KI in E-Learning-Systemen - Didaktik Praxis Verantwortung

Einleitung

{{#ev:youtube|https://www.youtube.com/watch?v=YVv086sq8SY%7C500%7Ccenter}}

Dieser aiMOOC ist ein kompakter, aber vollständiger Lehrerfortbildungssnack zum Thema KI in E-Learning-Systemen: Didaktik, Praxis und Verantwortung. Du lernst, wie KI-Systeme in digitalen Lernumgebungen wirken, wie Du sie didaktisch sinnvoll einsetzt und welche Verantwortung bei Datenschutz, Transparenz, Fairness, Urheberrecht, Prüfungskultur und Schulentwicklung entsteht.

KI in E-Learning-Systemen umfasst Anwendungen, die Lernende unterstützen, Lehrkräfte entlasten oder Lernprozesse analysieren. Dazu gehören Chatbots, adaptive Lernsysteme, Learning Analytics, automatische Feedback-Systeme, intelligente Tutorensysteme, Empfehlungssysteme für Lernmaterialien und Werkzeuge zur Erstellung von Übungen, Zusammenfassungen oder Erklärungen. Entscheidend ist: Nicht die Technik bestimmt den Unterricht, sondern das Lernziel, die Aufgabe und die pädagogische Verantwortung.

Grundbegriffe

Künstliche Intelligenz, maschinelles Lernen und generative KI

Künstliche Intelligenz bezeichnet Systeme, die Aufgaben ausführen, für die Menschen normalerweise Wahrnehmung, Sprache, Mustererkennung, Schlussfolgern oder Problemlösen benötigen. Viele aktuelle Anwendungen beruhen auf maschinellem Lernen. Dabei werden Modelle mit Daten trainiert, um Muster zu erkennen und Vorhersagen oder Vorschläge zu erzeugen. Generative KI erzeugt neue Inhalte wie Texte, Bilder, Audios, Videos, Programmcode oder Aufgabenformate.

Für die Schule ist wichtig, dass KI keine neutrale Zaubermaschine ist. Sie verarbeitet Daten, folgt statistischen Mustern und kann überzeugend klingen, obwohl Ergebnisse falsch, unvollständig oder einseitig sind. Deshalb brauchen Lehrkräfte und Lernende KI-Kompetenz: Sie müssen Chancen nutzen, Grenzen erkennen, Ergebnisse prüfen und verantwortliche Entscheidungen treffen.

E-Learning-Systeme und Lernplattformen

E-Learning bezeichnet Lehr- und Lernprozesse, die durch digitale Medien unterstützt werden. Dazu zählen Lernplattformen, Lernmanagementsysteme, Videokonferenzen, Online-Kurse, Lern-Apps, Open Educational Resources, E-Portfolios und digitale Prüfungs- oder Feedbackformen. Wenn solche Systeme KI integrieren, entstehen neue Möglichkeiten der Personalisierung, Adaptivität, Diagnostik und Automatisierung.

Ein Lernmanagementsystem organisiert Inhalte, Aufgaben, Kommunikation, Abgaben und Bewertungen. Ein KI-gestütztes System kann zusätzlich Vorschläge machen, Lernstände auswerten, Fragen beantworten, passende Übungen empfehlen oder Lehrkräfte beim Entwerfen von Materialien unterstützen. Die pädagogische Qualität hängt aber nicht allein vom System ab, sondern von der didaktischen Einbettung.

Learning Analytics und adaptive Lernsysteme

Learning Analytics meint das Sammeln, Auswerten und Interpretieren von Lerndaten, um Lernen besser zu verstehen und zu unterstützen. Beispiele sind Bearbeitungszeiten, Abgabehäufigkeit, Fehlerarten, Klickpfade oder Lernfortschritte. Adaptive Lernsysteme nutzen solche Informationen, um Lernwege anzupassen, etwa durch zusätzliche Übungen, einfachere Erklärungen oder anspruchsvollere Transferaufgaben.

Damit Learning Analytics verantwortungsvoll bleibt, müssen Zweck, Datenumfang, Einsichtsmöglichkeiten, Speicherdauer und pädagogische Interpretation geklärt sein. Zahlen ersetzen keine professionelle Diagnosekompetenz. Ein kurzer Bearbeitungszeitwert kann zum Beispiel bedeuten, dass jemand sehr sicher war, geraten hat oder die Aufgabe nicht ernst genommen hat. Daten werden erst durch pädagogische Deutung sinnvoll.

Didaktik: Erst das Lernziel, dann das Tool

Didaktik vor Technik

Der wichtigste Grundsatz lautet: Didaktik vor Technik. Du solltest zuerst klären, was Lernende können, verstehen, reflektieren oder gestalten sollen. Erst danach entscheidest Du, ob ein KI-Werkzeug hilfreich ist. Ein KI-Einsatz ist didaktisch sinnvoll, wenn er Lernprozesse vertieft, Selbstständigkeit fördert, differenzierte Zugänge ermöglicht oder Lehrkräfte bei wiederkehrenden Aufgaben entlastet, ohne Verantwortung auszulagern.

Ein gutes KI-Lernszenario beantwortet fünf Fragen: Was ist das Lernziel? Welche Rolle übernimmt die KI? Welche Rolle übernimmt die Lehrkraft? Wie prüfen Lernende die Ergebnisse? Welche Daten und Rechte sind betroffen? Diese Fragen verhindern, dass KI nur als Effekt oder Abkürzung genutzt wird.

Lernziele und Kompetenzorientierung

Kompetenzorientierung bedeutet, dass Lernen nicht beim Wiedergeben von Fakten stehen bleibt. Lernende sollen Wissen anwenden, analysieren, beurteilen und gestalten. KI kann dabei unterstützen, etwa durch Beispielvarianten, Erklärungen auf unterschiedlichen Niveaus, Gegenargumente, Feedbackimpulse oder Simulationen. Besonders wirksam ist KI, wenn sie Lernende nicht nur zur schnellen Lösung führt, sondern zum Begründen, Vergleichen, Verbessern und Reflektieren anregt.

Für die Unterrichtsplanung kannst Du mit einer einfachen Lernzieltabelle arbeiten. Auf der Ebene Verstehen kann KI Erklärungen vergleichen lassen. Auf der Ebene Anwenden kann sie Übungsbeispiele erzeugen. Auf der Ebene Analysieren kann sie Argumentstrukturen sichtbar machen. Auf der Ebene Bewerten kann sie Pro- und Contra-Positionen liefern, die kritisch geprüft werden. Auf der Ebene Gestalten kann sie als Ideenpartner dienen, während die finale Verantwortung bei den Lernenden und der Lehrkraft bleibt.

Rollen der KI im Lernprozess

In E-Learning-Systemen kann KI unterschiedliche Rollen übernehmen. Als Tutor gibt sie Hinweise, stellt Rückfragen und erklärt Lösungswege. Als Feedbacksystem kommentiert sie Texte, Rechenwege oder Programmcode. Als Assistent hilft sie Lehrkräften bei der Materialerstellung. Als Empfehlungssystem schlägt sie passende Inhalte vor. Als Analysewerkzeug macht sie Lernstände sichtbar. Jede Rolle braucht klare Grenzen.

Ein KI-Tutor darf Lernende nicht entmündigen. Ein Feedbacksystem darf nicht intransparent bewerten. Ein Empfehlungssystem darf Lernende nicht in enge Lernpfade einsperren. Ein Analysewerkzeug darf nicht aus Daten vorschnell Eigenschaften ableiten. Professioneller Einsatz bedeutet, dass KI Lerngelegenheiten erweitert und menschliche pädagogische Entscheidungen unterstützt.

Praxis: Einsatzmöglichkeiten in Schule, Ausbildung und Studium

Materialentwicklung und Unterrichtsvorbereitung

Lehrkräfte können generative KI nutzen, um Lerntexte zu vereinfachen, Übungsaufgaben zu variieren, Einstiegsfragen zu formulieren, Beispiele aus unterschiedlichen Lebenswelten zu sammeln oder Differenzierungsmaterial zu entwerfen. Dabei gilt: KI-Vorschläge sind Entwürfe. Sie müssen fachlich geprüft, an die Lerngruppe angepasst und didaktisch begründet werden.

Sinnvolle Arbeitsaufträge an KI sind präzise. Ein guter Prompt nennt Zielgruppe, Fach, Kompetenzziel, Vorwissen, gewünschtes Format, Umfang, Sprachebene und Qualitätskriterien. Noch besser ist es, die KI zusätzlich um typische Fehlvorstellungen, Diagnosefragen und Möglichkeiten zur Unterstützung zu bitten.

Individuelle Förderung und Differenzierung

KI kann helfen, Lernmaterialien in verschiedenen Schwierigkeitsgraden bereitzustellen. Lernende können sich Beispiele erklären lassen, alternative Darstellungen nutzen oder zusätzliche Übungen erhalten. Für Inklusion kann KI Texte vereinfachen, Begriffe erklären, Strukturhilfen erstellen oder Sprachbarrieren reduzieren. Trotzdem darf individuelle Förderung nicht bedeuten, dass Lernende isoliert vor Maschinen lernen. Lernen bleibt sozial, dialogisch und kulturell eingebettet.

Differenzierung mit KI sollte transparent sein. Lernende müssen verstehen, warum sie bestimmte Aufgaben erhalten und wie sie selbst Verantwortung für ihren Lernweg übernehmen. Lehrkräfte sollten regelmäßig prüfen, ob die KI-Empfehlungen passend, fair und fachlich korrekt sind.

Feedback und formative Evaluation

Feedback ist besonders wirksam, wenn es zeitnah, konkret und handlungsorientiert ist. KI kann erste Rückmeldungen zu Textstruktur, Argumentation, Verständlichkeit oder Lösungswegen geben. Solches Feedback sollte Lernende zu Überarbeitung anregen, nicht nur eine Bewertung liefern. Ein guter Ablauf ist: Entwurf erstellen, KI-Feedback einholen, Feedback prüfen, Überarbeitung begründen und finale Version abgeben.

Formative Evaluation bedeutet, dass Lernstandserhebungen während des Lernprozesses stattfinden. KI kann kurze Diagnoseaufgaben erzeugen, Fehlercluster sichtbar machen oder Wiederholungsimpulse geben. Die Lehrkraft entscheidet, welche Hinweise pädagogisch relevant sind.

Kommunikation und Kollaboration

KI-gestützte E-Learning-Systeme können Diskussionen strukturieren, Fragen bündeln, Zusammenfassungen erstellen oder Lernteams bei der Planung unterstützen. Wichtig ist, dass Kooperation nicht durch Automatisierung ersetzt wird. Lernende sollen miteinander argumentieren, Perspektiven vergleichen und Verantwortung teilen. KI kann Gesprächsanlässe schaffen, aber sie soll nicht die gemeinsame Auseinandersetzung verdrängen.

Ein Beispiel: Eine Lerngruppe diskutiert, ob KI-Feedback bei Essays erlaubt sein soll. Die KI liefert drei Positionen, die Lernenden prüfen diese auf Plausibilität, ergänzen eigene Erfahrungen und entwickeln gemeinsam Regeln für den Kurs.

Prüfungskultur und Leistungsbewertung

KI verändert die Prüfungskultur. Wenn Lernende KI zum Schreiben, Recherchieren oder Programmieren nutzen können, müssen Aufgaben stärker auf Prozess, Begründung, Reflexion, mündliche Verteidigung, Transfer und eigene Entscheidungen achten. Reine Produktaufgaben werden anfälliger für unklare Autorenschaft. Sinnvoll sind Lernprodukte mit Dokumentation: Welche Hilfen wurden genutzt? Welche Prompts wurden gestellt? Welche Vorschläge wurden übernommen oder verworfen? Welche fachliche Prüfung wurde durchgeführt?

Leistungsbewertung muss transparent sein. Wenn KI erlaubt ist, brauchen Lernende Kriterien. Wenn KI nicht erlaubt ist, muss dies begründet und realistisch kontrollierbar sein. Eine moderne Prüfungskultur verbindet Medienkompetenz, Fachkompetenz, Urteilskompetenz und Reflexionskompetenz.

Verantwortung: Datenschutz, Fairness und Transparenz

Datenschutz und Datensparsamkeit

In E-Learning-Systemen entstehen häufig personenbezogene Daten. Dazu gehören Namen, E-Mail-Adressen, Lernstände, Abgaben, Kommentare, Nutzungszeiten oder Kommunikationsdaten. Beim KI-Einsatz gilt deshalb der Grundsatz der Datensparsamkeit: Es sollen nur Daten verarbeitet werden, die für einen klaren pädagogischen Zweck notwendig sind. Besonders sensibel sind Gesundheitsdaten, Leistungsprofile, Verhaltensdaten, biometrische Daten und Informationen über Minderjährige.

Für die Praxis bedeutet das: Verwende nur freigegebene Systeme. Gib keine sensiblen Schülerdaten in offene KI-Tools ein. Informiere Lernende über Zweck und Grenzen. Prüfe Einstellungen zur Datennutzung. Dokumentiere Entscheidungen. Hole bei Unsicherheit Unterstützung durch Datenschutzbeauftragte oder schulische Vorgaben ein.

EU-KI-Verordnung und KI-Kompetenz

Die EU-KI-Verordnung verfolgt einen risikobasierten Ansatz. Für Bildung und Berufsbildung sind besonders Systeme relevant, die Zugang zu Bildungsangeboten, Zuordnung zu Bildungseinrichtungen, Bewertung von Lernergebnissen, Steuerung von Lernprozessen oder Prüfungsüberwachung betreffen. Solche Systeme können in den Bereich Hochrisiko-KI fallen und benötigen besonders sorgfältige Anforderungen an Transparenz, Dokumentation, menschliche Aufsicht, Datenqualität und Risikomanagement.

Seit dem 2. Februar 2025 gilt in der EU außerdem eine Anforderung an KI-Kompetenz für Anbieter und Betreiber von KI-Systemen. Für Schulen und Bildungseinrichtungen bedeutet das praktisch: Wer KI-Systeme professionell einsetzt, braucht Wissen über Funktionsweise, Chancen, Risiken, rechtliche Rahmenbedingungen und pädagogische Grenzen. Dieser aiMOOC unterstützt genau diese Kompetenzentwicklung, ersetzt aber keine rechtsverbindliche Prüfung im konkreten Einzelfall.

Bias, Fairness und Teilhabe

Bias bedeutet Verzerrung. KI-Systeme können Verzerrungen aus Trainingsdaten, Modellentscheidungen oder Nutzungskontexten übernehmen. Im Bildungsbereich ist das besonders problematisch, weil Bewertungen, Empfehlungen oder Förderhinweise Lernchancen beeinflussen können. Ein System kann zum Beispiel sprachliche Varianten, kulturelle Hintergründe oder ungewohnte Lösungswege falsch einschätzen.

Fairer KI-Einsatz braucht regelmäßige Überprüfung. Frage Dich: Werden bestimmte Gruppen benachteiligt? Sind Aufgaben sprachlich zugänglich? Können Lernende Entscheidungen nachvollziehen? Gibt es Widerspruchsmöglichkeiten? Werden Ergebnisse von Menschen geprüft? Teilhabe bedeutet auch, dass nicht nur technisch starke Lernende profitieren, sondern alle Lernenden Zugang zu Unterstützung, Erklärung und Reflexion erhalten.

Transparenz, Kennzeichnung und Quellenkritik

Transparenz heißt, dass Lernende wissen, wann und wofür KI eingesetzt wird. KI-generierte Inhalte sollten gekennzeichnet werden, wenn sie für Lernprodukte, Materialien oder Bewertungen relevant sind. Bei generativer KI ist Quellenkritik zentral. Ein System kann Quellen erfinden, Inhalte veralten lassen oder Minderheitenpositionen als Mehrheitswissen darstellen. Deshalb gilt: Aussagen prüfen, Quellen vergleichen, Fachlogik anwenden und Unsicherheit sichtbar machen.

Für Lernende ist eine einfache Regel hilfreich: KI kann helfen, aber sie ist keine Quelle im wissenschaftlichen Sinn. Eine KI-Ausgabe muss mit überprüfbaren Quellen, fachlichem Wissen und eigener Argumentation verbunden werden.

Menschliche Aufsicht und pädagogische Verantwortung

Human-in-the-loop bedeutet, dass Menschen Entscheidungen prüfen, verantworten und bei Bedarf korrigieren. In der Bildung ist das unverzichtbar. KI darf Lernende nicht automatisch etikettieren, benoten oder in starre Kategorien einordnen. Lehrkräfte kennen Kontext, Entwicklung, Motivation, Sprache, soziale Situation und individuelle Lernwege besser als ein System.

Pädagogische Verantwortung bedeutet auch, Lernende nicht nur vor Risiken zu schützen, sondern sie zur mündigen Nutzung zu befähigen. Das Ziel ist nicht KI-Verbot oder KI-Euphorie, sondern reflektierte Handlungskompetenz.

Professioneller Workflow für Lehrkräfte

Schrittfolge für verantwortlichen KI-Einsatz

Lernzielanalyse: Formuliere zuerst, was Lernende am Ende können, erklären, beurteilen oder gestalten sollen.
Toolauswahl: Prüfe, ob ein KI-Werkzeug für dieses Ziel wirklich einen Mehrwert bietet.
Datenschutzprüfung: Kläre, welche Daten verarbeitet werden und ob das Werkzeug schulisch freigegeben ist.
Aufgabendesign: Gestalte Aufgaben so, dass Lernende erklären, prüfen, überarbeiten und reflektieren müssen.
Transparenz: Lege offen, welche KI-Nutzung erlaubt, erwartet oder ausgeschlossen ist.
Begleitung: Übe mit Lernenden Prompts, Quellenprüfung, Fehleranalyse und Kennzeichnung.
Evaluation: Sammle Erfahrungen und verbessere das Szenario anhand von Lernprodukten, Rückmeldungen und Beobachtungen.

Checkliste für ein KI-Lernszenario

Lernziel: Ist klar, welche Kompetenz gefördert wird?
Mehrwert: Leistet die KI etwas, das ohne KI schwerer, langsamer oder weniger differenziert wäre?
Kontrolle: Können Lernende und Lehrkraft Ergebnisse prüfen?
Fairness: Haben alle Lernenden vergleichbare Chancen und Unterstützung?
Datenschutz: Werden keine unnötigen personenbezogenen Daten verarbeitet?
Transparenz: Ist sichtbar, wann KI verwendet wird?
Reflexion: Werden Grenzen, Fehler und Verantwortung thematisiert?
Nachhaltigkeit: Passt das Szenario zur Schulentwicklung und zu gemeinsamen Regeln?

Beispiel: 20-Minuten-Fortbildungssnack im Kollegium

Ein kurzer Fortbildungssnack kann so aufgebaut sein: Zuerst schaut Ihr gemeinsam das Video. Dann sammelt Ihr drei Chancen und drei Risiken für Eure eigene Schule. Anschließend wählt Ihr ein konkretes Unterrichtsszenario aus, zum Beispiel KI-Feedback zu Schreibaufgaben. In Kleingruppen entwerft Ihr eine Aufgabe, eine Transparenzregel und eine Reflexionsfrage. Am Ende legt Ihr fest, welche Punkte in eine schulinterne KI-Leitlinie gehören.

{{#ev:youtube|https://www.youtube.com/watch?v=CcYcFDUx0mE%7C500%7Ccenter}}

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was bezeichnet KI in E-Learning-Systemen am treffendsten? (Systeme, die Lernprozesse durch Analyse, Unterstützung oder Anpassung begleiten) (!Ein Ersatz für jede Lehrkraft) (!Eine reine Sammlung von PDF-Dateien) (!Ein garantiert fehlerfreies Bewertungssystem)

Warum gilt der Grundsatz Didaktik vor Technik? (Lernziele und Aufgaben sollen den KI-Einsatz steuern) (!Das Tool soll immer zuerst ausgewählt werden) (!KI ist nur für technische Fächer geeignet) (!Didaktik spielt bei digitalen Medien keine Rolle)

Was ist Learning Analytics? (Die Auswertung von Lerndaten zur Unterstützung von Lernprozessen) (!Das zufällige Sammeln aller verfügbaren Schuldaten) (!Eine automatische Benotung ohne Lehrkraft) (!Ein Videokonferenzsystem für Online-Unterricht)

Welche Regel ist beim Datenschutz besonders wichtig? (Nur notwendige personenbezogene Daten für klare Zwecke verarbeiten) (!Möglichst viele Daten sammeln) (!Schülerdaten in beliebige öffentliche Tools eingeben) (!Datenschutz erst nach der Bewertung prüfen)

Was bedeutet Human-in-the-loop im Bildungsbereich? (Menschen prüfen und verantworten relevante KI-Entscheidungen) (!KI trifft alle Entscheidungen allein) (!Lernende dürfen keine Fragen stellen) (!Lehrkräfte geben jede Kontrolle ab)

Welches typische Risiko gibt es bei generativer KI? (Sie kann plausible, aber falsche Inhalte erzeugen) (!Sie kann niemals Texte formulieren) (!Sie arbeitet immer vollständig transparent) (!Sie kennt automatisch jede schulische Regel)

Wozu dient gutes KI-Feedback im Lernprozess? (Es gibt konkrete Hinweise zur Verbesserung) (!Es ersetzt jede Überarbeitung) (!Es soll Lernende beschämen) (!Es bewertet immer endgültig)

Warum ist die EU-KI-Verordnung für Bildung relevant? (Sie ordnet KI-Anwendungen nach Risiken und formuliert Pflichten) (!Sie verbietet jedes digitale Lernen) (!Sie ersetzt die pädagogische Planung) (!Sie gilt nur für Spielekonsolen)

Was ist ein Prompt? (Eine Eingabe oder ein Auftrag an ein KI-System) (!Ein Schulabschluss) (!Ein Datenschutzformular) (!Eine automatische Note)

Wann ist ein KI-Einsatz im Unterricht besonders sinnvoll? (Wenn Lernziel, Transparenz, Prüfung und Verantwortung geklärt sind) (!Wenn Lernende keine eigenen Entscheidungen mehr treffen) (!Wenn Quellenprüfung überflüssig wird) (!Wenn möglichst viele Daten gesammelt werden)

Memory

KI-Kompetenz	informierter und verantwortlicher Umgang mit KI
Learning Analytics	Auswertung von Lerndaten zur Lernunterstützung
Prompt	Auftrag oder Eingabe an ein KI-System
Bias	Verzerrung in Daten oder Ergebnissen
Human-in-the-loop	menschliche Prüfung und Verantwortung
Datensparsamkeit	nur notwendige Daten verarbeiten

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Lernziel	Ausgangspunkt der didaktischen Planung
Prompt	präziser Auftrag an ein KI-System
Feedback	konkrete Hinweise zur Verbesserung
Transparenz	Offenlegung von KI-Nutzung und Kriterien
Evaluation	Überprüfung des Lern- und Unterrichtserfolgs

Kreuzworträtsel

Didaktik	Wie heißt die Wissenschaft vom Lehren und Lernen?
Datenschutz	Welcher Schutzbereich betrifft personenbezogene Daten?
Transparenz	Was braucht KI-Nutzung, damit Beteiligte sie nachvollziehen können?
Feedback	Welche Rückmeldung hilft bei der Verbesserung von Lernprodukten?
Prompting	Wie nennt man das gezielte Formulieren von KI-Aufträgen?
Fairness	Welches Prinzip zielt auf gerechte Lernchancen?

LearningApps

Lückentext

Offene Aufgaben

Leicht

Begriffslandkarte: Erstelle eine Mindmap mit den Begriffen KI, E-Learning, Learning Analytics, Prompt, Feedback, Datenschutz und Verantwortung. Ergänze zu jedem Begriff ein eigenes Beispiel aus Deinem Unterricht.
Prompt-Vergleich: Formuliere zwei Prompts für dieselbe Unterrichtsidee, einen ungenauen und einen präzisen. Vergleiche die erwarteten Unterschiede der Ergebnisse.
Chancen-Risiken-Tabelle: Sammle fünf Chancen und fünf Risiken von KI in Lernplattformen. Ordne jedem Risiko eine mögliche Schutzmaßnahme zu.
Transparenzsatz: Schreibe drei kurze Formulierungen, mit denen Du Lernenden erklärst, wann KI in einer Aufgabe erlaubt ist und wie sie die Nutzung kennzeichnen sollen.

Standard

Unterrichtsszenario: Entwickle ein 30-minütiges KI-gestütztes Lernarrangement zu einem Fachthema. Beschreibe Lernziel, KI-Rolle, Lehrkraftrolle, Sozialform und Reflexionsphase.
Feedbackprozess: Entwirf einen Ablauf, in dem Lernende einen Text schreiben, KI-Feedback nutzen, das Feedback prüfen und ihre Überarbeitung begründen.
Datenschutzcheck: Prüfe ein fiktives KI-Tool für den Schuleinsatz. Notiere, welche Daten verarbeitet werden, welcher Zweck vorliegt und welche Fragen an die Schulleitung oder Datenschutzbeauftragte offen bleiben.
KI-Regeln: Formuliere fünf Kursregeln für erlaubte, eingeschränkte und nicht erlaubte KI-Nutzung. Begründe jede Regel pädagogisch.

Schwer

Schulkonzept: Entwickle einen Entwurf für eine schulinterne Leitlinie zu KI in E-Learning-Systemen. Berücksichtige Didaktik, Datenschutz, Prüfungskultur, Fortbildung und Beteiligung der Lernenden.
Bias-Analyse: Untersuche ein KI-generiertes Feedback anhand von Kriterien wie Sprache, Fairness, Fachlichkeit und möglicher Benachteiligung. Formuliere Verbesserungsvorschläge.
Transferaufgabe: Vergleiche KI-gestützte Lernplattformen mit klassischem Unterricht. Erkläre, welche Aufgaben automatisiert werden können und welche unbedingt menschliche Beziehung und pädagogisches Urteil brauchen.
Fortbildungsdesign: Plane einen 20-Minuten-Lehrerfortbildungssnack für Dein Kollegium. Lege Einstieg, Arbeitsphase, Diskussion, Ergebnis und Transferauftrag fest.

type=create break=no preload=CHAT GPT TEXT HIER EINFÜGEN default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox>

Lernkontrolle

Fallanalyse: Eine Schule möchte ein KI-System einführen, das Lernstände automatisch auswertet und Fördermaterial empfiehlt. Analysiere, welche didaktischen Chancen entstehen und welche Datenschutz- und Fairnessfragen vorab geklärt werden müssen.
Aufgabenkritik: Beurteile eine Aufgabe, bei der Lernende nur einen KI-Text abgeben sollen. Entwickle eine bessere Version, die Prozessdokumentation, Quellenprüfung und eigene Reflexion einfordert.
Rollenklärung: Erkläre an einem Beispiel, wie sich die Rollen von Lehrkraft, Lernenden und KI in einem adaptiven Lernsetting sinnvoll verteilen lassen.
Prüfungskultur: Entwirf ein Leistungsbewertungskonzept für eine KI-offene Schreibaufgabe. Beschreibe Kriterien für Eigenleistung, KI-Nutzung, Überarbeitung und fachliche Begründung.
Ethiktransfer: Entscheide in einem konkreten Szenario, ob ein KI-Tool zur Prüfungsüberwachung eingesetzt werden sollte. Begründe Deine Entscheidung mit Blick auf Nutzen, Verhältnismäßigkeit, Vertrauen und Alternativen.
Schulentwicklung: Entwickle drei Maßnahmen, mit denen ein Kollegium KI-Kompetenz systematisch aufbauen kann, ohne einzelne Lehrkräfte zu überfordern.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Begriffe wiedergeben kannst, sondern den verantwortlichen Einsatz von KI in E-Learning-Systemen begründest und gestaltest.

Fachbegriffe: Du erklärst KI, E-Learning, Learning Analytics, Prompt, Bias, Transparenz, Datenschutz und Human-in-the-loop korrekt.
Didaktische Planung: Du entwickelst ein KI-gestütztes Lernszenario ausgehend von Lernzielen, Aufgabenqualität und Reflexion.
Praxisbezug: Du zeigst an einem Beispiel, wie KI Lehrkräfte und Lernende unterstützen kann, ohne pädagogische Verantwortung zu ersetzen.
Rechts- und Verantwortungsbewusstsein: Du berücksichtigst Datenschutz, Datensparsamkeit, Fairness, Transparenz, Quellenkritik und schulische Vorgaben.
Transferleistung: Du beurteilst neue KI-Anwendungen nach Chancen, Risiken und Bedingungen für einen verantwortlichen Einsatz.
Reflexion: Du dokumentierst, wie KI verwendet wurde, welche Ergebnisse übernommen wurden und wie Du diese geprüft hast.

OERs zum Thema

Quellen und Orientierung

Links

KI in E-Learning-Systemen

aiMOOC-Projekte

Schulfach+

Prüfungsliteratur 2026
Bundesland	Bücher	Kurzbeschreibung
Baden-Württemberg	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck Mittlere Reife Der Markisenmann - Jan Weiler oder Als die Welt uns gehörte - Liz Kessler Ein Schatten wie ein Leopard - Myron Levoy oder Pampa Blues - Rolf Lappert	Abitur Dorfrichter-Komödie über Wahrheit/Schuld; Roman über einen Ort und deutsche Geschichte. Mittlere Reife Wahllektüren (Roadtrip-Vater-Sohn / Jugendroman im NS-Kontext / Coming-of-age / Provinzroman).
Bayern	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Lustspiel über Machtmissbrauch und Recht; Roman als Zeitschnitt deutscher Geschichte an einem Haus/Grundstück.
Berlin/Brandenburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Der Biberpelz - Gerhart Hauptmann Heimsuchung - Jenny Erpenbeck	Abitur Gerichtskomödie; soziales Drama um Ausbeutung/Armut; Komödie/Satire um Diebstahl und Obrigkeit; Roman über Erinnerungsräume und Umbrüche.
Bremen	Abitur Nach Mitternacht - Irmgard Keun Mario und der Zauberer - Thomas Mann Emilia Galotti - Gotthold Ephraim Lessing oder Miss Sara Sampson - Gotthold Ephraim Lessing	Abitur Roman in der NS-Zeit (Alltag, Anpassung, Angst); Novelle über Verführung/Massenpsychologie; bürgerliche Trauerspiele (Moral, Macht, Stand).
Hamburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun	Abitur Justiz-/Machtkritik als Komödie; Großstadtroman der Weimarer Zeit (Rollenbilder, Aufstiegsträume, soziale Realität).
Hessen	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Heimsuchung - Jenny Erpenbeck Der Prozess - Franz Kafka	Abitur Gerichtskomödie; Fragmentdrama über Gewalt/Entmenschlichung; Erinnerungsroman über deutsche Brüche; moderner Roman über Schuld, Macht und Bürokratie.
Niedersachsen	Abitur Der zerbrochene Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun Die Marquise von O. - Heinrich von Kleist Über das Marionettentheater - Heinrich von Kleist	Abitur Schwerpunkt auf Drama/Roman sowie Kleist-Prosatext und Essay (Ehre, Gewalt, Unschuld; Ästhetik/„Anmut“).
Nordrhein-Westfalen	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Komödie über Wahrheit und Autorität; Roman als literarische „Geschichtsschichtung“ an einem Ort.
Saarland	Abitur Heimsuchung - Jenny Erpenbeck Furor - Lutz Hübner und Sarah Nemitz Bahnwärter Thiel - Gerhart Hauptmann	Abitur Erinnerungsroman an einem Ort; zeitgenössisches Drama über Eskalation/Populismus; naturalistische Novelle (Pflicht/Überforderung/Abgrund).
Sachsen (berufliches Gymnasium)	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Irrungen, Wirrungen - Theodor Fontane Der gute Mensch von Sezuan - Bertolt Brecht Heimsuchung - Jenny Erpenbeck Der Trafikant - Robert Seethaler	Abitur Mischung aus Klassiker-Drama, sozialem Drama, realistischem Roman, epischem Theater und Gegenwarts-/Erinnerungsroman; zusätzlich Coming-of-age im historischen Kontext.
Sachsen-Anhalt	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Themenfelder)	Abitur Schwerpunktsetzung über Themenfelder (u. a. Literatur um 1900; Sprache in politisch-gesellschaftlichen Kontexten), ohne feste Einzeltitel.
Schleswig-Holstein	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Recht/Gerechtigkeit und historische Tiefenschichten eines Ortes – umgesetzt über Drama und Gegenwartsroman.
Thüringen	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Orientierung am gemeinsamen Aufgabenpool)	Abitur In der Praxis häufig Orientierung am gemeinsamen Aufgabenpool; landesweite Einzeltitel je nach Vorgabe/Handreichung nicht einheitlich ausgewiesen.
Mecklenburg-Vorpommern	Abitur (Quelle aktuell technisch nicht abrufbar; Beteiligung am gemeinsamen Aufgabenpool bekannt)	Abitur Land beteiligt sich am länderübergreifenden Aufgabenpool; konkrete, veröffentlichte Einzeltitel konnten hier nicht ausgelesen werden.
Rheinland-Pfalz	Abitur (keine landesweit einheitliche Pflichtlektüre; schulische Auswahl)	Abitur Keine landesweite Einheitsliste; Auswahl kann schul-/kursbezogen erfolgen.