz für Lernziele)
(!Als geheime Bewertungsgrundlage)

{{E}}
<br>

{{MC}}

'''Was sollte eine Schulleitung vor der Auswahl eines KI-Tools zuerst klären?'''
(Das pädagogische Problem und das Lernziel)
(!Die Farbe der Benutzeroberfläche)
(!Die Zahl der Werbevideos)
(!Die Größe des Herstellers)

{{E}}
<br>

{{MC}}

'''Was bedeutet Datenminimierung?'''
(Nur für den Zweck notwendige Daten verarbeiten)
(!Möglichst viele Daten dauerhaft speichern)
(!Alle Daten öffentlich machen)
(!Lerndaten ohne Zweck sammeln)

{{E}}
<br>

{{MC}}

'''Welche Rolle sollte die Lehrkraft bei KI-Empfehlungen behalten?'''
(Empfehlungen prüfen und pädagogisch einordnen)
(!Alle Entscheidungen automatisch übernehmen)
(!Keine Rückmeldungen mehr geben)
(!Nur technische Fehler melden)

{{E}}
<br>

{{MC}}

'''Was zeigt ein Klickprotokoll allein nicht zuverlässig?'''
(Ob tatsächlich gelernt wurde)
(!Dass eine Interaktion stattfand)
(!Wann etwas angeklickt wurde)
(!Welche Seite geöffnet wurde)

{{E}}
<br>

{{MC}}

'''Wie sollte eine Schule ein neues adaptives KI-System sinnvoll einführen?'''
(Mit einem begrenzten Pilot und vereinbarten Erfolgskriterien)
(!Sofort flächendeckend ohne Prüfung)
(!Nur anhand von Herstellerwerbung)
(!Ohne Beteiligung von Lehrkräften)

{{E}}
<br>

{{MC}}

'''Welche Aussage zu adaptivem Lernen ist richtig?'''
(Es kann Einzelarbeit und gemeinsames Lernen verbinden)
(!Es bedeutet immer Einzelarbeit)
(!Es benötigt zwingend generative KI)
(!Es ersetzt Unterrichtsgespräche vollständig)

{{E}}
<br>

{{BR}}
== Memory ==

<div class="memo-quiz">
{|
|-
| Lernstand || aktueller Ausgangspunkt
|-
| Fortschritt || Entwicklung über die Zeit
|-
| Fehlermuster || Hinweis auf mögliche Fehlvorstellung
|-
| Interessenwahl || freiwillig gewählter Lernkontext
|-
| Datenminimierung || nur notwendige Daten nutzen
|-
| Pilotphase || begrenzte Erprobung vor Ausweitung
|}
{{E}}
<br>

{{BR}}
== Drag and Drop ==

<div class="lueckentext-quiz">

{| class="wikitable"
! Ordne die richtigen Begriffe zu.
! Thema
|-
| '''Lernstand'''
| passender Einstieg
|-
| '''Fortschritt'''
| nächster Lernschritt
|-
| '''Fehlermuster'''
| alternative Erklärung
|-
| '''Interesse'''
| motivierender Kontext
|-
| '''Datenschutz'''
| begrenzte Datennutzung

|}
{{E}}

<br>

{{BR}}
== Kreuzworträtsel ==

<div class="kreuzwort-quiz">
{|
|-
| Lernstand || Wie heißt die Momentaufnahme dessen, was eine Person bereits kann?
|-
| Fortschritt || Welcher Begriff beschreibt die Entwicklung des Lernens über die Zeit?
|-
| Fehlermuster || Wie nennt man wiederkehrende falsche Lösungswege?
|-
| Interessen || Was kann für freiwillige thematische Wahlmöglichkeiten genutzt werden?
|-
| Datenschutz || Welcher Begriff bezeichnet den Schutz personenbezogener Informationen?
|-
| Feedback || Wie heißt eine Rückmeldung, die den nächsten Lernschritt unterstützen kann?
|}
{{E}}
<br>

{{BR}}
== LearningApps ==

<iframe> https://learningapps.org/index.php?s=Adaptives+Lernen+mit+KI+ermöglichen </iframe>

{{BR}}
== Lückentext ==

<quiz display=simple>
{'''Vervollständige den Text.'''<br>
|type="{}"}
Adaptives Lernen orientiert sich am aktuellen { Lernstand } einer lernenden Person.
Die Veränderung über mehrere Lernphasen wird als { Fortschritt } beobachtet.
Wiederkehrende falsche Lösungswege können als { Fehlermuster } interpretiert werden.
Freiwillig angegebene { Interessen } können helfen, Aufgaben in passende Kontexte einzubetten.
KI kann die Auswahl von Aufgaben oder Hilfen { unterstützen }.
Die pädagogische Verantwortung bleibt bei { Menschen }.
Eine Schule sollte nur die für einen klaren Zweck notwendigen { Daten } verarbeiten.
Vor einer breiten Einführung empfiehlt sich ein begrenzter { Pilot }.
Der Erfolg sollte anhand vorher vereinbarter { Kriterien } geprüft werden.
</quiz>

<br>

{{BR}}
= Offene Aufgaben =

{{BR}}
=== Leicht ===
# [[Adaptive Lernidee]]: Beschreibe ein Beispiel aus Deinem Schulalltag, bei dem Lernende unterschiedliche nächste Aufgaben erhalten könnten.
# [[Vier Signale]]: Formuliere für Lernstand, Fortschritt, Fehler und Interessen jeweils eine Beobachtung, die für eine Anpassung nützlich wäre.
# [[Datencheck]]: Liste fünf Daten auf, die ein Lernsystem theoretisch erfassen könnte, und markiere, welche davon für Dein Beispiel wirklich notwendig wären.
# [[Erklärbarkeit]]: Formuliere einen kurzen Satz, mit dem eine Schülerin oder ein Schüler verstehen kann, warum eine bestimmte Aufgabe empfohlen wurde.

{{BR}}
=== Standard ===
# [[Pilotprojekt]]: Entwirf einen sechswöchigen Pilot für ein adaptives Lernangebot in einem Fach Deiner Schule.
# [[Erfolgskriterien]]: Entwickle fünf Kriterien, an denen Deine Schule erkennt, ob der Pilot pädagogisch sinnvoll ist.
# [[Lehrkräftekonferenz]]: Plane eine 30-minütige Konferenzphase, in der Chancen, Risiken und Grenzen adaptiver KI-Systeme diskutiert werden.
# [[Schülerperspektive]]: Entwickle drei Fragen für ein Interview mit Lernenden über Transparenz, Motivation und Selbstständigkeit.

{{BR}}
=== Schwer ===
# [[Beschaffungskriterien]]: Erstelle einen Kriterienkatalog für die Auswahl eines adaptiven KI-Systems mit Pädagogik, Datenschutz, Barrierefreiheit, Transparenz und Support.
# [[Evaluationsdesign]]: Plane eine Evaluation, die Lernfortschritt, Arbeitsbelastung der Lehrkräfte und Erfahrungen der Lernenden gemeinsam betrachtet.
# [[Schulvereinbarung]]: Entwirf Grundsätze für den verantwortlichen Einsatz adaptiver KI-Systeme an Deiner Schule.
# [[Transferprojekt]]: Vergleiche zwei mögliche Einsatzfelder Deiner Schule und begründe, in welchem Feld ein Pilot besser überprüfbare Erkenntnisse liefern würde.

{{:Offene Aufgabe - MOOC erstellen}}

{{BR}}
= Lernkontrolle =

# [[Fallanalyse Lernstand]]: Eine Lernplattform empfiehlt einer Schülerin dauerhaft leichte Aufgaben. Analysiere, welche Informationen fehlen könnten und wie die Schule eine Festlegung auf ein niedriges Niveau vermeiden kann.
# [[Fehlerdiagnose]]: Ein System erkennt viele falsche Antworten in Mathematik. Entwickle drei pädagogisch unterschiedliche Reaktionen und begründe, wann welche sinnvoll wäre.
# [[Datensparsame Alternative]]: Entwirf für einen adaptiven Anwendungsfall eine Lösung, die mit möglichst wenigen personenbezogenen Daten auskommt.
# [[Pilot bewerten]]: Ein Pilot steigert die Zahl bearbeiteter Aufgaben, aber die Lernergebnisse bleiben unverändert. Erkläre, welche Schlussfolgerungen zulässig sind und welche weiteren Daten Du prüfen würdest.
# [[Menschliche Aufsicht]]: Beschreibe einen Entscheidungsprozess, bei dem eine KI eine Empfehlung erzeugt, die Lehrkraft sie prüft und Lernende eine nachvollziehbare Rückmeldung erhalten.
# [[Schulentwicklung]]: Zeige, wie Fortbildung, technische Infrastruktur, Datenschutz und Unterrichtsentwicklung zusammenspielen müssen, damit adaptives Lernen nachhaltig eingeführt werden kann.

<br>
<br>

{{BR}}
= Lernnachweis =

Für einen Lernnachweis solltest Du zeigen können, dass Du:

# Lernstand, Fortschritt, Fehlermuster und Interessen als unterschiedliche Signale erklären kannst,
# aus einem Lernsignal eine passende, pädagogisch begründete Anpassung ableiten kannst,
# Grenzen automatischer Auswertungen erkennst,
# Kriterien für Datenschutz, Transparenz und menschliche Aufsicht anwenden kannst,
# einen kleinen schulischen Pilot mit überprüfbaren Zielen planen kannst,
# Ergebnisse eines Piloten kritisch interpretieren und Entscheidungen zur Weiterentwicklung begründen kannst.

<br>
<br>

{{BR}}
= OERs zum Thema =

<iframe> https://de.m.wikipedia.org/wiki/Adaptives_Lernen </iframe>

<br>

{{BR}}
= Verknüpfte Lernbereiche =

{| align=center
{{:D-Tab}}
'''[[Adaptives Lernen mit KI ermöglichen]]'''
# [[Adaptives Lernen]]
# [[Künstliche Intelligenz]]
# [[Learning Analytics]]
# [[Individuelles Lernen]]
# [[Differenzierung (Didaktik)|Differenzierung]]
# [[Feedback]]
# [[Datenschutz]]
# [[Digitale Bildung]]
# [[Schulentwicklung]]
|}

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Digitale Bildung]]
[[Kategorie:Schulentwicklung]]
[[Kategorie:Schulleitung]]
[[Kategorie:Adaptives Lernen]]
[[Kategorie:Medienbildung]]
[[Kategorie:Lehrerfortbildung]]

{{BR}}
= aiMOOC-Projekte =
[[Kategorie:AI_MOOC]] [[Kategorie:GPT aiMOOC]]
{{MT}}

Adaptives Lernen mit KI ermöglichen - Versionsgeschichte

Glanz: aiMOOC über GPT aiMOOC Action erstellt