Eine Einordnung
Weiteres
Anregung „Lernen und KI – Fünf Dimensionen für den Unterricht“1
KI ist in der Welt
Sie beeinflusst bereits heute Kommunikation, Informationsbeschaffung, kreative Prozesse, industrielle Entwicklung, Wissenschaft, Verwaltung und zunehmend auch Schule und Unterricht und wir stehen vor der Aufgabe, uns aktiv mit den Chancen, Grenzen und Folgen dieser Technologie auseinanderzusetzen.
Die von Joscha Falck treffend skizzierten fünf Dimensionen für den Unterricht sind ein möglicher Zugang zu durchdenken, wie KI sinnvoll, lernförderlich und verantwortungsvoll im Chemieunterricht und darüber hinaus eingesetzt werden kann.
Dabei geht es nicht nur um konkrete Werkzeuge oder technische Möglichkeiten, sondern ebenso um didaktische, gesellschaftliche und ethische Fragen.
Denn neben dem Potenzial zur Unterstützung von Lernprozessen sehen wir auch Entwicklungen, die kritisch diskutiert werden müssen: etwa die Gefahr oberflächlicher Wissensaneignung, zunehmender Abhängigkeiten von digitalen Systemen, intransparenter Entscheidungsprozesse oder die Nutzung menschlicher Ideen, Texte und kreativer Leistungen zum Anlernen kommerzieller KI-Systeme ohne ausreichende Transparenz oder Beteiligung der Urheber:innen. Und dies ist keine abschließende Aufzählung!
1. Mögliche sinnhafte Anwendungen: Chatbots
Chatbots als Tutor:in auf dem Lösungsweg
Chatbots lassen sich als Lernbegleiter mit klar definierter Rolle erstellen: helfen statt lösen. Solche Bots geben strukturierende Hinweise, helfen beim Überprüfen von Ergebnissen oder unterstützen Lernende dabei, eigene Denkwege weiterzugehen, ohne ihnen die komplette Lösung abzunehmen.
Dies kann zu mehr Chancengleichheit beitragen. Nicht alle Lernenden verfügen über Unterstützungssysteme. Gleichzeitig kann auch eine Lehrkraft im Unterricht nicht jederzeit allen Schülerinnen und Schülern gleichzeitig individuell helfen.
Chatbots als Expert:in zur Informationsbeschaffung
Lernende können Chatbots auch als fiktive Expert:innen nutzen. Gut formulierte Prompts ermöglichen es, mit solchen Bots, individuell auf die Fragen von Lernenden zu reagieren, verschiedene Perspektiven einzubeziehen oder komplexe Zusammenhänge adressatengerecht zu erklären.
Den Einsatz solcher Chatbots müssen wir transparent und kritisch begleiten: Lernende könnten sonst leicht den Eindruck gewinnen, eine reale Person „spreche“ zu ihnen und historischen Persönlichkeiten, Wissenschaftler:innen oder sogar längst verstorbenen Menschen könnten durch KI Aussagen in den Mund gelegt werden, die sie nie getroffen haben.
Chatbots als Übersetzer:in
Im Unterricht mit Kindern und Jugendlichen mit Flucht- oder Migrationshintergrund nutzen wir Chatbots teilweise auch als mehrsprachige Unterstützungswerkzeuge.
Grundsätzlich wäre dies mit klassischen Übersetzungsprogrammen möglich. Der Vorteil von KI-gestützten Chatbots liegt für uns jedoch darin, dass sie gleichzeitig in vielen verschiedenen Sprachen verfügbar sind.
In anderen Kontexten nutzen Lernende KI zur sprachlichen Differenzierung. Texte können beispielsweise in einfachere Sprache übertragen werden.
Dabei ist es wichtig, dass Vereinfachungen fachlich korrekt bleiben und nicht zu inhaltlichen Verkürzungen oder Missverständnissen führen.
Lernen mit KI
Die Unterstützung durch Chatbots verstehen wir als „Scaffolding“: eine zeitweise Hilfe auf dem Weg zu mehr Selbstständigkeit. Ziel muss bleiben, dass Lernende Lösungswege zunehmend selbst entwickeln, Entscheidungen begründen und fachliche Zusammenhänge eigenständig verstehen.
Lernende sollen vielmehr zunehmend selbst entscheiden können, wann ein Chatbot hilfreich ist und wann andere Werkzeuge sinnvoller wären. Unterricht mit Chatbots braucht zwingend Phasen der Reflexion über die Nutzung!
Lernen über KI
Lernende müssen verstehen, dass KI keine „wissende Person“ ist und auch keine klassische Suchmaschine ersetzt. Sprachmodelle erzeugen Antworten auf Basis von Wahrscheinlichkeiten und Trainingsdaten — nicht zwingend auf Basis geprüfter Quellen oder aktueller Fakten. Sie halluzinieren! Lernende sollen erkennen, dass sprachlich sichere Antworten nicht automatisch fachlich korrekt sind.
Deshalb gehört es aus unserer Sicht zwingend dazu, Schüler:innen beizubringen, wann sie sich für eine KI-Anfrage entscheiden und Antworten kritisch zu prüfen, Quellen einzufordern und Ergebnisse mit Fachwissen abzugleichen.
Lernen durch KI
Chatbots ermöglichen teilweise eine stärkere Individualisierung von Lernprozessen. Gut formulierte Prompts erlauben es Chatbots, auf unterschiedliche Lernstände zu reagieren, alternative Erklärungen anzubieten oder komplexe Inhalte adressatengerecht aufzubereiten. Lernende können dadurch in ihrem eigenen Tempo arbeiten und zusätzliche Unterstützung erhalten, wenn Lehrkräfte nicht gleichzeitig allen helfen können.
Wir prüfen diese Chatbots immer intensiv. Vereinfachungen dürfen nicht zu fachlichen Fehlern oder problematischen Verkürzungen führen.
Lernen trotz KI
Wir speichern fehlerhafte oder verkürzte KI-Antworten zu fachlichen Inhalten und geben sie an Lernende. So sehen sie, dass man dies womöglich erst erkennt, wenn man selbst Ahnung in diesem Gebiet hat.
Wir lassen Versuchsprotokolle, die wir von KI basierend auf unseren Beobachtungen schreiben lassen, durch dieselbe KI anhand transparenter Kriterien kritisch bewerten. „Be brutally honest“ führt mitunter zu vernichtenden Bewertungen.
Gerade weil KI scheinbar schnell überzeugende Lösungen erzeugen kann, bleibt eigenständiges Denken zentral. Entscheidend zu vermitteln bleibt: Die Bewertungshoheit liegt nicht bei der KI, sondern bei Menschen. Dazu muss man in der Lage sein.
Lernen ohne KI
Trotz aller Möglichkeiten digitaler Werkzeuge bleiben viele Lernprozesse bewusst KI-frei. Gespräche, gemeinsames Experimentieren, Diskussionen, handschriftliches Arbeiten oder das gemeinsame Entwickeln von Ideen nicht nur mit Apps digital sondern auch mit haptischen Modellen beipielsweise am Whiteboard sind aus unserer Sicht unverzichtbare Bestandteile von Bildung. Im naturwissenschaftlichen Unterricht entstehen viele wichtige Erkenntnisse im direkten Austausch mit anderen Menschen und durch reale Erfahrungen.
2. Mögliche sinnhafte Anwendungen: Visualisierungen, Audiofiles, Animationen
KI hilft beim Coding
KI eröffnet uns inzwischen Möglichkeiten, regelbare Animationen und interaktive Werkzeuge, etwa zur Darstellung der Teilchenebene, chemischer Gleichgewichte oder pH-metrischer Titrationen selbst zu gestalten, die zuvor aufgrund des erheblichen Programmieraufwands für uns gar nicht realisierbar gewesen wären.
Wir sind ausdrücklich keine professionellen Programmierer. Dennoch ermöglicht uns KI inzwischen, Formeln, JavaScript-Code oder kleinere Programmbausteine so zu erzeugen und anzupassen, dass didaktisch passgenaue Werkzeuge entstehen können. Der Entwicklungsaufwand bleibt zwar weiterhin hoch, wird aber deutlich zugänglicher.
Gerade im naturwissenschaftlichen Unterricht sehen wir darin großes Potenzial. Viele vorhandene Animationen oder Simulationen sind fachlich zwar korrekt, passen jedoch nicht immer zu den konkreten Lernzielen, zur Lerngruppe oder zur gewählten didaktischen Reduktion.
Wir liefern das fachliche Wissen und die didaktischen Entscheidungen. KI unterstützt uns dabei, Ideen technisch umzusetzen.
Weiteres
KI erstellt Abbildungen
Auch bei der Erstellung von Abbildungen nutzen wir inzwischen teilweise KI-Werkzeuge. Dies sehen wir durchaus ambivalent. Einerseits ermöglichen sie schnell und effizient Visualisierungen, die mit klassischen Mitteln nur schwer oder mit sehr großem Aufwand zu erstellen wären. Andererseits stellen sich Fragen nach Fehlern, Urheberrechten oder aber auch der Grundlage der Trainingsdaten. Dieses Dilemma lässt sich nicht immer aufheben.
Weiteres
KI erstellt Audiofiles
KI-generierte Audiofiles bieten die Möglichkeit unterschiedliche Quellen und Perspektiven komprimiert zusammenzuführen. Inhalte können auditiv aufbereitet und weniger textlastig präsentiert werden. Dadurch entstehen teilweise dichte, atmosphärische Lernangebote, die Lernende anders ansprechen als klassische Texte.
Gleichzeitig beobachten wir auch hier deutliche Grenzen: fachliche Fehler, problematische Verkürzungen oder fehlerhafte Aussprache lassen sich oft nur schwer nachträglich korrigieren. Gerade deshalb halten wir eine kritische Prüfung solcher Materialien und transparente Hinweise auf ihre Entstehung für unverzichtbar.
Lernen mit ...
Grundsätzlich gilt aus unserer Sicht: Lernende mussten Darstellungen, Modelle und Animationen schon immer kritisch prüfen, ihre Aussagekraft einschätzen und ihre Grenzen erkennen. Daran ändert sich durch KI zunächst wenig.
Wenn Lehrkräfte oder Lernende solche Materialien selbst mithilfe von KI erzeugen können, entsteht allerdings die Chance, sie didaktisch passgenauer zu gestalten.
Gleichzeitig wächst damit aber auch die Verantwortung, Fehlerquellen zu erkennen, Vereinfachungen transparent zu machen und die Qualität der Materialien kritisch zu reflektieren. Hier müssen Lernende sehr genau verstehen, wie die KI auf die Eingaben reagiert.
... und über KI
Deshalb erscheint es uns wichtig, KI-generierte Materialien klar kenntlich zu machen und offen darauf hinzuweisen, dass sie fehlerhaft sein können.
Lernen durch KI
Individuell anpassbare Simulationen und regelbare Modelle ermöglichen differenzierte Lernwege und können unterschiedliche Lernstände berücksichtigen. Audio-, Bild- und Animationsformate schaffen zusätzliche Zugänge zu fachlichen Inhalten und unterstützen multimodales Lernen.
Lernen trotz KI
Auch wenn wir KI zur Erstellung von Animationen, Diagrammen, Audioformaten oder Programmcode nutzen, ersetzt sie weder fachliche Analyse noch didaktische Entscheidungen. KI-generierte Darstellungen müssen von uns kritisch geprüft, eingeordnet und gegebenenfalls korrigiert werden. Gerade fachliche Vereinfachungen, fehlerhafte Visualisierungen oder problematische Verkürzungen können leicht übersehen werden, wenn Ergebnisse lediglich aufgrund ihrer professionellen Wirkung übernommen werden. Deshalb bleibt es unsere Aufgabe als Lehrende, Materialien fachlich zu bewerten, didaktisch passend auszuwählen und ihre Grenzen transparent zu machen. Auch KI-generierter Code oder automatisch erzeugte Simulationen müssen verstanden und überprüft werden, bevor sie sinnvoll im Unterricht eingesetzt werden können.
Lernen ohne KI
Nicht jede Visualisierung muss digital oder KI-generiert sein. Eigene Skizzen, Modelle, Experimente und analoge Darstellungen bleiben wichtige Bestandteile naturwissenschaftlichen Lernens. Reale Beobachtungen und Experimente dürfen nicht hinter scheinbar perfekten Simulationen verschwinden.
3. Mögliche sinnhafte Anwendungen: Materialentwicklung und -prüfung
KI recherchiert Materialien zu Ideen
In der Planung von Unterrichtsideen hilft oft eine tiefgehende KI gestützte Recherche. KI findet viele Quellen, liefert Ansätze oder Blickrichtungen, die man vielleicht noch nicht hatte und strukturiert Ideen.
KI prüft Materialien
KI kann (halb)fertige Webseiten „lesen“ und auf Fehler, Ungenauigkeiten und logische Brüche hinweisen. Dies erleichtert eine stringente Verbesserung.
Man erhält viele Anregungen in Tiefe oder Breite. Wie immer gilt hier aber: nicht blind auf die Vorschläge der KI vertrauen. Alles muss man wiederum selbst prüfen und durchdenken.
Weiteres
Mit KI Ideen und Pläne diskutieren
Wir haben eine Idee, wie der Unterricht funktionieren soll. Und es hilft uns mitunter sehr, KI mit der Prüfung zu beauftragen, ob das erdachte Material samt der Aufgaben die Lernenden auch wirklich in der gewählten Thematik mit dem gewählten Fokus zu einem diskutablen Lernprodukt und letztlich zum gewünschten Ziel führt.
Genau dieser Ansatz ist auch Teil unserer Arbeit mit Referendar:innen.
Lehren mit KI
Wenn wir KI als unterstützendes Werkzeug bei der Entwicklung, Analyse und Überarbeitung von Unterrichtsmaterialien nutzen, ist eines ganz wichtig: Das geht nur in Bereichen, wo man sich gut auskennt!
Man braucht eigene Ideen, muss Widersprüche aufdecken und KI auch stets widersprechen, darf nichts ungeprüft übernehmen und muss Quellen alle auf ihre Existenz hin selbst prüfen!
Lehren über KI
ABER: Gerade in der Lehrkräftebildung erscheint es uns wichtig, die Funktionsweise und Grenzen von KI-Systemen offenzulegen. Lehrende und Referendar:innen müssen verstehen, dass KI keine fachliche Autorität ist und Vorschläge nicht automatisch korrekt oder sinnvoll sind. KI erzeugt häufig überzeugend formulierte, aber fachlich problematische oder didaktisch ungeeignete Inhalte. Deshalb gehört es zur professionellen Nutzung, Quellen kritisch zu prüfen, Widersprüche aufzudecken und Vorschläge eigenständig zu reflektieren. Auch Fragen nach Trainingsdaten, Quellenqualität, Urheberrecht und Ideenaneignung müssen thematisiert werden.
Lehren durch KI
KI kann Lehrenden und Referendar:innen helfen, Unterrichtsideen weiterzuentwickeln und Lernprozesse differenzierter zu planen. Durch KI-gestützte Recherche entstehen häufig neue Perspektiven, zusätzliche fachliche Aspekte oder alternative didaktische Zugänge, die man allein möglicherweise nicht bedacht hätte. Auch die Reflexion geplanter Lernwege kann unterstützt werden, etwa indem KI Rückmeldungen dazu gibt, ob Materialien und Aufgaben voraussichtlich zu einem sinnvollen Lernprodukt und den angestrebten Kompetenzen führen.
Lehren trotz KI
Man muss es selbst noch können!
Aus unserer Sicht funktioniert eine sinnvolle Nutzung von KI in Unterrichtsplanung und Materialentwicklung eigentlich nur dort gut, wo bereits fachliche und didaktische Expertise vorhanden ist. Lehrende müssen „den Hut aufhaben“. Eigene Ideen, Zielvorstellungen und didaktische Entscheidungen bleiben zentral. KI darf diese Prozesse unterstützen, aber nicht ersetzen. Deshalb müssen Vorschläge, Quellen und Formulierungen stets kritisch geprüft werden. Oft ist es sinnvoll, KI gezielt zur kritischen Gegenprüfung einzusetzen, etwa mit Aufforderungen wie „be brutally honest“, um Schwächen, Inkonsistenzen oder blinde Flecken sichtbar zu machen. Die Verantwortung für fachliche Qualität, Lernwirksamkeit und didaktische Entscheidungen bleibt jedoch immer bei den Lehrenden.
Lehren ohne KI
Auch in der Lehrkräftebildung und Unterrichtsplanung bleiben kollegialer Austausch, gemeinsame Reflexion, eigene Unterrichtserfahrungen und fachliche Diskussionen unverzichtbar. Gute Unterrichtsideen entstehen nicht allein durch KI-generierte Vorschläge, sondern durch Erfahrung, pädagogisches Gespür und die intensive Auseinandersetzung mit Lernenden, Fachinhalten und Unterrichtszielen. KI kann solche Prozesse unterstützen, aber professionelle Urteilsfähigkeit nicht ersetzen.
1. Kritisch: Was KI mit Lernen macht
Kognitive Auslagerung statt Kompetenzaufbau
Lernen entsteht durch Anstrengung. Wo KI die schwierigen Schritte — formulieren, strukturieren, mit Fehlern ringen — abnimmt, fehlt genau die Reibung, an der Verstehen wächst. Die Gefahr ist nicht, dass Lernende „schummeln“, sondern dass sie ein Werkzeug für Kompetenz halten, das ihnen in Wahrheit Kompetenz erspart. Was nie selbst durchdacht oder durchlaufen wurde, wird auch nicht zu eigenem Können. Und je selbstverständlicher das Werkzeug verfügbar ist, desto eher schwindet die Bereitschaft, ohne es zu denken — Frustrationstoleranz und Selbstwirksamkeit inklusive.
Kompetenzillusion und der Matthäus-Effekt
Sprachmodelle erzeugen flüssige, souverän klingende Antworten. Sprachliche Sicherheit wird so leicht mit fachlicher Richtigkeit verwechselt — LLM halluzinieren per se und gerade Halluzinationen und subtile Fachfehler erkennt nur, wer das Thema bereits beherrscht. Daraus folgt eine unbequeme Asymmetrie: KI nützt am meisten denen, die schon viel wissen, und gefährdet am stärksten die, die wenig wissen. Das Werkzeug, das Chancengleichheit verspricht, kann Bildungsungleichheit vertiefen.
Verengung statt Vielfalt
KI gibt statistisch wahrscheinliche Antworten — also Mainstream. Randpositionen, Minderheitenperspektiven, fachliche Kontroversen und ungewöhnliche Lösungswege werden tendenziell geglättet. Wenn Material, Erklärungen und Aufgaben zunehmend aus derselben Quelle stammen, droht eine didaktische Homogenisierung, die der Mehrperspektivität des naturwissenschaftlichen aber generell auch des gesellschaftlichen Denkens widerspricht. Es droht der Rückfall in Strukturen, die wir mühsam begonnen haben aufzubrechen!
2. Kritisch: Unter welchen Bedingungen entsteht KI? Gesellschaftlich - ethische Fragen
Trainingsdaten, Urheberrecht, Ideenaneignung
Kommerzielle Systeme sind an Texten, Bildern und Code trainiert, die Menschen geschaffen haben — meist ohne deren Einwilligung, Nennung oder Vergütung. Wer im Unterricht selbstverständlich KI nutzt, normalisiert diese Aneignung. Das gehört in einen Unterricht, der Quellenkritik und geistiges Eigentum ernst nimmt, ausdrücklich besprochen.
Verdeckte menschliche Arbeit
Damit Modelle „funktionieren“, bewerten und filtern Menschen — oft prekär beschäftigt und niedrig entlohnt — riesige Datenmengen, teils belastende Inhalte. Die scheinbar saubere Maschine ruht auf unsichtbarer, ungleich verteilter Arbeit.
Ökologischer Fußabdruck
Training und Betrieb großer Modelle verbrauchen erhebliche Mengen Energie und Wasser. Im Chemieunterricht, der Stoffkreisläufe und Nachhaltigkeit behandelt, ist es nur konsequent, auch die Ressourcenbilanz der eingesetzten Werkzeuge selbst zum Thema zu machen.
Wie gehen wir damit um?
Es ausdrücklich anzusprechen, schafft diese Probleme aber ehrlich gesagt nicht aus der Welt. Wir akzeptieren sie oder wir lehnen KI daher ab. Jede(r) muss sich selbst fragen und entscheiden dürfen, ob er/sie generative KI unter dieser Prämisse nutzen will.
Damit ist eine weitere Frage in der Welt: wie gehen diejenigen, die generative KI trotzdem nutzen und diejenigen, die eine Nutzung daher ablehnen, in der Arbeitswelt miteinander um?
3. Kritisch: KI birgt echte Gefahren
Datenschutz
Eingaben in kommerzielle Systeme verlassen unseren Schreibtisch oder die Schule. Was Lernende oder Lehrende eintippen, wo es gespeichert und wozu es weiterverwendet wird, ist häufig intransparent. Besonders bei Minderjährigen wiegt das schwer und verlangt eine bewusste Werkzeugwahl. Aber wir alle müssen uns stets ermahnen: was geben wir ein?
Vertrauen, das auf Sand gebaut ist
Weil KI flüssig, freundlich, scheinbar empathisch und jederzeit verfügbar antwortet, kann der Eindruck entstehen, da „spreche“ eine reale Person — eine Art Ratgeber, der einem sogar in persönlichen Lebenslagen zur Seite steht. Im Unterricht haben wir das bereits angedeutet (Lernende meinen, ein Mensch antworte ihnen); hier denken wir es zu Ende: Wer diesem Eindruck folgt und sich auf ein System verlässt, das weder versteht noch verantwortet, was es sagt, baut auf Sand. Für Lernende — und für uns alle — ist die Unterscheidung zentral: KI ist ein Werkzeug, kein Gegenüber. Echte Beziehung, echter Rat und echte Verlässlichkeit kommen von Menschen, nicht von einem Wahrscheinlichkeitsmodell.
Black Box und das Vertrauensproblem
Wie ein Modell zu einer Aussage kommt, lässt sich nicht nachvollziehen. Hinzu kommt: KI kann historischen oder verstorbenen Personen Worte in den Mund legen, die nie gefallen sind, und überzeugende Fälschungen erzeugen. Im Unterricht, der Evidenz und Nachvollziehbarkeit hochhält, ist das eine grundlegende Spannung.
Flüchtige Werkzeuge, verfallendes Material
Die Tool-Landschaft ändert sich rasend schnell. Wir bauen Material auf einem bestimmten Chatbot- oder Modellsystem auf — und kurze Zeit später gibt es genau dieses System nicht mehr, es wird umgebaut, umbenannt oder verhält sich anders. Damit veraltet nicht nur das Werkzeug, sondern auch das daran gekoppelte Unterrichtsmaterial. Für nachhaltige, wiederverwendbare (OER-)Materialien ist das ein ernstes Problem: Was an ein flüchtiges Produkt gebunden ist, ist nicht dauerhaft anschlussfähig.
Geopolitische Abhängigkeit — der Stecker liegt woanders
Noch schwerer als die allgemeine Machtkonzentration wiegt ihre geopolitische Schlagseite: In Europa nutzen wir derzeit überwiegend Modelle, die in den USA oder anderswo entwickelt und betrieben werden. Solche Zugänge können verteuert, eingeschränkt oder schlicht abgeschaltet werden — durch Unternehmensentscheidungen ebenso wie durch politische Direktiven, etwa Exportkontrollen. Aktuelle Entwicklungen zeigen, dass das kein theoretisches Szenario ist. Wer Unterricht, Material und Diagnostik darauf aufbaut, macht sich von einer Infrastruktur abhängig, über deren Verfügbarkeit weder die Schule noch das eigene Land entscheidet.
Machtkonzentration und Lock-in
Hinter den großen Modellen stehen wenige Konzerne. Stützt Schule ihre Materialentwicklung, Diagnostik und Differenzierung auf diese Infrastruktur, entsteht eine strukturelle Abhängigkeit von kommerziellen Interessen — mit Kosten und Bedingungen, über die nicht das Bildungssystem entscheidet. Und das ist auch ein gesellschaftliches Problem!
Erneut: Wie gehen wir damit um?
Es ausdrücklich anzusprechen, schafft auch diese Probleme ehrlich gesagt nicht aus der Welt!
Zum Schluss noch ein wirklich offene Frage: Was tun wir eigentlich mit der gewonnenen Zeit? Fließt sie in mehr Entlastung, mehr Muße für die eigentlich wichtigen Dinge — oder fordert sie nur noch mehr Output, mehr Tempo? Die Antwort auf das Wozu der gesparten Zeit ist vielleicht entscheidend aber für uns noch offen.