* * * _**Bedingungen für lernwirksamen Unterricht im KI-Zeitalter**_ Im Herbst 2025 habe ich in einem Beitrag auf diesem Blog beschrieben, wie Lernen mit KI als didaktisch verschränkter Prozess verstanden werden kann. Die Kernidee war, generative KI als Lernressource darzustellen, die dann sinnvoll ist, wenn Lernende ihre Ziele im Blick haben, passende Aufgaben gestellt werden und geeignete Strategien sichtbar gemacht bzw. gewählt werden. Fachinhaltliche, metakognitive und KI-spezifische Kompetenzen verknüpfen sich dabei in einem iterativen Prozess – mal gesteuert durch die Lehrkraft, mal eigenständiger durch die Lernenden selbst. Offen blieb damals die Frage, wie Lehrkräfte die _Bedingungen_ von Unterricht und Aufgaben so gestalten können, dass KI zu lernwirksamen Auseinandersetzungen mit Inhalten führt und nicht zur Abkürzung verwendet wird. Schließlich verlieren viele klassische Aufgabenformate ihre diagnostische Aussagekraft, wenn Texte in Sekunden erzeugt, Zusammenfassungen delegiert und Lösungen sprachlich überzeugend formuliert werden können. Das damals entwickelte Modell „Lernen mit KI“ beschreibt diesen Prozess aus der Perspektive der Lernenden. Es zeigt, was im Idealfall passiert, wenn KI als Lernressource genutzt wird. **Von der Lernenden- zur Lehrkräfte-Perspektive** Mit der hier vorgestellten **Architektur der KI-Didaktik** möchte ich nun die Perspektive wechseln und erweitern: Es geht um die Frage, welche Bedingungen Lehrkräfte schaffen müssen, damit dieser Prozess nicht oberflächlich bleibt. Das Ergebnis ist in einem neuen Modell zusammengefasst. Die Grafik macht sichtbar, welche Elemente Lehrkräfte für einen lernwirksamen Unterricht im KI-Zeitalter zusammendenken müssen. **Das Fundament: Haltung und verbindliche Regeln** Bevor Unterricht mit KI möglich ist, braucht es zwei Voraussetzungen, die aus meiner Sicht als Fundament gegeben sein müssen. Die erste ist eine **kritisch-aufgeschlossene Haltung von Lehrkräften** gegenüber generativer KI als Lernressource. Gemeint ist dabei nicht bloße Bereitschaft, KI im Unterricht zuzulassen, sondern ein reflektierter Umgang mit den Potenzialen und Grenzen der Technologie. Wer KI als Lernressource einsetzen möchte, muss wissen, was sie kann und was sie nicht kann, und muss den KI-Einsatz selbst als gegenwarts- und zukunftsrelevante Bildungsaufgabe begreifen. Die zweite Voraussetzung sind **transparente, gemeinsam ausgehandelte und verbindliche Regeln**. In einem früheren Beitrag habe ich dazu einen Vorschlag in Form eines Ampelsystems für den Umgang mit KI im Unterricht gemacht (damalige und neuere Version siehe Abbildung). Solche Regeln müssen keine starren Vorgaben sein – sie können und sollten mit Schüler:innen ausgehandelt werden. Entscheidend ist, dass sie verbindlich gelten und transparent kommuniziert werden. Ohne dieses Fundament bleibt jeder didaktische Aufbau unverbindlich und instabil. KI-Regeln IHerunterladen KI-Regeln IIHerunterladen **KI bewusst einbinden: Vier didaktische Bezugsformen** Wenn das Fundament steht, stellt sich die Frage der **didaktischen Integration**. Hier haben Manuel Flick und ich Ende 2025 eine erweiterte Planungsvorlage zur Aufgabenkultur im KI-Zeitalter entwickelt, die vier Kategorien unterscheidet, aus denen Lehrkräfte das Verhältnis einer Aufgabe zur KI bestimmen können. **KI thematisieren** bedeutet, KI selbst zum Gegenstand des Lernens zu machen, z. B. hinsichtlich ihrer Funktionsweise. Es geht darum, ein kritisches Verständnis der Technologie aufzubauen, das über bloße Anwendungskompetenz hinausgeht. **KI integrieren** meint die didaktisch geplante Einbindung von KI-Tools in fachliche Lernprozesse. **KI reflektieren** regt den prüfenden Blick auf die Qualität des eigenen KI-Einsatzes an. Und zuletzt ist **KI limitieren** eine eigenständige didaktische Entscheidung, Aufgaben bewusst zu gestalten, KI-Tools durch Regeln und/oder Aufgabenstellungen auszuschließen oder einzugrenzen, um bestimmte Kompetenzen ohne digitale Unterstützung aufzubauen. Diese vier Bezugsformen sind keine hierarchischen Stufen. Sie markieren unterschiedliche didaktische Entscheidungen, die je nach Lernziel, Fach und Lerngruppe anders ausfallen können. Entscheidend ist nicht maximale KI-Nutzung, sondern didaktische Passung. **Provokation durch Design: Kognitive Aktivierung als Kern** Doch auch wenn Lehrkräfte KI aus verschiedenen Blickrichtungen in den Unterricht einbauen, ist das Hauptproblem noch nicht gelöst, dass Schüler:innen die eigentliche Auseinandersetzung mit Inhalten an die KI abgeben (können). Im schlimmsten Fall delegieren sie nicht nur die Ausführung, sondern das Denken selbst (vgl. Überlegungen zum „defensiven Lernen“ mit KI in diesem Beitrag). Was helfen kann, ist ein Aufgabendesign, das **kognitive Konflikte erzeugt** – also Situationen, aus denen Lernende nicht ohne eigenes Nachdenken herausfinden können. Das ist dann der Fall, wenn eine Aufgabe nicht auf eine überprüfbare richtige Antwort zielt, sondern auf eine _begründete_ Entscheidung, eine _persönliche_ Einschätzung, eine _situationsbezogene_ Abwägung – kurz: auf Denkleistungen, bei denen KI-Output zwar als Material dienen kann, aber nicht als eigene Denkleistung ausgegeben werden kann, ohne dass die Leerstelle sichtbar wird. In der **Architektur der KI-Didaktik** bezeichne ich dieses Prinzip als **Provokation durch Design**. Gemeint ist die bewusste Gestaltung von Aufgaben, die Reibung erzeugen, weil sie unerwartete Perspektiven einfordern, Widersprüche offenlegen oder Entscheidungen verlangen, bei denen KI-Output allein nicht genügt. Die entscheidende Planungsfrage lautet dann nicht mehr, ob KI genutzt werden darf, sondern: **Welche Denkprozesse muss diese Aufgabe unvermeidbar machen?** Ein Beispiel aus dem Deutschunterricht: Die Lehrkraft lässt KI eine Erörterung zum Unterrichtsthema generieren und gibt sie mit einer Besprechungsprotokollvorlage an Redaktionsteams weiter, also an verschiedene Kleingruppen der Klasse. Die Aufgabe lautet: Was sollte bleiben, was wird umgeschrieben, was muss raus – und warum? Jede Entscheidung muss im Protokoll begründet und belegt werden. Anschließend formulieren Schüler:innen einen gezielten Prompt zur Überarbeitung der Erörterung und prüfen das Ergebnis erneut (wobei die Überarbeitungsentscheidungen aus ihrer eigenen Redaktionsarbeit stammen müssen). Die gemachten Erfahrungen werden in der Klasse reflektiert. Lesetipp zu weiteren provozierenden, also Reibung erzeugenden Aufgabenstellungen, und interessanten Tools zur Erstellung von Aufgabenformaten: Der Blog „Digitales Pausenbrot“ von Lucca Spohn sowie die Unterrichtsbeispiele auf IQESonline. **Eigenleistung zeigen: Prozess, Urteilsfähigkeit, Reflexion, Transfer** Hinzu kommt, dass Schüler:innen zeigen müssen, was sie selbst geleistet haben. Dazu sollten Formate gewählt werden, die ebenfalls nicht ohne weiteres an KI delegiert werden können. Wichtig dabei: Nicht jede Eigenleistung muss ohne KI entstehen. Entscheidend ist, dass Lernende nachvollziehbar zeigen können, wie sie mit KI-Ergebnissen umgegangen sind, welche Entscheidungen sie getroffen haben und was davon ihrer eigenen Auseinandersetzung entspringt. Die rechte Seite des Architektur-Modells richtet den Blick auf vier übergeordnete Bereiche, in denen diese Eigenleistung sichtbar wird. Diese Bereiche sind **Sichtachsen der Eigenleistung** : Sie beschreiben, worauf Unterricht mit KI ausgerichtet sein sollte – und woran sichtbar werden kann, ob Lernende selbst gedacht haben. Der **Prozess** als erste Dimension bedeutet, dass Schüler:innen ihren Lernweg dokumentieren und reflektieren. Welche Entscheidungen haben sie getroffen? Welche Sackgassen haben sie erfahren? Wie haben sie mit KI gearbeitet, und was haben sie dabei über das Thema und über sich selbst als Lernende herausgefunden? **Urteilsfähigkeit** meint die Fähigkeit zu bewerten, zu vergleichen und zu priorisieren und dabei zu begründen, warum. Das erfordert Positionierung, die KI allenfalls vorbereiten, nicht aber abnehmen kann. **Reflexion** zielt auf Metakognition: Schüler:innen denken darüber nach, was sie getan haben, wie sie mit KI umgegangen sind und was das über ihre eigene Lernhaltung verrät. Diese Achse ist nicht zu verwechseln mit „KI reflektieren“ auf der linken Seite des Modells: Dort ist Reflexion eine didaktische Blickrichtung auf den KI-Einsatz in Aufgaben. Hier ist sie ein Leistungsbereich, den Lehrkräfte bewusst einfordern. Und schließlich beschreibt **Transfer** die Fähigkeit, Gelerntes in neuen, unbekannten Kontexten anzuwenden. Entscheidend ist, ob Lernende den Transfer selbst nachvollziehen, begründen und verantworten können. Hierzu empfehle ich gerne einen lesenswerten Beitrag zu KI-resilienteren Aufgaben, dessen Überlegungen mit in die Architektur der KI-Didaktik eingeflossen sind: Das 3×3-Modell von Manuel Flick. **Das Dach: Selbstreguliertes Lernen** All diese Elemente – Haltung, Regeln, bewusste KI-Integration, kognitive Aktivierung, Sichtbarkeit von Eigenleistung – werden von einem Dach überspannt, das für mich der Gradmesser dafür ist, wie _tief_ Schüler:innen von diesen Bedingungen profitieren können: die eigene **Selbstregulation**. Als Lehrkräfte schaffen wir diese Bedingungen und geben die Impulse. Gleichzeitig bleibt ein Teil des Lernens bzw. des Kompetenzaufbaus unverfügbar und damit abhängig davon, was Lernende selbst mitbringen und einbringen. Das Modell greift hierbei auf drei Begriffe zurück, die den Theorien des Selbstregulierten Lernens entstammen. **Orientierung** meint, dass Lernende wissen, wohin sie wollen: Sie kennen ihre Ziele, verstehen, welche Strategien ihnen nützen, und können ihren Weg einschätzen. **Steuerung** beschreibt die aktive Regulation des eigenen Lernprozesses, also das Anpassen, Priorisieren und Entscheiden. Und **Selbstbeobachtung** meint die Fähigkeit, wahrzunehmen, was im eigenen Lernen geschieht, gelingt oder nicht gelingt – auch in Bezug auf den KI-Einsatz. Diese metakognitive Dimension steht in enger Verbindung mit dem, was John Hattie in seinen Arbeiten immer wieder als bedeutsam für Lernwirksamkeit beschreibt: dass Lernende Ziele, Strategien und ihren eigenen Lernfortschritt wahrnehmen und steuern können. Diese drei Dimensionen sind keine Voraussetzung im Sinne von: Ohne sie geht nichts. Sie entscheiden vielmehr mit darüber, wie tragfähig Lernen unter diesen Bedingungen wird. Und: Sie lassen sich durch gezielte Lernarrangements fördern, was eine weitere didaktische Aufgabe für Lehrkräfte darstellt (unabhängig von KI). Je leistungsfähiger KI-Systeme werden, desto wichtiger wird jedoch genau diese Fähigkeit. Denn nur wer den eigenen Lernprozess bewusst steuern, Unterstützung gezielt einsetzen und die eigene Abhängigkeit von KI einschätzen kann, wird zum souveränen und kompetenten Lernenden. **Erst im Zusammenspiel entsteht Wirkung** Die **Architektur der KI-Didaktik** funktioniert damit nur als Ganzes. Haltung ohne Regeln bleibt unverbindlich. Regeln ohne didaktische Reflexion werden zu Verbotslisten. KI-Integration ohne kognitive Aktivierung bleibt anfällig für Abkürzungen. Kognitive Aktivierung ohne Sichtbarkeit von Eigenleistung verpufft, weil offen bleibt, ob und was tatsächlich gedacht wurde. Und all das ohne gezielte Förderung des selbstregulierten Lernens führt zu einem Unterricht, der zwar gute Bedingungen schafft, von dem Lernende aber nicht zuverlässig und dauerhaft profitieren. Lernwirksamer KI-Unterricht entsteht nicht durch KI selbst, sondern durch das **Zusammenspiel** aus Haltung, Regelklarheit, kognitiver Aktivierung, bewusster KI-Integration und Sichtbarkeit von Eigenleistung – gerahmt von den Fähigkeiten der Schüler:innen zur Selbstregulation. Das vorliegende Modell versteht sich damit als **Beitrag zur Verteidigung lernwirksamer Tiefenstrukturen unter KI-Bedingungen**. Es möchte eine umfassende Antwort auf die Frage geben, welche Bedingungen erhalten bleiben müssen, damit Lernen im KI-Zeitalter nicht kollabiert. **Zwei Modelle als sich ergänzende Perspektiven** Über die skizzierten Bereiche sind auch Feedback, Rückmeldeschleifen, adaptive Unterstützung und Lernbegleitung bedeutsam für lernwirksamen Unterricht. Dennoch werden sie hier nicht als weitere Bausteine ergänzt, sondern im Verhältnis zum Prozessmodell mitgedacht. **Lernen mit KI** und **Architektur der KI-Didaktik** lassen sich deshalb als ergänzende Perspektiven lesen: Das eine beschreibt, was aus der Sicht der Lernenden im Prozess passiert. Das andere beschreibt, welche Bedingungen Lehrkräfte schaffen müssen, damit dieser Prozess lernwirksam verläuft – inklusive des Potenzials von KI zur Individualisierung, zur gezielten Rückmeldung und zum Scaffolding. In seiner aktuellen Form ist das Modell außerdem stark auf Aufgaben, Leistung und didaktische Steuerung ausgerichtet. Das ist bewusst so gesetzt, da Lehrkräfte hier den größten gestalterischen Einfluss haben. Die wissenschaftliche Evidenz, die jedem Element zugrunde liegt (Tiefenstrukturen des Unterrichts, Erkenntnisse zum lernwirksamen KI-Einsatz, SRL), zieht sich als durchgängiges Prinzip durch das Modell, auch wenn sie nicht extra ausgewiesen wird. **KI-Didaktik als Gestaltungsaufgabe** Die **Architektur der KI-Didaktik** liefert sicher keine abschließende oder absolute Antwort auf die Frage, wie lernwirksamer Unterricht unter KI-Bedingungen gelingen kann. Sie bietet aber einen Rahmen, der dabei hilft, die richtigen Bedingungen zu setzen. Zudem sollen die Bereiche mit ihren Begriffen und Kategorien beschreiben helfen, worauf es ankommt, wenn wir nicht wollen, dass KI Denken ersetzt, sondern Lernen unterstützt. Wir als Lehrkräfte können diese Bedingungen gestalten und über Haltung, Regeln, Aufgabendesign und Formate der Eigenleistung entscheiden bzw. sie gemeinsam mit den Lernenden entwickeln, erproben und reflektieren. Was Unterricht lernwirksam macht, hängt schließlich nicht am Werkzeug allein. _Die Grafiken stehen als Open Educational Ressource (OER) unter der Lizenz CC BY-SA 4.0 zur Verfügung. Sie dürfen frei genutzt, vervielfältigt und bearbeitet werden – auch für eigene Materialien, Präsentationen oder Fortbildungen. Voraussetzung ist lediglich die Nennung des Urhebers und die Weitergabe unter derselben Lizenz._ * * * **Weitere Beiträge zu KI-Didaktik auf diesem Blog** Lernen mit KI als didaktisch verschränkter Prozess – Das Schwestermodell zur Architektur: Wie KI als Lernressource in einen iterativen Prozess aus Zielen, Strategien und Reflexion eingebettet werden kann. Perspektive der Lernenden. KI-Didaktik: Eine Planungsvorlage zur Aufgabenkultur im KI-Zeitalter – Die gemeinsam mit Manuel Flick entwickelte Planungsvorlage mit vier Aufgabenkategorien (thematisieren, integrieren, reflektieren, limitieren) für die konkrete Unterrichtsvorbereitung. Lernen und KI: Fünf Dimensionen – Das ursprüngliche Orientierungsmodell mit den fünf Dimensionen über, mit, durch, trotz und ohne KI – Ausgangspunkt aller weiteren konzeptionellen Überlegungen. Veröffentlicht am 19. Mai 2026 Zuletzt aktualisiert am 13-07-2026 * teilen * teilen * E-Mail * teilen * teilen * drucken

Das klingt nach der üblichen KI-Euphorie und ich habe mir bis zum ersten Blogbeitrag über Vibe Coding aus genau dem Grund auch etwas Zeit gelassen - man muss

Entdecken Sie den digitalen Selbstlernkurs der Lehrer-Online Akademie zum kooperativen Lernen mit digitalen Medien. Jetzt starten und digitale Bildung vorantreiben! ✅

Free online multiplayer buzzer system. Perfect for trivia night, quiz bowl, classrooms, and more.

Become a mental math genius in no time. FastMath makes mental math easy and fun - try it today!

Unsere neuen kostenfreien Unterrichtsmaterialen werden im Rahmen einer Veröffentlichungsfeier in Berlin präsentiert.

Die Siemens Stiftung bietet ein eigenes Medienportal für Unterrichtsmaterialien, auf dem Lehrkräfte und andere Bildungsbeauftragte kostenfrei Lehr- und Lernmaterialien downloaden können. Die verfügbaren Medien sind pädagogisch-didaktisch geprüft, am Lehrplan ausgerichtet und sofort einsetzbar.

YouTube video by Lila Loudness

Spiele im Unterricht fördern Konzentration, Aufmerksamkeit, Motivation. Welche Spiele gibt es und wie wendet man sie an? Hier gibt es Tipps!

In diesem Bereich sind alle benötigten Materialien für einen reibungslosen Ablauf der Unterrichtseinheiten zu finden.

YouTube video by Bruce Springsteen

ReMoodle zeigt, wie Moodle jenseits linearer Kurslogik als offene, flexible Lernumgebung genutzt werden kann – mit Konzepten, Vorlagen und Beispielen als OER.

In diesem Dossier finden Sie kostenlose Arbeitsblätter und digitale Unterrichtsmaterialien sowie hilfreiche Tipps rund um das Thema Medien im Unterricht.

Deutschland investiert im Vergleich zu anderen EU-Ländern wenig in Bildung. Dabei würden höhere Ausgaben langfristig Wirkung zeigen.

Der Respekt vor dem Einfluss künstlicher Intelligenzen auf unseren Alltag steigt kontinuierlich.

TaskCards ist eine Onlineplattform mit der Lehrer:innen Infos/Aufgaben für Schüler:innen DSGVO konform bereitstellen können.