Feld L · Entwurf, nicht erprobt
Lehrkräfte
L steht für Lehrkräfte und damit für das Lehren. Im Modell steht K vorn, weil der Lernerfolg das Ziel ist; begonnen wird in einer Schule aber hier, bei den Lehrkräften.
Gewinnt die Lehrkraft Zeit für das, was nur sie kann?
KI hilft: entwerfen, Material sortieren und vorstrukturieren (keine Arbeiten von Lernenden).
Bleibt bei der Lehrkraft: Beziehung, Diagnose, Bewertung, Verantwortung.
Vier Regeln
Rückmeldung ja, Note nein
KI gibt Hinweise nach meinen Kriterien. Die Bewertung bleibt bei mir.
(Kubesch et al. 2026; KMK 2024: 3–4)
Gewonnene Zeit hat ein Ziel
Zeit, die KI spart, nutze ich für Gespräch, Diagnose und Rückmeldung. Groß ist der Gewinn bisher nicht: Zwei englische Studien messen 25 und 49 Minuten weniger Planungszeit je Woche.
(EEF o. J. a; EEF o. J. b)
Lernen im Team
Fortbildung läuft als Erprobung, Rückblick und kollegiale Beratung im Fach. Eine einzelne Veranstaltung reicht dafür nicht.
(Lipowsky & Rzejak 2021: 19–28)
Erst der Denkkern, dann das Werkzeug
Vor jeder Aufgabe mit KI-Bezug kläre ich, was die Lernenden selbst denken sollen. Dann erst bekommt die KI eine Rolle.
(Falck 2026)
Die Sätze in der Ich-Form sind Regeln, wie eine Lehrkraft sie für sich fassen kann. Sie beschreiben nicht meinen Unterricht; erprobt ist nichts davon.
Sechs Einsatzfelder
Die KI entwirft; ich prüfe, entscheide und verantworte. Namen, Noten und Schulbuchseiten gebe ich nicht ein. Texte von Lernenden gehen nur in ein Werkzeug, das die Schule dafür freigegeben hat; über den Start entscheidet die Schulleitung.
Planung
KI entwirft Abläufe und Varianten. Ich prüfe, wo die Lernenden selbst denken; in einer Studie rutschten KI-Planungen oft in reine Wissensvermittlung (Großmann et al. 2026).
Material
KI liefert erste Fassungen. Ich prüfe Fakten, Niveau und Format und ergänze Karte oder Diagramm (Schirmer & Himpsl-Gutermann 2025: 21).
Differenzierung
KI schreibt einen eigenen Text in mehreren Sprachniveaus. Ich prüfe die Fachbegriffe; wer welche Fassung bekommt, entscheidet nie die KI.
Rückmeldung
KI gibt Hinweise zu Übungstexten, nach meinen Kriterien und ohne Note. Vorher prüfe ich, ob sie stabil und richtig sind.
Organisation und Verwaltung
KI entwirft Elternbriefe, Protokollgerüste und Zeitpläne. Ich prüfe Inhalt und Ton und entscheide, was hinausgeht.
Weiterbildung und Recherche
KI fasst Fachtexte zusammen und schlägt Lesewege vor. Jede Angabe prüfe ich an der Quelle, bevor ich sie nutze.
Aufgaben umbauen in drei Schritten
Die drei Schritte sind an die Startroutine aus dem Aufgaben-Remix von Hauke Pölert angelehnt und für KLAR verdichtet (Pölert 2026 c); die drei Felder des Steckbriefs stützen sich auf Joscha Falck (Falck 2026).
Probelauf
Ich lasse meine Aufgabe von einem Sprachmodell lösen und sehe, was es ohne eigenes Denken schafft.
Kernleistung
Ich sage in einem Satz, was die Lernenden selbst leisten sollen.
Drei Felder (der Steckbrief)
Was denken die Lernenden selbst (Denkkern), was darf die KI (Rolle), woran sehe ich die Eigenleistung?
Mein Beispiel aus Geographie (Oberstufe). Ausgangsaufgabe: „Erläutere die für ein Technologieunternehmen bedeutenden Standortfaktoren und beurteile den geplanten Standort eines Rechenzentrums nach den Kriterien …“ Umgebaut zum Prüfauftrag, mit vier Arbeitsschritten für die Lernenden, jeder mit seiner Farbe in der KI-Ampel:
Schritt 1
Rot: ohne KI
Haltet ohne KI fest, welche drei Standortfaktoren ihr für entscheidend haltet, und begründet sie.
Schritt 2
Gelb: KI nur wie genannt
Lasst eine KI mit dem vorgegebenen Auftrag eine Analyse des Standorts erstellen, ohne weitere Fragen an sie.
Schritt 3
Grün: KI gehört dazu
Prüft die KI-Analyse Aussage für Aussage an Karte und Daten: Was stimmt, was fehlt, was ist falsch?
Das Urteil fällen die Lernenden selbst
Schritt 4
Rot: ohne KI
Beurteilt den Standort selbst nach den Kriterien und begründet, wo ihr von der KI-Analyse abweicht.
Zur KI-AmpelWas Lehrkräfte am Ende können sollen
Ich kann …
- LZ1 erklären, wie ein Sprachmodell arbeitet und wo es irrt, und jede Ausgabe prüfen.
- LZ2 entscheiden, was ich eingeben darf und wen ich vorher fragen muss.
- LZ3 KI für Planung, Material und Differenzierung als Zuarbeit nutzen und das Ergebnis überarbeiten.
- LZ4 Aufgaben so umbauen, dass das Denken bei den Lernenden bleibt.
- LZ5 Rückmeldung und Bewertung trennen: Ich bewerte selbst.
- LZ6 einen Einsatz erproben, auswerten und im Team weitergeben, auch als begründetes Nein.
Der Weg hat drei Etappen: einsteigen, anwenden, weitergeben. Zielbild und Etappen lehnen sich an den UNESCO-Rahmen für Lehrkräfte (Miao & Cukurova 2024) und an das KI-Kompetenzmodell (Alles et al. 2025) an; die Zuordnung ist meine Lesart.
Lernen im Team
Werkstatt „Erste Aufgabe“
Jede Lehrkraft baut eine eigene Aufgabe um. Ergebnis: ein Steckbrief und ein Termin für die Erprobung.
Erprobungsschleife
Zwei kurze Treffen in der Fachschaft, dazwischen die Erprobung im Unterricht. Ergebnis: eine Seite, was trug und was nicht.
Vorstellen und Sichern
Die Fachkonferenz hört von den Erprobungen und hält fest, was im Fach gilt.
Ein kurzer, anonymer und freiwilliger Bogen zeigt, wie sicher sich das Kollegium fühlt; ob erprobt wurde, zeigen die Notizen. Über eine Befragung entscheidet die Schulleitung.
Wo anfangen?
Den Einstieg trägt das Kollegium; die Leitung steuert und plant die Fortbildung. Eine Lernplattform braucht es nicht.
- Auftrag und Werkzeug klären: Wer koordiniert, womit dürfen Lehrkräfte arbeiten?
- Stand und Ziel klären: Was soll bei den Lernenden besser werden, auch ohne KI?
- Gemeinsam einsteigen: Werkstatt und Regeln.
- Klein erproben: zwei oder drei Fachschaften.
- Auswerten und sichern.
Kleinster Einstieg: eine Fachschaft, eine umgebaute Aufgabe, eine Erprobung, ein Rückblick. Die Schritte lehnen sich an einen Handlungsleitfaden aus Bayern (StMUK Bayern o. J.) und an den KURS-Zyklus (Pölert 2026 e) an.
KLAR verbindet vorhandene Arbeiten; neu ist vor allem die Zusammenstellung. Ob es vergleichbare Verbindungen gibt, ist nicht geprüft. Erprobt ist das noch nicht.
Quellen
Geprüft sind die bibliografischen Angaben, außer bei Einträgen mit Stern. Die Aussagen sind über ein Abrufwerkzeug gelesen und noch nicht an den Originalen gegengelesen. Die Buchstaben hinter dem Jahr folgen dem Gesamtverzeichnis des Modells.
- Alles, S.; Falck, J.; Flick, M.; Schulz, R. (2025): KI-Kompetenzen für Lehrende und Lernende: Aus der Praxis für die Praxis – eine adaptierbare Basis. https://joschafalck.de/ki-kompetenzen/ [17.11.2026].
- EEF (= Education Endowment Foundation) (Hg.) (o. J. a): Does using Aila, an AI lesson-planning assistant, reduce the time teachers spend planning lessons? https://educationendowmentfoundation.org.uk/projects-and-evaluation/projects/aila-teacher-choices-trial [17.11.2026].
- EEF (= Education Endowment Foundation) (Hg.) (o. J. b): Teachers using ChatGPT – alongside a guide to support them to use it effectively – can cut lesson planning time by over 30 per cent: Promising findings from first major trial of teachers' use of ChatGPT in schools in England. https://educationendowmentfoundation.org.uk/news/teachers-using-chatgpt-alongside-a-guide-to-support-them-to-use-it-effectively-can-cut-lesson-planning-time-by-over-30-per-cent [17.11.2026].
- Falck, J. (2026): Architektur der KI-Didaktik: Bedingungen für lernwirksamen Unterricht im KI-Zeitalter. https://joschafalck.de/architektur-ki-didaktik/ [17.11.2026].
- Großmann, L.; Koberstein-Schwarz, M.; Krüger, D.; Krell, M. (2026): Lesson planning with ChatGPT for inquiry-based biology instruction – A(I) roll of the dice? In: International Journal of Science Education 48 (15): 2356–2375. DOI: https://doi.org/10.1080/09500693.2025.2567509 *
- KMK (= Kultusministerkonferenz) (Hg.) (2024): Handlungsempfehlung für die Bildungsverwaltung zum Umgang mit Künstlicher Intelligenz in schulischen Bildungsprozessen. Beschluss der Bildungsministerkonferenz vom 10.10.2024. [Adresse des Herausgebers nicht geprüft; gelesen an einer Kopie:] https://cdn.table.media/assets/wp-content/uploads/2024/10/10195511/2024_10_10-Handlungsempfehlung-KI.pdf [17.11.2026]. *
- Kubesch, J.; Huber, L.; Havas, C. (2026): Evaluating Austrian A-Level German Essays with Large Language Models for Automated Essay Scoring. In: The 41st ACM/SIGAPP Symposium on Applied Computing (SAC ’26), 23.–27.03.2026, Thessaloniki. New York: Association for Computing Machinery. https://doi.org/10.1145/3748522.3779879 [17.11.2026]. Gelesen in der Fassung auf arXiv (arXiv:2603.06066v1), nur Abstract. *
- Lipowsky, F.; Rzejak, D. (2021): Fortbildungen für Lehrpersonen wirksam gestalten: Ein praxisorientierter und forschungsgestützter Leitfaden. Kurzfassung. Gütersloh. https://bertelsmann-stiftung.de/fileadmin/files/user_upload/Kurzf_Lehrerfortb_final_210908.pdf [17.11.2026].
- Miao, F.; Cukurova, M. (2024): AI competency framework for teachers. Paris: UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-teachers [17.11.2026]. *
- Pölert, H. (2026 c): Aufgaben-Remix 5×4. https://unterrichten.digital/aufgaben-remix-5x4-matrix-ki/ [16.11.2026].
- Pölert, H. (2026 e): Vom Pädagogischen Tag zur Unterrichtsentwicklung – KURS-Zyklus als Prozessvorschlag im Kontext von KI. https://unterrichten.digital/ki-schule-kurs-prozess/ [15.11.2026]. *
- Schirmer, K.; Himpsl-Gutermann, K. (2025): KI-basierte Unterstützung der Unterrichtsvorbereitung von Lehrpersonen. Abschlussbericht Pilot Teachino. [Wien:] Pädagogische Hochschule Wien, Kompetenzzentrum MINT & Digitalität. https://www.bmb.gv.at/dam/jcr:18fa5c4e-0d53-4d2d-971b-9dfe11a0ede7/ki_teachino_phwien_pilot_abschlussbericht.pdf [17.11.2026].
- StMUK Bayern (= Bayerisches Staatsministerium für Unterricht und Kultus) (Hg.) (o. J.): Künstliche Intelligenz in der pädagogischen Praxis. Handlungsleitfaden. https://km.bayern.de/download/4-24-12/Handlungsleitfaden-KI-in-der-p%C3%A4dagogischen-Praxis.pdf [17.11.2026].
* Angaben nicht oder nur eingeschränkt geprüft: an anderer Adresse, an einer Kopie oder nur in Teilen.
Entwurf, Stand 17.11.2026.