Guter Unterricht auf Knopfdruck?

Sinnvoll eingesetzt unterstützt KI bei der Skizzierung von Lernsituationen, beim Verfassen von Fachtexten, Glossaren, Übungsaufgaben, Visualisierungsideen oder Rückmeldebögen. Ein umfangreicher Fachtext lässt sich rasch in eine sprachsensible Variante übertragen, in eine Fachworttabelle überführen oder in Form gestufter Hilfekarten aufbereiten. Auch für Beratungsprozesse und die Lernortkooperation entstehen zügig erste Entwürfe für Gesprächsleitfäden, Checklisten, Informationsschreiben oder Ablaufpläne.

Dieses Einsatzspektrum spiegelt sich in einer explorativen Befragung des Bundesinstituts für Berufsbildung unter 246 Ausbildungsverantwortlichen wider. Die Ergebnisse der nicht repräsentativen Erhebung sprechen zudem nicht für eine pauschale Zeitersparnis, sondern verweisen auf Rechtsunsicherheiten, Qualifizierungsdefizite und Zeitmangel (Nahm, Isenmann, 2026, S. 404-405). Der erste Entwurf ist schnell generiert, die fachliche sowie didaktische Freigabe erfordert jedoch Zeit und Expertise.

Jeder generierte Text zieht Prüfprozesse nach sich. Entsprechen Fachbegriffe, statistische Angaben, geltende Gesetzeslage und Sprachniveaus den curricularen Anforderungen? Spiegelt das Material die berufliche Wirklichkeit authentisch wider? Diese Prüfung und die anschließende Überarbeitung sind unverzichtbare Kernaufgaben von Lehrkräften.

Ein guter Prompt definiert Lerngruppe, Fachkontext, Lernfeldinhalte, gefordertes Format und Qualitätskriterien. Beim Entwurf einer Lernsituation führen konkrete Angaben zu Ausbildungsberuf, Vorwissen, zeitlichem Umfang sowie vorgegebenen Fachquellen zu deutlich besseren Resultaten. Auch gewünschte Sprachniveaus oder methodische No-Gos lassen sich vorab festlegen.

Diese Vorgehensweise dient als praxisnahe Orientierungshilfe, nicht als Erfolgsgarantie. Eine Forschungsübersicht von Lee und Palmer (2025) identifiziert vergleichbare Kernbestandteile und stellt klar, dass es keine allgemeingültige Formel für perfekte Ergebnisse gibt. Für die Unterrichtspraxis zählt die Qualität der fachlichen Vorarbeit mehr als elaborierte Formulierungen. Ohne fundierte Quellenvorgabe und Lerngruppenanalyse generiert die KI meist austauschbare, uniforme Texte. Aber auch eine präzise Eingabe bleibt immer nur der Ausgangspunkt für die fachliche Detailprüfung des Outputs durch die Lehrkraft.

Ein KI-Gesetz für Schulen existiert in Deutschland bislang nicht. Maßgeblich sind Datenschutzvorgaben, Urheberrecht, der EU-AI-Act sowie landesspezifische Schul- und Prüfungsordnungen. Für die rechtssichere Praxis ist daher eine Auseinander-setzung mit diesen Grundlagen unerlässlich. Der Trendmonitor Spezial der Telekom-Stiftung analysierte 56 Regelwerke und zeigte, dass sich 87 Prozent von 1.054 befragten Lehrkräften verständliche rechtliche Orientierung wünschen (Schmid et al. 2026).

Personenbezogene Merkmale wie Namen, Zensuren, sonderpädagogischer Förderbedarf, Gesundheitsdaten, Fotos oder identifizierbare Schülerleistungen dürfen keinesfalls in offene KI-Systeme eingegeben werden. Ebenso wenig gehören urheberrechtlich geschützte Lehrwerke, offizielle Prüfungsunterlagen oder vertrauliche Betriebsdaten in externe Eingabefelder. Eine kontinuierliche Sensibilisierung im Kollegium durch Fortbildungen, Leitfäden und fachlichen Austausch ist daher essenziell (Datenschutzkonferenz, 2024).

Ein offener Erfahrungsaustausch im Kollegium über gelungene sowie unzureichende Unterrichtsversuche mit KI-Einsatz ist für eine erfolgreiche Schulpraxis zentral. Fachgruppen können verbindlich festhalten, welche Anwendungen sich bewährt haben, welche didaktisch geeignet sind und welche rechtlich ausgeschlossen bleiben. Eine geteilte Sammlung für geprüfte Fachquellen, erprobte Prompts und typische Fehlerquellen sichert den systematischen Wissenstransfer. Für den Einstieg empfiehlt sich ein strukturierter Ablauf:

• didaktische Zielstellung wählen,
• Fachquellen festlegen,
• KI-Rohfassung generieren,
• Material fachlich prüfen, im Unterricht durchführen und im Team evaluieren.

Nicht jeder Testlauf muss dauerhaft archiviert werden. Ein echter Mehrwert entsteht durch praxiserprobte Positiv- und Negativbeispiele samt kurzer didaktischer Begründung.
Strukturierte Lernpfade zu Ausbildung, Prompting, Leistungsbewertung und Rechtsfragen bietet beispielsweise die Plattform Leando (s. Beitrag Schütt, September 2026). Spezifische Angebote wie der KI-Campus-Kurs für weiterführende Schulen oder der Selbstlernkurs zu KI-Kompetenzen für Lehrkräfte unterstützen den Kompetenzaufbau.

Auch wenn fundierte Eingaben weiterhin wichtig bleiben, wandelt sich die Art des Arbeitens mit generativen Werkzeugen. Entscheidend ist eine klare Vorstellung des gewünschten Endprodukts, um den Nachbereitungsaufwand gering zu halten. Pauschale Eingaben führen selten zu praxistauglichen Ergebnissen – das Formulieren zielgerichteter Aufgabenstellungen erfordert fachliche Tiefe. Spezifische Prompting-Tricks treten dabei zunehmend in den Hintergrund.

Guter Unterricht entsteht somit auch künftig nicht auf Knopfdruck. Ein reflektiert genutztes Werkzeug kann wertvolle Impulse und Entwürfe liefern. Ob daraus eine reale zeitliche und didaktische Entlastung resultiert, entscheidet sich bei der fachlichen Prüfung und der unterrichtlichen Weiterverarbeitung.

Der Blick nach vorn richtet sich deshalb nicht allein auf leistungsfähigere Modelle, sondern auf Anwendungen, die Überprüfbarkeit und eine sichere Nutzung gezielt unterstützen. Fachdidaktische Fundierung, konsequente Prüfarbeit und rechtssicheres Handeln bleiben die Grundpfeiler eines produktiven KI-Einsatzes. Entsprechend gewinnen Systeme an Relevanz, die quellengestützt auf geschützten, institutionellen Serverstrukturen arbeiten. Ein solches Vorhaben stellt das Projekt FALKO (Fachdidaktischer Assistent in der Lernfeld- und Kompetenzorientierung) der Universität Bonn dar (s. Beitrag Brutzer, Schemmer, Schmitt, September 2026). Als RAG-System greift FALKO gezielt auf geprüfte Fachkorpora zu und bettet diese transparent in seine Modellantworten ein.