Generative KI verändert nicht nur die eingesetzten Werkzeuge, sondern auch die professionelle Rolle von Lehrenden. Diese Arbeit untersucht, wie KI in der Weiterbildung zur Unterrichtsplanung, Differenzierung, Materialerstellung, Visualisierung und Lernbegleitung eingesetzt werden kann. Dabei zeigt sich: Entscheidend ist nicht allein die technische Nutzung, sondern die Fähigkeit, KI-Ausgaben fachlich zu prüfen, didaktisch einzuordnen und verantwortlich zu gestalten. Lehrende werden damit zunehmend zu Kuratoren, Moderatoren und Qualitätssichernden von Lernprozessen.
Die Arbeit verbindet wissenschaftliche Grundlagen mit einem anwendungsorientierten Kompetenz- und Qualitätsrahmen. Das erweiterte Modell GenAI-TPACK+XK berücksichtigt neben technologischem, fachlichem und pädagogischem Wissen auch Ethik, Datenschutz, Transparenz und institutionelle Rahmenbedingungen. Ein kompakter PDCA-Prüfpfad zeigt, wie KI-Einsätze nachvollziehbar geplant, geprüft und weiterentwickelt werden können.
Die Veröffentlichung richtet sich an Lehrende, Bildungsträger und Verantwortliche, die generative KI nicht nur nutzen, sondern didaktisch fundiert, qualitätsorientiert und professionell verantworten möchten.
Inhaltsverzeichnis
1 Einleitung
1.1 Problemstellung und Relevanz des Themas
1.2 Zielsetzung und Forschungsfragen
1.3 Gang der Untersuchung
2 Grundlagen der Künstlichen Intelligenz
2.1 Begriff und Ziele der Künstlichen Intelligenz
2.2 Historische Entwicklung
2.2.1 Historische Entwicklung von den Anfängen bis zum KI-Winter
2.2.2 Statistische Wende und maschinelles Lernen (1990er–2010er Jahre)
2.2.3 Moderne KI von Deep Learning zu generativer Anwendung
2.3 Formen der Künstlichen Intelligenz
2.3.1 Technologische Grundformen von KI
2.3.2 Adaptive Lernsysteme
2.3.3 Chatbots und tutorielle Systeme
2.3.4 Generative KI zur Materialerstellung
2.3.5 Lernbegleitung und Coaching durch KI
2.4 Künstliche Intelligenz und Digitalisierung
2.5 Kriterien zur Beurteilung einer erfolgreichen Künstlichen Intelligenz
2.5.1 Pädagogischer Nutzen und didaktische Anschlussfähigkeit
2.5.2 Transparenz und Erklärbarkeit
2.5.3 Datenschutz und Datensouveränität
2.5.4 Soziale Gerechtigkeit und Inklusion
2.5.5 Akzeptanz und subjektives Erleben
2.5.6 Wirtschaftlichkeit und Ressourceneffizienz
2.6 Künstliche Intelligenz in der Praxis
3 Veränderung des Bildungswesens durch KI
3.1 Begriff und Ziele des Bildungswesens
3.2 Einsatzbereiche der KI im Bildungswesen
3.2.1 fobizz: Unterrichtsvorbereitung und Fortbildung mit generativer KI
3.2.2 schulKI: Differenzierung und Datenschutz im KI-gestützten Unterricht
3.2.3 KI4S'Cool: KI-Pilotprojekt im hessischen Unterricht
3.2.4 Vergleich der Plattformen: Modelle, Potenziale und Grenzen
3.3 Didaktische Modelle im Kontext des KI gestützten Lernens
3.3.1 Klassische didaktische Modelle – Fundament und Grenzen
3.3.2 Konstruktivistische und designorientierte Modelle – Prozess-Fit für KI
3.3.3 Digitalität als Kontext: Vom TPACK zu DPACK
3.3.4 AI-PACK – KI-bezogene Professionalisierung
3.3.5 GenAI-TPACK+XK: Ein erweitertes Kompetenzmodell
3.3.6 Lehren, Lernen und Prüfen im Zeitalter Künstlicher Intelligenz
3.4 Ethische und regulatorische Rahmenbedingungen für KI in der Bildung
3.4.1 Ethische Leitprinzipien für KI-gestützte Lehr- und Lernprozesse
3.4.2 Datenschutz und Datensouveränität im Bildungsalltag
3.4.3 Der EU AI Act: Risikobasierter Rechtsrahmen für Bildungseinrichtungen
3.4.4 Institutionelle Governance: Umsetzung ethischer und rechtlicher Vorgaben
3.4.5 Normative Leitplanken als Bestandteil pädagogischer Professionalität
3.5 Analyse der aktuellen Trends und Entwicklungen in der KI-Nutzung
3.5.1 Quantitative Entwicklungen im Bildungsbereich (Schulwesen)
3.5.2 KI-gestützte Weiterbildung als Wachstumsfeld
3.5.3 Learning Analytics als Kernanwendung
3.5.4 Wandel der Prüfungskultur durch automatisierte Bewertung
3.6 Besondere Aspekte KI in der Kompetenzvermittlung
3.6.1 KI-Kompetenzen als Lerngegenstand
3.6.2 Adaptive Lernpfade und Personalisierung
3.6.3 Kompetenzbewertung durch KI
3.7 Bewertung der Künstlichen Intelligenz im Bildungswesen
3.7.1 Bewertungsdimensionen
3.7.2 Operationalisierung
3.7.3 Bewertungsprozess und Prüfpfad
4 Empirische Untersuchung zur Nutzung der KI im Bildungswesen
4.1 Vorstellung des Untersuchungsdesign
4.2 Resultate der empirischen Untersuchung
4.2.1 Untersuchungsdesign, Datenbasis und Stichprobe
4.2.2 Ergebnisstruktur und zentrale Themenfelder
4.3 Vorschläge zur Nutzung der KI im Bildungswesen
4.4 Bewertung und Handlungsempfehlungen
4.4.1 Pädagogischer Nutzen und didaktische Anschlussfähigkeit (zu 2.5.1)
4.4.2 Transparenz und Erklärbarkeit (zu 2.5.2)
4.4.3 Datenschutz und Datensouveränität (zu 2.5.3)
4.4.4 Soziale Gerechtigkeit und Inklusion (zu 2.5.4)
4.4.5 Akzeptanz und Prozessqualität (zu 2.5.5)
4.4.6 Wirtschaftlichkeit und Ressourceneffizienz (zu 2.5.6)
4.4.7 Prüfpfad (PDCA) – Umsetzung und Monitoring
5 Schlussbetrachtung
Zielsetzung und thematische Schwerpunkte
Das primäre Ziel dieser Arbeit besteht darin, den Einsatz von KI-Tools im Bildungsbereich – mit besonderem Schwerpunkt auf der Erwachsenen- und Weiterbildung – aus der Perspektive von Lehrenden empirisch zu untersuchen und zu analysieren. Im Mittelpunkt steht die Forschungsfrage, wie Lehrende KI-Werkzeuge in ihre Lehr-Lern-Prozesse integrieren und welche Dimensionen maßgeblich sind, um einen verantwortungsvollen, pädagogisch wirksamen, datenschutzkonformen und didaktisch fundierten Einsatz sicherzustellen. Auf Basis theoretischer Modelle und leitfadengestützter Experteninterviews wird ein praxisorientiertes Bewertungsraster sowie ein operationalisierter PDCA-Prüfpfad entwickelt, der Bildungseinrichtungen und Lehrkräften verlässliche Handlungssicherheit bietet.
- Analyse technologischer Grundlagen von KI, adaptiven Lernsystemen und generativen Sprachmodellen im Bildungssektor
- Weiterentwicklung didaktischer Kompetenzmodelle vom TPACK über DPACK bis zum integrativen GenAI-TPACK+XK
- Ethische und regulatorische Leitplanken unter Berücksichtigung der DSGVO und des europäischen KI-Gesetzes (EU AI Act)
- Empirische Erhebung von Nutzungsmustern, Entlastungspotenzialen und Barrieren durch qualitative Interviews mit Lehrenden
- Erarbeitung eines sechsdimensionalen Bewertungsrasters und eines PDCA-Prüfpfads zur qualitätsgesicherten Unterrichtsgestaltung
Auszug aus dem Buch
3.3.5 GenAI-TPACK+XK: Ein erweitertes Kompetenzmodell
Die Entwicklung von TPACK über DPACK bis hin zu AI-PACK hat gezeigt, dass Modelle professioneller Handlungskompetenz in Bildungsprozessen fortlaufend auf neue technologische, gesellschaftliche und didaktische Anforderungen reagieren müssen. Während DPACK die Digitalität als eigenständige Dimension verankert und AI-PACK die Besonderheiten KI-gestützter Systeme differenziert, erfordert die jüngste Dynamik generativer KI eine erneute konzeptionelle Erweiterung. Generative Sprach- und Bildmodelle eröffnen nicht nur neue Anwendungsfelder, sondern verschieben auch die epistemischen Grundlagen von Lehren und Lernen: Inhalte entstehen nicht länger primär durch menschliche Autorenschaft, sondern zunehmend in ko-produktiven Prozessen zwischen Mensch und Maschine. Damit verbunden sind Fragen nach Urheberschaft, Validität, Bias und der Verantwortung pädagogischer Akteure.
Vor diesem Hintergrund schlagen aktuelle Forschungsarbeiten vor, TPACK um eine kontextuelle Wissensdimension zu erweitern, die über technologische, pädagogische und fachliche Aspekte hinausgeht. Ismail Celik entwickelte hierzu das Konzept eines „Intelligent-TPACK“, das explizit die ethische Reflexion von KI-Tools einfordert. Auch Lorenz und Romeike weisen darauf hin, dass AI-PACK zwar KI-spezifische pädagogische, fachliche und inhaltsbezogene Kompetenzen systematisiert, jedoch die gesellschaftlich-kulturelle und normative Ebene bislang nur indirekt berücksichtigt. In diesem Sinne kann eine kontextuelle Dimension (Contextual Knowledge XK) eingeführt werden, dass die Reflexion der Einbettung generativer KI in gesellschaftliche, rechtliche und kulturelle Zusammenhänge umfasst.
XK bedeutet, dass Lehrende nicht allein wissen müssen, wie generative KI funktioniert und didaktisch eingesetzt werden kann, sondern auch, welche Folgen in Gänze ihr Einsatz für Lernende, Institutionen und die Gesellschaft insgesamt hat. Damit erweitert XK die bestehende Wissensbasis um eine kritische Kontextualisierung, die den Kern normativer Anforderungen an den KI-Einsatz im Bildungsbereich abbildet.
Die kontextuelle Dimension (XK) wird gemäß dem Intelligent-TPACK-Modell von Celik entlang von fünf zentralen Qualitäten spezifiziert, die in internationalen Responsible-AI-Diskursen als etablierte ethische Bewertungskriterien fungieren: Ethik, Fairness, Transparenz, Inklusion und Verantwortlichkeit.
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel führt in die Problemstellung und Relevanz des KI-Einsatzes im Bildungswesen ein, definiert die leitende Forschungsfrage und beschreibt den methodischen Aufbau der Arbeit.
2 Grundlagen der Künstlichen Intelligenz: Das Kapitel vermittelt begriffliche und historische Grundlagen von den Anfängen der KI bis hin zu generativen Sprachmodellen und etabliert ein sechsdimensionales Kriterienraster für einen erfolgreichen, pädagogisch tragfähigen KI-Einsatz.
3 Veränderung des Bildungswesens durch KI: Im Hauptteil werden didaktische Modelle systematisch auf KI-Szenarien bezogen, das erweiterte Kompetenzmodell GenAI-TPACK+XK hergeleitet, regulatorische Leitplanken wie der EU AI Act und die DSGVO analysiert sowie ein operationaler PDCA-Prüfpfad entwickelt.
4 Empirische Untersuchung zur Nutzung der KI im Bildungswesen: Das Kapitel präsentiert die qualitative Inhaltsanalyse von sieben Experteninterviews mit Lehrenden, legt phasenbezogene Nutzungsmuster offen und formuliert konkrete Handlungsempfehlungen für die Unterrichtspraxis.
5 Schlussbetrachtung: Das Abschlusskapitel bündelt die zentralen Ergebnisse der Untersuchung, reflektiert methodische Grenzen und verankert die Rolle der Lehrenden als kuratierende Instanz im Zusammenspiel mit den vier Zukunftskompetenzen.
Schlüsselwörter
Künstliche Intelligenz, Bildungswesen, Weiterbildung, Didaktik, GenAI-TPACK+XK, Datenschutz, DSGVO, EU AI Act, PDCA-Zyklus, Qualitative Inhaltsanalyse, Differenzierung, Prompt Engineering, Prüfungskultur, Lernbegleitung, Medienpädagogik
Häufig gestellte Fragen
Worum geht es in dieser wissenschaftlichen Arbeit grundlegend?
Die Arbeit befasst sich mit der didaktischen, rechtlichen und organisatorischen Integration von Werkzeugen der Künstlichen Intelligenz in Lehr-Lern-Prozesse, insbesondere im Kontext der schulischen und beruflichen Weiterbildung.
Was sind die zentralen Themenfelder der Publikation?
Zu den thematischen Schwerpunkten gehören technologische Formen von KI, klassische und moderne didaktische Modelle, institutionelle Governance, Datenschutz nach DSGVO, Anforderungen des europäischen EU AI Acts sowie die veränderte Berufsrolle von Lehrenden.
Welches primäre Ziel und welche Forschungsfrage verfolgt die Untersuchung?
Ziel ist es zu erforschen, wie Lehrende KI-Tools in ihren Unterricht integrieren und welche Kriterien maßgeblich sind, um einen didaktisch sinnvollen, transparenten und datenschutzkonformen Einsatz mit nachweisbarem Lernnutzen zu gewährleisten.
Welche wissenschaftliche Methodik kommt in der Arbeit zur Anwendung?
Die Untersuchung basiert auf einem qualitativ-explorativen Design mit strukturierender Inhaltsanalyse nach Mayring; das Kategoriensystem wurde deduktiv-induktiv entwickelt und mithilfe von Softwareunterstützung (MAXQDA) an sieben leitfadengestützten Interviews ausgewertet.
Was wird im theoretischen Hauptteil der Publikation vertiefend behandelt?
Der Hauptteil analysiert bestehende Bildungs- und Instruktionsmodelle, entwickelt das professionsbezogene Erweiterungsmodell GenAI-TPACK+XK, beleuchtet Praxisplattformen wie fobizz und schulKI und stellt ein sechsdimensionales Bewertungsraster für die Praxis auf.
Welche zentralen Schlüsselbegriffe kennzeichnen den Inhalt der Arbeit?
Wesentliche Begriffe sind generative KI, didaktische Anschlussfähigkeit, GenAI-TPACK+XK, EU AI Act, PDCA-Prüfpfad, formative Leistungsmessung, Datenschutz und die Rolle der Lehrkraft als KI-Kurator.
Was zeichnet das vorgeschlagene Kompetenzmodell „GenAI-TPACK+XK“ aus?
Es erweitert traditionelle Modelle wie TPACK und DPACK um eine explizite Kontextdimension (Contextual Knowledge, XK), die ethische Leitprinzipien, rechtliche Rahmenbedingungen und gesellschaftliche Auswirkungen direkt in die fachdidaktische Unterrichtsplanung einbindet.
Welche Rolle spielt der sogenannte PDCA-Prüfpfad für Lehrende in der Praxis?
Der PDCA-Zyklus (Plan-Do-Check-Act) fungiert als schlankes Qualitäts- und Dokumentationsinstrument, mit dem Lehrende Unterrichtssequenzen mit KI vorab planen, datensparsam erproben, auf Plausibilität sowie Verzerrungen (Bias) überprüfen und bei Bedarf didaktisch anpassen können.
Wie verändert sich das Rollenverständnis von Lehrenden durch den Einsatz generativer KI?
Die Lehrperson wandelt sich von der reinen Wissensvermittlerin zur kuratierenden, moderierenden und qualitätssichernden Instanz, die KI-generierte Ausgaben kritisch validiert, formative Lernprozesse begleitet und die menschliche Letztverantwortung bei Bewertungen wahrt.
- Quote paper
- Benjamin Timmer (Author), 2025, Zwischen Prompt, didaktischem Urteil und Verantwortung, Munich, GRIN Verlag, https://www.grin.com/document/1746519
