Künstliche Intelligenz wird im schulischen Diskurs häufig auf die Funktion einer reinen „Antwortmaschine“ oder eines Entlastungswerkzeugs für Lehrkräfte reduziert. Im inklusiven Unterricht und an Förderschulen liegt das didaktische Potenzial von KI-Systemen jedoch an einer anderen Stelle: Sie ermöglichen es Schülerinnen und Schülern mit Förderbedarf, eigene Lernprozesse selbstständig zu steuern, Hürden eigenständig abzubauen und nachhaltige Selbstwirksamkeitserfahrungen zu machen.
Zu dieser Thematik „Lernwirksamkeit durch Autonomie erleben“ durfte ich einen Beitrag im Fördermagazin Sekundarstufe 3/2026 beim Friedrich Verlag verfassen. Hier werden praxisnahe Möglichkeiten in verschiedenen Unterrichtsfächern aufgezeigt, wie die Integration von KI Werkzeugen für Schülerinnen und Schüler einfach gelingen kann.
Das gesamte Themenheft „KI und Inklusion“, herausgegeben von Lea Schulz, versammelt darüber hinaus zahlreiche weitere praxiserprobte Konzepte verschiedener Autorinnen und Autoren für die sonderpädagogische Praxis.
AnonyMeister: Lokale Datenverarbeitung für sensible Schuldaten
Im schulischen Kontext, und ganz besonders in der Sonderpädagogik, gelten für sensible personenbezogene Daten höchste Vorsichtsmaßnahmen. Diagnostische Gutachten, Förderpläne oder Protokolle von Elterngesprächen enthalten hochgradig vertrauliche Informationen. Aus datenschutzrechtlichen Gründen dürfen solche Dokumente keinesfalls in externen, cloudbasierten KI-Modellen verarbeitet oder zusammengefasst werden. Um dennoch nicht auf die arbeitserleichternden Vorteile der automatisierten Textverarbeitung verzichten zu müssen, bietet die von mit neu entwickelte Anwendung AnonyMeistereine datenschutzkonforme Alternative.
AnonyMeister arbeitet vollständig lokal auf dem Computer. Die Daten verlassen zu keinem Zeitpunkt das Endgerät.
Github Repository und Download
Das gesamte Projekt ist transparent und öffentlich über Github mit zusätzlichem Readme und ausführlicher Anleitung und Installationshinweisen verfügbar:
Die Software nutzt für die automatische Erkennung sensibler Datenbereiche das OpenSource Tool „Presidio„. Um die Zuverlässigkeit der automatisierten Anonymisierung deutlich zu erhöhen, kann auf Wunsch ein sogenannter LLM Tiefencheck aktiviert werden. Dieser nutzt ein lokal auf dem Gerät laufendes Large Language Model (LLM) über das kostenlose Tool „Ollama„.
Für diese Aufgabe genügt bereits ein relativ kleines Sprachmodell mit einer Größe von etwa 2,9 bis 4,5 Gigabyte. Dadurch ist die Anwendung auf nahezu jedem modernen Computer lauffähig, unabhängig davon, ob als Betriebssystem Windows, macOS oder Linux genutzt wird. Alternativ steht auch eine Ausführung über Docker zur Verfügung.
Zusätzlich zur reinen Textverarbeitung bietet AnonyMeister die Möglichkeit, Audiodateien von Gesprächen lokal zu transkribieren. Aus dem generierten Transkript kann das System anschließend direkt eine Zusammenfassung erstellen und diese im selben Arbeitsschritt anonymisieren.
Anonymisierung vs. Pseudonymisierung
Die Anwendung bietet zwei grundlegende Modi für die Unkenntlichmachung von Personenbezügen:
Anonymisierung: Hierbei werden Namen und andere identifizierende Merkmale komplett durch generische Platzhalter (wie z. B. [PERSON], [ORT]) ersetzt. Ein direkter Rückschluss auf die Person ist nicht mehr möglich.
Pseudonymisierung: In diesem Modus werden echte Namen durch fiktive, aber konsistente Namen (z. B. „Schüler A“ oder ein festgelegtes Pseudonym) ersetzt. Dies erhält die Lesbarkeit und den inhaltlichen Fluss von Texten, was besonders bei längeren Fallbeschreibungen für das pädagogische Fachpersonal von Vorteil ist.
Sonderpädagogischer Bezug
Bisher war der Einsatz von KI-gestützten Zusammenfassungen oder Analysen für die Arbeit mit sensiblen Dokumenten aufgrund des strengen Datenschutzes weitgehend ausgeschlossen. AnonyMeister schließt diese Lücke. Durch die lokale Verarbeitung können Sonderpädagoginnen und Sonderpädagogen nun umfangreiche Beobachtungsprotokolle oder Gesprächsaufzeichnungen datenschutzkonform transkribieren und strukturieren lassen. Die anonymisierten Rohtexte können anschließend gefahrlos zur weiteren didaktischen Planung genutzt werden.
Praktische Umsetzung im Schulalltag
Die Einbindung von AnonyMeister in den Arbeitsalltag kann in folgenden Schritten erfolgen:
Installation und Einrichtung: Die Software und Ollama auf dem Dienstgerät installieren und ein passendes, kleines Sprachmodell herunterladen.
Audio-Transkription (optional): Aufgezeichnete Elterngespräche (Voraussetzung: Einverständniserklärung der Eltern zur Aufnahme liegt vor) oder diktierte Beobachtungen in die App laden und lokal in Text umwandeln lassen.
Texteingabe: Den zu bereinigenden Text in die Anwendung einfügen.
Verarbeitungsmodus wählen: Zwischen Anonymisierung und Pseudonymisierung entscheiden und den LLM-Tiefencheck aktivieren.
Zusammenfassung generieren: Den Text auf Wunsch vom System auf die wesentlichen Kernaussagen reduzieren lassen.
Manuelle Überprüfung: Dies ist ein essenzieller Schritt (siehe Hinweise unten). Der bereinigte Text muss vor der weiteren Verwendung kontrolliert werden.
Methodisch-didaktische Hinweise
Für den professionellen Umgang mit der Software im Kollegium sollten folgende Aspekte beachtet werden:
Zwingende manuelle Kontrolle: Kein automatisiertes System arbeitet fehlerfrei. Die Ergebnisse des AnonyMeisters müssen immer noch einmal manuell von der Lehrkraft auf übersehene Eigennamen, seltene Ortsbezeichnungen oder spezifische biografische Details, die auf den Schüler schließen lassen, überprüft werden.
Sensibilisierung des Kollegiums: Die Nutzung des Tools entbindet nicht von der persönlichen Sorgfaltspflicht. Schulinterne Fortbildungen sollten den Unterschied zwischen Anonymisierung und Pseudonymisierung klären und den Fokus auf die Letztverantwortung der Lehrkraft legen.
Reflexion der Zusammenfassungen: KI-generierte Zusammenfassungen von Elterngesprächen können Nuancen oder Zwischentöne (z. B. emotionale Zustände) übergehen. Die Zusammenfassung dient der Arbeitserleichterung, ersetzt aber nicht die pädagogische Interpretation der Situation.
Fazit
AnonyMeister stellt eine praxisnahe und technisch zugängliche Lösung dar, um den Einsatz moderner Textverarbeitungs-KI mit den strengen Datenschutzvorgaben an Schulen in Einklang zu bringen. Durch die konsequent lokale Verarbeitung und die Integration von Audio-Transkriptionen bietet das Open-Source-Tool eine signifikante Arbeitserleichterung für Lehrkräfte, sofern die Ergebnisse gewissenhaft manuell nachgeprüft werden.
Der KI-Helfer Baukasten ermöglicht Lernenden einen einfachen und barrierearmen Zugang zu KI-Tools. Durch systematisches Scaffolding (Persona, Aufgabe, Ziel, Kontext, Output) werden Schriftsprachbarrieren abgebaut und die Zukunftskompetenz „Prompting“ methodisch vermittelt.
Der Einsatz von Künstlicher Intelligenz (KI) im Bildungsbereich verspricht enorme Entlastungen und neue Wege der Differenzierung. Doch gerade für Schüler:innen in sonderpädagogischen Settings offenbart sich eine neue digitale Kluft: Der Gap im Bereich der Schriftsprache. Um eine KI effektiv zu nutzen, muss man präzise Anweisungen (Prompts) formulieren können. Dies erfordert hohe Kompetenzen in der Textproduktion und Abstraktionsfähigkeit. Der KI-Helfer Baukasten setzt genau hier an, um diese Hürden abzubauen.
Der methodische Ansatz: Systematik statt Zufall
Viele Lernende nutzen KI-Tools anfangs wie eine klassische Suchmaschine, was oft zu unzureichenden Ergebnissen führt. Der Baukasten überführt diesen Prozess in eine fünfstufige Bauanleitung:
Wer? (Persona): Festlegung der Rolle (z. B. „Du bist ein geduldiger Lehrer“).
Was? (Aufgabe): Genaue Beschreibung der Tätigkeit.
Warum? (Ziel): Was soll am Ende erreicht werden?.
Wichtig? (Kontext): Zusatzinfos wie Klassenstufe oder Fach.
Wie? (Output): Format der Antwort (z. B. Liste, einfacher Text).
Sonderpädagogischer Bezug & Inklusion
Der Baukasten ist konsequent nach den Prinzipien des Universal Design for Learning (UDL) gestaltet:
Sprachliche Entlastung: Über vordefinierte Kategorien (Schule, Alltag, Beruf etc.) und eine smarte Würfelfunktion können Lernende passende Textbausteine auswählen, ohne den gesamten Text selbst schreiben zu müssen.
Multimodalität: Die integrierte Vorlesefunktion (Speech-to-Text) unterstützt Schüler:innen mit Leseschwierigkeiten dabei, die Vorschläge und eigenen Eingaben auditiv zu überprüfen.
Einfache Sprache: Das System ist darauf optimiert, Prompts zu generieren, die wiederum Antworten auf einfachem Sprachniveau erzeugen.
Praktische Umsetzung im Unterricht
Lehrkräfte können den Baukasten als Scaffolding-Werkzeug einführen. Anstatt die Schüler:innen direkt vor ein leeres Chat-Fenster zu setzen, wird der Prompt gemeinsam im Baukasten „zusammengeklickt“.
Methodische Hinweise für den Einsatz:
Modelling: Die Lehrkraft demonstriert am Smartboard, wie unterschiedliche „Personas“ das Ergebnis verändern.
Themen-Tags: Nutzen Sie die Kategorien wie „Ernährung“ oder „Mode“, um lebenspraktische Bezüge herzustellen.
Reflexion: Vergleichen Sie die Ergebnisse verschiedener Prompts, um das Verständnis für „Computational Thinking“ zu schärfen.
Fazit
Der KI-Helfer Baukasten ist mehr als ein reines Text-Tool; er ist ein didaktisches Gerüst, das Schülerschaft mit Unterstützungsbedarf befähigt, KI-Systeme aktiv und selbstbestimmt zu steuern. Er transformiert die KI von einer komplexen „Black Box“ in ein kontrollierbares Hilfsmittel für den (Schul-)Alltag.
Vibe-Coding ermöglicht es Lehrkräften, komplexe Web-Apps allein durch natürliche Sprache zu erstellen. Der Artikel zeigt, wie KI-Modelle den Programmiercode erstellen, um maßgeschneiderte, barrierefreie Lernanwendungen für den inklusiven Unterricht zu entwickeln ohne dass eine einzige Zeile Code selber geschrieben werden muss.
Die rasante Entwicklung von KI-Modellen ermöglicht uns auch das Erstellen eigener Apps. Während visuelle Programmier-Umgebungen wie Scratch wertvolle Einstiege in die Welt des Programmierens bieten, stoßen sie bei komplexen, funktionalen Anwendungen oft an Grenzen. Hier setzt Vibe-Coding an. Es beschreibt einen Prozess, bei dem nicht mehr die Beherrschung einer Programmiersprache im Vordergrund steht, sondern die präzise Beschreibung einer Idee. Für die Sonderpädagogik eröffnet dies die Chance, digitale Hilfsmittel exakt auf die individuellen Bedürfnisse von Lernenden zuzuschneiden.
Vibe-Coding bedeutet, dass die KI den gesamten Programmcode schreibt. Der Nutzer agiert als Architekt und Ideengeber. Anstatt Zeile für Zeile Code zu tippen, vermittelt man der KI den „Vibe“ – also das Aussehen, das Verhalten und die Funktionen des gewünschten Programms. Die Kompetenz verschiebt sich vom Schreiben von Code hin zum instruktiven Design und zur Fehleranalyse im Dialog.
Welche Werkzeuge werden benötigt?
Grundsätzlich kann jedes Large Language Model (LLM), also jeder Chatbot Code generieren. Für optimale Ergebnisse haben sich jedoch spezialisierte oder besonders fähige Modelle etabliert:
Claude 3.5 Sonnet (Anthropic): Gilt aktuell als eines der stärksten Modelle für Coding-Aufgaben, da es sehr präzise Logik liefert.
ChatGPT (OpenAI / Codex): Der Klassiker, der besonders durch seine weite Verbreitung und gute Dokumentation überzeugt.
Gemini 1.5 Pro (Google): Punktet durch ein sehr großes Kontextfenster, was bei umfangreicheren Programmen hilfreich ist.
Der Prozess: Von der Beschreibung zur fertigen App
Die Programmentwicklung verläuft iterativ in einem Chat-Dialog:
Initialer Prompt: Erstellen Sie eine detaillierte Beschreibung. Beispiel: „Erstelle eine Web-App mit einem großen roten Button. Wenn man ihn drückt, erscheint ein zufälliges Tierbild und der Name des Tieres wird vorgelesen.“
Strukturvorgabe: Definieren Sie das Layout (z. B. „nutze ein klares, kontrastreiches Design für Schüler mit Sehbeeinträchtigung“).
Debugging & Testing: Das Programm wird lokal getestet. Funktioniert etwas nicht? Kopieren Sie die Fehlermeldung zurück in den Chat. Die KI korrigiert den Code umgehend.
Verfeinerung: In kleinen Schritten werden Funktionen hinzugefügt (z. B. eine Belohnungsanimation nach fünf richtigen Antworten).
Das Zielformat: Die Web-App
Für den schulischen Einsatz ist die Erstellung einer Web-App (bestehend aus HTML, CSS und JavaScript) am effizientesten.
Vorteile: Sie benötigen keine Installation. Eine einzige .html-Datei reicht aus, um die App im Browser zu öffnen – sei es am Smartboard, am PC oder am iPad (z. B. via Documents by Readdle).
Einschränkungen: Es handelt sich meist um statische Webseiten. Das bedeutet, Daten (wie Spielstände) werden nach dem Neuladen der Seite gelöscht, sofern kein lokaler Speicher des Browsers genutzt wird.
Externe Libraries: Um Funktionen wie komplexe Diagramme oder physikalische Simulationen zu nutzen, kann die KI externe Bibliotheken einbinden (z. B. p5.js für kreatives Programmieren oder Howler.js für fortgeschrittene Audio-Funktionen).
Umgang mit Bildern
Da eine Web-App oft nur aus einer Textdatei besteht, können Bilder nicht einfach „beigelegt“ werden. Hier gibt es vierStrategien:
Emojis: Die einfachste Lösung für Symbole und einfache Grafiken.
Font Awesome / Lucide Icons: Einbindung von Icon-Bibliotheken via URL, um professionelle Symbole zu nutzen.
Verlinkung: Es können Bilder, die im Internet zu Verfügung stehen, über Verlinkungen angezeigt werden. Es müssen hierfür natürlich Lizenzrechte beachtet werden
Base64-Codierung: Das Bild wird komplett in eine lange Textkette umgewandelt und direkt in den Code eingebettet. Die KI kann dies auf Anfrage für kleine Icons erledigen.
Sonderpädagogischer Bezug und Einsatzmöglichkeiten
Vibe-Coding ist ein mächtiges Werkzeug für die Diklusion (Digitale Inklusion), da es Lehrkräften ermöglicht, Barrieren abzubauen, für die es keine kommerziellen Lösungen gibt:
Individuelle Assistenz-Tools: Erstellung von spezialisierten Kommunikationstafeln oder Schritt-für-Schritt-Anleitungen mit Sprachausgabe für Schüler im Förderschwerpunkt geistige Entwicklung.
Barrierefreie Lern-Lektionen: Umwandlung von analogen Arbeitsblättern in interaktive Formate mit einstellbaren Schriftgrößen, hohen Kontrasten und Screenreader-Optimierung.
Verhaltenstraining: Kleine Apps zur Selbstregulation (z. B. ein visueller Timer oder ein digitales Mood-Board), die exakt die Verstärker nutzen, auf die ein spezifischer Schüler anspricht.
Kognitive Entlastung: Erstellung extrem reduzierter Benutzeroberflächen („Minimal Interfaces“), die Ablenkungen minimieren und den Fokus auf eine einzige Aufgabe lenken.
Die Face Sensing Erweiterung ist aus dem Versuchslabor Scratch Lab endlich als neue Erweiterung in die kostenlose online Scratch Programmierumgebung eingezogen (Scratch – Imagine, Program, Share) und bringt künstliche Intelligenz direkt ins Klassenzimmer – und das auf eine Weise, die Schülerinnen und Schüler sofort verstehen und erleben können. Die Erweiterung nutzt maschinelles Lernen, um Gesichter über eine Webcam zu erkennen und verschiedene Gesichtsbereiche wie Nase, Mund, Augen und Ohren zu verfolgen.
Datenschutz im Fokus: Sicher experimentieren
Ein entscheidender Vorteil für den Schulbereich: Die Face Sensing Extension verarbeitet alle Kamerabilder ausschließlich lokal auf dem Gerät. Keine Daten werden gespeichert oder an externe Server übertragen. Dies macht die Technologie datenschutzrechtlich unbedenklich für den Einsatz in Schulen und ermöglicht es Lehrkräften, KI-Konzepte ohne Bedenken zu thematisieren.
Einfache Programmierung mit großer Wirkung
Die Face Sensing Blöcke funktionieren nach dem bewährten Scratch-Prinzip: Einfache, farbkodierte Befehlsblöcke ermöglichen es auch Programmieranfängern, schnell erste Erfolge zu erzielen. Mit Befehlen wie „Gehe zur Nase“ oder „Folge dem Kopf“ können Sprites (digitale Figuren) präzise auf Gesichtsbewegungen reagieren.
Grundlegende Funktionen der Erweiterung:
Erkennung von acht verschiedenen Gesichtsbereichen (Nase, Mund, linkes/rechtes Auge, zwischen den Augen, linkes/rechtes Ohr, Kopfoberseite)
Automatische Größenanpassung basierend auf der Entfernung zur Kamera
Kopfneigung wird erkannt und kann zur Sprite-Steuerung genutzt werden
Praxisbeispiel: Die Nasen-Schreib-Übung
Ein besonders anschauliches Beispiel für den Unterrichtseinsatz ist die Nasen-Schreib-Übung: Ein blauer Ball folgt der Nase der Person vor der Kamera. Auf dem Bildschirm sind Kugeln in Buchstabenform angeordnet, die nacheinander mit dem nasengesteuerten Ball berührt werden müssen. Diese Übung demonstriert auf spielerische Weise, wie KI Gesichtserkennung funktioniert und macht abstrakte Konzepte konkret erfahrbar.
Künstliche Intelligenz hält zunehmend Einzug in den Bildungsbereich und eröffnet neue Möglichkeiten für die inklusive Schule und die Sonderpädagogik. Besonders für Schülerinnen und Schüler mit kognitiven Beeinträchtigungen kann KI ein wertvolles Werkzeug sein, um Barrieren abzubauen und individuelle Förderung zu ermöglichen. Der regelmäßige Online-Austausch des Netzwerks Diklusion bietet Lehrkräften und Interessierten die Möglichkeit, Chancen und Herausforderungen von KI für Schüler*innen mit Förderbedarf zu diskutieren und voneinander zu lernen.
Was bedeutet KI für Menschen mit kognitiven Beeinträchtigungen?
KI kann Lernprozesse personalisieren, indem sie Lernstände analysiert und passgenaue Aufgaben vorschlägt. Sprachassistenzsysteme, adaptive Lernplattformen und automatisierte Übersetzungen unterstützen Schüler*innen dabei, Inhalte besser zu verstehen und selbstständig zu arbeiten. Für Lehrkräfte bietet KI die Chance, Unterrichtsmaterialien barrierefrei zu gestalten und differenzierte Rückmeldungen zu geben.
Offener Austausch im Netzwerk
Das Netzwerk Diklusion lädt regelmäßig zu einem offenen Online-Austausch ein, bei dem alle Interessierten gemeinsam diskutieren, lernen und sich vernetzen können. Ziel ist es, inklusive Perspektiven zu stärken und gemeinsam zu überlegen, wie KI sinnvoll in der Förderschule eingesetzt werden kann. Die Treffen finden etwa alle drei Monate statt und sind offen für alle.
Termine 2025 & 2026 – Save the date!
Datum
Uhrzeit
Donnerstag, 25.09.2025
17:00 – 18:30
Dienstag, 18.11.2025
15:00 – 16:30
Donnerstag, 04.03.2026
17:00 – 18:30
Mittwoch, 03.06.2026
15:00 – 16:30
Mitmachen und profitieren
Der Austausch bietet Raum für Fragen wie:
Wie kann KI den Schulalltag für Schülerinnen mit Förderbedarf erleichtern?
Welche Tools sind besonders hilfreich?
Lehrkräfte, Studierende, Wissenschaftler*innen und Interessierte sind eingeladen, ihre Erfahrungen zu teilen und gemeinsam neue Wege für die inklusive Bildung zu entwickeln.
Ich konnte nicht widerstehen. Aber die Möglichkeiten, die OpenAi mit der neuesten Version ihres KI-Bildgenerators präsentiert sind einfach zu verlockend. Keine komplizierten Prompt, konsistentes Verwenden und Beachten von Vorlagen und Vorgaben und passende Ergebnisse oft schon auf den ersten Versuch.
Das ganze kann man schon mit einem kostenlosen Konto bei ChatGPT ausprobieren. Hier hat man drei Bilder pro Tag kostenlos dabei.
Kritik?
Gibts natürlich auch. Im Trend waren zum Beispiel Bilder im Stil von Studio Ghibli, dem legendären Anime Studio. Darüber hat sich auch Ghibli-Mitbegründer Hayao Miyazaki mit scharfer Kritik gewehrt. Die Frage, ob hier geistiges Eigentum in der Kunst mißbraucht wird und man den Künstlerinnen und Künstlern schadet, ist jedenfalls berechtigt.
Darum!
KI Tools reflektiert nutzen, KI Bilder als solche kennzeichnen und Urheberrechtsverletzungen vermeiden.
Von personalisierten Lernplattformen bis hin zu automatisierten Bewertungssystemen bietet KI innovative Möglichkeiten, den Schulalltag effizienter und individueller zu gestalten. Angesichts dieser Entwicklungen ist es unerlässlich, dass Schulen sich mit dem Thema auseinandersetzen und KI gezielt einsetzen. Besonders Lehrkräfte stehen vor der Herausforderung, kompetent und souverän geeignete Tools einschätzen und nutzen zu können, um ihren Unterricht zu bereichern und Schülerinnen und Schüler optimal zu fördern.
Die folgende Checkliste unterstützt Sie dabei mit sieben zentralen Aspekten, die Ihnen helfen, KI-Anwendungen im schulischen Kontext erfolgreich zu integrieren.
Die Checkliste kann online als Bookcreator Tool gelesen und ausgefüllt werden oder als PDF Formular heruntergeladen werden.
Alle Aspekte sind mit ausführlichen und verständlichen Erklärungen verlinkt. So lässt sich effizient und kompakt ein schneller Überblick über die wichtigsten Voraussetzungen für einen sicheren Einsatz von KI im Unterricht erzielen.
Datenverarbeitung KI Anwendungen werden meistens auf großen Serverfarmen betrieben. Im Falle von ChatGPT arbeitet das KI Modell zum Beispiel auf amerikanischen Servern. Das heißt, dass bei der Nutzung möglicherweise persönlichen Daten in die USA übertragen werden. Geschieht das verschlüsselt? Werden diese Daten anschließend wieder gelöscht? Benutzt die KI die Daten zur Verbesserung ihrer Dienste? Werden diese Informationen transparent in einem Impressum und in einer Datenschutzerklärung angezeigt? Bietet mir der KI-Anbieter Garantien für die vertrauliche Nutzung meiner Daten, z. B. in Form eines AV Vertrags? Bessere Datenschutzoptionen hat man bei Serverstandorten in Europa oder Deutschland oder totale Kontrolle bei der lokalen Nutzung eines OpenSource KI Modells.
Anmeldung Für viele KI Anwendungen ist eine Anmeldung erforderlich. Wird hier ein allgemeiner Schul-Account genutzt? Teilt die Lehrkraft ihre Anmeldedaten mit der Klasse? Oder bekommen Schülerinnen und Schüler sogar eigene Accounts? Wurden von den Erziehungsberechtigten entsprechende Einverständniserklärungen eingeholt und wurde die Nutzung der KI transparent angezeigt? Manchmal können KI Assistenten mit anonymen Links an Schülerinnen und Schüler verteilt werden. Geschieht dies auf persönliche Geräten oder auf Leihgeräten? Befindet man sich beim Zugriff auf die KI im Schulnetz oder soll die Bearbeitung auch im heimischen WLAN erfolgen?
Barrierefreiheit Die meisten KI-Anwendungen setzen einige Fähigkeiten im Bereich Schriftsprache voraus. Prompts werden noch überwiegend auf Textbasis produziert und es bedarf eines hohen Sprachniveaus um komplexe Aufgaben zu bewältigen. Multimodale Modelle können helfen, Barrieren abzubauen. Sprachein- und ausgabe kann genutzt werden. Bilder können sowohl zum Verdeutlichen des Prompts, aber auch zum Verständnis der Ausgabe genutzt werden. Eine vorentlastende Anweisung an den KI-Bot, sich besser auf Sprachniveau, Grammatik-Defizite oder Verständnisprobleme einzustellen ist hilfreich, um eine KI zielgruppengerecht anzupassen.
Quellenangaben KI-Anwendungen neigen zu Halluzinationen. Sie generieren ihre Antworten auf Basis mathematischer Berechnungen, entweder auf Grundlage der ihnen zur Verfügung stehenden Datenmenge, mit den übergebenen Prompts (oder Dokumente oder Bilder) oder mit Hilfe von Internetrecherchen. Reicht die Datenbasis nicht aus, um die Aufgabe adäquat zu lösen, erfindet die KI scheinbar passende Fakten. Daher ist es elementar wichtig, die Ausgaben der KI kritisch zu reflektieren und auf Fake News zu überprüfen. Dies kann aber nur gut funktionieren, wenn die KI Angaben zu den verwendeten Quellen macht. Ansonsten lassen sich nur Themen überprüfen, über die man selbst gut Bescheid weiß.
Tendenzen (BIAS) Die Qualität der KI Ergebnissen hängt von der Qualität und von den Vorgaben des zugrunde liegenden Datzensatzes ab. So können stereotype, falsch klassifizierte oder zensierte Ausgangsdaten dazu führen, dass zum Beispiel politische Zusammenhänge falsch wiedergegeben werden, oder Minderheiten mit abwertenden Attributen versehen werden. Auch falsch verstandene Diversitätsregeln können ungeahnte Ergebnisse erzeugen, so war es bei einigen bilderzeugenden KI-Tools eine Zeit lang nicht möglich, ein Gruppenbild einer Herren- Fußballmannschaft zu erzeugen, da immer alle Geschlechter, Hautfarben und Altersgruppen dargestellt werden sollten.
Human in the loop KI kann viele Prozesse automatisieren und vermeintlich die menschliche Arbeitskraft und Kreativität ersetzen. Für viele repetitive oder datenintensive Aufgaben mag das Vorteile mit sich bringen. Es gibt jedoch Anwendungsgebiete, in denen es unabdingbar ist, dass der Mensch Entscheidungen trifft, Fehler korrigiert und ethische Aspekte berücksichtigt (s. a. EU-AI Act). Diagnostik, Feedback, und Beurteilungen sind hier zum Beispiel besonders sensible Arbeitsfelder. So kann man sich eine sinnvolle abwechselnde Arbeitsteilung zwischen KI und Mensch vorstellen (Ping-Pong Denken), bei der der Mensch jedoch immer die abschließende Entscheidungs-Option behält.
Nachhaltigkeit KI Modelle laufen meist nicht auf den eigenen Rechnern. Sie verarbeiten schon bei der Herstellung riesige Datenmengen und benötigen immenseRechenleistungen. Einige Schätzungen gehen davon aus, dass der Einsatz voin generativer KI 30- bis 60-mal mehr Energie benötigt als herkömmliche Suchmaschinen. Daher sollte man sich immer fragen, ob der Einsatz der KI für die Aufgabe wirklich alternativlos ist.
KI Werkzeuge sind meistens weit über den Status reiner Chatbots mit Large Language Modellen (LLM) hinaus gewachsen. Zusätzliche Funktionalitäten halten Einzug, wie zum Beispiel Dokumente und Bilder analysieren, sprachliche Ein- und Ausgaben oder die Verknüpfung mit einer Internet Suche.
KI-Assistenten als Spezialisten
Ein vielversprechendes Experimentierfeld ist die Bereitstellung sogenannter KI-Assistenten (Agents). Im Prinzip wird der KI hier im Vorfeld eine benutzerdefinierte Anweisung (custom instructions) und eventuell spezielle Quellen oder Fähigkeiten, wie Internet Recherche mitgegeben und das KI Tool für Spezialaufgaben vorzubereiten.
So kann man bei den gängigen Anbietern mit historischen Persönlichkeiten chatten, Hilfe bei der Rechtschreibung bekommen, Texte umformulieren, passende Bilder erstellen lassen und vieles mehr.
Besonders heikel kann es werden, wenn der Output dieser Assistenten zu direkten Aktionen in der realen Welt führen kann. Es gibt Korrekturhilfen (siehe auch KI Korrekturhilfe auf dem Prüfstand – ein geeignetes Tool für Lehrkräfte? – LernSachen), Feedback Assistenten mit Bewertungsvorschlägen, Assistenten zur Zeugniserstellung, Diagnostik Tools und vieles mehr.
Human in the Loop
Dabei sollte immer beachtet werden, dass automatisierte Systeme nie selbstständig die finale Entscheidung über wichtige Angelegenheiten treffen dürfen (Siehe auch Key Issue 4: Human Oversight – EU AI Act).
Bei der Verwendung solcher Assistenten muss man aber sehr aufpassen. Die meisten KI Tools können nämlich nur eine Sache richtig gut:
KI Systeme simulieren menschliche Gedankengänge und formulieren ihren Output so, dass das Ergebnis stimmig aussieht.
KI-Detektor
Der Anbieter SchulKI bewarb zuletzt so einen Assistenten. Der KI-Detektor soll herausfinden können, ob ein Text von einem Mensch oder von einer Maschine verfasst wurde. Möglicherweise als Hilfestellung für gestresste Lehrkräfte gedacht, die sich nicht mehr sicher sein können, ob die Hausaufgabe von den Schülerinnen und Schülern selbst erdacht wurde, oder ein beliebiges KI-Modell hier zum Einsatz kam.
Nur falsche Ergebnisse
Ein bisschen skeptisch war ich schon, ob man so einen Tatbestand technisch mit einem Klick identifizieren kann. Noch dazu, wenn der KI-Output ja auch noch durch menschliche Interaktion modifiziert worden sein könnte.
Ich habe den Versuch mehrmals mit unterschiedlichen Quellen wiederholt. Das Tool war sich immer mit nahezu 100% sicher, dass der Text von einem Menschen verfasst wurde.
Es muss noch stärker das Augenmerk auf das kritische Reflektieren solcher KI Angebote gerichtet werden. Ich behaupte, dass nicht alle Lehrkräfte, die den Zugang zu solchen Assistenten bekommen, so tief in der Materie eingearbeitet sind, dass genug Zweifel aufkommen, ob die Ergebnisse solcher Helferlein uneingeschränkt genutzt werden können. Noch dazu, wenn die Anbieter immer wieder mit einfachen Lösungen und Zeitersparnis werben.
LernSachen 