KI-Lernbegleitung als Schulentwicklungsaufgabe 

Wie Schulen ein lernförderliches KI-Tutorenteam gemeinsam gestalten 

 
In seinem Beitrag „KI-Lernbegleitung als Schulentwicklungsaufgabe“ fragt Joscha Falck, wie Schulen ein lernförderliches KI-Tutorenteam gemeinsam im Kollegium gestalten können – und warum das vermutlich besser funktioniert als im Modus des Einzelkämpfers.

Wer KI im Unterricht lernförderlich einsetzen möchte, sollte nicht auf frei zugängliche Chatbots setzen. Auf vielen schulischen KI-Plattformen lassen sich eigene KI-Tutoren für Lernende erstellen, die über einen sogenannten Systemprompt, also eine hinterlegte Anleitung, für einen bestimmten Zweck eingerichtet werden. Anders als ein allgemeiner Chatbot, der nicht für schulisches Lernen gestaltet ist und auf Nachfrage bereitwillig fertige Lösungen liefert, kann ein solcher Tutor mit didaktischen Leitplanken (sogenannten Guardrails) ausgestattet werden. Sie legen fest, wann und wie viel Hilfe er gibt, und sollen verhindern, dass Lernende die eigentliche Denkhandlung an die Maschine abgeben.

Solche KI-Tutoren werden mittlerweile vielerorts erstellt, zum Beispiel im Rahmen von Fortbildungen. Außerdem bieten Plattformen zahlreiche fertige Vorlagen an, die für alle möglichen Anwendungszwecke direkt eingesetzt werden können. Positiv betrachtet kann man das als differenziertes Angebot lesen. So entsteht aber auch ein immer größeres Überangebot, mit dem einzelne Lehrkräfte vielleicht überfordert werden. Hinzu kommt, dass die didaktische Qualität angebotener Tutoren bei näherer Betrachtung erheblich schwankt. Denn häufig besteht ein KI-Tutor nur aus einer kurzen Rollen- und Aufgabenbeschreibung („Du bist ein freundlicher Mathelehrer, der Schülerinnen und Schülern der achten Klasse hilft …“), jedoch ohne genaue Regeln festzulegen, wann Hilfe einsetzt, wie viel davon angemessen ist und woran erkennbar wird, dass etwas verstanden wurde.

Neben der Unübersichtlichkeit liegt hier aus meiner Sicht ein weiteres Problem, zu dem mittlerweile einige Forschungsergebnisse vorliegen (s. Originalbeitrag). Ist ein KI-Tutor nicht didaktisch präzise gestaltet, hängt es von der Selbstregulationskompetenz der Lernenden ab, ob sie mit ihm gut voran kommen. Wer ohnehin plant, sich überprüft und Hilfe gezielt einsetzt, nutzt auch einen schwachen Tutor sinnvoll. Wer das noch nicht kann, lässt sich die Aufgabe erledigen. Und gerade die Lernenden, die am stärksten auf gute Leitplanken angewiesen wären, sind am wenigsten in der Lage, sie sich selbst zu setzen.

Der Vorschlag:
Lernbegleitung als Schulentwicklungsaufgabe 

Als Reaktion auf die Unübersichtlichkeit und mit Blick darauf, dass KI-Tutoren didaktisch durchdacht gestaltet sein müssen, möchte ich einen Vorschlag zur Diskussion stellen: lernförderliche KI-Tutoren nicht als Sache einzelner Lehrkräfte, sondern als Schulentwicklungsaufgabe zu begreifen. Eine Schule würde sich auf zwei oder drei grundlegende und zunächst fachunabhängige KI-Tutoren einigen. Sie begleiten allgemeine Lernhandlungen, erklären, üben, geben Feedback zu eingegebenen Aufgaben und helfen dabei, das eigene Lernen zu planen. Als Basis-Tutoren bilden sie das Fundament, auf dem später weitere Gestaltungsmöglichkeiten aufsetzen.

Ihren Ausgangspunkt hat diese Idee an meiner Schule. Dort setze ich seit etwa eineinhalb Schuljahren einen KI-Tutor namens Lotse ein, der meine Schülerinnen und Schüler als allgemeiner Lernbegleiter unterstützt. Er orientiert sich an grundlegenden Aspekten des selbstregulierten Lernens und ist sprachlich an die Anforderungen meiner Schulart (Mittelschule Bayern) angepasst. Aus ihm sind die drei Basis-Tutoren hervorgegangen, die ich im Folgenden vorstelle und die nun auch als Vorlagen in AIS.chat zur Verfügung stehen. Ihre Systemprompts sind offen und können nach dem Duplizieren von Lehrkräften bearbeitet werden.

Die Basis-Tutoren, die im Vokabular von AIS.chat „Dialogpartner“ heißen, bestehen zunächst aus gemeinsamen Kern-Prinzipien: Sie helfen, schützen aber die zentrale Eigenleistung und geben keine vollständigen Ergebnisse aus. Sie setzen gezielte Denkimpulse, ohne Lernende in ein Frage-Antwort-Spiel zu zwingen, und bestätigen nur, was tatsächlich gezeigt wurde. Hinzu kommen eine klare Lernzielorientierung (Etappenziele) und aktivierende Hinweise und Fragen, die helfen, den eigenen Lernprozess im Blick zu behalten. Diese Prinzipien werden für verschiedene Altersgruppen übersetzt in Sprache, Antwortlänge, Schutzbedarf und Aufgabenformate.

Die drei Basis-Tutoren sind darauf ausgelegt, die grundlegenden Anforderungen der Grundschule (ab Klasse 3), der Sek I und der Oberstufe abzudecken. Die Grenzen sind dabei nicht zu einhundert Prozent trennscharf und im Einzelfall eine Entscheidung der Schule, sinnvollerweise pro Jahrgang.

Die Selbstständigkeit von Lernenden ist dabei zunächst kein Auswahlkriterium. Meiner Auffassung nach sollte sie innerhalb der KI-Tutoren gesteuert werden: Der Systemprompt sieht deshalb vor, dass sich die Regulationsarbeit auf mehreren Stufen verschiebt. Auf der ersten Stufe schlägt der KI-Tutor Ziele und Strategien vor, auf der dritten planen Lernende ihren Prozess selbst. Da schulisch eingesetzte KI-Tutoren nicht über ein Gedächtnis verfügen (und aus Datenschutzgründen nicht sollen), kann dieser sukzessive Gerüstabbau (Fading) nur innerhalb eines Chats stattfinden.

Lern-Lotse Start (Grundschule Klasse 3/4, bei Bedarf Klasse 5 und 6) arbeitet mit sehr kurzen Antworten, einfachen Wörtern und zwei Stufen. Dieser KI-Tutor richtet sich an Lernende, die mit KI beginnen, und verfügt über vier Modi: Lernen planen, etwas verstehen, üben, etwas prüfen lassen. Sein Grundsatz: Er unterstützt freundlich, vermeidet unnötige Tipparbeit, belässt die Denkarbeit aber weitestgehend beim Kind.

Lern-Lotse (Klassen 5 bis 10) ist das Standardprofil, das vielseitig auf die Bedarfe und Fragen von Lernenden eingeht. Er besitzt vier Modi auf drei Stufen: Lernen planen, etwas verstehen, üben, Feedback bekommen. Sein Grundsatz: Er nimmt Schülerinnen und Schüler ernst, begegnet ihnen auf Augenhöhe und hilft ihnen, selbst weiterzukommen. Dabei verhält er sich pragmatisch und lässt die Denkarbeit weitgehend bei den Lernenden.

Lern-Lotse Sparring (Oberstufe und vergleichbare Bildungsgänge, derzeit ein Versuch, deswegen Beta) ist ein fachlich anspruchsvoller Denkpartner für die Herausforderungen höherer Jahrgangsstufen. Die Grenze liegt hier bei allem, was abgegeben werden kann: Thesen, Gliederungen und Formulierungen bleiben Sache der Lernenden. Er verfügt über fünf Modi auf drei Stufen: Lernen planen, etwas verstehen, üben, Feedback bekommen, streiten. Er verhält sich grundsätzlich kollegial, fordert aber auch heraus: Er macht Denkarbeit schwerer, wo es dem Lernen dient, und leichter, wo Lernende festhängen. Als einziger Basis-Tutor bringt er zusätzliches Kontextmaterial zu Wissenschaftspropädeutik mit.

Mit dem Fachmodul fachspezifisch erweitern, ohne das Fundament anzutasten

Steigt der fachliche Anspruch im Unterricht und genügt der allgemeine KI-Tutor für ein bestimmtes Fach nicht mehr, dient das jeweilige Profil als Basis für einen fachspezifischen KI-Tutor (Lern-Lotse mit Fachmodul). Dazu ergänzt die Lehrkraft einen fachspezifischen Absatz im Systemprompt und lädt inhaltliches Kontextmaterial dazu. Dieser Absatz ist als kurzes Formular mit festen Feldern angelegt, in denen Thema, Lernziele, zentrale Fachbegriffe, Aufgabenformate und typische Fehlvorstellungen eingetragen werden. Musterlösungen zu bewerteten Aufgaben sollten nicht als Kontext eingespielt werden, weil der KI-Tutor sie auf Nachfrage preisgeben könnte. Grundsätzlich gilt: Fachmodule ergänzen Inhalte, ändern aber keine Regeln.

Ergänzend können für ein bestimmtes Unterrichtsvorhaben aufgabenbezogene KI-Tutoren gebaut werden, die nach dessen Ende wieder verschwinden. Sie ersetzen den Lernbegleiter nicht, sondern ergänzen ihn. Ein Tutorenteam besteht dann aus wenigen dauerhaften, über Fachmodule geschärften Basis-Tutoren und zeitlich begrenzten Spezialisten.

Damit ein solches Tutorenteam von einem Kollegium akzeptiert und eingesetzt wird, braucht es Absprachen und klare Zuständigkeiten. Für eine nachhaltige Organisation des Schulentwicklungsprozesses sind dafür aus meiner Sicht vier Schritte zu empfehlen:

1. Ein kleineres Team interessierter Lehrkräfte (evtl. auch eine Steuergruppe, ein Medienkonzeptteam oder eine KI-Taskforce) pilotiert die vorgeschlagene Struktur des Tutorenteams.

2. Hält das Team sie für tragfähig, wird die Idee der Lehrkräftekonferenz vorgeschlagen. Diese beschließt, welche Basis-Tutoren in einer Erprobungsphase eingesetzt werden und wofür ihre Nutzung erlaubt ist, sodass diese Regeln nicht von einzelnen Lehrkräften im Prompt festgelegt werden.

3. Anschließend übernimmt eine kleinere Gruppe die Pflege der Basis-Tutoren, während die Fachschaften ihre Fachmodule verantworten und weiterentwickeln. Jede neue Version wird vor dem Einsatz mit einigen typischen Testdialogen geprüft, etwa mit hartnäckigem Nachfragen nach der Lösung.

4. Zuletzt werden die Erfahrungen der befristeten Erprobungsphase evaluiert, sodass Rückmeldungen von Schülerinnen und Schülern sowie von Kolleginnen und Kollegen in die nächste Version und die entsprechende Beschlusslage einfließen können.

Die skizzierten Überlegungen folgen der Überzeugung, dass ein gemeinsames Grundgerüst Orientierung schafft und Lehrkräfte entlastet. Zudem sorgt ein gestaltetes Tutorenteam dafür, dass Lernende in allen Fächern auf dieselbe Lernbegleiter-Logik treffen. Mit Blick auf die Gefahr, Lernschritte auszulagern (Skill-Skipping), halte ich es für zentral, die KI-Unterstützung an die Selbstregulationsfähigkeit der Lernenden zu koppeln, durch Vereinbarungen zu rahmen und als Thema in Lerncoaching-Gespräche aufzunehmen. Das integrierte Fading folgt der Idee, dass Unterstützung dann abnimmt, wenn Eigenständigkeit wächst, und zunimmt, wenn sie fehlt.

Darüber hinaus werden fachspezifische Tutoren einzelner Lehrkräfte besser, weil sie auf ein durchdachtes Fundament aufbauen können. Kolleginnen und Kollegen müssen nicht jedes Mal neu überlegen, wie man verhindert, dass ein KI-Tutor Lösungen verrät, sondern können sich auf fachspezifische Aspekte konzentrieren. Und statt einer wachsenden Sammlung einzelner KI-Tutoren entsteht ein System, das sich pflegen, weiterentwickeln und mit anderen Schulentwicklungsvorhaben verknüpfen lässt.

Systemprompts ersetzen natürlich keine Pädagogik. Auch gut gestaltete Basis-Tutoren (mit und ohne Fachmodul) brechen ihre Regeln gelegentlich, insbesondere bei hartnäckigem Nachfragen. Zudem hängt die Qualität aller drei Profile vom eingesetzten Sprachmodell ab. Mit leistungsfähigen Modellen halten sie ihre Regeln deutlich verlässlicher ein als mit schwächeren, gerade bei längeren Prompts wie diesen (die Systemprompts haben ca. 4000–5000 Wörter). In meinen Testläufen bei AIS.chat habe ich mit GPT-5.6-Luna gearbeitet (Stand: Oktober 2026).

Hinzu kommt ein grundsätzlicheres Problem: Jeder KI-Tutor mit Leitplanken konkurriert mit einem Chatbot ohne Leitplanken, der bei älteren Lernenden auf dem privaten Handy oder iPad nur einen Fingertipp entfernt ist. Ob Lernende die schulisch vorgegebenen – kontraintuitiven, weil anstrengenderen – Lernbegleiter nutzen, entscheidet sich auch am Classroom-Management, an der Unterrichtskultur, an KI-integrierenden Aufgaben, die sich nicht einfach auslagern lassen, und an einer Vereinbarung, die ernst genommen wird. Schlussendlich ist der hier beschriebene Ansatz selbst noch nicht empirisch überprüft. Er ist als Vorschlag zu verstehen und benötigt in der Praxis verschiedener Schulen und Schularten Reflexion und kontinuierliche Weiterentwicklung.

Das gilt besonders für Lern-Lotse Sparring, den ich bewusst als Beta-Version markiert habe. Hier fehlt mir Erfahrungswissen, sodass ich nicht beurteilen kann, ob ein solcher Basis-Tutor in der Oberstufe alltagstauglich ist. Die Anforderungen an fachliche Tiefe steigen, (subtile) fachliche Fehler wiegen schwerer, Feedback ohne spezifische Bewertungskriterien bleibt bei anspruchsvollen Aufgaben möglicherweise zu generisch, und das Umgehungsproblem ist bei älteren Lernenden am größten. Daher denke ich, dass der zielgerichtete Einsatz in der Oberstufe ergänzende Fachmodule braucht, mit denen Lehrkräfte ihre Hinweise und Kriterien hinterlegen. Ob das genügt oder ob fachspezifische, eigene KI-Tutoren nötig sind, muss sich in Erprobungen in der Praxis zeigen.

Wer beginnen und eigene Erfahrungen sammeln will, startet aus meiner Sicht am besten mit dem mittleren Profil. Es lässt sich in AIS.chat direkt als Dialogpartner einsetzen, bei Bedarf mit einem Fachmodul ergänzen und vor dem Einsatz mit einigen Testdialogen prüfen. Wer das mit zwei oder drei Kolleginnen und Kollegen gemeinsam tut, hat bereits den ersten Schritt vom einzelnen KI-Tutor zum Tutorenteam gemacht.

Und so komme ich zurück zum Anfang: Vieles spricht dafür, dass fachdidaktisch gestaltete KI-Tutoren lernförderlich eingesetzt werden können. Gleichzeitig verwirrt das derzeitige Überangebot mehr als es nützt, sodass sich Schulen (wieder einmal) selbst auf den Weg machen müssen. Das gelingt in einem gemeinsamen Schulentwicklungsvorhaben zielgerichteter als im Modus des Einzelkämpfers. Deswegen plädiere ich dafür, Lernbegleitung mit KI als Schulentwicklungsaufgabe zu begreifen und zukünftig als solche zu gestalten.

Ich freue mich hierzu über Erfahrungsberichte und Rückmeldungen. Nehmt gerne hier Kontakt mit mir auf! 

Hinweis: Dieser Beitrag ist eine gekürzte Fassung des Originalbeitrags „Wie Schulen ein lernförderliches KI-Assistententeam gemeinsam gestalten“. Dort finden sich unter anderem ein Überblick über aktuelle Studien, Vorlagen für Nutzungsvereinbarungen sowie Literaturhinweise: https://joschafalck.de/ki-lernbegleitung/ 

Joscha Falck ist Lehrer und Schulentwicklungsmoderator in Mittelfranken, Bayern. Darüber hinaus ist er als Referent, Blogger und Autor aktiv. Er ist Mitglied im Kernteam des Virtuellen Kompetenzzentrums „Künstliche Intelligenz in Bildung, Wissenschaft und Arbeitswelt“ (VK:KIWA) sowie Redaktionsmitglied von IQESonline. Kontakt: www.joschafalck.de