Adaptives Lernen mit KI ermöglichen

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.

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 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?“

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.

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

Vier Signale für Anpassungen

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.

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.

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.

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.

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.

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.

Was Schulleitungen steuern sollten

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.

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?

Daten und Datenschutz

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

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 DSGVO, schulrechtliche Vorgaben und die europäische KI-Verordnung geprüft werden. Nicht jede KI-Anwendung ist rechtlich gleich einzustufen.

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.

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.

Ampel für Entscheidungen der Schulleitung

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

Ein schulischer Einführungsplan

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.

Quellen und Vertiefung

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Diesen aiMOOC als Battle spielen

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)

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

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)

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)

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)

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

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)

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

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)

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)

Memory

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

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Lernstand	passender Einstieg
Fortschritt	nächster Lernschritt
Fehlermuster	alternative Erklärung
Interesse	motivierender Kontext
Datenschutz	begrenzte Datennutzung

Kreuzworträtsel

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?

LearningApps

Lückentext

Adaptives Lernen orientiert sich am aktuellen

einer lernenden Person.

Die Veränderung über mehrere Lernphasen wird als

beobachtet.

Wiederkehrende falsche Lösungswege können als

interpretiert werden.

Freiwillig angegebene

können helfen, Aufgaben in passende Kontexte einzubetten.

KI kann die Auswahl von Aufgaben oder Hilfen

.

Die pädagogische Verantwortung bleibt bei

.

Eine Schule sollte nur die für einen klaren Zweck notwendigen

verarbeiten.

Vor einer breiten Einführung empfiehlt sich ein begrenzter

.

Der Erfolg sollte anhand vorher vereinbarter

geprüft werden.

Offene Aufgaben

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.

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.

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.

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.

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.

OERs zum Thema

Verknüpfte Lernbereiche

Adaptives Lernen mit KI ermöglichen

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache