KI-Didaktik: Wie Aufgaben Denken hervorrufen

In früheren Artikeln im Herbst 2025 und im Frühjahr 2026 habe ich auf diesem Blog zwei Modelle entwickelt, die inhaltlich zusammengehören. „Lernen mit KI“ beschreibt aus der Perspektive der Schüler:innen, wie Lernen mit KI als Lernressource gelingen kann. Die „Architektur der KI-Didaktik“ wechselt die Seite und fragt, welche Bedingungen Lehrkräfte dafür schaffen müssen. Die zusätzliche Planungsvorlage „KI-Einsatz im Unterricht planen“ übersetzt dieses Modell schließlich in ein Schema für Einzel- und Doppelstunden.
An einer Stelle bleiben Modell und Vorlage bislang eine Antwort schuldig. Beide machen deutlich, dass Aufgaben Denken provozieren müssen. Wie das geht, blieb bislang offen. Dieser Beitrag holt das nach. Er beschreibt fünf Spielarten der Provokation, mit denen sich eine gewöhnliche Aufgabe so umgestalten lässt, dass das Denken bei den Schüler:innen bleibt.
Die folgenden Ansätze sind im praxisorientierten KI-Diskurs nicht gänzlich neu und reihen sich ein in Überlegungen verschiedener Kolleg:innen, die in Unterricht und Fortbildung vor ähnlichen Herausforderungen stehen[1]. Gleichwohl runden die Spielarten mein Paket KI-didaktischer Überlegungen ab und versuchen, das Prinzipielle in den schulischen Gestaltungsmöglichkeiten auszuleuchten. Im Absatz “Einordnung und Ausblick” möchte ich beschreiben, wie sich die unterschiedlichen Ansätze zueinander verhalten.
Was Provokation durch Design meint
Zunächst möchte ich aber klären, was der Ausdruck “Provokation durch Design” meint, den ich in meiner Architektur der KI-Didaktik in der mittleren Säule platziert habe. Bei Provokation geht es nicht darum, Lernende als Person, sondern ihr Denken zu provozieren. Provokation durch Design heißt, eine Aufgabe so zu bauen, dass sie beim Denken Reibung erzeugt, die sich nicht an eine KI abgeben lässt.
Darin enthalten sind zwei Bedingungen, die beide erfüllt sein müssen. Die erste ist ein Anlass: Etwas an der Aufgabe muss Lernende zum Denken zwingen, weil es unerwartet, widersprüchlich oder entscheidungsbedürftig ist. Die zweite ist eine Bindung: Etwas muss dafür sorgen, dass dieses Denken bei den Lernenden bleibt, etwa durch einen eigenen Entwurf ohne KI, eine eigene Festlegung oder eine Begründung im Gespräch.
In Vorträgen nutze ich dafür mittlerweile das Bild eines Drachens. Der Anlass ist der Wind, die Bindung die Schnur. Ohne Schnur fliegt der Drachen davon, weil der Anlass an die KI weitergereicht wird. Und ohne Wind bleibt der Drachen am Boden, sodass die Bindung zur Pflichtübung verkommt.

Ausgangsaufgabe und Stresstest
Damit die Unterschiede der Spielarten sichtbar werden, baue ich im Folgenden immer dieselbe Aufgabe aus dem Geschichtsunterricht für eine achte Klasse um. Sie lautet:
„Nenne mindestens vier Gründe für das Scheitern der Weimarer Republik und erkläre zwei davon genauer.“
Gibt man sie in einen Chatbot ein, liegt nach wenigen Sekunden eine brauchbare Antwort vor. Aufgezählt werden zum Beispiel die Belastung durch den Versailler Vertrag, die Hyperinflation 1923, die Weltwirtschaftskrise ab 1929, Schwächen der Verfassung, fehlender Rückhalt für die Demokratie oder der Aufstieg der NSDAP. Die zwei Gründe sind sauber erklärt, und die Sprache lässt sich auf Wunsch an eine achte Klasse anpassen.
Diese erste Prüfung ist für Lehrkräfte hilfreich, um zu verstehen, was ein KI-System aus einer Aufgabe macht. Hauke Pölert spricht in seiner 5×4-Aufgaben-Matrix vom Stresstest.

Das Ergebnis des Tests macht deutlich, dass hier nachgebessert werden muss. Sobald sich die Anforderung delegieren lässt, gerät das Potenzial, an der Aufgabe etwas zu lernen, in Bedrängnis. Was bleibt, ist eine gute Leistung, die nicht als Beleg für Kompetenzerwerb dient. Die Performance mag dann stimmen, gelernt wurde vermutlich eher weniger. Bauer und Kolleg:innen (2025) nennen das in ihrem ISAR-Modell Inversion. Gemeint sind Szenarien, in denen die KI-Nutzung die kognitive Beteiligung verringert, statt sie zu erhöhen. Solche typischen Reproduktionsaufgaben waren natürlich auch schon vor ChatGPT keine guten Lernaufgaben. KI macht diese Schwäche nun aber unübersehbar, weil das Zusammentragen jetzt gar keine Mühe mehr kostet.
Bestimmen des Denkkerns
Nach dem Stresstest folgt ein zweiter Schritt, der in der Planungsvorlage einen zentralen Stellenwert einnimmt: Lehrkräfte müssen den Denkkern einer Aufgabe benennen. Der Begriff stammt von meinem Schweizer Kollegen Lucca Spohn. Ich halte ihn für geeignet, weil er das Schützenswerte in den Fokus rückt, das auf jeden Fall von Schüler:innen als eigene Leistung erbracht werden muss. Bei der Weimar-Aufgabe besteht der Denkkern daraus, Ursachen zu gewichten und erklären zu können, wie sie zusammenwirken[2].
Fünf Spielarten, eine Aufgabe
Nach dem Stresstest und der Bestimmung des Denkkerns möchte ich darstellen, wie sich die Aufgabe für den Geschichtsunterricht umbauen lässt. Die fünf Spielarten, an denen Lehrkräfte ansetzen können, lauten: Antizipation, Rollenumkehr, Unabschließbarkeit, Entzug und Explizitierung.

1. Antizipation: „Erst ich, dann KI.“
Bei der ersten Spielart der Antizipation legen sich die Lernenden fest, bevor die KI hinzugezogen werden darf. Den Denkanlass liefert der Abgleich: Wo weicht die eigene Lösung von der KI ab, und warum?
Beispiel: „Erkläre in fünf Sätzen, warum die Weimarer Republik scheiterte. Frage danach die KI und vergleiche: Was fehlt bei dir, was fehlt bei ihr, wo gewichtet ihr anders?“
Die Bindung entsteht, weil die eigene Erklärung im Heft steht, bevor ein Gerät geöffnet wird. Erst dadurch wird die KI-Antwort zu etwas, an dem sich die eigene Vorstellung reiben kann.
2. Rollenumkehr: „Lernende prüfen die KI.“
Die zweite Spielart ist die Rollenumkehr. Die KI liefert dabei das Produkt, das nicht als Endpunkt des Lernens, sondern als dessen Startpunkt gesetzt wird. Die Lernenden prüfen, korrigieren und bewerten es.
Beispiel: „Dieser Text zum Scheitern der Weimarer Republik stammt von einer KI. Er enthält Fehler und Verkürzungen. Finde sie, belege jede Korrektur mit einer Seite aus dem Buch und erkläre deiner Partnerin oder deinem Partner, was der Text falsch darstellt.“
Vorbereitet wird ein Text mit sachlichen Fehlern und einer Verkürzung, z. B.: Die Hyperinflation ist auf 1929 datiert, Hitler wird „vom Volk zum Reichskanzler gewählt“, und als einzige Ursache erscheint der Versailler Vertrag. Die Verkürzung trifft den Denkkern. Wer sie korrigiert, muss erklären, wie mehrere Ursachen zusammenwirkten. Belegpflicht und anschließendes Gespräch sichern die Bindung.
Zusätzliche Empfehlung: Zu dieser Spielart passt die mittlerweile preisgekrönte Methode „Hallucination Hunt“ von Lucca Spohn (Smartfeld EduAI Award 2026). Hier findet ihr alle Infos.
3. Unabschließbarkeit: „Keine fertige Lösung.“
Die dritte Spielart ist die Unabschließbarkeit. Die Aufgabe hat hierbei keine Lösung zum Nachschlagen. Sie verlangt, abzuwägen, sich zu positionieren und die Position zu begründen. Die KI darf Material liefern, entscheiden müssen die Schüler:innen.
Beispiel: „Ab wann war die Weimarer Republik nicht mehr zu retten: 1923, 1930 oder erst im Januar 1933? Lass dir von der KI für jeden Zeitpunkt das stärkste Argument nennen. Entscheide dich und verteidige deine Wahl in der Gruppe gegen einen Einwand.“
Für sich genommen ist das die schwächste Spielart, denn auch eine Position samt Begründung lässt sich generieren. Sie trägt erst durch die Explizitierung (hier die mündliche Verteidigung) und durch Kriterien für eine gute Begründung, die vorab bekannt sind. Wenn eine Bewertung erfolgt, sollte sie sich auf die Begründung konzentrieren.
4. Entzug: „Ein Schritt bleibt ohne KI.“
Die vierte Spielart ist der Entzug. In einer Sequenz, in der KI genutzt wird, bleibt genau der Schritt ohne KI, in dem der Denkkern liegt. Anders als bei der Antizipation entsteht dabei keine Vermutung, die später an der KI geprüft wird. Der Denkkern selbst wird ohne KI erarbeitet.
Beispiel: „Legt die sechs Gründe als Karten auf ein Plakat, verbindet sie mit Pfeilen und beschriftet jeden Pfeil: Was hat was verstärkt? Ihr habt 20 Minuten, ohne Geräte. Danach lasst ihr euch von der KI zwei weitere Zusammenhänge erklären und ergänzt sie in einer anderen Farbe.“
Die zweite Farbe zeigt, was aus dem eigenen Kopf stammt und was von der KI. Auch hier gibt es eine Einschränkung: Der Entzug lässt sich nur im Präsenzunterricht durchsetzen und braucht eine Begründung, damit er mehr ist als nur ein Verbot. Manuel Flick und ich hatten in unserer Planungsvorlage Ende 2025 von KI-limitierenden Aufgaben gesprochen. Die Spielart des Entzugs ist noch konkreter und ergänzt die grundsätzliche Herangehensweise um einen didaktischen Zeitpunkt.
5. Explizitierung: „Denken sichtbar machen.“
Die letzte Spielart ist die Explizitierung. Hier geht es darum, eigene Gedanken, Kriterien, Begründungen und Entscheidungen auszusprechen. Das Produkt der Aufgabe ist die vorgetragene Begründung und ihre Verteidigung.
Beispiel: „Bringe die sechs Gründe in eine Rangfolge. Notiere zwei Kriterien, nach denen du entschieden hast, und erkläre deinem Gegenüber, warum Platz 1 vor Platz 2 steht.“
Entscheidend ist das Mündliche bzw. das Dialogische. Indem Lernende eigene Gedanken formulieren und begründen können, erkennen wir, ob Kompetenzen tatsächlich aufgebaut wurden. Schriftliche Begründungen und Reflexionen lassen sich hingegen leicht delegieren, sobald sie außerhalb des Unterrichts entstehen.
Die fünf Spielarten im Überblick
| Spielart | Kurzformel | Umbau der Weimar-Aufgabe |
| Antizipation | Erst ich, dann KI. | Eigene Erklärung zuerst, dann mit der KI-Antwort abgleichen. |
| Rollenumkehr | Lernende prüfen die KI. | Einen fehlerhaften KI-Text mit Belegen korrigieren. |
| Unabschließbarkeit | Keine fertige Lösung. | Einen Zeitpunkt wählen und gegen Einwände verteidigen. |
| Entzug | Ein Schritt bleibt ohne KI. | Das Ursachengeflecht ohne KI legen, danach mit KI ergänzen. |
| Explizitierung | Denken sichtbar machen. | Eine Rangfolge bilden und die Kriterien mündlich vertreten. |
Wie die fünf Spielarten zusammenhängen
Nebeneinandergelegt zeigen die fünf Umbauten zweierlei. Erstens überschneiden sie sich: Die Rollenumkehr braucht eine Begründung (Explizitierung) und Antizipation und Entzug beginnen beide ohne KI. Insofern ist es wenig verwunderlich, wenn gute Aufgaben und mit KI neu gedachte Methoden meist zwei oder drei Spielarten kombinieren. Als Beispiel verweise ich noch einmal auf die Redaktionskonferenz, die ich im Architektur-Beitrag aufgeführt habe: Die KI liefert einen Entwurf, ein Team redigiert ihn ohne KI, begründet jede Änderung und überträgt die Gedanken in einen Überarbeitungsprompt, der zu einem neuen Output führt, mit dem anschließend weitergearbeitet wird. Darin stecken Rollenumkehr, Entzug und Explizitierung.
Zweitens braucht jede Spielart Anlass und Bindung. Antizipation, Rollenumkehr und Unabschließbarkeit schaffen vor allem einen Anlass. Entzug und Explizitierung sichern vor allem die Bindung. Die Weimar-Umbauten zeigen aber auch, dass sich Anlass und Bindung nicht vollständig trennen lassen. Zu jeder Spielart gehört bei der Planung deshalb die Frage, was das Denken bei den Lernenden hält.

In der Architektur der KI-Didaktik besteht die linke Säule aus den vier Perspektiven, die man als Lehrkraft gegenüber KI einnehmen kann. KI als Gegenstand oder Werkzeug zu thematisieren, zu integrieren, zu reflektieren und zu limitieren klärt, in welchem Verhältnis eine Aufgabe zur KI steht. Die hier beschriebenen Spielarten klären, wie die Aufgabe konkret gebaut werden muss. Wichtig ist der Unterschied beim Entzug: „KI limitieren“ begrenzt KI für eine Phase oder Aufgabe, Entzug spart KI nur an einem ganz bestimmten Punkt aus.
Einwände und Grenzen
In gewisser Weise sind das ältere didaktische Ideen, die jetzt auf KI angewendet werden. Antizipation ist im Kern Hypothesenbildung, Explizitierung erinnert an lautes Denken, Rollenumkehr an Lernen durch Lehren. Neu ist jedoch ihr Status. Solange das Produkt nur durch eigene Arbeit entstand, waren solche Bauformen eine Option für guten Unterricht. Seit Produkte delegierbar sind, sind die „didaktischen Kniffe“ Voraussetzung dafür, dass trotz KI an einer Aufgabe gelernt wird.
Dass es genau fünf Spielarten geworden sind, ist nicht aus einer Theorie abgeleitet. Sie entstanden im Laufe von Fortbildungen, in Dialogen mit Claude über meine Gedanken zur KI-Didaktik und bei der gemeinsamen Planung von KI-bezogenen Methodenkarten mit Lucca Spohn. Die Liste ist im Prinzip offen und ich vermute, dass es noch weitere gibt, die sich aufnehmen lassen, um Aufgaben unter KI-Gesichtspunkten besser zu machen. Deshalb spreche ich auch bewusst nicht von Prinzipien, sondern von Spielarten der Provokation.
Zum Schluss möchte ich noch einen kurzen Blick auf die Grenzen werfen. Jede provozierende Aufgabe ist schließlich ein Angebot. Ob Lernende es nutzen, kann kein Design garantieren. Fast alle Bindungen beruhen auf Präsenz, der Möglichkeit der Begleitung durch eine Lehrkraft und einem bestimmten Zeitfenster, in dem gearbeitet wird. Außerhalb des Unterrichts verhindert keine Spielart die Abkürzung. Hier entscheiden die Eigenverantwortung, die Motivation, die Regulationsfähigkeit von Lernenden, der Sinn, der Aufgaben zugeschrieben wird, und letztlich die Reflexionsfähigkeiten, warum es sich an bestimmten Stellen lohnt, sich anzustrengen. Provokation braucht deshalb Unterstützung und Selbstregulation, also das Dach der Architektur.
Einordnung und Ausblick
In der Architektur der KI-Didaktik füllen die Spielarten den Baustein der kognitiv aktivierenden Aufgaben. Woran sich Eigenleistung zeigt, beantworten dagegen die vier Sichtachsen Prozess, Urteilsfähigkeit, Reflexion und Transfer, die ich aus dem 3×3-Modell von Manuel Flick entnommen und verdichtet habe.
Verwandt und ebenfalls neu ist der 5×4-Aufgaben-Remix, den Hauke Pölert kürzlich vorgestellt hat. Seine Matrix bestimmt mit fünf Fragen nach Zweck, Denkleistung, Setting, Rolle der KI und Evidenz der Eigenleistung die Stellgrößen einer Aufgabe. Er selbst beschreibt die Matrix als “Denkfigur für Aufgabenplanung”, mit der das 3×3-Modell von Manuel Flick ergänzt werden soll.
Während Hauke Pölert damit an den Stellgrößen einer Aufgabe ansetzt, beschreiben die hier vorgestellten Spielarten den ”didaktischen Kniff”, der das Denken auslöst. Dass beide Wege zu ähnlichen Aufgaben führen, zeigt Pölerts Mathematikbeispiel: Hier werden zwei Aufgaben ohne Hilfsmittel gelöst, bei einer dritten wird eine KI-Lösung Schritt für Schritt geprüft und das Ergebnis dem Sitznachbarn erklärt. In meiner Sprache sind das Entzug, Rollenumkehr und Explizitierung.
Die Spielarten mit eigenen Beispielen testen
Wer die Spielarten ausprobieren möchte, braucht kein neues Material, sondern eine Schulbuchaufgabe aus der kommenden Woche und drei Schritte:
- Der Stresstest zeigt, was KI aus einer „alten“ Aufgabe macht (und wie schnell das geht).
- Mit dem Denkkern haltet ihr in einem Satz fest, was die Lernenden selbst denken sollen.
- Danach wählt ihr eine oder zwei Spielarten und gestaltet die Aufgabe neu, sodass das Denken bei den Lernenden bleibt.

Wer die fünf Spielarten an eigenen Unterrichtsbeispielen testen möchte, kann das zudem mit folgendem Spielarten-Dialog tun. Das HTML-Artefakt lädt dazu ein, die beschriebenen Ansätze auszuwählen und einige wenige didaktische Entscheidungen zu treffen (Zeit, Rahmen, KI-Zugang). Anschließend erhält man einen geeigneten Prompt, mit dem man eigene Aufgaben im Dialog mit einem beliebigen KI-Chatbot (AIS.Chat, fobizz, duck.ai, ChatGPT etc.) umbauen und weiterverwenden kann. Für den Anfang eignen sich Antizipation und Explizitierung, weil sie wenig Vorbereitung brauchen.
Weitere Materialien zur KI-Didaktik auf diesem Blog
- Artikel „Architektur der KI-Didaktik“
- Planungsvorlage „KI-Einsatz im Unterricht planen„
- Artikel „Lernen mit KI“
- Planungsvorlage zur Aufgabenkultur (gemeinsam mit Manuel Flick entstanden)
Bauer, E., Greiff, S., Graesser, A. C., Scheiter, K. & Sailer, M. (2025): Looking beyond the hype: Understanding the effects of AI on learning. In: Educational Psychology Review 37 (2), Artikel 45. https://doi.org/10.1007/s10648-025-10020-8
[1] Im deutschsprachigen und praxisorientierten KI-Diskurs liegen hierzu schon andere Vorschläge vor. Hauke Pölert hat im Herbst 2026 eine umfangreiche 5×4-Matrix mit zahlreichen Planungsmaterialien vorgestellt, um Aufgaben im KI-Zeitalter weiterzuentwickeln. Darüber hinaus bietet Lucca Spohn einen digitalen Aufgabentransformator an, um aus bestehenden Aufgaben neue Varianten zu erzeugen.
[2] Hauke Pölert spricht von der Kernleistung, die das Wozu und das Was einer Aufgabe beantwortet.