Lernspiele mit KI
Lernspiele mit KI entwickeln: Barbara Geyer zeigt, wie Schüler:innen Lernziele planen, Spiele gestalten und Ergebnisse fachlich prüfen.
Prof. Barbara Geyer
Darum geht’s
Das große KI-Update nach den Sommerferien verbindet Impulse zur Schulentwicklung mit konkreten Ideen für Unterricht, Feedback und den verantwortlichen Umgang mit KI. Felix Urban stellt ein 4M-Modell vor, das Mündigkeit, Motivation, Möglichkeitssinn und Miteinander auf selbstbestimmtes Handeln in einer von KI geprägten Welt ausrichtet. Ein weiterer Praxisbericht zeigt, wie bereits in der Grundschule Lernziele, Strategien und Reflexion systematisch aufgebaut werden können. KI wird dabei als mögliche Unterstützung eingeordnet, deren Einsatz zur jeweiligen Lernsituation und zur Selbstständigkeit des Kindes passen muss.
Manuel Flick erläutert die Grenzen von KI-Detektoren und Wasserzeichen für die Beurteilung eigenständiger Leistungen. Statt sich auf vermeintliche Erkennungsmerkmale zu verlassen, plädiert er für Aufgaben und Prüfungen, die Entstehungswege, Reflexion und fachliches Verständnis sichtbar machen. Hauke Pölert und Joscha Falck greifen mit wissenschaftlichen Einordnungen von Benedikt Wisniewski den Unterschied zwischen einem besseren Arbeitsergebnis mit KI und dauerhaftem Lernen auf. Die besprochenen Studien liefern Hinweise auf die Bedeutung der Nutzungsform und didaktischer Leitplanken; ihre Ergebnisse lassen sich jedoch nicht pauschal auf alle Lernenden und Unterrichtssituationen übertragen.
Weitere Beiträge zeigen die im Webinar vorgestellten FelloFish-Funktionen zum Teilen von Aufgaben und zum sprachlichen Feedback sowie Ansätze für digitale Souveränität. Dazu gehören die bewusste Auswahl geeigneter KI-Modelle, offene Bildungsmaterialien und sorgfältig zusammengestelltes Kontextwissen. Der gemeinsame Schwerpunkt liegt darauf, KI so einzubetten, dass die eigene Denkarbeit erhalten bleibt und Lernende ihren Lernprozess zunehmend selbst steuern können.
Gut zu wissen
- KI-Schulentwicklung braucht gemeinsame Ziele, Regeln und Zusammenarbeit im Kollegium.
- Lernziele setzen, passende Strategien auswählen und den eigenen Fortschritt reflektieren: Diese Fähigkeiten bilden eine Grundlage für den sinnvollen KI-Einsatz.
- Eigenleistung durch Prozessdokumentation, Erklärungen und Fachgespräche sichtbar machen, statt sich auf KI-Detektoren zu verlassen.
- Gute Ergebnisse mit KI sind noch kein Beleg für dauerhaftes Lernen; Aufgaben brauchen kognitive Aktivierung und passende Unterstützung.
- KI-Werkzeuge und Kontextmaterialien bewusst auswählen und ihren Nutzen für das konkrete Lernziel prüfen.
Fragen zum Thema
Die Beiträge betonen eigene Zielsetzung, die Auswahl geeigneter Lernstrategien und die Reflexion des Lernprozesses. Hinzu kommen Wissen über KI, die Fähigkeit zur kritischen Beurteilung ihrer Ergebnisse und die bewusste Entscheidung, wann Unterstützung sinnvoll ist. Diese Fähigkeiten sollen im Unterricht aufgebaut und begleitet werden.
Manuel Flick erläutert im Webinar Fehlklassifikationen und die Grenzen von KI-Detektoren. Auch ein Wasserzeichen allein beschreibt nicht, welchen Anteil eine Person selbst erarbeitet hat. Als Alternative stellt er Aufgaben vor, die Entstehungswege, Reflexion und fachliches Verständnis sichtbar machen, beispielsweise ergänzt um ein Fachgespräch.
Nein: Die vorgestellten Studien und ihre wissenschaftliche Einordnung unterscheiden zwischen einer erfolgreichen Bearbeitung mit KI und späterer selbstständiger Leistung ohne diese Hilfe. Die Beiträge betonen zugleich die Grenzen der untersuchten Situationen. Daraus lässt sich weder ein allgemeiner Lernvorteil noch ein pauschaler Lernschaden durch KI ableiten.
Joscha Falck beschreibt Aufgaben, bei denen Lernende zunächst selbst Vermutungen entwickeln, einer KI etwas erklären, gegen ihre Vorschläge argumentieren oder Ergebnisse in eigenen Worten erläutern. Je nach Selbstständigkeit der Lernenden können Aufgaben, KI-Assistenten und die Lehrkraft zusätzliche Leitplanken und Unterstützung geben.
