Wie Schulen ein lernförderliches KI-Assistententeam gemeinsam gestalten
Wer KI im Unterricht lernförderlich einsetzen möchte, sollte nicht auf frei zugängliche Chatbots setzen. Auf vielen schulischen KI-Plattformen lassen sich eigene KI-Assistenten erstellen, die über einen sogenannten Systemprompt, also eine hinterlegte Anleitung, für einen bestimmten Zweck eingerichtet werden. Anders als ein allgemeiner Chatbot, der nicht für schulisches Lernen gestaltet ist und auf Nachfrage bereitwillig fertige Lösungen liefert, kann ein solcher Assistent mit didaktischen Leitplanken (sogenannten Guardrails) ausgestattet werden. Sie legen fest, wann und wie viel Hilfe er gibt, und sollen verhindern, dass Schüler:innen die eigentliche Denkhandlung an die Maschine abgeben.
Viele Assistenten, wenig Übersicht
Solche KI-Assistenten werden mittlerweile vielerorts erstellt, zum Beispiel im Rahmen von Fortbildungen. Sie sind in der Regel fachbezogen und mit einem klaren inhaltlichen Fokus gestaltet. Außerdem bieten Plattformen wie fobizz oder AIS.Chat zahlreiche vorgefertigte Assistenten an, die für alle möglichen Anwendungszwecke direkt eingesetzt werden können.
Positiv betrachtet kann man das als differenziertes Angebot lesen, aus dem Lehrkräfte sich passende Assistenten heraussuchen und sie für den eigenen Unterricht nutzen können. So entsteht aber auch ein immer größeres Überangebot, mit dem einzelne Lehrkräfte vielleicht überfordert werden. Bei all den Möglichkeiten den Überblick zu behalten, fällt schwer. Hinzu kommt, dass die didaktische Qualität angebotener Assistenten bei näherer Betrachtung erheblich schwankt. Denn häufig besteht ein KI-Assistent nur aus einer kurzen Rollen- und Aufgabenbeschreibung („Du bist ein freundlicher Mathelehrer, der Schüler:innen der achten Klasse hilft …“), jedoch ohne genaue Regeln festzulegen, wann Hilfe einsetzt, wie viel davon angemessen ist und woran erkennbar wird, dass etwas verstanden wurde.
Neben der Unübersichtlichkeit liegt hier aus meiner Sicht ein weiteres Problem, zu dem mittlerweile einige Forschungsergebnisse vorliegen (siehe Infokasten). Ist ein Assistent nicht didaktisch präzise gestaltet, hängt es von der Selbstregulationskompetenz der Schüler:innen ab, ob sie mit ihm gut lernen. Wer ohnehin plant, sich überprüft und Hilfe gezielt einsetzt, nutzt auch einen schwachen Assistenten sinnvoll. Wer das noch nicht kann, lässt sich die Aufgabe erledigen. Und gerade die Schüler:innen, die am stärksten auf gute Leitplanken angewiesen wären, sind am wenigsten in der Lage, sie sich selbst zu setzen.
Infokasten: Was aktuelle Studien zeigen
Bastani et al. (2025) haben in einem Feldexperiment fast tausend Schüler:innen im Mathematikunterricht Zugang zu KI-Tutoren gegeben: einem Tutor, der einer gewöhnlichen ChatGPT-Oberfläche entspricht, sowie einem Tutor mit Guardrails, die das Lernen absichern sollen. Beim Üben verbesserte die KI die Leistung, ohne KI schnitten die Nutzer:innen des ChatGPT-ähnlichen Tutors danach jedoch schlechter ab als die Kontrollgruppe. Der Tutor mit Guardrails, dessen Anweisungen mit Lehrkräften entwickelt wurden und der Hinweise statt Lösungen gab, konnte diesen Effekt weitgehend auffangen.
Strömberg, Lei und Wu (2026) haben über 30 Monate Daten von 26.811 chinesischen Schüler:innen der Klassen 7 bis 12 ausgewertet. Mit der KI-Nutzung stiegen die Hausaufgabennoten um 18 Prozent, die Bearbeitungszeit sank um 30 Prozent, die Ergebnisse in monatlichen Prüfungen ohne Hilfsmittel fielen jedoch innerhalb von sechs Monaten um 20 Prozent. Aufschlussreich ist die Verteilung: Die Verluste konzentrieren sich auf jene, deren Bearbeitungszeiten auf ein Auslagern der Hausaufgaben hindeuten. Wer weiterhin ähnlich lange arbeitete, verlor kaum. Die Studie ist nicht randomisiert und bezieht sich auf eine einzige Region. Hier sind weitere Untersuchungen erforderlich (mehr dazu im Podcast „Kompass KI“ mit Hendrik Haverkamp und Benedikt Wisniewski).
Beide Studien deuten darauf hin, dass unbegleitete Abkürzung durch KI Kosten verursacht. Wer hier tiefer einsteigen möchte, findet auf dem Blog von Hauke Pölert Zusammenfassungen und Analysen zu beiden Studien. Meine Ableitung davon ist, dass die didaktische Gestaltung sowie die pädagogische Einbettung und Begleitung im Unterricht entscheidend sind.
Der Vorschlag: Lernbegleitung als Schulentwicklungsaufgabe
Als Reaktion auf die Unübersichtlichkeit und mit Blick darauf, dass KI-Assistenten didaktisch durchdacht gestaltet sein müssen, möchte ich einen Vorschlag zur Diskussion stellen. Die Idee besteht darin, lernförderliche KI-Assistenten nicht als Sache einzelner Lehrkräfte, sondern als Schulentwicklungsaufgabe zu begreifen. Eine Schule würde sich auf zwei oder drei grundlegende und zunächst fachunabhängige KI-Assistenten einigen. Sie begleiten allgemeine Lernhandlungen, erklären, üben, geben Feedback zu eingegebenen Aufgaben und helfen dabei, das eigene Lernen zu planen. Als Basisassistenten bilden sie das Fundament, auf dem später weitere Gestaltungsmöglichkeiten aufsetzen.
Ihren Ausgangspunkt hat diese Idee an meiner Schule. Dort setze ich seit etwa eineinhalb Schuljahren einen KI-Assistenten namens Lotse ein, der meine Schüler:innen als allgemeiner Lernbegleiter unterstützt. Er orientiert sich an grundlegenden Aspekten des selbstregulierten Lernens und ist sprachlich an die Anforderungen meiner Schulart (Mittelschule Bayern) angepasst. Nachdem sich weitere Lehrkräfte für den bis dahin punktuell eingesetzten Assistenten interessierten, entstand der Plan, Lotse klassenübergreifend in mehreren Jahrgangsstufen einzusetzen. Aus ihm sind die Basisassistenten hervorgegangen, die ich im Folgenden vorstelle.
Basisassistenten als Grundlage
Basisassistenten bestehen zunächst aus gemeinsamen Kern-Prinzipien: Sie helfen, schützen aber die zentrale Eigenleistung und geben keine vollständigen Ergebnisse aus. Sie setzen gezielte Denkimpulse, ohne Schüler:innen in ein Frage-Antwort-Spiel zu zwingen, und bestätigen nur, was tatsächlich gezeigt wurde. Hinzu kommen eine klare Lernzielorientierung (Etappenziele) und aktivierenden Hinweise/Fragen, die helfen, den eigenen Lernprozess im Blick zu behalten. Diese Prinzipien werden für verschiedene Altersgruppen übersetzt in Sprache, Antwortlänge, Schutzbedarf und Aufgabenformate. Zusätzlich ermöglicht eine Art Fachmodul, dass Lehrkräfte diese Basisassistenten für ihr Fach und ihr Thema durch Erweiterungen in Systemprompt und Kontext anpassen.
Drei Profile, ein Grundgerüst
Zunächst möchte ich drei Basisassistenten beschreiben, die aus meiner Sicht geeignet sind, um die grundlegenden Anforderungen der Grundschule (ab Klasse 3), der Sek I und der Oberstufe abzudecken. Die Grenzen sind dabei nicht zu einhundert Prozent trennscharf und im Einzelfall eine Entscheidung der Schule, sinnvollerweise pro Jahrgang. Der Basisassistent für die Grundschule kann zum Beispiel auch noch in Jahrgangsstufe 5/6 zum Einsatz kommen.
Die Selbstständigkeit von Schüler:innen ist dabei zunächst kein Auswahlkriterium. Meiner Auffassung nach sollte sie innerhalb der Assistenten gesteuert werden: Der Systemprompt sieht deshalb vor, dass sich die Regulationsarbeit auf mehreren Stufen verschiebt. Auf der ersten Stufe schlägt der Assistent Ziele und Strategien vor, auf der dritten planen Lernende ihren Prozess selbst. Da schulisch eingesetzte KI-Assistenten nicht über ein Gedächtnis verfügen (und aus Datenschutzgründen nicht sollen), kann dieser sukzessive Gerüstabbau (Fading) nur innerhalb eines Chats stattfinden – anders als bei einem privaten Konto, bei dem solche Stufungen auch über längere Zeit und verschiedene Chats abgebildet werden können.
Mein konkreter Vorschlag für die drei Profile sieht so aus:
Lern-Lotse Start (Grundschule Klasse 3/4, bei Bedarf Klasse 5 und 6) arbeitet mit sehr kurzen Antworten, einfachen Wörtern und zwei Stufen. Dieser Assistent richtet sich an Lernende, die mit KI beginnen. Er verfügt über vier Modi: Lernen planen, etwas verstehen, üben, etwas prüfen lassen. Sein Grundsatz: Er unterstützt freundlich, vermeidet unnötige Tipparbeit, belässt die Denkarbeit aber weitestgehend beim Kind.
Lern-Lotse (Klassen 5 bis 10) ist das Standardprofil, das vielseitig auf die Bedarfe und Fragen von Schüler:innen eingeht. Er besitzt vier Modi auf drei Stufen: Lernen planen, etwas verstehen, üben, Feedback bekommen. Sein Grundsatz: Er nimmt Schüler:innen ernst, begegnet ihnen auf Augenhöhe und hilft ihnen, selbst weiterzukommen. Dabei verhält er sich pragmatisch und lässt die Denkarbeit weitgehend bei den Lernenden.
Lern-Lotse Sparring (Oberstufe und vergleichbare Bildungsgänge, derzeit ein Versuch, deswegen Beta) ist ein fachlich anspruchsvoller Denkpartner für die Herausforderungen höherer Jahrgangsstufen. Die Grenze liegt hier bei allem, was abgegeben werden kann: Thesen, Gliederungen und Formulierungen bleiben Sache der Schüler:innen. Er verfügt über fünf Modi auf drei Stufen: Lernen planen, etwas verstehen, üben, Feedback bekommen, streiten. Er verhält sich grundsätzlich kollegial, fordert Lernende aber auch heraus. Er nimmt Denkarbeit zunächst nicht ab und macht sie schwerer, wo es dem Lernen dient, bzw. leichter, wo Lernende festhängen. Lern-Lotse Sparring ist der einzige Basisassistent, der zusätzliches Kontextmaterial zu Wissenschaftspropädeutik mitbringt.
Verwendungshinweise: Die Systemprompts können bei AIS.Chat (als Dialogpartner) oder bei fobizz als Rolleninstruktion eingesetzt werden. Einstiegsfragen und Chatstarter sind optional. Trotz sorgfältig geprüfter Prompts können KI-Assistenten unerwünschte Verhaltensweisen zeigen. Aus diesem Grund werden die drei Basisprofile offen zur weiteren Bearbeitung angeboten. Von mir verbesserte Systemprompts werden zukünftig hier aktualisiert und mit Datum markiert. Die angebotenen Basisprofile können direkt im Unterricht eingesetzt werden, entbinden aber nicht von der eigenen Verantwortung, diese sorgfältig zu prüfen.
Mit dem Fachmodul fachspezifisch erweitern, ohne das Fundament anzutasten
Nun kann es sein, dass der fachliche Anspruch im Unterricht steigt und der allgemeine Assistent für ein bestimmtes Fach nicht mehr genügt. In diesem Fall dient das jeweilige Profil als Basis für einen fachspezifischen Assistenten (Lern-Lotse mit Fachmodul). Dazu ergänzt die Lehrkraft einen fachspezifischen Absatz im Systemprompt und lädt inhaltliches Kontextmaterial dazu. Dieser Absatz ist als kurzes Formular mit festen Feldern angelegt, in denen Thema, Lernziele, zentrale Fachbegriffe, Aufgabenformate und typische Fehlvorstellungen eingetragen werden. In den Kontext gehören Materialien, die der Assistent intern nutzt, um Anfragen und Output zu prüfen. Musterlösungen zu bewerteten Aufgaben sollten hier nicht eingespielt werden, weil der Assistent sie auf Nachfrage preisgeben könnte. Grundsätzlich gilt: Fachmodule ergänzen Inhalte, ändern aber keine Regeln.
Die Nutzungsvereinbarung
Zusätzlich zu diesen Basisassistenten schlage ich vor, ergänzende Nutzungsvereinbarungen mit Lernenden zu treffen. Eine solche Vereinbarung ergänzt die allgemeinen KI-Regeln der Schule (einen Vorschlag habe ich in der Architektur der KI-Didaktik gemacht) um verbindliche Abmachungen mit den Lernenden. Sie klärt wechselseitig, wofür der Lernbegleiter da ist und wofür nicht, und lässt die Schule ankreuzen, wann er erlaubt ist. Schüler:innen sagen zu, bei bewerteten Arbeiten offenzulegen, wofür sie den Assistenten genutzt haben. Die Schule sagt zu, dass offene Angaben nicht zu schlechteren Bewertungen führen und bei Problemen zuerst das Gespräch gesucht wird. Aus meiner Sicht kann eine solche Vereinbarung für ein gesamtes Schuljahr sowie projektbezogen sinnvoll sein. Die Vorlagen und die Gespräche darüber fördern Transparenz und Vertrauen und regen an, KI sinnvoll und bewusst für das eigene Lernen einzusetzen.
Was das für die Schulentwicklung bedeutet
Damit ein solches Assistententeam von einem Kollegium akzeptiert und eingesetzt wird, braucht es Absprachen und klare Zuständigkeiten. Für eine nachhaltige Organisation des Schulentwicklungsprozesses sind dafür aus meiner Sicht vier Schritte zu empfehlen:
- Ein kleineres Team interessierter Lehrkräfte (evtl. auch eine Steuergruppe, ein Medienkonzeptteam oder eine KI-Taskforce) pilotiert die hier vorgeschlagene Struktur des Assistententeams. Dazu können die Basisprofile von Lern-Lotse oder eigene Systemprompts verwendet werden.
- Hält das Team sie für tragfähig, wird die Idee der Lehrer:innenkonferenz vorgeschlagen. Diese beschließt, welche Basisassistenten in einer Erprobungsphase des gesamten Kollegiums eingesetzt werden und wofür ihre Nutzung erlaubt ist, sodass diese Regeln nicht von einzelnen Lehrkräften im Prompt festgelegt werden.
- Anschließend übernimmt eine kleinere Gruppe die Pflege der Basisassistenten, während die Fachschaften ihre Fachmodule verantworten und weiterentwickeln. Zusätzlich wird jede neue Version vor dem Einsatz mit einigen typischen Testdialogen geprüft, etwa mit hartnäckigem Nachfragen nach der Lösung.
- Und zuletzt werden die Erfahrungen der befristeten Erprobungsphase evaluiert, sodass Rückmeldungen von Schüler:innen und Kolleg:innen in die nächste Version und die entsprechende Beschlusslage einfließen können. So bleibt das System überschaubar und lässt sich gemeinsam verantworten.
Was ich mir von diesen Vorschlägen verspreche
Die skizzierten Überlegungen folgen der Überzeugung, dass ein gemeinsames Grundgerüst Orientierung schafft und Lehrkräfte entlastet. Zudem sorgt ein gestaltetes Assistententeam dafür, dass Schüler:innen in allen Fächern auf dieselbe Lernbegleiter-Logik treffen. Mit Blick auf die Gefahr, Lernschritte auszulagern (Skill-Skipping) halte ich es für zentral, die KI-Unterstützung an die Selbstregulationsfähigkeit der Lernenden zu koppeln, durch Vereinbarungen zu rahmen und als Thema in Lerncoaching-Gespräche aufzunehmen. Das integrierte Fading folgt der Idee, dass Unterstützung dann abnimmt, wenn Eigenständigkeit wächst, und zunimmt, wenn sie fehlt.
Darüber hinaus werden fachspezifische Assistenten einzelner Lehrkräfte besser, weil sie auf ein durchdachtes Fundament aufbauen können. Kolleg:innen müssen nicht jedes Mal neu überlegen, wie man verhindert, dass ein Assistent Lösungen verrät, sondern können sich auf fachspezifische Aspekte konzentrieren. Überdies lässt sich die Verwendung der Basisassistenten sowie das Einsetzen der Fachmodule gezielter fortbilden. Und zuletzt entsteht statt einer wachsenden Sammlung einzelner Assistenten ein System, das sich pflegen, weiterentwickeln und mit anderen Schulentwicklungsvorhaben verknüpfen lässt. An meiner Schule knüpft Lotse beispielsweise an unser Graduierungssystem an, in dem Schüler:innen auf vier Stufen schrittweise mehr Eigenverantwortung übernehmen.
Zuletzt erscheint mir ein solches Assistententeam auch mit Blick auf die Zukunft des schulischen KI-Einsatzes bedeutsam. Technisch besteht die nächste KI-Evolutionsstufe darin, dass KI-Agenten autonom miteinander kommunizieren und innerhalb festgelegter Grenzen handeln können, zum Beispiel durch MCP-Schnittstellen oder auf der Basis zugewiesener Tools. Eine solche Architektur nennt man Multi-Agentensystem. Schulisch orchestriert eröffnen sich hier Wege für agentische Lernworkflows, bei denen Schüler:innen mit einem Basisassistenten interagieren, dieser im Hintergrund aber weitere Agenten „ansprechen“ kann, um auf Kontext und Tools zuzugreifen. Ein gut aufgestelltes Assistententeam mit Basisprofilen und Spezialisten, die während einer Lernbegleitung miteinander interagieren, hätte technologisch noch einmal eine andere Qualität als isolierte Bots.
Und die Grenzen des Vorschlags?
Systemprompts ersetzen natürlich keine Pädagogik. Auch gut gestaltete Basisassistenten (mit und ohne Fachmodul) brechen ihre Regeln gelegentlich, insbesondere bei hartnäckigem Nachfragen, sodass jede neue Version mit einigen typischen Testdialogen geprüft werden muss. Zudem hängt die Qualität aller drei Profile vom eingesetzten Sprachmodell ab. Mit leistungsfähigen Modellen wie der GPT- oder der Sonnet-Reihe halten sie ihre Regeln deutlich verlässlicher ein als mit schwächeren, gerade bei längeren Prompts wie diesen (die Systemprompts haben ca. 4000-5000 Wörter). In meinen Testläufen habe ich auf der fobizz-Plattform mit GPT-6 Luna gearbeitet, bei AIS.Chat mit GPT-5.6-Luna (Stand: Oktober 2026).
Hinzu kommt ein grundsätzlicheres Problem: Jeder Assistent mit Leitplanken konkurriert mit einem Chatbot ohne Leitplanken, der bei älteren Lernenden auf dem privaten Handy oder iPad nur einen Fingertipp entfernt ist. Ob Schüler:innen die schulisch vorgegebenen – kontraintuitiven, weil anstrengenderen – Lernbegleiter nutzen, entscheidet sich auch am Classroom-Management (siehe auch diesen Artikel), an der Unterrichtskultur, an KI-integrierenden Aufgaben, die sich nicht einfach auslagern lassen, und an einer Vereinbarung, die ernst genommen wird. Schlussendlich ist der hier beschriebene Ansatz selbst noch nicht empirisch überprüft. Er ist als Vorschlag zu verstehen und benötigt in der Praxis verschiedener Schulen und Schularten Reflexion und kontinuierliche Weiterentwicklung.
Eine zusätzliche Einschränkung für die Oberstufe
Einschränken möchte ich meinen Vorschlag auch in Bezug auf Lern-Lotse Sparring für die Oberstufe, den ich bewusst als Beta-Version markiert habe. Hier fehlt mir Erfahrungswissen, sodass ich nicht beurteilen kann, ob ein solcher Basisassistent mit optionalem Fachmodul in der Oberstufe alltagstauglich ist. Vier Punkte sollten aus meiner Sicht diskutiert werden: Erstens steigen die Anforderungen an fachliche Tiefe. Hier erreicht ein Basisassistent je nach Modell und ohne Zusatzmaterial möglicherweise seine Grenzen. Zweitens wiegen (subtile) fachliche Fehler in der Oberstufe schwerer als in unteren Jahrgangsstufen, sodass mehr Kontext nötig ist. Drittens besteht die Gefahr, dass Feedback ohne spezifische Bewertungskriterien bei anspruchsvollen Aufgaben zu generisch bleibt. Und viertens ist das Umgehungsproblem bei älteren/erwachsenen Lernenden am größten: Wer schon länger privat mit frei verfügbaren Chatbots arbeitet, nutzt einen Assistenten, der Begründungen und Belege einfordert, nur dann, wenn er/sie muss oder dieser Assistent einen erkennbaren Mehrwert bietet.
Daher denke ich, dass der zielgerichtete Einsatz in der Oberstufe ergänzende Fachmodule braucht, mit denen Lehrkräfte ihre Hinweise und Kriterien hinterlegen. Ob das Profil dann den Ansprüchen von Oberstufenlehrkräften genügt, oder ob fachspezifische, eigene Assistenten (mit noch mehr Tiefe) nötig sind, muss sich deshalb in Erprobungen in der Praxis zeigen. Das gilt auch für die vorgeschlagene Nutzungsvereinbarung.
Ich freue mich hierzu über Erfahrungsberichte und Rückmeldungen. Nehmt gerne hier Kontakt mit mir auf!
Exkurs: Wenn das Grundgerüst nicht reicht
Für Lehrkräfte, die aus den beschriebenen Gründen fachdidaktisch mit eigenen Spezialassistenten weitergehen möchten, lohnt ein Blick auf den KRAFT+-Agenten aus dem Forschungsprojekt KIMADU der Universität Siegen. Hierbei handelt es sich um einen Prompt-Coach, der Lehrkräfte dialogisch und Schritt für Schritt zu einem ausführlichen Agenten-System-Prompt führt. Die Grundlage bildet das KRAFT+-Modell (nach Corvacho del Toro, Fuhlrott & Steinhoff 2025), das einen solchen Prompt nach Kontext, Rolle, Aufgabe, Form und Teilschritten strukturiert und um Einschränkungen und Schutzregeln ergänzt. Die didaktischen Agenten sind dabei, ähnlich wie der hier vorgestellte Lern-Lotse, als Partner angelegt und nicht als Lösungsmaschine, an die Aufgaben delegiert werden.
Für das hier beschriebene Modell ist das auf zweierlei Weise interessant. Zum einen lassen sich im Dialog mit dem KRAFT+-Agenten fachdidaktische Überlegungen erarbeiten (Kompetenzziele, typische Schwierigkeiten oder sinnvolle Teilschritte), die anschließend in ein Fachmodul einfließen. Zum anderen eignet er sich für eine zweite Art von Assistenten, die aufgabenbezogen für ein bestimmtes Unterrichtsvorhaben gebaut werden und nach dessen Ende wieder verschwinden. Sie ersetzen den Lernbegleiter nicht, sondern ergänzen ihn. Ein Assistententeam besteht dann aus wenigen dauerhaften, über Fachmodule geschärften Basisassistenten und zeitlich begrenzten Spezialisten[1].
Zum Ausprobieren, Nutzen und Weiterentwickeln
Wer nach der Lektüre dieses Beitrags beginnen und eigene Erfahrungen sammeln will, startet aus meiner Sicht am besten mit dem mittleren Profil. Es lässt sich in Plattformen wie AIS.chat oder fobizz direkt als Dialogpartner/Assistent anlegen, bei Bedarf mit einem Fachmodul ergänzen und vor dem Einsatz mit einigen Testdialogen prüfen. Wer das mit zwei oder drei Kolleg:innen gemeinsam tut, hat bereits den ersten Schritt vom einzelnen Assistenten zum Assistententeam gemacht.
Und so komme ich zurück zum Anfang: Vieles spricht dafür, dass fachdidaktisch gestaltete Assistenten lernförderlich eingesetzt werden können. Gleichzeitig verwirrt das derzeitige Überangebot mehr als es nützt, sodass sich Schulen (wieder einmal) selbst auf den Weg machen müssen. Das gelingt in einem gemeinsamen Schulentwicklungsvorhaben zielgerichteter als im Modus des Einzelkämpfers. Und nicht zuletzt ist die Idee eines gemeinsamen KI-Assistententeams auch noch anschlussfähig an ein bereits bestehendes Schulprofil und weitere Entwicklungsschwerpunkte. Deswegen plädiere ich dafür, Lernbegleitung mit KI als Schulentwicklungsaufgabe zu begreifen und zukünftig als solche zu gestalten.
Literatur
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
- Corvacho del Toro, I., Fuhlrott, M. & Steinhoff, T. (2025). Didaktische Agenten. KI als Lehr-/Lernpartnerin im Deutschunterricht im Forschungsprojekt KIMADU. In H.-G. Müller & M. Fürstenberg (Hrsg.), DeutschGPT – Deutschunterricht im Dialog mit Künstlicher Intelligenz (S. 65–86). Berlin: Frank & Timme. https://doi.org/10.26530/20.500.12657/104475
- Dilling, F., Eckhardt, M., Heer, B., Herrmann, M., Marx, B. & Witzke, I. (Hrsg.) (2026). Handreichung: Erstellung didaktischer KI-Agenten für den Mathematikunterricht (Version 2.0, Stand 05/26). Universität Siegen. https://www.lernen-digital.nrw/system/files/media/document/file/handreichung_ki-agenten_05_26.pdf
- KIMADU Deutsch (2026). KRAFT+-Agent. Prompt-Coach für die Entwicklung didaktischer Agenten im Deutschunterricht der Sekundarstufe I. Universität Siegen. https://kimadu.de/wp-content/uploads/kraft-plus-agent/kraftplus.html
- Strömberg, D., Lei, V. & Wu, Y. (2026). The Generative AI Learning Penalty: Evidence from Chinese Secondary Education(CEPR Discussion Paper DP21577). https://cepr.org/publications/DP21577
Sonstige Lesetipps zum Thema:
Auf der Schweizer Plattform IQES, deren Redaktion ich angehöre, finden sich bereits mehrere Artikel, die sich mit dem Thema „KI als Lernpartner und sokratischer Coach“ auseinandersetzen. Lucca Spohn hat beispielsweise zahlreiche Materialien bereitgestellt. Empfehlenswert sind auch die durchdachten Lernbegleiter SID, Mimir und Mimira von Dr. Johannes Hellenbrand (auch wenn sie meinem Anliegen in diesem Artikel in Teilen widersprechen). Beide Artikel finden sich hier: https://www.iqesonline.net/bildung-digital/lernen-mit-ki/ki-als-coach-tutor-und-sparringpartner/
Darüber hinaus möchte ich allen Interessierten die KI-Konzepte der Preisträger-Schulen des KI-Schulpreises ans Herz legen. Darin finden sich teilweise ähnliche Überlegungen zum Lernen mit schulweiten Assistenten, zum Beispiel mit „Carl“ am Carl-Fuhlrott-Gymnasium.
P. S.: Wer Interesse an einem Vortrag oder Workshop zu diesen Vorschlägen hat, kann hier Kontakt mit mir aufnehmen.
[1] Einschränkend gilt: Der KRAFT+-Agent ist für den Deutschunterricht der Sekundarstufe I konzipiert und nutzt als eine seiner Wissensdateien die NRW-Lehrpläne. Für andere Fächer, Länder oder die Oberstufe kann er als Anregung dienen, muss aber angepasst werden, etwa durch Austausch dieser Datei. Für Mathematik bietet dasselbe Projekt eine eigene Handreichung mit einem vergleichbaren Hilfsagenten, dem „Prompting Unterstützer“ (Dilling et al. 2026).
Veröffentlicht am 8. Oktober 2026