Über Didaktik, Eigenleistung und künstliche Intelligenz
Was entsteht, wenn pädagogische Erfahrung auf künstliche Intelligenz trifft? Ein Blick auf die Entwicklung von „Typisch Deutsch?!“ und auf die Frage, wem eine didaktische Idee gehört.
Eine Wasserwaage, ein Smartphone und eine grundsätzliche Haltung
Meine damalige Schulleiterin bat mich einmal, von zu Hause eine Wasserwaage mitzubringen. In der Schulbibliothek sollten große, gerahmte Poster aufgehängt werden – möglichst exakt senkrecht, versteht sich.
„Dafür brauche ich keine Wasserwaage“, antwortete ich, zog mein Smartphone aus der Tasche und öffnete eine Handwerker-App. Wenige Augenblicke später war der Auftrag erledigt.
Die kleine Episode stelle ich voran, weil sie etwas über meine Haltung zu technischen Hilfsmitteln verrät. Ein Smartphone war für mich schon immer mehr als ein mobiles Telefon. Es war vor allem ein Werkzeug: ein Gerät, mit dem sich Probleme lösen und Aufgaben erledigen lassen, für die man früher möglicherweise ein spezielles Hilfsmittel benötigt hätte.
Ähnlich sehe ich heute die künstliche Intelligenz. Auch sie ist für mich zunächst ein Werkzeug – allerdings eines, dessen Möglichkeiten weit über die einer Wasserwaagen-App hinausgehen. Sie kann Texte entwerfen, Ideen weiterentwickeln, Zusammenhänge strukturieren und sogar Software programmieren.
Doch mit diesem neuen Werkzeug stellt sich eine alte Frage in neuer Form: Wenn ich mithilfe eines Werkzeugs etwas herstelle, welchen Anteil hat dann das Werkzeug an meiner Leistung? Und wann wird aus einer Unterstützung eine fremde Leistung, die ich mir zu Unrecht zurechne?
Diese Fragen beschäftigen mich nicht nur theoretisch. Bei der Entwicklung meines digitalen Sprachlernprojekts „Typisch Deutsch?!“ sind sie ganz praktisch geworden.
Zwischen eigener Idee und künstlicher Intelligenz
Wenn wir heute über künstliche Intelligenz sprechen, begegnen uns unterschiedliche Vorstellungen. Die einen sehen in ihr ein Werkzeug, das Menschen bei ihrer Arbeit unterstützt, neue Möglichkeiten eröffnet und aufwendige Aufgaben erleichtert. Die anderen befürchten, dass mit ihrem Einsatz die Eigenleistung an Bedeutung verliert, Texte ihre Authentizität einbüßen und am Ende nicht mehr zu erkennen ist, wer eigentlich etwas geschaffen hat.
Besonders interessant wird diese Diskussion, wenn wir sie auf Bildung und Didaktik übertragen. Was bedeutet es, wenn eine Lehrkraft eine Lernumgebung konzipiert, Lernziele festlegt, Inhalte auswählt und Lernwege entwickelt, die technische Umsetzung aber weitgehend mithilfe künstlicher Intelligenz erfolgt? Ist das Ergebnis dann noch die eigene Arbeit?
Bei der Entwicklung meines Projekts „Typisch Deutsch?!“ bin ich genau mit dieser Frage konfrontiert. Das Projekt ist eine digitale Lernumgebung für Menschen, die Deutsch lernen. Es verbindet Lerninhalte, visuelle Darstellungen, Hörtexte, Wortschatzarbeit, Grammatik, interaktive Übungen und Möglichkeiten zur eigenen Sprachproduktion.
Ich habe nicht jede technische Komponente selbst programmiert. Meine Programmierkenntnisse sind nur rudimentär. Künstliche Intelligenz hat mich bei der Entwicklung des Codes, bei der Fehlersuche und bei der Ausarbeitung einzelner Materialien unterstützt.
Doch damit ist die Frage nach der Eigenleistung noch nicht beantwortet. Denn bevor eine technische Lösung entstehen kann, muss zunächst geklärt werden, welches pädagogische Problem sie lösen soll, wie Lernen organisiert werden kann und welche Funktion ein einzelnes Element innerhalb eines größeren didaktischen Zusammenhangs erfüllt.
Didaktik beginnt nicht beim Code
Eine digitale Lernumgebung entsteht nicht dadurch, dass man Texte ins Internet stellt, Videos einbettet oder eine Reihe von Übungen miteinander verbindet. Entscheidend ist, wie diese Elemente aufeinander bezogen sind und welchen Lernprozess sie ermöglichen sollen.
Bei „Typisch Deutsch?!“ steht deshalb ein flexibler, modularer Aufbau im Mittelpunkt. Eine Lerneinheit kann beispielsweise mit einem digitalen Lernposter oder Lerncomic beginnen. Die Lernenden erschließen sich eine Situation visuell, hören einen Dialog, lesen mit, sprechen Äußerungen nach und beschäftigen sich anschließend mit Wortschatz, sprachlichen Wendungen und grammatischen Strukturen. Interaktive Übungen festigen das Gelernte, bevor es in eigenen Äußerungen und kommunikativen Aufgaben angewendet wird.
Die einzelnen Bestandteile sind also keine beliebig zusammengestellte Sammlung digitaler Angebote. Sie folgen einer didaktischen Idee: Sprache soll in einem verständlichen Zusammenhang erschlossen, systematisch eingeübt und schließlich aktiv verwendet werden.
Auch die technischen Entscheidungen ergeben sich aus diesem Konzept. Die Lerninhalte müssen strukturiert vorliegen, die einzelnen Module müssen miteinander kommunizieren können, und die Lernenden sollen zwischen verschiedenen Lernformen wechseln können, ohne den Zusammenhang der Lektion zu verlieren.
Die Konzeption dieser Zusammenhänge ist eine eigenständige pädagogische Leistung. Künstliche Intelligenz kann helfen, sie technisch umzusetzen. Sie ersetzt aber nicht automatisch die Entscheidung darüber, was gelernt werden soll, in welcher Reihenfolge die Lernschritte sinnvoll aufeinander aufbauen und woran sich der Lernerfolg orientieren soll.
Wenn die KI programmiert – wem gehört dann die Entwicklung?
Die Frage nach der Eigenleistung lässt sich nicht allein daran beantworten, wer die meisten Zeilen Code geschrieben hat. Softwareentwicklung umfasst unterschiedliche Tätigkeiten: Anforderungen müssen erkannt, Probleme beschrieben, Lösungen entworfen, technische Entscheidungen getroffen, Ergebnisse geprüft und Fehler behoben werden.
Wenn ich ein didaktisches Problem beschreibe, die gewünschte Funktion festlege und die künstliche Intelligenz bitte, dafür eine technische Lösung zu entwickeln, verändert sich die Arbeitsteilung. Die KI übernimmt einen Teil der Ausarbeitung und Implementierung. Ich muss jedoch weiterhin beurteilen, ob die Lösung tatsächlich das tut, was sie tun soll, ob sie in die vorhandene Lernumgebung passt und ob sie den didaktischen Anforderungen gerecht wird.
Das bedeutet nicht, dass jede mit KI erzeugte Lösung automatisch meine eigene Leistung wäre. Die Grenze verläuft auch nicht einfach zwischen Idee und Ausführung. Technische Entscheidungen können selbst konzeptionell anspruchsvoll sein, und generierte Ergebnisse müssen kritisch geprüft werden.
Sinnvoller ist es deshalb, drei Ebenen zu unterscheiden:
- Die didaktische Konzeption: Welche Lernziele werden verfolgt? Wie sind die Inhalte und Lernschritte aufgebaut? Welche Rolle spielen Visualisierung, Wiederholung, Interaktion und Sprachproduktion?
- Die gemeinsame Ausarbeitung: Wie lassen sich Ideen konkretisieren, Materialien gestalten, Aufgaben formulieren und technische Anforderungen präzisieren?
- Die KI-gestützte Umsetzung: Wie werden die Anforderungen in Code übersetzt, Fehler gesucht und technische Funktionen realisiert?
Bei meinem Projekt liegen wesentliche Beiträge in der didaktischen Konzeption, der Strukturierung der Lerninhalte und der Architektur der Lernumgebung. Die KI hat mich insbesondere bei der technischen Umsetzung und der Ausarbeitung einzelner Materialien unterstützt. Diese Arbeitsteilung sollte weder verschleiert noch falsch dargestellt werden.
Die entscheidende Frage lautet deshalb nicht, ob KI beteiligt war, sondern welchen Beitrag sie geleistet hat, welche Entscheidungen der Mensch getroffen hat und wer für das Ergebnis Verantwortung übernimmt.
Zwei Rollen der KI: Lernwerkzeuge entwickeln und Lernen ermöglichen
Bei der Entwicklung von „Typisch Deutsch?!“ ist mir deutlich geworden, dass künstliche Intelligenz in meinem Projekt zwei unterschiedliche Aufgaben übernimmt. Sie hilft mir einerseits dabei, die Lernumgebung zu entwickeln. Andererseits kann sie selbst zu einem Bestandteil des Sprachlernprozesses werden. Diese beiden Funktionen hängen zusammen, sollten aber nicht miteinander verwechselt werden.
Die erste Rolle: KI als Entwicklungswerkzeug
Bei der technischen Entwicklung unterstützt mich die KI dabei, meine didaktischen Vorstellungen in konkrete Funktionen zu übersetzen. Sie erstellt Programmcode, hilft bei der Fehlersuche und unterstützt mich bei der Ausarbeitung von Lernmaterialien. Auf diese Weise kann ich auch solche Ideen praktisch erproben, deren technische Umsetzung meine eigenen Programmierkenntnisse übersteigt.
Die KI hilft mir also, Lernwerkzeuge zu entwickeln. Welche Aufgaben diese Werkzeuge erfüllen sollen, wie sie aufgebaut sind und welchen Beitrag sie zum Lernprozess leisten sollen, ergibt sich jedoch aus meinem didaktischen Konzept.
Die zweite Rolle: KI als Bestandteil des Sprachlernens
Anders verhält es sich, wenn die Lernenden die entwickelten Werkzeuge nutzen. Hier kann KI unmittelbar am Lernprozess beteiligt sein. Das zeigt sich besonders beim Umgang mit gesprochener Sprache.
Text-to-Speech (TTS) wandelt geschriebenen Text in gesprochene Sprache um. Lernende können damit Dialoge anhören, Aussprache und Sprachrhythmus wahrnehmen und sprachliche Äußerungen wiederholt hören. Speech-to-Text (STT) erfüllt die umgekehrte Aufgabe: Die gesprochene Sprache der Lernenden wird erkannt und in Text umgewandelt.
Beide Funktionen schaffen wichtige technische Voraussetzungen für mündliches Sprachtraining. Sie allein ergeben allerdings noch kein Gespräch. Dafür braucht es zusätzlich eine dialogfähige KI, die die Äußerungen der Lernenden verarbeitet, inhaltlich darauf reagiert und den Austausch weiterführt.
So kann KI über die Bereitstellung von Lernmaterial hinausgehen. Sie wird zu einem interaktiven Gegenüber, mit dem Lernende eigene Formulierungen erproben, auf Fragen antworten und sprachliche Situationen bewältigen können.
Die Technik braucht eine didaktische Aufgabe
Der Unterschied zwischen beiden Rollen ist wesentlich: Bei der Entwicklung unterstützt die KI mich als Urheber und Gestalter der Lernumgebung. Während des Lernens kann sie selbst als Sprachwerkzeug oder Gesprächspartner für die Lernenden tätig werden.
Beide Funktionen können sich ergänzen. Eine KI kann beispielsweise bei der Entwicklung eines Gesprächstrainers helfen, der später selbst KI nutzt, um mit den Lernenden zu kommunizieren. Entscheidend ist jedoch nicht, dass möglichst viele KI-Funktionen eingesetzt werden. Entscheidend ist, welche Lernaufgabe sie erfüllen und wie sie zum jeweiligen Lernstand passen.
Damit stellt sich eine weiterführende didaktische Frage: Wie lässt sich eine dialogfähige KI so in eine Sprachlernumgebung einbinden, dass sie nicht einfach beliebig kommuniziert, sondern den Lernprozess unterstützt? Für „Typisch Deutsch?!“ führt diese Frage unmittelbar zur Verbindung von Lektionsdatenbank und Wortschatzdatenbank.
Vom digitalen Lernmaterial zur didaktisch gestalteten Lernumgebung
Die Diskussion über künstliche Intelligenz in der Bildung greift häufig zu kurz, wenn sie sich vor allem mit der Produktion von Texten, Präsentationen oder Arbeitsblättern beschäftigt. Die interessantere Frage ist, ob KI dazu beitragen kann, Lernprozesse besser zu organisieren.
Man denke etwa an eine digitale Bibliothek, in der Lernende mit einer großen Zahl von PDF-Dokumenten konfrontiert werden. Die Materialien mögen fachlich hochwertig sein. Ihre bloße Verfügbarkeit garantiert jedoch noch keinen Lernerfolg. Lernende müssen relevante Informationen finden, Zusammenhänge erkennen, Prioritäten setzen und das Material in einen eigenen Lernprozess überführen.
Eine didaktisch gestaltete Lernumgebung setzt an dieser Stelle an. Sie ordnet Inhalte, macht Lernziele sichtbar, schafft sinnvolle Lernschritte und bietet Möglichkeiten, Wissen zu überprüfen und anzuwenden. Künstliche Intelligenz kann bei dieser Aufbereitung helfen. Sie kann Texte erschließen, Inhalte strukturieren, Fragen entwickeln oder unterschiedliche Zugänge zu einem Gegenstand ermöglichen.
Aber auch hier gilt: Mehr Information ist nicht automatisch besseres Lernen. Die entscheidende Leistung liegt darin, aus verfügbaren Informationen ein Lernangebot zu machen, das zur Zielgruppe, zum Lernstand und zu den angestrebten Kompetenzen passt.
Die besondere Herausforderung beim Sprachenlernen
Beim Sprachenlernen wird besonders deutlich, dass ein gutes digitales Angebot mehr leisten muss, als Informationen bereitzustellen. Wer eine Sprache lernt, muss Wörter und grammatische Strukturen nicht nur verstehen, sondern sie in konkreten Situationen selbst verwenden können.
Generative KI eröffnet dafür neue Möglichkeiten. Lernende können mit einem künstlichen Gesprächspartner kommunizieren, Fragen beantworten, eigene Formulierungen ausprobieren und auf Rückfragen reagieren. Anders als bei einem festgelegten Dialog kann sich ein solches Gespräch dynamisch entwickeln.
Doch gerade diese Flexibilität birgt ein didaktisches Problem: Eine KI kann sprachlich sehr differenziert antworten, ohne dabei den tatsächlichen Lernstand ihres Gegenübers zu berücksichtigen. Ein Anfänger auf Niveau A1 kann mit Redewendungen, komplexen Nebensätzen und unbekanntem Wortschatz konfrontiert werden. Das Gespräch wirkt dann vielleicht natürlich, ist für den Lernenden aber nur eingeschränkt nutzbar.
Ein Gesprächspartner, der sprachlich alles kann, ist noch lange kein guter Sprachlernpartner.
Deshalb genügt es nicht, eine KI allgemein aufzufordern, mit einem Deutschlernenden zu sprechen. Ihre Gesprächsbeiträge müssen an den Lerngegenstand, den Wortschatz und die grammatischen Möglichkeiten der jeweiligen Lerneinheit angepasst werden.
Die Verbindung von Lektionsdatenbank und Wortschatzdatenbank
Aus dieser Überlegung ergibt sich ein zentrales Prinzip meiner Konzeption für „Typisch Deutsch?!“: Die künstliche Intelligenz soll nicht unabhängig von den Lerninhalten kommunizieren, sondern in den strukturierten Zusammenhang einer konkreten Lektion eingebunden werden.
Dazu werden zwei Bereiche miteinander verbunden: eine Lektionsdatenbank und eine Wortschatzdatenbank.
Die Lektionsdatenbank legt den thematischen Rahmen fest. Sie enthält beziehungsweise referenziert die Inhalte, Situationen, Lernziele und sprachlichen Schwerpunkte einer Einheit. Die Wortschatzdatenbank stellt die dazugehörigen Wörter, Wendungen und sprachlichen Mittel bereit.
Diese Struktur kann der KI als Grundlage für eine lernstandsbezogene Konversation dienen. Ein Gespräch über den Einkauf soll beispielsweise nicht plötzlich sprachliche Mittel voraussetzen, die erst in einer späteren Lektion eingeführt werden. Die Lernenden sollen vielmehr die Wörter und Wendungen verwenden können, die sie bereits kennengelernt haben, und sie in wechselnden Gesprächssituationen erproben.
Die KI kann Fragen stellen, Antworten aufgreifen, um Präzisierungen bitten und neue Gesprächsimpulse geben. Die didaktische Struktur bestimmt dabei den Rahmen, innerhalb dessen diese Interaktion stattfindet.
Damit wird aus einem allgemeinen KI-Chat ein potenziell lernstandsgebundener Gesprächstrainer. Die Lernenden üben nicht nur vorgegebene Sätze, sondern verwenden bekannte sprachliche Mittel in einer offenen, zugleich didaktisch ausgerichteten Kommunikationssituation.
Die Konzeption besteht also nicht allein darin, künstliche Intelligenz in eine Sprachlernplattform einzubauen. Sie besteht darin, die generative Flexibilität der KI mit der systematischen Progression eines strukturierten Sprachlernangebots zu verbinden.
Allerdings garantiert eine Datenbank allein noch nicht, dass die KI zuverlässig auf dem vorgesehenen Niveau bleibt. Dafür sind zusätzliche Vorgaben, technische Begrenzungen und eine Überprüfung der erzeugten Dialoge erforderlich. Ob und wie gut der Ansatz den Lernfortschritt unterstützt, muss anhand geeigneter Aufgaben und realer Lernprozesse untersucht werden.
Was KI nicht abnehmen kann
Künstliche Intelligenz kann Entwicklungsarbeit beschleunigen, Alternativen vorschlagen und technische Hürden senken. Sie kann Texte formulieren, Dialoge variieren, Übungen erzeugen und bei der Programmierung helfen. Diese Möglichkeiten sind erheblich, gerade für Lehrkräfte und Didaktiker, die eigene Ideen bislang nicht oder nur mit großem Aufwand technisch umsetzen konnten.
Doch der Einsatz von KI stellt zugleich neue Anforderungen. Erzeugte Inhalte müssen fachlich geprüft, sprachlich kontrolliert und didaktisch eingeordnet werden. Technische Lösungen müssen getestet werden. Datenschutz, Zugänglichkeit und die tatsächlichen Bedürfnisse der Lernenden dürfen nicht hinter der Faszination für neue Funktionen zurücktreten.
Auch darf die Möglichkeit, schnell neue Materialien zu produzieren, nicht mit einem pädagogischen Fortschritt verwechselt werden. Eine weitere Übung, ein zusätzlicher Chatbot oder eine animierte Darstellung sind nicht schon deshalb sinnvoll, weil sie technisch möglich sind. Sie müssen einen erkennbaren Beitrag zum Lernprozess leisten.
Für die Lehrkraft verändert sich damit die Arbeit. Neben fachlicher und didaktischer Kompetenz wird zunehmend die Fähigkeit wichtig, KI-Ergebnisse zu beurteilen, Anforderungen präzise zu formulieren und die Qualität des entstehenden Lernangebots zu verantworten.
Eine neue Form didaktischer Entwicklungsarbeit
Die Entwicklung von „Typisch Deutsch?!“ hat mir gezeigt, dass sich die Grenzen zwischen pädagogischer Konzeption und technischer Realisierung verschieben. Eine einzelne Lehrkraft kann mithilfe künstlicher Intelligenz heute digitale Lernumgebungen entwickeln, für die früher umfassende Programmierkenntnisse oder ein größeres Entwicklungsteam erforderlich gewesen wären.
Das bedeutet nicht, dass technische Expertise überflüssig wird oder auf didaktische Prinzipien verzichtet werden kann. Komplexe Systeme, Sicherheit, Datenschutz und langfristige Wartbarkeit verlangen weiterhin entsprechende Fachkenntnisse. Aber die Schwelle, an der eine didaktische Idee in einen funktionsfähigen Prototyp überführt werden kann, ist deutlich niedriger geworden.
Damit entsteht eine neue Möglichkeit: Lehrkräfte und Didaktiker können ihre pädagogischen Vorstellungen nicht nur beschreiben, sondern sie zunehmend selbst in digitale Lernangebote überführen. Sie können Funktionen erproben, Lernwege verändern und auf Beobachtungen aus der Praxis reagieren.
Die eigene Leistung besteht dabei nicht darin, möglichst viel Arbeit von Hand zu erledigen. Sie besteht darin, Probleme zu erkennen, begründete Lösungen zu entwerfen, geeignete Werkzeuge einzusetzen und die Ergebnisse kritisch zu überprüfen.
Das entbindet niemanden von der Pflicht, die Beteiligung künstlicher Intelligenz transparent zu machen. Im Gegenteil: Je stärker KI an der Entwicklung beteiligt ist, desto wichtiger wird es, die Arbeitsteilung nachvollziehbar zu beschreiben.
Die entscheidende Frage ist nicht, ob KI beteiligt war
Vielleicht sollten wir die Diskussion über Eigenleistung und Authentizität deshalb anders führen. Nicht jede Arbeit, an der KI beteiligt ist, verliert dadurch ihren eigenen Charakter. Aber auch nicht jedes Ergebnis wird allein dadurch zur eigenen Leistung, dass ein Mensch eine erste Idee formuliert hat.
Entscheidend sind die Qualität der Konzeption, die eigenständigen Entscheidungen, die kritische Auseinandersetzung mit den Ergebnissen und die Verantwortung für das fertige Produkt.
Für die Didaktik ergibt sich daraus eine weiterführende Frage: Wenn künstliche Intelligenz nicht nur bei der Erstellung von Materialien hilft, sondern selbst als Gesprächspartner, Übungsbegleiter und Bestandteil einer Lernumgebung auftritt, wie müssen wir dann Lernprozesse gestalten?
Meine Antwort lautet: Wir müssen KI nicht möglichst umfassend einsetzen, sondern möglichst sinnvoll. Sie sollte nicht einfach mehr Inhalte erzeugen, sondern Lernenden helfen, Zusammenhänge zu verstehen, sprachliche Mittel einzuüben und zunehmend selbstständig zu handeln.
Genau darin liegt für mich die Herausforderung einer modernen digitalen Didaktik: Nicht die künstliche Intelligenz zum Mittelpunkt des Lernens zu machen, sondern sie so in eine durchdachte Lernumgebung einzubinden, dass der Mensch besser lernen kann.