Dieses Quiz als Battle spielen: Deutsch, Klasse 5-6, G-Niveau

Adaptive Lernsysteme - Pädagogik

Einleitung

Adaptive Lernsysteme sind digitale Lernumgebungen, die Lernangebote fortlaufend an diagnostizierte Voraussetzungen, Lernhandlungen und Lernfortschritte einzelner Lernender anpassen. Sie können beispielsweise die Reihenfolge von Aufgaben verändern, den Schwierigkeitsgrad regulieren, zusätzliche Erklärungen anbieten, Hinweise dosieren oder bestimmte Inhalte erneut aufgreifen. Im Studienfach Pädagogik sind adaptive Lernsysteme deshalb nicht nur als technische Werkzeuge zu betrachten. Sie berühren grundlegende Fragen der Didaktik, pädagogischen Diagnostik, Bildungsgerechtigkeit, Selbstregulation, Inklusion, Medienpädagogik und Bildungsethik.

Ein adaptives System ist pädagogisch nicht allein dadurch hochwertig, dass es viele Daten verarbeitet oder komplexe Algorithmen verwendet. Entscheidend ist, ob seine Anpassungen fachlich korrekt, lernförderlich, transparent, fair und in ein tragfähiges Lehr-Lern-Arrangement eingebettet sind. Lehrpersonen bleiben verantwortlich für Lernziele, soziale Beziehungen, Beratung, pädagogische Urteile und die Gestaltung gemeinsamer Lernprozesse.

Die Abbildung verweist auf die Leitidee des personalisierten Lernens. Adaptive Lernsysteme bilden davon einen Teilbereich: Sie automatisieren bestimmte Anpassungsentscheidungen, während Personalisierung zusätzlich Wahlmöglichkeiten, Interessen, biografische Ziele und soziale Lernformen umfassen kann.

Lernziele

Nach der Bearbeitung dieses aiMOOCs kannst Du:

Begriffsabgrenzung: adaptives Lernen von Differenzierung, Individualisierung und Personalisierung unterscheiden.
Systemarchitektur: zentrale Komponenten eines adaptiven Lernsystems erklären.
Lernendenmodell: Chancen und Grenzen datenbasierter Modellierungen von Lernenden beurteilen.
Adaptationslogik: regelbasierte, statistische und KI-gestützte Anpassungsverfahren vergleichen.
Didaktische Qualität: adaptive Funktionen mit Lernzielen, Feedback, Scaffolding und Selbstregulation verbinden.
Evidenzbasierte Pädagogik: Forschungsbefunde angemessen interpretieren und keine pauschalen Wirksamkeitsversprechen ableiten.
Bildungsethik: Datenschutz, Fairness, Transparenz, Teilhabe und menschliche Aufsicht analysieren.
Evaluation: ein adaptives Lernangebot mit pädagogischen Qualitätskriterien untersuchen.
Professionelles Handeln: die Rolle von Lehrpersonen in adaptiv unterstützten Lernumgebungen reflektieren.
Transfer: ein eigenes Konzept für den verantwortlichen Einsatz eines adaptiven Lernsystems entwickeln.

Grundbegriffe und Abgrenzungen

Adaptives Lernen

Adaptives Lernen bezeichnet die fortlaufende Anpassung von Lernangeboten an relevante Merkmale einer konkreten Lernsituation. Dazu gehören beispielsweise Vorwissen, Bearbeitungserfolg, Fehlermuster, benötigte Bearbeitungszeit, Nutzung von Hilfen oder der erreichte Kompetenzstand. Die Anpassung kann durch eine Lehrperson, durch ein digitales System oder durch eine Kombination beider Instanzen erfolgen.

Eine pädagogisch sinnvolle Definition umfasst drei Merkmale:

Diagnose: Das System erhebt oder erschließt Informationen über den Lernprozess.
Entscheidung: Es wählt auf Grundlage dieser Informationen eine didaktische Reaktion aus.
Rückkopplung: Es prüft anhand weiterer Lernhandlungen, ob die Reaktion hilfreich war.

Adaptivität ist damit ein Regelkreis. Sie ist keine einmalige Einstufung, sondern ein wiederholter Prozess aus Beobachten, Interpretieren, Handeln und erneuter Überprüfung.

Differenzierung, Individualisierung und Personalisierung

Begriff	Pädagogischer Schwerpunkt	Beispiel
Innere Differenzierung	Eine Lehrperson plant unterschiedliche Zugänge, Aufgaben oder Hilfen für Gruppen oder einzelne Lernende.	Drei Aufgabenformate mit verschiedenen Unterstützungsstufen werden gleichzeitig angeboten.
Individualisierung	Lernwege werden stärker an individuelle Voraussetzungen, Lernzeiten oder Ziele angepasst.	Eine Studentin bearbeitet zusätzliche Grundlagenmodule, bevor sie in das Vertiefungsmodul einsteigt.
Personalisiertes Lernen	Neben Leistung und Vorwissen werden Interessen, Wahlmöglichkeiten, Ziele und Mitverantwortung der Lernenden berücksichtigt.	Lernende wählen ein Anwendungsfeld für ein Projekt und begründen ihren Lernweg.
Adaptives Lernen	Anpassungen erfolgen fortlaufend auf Basis diagnostischer Informationen.	Nach mehreren Fehlern zu einem Konzept bietet das System ein Beispiel, einen Hinweis und eine leichtere Transferaufgabe an.

Die Begriffe überschneiden sich. Eine wichtige Unterscheidung lautet: Personalisierung beschreibt eine umfassende pädagogische Zielsetzung, während systemische Adaptivität einen Mechanismus der Anpassung bezeichnet.

Keine Anpassung an starre Lerntypen

Adaptive Lernsysteme sollten Lernende nicht dauerhaft als angeblich visuelle, auditive oder kinästhetische „Lerntypen“ festlegen. Solche starren Zuordnungen können Möglichkeiten verengen und sind keine tragfähige Grundlage für individualisierte Bildungsentscheidungen. Sinnvoller ist es, überprüfbare Merkmale wie Vorwissen, konkrete Fehlvorstellungen, Kompetenzentwicklung, Bearbeitungsstrategien und Unterstützungsbedarf zu berücksichtigen.

Historische und theoretische Entwicklung

Von programmierter Unterweisung zu intelligenten Tutorien

Frühe Formen computerunterstützten Lernens arbeiteten häufig mit festen Verzweigungen: Auf eine Antwort folgte eine vorher definierte Rückmeldung oder Aufgabe. Spätere intelligente tutorielle Systeme modellierten zusätzlich Fachwissen, Lernprozesse und didaktische Strategien. Heute verbinden adaptive Plattformen unter anderem Learning Analytics, Maschinelles Lernen, Natural Language Processing, Empfehlungssysteme und teilweise generative KI.

Die technische Entwicklung verändert jedoch nicht die grundlegende pädagogische Frage: Welche Unterstützung benötigt eine bestimmte Person in einer bestimmten Lernsituation, um ein begründetes Lernziel zu erreichen?

Pädagogische Bezugstheorien

Adaptive Lernsysteme lassen sich mit mehreren pädagogischen und psychologischen Ansätzen verbinden:

Mastery Learning: Zentrale Voraussetzungen sollen hinreichend beherrscht werden, bevor komplexere Inhalte folgen.
Zone der nächsten Entwicklung: Unterstützung setzt dort an, wo Lernende eine Aufgabe noch nicht allein, aber mit passender Hilfe bewältigen können.
Scaffolding: Hinweise, Modelle und Strukturhilfen werden bereitgestellt und mit wachsender Kompetenz schrittweise reduziert.
Formatives Assessment: Diagnostische Informationen dienen der Verbesserung des laufenden Lernprozesses.
Kognitivismus: Vorwissen, mentale Modelle, Fehlkonzepte und Problemlösestrategien werden berücksichtigt.
Konstruktivismus: Lernen wird als aktive Konstruktion verstanden; adaptive Systeme sollten deshalb nicht nur Antworten vorgeben, sondern Erklären, Anwenden und Reflektieren anregen.
Selbstreguliertes Lernen: Lernende planen, beobachten und bewerten ihren Lernprozess zunehmend selbst.
Universal Design for Learning: Unterschiedliche Zugänge, Ausdrucksformen und Beteiligungsmöglichkeiten sollen Barrieren reduzieren.

Architektur adaptiver Lernsysteme

Zentrale Komponenten

Ein idealtypisches adaptives Lernsystem besteht aus mehreren miteinander verbundenen Modellen.

Komponente	Leitfrage	Typische Inhalte
Domänenmodell	Was soll gelernt werden?	Begriffe, Kompetenzen, Beziehungen zwischen Inhalten, Aufgaben, Musterlösungen und Fehlkonzepte
Lernendenmodell	Was nimmt das System über den aktuellen Lernstand an?	Vorwissen, Kompetenzwahrscheinlichkeiten, Fehlermuster, Lernverlauf, genutzte Hilfen und Unsicherheiten
Pädagogisches Modell	Welche Unterstützung soll in welcher Situation erfolgen?	Auswahl von Aufgaben, Feedbackregeln, Hinweise, Wiederholungen, Beispiele, Lernpfade und Abbruchkriterien
Interaktionsmodell	Wie kommunizieren Mensch und System?	Benutzeroberfläche, Sprache, Visualisierung, Eingabemöglichkeiten, Barrierefreiheit und Dialoggestaltung
Datenmodell	Welche Daten werden wofür verarbeitet?	Ereignisdaten, Ergebnisse, Zeitangaben, Selbsteinschätzungen, Einwilligungen und Löschfristen
Governance	Wer trägt Verantwortung und kontrolliert das System?	Zuständigkeiten, Prüfverfahren, Beschwerdewege, Datenschutz, Freigaben und menschliche Aufsicht

Das Lernendenmodell als begrenzte Hypothese

Ein Lernendenmodell ist keine vollständige Beschreibung einer Person. Es ist eine datenbasierte, zweckgebundene und stets vorläufige Hypothese. Ein System kann etwa schätzen, dass eine Lernende das Konzept „Varianz“ mit einer Wahrscheinlichkeit von 70 Prozent beherrscht. Diese Schätzung darf nicht mit der Person selbst verwechselt werden.

Pädagogisch wichtig sind deshalb:

Unsicherheit: Diagnosen müssen als mehr oder weniger unsicher gekennzeichnet werden.
Revidierbarkeit: Neue Leistungen müssen frühere Einschätzungen verändern können.
Datenminimierung: Es sollen nur Daten verarbeitet werden, die für einen legitimen Lernzweck erforderlich sind.
Transparenz: Lernende und Lehrpersonen sollen zentrale Annahmen nachvollziehen und korrigieren können.
Nichtdiskriminierung: Merkmale dürfen nicht zu ungerechtfertigten Benachteiligungen führen.

Adaptationszyklus

Phase	Pädagogische Frage	Beispiel
Beobachten	Welche Lernhandlung ist sichtbar?	Eine Aufgabe wird falsch gelöst und zwei Hinweise werden geöffnet.
Diagnostizieren	Welche Erklärung ist plausibel?	Das System vermutet eine Verwechslung zweier Begriffe.
Entscheiden	Welche Reaktion könnte lernförderlich sein?	Ein kontrastierendes Beispiel wird ausgewählt.
Handeln	Wie wird die Unterstützung angeboten?	Die Lernende vergleicht zwei Fälle und erklärt den Unterschied.
Überprüfen	Hat sich das Verständnis verändert?	Eine neue Transferaufgabe prüft das Konzept in einem anderen Kontext.

Dieser Zyklus sollte so gestaltet sein, dass Lernende nicht in Endlosschleifen aus Wiederholungsaufgaben geraten. Adaptivität braucht fachlich begründete Ausstiegsregeln, Wahlmöglichkeiten und Möglichkeiten für menschliche Unterstützung.

Verfahren der Adaptation

Regelbasierte Systeme

Regelbasierte Systeme nutzen explizite Wenn-Dann-Regeln. Beispiel: Wenn zwei Aufgaben derselben Kompetenz falsch gelöst wurden, dann wird ein worked example angeboten. Solche Systeme sind vergleichsweise gut nachvollziehbar. Ihre Qualität hängt jedoch von den Regeln, der Aufgabengüte und der diagnostischen Aussagekraft der beobachteten Daten ab.

Adaptives Testen und Item-Response-Theorie

Beim adaptiven Testen wird die nächste Aufgabe so ausgewählt, dass sie möglichst viel Information über den geschätzten Fähigkeitsstand liefert. Häufig werden Modelle der Item-Response-Theorie verwendet. Eine sehr leichte Aufgabe liefert für eine hoch kompetente Person meist wenig neue Information; eine extrem schwierige Aufgabe kann für eine Anfängerin ebenfalls wenig diagnostischen Wert besitzen.

Adaptives Testen kann Messungen verkürzen und präzisieren. Es ersetzt jedoch keine umfassende pädagogische Diagnostik, weil Lernstrategien, Motivation, soziale Bedingungen und qualitative Besonderheiten nur begrenzt erfasst werden.

Bayesian Knowledge Tracing

Bayesian Knowledge Tracing schätzt, wie wahrscheinlich es ist, dass eine Kompetenz bereits erworben wurde. Nach jeder beobachteten Antwort wird diese Wahrscheinlichkeit aktualisiert. Dabei werden beispielsweise zufällig richtige Antworten und Flüchtigkeitsfehler berücksichtigt.

Das vereinfachte Bayes-Netz verdeutlicht, dass beobachtete Ereignisse und verborgene Zustände über Wahrscheinlichkeitsbeziehungen verbunden werden können. In Lernsystemen ist der tatsächliche Wissensstand nicht direkt sichtbar; beobachtbar sind nur Handlungen wie Antworten, Erklärungen oder Bearbeitungswege.

Empfehlungssysteme

Empfehlungssysteme schlagen Materialien, Aufgaben oder Lernpartner vor. Sie können inhaltsbasiert arbeiten, Ähnlichkeiten zwischen Lernenden nutzen oder mehrere Verfahren kombinieren. Pädagogisch problematisch wird eine Empfehlung, wenn sie Lernende dauerhaft auf bereits bekannte Themen beschränkt. Gute Systeme verbinden Passung mit Erweiterung, Irritation und Wahlfreiheit.

Maschinelles Lernen und Mustererkennung

Maschinelles Lernen kann Muster in umfangreichen Lernprozessdaten erkennen. Mögliche Anwendungen sind die Vorhersage von Unterstützungsbedarf, die Erkennung typischer Fehlermuster oder die Auswahl passender Aufgaben. Solche Vorhersagen beruhen auf historischen Daten. Sie können bestehende Ungleichheiten reproduzieren und müssen deshalb auf Validität, Fairness, Generalisierbarkeit und unerwünschte Nebenwirkungen geprüft werden.

Generative KI als adaptive Komponente

Generative künstliche Intelligenz kann Erklärungen, Beispiele, Dialoge, Fragen oder Feedback in natürlicher Sprache erzeugen. Dadurch entstehen flexible Interaktionsmöglichkeiten. Gleichzeitig können Ausgaben sachlich falsch, unpassend, verzerrt oder nur scheinbar überzeugend sein. Generative Systeme benötigen daher besonders klare fachliche Grenzen, Quellenkontrolle, Qualitätsprüfung und menschliche Aufsicht.

Learning Analytics und pädagogische Diagnose

Was Learning Analytics leisten kann

Learning Analytics bezeichnet die Erhebung, Analyse und Darstellung von Daten über Lernende und Lernkontexte mit dem Ziel, Lernen zu verstehen und zu unterstützen. Dashboards können beispielsweise zeigen, welche Kompetenzen häufig Schwierigkeiten bereiten, welche Aufgaben besonders oft abgebrochen werden oder wie sich Lernwege unterscheiden.

Daten sind jedoch keine unmittelbare Abbildung des Lernens. Eine lange Bearbeitungszeit kann auf gründliches Nachdenken, Ablenkung, technische Probleme oder Verständnisschwierigkeiten hinweisen. Pädagogische Interpretation erfordert Kontextwissen, Gespräche und mehrere Informationsquellen.

Daten als Spuren, nicht als Wahrheit

Typische digitale Spuren sind:

Leistungsdaten: Antworten, Punkte, Kompetenzschätzungen und Revisionen.
Prozessdaten: Bearbeitungsdauer, Reihenfolge, Abbrüche und Nutzung von Hilfen.
Interaktionsdaten: Beiträge, Rückfragen, Klickpfade oder Dialoge.
Selbstauskunft: Ziele, Sicherheitseinschätzungen, Belastung oder Interessen.
Kontextdaten: Kurs, Gerät, Lernzeit oder institutionelle Rahmenbedingungen.

Jede Spur ist selektiv. Was ein System nicht erfasst, kann trotzdem pädagogisch entscheidend sein. Dazu gehören etwa Sorge, Neugier, familiäre Belastung, Gruppendynamik oder eine originelle Problemlösung außerhalb der vorgesehenen Oberfläche.

Gütekriterien diagnostischer Daten

Validität: Misst oder erschließt das Verfahren tatsächlich das relevante Merkmal?
Reliabilität: Sind die Ergebnisse hinreichend zuverlässig?
Objektivität: Wie stark hängen Ergebnisse von zufälligen oder sachfremden Bedingungen ab?
Fairness: Funktioniert die Messung für unterschiedliche Gruppen vergleichbar?
Nützlichkeit: Führt die Information zu einer lernförderlichen Handlung?
Transparenz: Können Betroffene die Interpretation verstehen und anfechten?
Verhältnismäßigkeit: Steht der Dateneingriff in einem angemessenen Verhältnis zum Bildungszweck?

Didaktische Gestaltung

Lernziele als Ausgangspunkt

Adaptivität darf nicht mit bloßer Aktivität verwechselt werden. Bevor Daten erhoben oder Algorithmen ausgewählt werden, müssen Lernziele geklärt werden. Ein System für begriffliches Verstehen benötigt andere Aufgaben und Rückmeldungen als ein System für automatisierte Routinen, argumentatives Schreiben oder kooperatives Problemlösen.

Lernziele sollten beobachtbare Leistungen, fachliche Qualität und angestrebten Transfer beschreiben. Erst danach lässt sich entscheiden, welche Anpassung sinnvoll ist.

Formatives Feedback

Lernförderliches Feedback beantwortet drei Fragen:

Wohin? Welches Ziel oder Qualitätskriterium ist relevant?
Wo stehe ich? Was gelingt bereits, und worin besteht die konkrete Differenz?
Wie weiter? Welcher nächste Schritt ist fachlich und strategisch sinnvoll?

Adaptive Systeme sollten nicht nur „richtig“ oder „falsch“ anzeigen. Sie können Fehlvorstellungen benennen, Hinweise stufen, Vergleichsbeispiele anbieten, Selbstkorrektur anregen und eine erneute Anwendung ermöglichen. Zu frühe vollständige Lösungen können produktives Denken verhindern.

Scaffolding und Fading

Scaffolding bezeichnet vorübergehende Unterstützung. Beispiele sind Leitfragen, Teilziele, Satzanfänge, visualisierte Lösungswege oder modellierte Denkprozesse. Beim Fading wird die Unterstützung schrittweise reduziert. Ein adaptives System sollte deshalb nicht nur mehr Hilfe anbieten können, sondern auch erkennen, wann Lernende Verantwortung übernehmen können.

Selbstregulation statt Abhängigkeit

Ein schlecht gestaltetes System nimmt Lernenden jede Entscheidung ab. Ein pädagogisch hochwertiges System stärkt dagegen Metakognition und Selbstregulation. Es kann:

Lernziele sichtbar machen.
Begründungen für Empfehlungen anzeigen.
Selbsteinschätzungen mit Leistungsdaten vergleichen.
Wahlmöglichkeiten zwischen Lernwegen anbieten.
Reflexionsfragen stellen.
Lernende zur Planung der nächsten Schritte anregen.
Datenkorrekturen und Widerspruch ermöglichen.

Soziales Lernen erhalten

Lernen ist nicht nur individuelle Informationsverarbeitung. Es umfasst Sprache, Beziehung, Anerkennung, Kooperation und Aushandlung. Adaptive Systeme sollten deshalb mit kooperativen Lernformen, Diskussionen, Peer-Feedback, Beratung und gemeinsamer Reflexion verbunden werden.

Auch spielerische Elemente können Motivation unterstützen. Punkte, Ranglisten oder Belohnungen sind jedoch kein Ersatz für bedeutsame Aufgaben, Autonomie, Kompetenzentwicklung und soziale Zugehörigkeit.

Barrierefreiheit und Inklusion

Adaptivität kann Barrieren reduzieren, etwa durch alternative Darstellungen, zusätzliche Zeit, Vorlesefunktionen, sprachliche Hilfen oder anpassbare Eingabeformen. Sie kann aber auch neue Barrieren schaffen, wenn Oberflächen unzugänglich sind, Assistenztechnologien nicht unterstützt werden oder diagnostische Modelle neurodivergente Lernwege als Defizite interpretieren.

Für Inklusive Pädagogik gilt: Nicht die Person soll an ein starres System angepasst werden, sondern die Lernumgebung muss vielfältige Teilhabe ermöglichen.

Empirische Befunde

Was Metaanalysen zeigen

Metaanalysen zu intelligenten tutoriellen Systemen berichten im Durchschnitt positive Effekte gegenüber konventionellen Vergleichsbedingungen. Eine viel zitierte Metaanalyse von Kulik und Fletcher untersuchte 50 kontrollierte Evaluationen und berichtete einen medianen Effekt von 0,66 Standardabweichungen.^[1] Eine weitere Metaanalyse von Ma, Adesope, Nesbit und Liu wertete 107 Effektstärken mit insgesamt 14.321 Teilnehmenden aus und fand ebenfalls Vorteile intelligenter Tutorien gegenüber mehreren Vergleichsformen.^[2]

Diese Befunde rechtfertigen keine Aussage, dass jedes adaptive System wirksam ist. Die Effekte unterscheiden sich nach Fach, Zielgruppe, Qualität der Inhalte, Vergleichsbedingung, Dauer, Art des Feedbacks und Einbettung in den Unterricht. Lokale Tests können zudem stärker auf das System zugeschnitten sein als unabhängige Transfermaße.

Bedingungen erfolgreicher Nutzung

Forschung und Praxisberichte verweisen regelmäßig auf mehrere Bedingungen:

Fachlich hochwertige und curriculare passende Inhalte.
Präzise Lernziele und valide Aufgaben.
Verständliches, handlungsorientiertes Feedback.
Genügend Lernzeit und Gelegenheit zur Anwendung.
Professionelle Einführung und Unterstützung der Lehrpersonen.
Technische Zuverlässigkeit und barrierearme Bedienung.
Verbindung von Systemdaten mit pädagogischem Kontextwissen.
Beteiligung von Lernenden und Lehrenden an Gestaltung und Evaluation.
Prüfung von Nebenwirkungen und Verteilungsfolgen.

Eine Übersichtsarbeit zu Perspektiven von Lehrpersonen zeigt, dass Akzeptanz nicht nur von wahrgenommenem Nutzen, sondern auch von Aufwand, Kompetenzen, institutioneller Unterstützung und der Passung zur eigenen Lehre abhängt.^[3]

Grenzen der Evidenz

Publikationsbias: Erfolgreiche Projekte werden eher veröffentlicht als gescheiterte.
Neuheitseffekt: Motivation kann vorübergehend steigen, weil ein System neu ist.
Implementationsvariation: Dasselbe Produkt kann in verschiedenen Kursen sehr unterschiedlich eingesetzt werden.
Messproblem: Kurze Wissenstests erfassen nicht automatisch Transfer, Kreativität oder langfristiges Verständnis.
Selektionsproblem: Freiwillige Nutzende unterscheiden sich möglicherweise von Nichtnutzenden.
Black Box: Proprietäre Systeme legen Daten, Modelle oder Änderungen oft nicht vollständig offen.
Kontextabhängigkeit: Ergebnisse aus einem Fach oder Bildungssystem sind nicht ohne Weiteres übertragbar.

Chancen und pädagogische Potenziale

Mögliche Vorteile

Unmittelbares Feedback: Lernende erhalten zeitnahe Hinweise und können Fehler direkt bearbeiten.
Passende Herausforderung: Aufgaben können zwischen Überforderung und Unterforderung ausbalanciert werden.
Diagnostische Unterstützung: Lehrpersonen erkennen Muster, die in großen Lerngruppen schwer sichtbar wären.
Flexible Lernzeiten: Wiederholungen und Vertiefungen können bedarfsgerecht erfolgen.
Barriereabbau: Darstellungen und Hilfen können an unterschiedliche Zugangsbedürfnisse angepasst werden.
Skalierung: Bestimmte Rückmeldungen und Übungsformen können vielen Lernenden gleichzeitig zugänglich werden.
Reflexion: Visualisierte Lernverläufe können Selbstbeobachtung und Beratung unterstützen.
Frühe Unterstützung: Auffällige Schwierigkeiten können rechtzeitig sichtbar werden, sofern Warnungen verantwortungsvoll interpretiert werden.

Die OECD beschreibt adaptive KI-Werkzeuge als mögliche Unterstützung für die Beobachtung von Lernfortschritten und für stärker personalisierte Lernangebote, betont zugleich aber die notwendige Aufsicht durch Lehrpersonen.^[4]

Risiken, Ethik und Recht

Datenschutz und informationelle Selbstbestimmung

Adaptive Systeme verarbeiten häufig personenbezogene Daten. Im europäischen Kontext sind insbesondere die Datenschutz-Grundverordnung, nationale Bildungsregelungen und institutionelle Datenschutzvorgaben zu beachten. Pädagogisch relevante Prinzipien sind:

Zweckbindung: Daten werden nur für klar bestimmte Bildungszwecke genutzt.
Datenminimierung: Es werden nicht mehr Daten erhoben als erforderlich.
Speicherbegrenzung: Löschfristen sind festgelegt.
Datensicherheit: Zugriffe, Übertragung und Speicherung werden geschützt.
Transparenz: Lernende erfahren, welche Daten zu welchem Zweck verarbeitet werden.
Betroffenenrechte: Auskunft, Berichtigung, Löschung und Widerspruch werden ermöglicht, soweit rechtlich vorgesehen.
Schutz Minderjähriger: Abhängigkeiten und besondere Schutzbedarfe werden berücksichtigt.

Bias und Diskriminierung

Bias kann durch unausgewogene Trainingsdaten, ungeeignete Zielvariablen, fehlerhafte Annahmen oder ungleiche Nutzungsbedingungen entstehen. Ein System könnte beispielsweise geringere Aktivität vorschnell als mangelnde Motivation interpretieren, obwohl technische Zugangsprobleme oder Betreuungspflichten vorliegen.

Fairnessprüfung umfasst deshalb:

Vergleich der Fehlerquoten zwischen relevanten Gruppen.
Qualitative Prüfung auffälliger Fälle.
Analyse von Zugangs- und Nutzungsbedingungen.
Beteiligung betroffener Lernender.
Dokumentation von Grenzen und Unsicherheiten.
Möglichkeit menschlicher Korrektur und Beschwerde.

Transparenz und Erklärbarkeit

Lernende müssen nicht jeden mathematischen Parameter verstehen. Sie sollten aber nachvollziehen können:

Welche Daten berücksichtigt werden.
Warum eine Aufgabe oder Empfehlung erscheint.
Wie sicher eine Diagnose ist.
Welche Alternativen bestehen.
Wer Entscheidungen kontrolliert.
Wie Fehler gemeldet und korrigiert werden können.

Eine pädagogische Erklärung könnte lauten: „Du erhältst diese Übung, weil Du bei zwei Aufgaben den Mittelwert und den Median verwechselt hast. Du kannst die Übung bearbeiten, ein Erklärvideo wählen oder die Empfehlung überspringen.“

Autonomie und Überanpassung

Ein System kann Lernwege so stark optimieren, dass Überraschung, Umwege und selbstbestimmte Erkundung verschwinden. Bildung umfasst jedoch mehr als effiziente Zielerreichung. Sie schließt Mündigkeit, Urteilskraft, Kritik, Kreativität und die Auseinandersetzung mit Unbekanntem ein.

Deshalb sollten adaptive Systeme Wahlmöglichkeiten, offene Aufgaben und begründbare Abweichungen zulassen. Empfehlungen dürfen nicht zu unsichtbaren Befehlen werden.

Menschliche Aufsicht

UNESCO betont Menschenrechte, Würde, Fairness, Transparenz und menschliche Aufsicht als Leitprinzipien verantwortlicher KI.^[5] Für Bildung bedeutet dies: Kritische Entscheidungen über Zugang, Bewertung, Förderung oder Ausschluss dürfen nicht unreflektiert an ein System delegiert werden.

Der EU AI Act ordnet bestimmte KI-Anwendungen im Bildungsbereich als Hochrisikoanwendungen ein, etwa wenn sie den Zugang zu Bildung oder wesentliche Bewertungsentscheidungen beeinflussen. Die konkrete rechtliche Einordnung hängt vom Einsatzzweck ab und muss institutionell geprüft werden.^[6]

Zukunftsbilder kritisch lesen

Die Abbildung ist eine KI-generierte Zukunftsdarstellung und kein empirischer Beleg. Analysiere sie kritisch: Welche Rollen erhalten Lehrperson, Lernende und Technik? Welche Annahmen über Fortschritt, Kontrolle und Normalität werden sichtbar? Welche Formen von Bildung fehlen?

Die Rolle der Lehrperson

Vom Wissensvermittler zur professionellen Orchestrierung

Adaptive Systeme verändern Aufgaben von Lehrpersonen, ersetzen aber nicht die pädagogische Profession. Lehrpersonen:

Formulieren und gewichten Lernziele.
Gestalten fachlich sinnvolle Aufgaben.
Interpretieren Systemdaten im Kontext.
Führen diagnostische Gespräche.
Moderieren Kooperation und Konflikte.
Erkennen emotionale und soziale Bedürfnisse.
Prüfen algorithmische Empfehlungen.
Entscheiden über Ausnahmen und Alternativen.
Schützen Rechte und Würde der Lernenden.
Evaluieren Wirkungen und Nebenwirkungen.

Die professionelle Aufgabe kann als Orchestrierung verstanden werden: Digitale, individuelle, kooperative und lehrpersonengeleitete Phasen werden zielgerichtet verbunden.

Datenkompetenz als Teil pädagogischer Professionalität

Datenkompetenz bedeutet nicht nur, Diagramme lesen zu können. Lehrpersonen müssen Fragen stellen wie:

Woher stammen die Daten?
Welche Lernhandlung wird überhaupt sichtbar?
Welche Annahmen enthält die Kennzahl?
Welche Unsicherheit besteht?
Welche Gruppen könnten systematisch benachteiligt werden?
Welche pädagogische Handlung folgt daraus?
Welche zusätzliche Information wird benötigt?
Was sollte trotz technischer Möglichkeit nicht gemessen werden?

Einsatzfelder

Schule

In Schulen werden adaptive Systeme häufig für Mathematik, Lesen, Sprachen oder naturwissenschaftliche Grundlagen eingesetzt. Sie können Übungsphasen differenzieren und Lehrpersonen Hinweise auf Fehlermuster geben. Der Einsatz muss mit gemeinsamer Erarbeitung, Gespräch, Experiment, kreativem Ausdruck und sozialem Lernen verbunden bleiben.

Hochschule

In Hochschulen können adaptive Vorkurse, Selbsttests, Tutorien und Lernpfade heterogene Eingangsvoraussetzungen berücksichtigen. Besonders wichtig sind Transparenz, Freiwilligkeit, Barrierefreiheit und die Trennung von unterstützender Diagnostik und sanktionierender Leistungsbewertung.

Berufliche Bildung und Weiterbildung

In der beruflichen Bildung können adaptive Systeme theoretische Grundlagen, Simulationen, Sicherheitswissen und betriebliche Fallentscheidungen unterstützen. Authentische Handlungssituationen und praktische Kompetenz dürfen nicht auf automatisierte Quizleistungen reduziert werden.

Sonderpädagogik und inklusive Bildung

Adaptive Funktionen können alternative Zugänge, kleinschrittige Hilfen und individualisierte Wiederholungen ermöglichen. Gleichzeitig ist besondere Vorsicht vor Defizitmodellen, Etikettierung und dauerhafter Unterforderung geboten. Förderentscheidungen benötigen multiprofessionelle und dialogische Verfahren.

Planung und Einführung

Acht Schritte für einen pädagogisch verantwortlichen Einsatz

Bedarfsanalyse: Beschreibe das konkrete Lernproblem, bevor ein Produkt ausgewählt wird.
Lernzielanalyse: Kläre, welche Kompetenzen und Transferleistungen erreicht werden sollen.
Stakeholder-Beteiligung: Beziehe Lernende, Lehrende, Datenschutz, Barrierefreiheit und Fachverantwortliche ein.
Didaktisches Design: Definiere, welche Daten zu welcher Anpassung führen und warum diese lernförderlich sein soll.
Risikoprüfung: Untersuche Datenschutz, Bias, Überwachung, Abhängigkeit, Fehlentscheidungen und Zugangshürden.
Pilotierung: Erprobe das System in begrenztem Umfang mit Unterstützung und alternativen Lernwegen.
Evaluation: Prüfe Lernwirkungen, Nutzung, Fairness, Arbeitsbelastung und unbeabsichtigte Folgen.
Iteration: Überarbeite Regeln, Inhalte und Prozesse; beende den Einsatz, wenn der pädagogische Nutzen nicht belegt werden kann.

Pädagogischer Entscheidungsbaum

Frage	Wenn ja	Wenn nein
Ist das Lernziel klar und überprüfbar?	Prüfe die Passung der adaptiven Funktion.	Lernziel und Qualitätskriterien zuerst klären.
Ist die erhobene Information valide und erforderlich?	Definiere eine begründete Anpassungsregel.	Datenerhebung reduzieren oder ersetzen.
Können Lernende die Empfehlung verstehen und beeinflussen?	Erprobe die Interaktion.	Transparenz und Wahlmöglichkeiten ergänzen.
Gibt es eine menschliche Korrekturmöglichkeit?	Verantwortlichkeiten dokumentieren.	Keine folgenreiche Automatisierung einsetzen.
Werden Wirkungen und Nebenwirkungen evaluiert?	Ergebnisse für Verbesserungen nutzen.	Evaluationsplan vor dem Einsatz erstellen.

Fallbeispiel: Adaptiver Vorkurs Statistik

Eine Hochschule plant einen digitalen Vorkurs für Studierende der Pädagogik. Ziel ist nicht die Selektion, sondern die Vorbereitung auf empirische Forschungsmethoden.

Ausgangslage

Die Studierenden verfügen über sehr unterschiedliche mathematische Vorkenntnisse. Einige benötigen Grundlagen zu Brüchen und Prozenten, andere können bereits deskriptive Statistiken berechnen, haben aber Schwierigkeiten mit deren Interpretation.

Didaktisches Konzept

Element	Umsetzung	Pädagogische Begründung
Eingangserhebung	Kurzer Selbsttest mit Sicherheitseinschätzung	Leistung und metakognitive Einschätzung werden getrennt betrachtet.
Lernendenmodell	Kompetenzwahrscheinlichkeiten für wenige klar definierte Grundlagen	Das Modell bleibt zweckgebunden und überschaubar.
Anpassung	Empfehlungen für Wiederholung, Standardweg oder Vertiefung	Lernende können Empfehlungen annehmen, wechseln oder überspringen.
Feedback	Fehlerspezifische Hinweise, Beispiele und Selbstkorrektur	Die Lösung wird nicht sofort vollständig präsentiert.
Soziales Lernen	Wöchentliche Tutorien und Peer-Erklärungen	Begriffsverständnis wird sprachlich und kooperativ vertieft.
Datenschutz	Keine Weitergabe individueller Diagnosen an Prüfende	Unterstützende Diagnostik wird von summativer Bewertung getrennt.
Evaluation	Vorher-Nachher-Aufgaben, Transferaufgabe, Interviews und Gruppenvergleich	Wirkung, Nutzung, Fairness und subjektive Erfahrung werden gemeinsam geprüft.

Kritische Fragen zum Fall

Welche Kompetenzen dürfen automatisiert geschätzt werden?
Wie wird verhindert, dass schwächere Lernende nur einfache Aufgaben erhalten?
Wann sollte eine Tutorin eingreifen?
Wie werden falsche Empfehlungen korrigiert?
Welche Daten müssen nach Kursende gelöscht werden?
Wie wird geprüft, ob Studierende mit Behinderung gleichberechtigt teilnehmen können?
Welche Lernziele lassen sich nicht sinnvoll automatisiert erfassen?

Evaluation adaptiver Lernsysteme

Mehrdimensionale Qualitätsprüfung

Eine Evaluation sollte nicht nur fragen, ob Lernende mehr Punkte erreichen. Sie sollte mehrere Dimensionen verbinden.

Dimension	Leitfragen	Mögliche Methoden
Lernwirksamkeit	Verbessern sich Verständnis, Anwendung und Transfer?	Vorher-Nachher-Test, Transferaufgabe, verzögerter Test
Prozessqualität	Welche Lernwege, Hilfen und Abbrüche treten auf?	Prozessdaten, Beobachtung, Think-Aloud
Fairness	Profitieren Gruppen vergleichbar? Entstehen systematische Fehler?	Subgruppenanalysen, Differential Item Functioning, Fallanalysen
Nutzbarkeit	Ist das System verständlich, zugänglich und zuverlässig?	Usability-Test, Barrierefreiheitsprüfung, Interviews
Autonomie	Verstehen und beeinflussen Lernende Empfehlungen?	Befragung, Beobachtung, Analyse von Wahlentscheidungen
Professionelle Passung	Unterstützt oder belastet das System Lehrpersonen?	Arbeitszeitanalyse, Fokusgruppen, Unterrichtsbeobachtung
Datenschutz und Ethik	Sind Datenverarbeitung, Transparenz und Aufsicht angemessen?	Datenschutz-Folgenabschätzung, Dokumentenprüfung, Ethikreview
Nachhaltigkeit	Ist der langfristige Betrieb organisatorisch und ökologisch vertretbar?	Kostenanalyse, Wartungsplan, Ressourcenbilanz

Forschungsdesigns

Randomisierte kontrollierte Studie: Gruppen werden zufällig verschiedenen Bedingungen zugeordnet.
Quasi-Experiment: Bestehende Gruppen werden mit statistischer Kontrolle verglichen.
Design-Based Research: Entwicklung und Theorieprüfung erfolgen iterativ in realen Bildungskontexten.
Mixed-Methods-Forschung: Quantitative Lernmaße werden mit qualitativen Erfahrungen und Prozessanalysen verbunden.
A-B-Test: Zwei Varianten einer Funktion werden verglichen; ethische und pädagogische Grenzen sind zu beachten.
Fallstudie: Ein Einsatz wird detailliert in seinem Kontext untersucht.
Partizipative Evaluation: Lernende und Lehrende wirken an Fragen, Kriterien und Interpretation mit.

Qualitätskriterien für die Praxis

Checkliste

Prüffeld	Qualitätsfrage
Lernziel	Ist nachvollziehbar, welches Lernen unterstützt werden soll?
Diagnose	Sind die verwendeten Daten valide, notwendig und interpretierbar?
Anpassung	Ist begründet, warum die Reaktion lernförderlich sein soll?
Feedback	Regt es Denken, Selbstkorrektur und Transfer an?
Wahlfreiheit	Können Lernende Empfehlungen verstehen, ablehnen oder verändern?
Fairness	Werden Unterschiede in Zugang, Fehlerquoten und Wirkung geprüft?
Barrierefreiheit	Ist die Nutzung mit unterschiedlichen Geräten und Assistenztechnologien möglich?
Datenschutz	Sind Zweck, Rechtsgrundlage, Zugriff und Löschung geklärt?
Transparenz	Werden Unsicherheiten und Grenzen sichtbar gemacht?
Menschliche Aufsicht	Kann eine qualifizierte Person Entscheidungen prüfen und korrigieren?
Soziales Lernen	Bleiben Kooperation, Dialog und pädagogische Beziehung erhalten?
Evaluation	Werden Wirkung, Nebenwirkung und Arbeitsaufwand fortlaufend untersucht?

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was kennzeichnet ein adaptives Lernsystem im pädagogischen Sinn? (Es passt Lernangebote auf Grundlage diagnostischer Informationen fortlaufend an) (!Es zeigt allen Lernenden stets dieselben Aufgaben) (!Es ersetzt jede Form menschlicher Beratung) (!Es bewertet ausschließlich die Bearbeitungszeit)

Welche Komponente beschreibt fachliche Inhalte und ihre Beziehungen? (Domänenmodell) (!Lernendenmodell) (!Benutzerkonto) (!Datenschutzfolge)

Wie sollte ein Lernendenmodell verstanden werden? (Als vorläufige und zweckgebundene Hypothese) (!Als vollständige Beschreibung der Persönlichkeit) (!Als unveränderliche Diagnose) (!Als objektive Wahrheit ohne Unsicherheit)

Welches Prinzip beschreibt vorübergehende Unterstützung mit späterem Abbau? (Scaffolding und Fading) (!Selektion und Sanktion) (!Speicherung und Profiling) (!Rangliste und Belohnung)

Was ist eine zentrale Grenze von Learning Analytics? (Digitale Spuren benötigen pädagogische Interpretation) (!Jede lange Bearbeitungszeit beweist mangelndes Wissen) (!Klickdaten zeigen alle emotionalen Lernprozesse) (!Dashboards ersetzen diagnostische Gespräche)

Welche Aussage zu adaptivem Testen ist richtig? (Aufgaben werden abhängig vom geschätzten Fähigkeitsstand ausgewählt) (!Alle Personen erhalten dieselbe feste Aufgabenfolge) (!Es werden nur besonders leichte Aufgaben verwendet) (!Die Ergebnisse benötigen keine Güteprüfung)

Welche Gestaltung stärkt die Autonomie der Lernenden? (Empfehlungen erklären und veränderbare Alternativen anbieten) (!Lernpfade vollständig verbergen) (!Widerspruchsmöglichkeiten ausschließen) (!Alle Entscheidungen dauerhaft automatisieren)

Was gehört zu einer fairen Evaluation? (Wirkungen und Fehlerquoten für unterschiedliche Gruppen prüfen) (!Nur den Gesamtdurchschnitt betrachten) (!Nur erfolgreiche Nutzende befragen) (!Technische Genauigkeit mit Bildungsgerechtigkeit gleichsetzen)

Welche Aufgabe bleibt zentral bei der Lehrperson? (Systemdaten kontextbezogen prüfen und pädagogisch einordnen) (!Alle Empfehlungen ungeprüft übernehmen) (!Nur technische Störungen melden) (!Die Verantwortung an den Anbieter übertragen)

Welche Aussage zur Wirksamkeit adaptiver Systeme ist wissenschaftlich angemessen? (Durchschnittlich positive Befunde hängen von System, Kontext und Umsetzung ab) (!Jedes adaptive System ist automatisch wirksam) (!Technische Komplexität garantiert Lernerfolg) (!Ein positiver Kurzzeittest beweist langfristigen Transfer)

Memory

Domänenmodell	Struktur des zu lernenden Fachwissens
Lernendenmodell	Vorläufige Schätzung des Lernstands
Scaffolding	Zeitweilige Unterstützung
Fading	Schrittweiser Abbau von Hilfen
Learning Analytics	Analyse von Daten zur Unterstützung des Lernens
Datenminimierung	Beschränkung auf erforderliche Daten
Adaptives Testen	Leistungsabhängige Auswahl von Aufgaben
Menschliche Aufsicht	Prüfung und Korrektur automatisierter Empfehlungen

Drag and Drop

Ordne die richtigen Begriffe zu.	Funktion im adaptiven Lernsystem
Beobachten	Lernhandlungen und Ergebnisse erfassen
Diagnostizieren	Eine begründete Hypothese zum Lernstand bilden
Entscheiden	Eine passende didaktische Reaktion auswählen
Handeln	Aufgabe, Hinweis oder Feedback bereitstellen
Überprüfen	Wirkung der Unterstützung anhand neuer Lernhandlungen prüfen
Revidieren	Frühere Annahmen bei neuen Informationen verändern

Kreuzworträtsel

Diagnose	Wie heißt die begründete Einschätzung eines Lernstands?
Feedback	Wie heißt eine lernbezogene Rückmeldung?
Scaffolding	Wie heißt die vorübergehende Unterstützung beim Lernen?
Fairness	Wie heißt das Prinzip gerechter und nichtdiskriminierender Verfahren?
Autonomie	Wie heißt die Fähigkeit zu selbstbestimmten Entscheidungen?
Transfer	Wie heißt die Anwendung von Wissen auf neue Situationen?

LearningApps

Lückentext

Ein adaptives Lernsystem nutzt diagnostische Informationen, um Lernangebote

. Das Modell der fachlichen Inhalte wird als

bezeichnet. Annahmen über den aktuellen Lernstand werden im

repräsentiert. Eine vorübergehende Lernhilfe heißt

. Beim schrittweisen Abbau dieser Hilfe spricht man von

. Digitale Lernspuren benötigen immer eine pädagogische

. Die Beschränkung auf notwendige personenbezogene Informationen heißt

. Folgenreiche Systementscheidungen benötigen eine wirksame menschliche

.

Offene Aufgaben

Leicht

Begriffslandkarte: Erstelle eine Concept-Map zu Adaptivität, Differenzierung, Individualisierung und Personalisierung. Markiere Gemeinsamkeiten und Unterschiede.
Alltagsanalyse: Suche in einer Dir bekannten Lernplattform nach drei adaptiven Funktionen. Beschreibe jeweils, welche Daten vermutlich zu welcher Reaktion führen.
Feedbackvergleich: Formuliere zu derselben fehlerhaften Antwort drei Rückmeldungen: eine rein bewertende, eine erklärende und eine zur Selbstkorrektur anregende Rückmeldung.
Medienkritik: Analysiere die Abbildung „Classroom of the future“. Notiere fünf sichtbare Annahmen über Lernen, Lehrpersonen und Technik.

Standard

Adaptationsregel: Entwickle für ein pädagogisches Thema fünf transparente Wenn-Dann-Regeln. Begründe jede Regel lerntheoretisch.
Dashboardkritik: Entwirf ein Lern-Dashboard und kennzeichne, welche Anzeigen valide Informationen, unsichere Hinweise oder problematische Vereinfachungen darstellen.
Unterrichtsentwurf: Plane eine 90-minütige Lehrveranstaltung, in der eine adaptive Übungsphase mit kooperativem Lernen, Beratung und Reflexion verbunden wird.
Perspektiveninterview: Führe ein Interview mit einer Lehrperson oder einem Lernenden über Erfahrungen mit digitalen Lernempfehlungen. Werte Chancen, Belastungen und Wünsche aus.

Schwer

Evaluationsdesign: Entwirf eine Mixed-Methods-Studie zur Wirkung eines adaptiven Systems. Definiere Forschungsfrage, Vergleichsbedingung, Lernmaße, Fairnesskriterien und qualitative Erhebung.
Algorithmische Fairness: Entwickle ein Fallbeispiel, in dem ein Prognosemodell eine Gruppe systematisch benachteiligt. Schlage technische, didaktische und organisatorische Gegenmaßnahmen vor.
Ethikgutachten: Verfasse ein begründetes Gutachten zur Frage, ob ein adaptives System für eine folgenreiche Hochschulprüfung eingesetzt werden sollte.
Prototypentwicklung: Erstelle einen Papier- oder Klickprototyp für ein adaptives Lernmodul. Dokumentiere Lernziel, Lernendenmodell, Adaptationslogik, Transparenzanzeige, Wahlmöglichkeiten und menschliche Aufsicht.

Lernkontrolle

Fallanalyse Lernendenmodell: Ein System stuft eine Studentin wegen geringer Aktivität als „gefährdet“ ein. Analysiere mindestens vier alternative Erklärungen, benenne benötigte Zusatzinformationen und formuliere eine verantwortliche pädagogische Reaktion.
Didaktischer Vergleich: Vergleiche ein starres Übungsprogramm mit einem adaptiven Tutorium. Beurteile beide anhand von Lernzielpassung, Feedback, Selbstregulation, sozialem Lernen und Fairness.
Transferaufgabe Einführung: Eine Hochschule möchte ein kommerzielles adaptives System beschaffen. Entwickle einen Entscheidungsprozess, der Pädagogik, Datenschutz, Barrierefreiheit, Studierendenbeteiligung und Evaluation verbindet.
Wirksamkeitsinterpretation: Eine Studie berichtet einen positiven Effekt auf einen unmittelbar nach dem Kurs durchgeführten Test. Erkläre, welche zusätzlichen Informationen nötig sind, bevor eine Einführung empfohlen werden kann.
Konfliktanalyse: Ein System empfiehlt einem Lernenden dauerhaft Grundlagenaufgaben, während dieser eine anspruchsvolle Projektidee verfolgen möchte. Entwickle eine Lösung, die Unterstützung, Herausforderung und Autonomie ausbalanciert.
Evaluationsmatrix: Erstelle eine Matrix mit mindestens sechs Qualitätsdimensionen und jeweils einem quantitativen sowie einem qualitativen Indikator.
Professionelle Verantwortung: Begründe, welche Entscheidungen automatisiert vorbereitet, welche gemeinsam getroffen und welche nicht an ein System delegiert werden sollten.

Lernnachweis

Für einen qualifizierten Lernnachweis zu Adaptive Lernsysteme - Pädagogik sind folgende Leistungen wichtig:

Du definierst zentrale Begriffe präzise und grenzt sie voneinander ab.
Du erklärst Domänenmodell, Lernendenmodell, pädagogisches Modell, Interaktionsmodell und Governance.
Du analysierst mindestens ein Adaptationsverfahren fachlich und didaktisch.
Du entwickelst eine nachvollziehbare Verbindung zwischen Diagnose, Anpassung und Lernziel.
Du bewertest empirische Befunde differenziert und beachtest Kontext sowie Messgrenzen.
Du prüfst Datenschutz, Fairness, Transparenz, Barrierefreiheit, Autonomie und menschliche Aufsicht.
Du entwirfst ein realistisches Einsatz- oder Evaluationskonzept.
Du begründest die Rolle der Lehrperson und die Bedeutung sozialer Lernprozesse.
Du dokumentierst Quellen, Annahmen, Unsicherheiten und mögliche Nebenwirkungen.
Du reflektierst, wie das System zur Mündigkeit der Lernenden beitragen kann, statt sie zu beschränken.

Als Lernprodukt eignet sich ein Portfolio aus Systemanalyse, didaktischem Entwurf, Ethikprüfung und Evaluationsplan. Der Nachweis soll nicht nur Fakten wiedergeben, sondern begründete Entscheidungen und Transferleistungen sichtbar machen.

OERs zum Thema

Vertiefende offene Ressourcen und Studien

Einzelnachweise

Verknüpfte Lernbereiche

Adaptive Lernsysteme

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.