KI4Edu-Lehr-Lernrahmen: Input, Co-Design, Präsenz
Ein didaktisches Modell, das KI in Lehrveranstaltungen gezielt einbindet, statt sie zu verbieten oder ungeregelt laufen zu lassen. Nach dem Prinzip der Co-Intelligenz strukturiert und entlastet KI das Lernen, während Bewertung, Sinngebung und pädagogische Verantwortung beim Menschen bleiben. Der Rahmen gliedert Lehre in drei Phasen: Input, Co-Design und Präsenz.
Kategorien
Beschreibung
Herausforderung
Studierende nutzen generative KI längst, meist informell. Viele Lehrveranstaltungen reagieren mit Verboten oder ignorieren die Nutzung. Beides verschenkt Lernchancen und gefährdet die Eigenleistung.
Herangehensweise
Der Rahmen gliedert eine Lehrveranstaltung in drei Phasen. Input: Lehrende legen Lernziele, Aufgaben, Materialien und die Regeln für den KI-Einsatz fest; KI unterstützt bei Planung und Materialerstellung. Co-Design: Studierende bearbeiten Aufgaben mit KI-Unterstützung und dokumentieren, wie sie KI nutzen und wie sie Ergebnisse prüfen. Präsenz: KI tritt in den Hintergrund; Diskussion, Vertiefung, Feedback und Reflexion des KI-Einsatzes stehen im Mittelpunkt. Der Ablauf ist zyklisch: Erfahrungen aus Co-Design und Präsenz verändern den nächsten Input.
Zusammenhang
Entwickelt im Arbeitspaket Entwicklung (Q1 bis Q3 2025) des Projekts KI4Edu an der Universität Duisburg-Essen, gemeinsam mit dem Prüfungsrahmen LOCAM-AI und dem Qualifizierungsangebot KI4Teachers. Erprobt im Wintersemester 2025/26 in der Lehrkräftebildung Bautechnik an der UDE. Aufwand für Nachnutzende: Umbau einer bestehenden Lehrveranstaltung geschätzt zwei bis vier Arbeitstage.
Voraussetzung
Rechtssicherer KI-Zugang für alle Studierenden (an der UDE über das zentrale KI-Portal), ein Lernmanagementsystem für die Selbstlernphasen und Präsenztermine für Diskussion und Reflexion. Kompetenzorientiert formulierte Lernziele erleichtern die Entscheidung, in welcher Phase KI lernförderlich ist.
Eignung
Der Rahmen ist fachunabhängig formuliert und wurde in der Lehrkräftebildung Bautechnik eingesetzt. Er eignet sich für Lehrveranstaltungen, in denen Studierende ohnehin mit KI arbeiten und deren Einsatz gerahmt statt verboten werden soll. Er bildet zugleich die Grundlage für den Prüfungsrahmen LOCAM-AI (eigene Maßnahme in diesem Projekt).
Vorgehen/Schritte
Lernziele der Lehrveranstaltung kompetenzorientiert formulieren und festlegen, in welcher Phase KI lernförderlich ist und wo sie bewusst draußen bleibt.
Regeln für den KI-Einsatz zu Semesterbeginn schriftlich festhalten und mit den Studierenden besprechen.
Input: Aufgaben und Materialien bereitstellen; KI darf Lehrende bei Planung und Materialerstellung unterstützen.
Co-Design: Studierende bearbeiten die Aufgaben mit KI und führen eine kurze KI-Nutzungsdokumentation (Was habe ich gefragt? Was habe ich übernommen? Wie habe ich es geprüft?).
Präsenz: Ergebnisse diskutieren, vertiefen, Feedback geben und den KI-Einsatz gemeinsam reflektieren.
Erfahrungen aus Co-Design und Präsenz in den nächsten Input-Zyklus übernehmen.
Prüfung mit dem Prüfungsrahmen LOCAM-AI abstimmen (eigene Maßnahme in diesem Projekt).
Hinweise
Effekte
Der Rahmen bündelt Selbstlernen mit KI, kollaborative Arbeit und soziale Reflexion in einem Modell. Er bildet die Grundlage für den Prüfungsrahmen LOCAM-AI und wurde in der Lehrkräftebildung Bautechnik an der Universität Duisburg-Essen und an der Hochschule Ruhr West erprobt. Inhalte des Rahmens sind in den offenen Kurs „Künstliche Intelligenz in der Lehre“ auf baukompetenz.digital eingeflossen.
Learnings
Effizienzgewinne durch KI müssen bewusst in Reflexion und vertieftes Lernen reinvestiert werden, sonst wird individuelle Unterstützung mit einer Verarmung des sozialen Lernens erkauft. Die Präsenzphase verliert durch KI nicht an Bedeutung, sie gewinnt.
Empfehlung
Nicht mit dem Werkzeug beginnen, sondern mit der Frage, in welcher Phase KI lernförderlich ist und wo sie bewusst draußen bleibt. Wer zuerst ein Werkzeug auswählt, richtet die Lehrveranstaltung nach dem Werkzeug aus statt nach den Lernzielen.
Tipps
Eine kurze KI-Nutzungsdokumentation als festen Bestandteil der Co-Design-Phase einführen. Sie macht den Lernprozess sichtbar und ist zugleich Prüfungsgrundlage für LOCAM-AI.
Sonstiges
Methoden: Design-Based Research, Constructive Alignment; Moodle; KI-Portal der Hochschule. Ausführlich beschrieben in report fachdidaktik bau:technik Nr. 7: https://doi.org/10.17185/duepublico/85421
Kontakt
Das könnte Sie auch interessieren
Ko-Konstruktion Digitaler Lerndiagnostik
Das Projekt KoKo-DiL an der Bergischen Universität Wuppertal stärkt die Innovationskompetenz von Lehramtsstudierenden für das Berufskolleg in der Lehrer*innenbildung, indem es Studierenden ermöglicht, eine aktive, selbstbestimmte Rolle in schulischen Innovationsprozessen zu übernehmen. Die Studierenden bearbeiten im Rahmen des weiterentwickelten Moduls Forschungsprojekt eigenverantwortlich in kooperativen Teams authentische Entwicklungsaufträge von Berufskollegs und entscheiden im Sinne des eduSCRUM-Ansatzes eigenständig über Ziele und Vorgehen in iterativen Arbeitszyklen (Sprints). Durch die enge Kooperation mit Schulen und die Umsetzung praxisrelevanter digitaler Diagnosesysteme erwerben die Studierenden fundierte Innovationskompetenz und stärken ihre Selbstwirksamkeit, Kooperationsfähigkeit und Problemlösekompetenz zentrale Voraussetzungen für eine moderne Lehrerinnenrolle.Für die Lehrerinnenbildung entsteht so ein nachhaltiger Mehrwert: Die universitäre Lehre wird durch echte Praxis- und Entwicklungsaufgaben bereichert, neue Impulse für die Schulentwicklung werden gesetzt, und Schulen profitieren direkt von einsatzfähigen Lösungen. Die Wirksamkeit des Formats wird systematisch evaluiert und trägt dazu bei, die Lehrerinnenbildung zukunftsorientiert und partizipativ weiterzuentwickeln. KoKo-DiL liefert damit ein übertragbares Modell für eine handlungsorientierte, selbstverantwortliche Ausbildung angehender Lehrkräfte.
Projekt anzeigen
Erstellung eines „Handbuchs digitale Prüfungen“
Das Vorgehen zur Erstellung und Durchführung digitaler Prüfungen wird in einem "Handbuch digitale Prüfungen" unter Berücksichtigung von organisatorischen, technischen, didaktischen und rechtlichen Fragen dokumentiert. Damit soll über das Projekt hinaus auf nachhaltige Weise digitale Prüfungskompetenz an der Hochschule aufgebaut werden. Ein kontinuierlicher Austausch mit interessierten Lehrenden an der gesamten Hochschule wird aktiv angeregt. [Anm. StIL: Diese Maßnahme wurde in einer Vorgängerversion der Abfrage dokumentiert. Bei der Übertragung auf das aktuelle Format kann es vorkommen, dass die Antworten nicht hundertprozentig zur Frage passen.]
Maßnahme anzeigen
KI in der Hochschulbildung: Das digitale Qualifizierungsangebot „KI4Teachers“ für Lehrende zum Thema Künstliche Intelligenz
Der Bericht dokumentiert die Entwicklung des digitalen Qualifizierungsangebots KI4Teachers, das in der frühen Projektphase von KI4Edu als prototypische Lernumgebung zum Umgang mit generativer Künstlicher Intelligenz entstand. Generative KI eröffnet im Bildungsbereich neue Potenziale und erzeugt zugleich Unsicherheiten bei Lehrenden: zu didaktischen Einsatzmöglichkeiten, zu rechtlich-ethischen Fragen und zur Orientierung in einem unübersichtlichen Werkzeugmarkt. Grundlage sind eine Analyse des Forschungsstandes, explorative Experteninterviews und eine Sondierung des KI-Werkzeugmarktes. Daraus wurden Anforderungen an KI-bezogene Qualifizierung abgeleitet und in eine digitale Lernumgebung überführt. Zentrales Ergebnis ist ein Moodle-Kurs, der Grundlagenwissen, einen kuratierten KI-Werkzeugkoffer und ein Handbuch „KI in der Lehre“ verbindet. Sein Mehrwert liegt weniger in einzelnen Werkzeugen als in der didaktischen Strukturierung eines dynamischen Feldes: KI-bezogene Professionalisierung muss struktur-, reflexions- und handlungsorientiert angelegt sein. Im Projektverlauf wurde die Lernumgebung aktualisiert, auf eine OER-Plattform übertragen und für die Hochschullehre adaptiert. Der Bericht versteht KI4Teachers daher als frühes Transferartefakt und übertragbares didaktisches Strukturmodell. KI4Teachers entstand in der Masterarbeit von Lisa Hielscher, Projektmitarbeiterin in KI4Edu, eingereicht im Januar 2025 (Report Nr. 11, https://doi.org/10.17185/duepublico/85451).
Publikation anzeigen