Wie gestalte ich Lehr- / Lernprozesse
Der Einsatz von KI-Chatbots in Lehr- und Lernprozessen führt sehr schnell zu einem Paradox:
KI-Tools können Lernende entlasten und zugleich ihr Lernen verhindern!Maria Bernhard
Dieser Gegensatz entsteht dann, wenn Lernende mithilfe von KI-Tools eigene Denkprozesse ersetzen oder abkürzen, statt sich mit den Lerninhalten aktiv auseinanderzusetzen.
Ein Aufgabendesign für konstruktive und interaktive Lernhandlungen mit und ohne KI
Erfolgreiches Lernen wird nach dem ICAP-Framework umso wahrscheinlicher, je stärker Lernende kognitiv aktiviert sind.
I Interaktive Lernaktivitäten
Interaktive Lernaktivitäten wie gemeinsam mit anderen über Lerninhalte diskutieren.
C Konstruktive Lernaktivitäten
Konstruktive Lernaktivitäten, in welchen beispielsweise eigene Schlussfolgerungen basierend auf selbst erstellten Mindmaps, Podcasts, etc. gezogen werden.
A Aktive Lernaktivtäten
Aktive Lernaktivtäten wie markieren im Text oder Textpassagen per Copy-&-Delete übertragen.
P Passive Lernaktivitäten
Passive Lernaktivitäten des bloße Lesen oder betrachten eines Videos.
Interaktive Lernaktivitäten sind dabei lernförderlicher als konstruktive Lernaktivitäten,welche wiederum lernwirksamer sind als aktive Lernaktivtäten und letztlich passive Lernaktivitäten.
Genau hier entscheidet sich der lernförderliche Einsatz von KI-Anwendungen im Unterricht: werden KI-Chatbots nur als „Antwortmaschinen“ eingesetzt, welche von Lernenden zwar gelesen, aber dann fast identisch übertragen werden, so erfolgt lediglich eine passive Nutzung bzw. maximal eine aktive Nutzung.
Genau hier entscheidet sich der lernförderliche KI-Einsatz: Wenn KI nur fertige Antworten liefert, rutschen Lernende leicht in die passive oder maximal aktive Nutzung. Lernwirksam wird KI, wenn Aufgaben KI so einbinden, dass Lernende selbst konstruieren (erklären, begründen, umformulieren, transferieren) und miteinander interagieren (diskutieren, abgleichen, entscheiden).
Konkret: Planen Sie Aufgaben mit einer klaren Kernleistung, die nur durch eigenes Denken erbracht werden kann (z. B. begründen, entscheiden, korrigieren, transferieren) – und definieren Sie anschließend, an welchen Stellen KI unterstützen darf (Ideen sammeln, sprachlich glätten, Gegenargumente liefern, Verständnisfragen stellen). Legen Sie dazu Qualitätskriterien fest (Woran erkennen wir eine gute Begründung? Was ist ein tragfähiger Beleg?), bauen Sie bewusst kooperative Phasen ein (Peer-Review, Gruppenentscheidung, Begründungspflicht) und sichern Sie am Ende das Lernen durch einen Transfer ohne KI ab. So wird KI vom Antwortgenerator zum Lernanlass: Sie liefert Material, aber die Lernenden müssen vergleichen, prüfen, verwerfen, verbessern und ihr Vorgehen erklären – und genau diese Lernhandlungen machen den Unterricht lernwirksam.
Basierend auf den ICAP-Framework sind im Umgang mit KI-Chatbots folgende lernförderlichen Lernaktivitäten denkbar:
Lernende lassen sich von einem KI-Chatbot z.B. einen Sachverhalt erläutern oder eine Begründung für eine bestimmte Position erstellen. Um zu vermeiden, dass das KI-Ergebnis nur übernommen wird, ist es die Aufgabe der Schülerinnen und Schüler das KI-Ergebnis zu widerlegen, Einschränkungen zu finden oder ggf. mit weiteren Quellen zu untermauern.
- Welche Annahmen liegen dem Ergebnis zugrunde?
- Was wäre ein Gegenbeispiel?
- Was fehlt?
Die konstruktive Lernaktivität bewirkt, dass Lernende sich mit dem Lerninhalt und dem KI-Ergebnis kritisch auseinandersetzen.
Die Lernenden erstellen in Gruppen unterschiedliche Lösungsvorschläge bzw. Erklärungen zu einem Lerninhalt. Ihre Aufgabe ist es, die Qualität der KI-Ergebnisse kriteriengeleitet zu vergleichen und zu beurteilen. Durch die gemeinsame Analyse der KI-Ergebnisse und die kriteriengeleitete Diskussion entsteht liegt eine interaktive Lernaktivität vor, bei welcher nicht der Output sondern die Urteilskompetenz und die begründete Entscheidung zählt.
Fachlichkeit
• Stimmt das inhaltlich – oder finden sich Widersprüche zu Unterrichtsmaterial, Buch, Experiment oder bekannten Regeln/Formeln?
• Sind zentrale Fachbegriffe korrekt verwendet und passend erklärt?
• Passt die Antwort wirklich zur Fragestellung (Aufgabenbezug) oder weicht sie aus?
• Ist das KI-Ergebnis neutral formuliert oder lassen sich Bias (Verzerrungen) erkennen?
Begründung
• Wird klar warum etwas so ist oder werden nur Behauptungen aufgestellt?
• Sind die Argumente logisch aufgebaut (Schritt für Schritt nachvollziehbar; Behauptung, Begründung, Beleg, Rückführung)?
• Welche Annahmen stecken in der Antwort und sind diese berechtigt?
Beispiele
• Gibt es Beispiele, die die Aussage wirklich verständlich machen?
• Sind die Beispiele passend, realistisch und fachlich korrekt?
• Gibt es ein Gegenbeispiel, das die Aussage einschränkt oder widerlegt?
Verständlichkeit
• Ist die Erklärung so formuliert, dass sie in eigenen Worten wiedergegeben werden kann?
• Ist das KI-Ergebnis übersichtlich (Struktur, Reihenfolge, wichtige Begriffe) oder eher „Textwüste“?
• Welche Stelle bleibt unklar und welche Rückfrage musste gestellt werden, um sie zu klären?
Quellenbezug / Nachprüfbarkeit
• Auf welche Quelle stützt sich die Aussage (ein Gesetz, ein Textbeleg, etc.)?
• Kann die Information überprüft werden (z. B. im Buch, auf einer seriösen Seite, im Originaltext)?
• Wirkt etwas „sehr sicher“, obwohl es eigentlich überprüft werden müsste (Warnsignal)?
Angelehnt an die Debugging-Didaktik zur Förderung der Programmierkenntnisse von Schülerinnen und Schülern sollen hier KI-Irrtümer in Bezug auf Logikfehler, fehlenden Bedingungen oder falschen Begriffsdefinitionen analysiert werden. Lernende erhalten hier KI-Ergebnisse und sollen in diesen Fehler markieren und begründet korrigieren.
Diese Gestaltung einer Lernaktivität zeigt Schülerinnen und Schüler die Grenzen von KI-Anwendungen auf und lässt Fehler als Lernchancen zu.
KI als Anlass für Dialog, statt nur individueller „Lernbuddy“
Die höchste Lernwirksamkeit, also die kognitiv tiefste Auseinandersetzung und Abspeicherung mit den Lerninhalten erfolgt nach dem ICAP-Framework im interaktiven Austausch innerhalb der Lerngruppe. Das erinnert daran, dass Schule als soziales System auch menschliche Interaktion innerhalb der Lerngruppe vorsehen sollte!
Ein persönlicher „Lernbuddy“, der sich an das Vorwissen und den kognitiven Kapazitäten der einzelnen Schülerinnen und Schüler anpasst, ist zwar verlockend und trägt zur Individualisierung des Unterrichts bei, dennoch sollte Unterricht mit kooperativen Elementen gestaltet werden.
Durch den persönlichen Lernbegleiter, der individuell Hilfestellung für die Weiterarbeit im Team leistet, indem er Begriffe erklärt oder Vorwissen aktiviert, führt Individualisierung nicht zur Vereinzelung, sondern zur differenzierten Teilnahme in gemeinsamen Denkräumen.
Durch Transfer- und Vertiefungsaufgaben, deren Bearbeitung ohne KI-Einsatz wird den Schülerinnen und Schülern wird den Kompetenzzuwachs bewusst. Dabei steuert und verantwortet die Lehrkraft mit KI-Unterstützung das Anspruchsniveau der weiteren Aufgaben und baut schrittweise die bedarfsgerechten zusätzlichen Hilfestellungen ab (Scaffolding und Fading).
KI-Anwendungen dienen damit als temporäres Gerüst, mit Beispielen zum einfachen Einstieg in das Thema, Texte in vereinfachter Sprache oder der schrittweisen Erklärung der Bearbeitungsschritte statt der bloßen Ausgabe der Lösung. So erhalten Lernende eine Unterstützung bei Aufgaben, die sie noch nicht alleine lösen können.
Mit passender Unterstützung werden Anforderungen und Fähigkeiten ins Gleichgewicht gebracht um Langeweile durch zu einfache Aufgaben sowie Überforderung und Angst durch zu schwierige Aufgaben zu vermeiden. Lernende bleiben so konzentrierter und erleben sich kompetent „im Tun“.
Sich zugehörig fühlen, selbst Entscheidungen treffen zu können und das Erleben eigener Kompetenz wirkt sich nach der Selbstbestimmungstheorie positiv auf die Motivation der Schülerinnen und Schüler auswirkt.
Didaktik vor Tool: K+5 als Qualitätsbrille für KI-Aufgaben
Einsatz von KI im Unterricht didaktisch zu prüfen. Für Lehrende ist es anschlussfähig, weil es kein eigenes KI-Modell entwirft, sondern auf bekannten Vorstellungen von Unterrichtsqualität aufbaut. Es lenkt den Blick damit nicht zuerst auf das Tool, sondern auf die Frage, welchen Beitrag KI zu einem lernwirksamen Unterricht leisten kann.
Beim Einsatz von KI im Unterricht bedeutet das: Nicht das Tool bestimmt die Stunde, sondern die Lehrkraft entscheidet, welche Qualität gestärkt werden soll.
Veranschaulichung
KI hilft, komplexe technische, kaufmännische, wirtschaftliche oder sprachliche Inhalte in Beispielen, Grafiken, Rollenszenarien oder vereinfachten Fassungen sichtbar zu machen.
Methodenvielfalt
KI ermöglicht Perspektivwechsel, Simulationen, Gegenpositionen, Fallvarianten oder dialogische Formate.
Lebensweltbezug
KI-Aufgaben knüpfen an reale berufliche Kommunikations- und Entscheidungssituationen an.
Individualisierung
KI gibt gestufte Hilfen, alternative Erklärungen oder differenzierte Aufgabenstellungen.
Kompetenzorientierung und intelligentes Üben
KI erzeugt nicht nur Lösungen, sondern Anlässe zum Anwenden, Begründen, Prüfen, Überarbeiten und Transferieren.
Gerade an beruflichen Schulen zeigt sich der Wert dieser Perspektive. KI kann hier nicht nur Lernprozesse unterstützen, sondern auch Aufgaben mit realitätsnahen beruflichen Situationen verknüpfen – etwa bei Kundenkommunikation, Textproduktion, Fallanalysen oder der Bearbeitung betrieblicher Problemstellungen. Zugleich macht das K+5-Modell auf eine wichtige Grenze aufmerksam: KI ist didaktisch nicht schon deshalb sinnvoll, weil sie schnelle, bequeme oder scheinbar passgenaue Ergebnisse liefert. Problematisch wird ihr Einsatz dort, wo sie Eigenaktivität, Anstrengung und vertiefte Auseinandersetzung ersetzt, statt sie zu unterstützen. Lernförderlich ist KI nur dann, wenn sie Denkprozesse anregt, nicht wenn sie sie verkürzt.
Guter Unterricht in einer digitalen Welt – Das K+5-Modell
Im Modell steht „K“ für effektive Klassenführung als Grundlage; hinzu kommen fünf Bereiche, in denen digitale Medien lernwirksam unterstützen können: Veranschaulichung, Methodenvielfalt, Lebensweltbezug, Individualisiertes Lernen sowie kompetenzorientierte Aufgabenformate & intelligentes Üben.
Eine hilfreiche Übersicht über die Gestaltung von Lehr- und Lernprozessen in Zeiten von KI. Tipps zur effizienten und kreativen Unterrichtsgestaltung finden Sie auf der TaskCard des Schulversuchs KI@School. Die Übersicht macht deutlich, dass lernförderliche KI nicht auf ein einzelnes Tool oder Einsatzszenario reduziert werden kann. Ihr didaktischer Wert zeigt sich vielmehr dort, wo sie Aufgabenentwicklung, Differenzierung, personalisiertes und vernetztes Lernen sowie Feedbackprozesse sinnvoll unterstützt. Gerade an beruflichen Schulen eröffnet das die Möglichkeit, Unterricht näher an berufliche Praxis heranzuführen, ohne den pädagogischen Anspruch aus dem Blick zu verlieren.
Quellen:
• Chi, H. & Wylie, R. (2014). The ICAP framework: Linking cognitive engagement to active learning outcomes. Educational Psychologist, 219-243.
• Deci, E. & Ryan, R. (2000): Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being. American Psychologist.
• Michaeli, T & Romeike, R. (2019): Debuggen im Unterricht – Ein systematisches Vorgehen macht den Unterschied.
• Nieding, G., Ohler, P. & Rey, G. (2015): Lernen mit Medien.
• Wisniewski, B. (2022): Deci & Ryan (2000) |Motivation; Podcast Psychologie fürs Klassenzimmer
Empfohlene Zitierweise
(2026): Wie gestalte ich Lehr- / Lernprozesse. In: "". Verfügbar unter: https://www.isb.bayern.de/aktuelles/isb-prisma/ki-berufliche-bildung/arbeitskreise/digitale-lernszenarien-3-2/
Abbildungsnachweis
- Bildnachweis zum Vorschaubild der Seite: © iStock, Jitendra Jadhav
