KI-Kompetenz für Lehrpersonen

Theoretischer Rahmen

Warum das Frankfurt-Dreieck?

Das Curriculum basiert auf dem Frankfurt-Dreieck (Brinda, Missomelius et al., 2020), einem interdisziplinären Modell zur Bildung in der digital vernetzten Welt. Das Modell wurde als Weiterentwicklung der Dagstuhl-Erklärung (GI, 2016) von Informatiker:innen, Medienpädagog:innen und Medienwissenschaftler:innen entwickelt und bildet die konzeptionelle Grundlage für digitale Bildung im DACH-Raum.

Das Frankfurt-Dreieck eignet sich aus drei Gründen als Strukturierungsmodell für dieses Curriculum:

1. Interdisziplinarität: Es verbindet technische, pädagogische und gesellschaftliche Perspektiven — genau die Dimensionen, die Lehrpersonen für einen kompetenten KI-Einsatz benötigen.
2. Gleichwertigkeit: Alle drei Perspektiven sind gleichwertig — ein rein technisches oder rein pädagogisches KI-Verständnis reicht nicht aus.
3. Praxistauglichkeit: Das Modell wird bereits in der Schulpraxis zur Strukturierung von Unterrichtseinheiten und Projekten eingesetzt.

Die drei Perspektiven des Frankfurt-Dreiecks

• T — Technologisch-medial Wie funktioniert KI? Welche Prinzipien, Möglichkeiten und Grenzen liegen Sprachmodellen zugrunde?
• G — Gesellschaftlich-kulturell Wie verändert KI Bildung, Teilhabe, Gerechtigkeit? Welche ethischen und rechtlichen Fragen entstehen?
• I — Interaktion Wie nutzen Lehrpersonen und Lernende KI konkret? Welche Handlungsoptionen und Kompetenzen werden benotigt?

Erganzende Frameworks

Das Frankfurt-Dreieck wird durch zwei weitere Modelle ergänzt:

• UNESCO AI Competency Framework for Teachers (2024) — 15 Kompetenzen in 5 Dimensionen, 3 Progressionsstufen. Definiert, was Lehrpersonen im KI-Zeitalter können müssen.
• AI-TPACK (Ning et al., 2024) — Erweiterung des TPACK-Frameworks um KI-spezifische Wissenskomponenten. Verbindet technologisches KI-Verständnis mit fachdidaktischem Wissen.

Lernvoraussetzungen

Die Teilnehmenden bringen Grunderfahrung in der Verwendung von ChatGPT oder vergleichbaren Chatbots mit — konkret: einfache Frage-Antwort-Interaktionen. Das Curriculum setzt kein technisches Vorwissen, keine Programmierkenntnisse und keine vertiefte KI-Erfahrung voraus.

Zielkompetenzen

Nach Abschluss des Curriculums verfügen die Teilnehmenden über folgende sechs Kernkompetenzen:

Modulubersicht

Gesamtdauer: 10 Stunden (600 Minuten) — selbstgesteuert, asynchron, LMS-tauglich.

0 Erste Schritte mit KI (optional)

Zielgruppe: Lehrpersonen, die noch keine Erfahrung mit Chatbots oder generativer KI haben. Nach Abschluss können sie die Pflichtmodule M1–M7 mit Grundwissen beginnen.

0.1 Was ist ein Chatbot? (10 min)

• Chatbot = Computerprogramm, mit dem man sich in natürlicher Sprache unterhält
• Große Sprachmodelle (LLMs): ChatGPT, Claude, Gemini — die bekanntesten Vertreter
• Generative KI: Text wird neu erzeugt, nicht aus einer Datenbank kopiert

0.2 Ihre erste Unterhaltung (15 min)

• Account anlegen (z.B. chat.openai.com — kostenlos)
• Drei erste Prompts ausprobieren: einfache Frage, kreative Aufgabe, fachliche Bitte
• Beobachten: Die KI antwortet jedes Mal etwas anders — das ist normal
• Übung: Drei verschiedene Fragen stellen und die Antworten vergleichen

0.3 Drei Dinge, die Sie wissen müssen (10 min)

• KI kann Fehler machen — sogenannte „Halluzinationen": überzeugend klingend, aber falsch
• Keine persönlichen Daten eingeben — keine Schüler:innennamen, Noten, Adressen
• Die Qualität der Frage bestimmt die Qualität der Antwort — mehr dazu in Modul 2

Bereitschaftscheck

Wenn Sie diese drei Fragen mit Ja beantworten können, sind Sie bereit für Modul 1:

1. Ich habe mindestens einmal mit einem Chatbot eine Frage gestellt und eine Antwort erhalten.
2. Ich verstehe, dass KI-Antworten Fehler enthalten können.
3. Ich weiß, dass ich keine persönlichen Daten in einen Chatbot eingeben sollte.

1 Orientierung: KI verstehen

Lernziel: Die Teilnehmenden können die Funktionsweise generativer KI erklären, verschiedene KI-Typen unterscheiden und die Stärken und Grenzen aktueller Systeme realistisch einschätzen.

1.1 Was ist Kunstliche Intelligenz? (25 min)

• Definition und Abgrenzung: schwache vs. starke KI
• Maschinelles Lernen, neuronale Netze, Transformer-Architektur
• Von ELIZA zu ChatGPT: eine kurze Geschichte der KI
• Übung: Quiz — „Ist das KI?" (10 Alltagsbeispiele einordnen)

1.2 Wie funktionieren Sprachmodelle? (25 min)

• Trainingsdaten, Wahrscheinlichkeiten, Token-Vorhersage
• Warum KI „halluziniert" — und warum das kein Bug, sondern ein Feature ist
• Grenzen: kein Verständnis, keine Logik, keine Aktualitat
• Übung: Zwei identische Prompts, unterschiedliche Ergebnisse — Variabilitat erfahren

1.3 Das Frankfurt-Dreieck als Orientierungsrahmen (20 min)

• Drei Perspektiven: Technologie, Gesellschaft, Interaktion
• Warum alle drei Perspektiven gleichwertig sind
• Das Frankfurt-Dreieck als Planungsinstrument für den Unterricht
• Übung: Ein KI-Phanomen (z.B. „ChatGPT schreibt Schulaufsatze") aus allen drei Perspektiven analysieren

1.4 KI-Landschaft für Lehrpersonen (20 min)

• Textgenerierung: ChatGPT, Claude, Gemini
• Bildgenerierung: Midjourney, DALL-E, Stable Diffusion
• Schulspezifische Plattformen: Fobizz, SchulKI
• Intelligente Tutorsysteme und adaptive Lernplattformen
• Übung: Drei verschiedene KI-Tools mit derselben Frage testen und Ergebnisse vergleichen

Quellen und Vertiefung

Holmes, Bialik & Fadel (2019); Kasneci et al. (2023); Brinda et al. (2020); Holmes & Tuomi (2022)

2 Prompt-Engineering für Lehrpersonen

Lernziel: Die Teilnehmenden können wirksame Prompts für verschiedene Unterrichtszwecke formulieren, iterativ verfeinern und die Qualität der KI-Ausgaben kritisch beurteilen.

2.1 Grundlagen des Prompt-Engineering (25 min)

• Warum die Eingabe entscheidend ist: „Garbage in, garbage out"
• Prompt-Engineering als Schlusselkompetenz des 21. Jahrhunderts (Federiakin et al., 2024)
• Das IDEA-Framework: Persona, Aim, Recipient, Theme, Structure (Park & Choo, 2025)
• Übung: Denselben Prompt in drei Qualitätsstufen formulieren (vage → mittel → prazise) und Ergebnisse vergleichen

2.2 Prompt-Strategien für den Schulalltag (30 min)

• Rollen zuweisen: „Du bist eine erfahrene Lehrperson für..."
• Kontext geben: Schulstufe, Lehrplanbezug, Vorwissen der Klasse
• Ausgabeformat definieren: Tabelle, Liste, Flietext, Quiz
• Einschränkungen setzen: Sprache, Länge, Schwierigkeit
• Iteratives Verfeinern: Follow-up-Prompts und Korrekturschleifen
• Übung: Prompt-Werkstatt — 5 konkrete Unterrichtsaufgaben mit KI losen

2.3 Qualität kritisch beurteilen (20 min)

• Halluzinationen erkennen: Wann erfindet KI Fakten?
• Fachliche Korrektheit prüfen: KI als Entwurf, nicht als Wahrheit
• Bias erkennen: Einseitigkeiten in KI-Ausgaben identifizieren
• Übung: KI einen Unterrichtsplan erstellen lassen und systematisch evaluieren — was fehlt, was ist falsch, was ist gut?

2.4 Fortgeschrittene Techniken (15 min)

• Chain-of-Thought: KI zum schrittweisen Denken anleiten
• Few-Shot-Prompting: Beispiele für gewünschte Ausgabe mitliefern
• Mega-Prompts: Komplexe Aufgaben in einem Prompt formulieren
• Übung: Einen Mega-Prompt für eine vollständige Unterrichtsreihe entwickeln

Quellen und Vertiefung

Qian (2025); Federiakin et al. (2024); Park & Choo (2025); Garcia & Rivera (2025); Reeves & Lin (2025)

3 Recht, Ethik und Verantwortung

Lernziel: Die Teilnehmenden können den rechtlichen Rahmen (EU AI Act, DSGVO) für den Schuleinsatz erklären, ethische Risiken identifizieren und verantwortungsvolle Entscheidungen zum KI-Einsatz treffen.

3.1 Der EU AI Act und seine Bedeutung für Schulen (25 min)

• Bildung als Hochrisiko-Bereich: Was bedeutet das konkret?
• Verbotene Anwendungen: Emotionserkennung, Social Scoring
• KI-Literacy-Pflicht seit Februar 2025
• Schulen als „Deployer": Pflichten und Verantwortlichkeiten
• Aktuelle Entwicklung — Digital Omnibus (2025/2026): Die EU-Kommission hat im November 2025 eine Vereinfachung des AI Act vorgeschlagen. Die Hochrisiko-Verpflichtungen für den Bildungsbereich werden voraussichtlich auf Dezember 2027 verschoben. Parlament und Rat haben im März 2026 ihre Positionen angenommen — Trilogue-Verhandlungen stehen noch aus. Die Grundprinzipien (Transparenz, menschliche Aufsicht, Risikoabschätzung) bleiben bestehen.
• Übung: Fallbeispiel — Ist diese KI-Anwendung an meiner Schule erlaubt? Welche Regeln gelten jetzt, welche kommen noch?

3.2 DSGVO im Schulkontext (20 min)

• Personenbezogene Daten und KI: Was darf eingegeben werden?
• DSGVO-konforme Plattformen: Fobizz, SchulKI vs. ChatGPT
• Einverstandniserklärungen und Informationspflichten
• Übung: Checkliste erstellen — 5 Fragen vor jedem KI-Einsatz im Unterricht

3.3 Ethische Herausforderungen (25 min)

• Algorithmischer Bias: Wie KI Ungleichheiten verstarken kann
• Halluzinationen: Wenn KI überzeugend lügt
• Akademische Integritat: Plagiat, Eigenstandigkeit, Prufungskultur
• Digitale Kluft: Wer profitiert — und wer nicht?
• Übung: Frankfurt-Dreieck-Analyse — Ein kontroverses KI-Szenario aus allen drei Perspektiven bewerten

3.4 Verantwortungsvoller Einsatz in der Praxis (20 min)

• UNESCO-Empfehlungen: Altersgerechter und begleiteter Einsatz
• Transparenz: Wann muss KI-Nutzung offengelegt werden?
• Liechtensteiner Modell: KI als Werkzeug, nicht als Lehrerersatz
• Übung: Entwurf einer KI-Nutzungsrichtlinie für die eigene Schule/Klasse

Quellen und Vertiefung

EU AI Act (2024); UNESCO (2023); Europäische Kommission (2022); Williams & Dergaa (2025); Holmes & Porayska-Pomsta (2022); Baker & Hawn (2024)

4 KI in der Unterrichtsplanung

Lernziel: Die Teilnehmenden können KI-Werkzeuge gezielt für die Unterrichtsplanung, Materialerstellung, Differenzierung und administrative Aufgaben einsetzen.

4.1 Unterrichtsentwurfe mit KI erstellen (25 min)

• Funf evidenzbasierte Strategien (Mollick & Mollick, 2023)
• Von der Grobplanung zur Feinplanung: KI als Sparringspartnerin
• Lehrplanbezug sicherstellen: Kontext im Prompt mitliefern
• Übung: Einen vollständigen Unterrichtsentwurf für eine Doppelstunde mit KI erstellen

4.2 Differenzierte Materialien erstellen (25 min)

• Arbeitsblätter für verschiedene Leistungsniveaus generieren
• Texte an Sprachniveaus anpassen (Erstsprache, DaZ)
• Prufungsfragen und Quiz erstellen
• Visualisierungen und Erklärungen differenzieren
• Übung: Dasselbe Thema für drei verschiedene Niveaustufen aufbereiten

4.3 Sprachbewusste Materialerstellung mit KI (20 min)

Querschnittsthema — relevant für alle Fächer, alle Schulstufen.

• Leichte Sprache und Textvereinfachung: KI-Prompts für verschiedene Sprachniveaus (A1–C1) — „Formuliere diesen Fachtext für B1-Niveau um"
• Scaffolding-Hilfen: Satzanfänge, Formulierungshilfen, Textgerüste für Fachtexte — „Erstelle Scaffolding-Hilfen für einen Laborbericht in Physik"
• Bildungssprache aufbauen: Fachwortlisten mit Alltagserklärung und Beispielsätzen generieren
• Mehrsprachige Brücken: Fachbegriffe und Erklärungen in Erst- und Zweitsprache — DaZ-Unterstützung
• Sprachsensible Aufgabenstellungen: KI überprüft Aufgabentexte auf sprachliche Hürden und schlägt Vereinfachungen vor
• Übung: Einen Fachtext aus dem eigenen Unterricht in drei Sprachniveaus (Bildungssprache → vereinfacht → Leichte Sprache) umschreiben lassen und die Ergebnisse vergleichen

4.4 KI für Verwaltung und Organisation (15 min)

• Elternbriefe und Lernberichte: mehrsprachig, differenziert
• Korrekturassistenz: KI-gestütztes Feedback auf Schülerarbeiten
• Zeitersparnis: 6 Wochen pro Schuljahr (Gallup, 2025)
• Übung: Einen individualisierten Lernbericht für ein/e fiktive/n Schüler:in mit KI erstellen

4.5 Qualität sichern (15 min)

• Fachdidaktische Prufung: Ist der Inhalt korrekt und altersgerecht?
• Bias-Check: Sind Beispiele divers und ausgewogen?
• Lehrplanbezug: Stimmen die Kompetenzziele?
• Übung: Peer-Review — Eine KI-generierte Unterrichtssequenz einer Kolleg:in bewerten

Quellen und Vertiefung

Mollick & Mollick (2023a, 2023b, 2024); Peikos & Stavrou (2025); Polat & Aydin (2025); Gallup (2025)

5 KI im Unterricht mit Schüler:innen

Lernziel: Die Teilnehmenden können KI altersgerecht, pädagogisch sinnvoll und ethisch verantwortungsvoll im direkten Unterricht mit Schüler:innen einsetzen.

5.1 Empirische Erkenntnisse: Wie nutzen Schüler:innen KI? (20 min)

• Erasmus+-Studie Liechtenstein: 17.000+ Interaktionen (Schneider et al., 2025)
• Nutzungsmuster: Kreatives Schreiben, Grammatik, Faktenerklärungen, emotionale Unterstutzung
• Überraschende Befunde: KI für Berufsorientierung und personliche Themen
• Übung: Reflexion — Was wurden meine Schüler:innen mit KI machen?

5.2 Sieben Rollen der KI im Unterricht (25 min)

• KI-Tutor, KI-Coach, KI-Mentor, KI-Teammate, KI-Werkzeug, KI-Simulator, KI-Schüler (Mollick & Mollick, 2023b)
• Welche Rolle passt zu welchem Lernziel?
• Besonders wirkungsvoll: KI-Schüler (Learning by Teaching)
• Übung: Fur drei verschiedene Unterrichtssituationen die passende KI-Rolle wählen und begründen

5.3 Altersgerechter Einsatz (25 min)

• Grundschule/Volksschule: Spielerischer Zugang, KI als Lerngegenstand
• Sekundarstufe I: Begleiteter Einsatz, kritische Reflexion
• Sekundarstufe II: Eigenstandiger Einsatz mit Verantwortung
• Inklusion: KI für differenzierten Zugang und Barrierefreiheit
• Übung: Eine KI-gestuzte Unterrichtsstunde für die eigene Schulstufe planen

5.4 Lernwirksamkeit und Risiken (20 min)

• Positive Effekte: +127% mit GPT-Tutor, Motivationssteigerung
• Negative Effekte: Überabhängigkeit, Deskilling, sinkendes Engagement
• Entscheidend: Pädagogische Einbettung, nicht das Tool selbst
• Übung: Drei Gefahren identifizieren und Gegenmassnahmen formulieren

Quellen und Vertiefung

Schneider et al. (2025); Mollick & Mollick (2023b); Klar (2025); Yang, Chen & Wang (2025); Ng, Chen & Li (2024)

6 Fachdidaktische Vertiefung

Lernziel: Die Teilnehmenden können KI fachspezifisch in ihrem eigenen Unterrichtsfach einsetzen und begründen, welche KI-Anwendungen für ihr Fach besonders geeignet sind.

Hinweis: Die Teilnehmenden wählen mindestens zwei der folgenden Fachbereiche und bearbeiten die zugehorigen Übungen.

6.1 Sprachen und Schreibdidaktik (Wahl)

• KI-Feedback auf Texte: Grammatik, Koharenz, Argumentation
• KI als Schreibpartnerin: Uberarbeitungsprozesse begleiten (Rezat & Schindler, 2025)
• Fremdsprachenunterricht: Vokabeltraining, Sprechubungen, Ubersetzung
• Übung: Einen Schülertext mit KI-Feedback uberarbeiten lassen und das Ergebnis bewerten

6.2 Mathematik und MINT (Wahl)

• Differenzierte Aufgabenerstellung mit KI
• GeoGebra + KI: Kombination bewährter und neuer Werkzeuge
• Naturwissenschaftliche Erklärungen: Stärken und Grenzen
• Übung: Differenzierte Mathematikaufgaben für drei Leistungsniveaus generieren

6.3 Gesellschaftswissenschaften und Ethik (Wahl)

• Quellenkritik und Multiperspektivitat mit KI
• CIVIC-Framework für Gesellschaftskunde (Clark & van Kessel, 2025)
• Ethische Dilemmata mit KI als Diskussionspartnerin
• Übung: KI drei verschiedene Perspektiven auf ein kontroverses Thema generieren lassen

6.4 Kreative und weitere Fächer (Wahl)

• Kunst: Bildgenerierung und kreative Inspiration (Urmeneta & Romero, 2025)
• Musik: Songwriting und Komposition mit KI (Kim & Lee, 2025)
• Sport: Trainingspläne und Bewegungsanalyse
• Inklusion: Adaptive Technologien und Barrierefreiheit
• Übung: Ein fachspezifisches KI-Unterrichtsszenario für das eigene Fach entwickeln

6.5 Sprachsensibler Unterricht & DaZ (Wahl)

Querschnittsthema — vertieft die sprachbewussten Grundlagen aus Modul 4.3 mit fachübergreifendem Fokus.

• Sprachsensible Fachdidaktik mit KI: Wie KI Lehrkräfte aller Fächer bei der sprachbewussten Unterrichtsgestaltung unterstützt
• Scaffolding-Systeme: KI erstellt gestufte Hilfen — Satzanfänge, Wortlisten, Formulierungsbausteine, Textgerüste für Fachtexte
• Leichte Sprache und Textvereinfachung: Systematisches Umschreiben von Fachtexten auf verschiedene GER-Niveaus (A1–C1)
• Mehrsprachigkeit als Ressource: KI für Erstsprachen-Brücken, zweisprachige Glossare, mehrsprachige Erklärungen nutzen
• DaZ-spezifische Anwendungen: Übungen für Wortschatzaufbau, Grammatikstrukturen, Bildungssprache — KI-generiert und differenziert
• Sprachliche Hürden in Aufgabenstellungen erkennen: KI analysiert Aufgabentexte auf unnötige sprachliche Komplexität
• Übung: (a) Einen Fachtext aus dem eigenen Unterricht für drei Sprachniveaus aufbereiten. (b) Scaffolding-Hilfen für eine typische Schreibaufgabe im eigenen Fach erstellen lassen. (c) Die Ergebnisse auf fachliche Korrektheit und sprachliche Angemessenheit prüfen.

Quellen und Vertiefung

Rezat & Schindler (2025); Ansari (2025); Lee & Park (2025); Clark & van Kessel (2025); Urmeneta & Romero (2025); Valeri, Nilsson & Cederqvist (2025)

7 Reflexion und Transfer

Lernziel: Die Teilnehmenden reflektieren ihren Lernprozess, formulieren konkrete nächste Schritte und entwickeln einen personlichen Handlungsplan für den KI-Einsatz an ihrer Schule.

7.1 Gesamtreflexion im Frankfurt-Dreieck (20 min)

• Rückblick: Was habe ich in den drei Perspektiven gelernt?
• Selbsteinschatzung: Wo stehe ich bei den sechs Kompetenzen?
• Lücken identifizieren: Was mochte ich vertiefen?
• Übung: Selbsteinschatzungsbogen zu K1–K6 ausfüllen

7.2 Personlicher Handlungsplan (25 min)

• Drei konkrete Vorsätze für die nächsten 4 Wochen formulieren
• Ein KI-Projekt für den eigenen Unterricht planen
• Ressourcen identifizieren: Welche Tools, welche Unterstutzung brauche ich?
• Übung: „Mein KI-Aktionsplan" — ein strukturiertes Dokument erstellen

7.3 Abschluss und Ausblick (15 min)

• KI-Entwicklung: Was kommt als nächstes? (Multimodale KI, adaptive Systeme)
• Professionelle Netzwerke und Fortbildungsangebote
• Die zentrale Botschaft: KI als Werkzeug, nicht als Ersatz
• Abschlussaufgabe: In drei Satzen zusammenfassen, was sich für den eigenen Unterricht andert

Quellen und Vertiefung

UNESCO (2024); Celik (2024); Bergdahl & Sjoberg (2025); Viberg et al. (2024); Ning et al. (2024)

Assessment und Zertifizierung

Formatives Assessment (modulbegleitend)

Jedes Modul enthalt praktische Übungen, die als Lernnachweis dienen. Die Übungen sind so gestaltet, dass sie ohne Betreuung durchführbar und selbst überprüfbar sind:

• Wissens-Quiz (Module 1, 3): Multiple-Choice und Zuordnungsaufgaben mit automatischer Auswertung
• Praxis-Aufgaben (Module 2, 4, 5, 6): Dokumentierte KI-Interaktionen mit Reflexionsfragen
• Reflexions-Aufgaben (Module 3, 7): Schriftliche Stellungnahmen und Selbsteinschatzungen

Summatives Assessment (Abschluss)

Fur die Zertifizierung erstellen die Teilnehmenden ein KI-Portfolio mit drei Elementen:

1. Unterrichtsentwurf: Eine vollständige KI-gestütze Unterrichtsstunde für das eigene Fach (M4/M6)
2. Reflexion: Frankfurt-Dreieck-Analyse des eigenen KI-Einsatzes — alle drei Perspektiven (M7)
3. Handlungsplan: Drei konkrete Vorsätze mit Zeitplan (M7)

Technische Umsetzung im LMS

Das Curriculum ist für die Umsetzung als unbetreute Fernlehre in einem Learning Management System konzipiert:

• Module sind sequenziell freigeschaltet (M1 vor M2 usw.)
• Jedes Modul enthalt: Lerntext, eingebettete Videos/Demos, interaktive Übungen, Reflexionsfragen
• Quiz-Aufgaben mit automatischer Auswertung und sofortigem Feedback
• Praxis-Aufgaben mit Checklisten zur Selbstkontrolle
• Download-Materialien: Prompt-Vorlagen, Checklisten, Handlungsplan-Template
• Abschluss: KI-Portfolio als Upload mit automatischer Bestatigungsmail

Wissenschaftliche Begründung des Curriculums

Strukturierung nach dem Frankfurt-Dreieck

Die Modulstruktur folgt dem Frankfurt-Dreieck (Brinda et al., 2020) und stellt sicher, dass alle drei Perspektiven abgedeckt werden: Modul 1 und 2 fokussieren auf die technologisch-mediale Perspektive, Modul 3 auf die gesellschaftlich-kulturelle Perspektive, Module 4–6 auf die Interaktionsperspektive, und Modul 7 integriert alle drei Perspektiven in der Reflexion.

Kompetenzorientierung nach UNESCO

Die sechs Zielkompetenzen (K1–K6) sind anschlussfahig an den UNESCO AI Competency Framework for Teachers (2024), der 15 Kompetenzen in 5 Dimensionen definiert. Das Curriculum adressiert die UNESCO-Dimensionen „Understanding AI", „Using AI for Teaching", „AI Ethics", „AI for Professional Development" und „AI Pedagogy" auf dem Basis- und Mittelstufen-Level.

Praxisorientierung nach Mollick & Mollick

Die Übungen basieren auf dem evidenzbasierten Ansatz von Mollick und Mollick (2023a, 2023b, 2024): KI als „Kraftmultiplikator" für wirksame, aber zeitaufwandige Unterrichtsstrategien. Die sieben KI-Rollen (2023b) strukturieren die didaktische Reflexion in Modul 5.

Berücksichtigung empirischer Daten

Das Curriculum integriert Erkenntnisse aus der Erasmus+-Studie (Schneider et al., 2025), die über 17.000 authentische Schüler:innen-KI-Interaktionen in Liechtensteiner Schulen analysiert hat — ein einzigartiger empirischer Zugang, der das Curriculum über rein theoretische Ansätze hinaushebt.

Eignung für unbetreute Fernlehre

Das Design folgt Prinzipien des selbstgesteuerten Lernens: klare Lernziele, modularer Aufbau, praxisnahe Übungen mit Selbstkontrolle, iterative Vertiefung und reflektierender Abschluss. Die Lernvoraussetzung (Grunderfahrung mit ChatGPT) stellt sicher, dass Teilnehmende nicht bei Null beginnen, sondern auf vorhandenem Erfahrungswissen aufbauen können.