Adaptive Lernsysteme im harten Praxischeck - KI in der Schule

Einleitung

Adaptive Lernsysteme im harten Praxischeck / KI in der Schule ist ein aiMOOC für eine kompakte, praxisnahe Lehrerfortbildung, die Dir hilft, Adaptive Lernsysteme, Künstliche Intelligenz und Lernanalyse im Schulalltag kritisch, didaktisch sinnvoll und verantwortungsvoll einzuschätzen. Im Mittelpunkt steht nicht die Frage, ob KI grundsätzlich „gut“ oder „schlecht“ ist, sondern ob ein konkretes System in einer konkreten Lernsituation einen nachweisbaren Mehrwert für Lernende und Lehrkräfte bietet.

{{#ev:youtube| https://www.youtube.com/watch?v=wprfqcG1bgU |500|center}}

Das Video dient in diesem aiMOOC als Fortbildungsimpuls. Beobachte beim Anschauen besonders drei Dinge: Welche Versprechen machen Adaptive Lernsysteme? Wo zeigen sich Grenzen im echten Unterricht? Welche Rolle bleibt bei der Lehrkraft, wenn digitale Systeme Aufgaben, Rückmeldungen oder Lernpfade anpassen?

Was sind adaptive Lernsysteme?

Adaptive Lernsysteme sind digitale Lernumgebungen, die Lernangebote, Aufgaben, Rückmeldungen oder Lernwege an den aktuellen Stand der Lernenden anpassen. Grundlage dafür können Eingaben der Lernenden, Testergebnisse, Bearbeitungszeiten, Fehlerprofile, Selbsteinschätzungen oder weitere Lerndaten sein. Ein adaptives System versucht also, nicht allen gleichzeitig dasselbe Material zu geben, sondern Lernende passender zu unterstützen.

Das Grundprinzip lautet: Diagnose – Anpassung – Feedback – erneute Diagnose. Zuerst sammelt das System Hinweise auf den Lernstand. Dann wählt es Aufgaben, Hilfen oder Erklärungen aus. Anschließend gibt es Feedback und prüft erneut, ob die Lernenden Fortschritte machen. In guten Unterrichtsszenarien ersetzt dieser Kreislauf nicht die Lehrkraft, sondern ergänzt ihre professionelle Diagnostik.

Datei:Adaptive Learning.webm

Adaptiv ist nicht automatisch intelligent

Nicht jedes System, das sich „adaptiv“ nennt, arbeitet mit echter Künstlicher Intelligenz. Manche Systeme verwenden einfache Regeln, etwa: Wenn eine Aufgabe falsch gelöst wurde, erscheint eine leichtere Aufgabe. Andere Systeme nutzen komplexere Verfahren des Maschinellen Lernens, um Muster in vielen Daten zu erkennen. Für die Schule ist entscheidend, dass Du nicht nur nach dem Etikett fragst, sondern nach der didaktischen Funktion: Was wird angepasst, warum wird es angepasst und wer kann die Anpassung nachvollziehen?

Zentrale Begriffe

Adaptives Lernen: Lernen, bei dem Inhalte, Aufgaben, Tempo oder Hilfen an den aktuellen Lernstand und Bedarf angepasst werden.
Lernanalyse: Auswertung von Lerndaten, um Lernprozesse besser zu verstehen und Entscheidungen im Unterricht zu unterstützen.
Künstliche Intelligenz: Sammelbegriff für technische Systeme, die Aufgaben ausführen, die sonst menschliche Wahrnehmung, Sprache, Mustererkennung, Planung oder Entscheidung erfordern.
Intelligentes Tutorielles System: Lernsystem, das Lernende in einer Art digitaler Tutor-Rolle begleitet, Diagnosen erstellt und passende Rückmeldungen gibt.
Feedback: Rückmeldung zum Lernprozess, die verständlich macht, was bereits gelingt, wo ein Fehler liegt und wie der nächste Lernschritt aussehen kann.
Human in the Loop: Prinzip, nach dem ein Mensch wichtige Entscheidungen überwacht, prüft und verantwortet, statt sie vollständig einem automatisierten System zu überlassen.

Warum ein harter Praxischeck nötig ist

KI in der Schule wird oft mit großen Erwartungen verbunden: mehr Individualisierung, schnellere Rückmeldungen, Entlastung der Lehrkräfte, bessere Diagnostik und motivierendere Lernwege. Ein harter Praxischeck fragt jedoch nicht nach Werbeversprechen, sondern nach der realen Unterrichtswirkung. Ein System ist erst dann sinnvoll, wenn es Lernziele unterstützt, Lernende nicht benachteiligt, transparent genug ist, datenschutzkonform eingesetzt werden kann und die Arbeit der Lehrkraft nicht nur verlagert, sondern tatsächlich verbessert.

Ein Praxischeck ist besonders wichtig, weil adaptive Systeme pädagogische Entscheidungen beeinflussen können. Wenn ein System entscheidet, welche Aufgabe ein Kind bekommt, welche Hilfe angezeigt wird oder ob ein Lernziel als erreicht gilt, wirkt es direkt auf den Lernweg. Deshalb müssen Transparenz, Fairness, Datenschutz, Barrierefreiheit und pädagogische Verantwortung von Anfang an mitgedacht werden.

Nutzenpotenziale

Individualisierung: Lernende erhalten Aufgaben, die besser zu ihrem aktuellen Lernstand passen.
Feedbackkultur: Lernende bekommen schnellere Rückmeldungen und können Fehler zeitnah bearbeiten.
Diagnostik: Lehrkräfte erhalten Hinweise auf typische Fehlermuster, Lernlücken oder Übungsbedarfe.
Selbstreguliertes Lernen: Lernende können ihren Fortschritt beobachten und eigene Lernentscheidungen treffen.
Differenzierung: Heterogene Lerngruppen können mit unterschiedlichen Aufgabenformaten arbeiten.
Inklusion: Barrierearme Gestaltung, Vorlesefunktionen, variable Schwierigkeitsgrade oder alternative Darstellungen können Lernzugänge erweitern.

Risiken und Grenzen

Scheingenauigkeit: Zahlen, Scores oder Fortschrittsbalken wirken objektiver, als sie tatsächlich sind.
Datenqualität: Schlechte oder unvollständige Daten führen zu unpassenden Empfehlungen.
Algorithmische Verzerrung: Systeme können Gruppen benachteiligen, wenn Trainingsdaten, Aufgaben oder Bewertungslogiken unausgewogen sind.
Überwachung: Lernanalyse kann als Kontrolle erlebt werden, wenn Ziele, Daten und Grenzen nicht transparent sind.
Motivation: Anpassung kann motivieren, aber auch zu enger Führung, weniger Exploration oder Abhängigkeit vom System führen.
Professionelle Verantwortung: Lehrkräfte dürfen pädagogische Entscheidungen nicht blind an Systeme auslagern.

Der Praxischeck für adaptive Lernsysteme

Ein harter Praxischeck verbindet Didaktik, Technik, Datenschutz, Schulentwicklung und Evaluation. Die folgende Prüflogik hilft Dir, ein adaptives Lernsystem für Deine Schule oder Deinen Unterricht zu bewerten.

Prüfkriterium	Leitfrage	Warnsignal	Praxisimpuls
Lernzielklarheit	Unterstützt das System ein konkretes fachliches oder überfachliches Lernziel?	Das Tool wird genutzt, weil es neu ist, nicht weil es didaktisch gebraucht wird.	Formuliere vor dem Einsatz ein überprüfbares Lernziel.
Diagnostische Passung	Misst das System tatsächlich das, was für den Lernfortschritt wichtig ist?	Bearbeitungszeit wird mit Kompetenz verwechselt.	Vergleiche Systemdaten mit eigenen Beobachtungen und Schülerprodukten.
Feedbackqualität	Erklärt das System Fehler verständlich und handlungsorientiert?	Es zeigt nur richtig oder falsch an.	Prüfe, ob Feedback den nächsten Lernschritt unterstützt.
Transparenz	Kann die Lehrkraft nachvollziehen, warum Empfehlungen entstehen?	Lernpfade erscheinen als Blackbox.	Verlange erklärbare Kriterien, Protokolle oder Lehrkraftansichten.
Fairness	Werden Lernende unabhängig von Sprache, Geschlecht, Herkunft, Behinderung oder Vorwissen fair unterstützt?	Bestimmte Gruppen landen dauerhaft in leichten Aufgaben.	Kontrolliere Ergebnisse mit Blick auf Benachteiligungen.
Datenschutz	Werden nur notwendige personenbezogene Daten verarbeitet?	Unklare Datenflüsse, externe Server oder fehlende Löschfristen.	Kläre schulische, landesrechtliche und datenschutzrechtliche Vorgaben vor dem Einsatz.
Barrierefreiheit	Können alle Lernenden das System nutzen?	Aufgaben sind nur visuell, sprachlich oder motorisch eng zugänglich.	Prüfe Vorlesefunktion, Tastaturbedienung, Kontraste und alternative Formate.
Entlastung	Spart das System Zeit oder erzeugt es neue Zusatzarbeit?	Lehrkräfte müssen ständig Daten bereinigen, Aufgaben reparieren oder technische Probleme lösen.	Pilotphase mit klarer Zeitbilanz durchführen.
Unterrichtseinbettung	Passt das System zu Sozialformen, Lernphasen und Bewertungskultur?	Lernende arbeiten isoliert ohne Anschlussgespräch.	Plane Reflexion, Austausch und Lehrkraftfeedback fest ein.
Evaluation	Wird der Nutzen überprüft?	Erfolg wird nur an Nutzungsdauer gemessen.	Vergleiche Lernprodukte, Lernzuwachs, Motivation und Lehrkraftaufwand.

KI in der Schule: pädagogische Leitlinien

Für KI in der Schule gilt: Technik darf nicht der Ausgangspunkt sein. Ausgangspunkt sind Bildungsziele, Lernprozesse, Teilhabe, Mündigkeit und Verantwortung. Ein adaptives Lernsystem ist nur sinnvoll, wenn es Lernende stärkt, Lehrkräfte unterstützt und schulische Werte respektiert.

Die Lehrkraft bleibt zentral

Eine Lehrkraft beobachtet nicht nur Ergebnisse, sondern versteht Lernende im sozialen, emotionalen und fachlichen Zusammenhang. Sie erkennt Unsicherheit, Motivation, Missverständnisse, Gruppendynamiken und Lernbiografien. Adaptive Systeme können Hinweise liefern, aber sie kennen nicht automatisch die ganze pädagogische Situation. Deshalb bleibt die Lehrkraft verantwortlich für die Auswahl, Einbettung, Interpretation und Bewertung.

Das Prinzip Human in the Loop bedeutet im Unterricht: Die Maschine schlägt vor, aber die Lehrkraft entscheidet begründet. Das gilt besonders bei Empfehlungen zu Förderbedarf, Leistungsbewertung, Niveauzuweisung oder Lernwegen.

Datenschutz und Verantwortung

Adaptive Lernsysteme verarbeiten häufig personenbezogene Daten. Dazu können Namen, Klassen, Lernstände, Bearbeitungszeiten, Fehlerprofile oder Kommunikationsdaten gehören. In der Schule ist deshalb vor dem Einsatz zu klären, welche Daten verarbeitet werden, auf welcher Rechtsgrundlage dies geschieht, wo Daten gespeichert werden, wer Zugriff erhält, wann Daten gelöscht werden und ob eine datenschutzrechtliche Prüfung nötig ist. Dieser aiMOOC ersetzt keine Rechtsberatung, sondern hilft Dir, die richtigen Fragen zu stellen.

Besonders sensibel wird der Einsatz, wenn Systeme Lernwege steuern, Lernstände bewerten oder Entscheidungen vorbereiten, die Bildungsbiografien beeinflussen. Nach dem EU AI Act können bestimmte KI-Systeme im Bildungsbereich als Hochrisiko-Systeme gelten, etwa wenn sie Lernergebnisse bewerten, Zugänge zu Bildung beeinflussen oder Lernprozesse maßgeblich steuern. Für Schulen bedeutet das: KI-Systeme müssen nicht nur praktisch funktionieren, sondern auch transparent, sicher, fair und beaufsichtigbar sein.

Pädagogische Fairness

Fairness bedeutet im Zusammenhang mit adaptiven Lernsystemen mehr als gleiche Aufgaben für alle. Fair ist ein System, wenn es unterschiedliche Ausgangslagen berücksichtigt, ohne Lernende dauerhaft festzulegen oder zu benachteiligen. Problematisch wäre zum Beispiel, wenn Lernende mit sprachlichen Schwierigkeiten automatisch weniger anspruchsvolle fachliche Aufgaben erhalten, obwohl ihr fachliches Denken höher ist. Ebenso problematisch wäre ein System, das Lernende durch frühe Fehler dauerhaft in niedrige Niveaustufen einsortiert.

Didaktische Einsatzszenarien

Üben und Wiederholen

Adaptive Systeme eignen sich besonders für Übungsphasen, in denen Lernende automatisieren, wiederholen und Fehlermuster bearbeiten. Beispiele sind Mathematik-Grundlagen, Vokabeltraining, Grammatik, Leseflüssigkeit, Fachbegriffe oder Grundwissen in Naturwissenschaften. Der Vorteil liegt in schneller Rückmeldung und passender Aufgabenfolge. Die Grenze liegt dort, wo vertieftes Verstehen, Kreativität, Argumentation oder gemeinsames Problemlösen gefragt sind.

Diagnostik vor einer Unterrichtseinheit

Vor einer neuen Einheit kann ein adaptives System Vorwissen sichtbar machen. Die Lehrkraft kann erkennen, welche Begriffe, Verfahren oder Vorstellungen bereits vorhanden sind. Wichtig ist, dass die Diagnose nicht als endgültiges Urteil verstanden wird, sondern als Gesprächsanlass. Daten müssen interpretiert werden: Ein falsches Ergebnis kann auf fehlendes Wissen, Sprachprobleme, Unaufmerksamkeit, technische Schwierigkeiten oder missverständliche Aufgaben hinweisen.

Individuelle Förderung

Bei der Förderung können adaptive Systeme helfen, passende Übungen bereitzustellen. Lernende arbeiten an unterschiedlichen Aufgaben, während die Lehrkraft gezielt unterstützt. Besonders wirksam wird dies, wenn digitale Übungsphasen mit analogen Gesprächen, Partnerarbeit, Erklärvideos, Lernjournalen oder Mini-Konferenzen verbunden werden.

Lernstandsberichte und Lernberatung

Viele Systeme erzeugen Übersichten über Fortschritte. Diese können für Lernberatung nützlich sein, wenn sie gemeinsam mit den Lernenden besprochen werden. Gute Lernberatung fragt: Was kannst Du schon? Was fällt Dir noch schwer? Welche Strategie hat funktioniert? Was ist Dein nächster Schritt? Eine reine Anzeige von Prozentwerten reicht dafür nicht aus.

Nicht geeignete Einsatzbereiche

Adaptive Systeme sind weniger geeignet, wenn Lernziele offen, kreativ, diskursiv oder ethisch komplex sind. Eine Debatte über Demokratie, eine literarische Interpretation, ein Experiment, eine künstlerische Gestaltung oder ein soziales Projekt lässt sich nicht sinnvoll allein durch automatische Aufgabenfolgen steuern. Hier können KI-Werkzeuge unterstützen, aber nicht die pädagogische Gestaltung ersetzen.

Lehrerfortbildungssnack: Ablauf für 20 Minuten

Dieser Abschnitt ist als kompakter Fortbildungsbaustein für Kollegien, Fachschaften oder pädagogische Tage gedacht.

Phase	Zeit	Ziel	Methode
Impuls	3 Minuten	Gemeinsames Thema öffnen	Videoausschnitt oder Leitfrage: Was verspricht adaptives Lernen?
Beobachtung	4 Minuten	Chancen und Risiken sammeln	Kolleginnen und Kollegen notieren jeweils zwei Nutzenpotenziale und zwei Bedenken.
Praxischeck	6 Minuten	Tool oder Szenario bewerten	Kleingruppen wenden die Prüfkriterien Lernziel, Feedback, Datenschutz und Entlastung an.
Transfer	5 Minuten	Einsatzentscheidung vorbereiten	Jede Gruppe formuliert eine Bedingung, unter der der Einsatz sinnvoll wäre.
Abschluss	2 Minuten	Gemeinsame Konsequenz ziehen	Entscheidung: testen, ablehnen, weiter prüfen oder nur in begrenztem Szenario einsetzen.

Drei Leitfragen für die Fortbildung

Lernziel: Welches konkrete Lernziel wird durch das adaptive System besser erreichbar?
Verantwortung: Welche Entscheidungen bleiben ausdrücklich bei der Lehrkraft?
Evidenz: Woran erkennen wir nach vier Wochen, ob der Einsatz lernwirksam und verantwortbar war?

Unterrichtsentwicklung mit adaptiven Systemen

Vom Tooltest zur Unterrichtsstrategie

Ein häufiger Fehler besteht darin, zuerst ein Tool auszuwählen und danach eine Unterrichtsidee zu suchen. Professioneller ist der umgekehrte Weg: Zuerst wird ein didaktisches Problem beschrieben. Danach wird geprüft, ob ein adaptives System dieses Problem besser lösen kann als vorhandene Methoden. Erst dann folgt ein begrenzter Praxistest.

Ein Beispiel: In einer Klasse zeigen viele Lernende unterschiedliche Lücken im Bruchrechnen. Eine Lehrkraft möchte nicht alle dieselben Aufgaben bearbeiten lassen, sondern gezielt Fehlvorstellungen erkennen. Ein adaptives System könnte passende Übungen vorschlagen. Die Lehrkraft entscheidet aber, welche Lernenden zusätzlich Erklärgespräche, Partneraufgaben oder Anschauungsmaterial benötigen.

Rollen im Kollegium

Fachlehrkraft: Prüft die fachliche Qualität der Aufgaben, Rückmeldungen und Lernwege.
Medienbeauftragte: Prüfen technische Umsetzbarkeit, Supportbedarf und Gerätefragen.
Datenschutzbeauftragte: Klären Datenschutz, Datenflüsse, Verträge und Löschkonzepte.
Schulleitung: Sorgt für transparente Entscheidung, Fortbildung und schulische Regeln.
Lernende: Geben Rückmeldung zu Verständlichkeit, Motivation, Belastung und Fairness.
Eltern: Werden informiert, wenn personenbezogene Daten, Lernanalysen oder neue Bewertungsformen berührt sind.

Pilotierung in vier Schritten

Pilotfrage: Formuliere eine präzise Frage, zum Beispiel: Verbessert das System die Fehlerdiagnose im Prozentrechnen?
Begrenzung: Teste das System zunächst in einer klar abgegrenzten Lernphase, nicht sofort flächendeckend.
Datenschutzprüfung: Kläre vorab Daten, Einwilligungserfordernisse, Zugänge, Löschung und Verantwortlichkeiten.
Evaluation: Vergleiche Lernprodukte, Systemdaten, Schülerfeedback und Lehrkraftaufwand.

Qualitätsmerkmale guter adaptiver Lernsysteme

Ein gutes adaptives Lernsystem erkennt man nicht an besonders vielen Funktionen, sondern an seiner pädagogischen Qualität. Es sollte fachlich korrekt, transparent, datensparsam, zugänglich und didaktisch steuerbar sein. Es sollte Lernende nicht nur sortieren, sondern Lernprozesse verständlicher machen.

Fachliche Qualität

Aufgaben müssen korrekt, altersangemessen, curricular passend und sprachlich verständlich sein. Rückmeldungen müssen erklären, warum etwas richtig oder falsch ist. Besonders wichtig ist, dass Fehlvorstellungen sichtbar werden. In Mathematik bedeutet das zum Beispiel, nicht nur das falsche Ergebnis zu markieren, sondern den Denkfehler zu erkennen. In Deutsch bedeutet es, Rückmeldungen zu Texten nicht auf Oberflächenfehler zu reduzieren.

Didaktische Steuerbarkeit

Lehrkräfte brauchen Einstellmöglichkeiten. Sie sollten Lernziele, Themen, Schwierigkeitsgrade, Zeiträume, Hilfen und Auswertungen anpassen können. Wenn ein System seinen Lernpfad vollständig verborgen hält, wird es schwer, Verantwortung zu übernehmen. Ein professionelles System macht sichtbar, welche Logik hinter Empfehlungen steht.

Lernendenperspektive

Für Lernende muss verständlich sein, warum sie bestimmte Aufgaben erhalten. Sie sollten nicht das Gefühl haben, von einer Maschine bewertet oder festgelegt zu werden. Gute Systeme erklären Fortschritte, ermutigen zu Lernstrategien und ermöglichen Wiederholungen. Sie fördern Selbstwirksamkeit, statt nur Leistung zu messen.

Barrierefreiheit und Teilhabe

Ein adaptives System darf Teilhabe nicht verringern. Achte auf klare Sprache, Vorlesemöglichkeiten, Tastaturbedienung, mobile Nutzbarkeit, Kontraste, alternative Darstellungen, Untertitel bei Videos und Kompatibilität mit unterstützenden Technologien. Barrierefreiheit ist kein Zusatz, sondern ein Qualitätsmerkmal digitaler Bildung.

Harte Prüffragen für die Toolauswahl

Lernziel: Welches schulische Lernziel unterstützt das System konkret?
Daten: Welche personenbezogenen Daten werden erhoben, gespeichert, ausgewertet und weitergegeben?
Transparenz: Können Lehrkräfte und Lernende nachvollziehen, wie Empfehlungen entstehen?
Feedback: Hilft die Rückmeldung beim Weiterlernen oder bewertet sie nur?
Fairness: Gibt es Hinweise auf Benachteiligung bestimmter Gruppen?
Kontrolle: Kann die Lehrkraft Empfehlungen ändern, ignorieren oder erklären?
Evaluation: Wie wird überprüft, ob der Einsatz tatsächlich wirkt?
Entlastung: Welche Arbeit spart das System und welche neue Arbeit erzeugt es?
Kosten: Sind Lizenz, Wartung, Fortbildung und Support langfristig tragbar?
Schulentwicklung: Passt der Einsatz zum Medienkonzept und zur Lernkultur der Schule?

Praxisbeispiel: Adaptive Übungsphase in Mathematik

Eine Klasse arbeitet an linearen Gleichungen. Die Lehrkraft setzt ein adaptives Lernsystem in einer 25-minütigen Übungsphase ein. Das System gibt Aufgaben auf unterschiedlichem Niveau, erkennt häufige Fehler und schlägt Wiederholungen vor. Die Lehrkraft beobachtet währenddessen gezielt drei Lernende, die in der letzten Stunde Schwierigkeiten hatten. Nach der digitalen Phase besprechen Lernende in Partnerarbeit eine Aufgabe, die ihnen schwerfiel. Zum Abschluss notieren sie in einem Lernjournal, welche Strategie geholfen hat.

Der Mehrwert entsteht hier nicht allein durch das System, sondern durch die Kombination aus digitaler Anpassung, Lehrkraftbeobachtung, Partnergespräch und Reflexion. Genau diese Einbettung unterscheidet professionellen Einsatz von bloßem Toolgebrauch.

Praxisbeispiel: Adaptive Leseförderung

In einer Lerngruppe mit sehr unterschiedlichen Lesefähigkeiten nutzt die Lehrkraft ein System, das Texte in verschiedenen Schwierigkeitsgraden anbietet und Verständnisfragen auswertet. Lernende bekommen nicht automatisch „leichte“ oder „schwere“ Texte als Etikett, sondern sprechen mit der Lehrkraft über passende Herausforderungen. Zusätzlich wählen sie eigene Lesestrategien: Markieren, Zusammenfassen, Fragen stellen oder Vorwissen aktivieren. Die Lehrkraft achtet darauf, dass sprachliche Unterstützung nicht zu fachlicher Unterforderung führt.

Grenzen automatisierter Bewertung

Automatische Bewertung funktioniert bei klar strukturierten Aufgaben eher als bei offenen Leistungen. Multiple-Choice-Aufgaben, Rechenwege oder kurze Antworten sind leichter maschinell auswertbar als Argumentationen, kreative Texte, mündliche Beiträge oder Gruppenprozesse. Gerade dort, wo Bildung besonders anspruchsvoll ist, braucht es menschliche Deutung, Dialog und pädagogisches Urteil.

Besonders vorsichtig solltest Du sein, wenn adaptive Systeme Noten, Förderentscheidungen oder Laufbahnempfehlungen beeinflussen. Solche Entscheidungen müssen transparent, überprüfbar und pädagogisch verantwortet sein. Ein Systemwert kann ein Hinweis sein, aber kein Ersatz für eine professionelle Gesamtbeurteilung.

Ethische Perspektive

Ethik in der KI-Nutzung bedeutet, die Folgen für Menschen mitzudenken. In der Schule geht es besonders um Kinder und Jugendliche, die sich in Entwicklung befinden und nicht immer frei entscheiden können, welche Systeme sie nutzen. Darum sind Schutz, Transparenz, Teilhabe und pädagogische Verhältnismäßigkeit zentral.

Mündigkeit statt Automatisierungsgläubigkeit

Lernende sollten verstehen, dass KI-Systeme nicht neutral oder allwissend sind. Sie arbeiten mit Daten, Modellen und Regeln. Sie können nützlich sein, aber auch Fehler machen. Eine Schule, die KI verantwortungsvoll nutzt, fördert deshalb KI-Kompetenz: Lernende lernen, Ergebnisse zu prüfen, Datenfragen zu stellen, Verzerrungen zu erkennen und eigene Entscheidungen zu begründen.

Vertrauen durch Transparenz

Vertrauen entsteht nicht durch blinde Begeisterung, sondern durch nachvollziehbare Regeln. Schulen sollten klären: Welche Systeme nutzen wir? Für welche Zwecke? Welche Daten werden verarbeitet? Welche Entscheidungen trifft die Lehrkraft? Wie können Lernende Rückfragen stellen? Wie werden Fehler korrigiert? Transparenz schützt Lernende und entlastet Lehrkräfte.

Mini-Checkliste für den Unterrichtseinsatz

Frage	Ja	Noch offen
Das Lernziel ist klar formuliert.
Der Nutzen gegenüber analogem oder nicht-adaptivem Vorgehen ist begründet.
Datenschutz und schulische Zuständigkeiten sind geklärt.
Die Lehrkraft kann Empfehlungen nachvollziehen und übersteuern.
Lernende wissen, welche Daten genutzt werden und wofür.
Es gibt eine Alternative für Lernende mit Zugangsproblemen.
Die Ergebnisse werden nicht isoliert, sondern pädagogisch interpretiert.
Nach der Erprobung wird der Einsatz evaluiert.

Typische Fehlannahmen

KI macht automatisch besseren Unterricht: Gute Technik kann schlechten Unterricht nicht retten. Entscheidend bleibt die didaktische Einbettung.
Mehr Daten bedeuten bessere Diagnostik: Viele Daten sind nur hilfreich, wenn sie relevant, korrekt und interpretierbar sind.
Adaptive Systeme individualisieren vollständig: Sie passen meist nur bestimmte Aspekte an, etwa Schwierigkeit, Reihenfolge oder Feedback.
Lehrkräfte werden ersetzt: Professionelle pädagogische Verantwortung bleibt notwendig.
Objektive Scores sind gerechter: Automatisierte Auswertungen können Verzerrungen enthalten und müssen geprüft werden.
Ein Tool passt für alle Fächer: Fachliche Anforderungen unterscheiden sich stark.

Transfer in die eigene Schule

Für die Einführung adaptiver Lernsysteme braucht eine Schule nicht sofort ein Großprojekt. Sinnvoller ist ein begrenzter, transparenter und evaluierter Einstieg. Beginne mit einem Fach, einer Jahrgangsstufe, einem klaren Lernziel und einer kurzen Testphase. Sammle Erfahrungen von Lernenden und Lehrkräften. Dokumentiere Nutzen, Probleme und offene Fragen. Erst danach sollte über Ausweitung entschieden werden.

Schulische Vereinbarung

Eine schulische Vereinbarung zu adaptiven Lernsystemen kann folgende Punkte enthalten: pädagogische Ziele, erlaubte Einsatzbereiche, Datenschutzregeln, Zuständigkeiten, Transparenz gegenüber Lernenden und Eltern, Umgang mit Systemfehlern, Fortbildungsbedarf und Kriterien für Evaluation. So wird KI-Nutzung nicht zur Einzelfallentscheidung einzelner Lehrkräfte, sondern Teil verantwortlicher Schulentwicklung.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was ist das Grundprinzip adaptiver Lernsysteme? (Diagnose Anpassung Feedback erneute Diagnose) (!Zufällige Aufgabenverteilung ohne Auswertung) (!Einheitlicher Unterricht ohne Differenzierung) (!Automatische Notengebung ohne Lehrkraft)

Welche Rolle sollte die Lehrkraft beim Einsatz adaptiver Lernsysteme behalten? (Sie prüft interpretiert und verantwortet pädagogische Entscheidungen) (!Sie überlässt alle Entscheidungen vollständig dem System) (!Sie nutzt nur die automatisch erzeugten Noten) (!Sie vermeidet jedes Gespräch über Lernprozesse)

Was bedeutet Human in the Loop im schulischen Kontext? (Ein Mensch überwacht und verantwortet wichtige Entscheidungen) (!Ein System arbeitet ohne menschliche Kontrolle) (!Lernende dürfen keine Rückfragen stellen) (!Alle Daten werden automatisch veröffentlicht)

Welche Frage gehört zu einem harten Praxischeck? (Welches konkrete Lernziel unterstützt das System) (!Wie modern wirkt die Benutzeroberfläche) (!Wie viele Werbeversprechen nennt der Anbieter) (!Wie schnell kann man die Lehrkraft ersetzen)

Warum sind Datenschutzfragen bei adaptiven Lernsystemen wichtig? (Weil häufig personenbezogene Lerndaten verarbeitet werden) (!Weil digitale Systeme nie Daten speichern) (!Weil Datenschutz nur für private Unternehmen gilt) (!Weil Lernende keine Rechte an ihren Daten haben)

Was ist ein Risiko von Lernanalysen? (Scores können objektiver wirken als sie sind) (!Sie verhindern jede Form von Feedback) (!Sie machen Unterricht grundsätzlich unmöglich) (!Sie löschen automatisch alle Lernfortschritte)

Woran erkennt man qualitativ gutes Feedback? (Es erklärt Fehler und zeigt den nächsten Lernschritt) (!Es zeigt nur eine Prozentzahl) (!Es ersetzt jedes Unterrichtsgespräch) (!Es bewertet Lernende dauerhaft als schwach)

Welche Aussage zu adaptiven Systemen ist richtig? (Adaptiv bedeutet nicht automatisch intelligent) (!Adaptiv bedeutet immer generative KI) (!Adaptiv bedeutet immer fehlerfrei) (!Adaptiv bedeutet immer rechtlich unproblematisch)

Wann ist besondere Vorsicht beim KI-Einsatz geboten? (Wenn Systeme Lernwege bewerten oder steuern) (!Wenn Lernende ein analoges Heft benutzen) (!Wenn Lehrkräfte Unterricht reflektieren) (!Wenn Aufgaben ohne Datenverarbeitung gedruckt werden)

Was sollte nach einer Pilotphase ausgewertet werden? (Lernzuwachs Schülerfeedback und Lehrkraftaufwand) (!Nur die Anzahl der Klicks) (!Nur die Farbe der Oberfläche) (!Nur die Werbung des Anbieters)

Memory

Diagnose	Lernstand erfassen
Feedback	Weiterlernen ermöglichen
Transparenz	Entscheidungen nachvollziehbar machen
Datenschutz	Lerndaten schützen
Fairness	Benachteiligung vermeiden
Pilotierung	Begrenzte Erprobung durchführen
Evaluation	Wirkung überprüfen
Lehrkraft	Pädagogische Verantwortung tragen

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Lernzielklarheit	Vor dem Tooleinsatz klären
Diagnostische Passung	Lernstand sinnvoll erfassen
Feedbackqualität	Nächsten Lernschritt erklären
Transparenz	Empfehlungen nachvollziehbar machen
Datenschutz	Personenbezogene Daten schützen
Evaluation	Nutzen nach der Erprobung prüfen

...

Kreuzworträtsel

Diagnose	Wie nennt man das Erfassen des Lernstands?
Feedback	Welche Rückmeldung hilft beim Weiterlernen?
Fairness	Welches Prinzip schützt vor Benachteiligung?
Datenschutz	Welcher Bereich schützt personenbezogene Lerndaten?
Transparenz	Was macht Entscheidungen nachvollziehbar?
Lehrkraft	Wer trägt im Unterricht die pädagogische Verantwortung?

LearningApps

Lückentext

Adaptive Lernsysteme passen Aufgaben, Hilfen oder Lernwege an den aktuellen

an. Grundlage dafür sind häufig

, die interpretiert werden müssen. Ein harter Praxischeck fragt nicht nur nach technischen Funktionen, sondern nach dem didaktischen

. Die Lehrkraft bleibt wichtig, weil sie Ergebnisse pädagogisch

. Besonders sensibel sind Systeme, die Lernwege steuern oder Leistungen

. Gute Systeme geben nicht nur Punkte aus, sondern verständliches

. Datenschutz ist wichtig, weil oft personenbezogene Daten von

verarbeitet werden. Ein professioneller Einsatz beginnt mit einer begrenzten

und endet mit einer sorgfältigen

.

Offene Aufgaben

Leicht

Beobachtungsbogen: Schaue Dir das Fortbildungsvideo an und notiere drei Chancen und drei Risiken adaptiver Lernsysteme für Deinen Unterricht.
Begriffskarte: Erstelle eine digitale oder analoge Begriffskarte zu Adaptives Lernen, KI, Feedback, Lernanalyse und Datenschutz.
Praxisbeispiel: Beschreibe eine Unterrichtsphase, in der ein adaptives Lernsystem beim Üben helfen könnte.
Schülerperspektive: Formuliere fünf Fragen, die Lernende vor der Nutzung eines adaptiven Systems stellen dürfen sollten.

Standard

Toolprüfung: Wähle ein adaptives Lernsystem aus und bewerte es mit den Kriterien Lernziel, Feedback, Transparenz, Datenschutz und Entlastung.
Unterrichtsplanung: Plane eine 30-minütige adaptive Übungsphase und beschreibe, welche Aufgaben die Lehrkraft währenddessen übernimmt.
Feedbackanalyse: Vergleiche automatisches Feedback eines Systems mit einer Rückmeldung der Lehrkraft und bewerte die Lernwirksamkeit.
Datenschutzcheck: Erstelle eine Checkliste mit Datenarten, Zugriffen, Speicherorten, Löschfristen und Informationspflichten.

Schwer

Pilotkonzept: Entwickle ein vierwöchiges Pilotprojekt für ein adaptives Lernsystem in einem Fach Deiner Wahl mit Ziel, Ablauf, Datenschutzprüfung und Evaluation.
Fairnessanalyse: Untersuche, wie ein adaptives System Lernende benachteiligen könnte, und entwickle Gegenmaßnahmen.
Fortbildungsdesign: Entwirf einen 20-minütigen Lehrerfortbildungssnack für Dein Kollegium inklusive Impuls, Gruppenaufgabe und Transferfrage.
Schulentwicklung: Schreibe einen Entwurf für eine schulische Vereinbarung zum verantwortungsvollen Einsatz adaptiver Lernsysteme.

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

Lernkontrolle

Transferanalyse: Erkläre an einem selbst gewählten Unterrichtsbeispiel, wann ein adaptives Lernsystem sinnvoller ist als ein einheitliches Arbeitsblatt und wann nicht.
Begründete Entscheidung: Entscheide begründet, ob Deine Schule ein bestimmtes adaptives System pilotieren sollte, und berücksichtige Lernziel, Datenschutz, Feedbackqualität und Lehrkraftaufwand.
Fallbewertung: Analysiere einen Fall, in dem ein System Lernende dauerhaft in niedrige Niveaustufen einordnet, und entwickle pädagogische Korrekturmaßnahmen.
Ethikreflexion: Diskutiere, wie Transparenz, Fairness und Human in the Loop zusammenhängen.
Evaluationskonzept: Entwickle Kriterien, mit denen nach vier Wochen geprüft werden kann, ob ein adaptives System tatsächlich Lernprozesse verbessert hat.
Perspektivwechsel: Formuliere aus Sicht von Lernenden, Eltern, Lehrkräften und Schulleitung jeweils eine zentrale Erwartung an adaptive Lernsysteme.
Grenzfall: Beurteile, warum automatisierte Bewertung bei offenen kreativen Leistungen problematischer ist als bei klar strukturierten Übungsaufgaben.

Lernnachweis

Für Deinen Lernnachweis zu diesem aiMOOC solltest Du zeigen, dass Du adaptive Lernsysteme nicht nur definieren, sondern in einer konkreten schulischen Situation verantwortungsvoll beurteilen kannst.

Fachverständnis: Du erklärst die Begriffe Adaptives Lernen, Lernanalyse, Feedback, KI und Human in the Loop verständlich.
Praxischeck: Du wendest mindestens fünf Prüfkriterien auf ein konkretes System oder Szenario an.
Didaktische Planung: Du entwickelst eine Unterrichtsphase, in der das adaptive System sinnvoll eingebettet ist.
Datenschutzbewusstsein: Du benennst relevante Datenarten, Risiken und schulische Klärungsbedarfe.
Reflexion: Du begründest, welche Entscheidungen bei der Lehrkraft bleiben müssen.
Evaluation: Du beschreibst, wie Lernwirkung, Motivation und Arbeitsaufwand überprüft werden können.
Transfer: Du formulierst Konsequenzen für Deine Schule, Dein Fach oder Deine Fortbildungspraxis.

OERs zum Thema

Weiterführende Leitlinien und Quellen

Links

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.