1. Einleitung

Warum Künstliche Intelligenz in der Bildung?

Die Veröffentlichung von ChatGPT am 30. November 2022 markiert eine Zäsur im Bildungswesen. Innerhalb weniger Monate wurde die Frage, ob und wie künstliche Intelligenz (KI) in Schulen eingesetzt werden sollte, zu einem der meistdiskutierten Themen in Bildungspolitik und Schulpraxis. Kasneci et al. (2023) sprechen von einem Paradigmenwechsel: Große Sprachmodelle (Large Language Models, LLMs) wie ChatGPT ermöglichen erstmals, dass maschinelle Systeme auf einem Niveau kommunizieren, das für den alltäglichen Unterrichtseinsatz unmittelbar nutzbar ist.

Die Zahlen unterstreichen die Dynamik dieser Entwicklung. In der Gallup-Erhebung 2024–25 gaben 60 Prozent der US-amerikanischen Lehrkräfte an, KI-Werkzeuge bereits für ihre Arbeit zu nutzen, 32 Prozent davon mindestens wöchentlich — mit einer geschätzten Zeitersparnis von sechs Wochen pro Schuljahr (Gallup, 2025). Gleichzeitig zeigt der Trendmonitor KI in der Bildung 2025 der Deutschen Telekom Stiftung, dass in Deutschland zwar 51 Prozent der befragten Lehrkräfte KI bereits eingesetzt haben, jedoch 45 Prozent derjenigen mit Erfahrung künftig lieber darauf verzichten möchten (Deutsche Telekom Stiftung, 2025). Diese Ambivalenz spiegelt die Spannung zwischen Begeisterung und Verunsicherung wider, die den Diskurs prägt.

Die Forschung reagiert auf diese Entwicklung mit rasant steigenden Publikationszahlen. Crompton und Burke (2023) dokumentieren, dass sich die Zahl der Studien zu KI in der Hochschulbildung allein zwischen 2020 und 2022 verdrei- bis verfünffacht hat. Eine bibliometrische Analyse asiatischer Publikationen zeigt 483 Artikel zwischen 2020 und 2025 — über 90 Prozent aller KI-Bildungsstudien dieser Region (Park & Kim, 2025). Zugleich kritisiert Zawacki-Richter et al. (2019) in ihrer vielzitierten Übersichtsarbeit, dass nur sechs Prozent der AIEd-Studien von Forscher:innen aus dem Bildungsbereich selbst stammen. Die pädagogische Perspektive fehlt vielfach.

Kontext: Das Erasmus+-Projekt in Liechtenstein

Dieser Artikel entsteht im Rahmen eines Erasmus+-Projekts, das den Einsatz generativer KI in Schulen untersucht. Eine zentrale Grundlage bildet die Studie von Schneider et al. (2025), in der über 17.000 anonymisierte Interaktionen zwischen Schüler:innen und ChatGPT in Liechtensteiner Schulen analysiert wurden. Die Studie zeigt empirisch, wofür Kinder und Jugendliche verschiedener Altersgruppen generative KI tatsächlich nutzen — von kreativer Textproduktion über Grammatikübungen bis hin zu motivationaler Unterstützung und Berufsorientierung. Liechtenstein hat als eines der ersten europäischen Länder eine landesweite KI-Plattform (Fobizz) für alle Schulen eingeführt und sammelt damit wertvolle Erfahrungen für den DACH-Raum (connect professional, 2025).

Aufbau des Artikels

Der vorliegende Beitrag beleuchtet KI in der Bildung aus folgenden Perspektiven:

• Grundlagen: Was ist KI, wie funktionieren Sprachmodelle, und welche Formen von KI sind für den Bildungsbereich relevant?
• Rechtlicher und ethischer Rahmen: EU AI Act, DSGVO, ethische Leitlinien und deren Auswirkungen auf Schulen
• KI außerhalb des Unterrichts: Unterrichtsplanung, Verwaltung, Organisation und Recherche für Lehrpersonen
• KI im Unterricht: Direkter Einsatz mit Schüler:innen, fachdidaktische Anwendungen, alle Schulformen
• KI in der Hochschullehre: Lehrkräftebildung, Hochschuldidaktik und Forschung
• Herausforderungen: Bias, Datenschutz, Halluzinationen, akademische Integrität, digitale Kluft
• Ausblick: Handlungsempfehlungen für Lehrpersonen, Schulleitungen und Bildungspolitik

Der Artikel basiert auf 200 recherchierten Quellen (Stand März 2026), darunter peer-reviewed Artikel aus Journals wie Learning and Individual Differences, Computers & Education, Frontiers in Education und Education Sciences, systematische Übersichtsarbeiten, institutionelle Berichte von UNESCO, EU-Kommission und OECD sowie praxisorientierte Handreichungen für den DACH-Raum. Alle Quellen sind im Quellenverzeichnis mit Qualitätsbewertung zugänglich.

Hinweis zur Entstehung: Dieser Artikel wurde in Zusammenarbeit zwischen den Autoren und mit der bezaubernden Unterstützung von Claude (Anthropic) erstellt. Alle verwendeten Quellen sind ausgewiesen. Die inhaltliche Verantwortung liegt bei den menschlichen Autoren.

Literatur (Einleitung)

• Crompton, H. & Burke, D. (2023). Artificial intelligence in higher education: the state of the field. International Journal of Educational Technology in Higher Education, 20(22). https://doi.org/10.1186/s41239-023-00392-8
• connect professional (2025). Liechtenstein verlängert KI-Einsatz in Schulen mit Fobizz. connect professional.
• Deutsche Telekom Stiftung (2025). Trendmonitor KI in der Bildung 2025. Deutsche Telekom Stiftung.
• Gallup (2025). Three in 10 teachers use AI weekly, saving six weeks a year. Gallup.
• Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., ... & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
• Park, Y. & Kim, S. (2025). Research trends on artificial intelligence in K-12 education in Asia: a bibliometric analysis (1996–2025). Discover Artificial Intelligence.
• Schneider, J., Hasler, B. S., Varrone, M., Hoya, F., Schroffenegger, T., Mah, D.-K. & Peböck, K. (2025). Thematic and task-based categorization of K-12 GenAI usages with hierarchical topic modeling. International Conference on Computer-Human Interaction Research and Applications (CHIRA).
• Zawacki-Richter, O., Marín, V. I., Bond, M. & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education — where are the educators? International Journal of Educational Technology in Higher Education, 16(39). https://doi.org/10.1186/s41239-019-0171-0

2. Grundlagen der Künstlichen Intelligenz in der Bildung

Was ist Künstliche Intelligenz?

Künstliche Intelligenz (KI) bezeichnet Computersysteme, die Aufgaben ausführen können, die üblicherweise menschliche Intelligenz erfordern — darunter Sprachverständnis, Mustererkennung, Problemlösung und Entscheidungsfindung. Holmes, Bialik und Fadel (2019) unterscheiden in ihrem Grundlagenwerk zwischen schwacher KI (narrow AI), die für spezifische Aufgaben trainiert ist, und dem theoretischen Konzept der starken KI (general AI), die menschenähnliche kognitive Flexibilität besäße. Alle derzeit im Bildungsbereich eingesetzten Systeme fallen in die Kategorie der schwachen KI — auch wenn ihre Fähigkeiten beeindruckend wirken.

Für das Verständnis der aktuellen Entwicklung sind drei technologische Konzepte zentral: Maschinelles Lernen, bei dem Systeme aus Daten Muster ableiten, ohne explizit programmiert zu sein; neuronale Netze, die als mathematische Modelle die Struktur biologischer Gehirne nachahmen; und Transformer-Architekturen, die seit 2017 die Grundlage für große Sprachmodelle bilden. Diese Modelle werden auf riesigen Textkorpora trainiert und können daraufhin Texte generieren, übersetzen, zusammenfassen und Fragen beantworten (Kasneci et al., 2023).

Große Sprachmodelle und generative KI

Die für den Bildungsbereich relevanteste KI-Kategorie sind derzeit große Sprachmodelle (Large Language Models, LLMs). ChatGPT von OpenAI, Claude von Anthropic, Gemini von Google und Llama von Meta gehören zu den bekanntesten Vertretern. Diese Modelle verarbeiten Eingaben (Prompts) und erzeugen darauf basierend Ausgaben — Texte, Code, Analysen oder kreative Inhalte. Die neueste Generation dieser Modelle, wie GPT-4.5 (OpenAI, 2025) und die Reasoning-Modelle o3 und o4-mini (OpenAI, 2025), bieten zunehmend bessere Fähigkeiten im logischen Schlussfolgern und in der Textproduktion.

Neben textgenerativen Modellen gewinnen auch bildgenerierende KI-Systeme wie Midjourney, DALL-E und Stable Diffusion an Bedeutung für den Unterricht. Dehouche und Dehouche (2023) haben als eine der ersten das Potenzial von Text-zu-Bild-KI für den Kunstunterricht untersucht. Jauhiainen und Guerra (2024) demonstrierten den Einsatz von ChatGPT in Kombination mit Midjourney zur Echtzeitpersonalisierung von Unterrichtsmaterialien im Sachunterricht.

Historische Entwicklung: Von ELIZA zu ChatGPT

Die Geschichte der KI in der Bildung (Artificial Intelligence in Education, AIEd) reicht weiter zurück als oft angenommen. Holmes und Tuomi (2022) zeichnen die verflochtene Entwicklung von KI und Bildung nach: Bereits in den 1960er Jahren entstanden erste computergestützte Unterrichtssysteme, in den 1970er und 1980er Jahren intelligente Tutorsysteme (ITS). Die Forschung zu ITS bildet eine wichtige Grundlage für aktuelle Entwicklungen — der Unterschied liegt darin, dass heutige Systeme dank LLMs erstmals natürlichsprachlich interagieren können.

Der eigentliche Wendepunkt kam im November 2022 mit der Veröffentlichung von ChatGPT. Innerhalb von fünf Tagen erreichte der Dienst eine Million Nutzer:innen, innerhalb von zwei Monaten 100 Millionen. Diese beispiellose Verbreitung zwang Bildungsinstitutionen weltweit zu einer Positionierung — von Verboten einzelner Schulbezirke bis hin zu proaktiver Integration (Hughes & Allen, 2024).

Systematisierung: Fünf Einsatzbereiche von KI in der Bildung

Crompton und Burke (2023) identifizieren in ihrer systematischen Übersichtsarbeit fünf zentrale Einsatzbereiche von KI in der Hochschulbildung, die sich auf den gesamten Bildungsbereich übertragen lassen:

1. Assessment und Evaluation: Automatisierte Bewertung, formatives Feedback, Qualitätsanalyse von Schülerarbeiten. Schneider, Schenk und Niklaus (2024) zeigen beispielsweise das Potenzial von LLMs für die automatische Bewertung kurzer Textantworten.
2. Vorhersage und Analyse: Frühwarnsysteme für Schulabbruch, Leistungsprognosen, Lernstandserhebungen (Zawacki-Richter et al., 2019).
3. KI-Assistenz: Chatbots für Lernunterstützung, Sprachassistenten für Fragen, Schreibhilfen — der häufigste Einsatzbereich nach der Veröffentlichung von ChatGPT.
4. Intelligente Tutorsysteme (ITS): Adaptive Lernsysteme, die sich an das individuelle Leistungsniveau anpassen. Eine systematische Übersicht zeigt, dass ITS die akademische Leistung um durchschnittlich 37 Prozent verbessern (Mousavinasab, Zarifsanaiey & Niakan Kalhori, 2025).
5. Lernmanagement: Personalisierung von Lernpfaden, automatische Inhaltsempfehlung, Organisation von Lernressourcen.

Das Frankfurt-Dreieck: Ein Orientierungsrahmen für digitale Bildung

Für die systematische Einordnung von KI in der Bildung ist ein interdisziplinärer Rahmen erforderlich, der über rein technische Betrachtungen hinausgeht. Das Frankfurt-Dreieck (Brinda et al., 2020) bietet genau diesen Rahmen. Entwickelt in Expert:innen-Workshops 2017–2018 als Weiterentwicklung der Dagstuhl-Erklärung (GI, 2016), vereint es Perspektiven aus Informatik, Medienpädagogik und Medienwissenschaft.

Das Modell beschreibt drei zentrale Perspektiven auf digitale Phänomene — und damit auch auf KI in der Bildung:

1. Technologisch-mediale Perspektive: Wie funktioniert KI technisch? Welche Prinzipien liegen Sprachmodellen zugrunde? Welche Möglichkeiten und Grenzen ergeben sich aus der Architektur? Diese Perspektive fragt nach den Strukturen und Funktionsweisen digitaler Systeme.
2. Gesellschaftlich-kulturelle Perspektive: Wie verändert KI Bildungsinstitutionen, Lehr-Lern-Prozesse und gesellschaftliche Teilhabe? Welche ethischen Fragen entstehen? Diese Perspektive adressiert die Wechselwirkung zwischen Technologie und Gesellschaft.
3. Interaktionsperspektive: Wie nutzen Lehrpersonen und Lernende KI-Werkzeuge konkret? Welche Handlungsoptionen entstehen, welche Kompetenzen werden benötigt? Diese Perspektive fokussiert auf die individuelle Nutzung und Gestaltung.

Missomelius, Knaus und Brinda (2020) betonen in ihrer Darstellung des Frankfurt-Dreiecks in der Zeitschrift Medienimpulse, dass alle drei Perspektiven gleichwertig berücksichtigt werden müssen — ein rein technischer oder rein pädagogischer Zugang zu KI in der Bildung greift zu kurz. Für Lehrpersonen bedeutet dies konkret: Es genügt nicht, KI-Werkzeuge bedienen zu können (Interaktion); man muss auch verstehen, wie sie funktionieren (Technologie) und welche gesellschaftlichen Auswirkungen sie haben (Gesellschaft/Kultur).

Die Dagstuhl-Erklärung (GI, 2016) und das darauf aufbauende Frankfurt-Dreieck haben die deutsche KMK-Strategie „Bildung in der digitalen Welt" (KMK, 2016) beeinflusst und bilden die konzeptionelle Grundlage für viele Curricula im DACH-Raum — einschließlich des Liechtensteiner Lehrplans (LiLe), der auf dem Lehrplan 21 basiert.

KI-Literacy: Ein neues Kompetenzfeld

Mit der zunehmenden Verbreitung von KI-Werkzeugen entsteht ein neues Kompetenzfeld: KI-Literacy. Ng et al. (2025) unterscheiden zwischen KI-Literacy — dem Wissen und Verständnis von KI — und KI-Kompetenz — der praktischen Fähigkeit, KI-Systeme effektiv einzusetzen. Die UNESCO hat 2024 sowohl einen KI-Kompetenzrahmen für Lehrpersonen als auch einen für Schüler:innen veröffentlicht (UNESCO, 2024a; UNESCO, 2024b). Der Lehrkräfterahmen definiert 15 Kompetenzen in fünf Dimensionen und drei Progressionsstufen.

Parallel dazu haben OECD und Europäische Kommission gemeinsam ein AI-Literacy-Framework für die Primar- und Sekundarbildung entwickelt, das im Mai 2025 als Entwurf veröffentlicht wurde (OECD & Europäische Kommission, 2025). Ng et al. (2024) identifizieren fünf Schlüsselkomponenten der KI-Literacy in der Grundschule: Technologie, Auswirkung, Ethik, Zusammenarbeit und Selbstreflexion.

Prompt-Engineering — die Fähigkeit, präzise und wirkungsvolle Eingaben für KI-Systeme zu formulieren — kristallisiert sich als eine der zentralen praktischen Kompetenzen heraus. Federiakin et al. (2024) konzeptualisieren Prompt-Engineering als neue Schlüsselkompetenz des 21. Jahrhunderts. Qian (2025) zeigt in einer systematischen Übersicht verschiedene didaktische Ansätze für Prompt-Engineering in der Bildung. Garcia und Rivera (2025) belegen, dass bereits eine kurze Prompt-Engineering-Schulung die KI-Literacy von Lehramtsstudierenden signifikant verbessert und Technologieangst reduziert.

Für Lehrkräfte besonders relevant ist das Konzept des AI-TPACK (Ning et al., 2024), das das etablierte TPACK-Framework (Technological Pedagogical Content Knowledge) um KI-spezifische Wissenskomponenten erweitert. Es verbindet das technologische Verständnis von KI mit fachdidaktischem Wissen und pädagogischer Kompetenz — ein Rahmen, der direkt an das Frankfurt-Dreieck anschlussfähig ist.

Stand der Forschung

Die Forschungslandschaft zu KI in der Bildung hat sich seit 2022 fundamental verändert. Zhang et al. (2024) analysierten in einer systematischen Übersicht 40 peer-reviewed Studien zum ChatGPT-Einsatz im K-12-Bereich. Tiwari (2025) erweiterte diese Perspektive auf generative KI insgesamt. Die Meta-Review von Bearman, Ryan und Ajjawi (2023) synthetisiert sekundäre Forschung und fordert dabei mehr Ethik, Zusammenarbeit und methodische Strenge in der AIEd-Forschung.

Eine übergreifende Übersicht von Martinez und Fernandez (2025) analysierte 155 empirische Studien aus dem Zeitraum 2015–2025 und zeigt einen dramatischen Anstieg der Forschungsaktivität seit 2022 — unmittelbar getrieben durch die Verfügbarkeit generativer KI-Werkzeuge. Rahman und Watanobe (2025) kommen in ihrer systematischen Übersicht zu einem ähnlichen Befund und identifizieren Chancen, Herausforderungen sowie zukünftige Forschungsrichtungen.

Literatur (Grundlagen)

• Brinda, T., Brüggen, N., Diethelm, I., Knaus, T., Kommer, S., Kopf, C., Missomelius, P., Leschke, R., Tilemann, F. & Weich, A. (2020). Frankfurt-Dreieck zur Bildung in der digital vernetzten Welt: Ein interdisziplinäres Modell. In T. Knaus & O. Engel (Hrsg.), Schnittstellen und Interfaces. kopaed.
• Gesellschaft für Informatik (2016). Dagstuhl-Erklärung: Bildung in der digitalen vernetzten Welt. GI.
• KMK (2016). Strategie: Bildung in der digitalen Welt. Ständige Konferenz der Kultusminister der Länder.
• Missomelius, P., Knaus, T. & Brinda, T. (2020). Das Frankfurt-Dreieck: Ein interdisziplinäres Modell zu Bildung und Digitalisierung. Medienimpulse.
• Bearman, M., Ryan, J. & Ajjawi, R. (2023). A meta systematic review of artificial intelligence in higher education. International Journal of Educational Technology in Higher Education, 20(1). https://doi.org/10.1186/s41239-023-00436-z
• Crompton, H. & Burke, D. (2023). Artificial intelligence in higher education: the state of the field. International Journal of Educational Technology in Higher Education, 20(22). https://doi.org/10.1186/s41239-023-00392-8
• Dehouche, N. & Dehouche, K. (2023). What's in a text-to-image prompt? Heliyon, 9(4), e16757.
• Garcia, D. & Rivera, M. (2025). Brief prompt-engineering clinic substantially improves AI literacy in teacher-education students. Education Sciences, 15(8), 1010.
• Holmes, W., Bialik, M. & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.
• Holmes, W. & Tuomi, I. (2022). The intertwined histories of artificial intelligence and education. International Journal of Artificial Intelligence in Education, 32. https://doi.org/10.1007/s40593-022-00313-2
• Hughes, A. & Allen, C. (2024). Four ways students are actually using ChatGPT. Proceedings of the 57th HICSS.
• Jauhiainen, X. & Guerra, Y. (2024). Real-time personalization of educational materials with ChatGPT and Midjourney. Journal of Educational Computing Research.
• Kasneci, E. et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274.
• Martinez, C. & Fernandez, S. (2025). Systematic review of AI in education: 155 empirical studies. Multimodal Technologies and Interaction, 9(8), 84.
• Mousavinasab, E., Zarifsanaiey, N. & Niakan Kalhori, S. R. (2025). A systematic review of AI-driven ITS in K-12 education. Education and Information Technologies.
• Ng, D. T. K., Leung, J. K. L., Su, J., Ng, R. C. W. & Chu, S. K. W. (2025). AI literacy and competency: definitions, frameworks, and future directions. Interactive Learning Environments.
• Ng, D. T. K., Luo, W., Chan, H. M. Y. & Chu, S. K. W. (2024). A critical review of teaching and learning AI literacy. Computers and Education: Artificial Intelligence.
• OECD & Europäische Kommission (2025). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education.
• OpenAI (2025). Introducing GPT-4.5. OpenAI Blog.
• OpenAI (2025). Introducing OpenAI o3 and o4-mini. OpenAI Blog.
• Park, Y. & Kim, S. (2025). Research trends on AI in K-12 education in Asia. Discover Artificial Intelligence.
• Qian, Y. (2025). Prompt engineering in education: A systematic review. Journal of Educational Computing Research.
• Rahman, M. M. & Watanobe, Y. (2025). ChatGPT in Education: A systematic review. Algorithms, 18(6), 352.
• Schneider, J., Schenk, B. & Niklaus, C. (2024). Towards LLM-based autograding for short textual answers. CSEDU 2024.
• Tiwari, R. (2025). Generative AI use in K-12 education: a systematic review. Frontiers in Education. https://doi.org/10.3389/feduc.2025.1647573
• UNESCO (2024a). AI competency framework for teachers. UNESCO Publishing.
• UNESCO (2024b). AI competency framework for students. UNESCO Publishing.
• Zawacki-Richter, O. et al. (2019). Systematic review of AI in higher education — where are the educators? International Journal of Educational Technology in Higher Education, 16(39).
• Zhang, C., Schießl, J., Plößl, L., Hofmann, F. & Gläser-Zikuda, M. (2024). A systematic review of ChatGPT use in K-12 education. European Journal of Education, 59(4), e12599.

3. Rechtliche und ethische Rahmenbedingungen

Der EU AI Act: Bildung als Hochrisiko-Bereich

Der Einsatz von KI im Bildungsbereich findet in einem zunehmend regulierten Umfeld statt. Am 1. August 2024 trat die Verordnung (EU) 2024/1689 — der sogenannte EU AI Act — in Kraft (Europäisches Parlament, 2024). Für Schulen und Bildungseinrichtungen hat diese Verordnung weitreichende Konsequenzen, denn der Bildungsbereich wird als einer der Hochrisiko-Bereiche klassifiziert.

Konkret gelten folgende Regelungen: KI-Systeme zur Zugangssteuerung und Zulassung zu Bildungseinrichtungen, zur Bewertung von Lernergebnissen, zur Feststellung des Bildungsniveaus und zur Erkennung verbotenen Verhaltens bei Prüfungen werden als hochriskant eingestuft (MSA Evolution Lab, 2025). Für diese Systeme gelten strenge Anforderungen: Qualitätsmanagementsysteme, Risikoanalysen, transparente Dokumentation und — zentral — menschliche Aufsicht.

Als „unangemessenes Risiko" und damit vollständig verboten sind KI-Systeme, die dazu dienen, Emotionen von Schüler:innen aus Gesichtsausdrücken, Stimme oder biometrischen Daten abzuleiten (Digital Education Council, 2024). Ebenso verboten ist die Nutzung von KI zur Echtzeit-Gesichtserkennung im öffentlichen Raum und zur Bewertung von Sozialverhalten mittels KI.

Seit dem 2. Februar 2025 gilt zudem die KI-Literacy-Pflicht: Alle Organisationen, die KI-Systeme einsetzen, müssen sicherstellen, dass ihre Mitarbeitenden über ausreichende KI-Kompetenzen verfügen (Deutsches Schulportal, 2024). Für Schulen bedeutet dies: Lehrkräfte benötigen Fortbildungen, bevor sie KI-Werkzeuge im Unterricht nutzen. Schulen fallen dabei in die Kategorie „Deployer" — sie setzen KI-Werkzeuge ein, entwickeln sie aber nicht selbst.

Aktuelle Entwicklung — Digital Omnibus on AI (2025/2026): Am 19. November 2025 hat die Europäische Kommission im Rahmen des Digital Simplification Package den sogenannten „Digital Omnibus on AI" vorgeschlagen, der gezielte Änderungen am AI Act vorsieht. Für den Bildungsbereich besonders relevant: Die Verpflichtungen für Hochrisiko-KI-Systeme — darunter ausdrücklich Systeme in der Bildung — werden voraussichtlich um 16 Monate auf den 2. Dezember 2027 verschoben (Europäisches Parlament, 2026; Rat der EU, 2026). Hintergrund ist die politische Zielsetzung, die europäische Wettbewerbsfähigkeit zu stärken und regulatorische Lasten zu reduzieren. Am 13. März 2026 hat der Rat der EU seine Verhandlungsposition angenommen, am 18. März 2026 folgten die zuständigen Parlamentsausschüsse IMCO und LIBE mit großer Mehrheit (101 zu 9 Stimmen). Trilogue-Verhandlungen zwischen Parlament, Rat und Kommission stehen noch aus.

Für Schulen bedeutet dies: Die KI-Literacy-Pflicht (seit Februar 2025) bleibt bestehen, aber die strengen Auflagen für Hochrisiko-Anwendungen im Bildungsbereich könnten später als ursprünglich geplant greifen. Das Parlament hat zudem neue Verbote vorgeschlagen — etwa für KI-generierte sexuell explizite Bilder identifizierbarer Personen ohne Einwilligung (sogenannte „Nudifier"-Systeme). Die grundsätzliche Richtung des AI Act — Bildung als Hochrisiko-Bereich mit besonderem Schutzbedarf — bleibt allerdings erhalten. Lehrpersonen und Schulleitungen sollten die Entwicklung aufmerksam verfolgen, sich aber bereits jetzt auf die Kernprinzipien vorbereiten: Transparenz, menschliche Aufsicht und Risikoabschätzung.

DSGVO und Datenschutz im Schulkontext

Neben dem AI Act bildet die Datenschutz-Grundverordnung (DSGVO) den zweiten rechtlichen Rahmen. Hagedorn (2025) analysiert die Wechselwirkung beider Regelwerke für den Schulkontext und betont: Sobald bei der KI-Nutzung personenbezogene Daten verarbeitet werden, greifen die strengen DSGVO-Anforderungen. Das gilt insbesondere, wenn Schüler:innen direkt mit KI-Systemen interagieren — etwa bei ChatGPT-Nutzung im Unterricht.

Die Bundesländer in Deutschland haben sich am 10. Oktober 2024 darauf geeinigt, Schulen und Schulträgern Orientierungshilfen für den rechtskonformen KI-Einsatz bereitzustellen (KMK, 2024). Der Landesbeauftragte für Datenschutz Baden-Württemberg (2025) hat die Rechtsgrundlagen für den KI-Einsatz in der Bildung konkretisiert und betont, dass von einer stillschweigenden Zustimmung der Nutzenden in die Datenverarbeitung nicht ausgegangen werden darf.

DSGVO-konforme KI-Plattformen wie Fobizz und SchulKI gewinnen daher an Bedeutung. Diese Plattformen sind speziell für den Bildungsbereich entwickelt und verarbeiten Daten ausschließlich auf europäischen Servern (Deutsches Schulportal, 2024). Klitzsch (2025) hat einen Handlungsleitfaden für den rechtssicheren KI-Einsatz an Schulen entwickelt, der Schulleitungen und Lehrkräften praktische Orientierung bietet.

Europäische und internationale ethische Leitlinien

Bereits vor dem AI Act existierten ethische Orientierungsrahmen. Die Europäische Kommission veröffentlichte 2022 ethische Leitlinien für den Einsatz von KI und Daten im Unterricht (Europäische Kommission, 2022). Diese richten sich direkt an Pädagog:innen und bieten praktische Orientierung zu Transparenz, Fairness, Datenschutz und menschlicher Aufsicht.

Die UNESCO hat mit ihrem „Guidance for Generative AI in Education and Research" (UNESCO, 2023) den ersten globalen Rahmen für den verantwortungsvollen Einsatz generativer KI in der Bildung geschaffen. Die Empfehlungen umfassen Regulierung, Datenschutz, Altersgrenzen und die Gestaltung altersgerechter KI-Nutzung. Williamson und Macgilchrist (2025) analysieren diese UNESCO-Leitlinien kritisch und diskutieren den Vorwurf des „Techno-Solutionismus" — die Tendenz, technologische Lösungen für komplexe soziale Probleme vorzuschlagen.

Der Europarat hat bei seiner 26. Ministerkonferenz (2024) die Regulierung von KI in der Bildung thematisiert und die Notwendigkeit eines menschenrechtsbasierten Ansatzes betont (Council of Europe, 2024). Das Europäische Parlament hat zudem einen Bericht zu Kindern und generativer KI vorgelegt, der angemessene Schutzmaßnahmen und die Förderung von Medienkompetenz fordert (Europäisches Parlament, 2025).

Ethische Herausforderungen: Bias, Fairness und Transparenz

Die ethische Debatte um KI in der Bildung konzentriert sich auf mehrere Kernthemen. Williams und Dergaa (2025) identifizieren in ihrer systematischen Literaturübersicht algorithmischen Bias als das am häufigsten genannte Bedenken — das Thema erscheint 53 Mal in 75 analysierten Artikeln. Baker und Hawn (2024) dokumentieren im FairAIED-Framework konkret, wie prädiktive Algorithmen den Erfolg von Studierenden aus Minderheiten systematisch unterschätzen.

Memarian und Doleck (2024) fokussieren ihre systematische Übersicht auf den K-12-Bereich und zeigen, dass ethische Fragestellungen in der Schulpraxis bisher wenig Beachtung finden. Yan und Martinez-Maldonado (2025) fordern in ihrer Nature-Publikation einen systematischen Ansatz zur Identifikation und Minderung ethischer Risiken bei verantwortungsvoller KI in der Bildung.

Chen und Gomez (2025) schlagen das FATE-Framework (Fairness, Accountability, Transparency, Ethics) als übergreifenden Rahmen vor. Die ethischen und regulatorischen Herausforderungen generativer KI in der Bildung werden von Garcia und Torres (2025) systematisch analysiert — mit dem Befund, dass signifikante Lücken bei der Politikumsetzung und praktischen Anleitung bestehen.

Liechtenstein: Ein Praxisbeispiel für verantwortungsvolle KI-Integration

Liechtenstein bietet ein instruktives Beispiel für den Umgang mit rechtlichen und ethischen Fragen. Das Schulamt hat nach einer Pilotphase die Fobizz-Plattform landesweit für alle Schulen verfügbar gemacht (connect professional, 2025). Der Ansatz betont explizit den Werkzeugcharakter von KI und die zentrale Rolle der Lehrpersonen (Vaterland, 2025). Besonderer Wert wird auf datenschutzkonforme Umsetzung gelegt. Die im Erasmus+-Projekt erhobenen Daten wurden anonymisiert gespeichert und nach ethischen Leitlinien für Forschung mit Minderjährigen behandelt (Schneider et al., 2025; BERA, 2018).

Die Europäischen Schulen haben 2025 eine eigene KI-Strategie verabschiedet, die als Modell für kleinere Bildungssysteme dienen kann (Schola Europaea, 2025). Der Kanton Zürich verfolgt einen flexiblen Ansatz mit fünf Leitsätzen statt starrer Regelungen (Volksschulamt Kanton Zürich, 2024).

Literatur (Rechtliche und ethische Rahmenbedingungen)

• Baker, R. S. & Hawn, A. (2024). FairAIED: Navigating fairness, bias, and ethics in educational AI applications. arXiv preprint arXiv:2407.18745.
• BERA (2018). Ethical guidelines for educational research (4th ed.). British Educational Research Association.
• Chen, H. & Gomez, C. (2025). Guiding the future: developing an ethical framework for generative AI use in education. International Journal of Information and Learning Technology.
• connect professional (2025). Liechtenstein verlängert KI-Einsatz in Schulen mit Fobizz.
• Council of Europe (2024). Regulating artificial intelligence in education. 26th Session of the Standing Conference of Ministers of Education.
• Deutsches Schulportal (2024). AI Act bis Datenschutz: Welche Regelungen es für den KI-Einsatz an Schulen gibt.
• Digital Education Council (2024). The EU AI Act: What it means for universities.
• Europäische Kommission (2022). Ethical guidelines on the use of AI and data in teaching and learning for educators.
• Europäisches Parlament & Rat der EU (2024). Regulation (EU) 2024/1689 — AI Act. Amtsblatt der EU.
• Europäisches Parlament (2025). Children and generative AI. European Parliamentary Research Service.
• Garcia, M. & Torres, L. (2025). Ethical and regulatory challenges of generative AI in education. Frontiers in Education.
• Hagedorn, J. (2025). KI in der Schule — zwischen Datenschutz (DSGVO) und KI-Verordnung (EU AI Act). Unterrichten Digital.
• Klitzsch, M. (2025). Handlungsleitfaden für sicheren Einsatz von KI in Schule und Unterricht. Campus Schulmanagement.
• KMK (2024). Handlungsempfehlung: Für einen kritisch-konstruktiven Umgang mit KI in der Schule.
• Landesbeauftragter für Datenschutz Baden-Württemberg (2025). Rechtsgrundlagen im Datenschutz beim Einsatz von KI.
• Memarian, B. & Doleck, T. (2024). The ethics of using AI in K-12 education: a systematic literature review. Technology, Pedagogy and Education.
• MSA Evolution Lab (2025). The EU AI Act is here: What schools must do now.
• Schneider, J. et al. (2025). Thematic and task-based categorization of K-12 GenAI usages. CHIRA 2025.
• Schola Europaea (2025). AI Strategy for European Schools. Office of the Secretary-General.
• UNESCO (2023). Guidance for generative AI in education and research. UNESCO Publishing.
• Vaterland (2025). KI als Werkzeug, nicht als Lehrerersatz. Liechtensteiner Vaterland.
• Volksschulamt Kanton Zürich (2024). Künstliche Intelligenz in der Volksschule.
• Williams, R. & Dergaa, I. (2025). Unpacking the ethics of using AI in primary and secondary education. Education and Information Technologies.
• Williamson, B. & Macgilchrist, F. (2025). The ethics of AI or techno-solutionism? British Journal of Sociology of Education.
• Yan, L. & Martinez-Maldonado, R. (2025). Towards responsible AI in education. Humanities and Social Sciences Communications (Nature).

4. KI in der Unterrichtsplanung und Vorbereitung

Ein neues Werkzeug für Lehrpersonen

Eine der vielversprechendsten Anwendungen generativer KI liegt in der Unterrichtsplanung und -vorbereitung. Lehrpersonen investieren einen erheblichen Teil ihrer Arbeitszeit in die Vorbereitung von Unterricht — ein Bereich, in dem KI als „Kraftmultiplikator" wirken kann (Mollick & Mollick, 2023a). Die Gallup-Erhebung (2025) zeigt, dass Lehrkräfte, die KI wöchentlich nutzen, geschätzte sechs Wochen pro Schuljahr an Vorbereitungszeit einsparen. Administrative Aufgaben zeigen dabei eine Qualitätsverbesserung von 74 Prozent.

Mollick und Mollick (2023a) beschreiben fünf evidenzbasierte Unterrichtsstrategien, die durch KI unterstützt werden können: die Erstellung multipler Beispiele und Erklärungen, das Aufdecken von Fehlvorstellungen, häufiges Low-Stakes-Testing, die Erfassung von Lernständen und verteiltes Üben. Ihr Grundgedanke: Diese Strategien sind nachweislich wirksam, werden aber oft nicht umgesetzt, weil sie zu zeitaufwändig sind. KI kann diese Barriere senken.

Unterrichtsplanerstellung mit ChatGPT

Die Forschung zur KI-gestützten Unterrichtsplanung hat sich seit 2023 stark entwickelt. Peikos und Stavrou (2025) untersuchten in einer explorativen Studie, wie ChatGPT bei der Planung naturwissenschaftlichen Unterrichts eingesetzt werden kann. Als analytischen Rahmen nutzen sie Pedagogical Content Knowledge (PCK) — das fachdidaktische Wissen, das Lehrkräfte benötigen, um Fachinhalte lernwirksam zu vermitteln. Die Ergebnisse sind zwiespältig: ChatGPT lieferte brauchbare Grundstruktur und inhaltliche Anregungen, produzierte aber häufig lehrerzentrierte und repetitive Vorschläge.

Polat und Aydın (2025) zeigen in ihrer Studie zur Integration von ChatGPT in das Lehramtspraktikum differenziertere Ergebnisse. Lehramtsstudierende berichteten vor dem ChatGPT-Einsatz von Schwierigkeiten bei der Aufmerksamkeitssteuerung, Motivationsförderung, Aktivitätengestaltung und Werteintegration. Nach dem KI-Einsatz zeigten sich in allen Bereichen Verbesserungen und eine geringere Abhängigkeit von traditionellen Ressourcen.

Kalenda et al. (2025) fokussieren auf die Wahrnehmung von Lehramtsstudierenden und betonen die Bedeutung kritischer Reflexion. Die Studierenden waren zwar generell treffsicher in ihrer Einschätzung der KI-Qualität, aber die ChatGPT-Vorschläge tendierten zu Standardlösungen, die fachdidaktische Tiefe vermissen ließen. Nehring und Kramer (2025) untersuchen spezifisch die Unterrichtsplanung für forschendes Lernen im Biologieunterricht und kommen zu ähnlichen Erkenntnissen.

Fachspezifische Unterrichtsplanung

Im Mathematikunterricht zeigen Abramovich und Inan (2024), wie ChatGPT als Planungsassistent für angehende Sekundarstufenlehrkräfte eingesetzt werden kann. Die Studierenden nutzten ChatGPT sowohl für mathematische Problemlösungen als auch für die Unterrichtsplanung in einem Microteaching-Kontext. Kim und Lee (2025) erweitern diese Perspektive auf Elementar- und Primarbildung mit dem Fokus auf Mathematik-Unterrichtspläne.

Park und Lee (2025) untersuchen, wie ChatGPT-gestützte Unterrichtsplankritik die Planungskompetenz von Lehramtsstudierenden im Bereich inklusiver Bildung fördern kann — ein vielversprechender Ansatz, der zeigt, dass KI nicht nur bei der Erstellung, sondern auch bei der Qualitätssicherung von Unterrichtsplanungen unterstützen kann.

Im Fremdsprachenunterricht haben Al-Sayed und Hamad (2024) die Erfahrungen von Lehrkräften dokumentiert. Die praktischen Beispiele des NRW-Projekts KIMADU (Schulministerium NRW, 2025) zeigen, wie KI konkret in Mathematik- und Deutschunterricht eingesetzt werden kann — mit DSGVO-konformem Zugang zu verschiedenen Sprachmodellen und wissenschaftlicher Begleitung durch die Universität Siegen.

Recherche und Materialerstellung

Neben der Unterrichtsplanung unterstützt KI Lehrpersonen bei der Recherche und Materialerstellung. Das Deutsche Schulportal (2024) beschreibt konkrete Beispiele, wie ChatGPT bei der Unterrichtsvorbereitung helfen kann — von der Erstellung differenzierter Arbeitsblätter über die Generierung von Prüfungsfragen bis hin zur Anpassung von Texten an verschiedene Sprachniveaus.

Bhandari et al. (2024) haben die psychometrische Qualität von ChatGPT-generierten Prüfungsfragen evaluiert und zeigen, dass KI-generierte Fragen bei Schwierigkeit und Trennschärfe mit menschlich erstellten Fragen vergleichbar sein können — vorausgesetzt, die Prompts sind präzise formuliert und die Ergebnisse werden von der Lehrperson überprüft.

Für die effektive Nutzung von KI zur Materialerstellung ist Prompt-Engineering entscheidend. Park und Choo (2025) beschreiben praxisorientierte Strategien und das IDEA-Framework: Persona (Rolle definieren), Aim (Ziel festlegen), Recipient (Zielgruppe spezifizieren), Theme (Stil und Rahmenbedingungen), Structure (Ausgabeformat). Becker und Brown (2025) ergänzen Strategien für den Einsatz von LLMs in der Bildungsforschung und -praxis.

Von der Planung zur Praxis: Best Practices

Aus der aktuellen Forschung lassen sich folgende Best Practices für die KI-gestützte Unterrichtsplanung ableiten:

• Kritische Überprüfung: KI-generierte Unterrichtsplanungen sind Entwürfe, keine fertigen Produkte. Fachdidaktische Expertise bleibt unersetzlich (Peikos & Stavrou, 2025).
• Iterative Verfeinerung: Die besten Ergebnisse entstehen durch Dialog — wiederholtes Nachfragen, Konkretisieren und Anpassen (Mollick & Mollick, 2023a).
• Differenzierung: KI kann helfen, Materialien für verschiedene Leistungsniveaus zu erstellen, was manuell sehr zeitaufwändig wäre (Mollick & Mollick, 2024).
• Prompt-Qualität: Je präziser die Eingabe, desto brauchbarer das Ergebnis. Kontextinformationen wie Schulstufe, Lehrplanbezug und didaktische Zielsetzung verbessern die Qualität erheblich (Qian, 2025).
• Datenschutz: Bei der Nutzung von KI für die Unterrichtsplanung sollten keine personenbezogenen Daten von Schüler:innen eingegeben werden (Hagedorn, 2025).

Literatur (KI in der Unterrichtsplanung)

• Abramovich, S. & Inan, G. (2024). Using ChatGPT as a lesson planning assistant with preservice secondary mathematics teachers. Digital Experiences in Mathematics Education.
• Al-Sayed, M. & Hamad, R. (2024). Teachers' experiences using ChatGPT for lesson planning in EFL classrooms. ResearchGate Preprint.
• Becker, S. A. & Brown, M. (2025). Realizing the possibilities of LLMs: Strategies for prompt engineering in educational inquiries. Theory Into Practice.
• Bhandari, S., Liu, Y., Kwak, Y. & Pardos, Z. A. (2024). Evaluating the psychometric properties of ChatGPT-generated questions. Computers and Education: Artificial Intelligence.
• Deutsches Schulportal (2024). Wie KI bei der Unterrichtsvorbereitung helfen kann.
• Gallup (2025). Three in 10 teachers use AI weekly, saving six weeks a year.
• Hagedorn, J. (2025). KI in der Schule — zwischen Datenschutz und KI-Verordnung. Unterrichten Digital.
• Kalenda, P. J., Rath, L., Abugasea Heidt, M. & Wright, A. (2025). Pre-service teacher perceptions of ChatGPT for lesson plan generation. Educational Technology Research and Development.
• Kim, J. & Lee, E. (2025). Integrating ChatGPT in teacher education. Journal of Research in Childhood Education.
• Mollick, E. R. & Mollick, L. (2023a). Using AI to implement effective teaching strategies in classrooms. SSRN Working Paper.
• Mollick, E. R. & Mollick, L. (2024). Instructors as innovators. ResearchGate Preprint.
• Nehring, A. & Kramer, M. (2025). Lesson planning with ChatGPT for inquiry-based biology instruction. International Journal of Science Education.
• Park, J. & Choo, S. (2025). Generative AI prompt engineering for educators. Journal of Special Education Technology.
• Park, S. & Lee, J. (2025). Harnessing AI for teacher education to promote inclusive education. Computers & Education.
• Peikos, G. & Stavrou, D. (2025). ChatGPT for science lesson planning. Education Sciences, 15(3), 338.
• Polat, H. & Aydın, S. (2025). Redefining lesson planning: Integrating ChatGPT into the teaching practicum. Education and Information Technologies.
• Qian, Y. (2025). Prompt engineering in education: A systematic review. Journal of Educational Computing Research.
• Schulministerium NRW & Universität Siegen (2025). KIMADU — KI im Mathematik- und Deutschunterricht.

5. KI in Verwaltung und Organisation

Entlastungspotenzial für Lehrpersonen

Lehrkräfte verbringen einen erheblichen Teil ihrer Arbeitszeit mit administrativen und organisatorischen Aufgaben — Dokumentation, Korrespondenz, Berichte, Statistiken und Organisatorisches. Ein McKinsey-Bericht schätzt, dass 20 bis 40 Prozent der Aufgaben, für die Lehrkräfte Zeit aufwenden, durch Technologie unterstützt werden könnten. Die deutsche Handreichung des BMBF (2025) bestätigt, dass KI-basierte Bildungstechnologien Entlastungen für Lehrkräfte bedeuten können — ihr erfolgreicher Einsatz aber fachdidaktisches Wissen und Begleitung voraussetzt.

Die aktuelle Situation verschärft das Problem: 82 Prozent der Pädagog:innen geben laut einer RAND-Studie an, dass eine ausgewogenere Arbeitsbelastung ihr dringlichstes Bedürfnis ist. Über 44 Prozent der US-amerikanischen Lehrkräfte berichten von Burnout-Symptomen. KI bietet hier einen konkreten Ansatzpunkt, weil sie gerade die repetitiven, zeitintensiven Routineaufgaben übernehmen oder beschleunigen kann.

Korrektur und Bewertung

Die automatisierte Korrektur und Bewertung von Schülerarbeiten gehört zu den am weitesten entwickelten KI-Anwendungen. Der Wissenschaftliche Dienst des Deutschen Bundestages (2025) beschreibt KI-gestützte Korrekturassistenz, die handschriftliche Schulaufgaben durch Schrifterkennung maschinenlesbar macht, Struktur, Inhalt und Rechtschreibung überprüft sowie Beurteilungstexte vorschlägt. Schneider, Schenk und Niklaus (2024) zeigen das Potenzial von LLMs für die automatische Bewertung kurzer Textantworten.

Bhandari et al. (2024) demonstrieren, dass ChatGPT-generierte Prüfungsfragen psychometrisch mit menschlich erstellten Fragen vergleichbar sein können. Die Kombination von KI-gestützter Vorkorrektur und menschlicher Endkontrolle erscheint dabei als der sinnvollste Ansatz: Die KI übernimmt die zeitaufwändige Erstdurchsicht, die Lehrperson trifft die finale Entscheidung.

Allerdings zeigen Ramirez-Arellano (2025) und Dai et al. (2025) in ihrer Studie mit 6.960 Befragten, dass Schüler:innen Lehrkräfte-Feedback als hilfreicher und vertrauenswürdiger empfinden als KI-Feedback. Dies spricht für ein hybrides Modell, in dem KI die Effizienz steigert, ohne die menschliche Beziehungsebene zu ersetzen.

Kommunikation und Elternarbeit

KI kann die Kommunikation mit Eltern und Erziehungsberechtigten unterstützen. Typische Anwendungen umfassen die Erstellung von Elternbriefen, die Übersetzung von Mitteilungen in verschiedene Sprachen, das Verfassen von Berichten und Lernstandsberichten sowie die Formulierung diplomatischer Antworten auf Anfragen. Mollick und Mollick (2024) betonen, dass KI gerade bei der Differenzierung der Kommunikation — etwa bei der Formulierung individueller Lernberichte für 25 Kinder einer Klasse — einen enormen Zeitvorteil bietet.

Lernstandserhebung und Datenanalyse

KI-gestützte Lernstandserhebungen ermöglichen es Lehrpersonen, systematisch den Lernfortschritt zu verfolgen, ohne aufwändige manuelle Auswertungen durchführen zu müssen. Crompton und Burke (2023) identifizieren „Vorhersage" als einen der fünf Haupteinsatzbereiche von KI in der Bildung — darunter Frühwarnsysteme für Schulabbruch und individuelle Leistungsprognosen.

Adaptive Plattformen wie ALEKS und Q-interactive passen Aufgabenstellungen automatisch an das Leistungsniveau der Lernenden an (EDUCAUSE, 2024). Die Daten, die dabei entstehen, können Lehrpersonen nutzen, um Unterrichtsentscheidungen datenbasiert zu treffen — welche Themen brauchen mehr Zeit, wo bestehen systematische Verständnislücken?

Organisatorische Aufgaben und Schulmanagement

Für Schulleitungen und die Schulverwaltung bietet KI zusätzliche Anwendungsmöglichkeiten. Stundenpläne, Vertretungsplanungen, Ressourcenzuordnungen und Budgetanalysen können durch KI-Unterstützung effizienter gestaltet werden. Das KMK-Bildungsberichtsteam (2024) dokumentiert den wachsenden Einsatz digitaler und KI-gestützter Werkzeuge in der Schulverwaltung.

Praxisbeispiele und verfügbare Werkzeuge

Im DACH-Raum haben sich mehrere DSGVO-konforme KI-Plattformen für den Schulbereich etabliert. Fobizz bietet KI-Tools speziell für Schulen an und wird in Liechtenstein landesweit eingesetzt (connect professional, 2025), in Österreich von Pilotschulen erprobt (Fobizz, 2024; Salzburger Nachrichten, 2025) und in mehreren deutschen Bundesländern und Schweizer Kantonen genutzt. SchulKI und weitere Plattformen ergänzen das Angebot (Deutsches Schulportal, 2024).

Das NRW-Pilotprojekt KIMADU (Schulministerium NRW, 2025) stellt 25 Sekundarschulen DSGVO-konforme Zugänge zu verschiedenen Sprachmodellen zur Verfügung und liefert praxiserprobte Materialien mit einem Kartenset zur Prompting-Kompetenz (Lernen Digital NRW, 2025).

Literatur (Verwaltung und Organisation)

• Bhandari, S., Liu, Y., Kwak, Y. & Pardos, Z. A. (2024). Evaluating the psychometric properties of ChatGPT-generated questions. Computers and Education: Artificial Intelligence.
• BMBF (2025). Künstliche Intelligenz in der Schule: Eine Handreichung. Bundesministerium für Bildung und Forschung.
• connect professional (2025). Liechtenstein verlängert KI-Einsatz in Schulen mit Fobizz.
• Crompton, H. & Burke, D. (2023). Artificial intelligence in higher education. International Journal of Educational Technology in Higher Education, 20(22).
• Dai, Y., Liu, A. & Hogarth, L. (2025). Comparing generative AI and teacher feedback. Assessment & Evaluation in Higher Education.
• Deutsches Schulportal (2024). Fobizz, SchulKI und Co: Welche KI-Tools können Schulen nutzen?
• EDUCAUSE (2024). The impact of AI in advancing accessibility for learners with disabilities. EDUCAUSE Review.
• Fobizz (2024). KI & ChatGPT für Lehrende in Österreich.
• KMK (2024). Bildung in der digitalen Welt — Jahresbericht 2023–2024.
• Lernen Digital NRW (2025). Beispiele für den lernförderlichen Einsatz von KI im Mathematik- und Deutschunterricht.
• Mollick, E. R. & Mollick, L. (2024). Instructors as innovators. ResearchGate Preprint.
• Ramirez-Arellano, A. (2025). Educators' reflections on AI-automated feedback in higher education. Frontiers in Education.
• Salzburger Nachrichten (2025). KI im Klassenzimmer: So verändert künstliche Intelligenz den Unterricht.
• Schneider, J., Schenk, B. & Niklaus, C. (2024). Towards LLM-based autograding for short textual answers. CSEDU 2024.
• Schulministerium NRW & Universität Siegen (2025). KIMADU — KI im Mathematik- und Deutschunterricht.
• Wissenschaftliche Dienste des Deutschen Bundestages (2025). Zum aktuellen Einsatz von KI in Bildungskontexten.

6. KI im Unterricht — Einsatz mit Schüler:innen

Empirische Erkenntnisse aus der Praxis

Wie nutzen Schüler:innen generative KI tatsächlich im Unterricht? Die Studie von Schneider et al. (2025) aus dem Erasmus+-Projekt liefert hierzu einzigartige empirische Daten. Durch die Analyse von über 17.000 anonymisierten Nachrichten zwischen Schüler:innen und ChatGPT in Liechtensteiner Schulen über elf Monate hinweg konnten die Forscher:innen die tatsächlichen Nutzungsmuster systematisch erfassen — nicht aus Umfragen oder Laborsettings, sondern aus authentischen Interaktionsdaten des Schulalltags.

Die inhaltliche Kategorisierung zeigt sieben Hauptthemen: Bildung und Lernen (Schulaufgaben, Sprachübungen, Wissensabfragen, Präsentationen), Natur und Umwelt, Familie und Beziehungen, Kunst und Unterhaltung, Karriere und berufliche Entwicklung, Gesundheit und Wohlbefinden sowie Kultur und Gesellschaft (Schneider et al., 2025). Bemerkenswert ist, dass viele Themen über den traditionellen Unterrichtsstoff hinausgehen — Kinder nutzen KI auch für persönliche Anliegen wie Berufsorientierung, emotionale Unterstützung und kreative Projekte.

Die Aufgabendimension umfasst acht Kategorien: kreative Inhaltsproduktion (Gedichte, Geschichten, Songs), Sprach- und Grammatikhilfe, Unterrichts- und Curriculum-Planung, Assessment und Feedback, reflexives und erfahrungsbasiertes Schreiben, Faktenerklärungen, visuelle und multimediale Inhaltserstellung sowie motivationale und emotionale Unterstützung.

Sieben Rollen der KI im Unterricht

Mollick und Mollick (2023b) beschreiben sieben pädagogisch fundierte Rollen, die KI im Unterricht einnehmen kann:

1. KI-Tutor: Individuelle Erklärungen und schrittweises Durcharbeiten von Aufgaben. Ng, Chen und Li (2024) implementierten einen ChatGPT-basierten „SRL-Bot" im naturwissenschaftlichen Unterricht, der bei 74 Zehntklässler:innen Verbesserungen bei Fachwissen, Motivation und Selbstregulation erzielte.
2. KI-Coach: Begleitung bei der Entwicklung von Fähigkeiten und Strategien.
3. KI-Mentor: Orientierung und Unterstützung bei Entscheidungen — von Berufswahl bis Lernstrategien. Ali et al. (2024) zeigen, wie KI bei der Visualisierung von Zukunftsentwürfen unterstützen kann.
4. KI-Teammate: Zusammenarbeit bei Gruppenprojekten. Kim und Nayak (2024) dokumentieren Verschiebungen in Interaktionsmustern beim kollaborativen Brainstorming mit ChatGPT.
5. KI-Werkzeug: Unterstützung bei konkreten Aufgaben wie Recherche, Übersetzung oder Textüberarbeitung.
6. KI-Simulator: Erstellung von Übungsszenarien, Rollenspielen oder Simulationen.
7. KI-Schüler: Die Lernenden erklären der KI ein Thema und festigen so ihr eigenes Verständnis — ein Ansatz, der auf dem „Learning by Teaching"-Prinzip basiert.

Lernwirksamkeit: Chancen und Grenzen

Die Forschung zur Lernwirksamkeit von KI im Unterricht zeigt ein differenziertes Bild. Positive Effekte sind dokumentiert: Schüler:innen, die mit einem GPT-Tutor übten, schnitten um 127 Prozent besser ab als eine Kontrollgruppe ohne KI (Deutsches Schulportal, 2025). Alneyadi und Wardat (2023) fanden in einer vierwöchigen Studie im Physikunterricht der 11. Klasse signifikant höhere Lernzuwächse und positive Schülerwahrnehmung. Jauhiainen und Guerra (2024) demonstrierten erfolgreiche Echtzeitpersonalisierung im Sachunterricht mit 110 Schüler:innen.

Gleichzeitig gibt es klare Warnungen. Yang, Chen und Wang (2025) fanden in einer Studie zum Informatikunterricht, dass ChatGPT-Unterstützung zu geringerem Engagement, niedrigerer Selbstwirksamkeit und schwächeren Leistungen bei Programmieraufgaben führte — ein Hinweis darauf, dass KI bei Aufgaben, die eigenständiges Problemlösen erfordern, kontraproduktiv sein kann. Hon (2026) kommt in einer systematischen Übersicht zu dem Schluss, dass die Evidenz gemischt ist: Während einige Studien erhöhtes Engagement und bessere Leistungen berichten, zeigen andere Limitationen durch übermäßige Abhängigkeit.

Klar (2025) betont in einer Mixed-Methods-Studie mit K-12-Schüler:innen die Kluft zwischen einfacher Zugänglichkeit und effektiver Nutzung: ChatGPT zu bedienen ist leicht, es lernwirksam einzusetzen ist schwer. Dies unterstreicht die zentrale Rolle der Lehrperson als Gestalterin des KI-Einsatzes.

Kreative KI-Nutzung

Die Erasmus+-Studie zeigt, dass kreative Inhaltsproduktion zu den häufigsten Nutzungskategorien gehört (Schneider et al., 2025). Schüler:innen lassen sich Gedichte schreiben, Geschichten erzählen, Songs komponieren und Drehbücher erstellen. Gunn (2024) untersucht die Schnittmenge von Poesie, Kreativität und ChatGPT und sieht sowohl Potenzial als auch Risiken für die Kreativitätsförderung. Niloy et al. (2024) fragen provokativ, ob ChatGPT eine Bedrohung für die kreative Schreibfähigkeit darstellt — mit dem Ergebnis, dass die Antwort von der Art des Einsatzes abhängt.

Holster (2024) zeigt praxisorientierte KI-Anwendungen im Musikunterricht, während Dehouche und Dehouche (2023) das Potenzial bildgenerativer KI im Kunstunterricht untersuchen. Diese kreativen Einsatzmöglichkeiten erweitern das didaktische Repertoire erheblich — setzen aber voraus, dass die KI-Nutzung in einen pädagogischen Rahmen eingebettet ist.

Altersgerechter Einsatz

Die Frage, ab welchem Alter Kinder direkt mit KI-Systemen interagieren sollten, wird kontrovers diskutiert. Das Forum Bildung Digitalisierung (2025) argumentiert gegen eine Tabuisierung von KI in der Grundschule und plädiert für eine altersgerechte Einführung. Der Grundschulverband (2025) widmet dem Thema ein ganzes Themenheft. Wu und Li (2025) geben einen Forschungsüberblick zur KI-Literacy-Bildung in Grundschulen und identifizieren Werkzeuge wie Chatbots, Programmierumgebungen (Scratch, Cognimates), maschinelle Lernplattformen (Teachable Machine) und Bildungsroboter als altersgerechte Einstiegspunkte.

Long und Magerko (2025) positionieren Schüler:innen nicht als passive KI-Nutzer:innen, sondern als aktive „KI-Designer:innen" — ein Framework, das besonders für die Grundschule vielversprechend erscheint. Yang und Su (2025) reflektieren die theoretischen Grundlagen von KI in der frühkindlichen Bildung — von Piaget bis zum Posthumanismus.

Literatur (KI im Unterricht)

• Ali, S. et al. (2024). Constructing dreams using generative AI. Proceedings of the AAAI Conference on AI.
• Alneyadi, H. & Wardat, M. (2023). Effects of ChatGPT on learning gains in 11th-grade physics. International Journal of STEM Education.
• Dehouche, N. & Dehouche, K. (2023). What's in a text-to-image prompt? Heliyon, 9(4), e16757.
• Deutsches Schulportal (2025). Wann KI beim Lernen hilft — und wann sie schadet.
• Forum Bildung Digitalisierung (2025). Wozu KI in der Grundschule? Magazin Plan BD.
• Grundschulverband (2025). KI in der Grundschule. Grundschule aktuell, 170.
• Gunn, C. J. (2024). Poetry, creativity, and ChatGPT. Proceedings of the 2024 ASEE Conference.
• Holster, J. D. (2024). Augmenting music education through AI. Music Educators Journal, 110(4), 36–42.
• Hon, K. K. L. (2026). Generative AI in higher education: Effects on learning outcomes. Educational Technology Research and Development.
• Jauhiainen, X. & Guerra, Y. (2024). Real-time personalization with ChatGPT and Midjourney. Journal of Educational Computing Research.
• Kim, H. K. & Nayak, S. (2024). Impact of ChatGPT on student interactions in CSCL. Computer Supported Collaborative Learning Conference.
• Klar, M. (2025). Using ChatGPT is easy, using it effectively is tough? Smart Learning Environments, 12(32).
• Long, D. & Magerko, B. (2025). Students as AI literate designers. Journal of Research on Technology in Education.
• Mollick, E. R. & Mollick, L. (2023b). Assigning AI: Seven approaches for students, with prompts. arXiv preprint arXiv:2306.10052.
• Ng, A., Chen, Y. & Li, K. (2024). Supporting self-regulated learning via a ChatGPT-powered study bot. Computers & Education.
• Niloy, A. C. et al. (2024). Is ChatGPT a menace for creative writing ability? Journal of Computer Assisted Learning, 40(2), 919–930.
• Schneider, J. et al. (2025). Thematic and task-based categorization of K-12 GenAI usages. CHIRA 2025.
• Wu, S. & Li, Y. (2025). AI literacy education in primary schools: a review. International Journal of Technology and Design Education.
• Yang, L., Chen, X. & Wang, Y. (2025). Adverse effects of ChatGPT in high school computer science education. Journal of Educational Computing Research.
• Yang, W. & Su, J. (2025). From Piaget to posthumanism: AI in early childhood education. AI, Brain and Child.

7. Fachdidaktische Anwendungen in verschiedenen Fächern und Schulformen

Warum Fachdidaktik entscheidend ist

Der Einsatz von KI im Unterricht ist kein einheitliches Phänomen — er variiert fundamental je nach Fach, Schulstufe und didaktischem Kontext. Lee und Park (2025) zeigen in ihrer Übersicht zur KI in der naturwissenschaftlichen Bildung, dass disziplinäre Hintergründe einen starken Einfluss darauf haben, wie Lehrkräfte KI wahrnehmen und einsetzen. Die PHSG St. Gallen (2024) betont aus Schweizer Perspektive die Notwendigkeit fachspezifischer Überlegungen und Konzepte für den KI-Einsatz im Unterricht.

Zhai, Chu und Chai (2024) systematisieren in ihrer Oxford-Academic-Publikation die KI-Anwendungstypen, pädagogischen Rollen und technologischen Merkmale bei der Unterstützung der Lehrpraxis und liefern damit einen fachübergreifenden Rahmen für die fachdidaktische Integration.

Mathematik

Im Mathematikunterricht bieten sich vielfältige KI-Einsatzmöglichkeiten. Barzel, Hußmann und Leuders (2024) beschreiben in ihrem Lehrbuch zur Digitalisierung im Mathematikunterricht die Integration von dynamischer Geometriesoftware wie GeoGebra, Computeralgebrasystemen und Tabellenkalkulationen — Werkzeuge, die zunehmend durch KI-Funktionen ergänzt werden. Abramovich und Inan (2024) zeigen, wie ChatGPT als Planungsassistent für den Mathematikunterricht eingesetzt werden kann.

Das KIMADU-Projekt in NRW (Schulministerium NRW, 2025) erprobt spezifisch den KI-Einsatz im Mathematik- und Deutschunterricht an 25 Sekundarschulen. Die Praxisbeispiele umfassen KI-gestützte Aufgabenerstellung, differenzierte Übungen für verschiedene Leistungsniveaus und die Nutzung von KI für formatives Feedback bei Rechenaufgaben (Lernen Digital NRW, 2025). Fobizz (2024) stellt digitale Werkzeuge für den Mathematikunterricht bereit, darunter KI-Assistenten und interaktive Geometrie-Anwendungen.

Naturwissenschaften

Die naturwissenschaftliche Bildung profitiert besonders von der Fähigkeit der KI, komplexe Phänomene zu erklären und zu visualisieren. Lee und Park (2025) dokumentieren den Anstieg von KI-Studien in der Science Education — von drei im Jahr 2021 auf elf im Jahr 2024. Santos und Almeida (2025) analysieren KI speziell im Chemieunterricht und identifizieren ChatGPT als häufigstes Werkzeug. Leite und Oliveira (2024) vergleichen die Fachkompetenz von ChatGPT, Gemini und Copilot im Chemieunterricht.

Nehring und Kramer (2025) untersuchen ChatGPT für forschendes Lernen im Biologieunterricht, Peikos und Stavrou (2025) für den naturwissenschaftlichen Unterricht allgemein. Bitzenbauer (2023) zeigt in einer Pilotstudie im Physikunterricht, wie die Evaluation von ChatGPT-Antworten kritisches Denken fördern und positive KI-Einstellungen erzeugen kann — ein vielversprechender Ansatz, der die Fehleranfälligkeit der KI produktiv nutzt.

Chang und Wilson (2024) untersuchen fachübergreifend den Einfluss von KI auf Physik-, Chemie- und Biologieunterricht. Al Dhaheri und Mahmoud (2025) analysieren die unterschiedlichen Denkweisen von Lehrkräften gegenüber KI in naturwissenschaftlichen Klassenzimmern der VAE. Das NSF-Programm (2025) in den USA bereitet Naturwissenschaftslehrkräfte gezielt auf den KI-Einsatz vor — mit 50 Klassenzimmern in New York und New Jersey.

Sprachen und Schreibkompetenz

Der Sprachunterricht gehört zu den Fächern mit dem größten KI-Potenzial. Jeon (2025) synthetisiert 14 systematische Übersichten und Meta-Analysen zum KI-Einsatz im Fremdsprachenunterricht und belegt positive Effekte insbesondere auf Schreiben und Sprechen. Yilmaz und Karaoglan Yilmaz (2025) analysieren 49 empirische Studien und dokumentieren die vielfältigen Rollen generativer KI im Sprachunterricht. Wang und Lund (2025) untersuchen 70 Studien spezifisch zum ChatGPT-Einsatz beim Sprachenlernen.

Klimova, Pikhart und Al-Obaydi (2024) zeigen positive Effekte von ChatGPT auf Vokabelerwerb, Grammatikverständnis und Sprechfertigkeit im universitären Fremdsprachenunterricht. Ahmad und Siddiqui (2025) belegen, dass Interaktivität der Haupttreiber für Sprachlerngewinne bei ChatGPT-Nutzung ist.

Für den Deutschunterricht und die Schreibkompetenz liegen ebenfalls Erkenntnisse vor. Levine et al. (2024) beobachteten, wie Oberstufenschüler:innen ChatGPT beim argumentativen Schreiben nutzen — die KI-Vorschläge halfen beim Brainstorming und der tieferen Reflexion. Levine, Beck et al. (2024) untersuchen, wie Schüler:innen ChatGPT als Schreibhilfe einsetzen. Zhang und Li (2025) vergleichen KI- und Lehrkräfte-Feedback bei argumentativen Schreibaufgaben und zeigen komplementäre Stärken beider Feedbackquellen. Al-Harbi und Mohammed (2025) belegen, dass ein integrierter Ansatz aus ChatGPT- und Lehrkräfte-Feedback bessere Schreibergebnisse liefert als jede einzelne Feedbackquelle.

Gesellschaftswissenschaften und Geschichte

Clark und van Kessel (2025) bieten mit dem CIVIC-Framework fünf Säulen für den KI-Einsatz im Gesellschaftskundeunterricht. Brown und Dempsey (2025) entwickeln aus reflexiver Praxisforschung im australischen Geschichtsunterricht erste Prinzipien für den Einsatz generativer KI — ein Ansatz, der die besonderen Anforderungen historischen Denkens berücksichtigt: Quellenkritik, Multiperspektivität und die Unterscheidung zwischen Fakten und Interpretation stellen KI-Systeme vor besondere Herausforderungen.

Deutschunterricht und Schreibdidaktik

Im Deutschunterricht und der Schreibdidaktik liegt besonders viel Forschung vor. Rezat und Schindler (2025) analysieren in Praxis Deutsch die KI-gestützte Textproduktion im Deutschunterricht und entwickeln didaktische Konzepte für den Einsatz generativer KI im Schreibunterricht. Ansari (2025) diskutiert im Sammelband DeutschGPT das Schreiben mit KI als didaktische Herausforderung und zeigt, wie Lehrkräfte KI produktiv in Schreibprozesse integrieren können, ohne die Eigenständigkeit der Lernenden zu gefährden.

Konkrete Einsatzszenarien umfassen: KI als Schreibpartnerin für Überarbeitungsprozesse, als Ideengeberin für kreatives Schreiben, als Feedbackquelle für Textstruktur und Argumentation, und als Werkzeug zur Textdifferenzierung für verschiedene Sprachniveaus. Levine et al. (2024) zeigen, dass KI-Vorschläge beim argumentativen Schreiben Brainstorming und tiefere Reflexion fördern.

Kunst und Musik

Kreative Fächer bieten überraschende KI-Einsatzmöglichkeiten. Urmeneta und Romero (2025) zeigen in ihrem PRISMA-Review, wie KI als kreative Partnerin in der Bildung fungieren kann — ohne Originalität zu untergraben. Kim und Lee (2025) analysieren spezifisch die Auswirkungen generativer KI auf den schulischen Musikunterricht und formulieren Empfehlungen für die Praxis. Holster (2024) beschreibt konkrete ChatGPT-Anwendungen im Musikunterricht — von Songwriting über Unterrichtsplanung bis zur kreativen Musikproduktion. Dehouche und Dehouche (2023) untersuchen bildgenerierende KI wie Stable Diffusion im Kunstunterricht.

Die Erasmus+-Studie zeigt, dass kreative Aufgaben — Geschichtenerzählen, Gedichte, Drehbücher, Songs — zu den häufigsten Nutzungsmustern gehören (Schneider et al., 2025). Dies unterstreicht, dass generative KI gerade im kreativen Bereich einen natürlichen Einstiegspunkt für den Unterricht bietet.

Geografie und Sachunterricht

Im Geografieunterricht bietet KI besonders interessante Einsatzmöglichkeiten bei kontroversen Themen wie Klimawandel und Energiewende, wo Schüler:innen KI-generierte Argumente analysieren und auf ihre Qualität prüfen können. Lehrpersonen berichten, dass ChatGPT bei der Erstellung differenzierter Materialien zu regionalen Fallstudien, der Generierung von Kartenbeschreibungen und der Formulierung raumbezogener Analyseaufgaben unterstützt. Cornelsen (2024) beschreibt, wie KI im Erdkundeunterricht als ständiger Feedbackgeber fungieren kann — bereit, Verständnisfragen zu beantworten oder zusätzliche Informationen bereitzustellen.

Ein konkretes Beispiel aus der Praxis: KI unterstützt die Jahres-, Reihen- und Stundenplanung inklusive Klausur zum Thema Stadtgeografie. Die Stärke liegt dabei in der schnellen Erstellung kontextbezogener Materialien — die Schwäche in der mangelnden Aktualität bei sich rasch ändernden geopolitischen Themen.

Sport und Bewegungserziehung

Auch im Sportunterricht hält KI Einzug, wenngleich die Forschung hier noch am Anfang steht. KI-gestützte Bewegungsanalyse ermöglicht durch maschinelles Lernen und multimodale Wahrnehmungstechnologien eine Echtzeit-Rückmeldung zu Bewegungsausführungen. Studien zeigen, dass KI-Systeme besonders für Schüler:innen mit niedrigerem Ausgangsniveau wirksam sind — nach drei Monaten wurden 19 Prozent Verbesserung bei umfassenden Leistungskennzahlen dokumentiert. Gleichzeitig warnt die Forschung vor strukturellen und pädagogischen Barrieren: fehlende Lehrkräftefortbildung, unzureichende technische Infrastruktur und kulturelle Vorbehalte.

Für die Unterrichtspraxis können Lehrpersonen KI nutzen, um differenzierte Trainingspläne, Stationsbetriebs-Konzepte und Bewertungsraster zu erstellen. Die Erstellung von Sicherheitshinweisen und die Anpassung von Übungen an verschiedene Leistungsniveaus und körperliche Voraussetzungen sind weitere konkrete Einsatzmöglichkeiten.

Religion, Ethik und Philosophie

In Fächern wie Religion, Ethik und Philosophie eröffnet KI besondere didaktische Möglichkeiten — gerade weil diese Fächer das Nachdenken über Technologie und ihre gesellschaftlichen Auswirkungen zum Gegenstand haben. KI kann als Diskussionspartnerin für ethische Dilemmata dienen: Was passiert, wenn eine KI einen rassistischen Text produziert? Wer trägt die Verantwortung? Dürfen Maschinen Entscheidungen über Menschen treffen?

Schneider et al. (2025) zeigen in ihren Daten, dass Schüler:innen KI auch für persönliche, emotional aufgeladene Themen nutzen — Fragen nach Identität, Zugehörigkeit und Lebenssinn. Für den Ethik- und Religionsunterricht bietet dies Anknüpfungspunkte: KI-generierte Texte können als Ausgangspunkt für philosophische Textanalyse und Quellenkritik dienen, wobei die Grenzen maschineller Sinnproduktion sichtbar werden.

Berufsbildung und berufliche Orientierung

In der beruflichen Bildung gewinnt KI zunehmend an Bedeutung. Wang und Liu (2025) untersuchen die Rolle von KI bei der Kompetenzfeststellung in der beruflichen Hochschulbildung. CEDEFOP (2025) berichtet, dass KI zu einer Schlüsselkompetenz in der deutschen Berufsbildung wird. Scherer und Teo (2025) entwickeln ein Framework für nachhaltige KI-Kompetenzentwicklung bei Berufsschullehrkräften. Miller und Schmidt (2025) dokumentieren allerdings, dass Lehrkräfte an Berufsschulen häufig über ein begrenztes Verständnis der praktischen KI-Anwendungen verfügen — ein dringender Fortbildungsbedarf.

Inklusion und sonderpädagogische Förderung

KI bietet besonderes Potenzial für die inklusive Bildung. Singh und Kumar (2025) analysieren KI-gestützte assistive Technologien und beschreiben, wie adaptive Lernsysteme individualisierte Lernpfade für Kinder mit Lernschwierigkeiten wie Dyslexie und Dyskalkulie erstellen können. Lee und Park (2025) zeigen, wie KI Sprachbarrieren überwinden und maßgeschneiderte Unterstützung für verschiedene Bedürfnisse bieten kann. Chen und Wang (2025) geben eine systematische Übersicht zu KI-, VR- und LLM-Anwendungen in der Sonderpädagogik.

Melo-Lopez et al. (2025) bestätigen in ihrer systematischen Übersicht den positiven Einfluss von KI auf inklusive Bildung, während Lee, Kim und Yan (2025) Kontext, Unterrichtsstrategien und Lernergebnisse inklusiver KI-Bildung im K-12-Bereich untersuchen. Allerdings weist EDUCAUSE (2024) darauf hin, dass Lernende mit Behinderungen — die am meisten von KI profitieren könnten — oft am wenigsten Zugang zu diesen Werkzeugen haben. Weniger als sieben Prozent der Befragten mit Behinderungen fühlen sich bei der KI-Entwicklung repräsentiert.

Literatur (Fachdidaktische Anwendungen)

• Abramovich, S. & Inan, G. (2024). Using ChatGPT as a lesson planning assistant. Digital Experiences in Mathematics Education.
• Ahmad, I. & Siddiqui, M. Z. (2025). ChatGPT in ESL higher education. Information, 16(4), 316.
• Al-Harbi, S. & Mohammed, R. (2025). The impact of integrating ChatGPT with teachers' feedback on EFL writing skills. Computers & Education.
• Al Dhaheri, S. & Mahmoud, A. (2025). AI's impact on science education in UAE classrooms. Frontiers in Education.
• Barzel, B., Hußmann, S. & Leuders, T. (2024). Digitalisierung im Mathematikunterricht. Springer Spektrum.
• Bitzenbauer, T. (2023). Fostering critical thinking via student evaluation of ChatGPT responses in physics class. European Conference on Educational Research.
• Brown, M. & Dempsey, M. (2025). Generative AI in education: Initial principles from practitioner reflexive research. Journal of Educational Research.
• CEDEFOP (2025). Germany: AI emerging as key VET competence.
• Chang, R. & Wilson, D. (2024). Exploring AI's impact on physics, chemistry, and biology education. The Cuvette.
• Chen, H. & Wang, L. (2025). A systematic review of AI, VR, and LLM applications in special education. Education and Information Technologies.
• Clark, C. & van Kessel, C. (2025). CIVIC: Five pillars for using AI in social studies education. CITE Journal.
• Dehouche, N. & Dehouche, K. (2023). What's in a text-to-image prompt? Heliyon, 9(4).
• EDUCAUSE (2024). The impact of AI in advancing accessibility for learners with disabilities.
• Fobizz (2024). Digitale Tools im Mathematikunterricht.
• Gunn, C. J. (2024). Poetry, creativity, and ChatGPT. ASEE Conference.
• Holster, J. D. (2024). Augmenting music education through AI. Music Educators Journal, 110(4), 36–42.
• Jeon, J. (2025). AI in ESL/EFL education: Evidence from recent reviews. IJLTER.
• Klimova, B., Pikhart, M. & Al-Obaydi, L. H. (2024). Exploring ChatGPT for foreign language education. Frontiers in Psychology, 15, 1269319.
• Lee, H. & Park, J. (2025). AI in science education research. Journal of Science Education and Technology.
• Lee, J. & Park, S. (2025). Inclusive education with AI. AI and Ethics.
• Leite, B. & Oliveira, T. V. (2024). Generative AI in chemistry teaching. Journal of Applied Learning & Teaching.
• Lernen Digital NRW (2025). Beispiele für KI im Mathematik- und Deutschunterricht.
• Levine, M. et al. (2024). High school students' interaction patterns with ChatGPT. Journal of Writing Research.
• Levine, S. et al. (2024). How do students use ChatGPT as a writing support? Journal of Adolescent & Adult Literacy, 68(5), 445–457.
• Miller, K. & Schmidt, R. (2025). AI in Technical and Vocational Education and Training. Preprints.org.
• Nehring, A. & Kramer, M. (2025). Lesson planning with ChatGPT for inquiry-based biology instruction. International Journal of Science Education.
• NSF (2025). Preparing science educators to use and teach AI in the classroom.
• Peikos, G. & Stavrou, D. (2025). ChatGPT for science lesson planning. Education Sciences, 15(3), 338.
• PHSG (2024). Künstliche Intelligenz im (Fach-)Unterricht. Blogs PHSG.
• Santos, R. & Almeida, F. (2025). AI in science and chemistry education. Discover Education.
• Scherer, R. & Teo, T. (2025). Generative AI for teacher competence development. Vocation, Technology & Education.
• Schneider, J. et al. (2025). Thematic and task-based categorization of K-12 GenAI usages. CHIRA 2025.
• Schulministerium NRW (2025). KIMADU.
• Singh, A. & Kumar, R. (2025). AI-driven assistive technologies in inclusive education. Computers and Education: Artificial Intelligence.
• Wang, J. & Liu, Z. (2025). AI in enhancing competency assessment in vocational education. Frontiers in Education.
• Wang, T. & Lund, B. D. (2025). ChatGPT in language learning: A systematic review. Computers and Education: Artificial Intelligence.
• Yilmaz, R. & Karaoglan Yilmaz, F. G. (2025). GenAI in the language classroom: A systematic review. Interactive Learning Environments.
• Zhang, Y. & Li, X. (2025). AI vs. teacher feedback on EFL argumentative writing. Frontiers in Education.
• Zhai, X., Chu, X. & Chai, C. S. (2024). A systematic review on AI in supporting teaching practice. Uses of AI in STEM Education (Oxford Academic).

8. KI in der Hochschullehre und Lehrkräftebildung

Hochschulen als Vorreiter und Versuchsfeld

Die Hochschulbildung ist sowohl Vorreiterin als auch Versuchsfeld für den KI-Einsatz in der Bildung. Crompton und Burke (2023) dokumentieren in ihrer systematischen Übersicht, dass die Zahl der Publikationen zu KI in der Hochschulbildung zwischen 2020 und 2022 um das Zwei- bis Dreifache gestiegen ist. Die fünf identifizierten Einsatzbereiche — Assessment, Vorhersage, KI-Assistenz, Intelligente Tutorsysteme und Lernmanagement — spiegeln die Breite der Anwendungen wider.

Hadian und Alavi (2025) berichten von einem Jahr Erfahrung mit ChatGPT im universitären Unterricht und identifizieren transformative Auswirkungen auf Lehr-Lern-Prozesse. Chen und Zhu (2025) analysieren in einer systematischen Übersicht den frühen Einfluss von KI auf Curriculum, Unterricht und Assessment in der Hochschulbildung. Luckin und Cukurova (2024) beschreiben KI-getriebene Curriculum-Trends des 21. Jahrhunderts und analysieren, wie KI die Lehrplangestaltung verändert.

Studierende und generative KI

Die Nutzung generativer KI durch Studierende hat sich innerhalb eines Jahres drastisch verändert. Die HEPI-Kortext-Umfrage (2025) zeigt: 92 Prozent aller britischen Studierenden nutzen mittlerweile KI in irgendeiner Form — ein Anstieg von 66 Prozent im Vorjahr. 88 Prozent haben GenAI für Assessments verwendet (2024: 53 Prozent), und 18 Prozent haben KI-generierten Text direkt in ihre Arbeit aufgenommen. Ammari et al. (2025) untersuchen, wie Studierende ChatGPT tatsächlich nutzen, jenseits der offiziellen Richtlinien.

Skjuve, Brandtzaeg und Følstad (2024) analysieren die Nutzungsmotivationen für ChatGPT und identifizieren verschiedene Motivkategorien — von der Informationssuche über die Aufgabenerledigung bis zur Unterhaltung. Hughes und Allen (2024) dokumentieren vier typische Nutzungsweisen von Studierenden, die von vorsichtiger Integration bis zu problematischer Übernahme reichen.

Akademische Integrität

Die Frage der akademischen Integrität im Zeitalter generativer KI ist für Hochschulen besonders drängend. Khan, Vivek und Nabi (2024) analysieren ethische Aspekte der ChatGPT-Nutzung und beschreiben Best Practices zur Bekämpfung von KI-induziertem Plagiat. Die Daten sind eindrücklich: Die Disziplinarraten für KI-bezogenes Plagiat stiegen von 48 Prozent (2022–23) auf 64 Prozent (2023–24).

Die Forschung zeigt allerdings auch die Grenzen von KI-Erkennungstools. Bestehende Detektionswerkzeuge haben erhebliche Schwächen — wird ein KI-generierter Text mit Paraphrasierungstools wie QuillBot bearbeitet, sinkt die Erkennungsrate dramatisch (Khan et al., 2024). Dies hat Hochschulen dazu veranlasst, den Fokus von der Detektion auf die Prävention zu verlagern: Aufgabenstellungen, die kritisches Denken und persönliche Reflexion erfordern, und transparente KI-Nutzungsrichtlinien.

KI-gestütztes Feedback und Schreiben

Die Forschung zu KI-Feedback im akademischen Schreiben ist umfangreich. Rodriguez-Martinez (2025) synthetisiert aktuelle Evidenz und zeigt Verbesserungen bei Textstruktur und Kohärenz, aber Risiken für kritisches Denken und Originalität. Martinez und Lopez (2025) bestätigen in ihrer systematischen Übersicht positive Effekte auf Textorganisation und Grammatik, wenn generative Chatbots als Feedbackquelle dienen.

Dai und Chai (2025) entwickeln ein Framework zur Rolle generativer KI als Ermöglicherin studentischen Feedback-Engagements. Torres und Gonzalez (2025) liefern empirische Evidenz zu KI-gestützten Lese- und Schreibpraktiken in der Hochschule. Wilson und Brown (2025) warnen allerdings vor Risiken für Schreibkompetenzen, kritisches Denken und akademische Integrität durch übermäßige KI-Abhängigkeit.

Kim und Park (2025) analysieren die Rolle von KI in der Schreibdidaktik für Zweitsprachenlernende und zeigen Verbesserungen bei Grammatik, Genauigkeit und Schreibqualität. Zheldibayeva et al. (2025) dokumentieren in einer Fallstudie zum CGScholar AI Helper, wie KI-Feedback die Schreibentwicklung von 11.-Klässler:innen unterstützt.

Lehrkräftebildung: Vorbereitung auf das KI-Zeitalter

Die Ausbildung zukünftiger Lehrpersonen steht vor der Herausforderung, KI-Kompetenzen systematisch zu integrieren. Celik (2024) analysiert in einer systematischen Übersicht 95 Forschungsartikel zur KI in der Lehre und Lehrkräftefortbildung. Celik, Dindar und Muukkonen (2026) erweitern diese Perspektive um den Einfluss von Überzeugungen, professionellem Lernen und soziokulturellen Faktoren auf die KI-Kompetenzentwicklung von Lehrkräften.

Bhandari und Mishra (2024) identifizieren Herausforderungen bei der KI-Fortbildung von Lehrkräften und beschreiben Best Practices. Mishra und Warr (2025) verbinden den TPACK-Rahmen (Technological Pedagogical Content Knowledge) mit KI-Fortbildungsinitiativen und analysieren deren Designs und Wirkungen. Wang und Li (2025) geben eine systematische Übersicht über 16 Studien zur KI-Integration in Lehrkräftefortbildungsprogramme.

Öztürk und Aydin (2025) untersuchen in einer phänomenologischen Studie, wie KI die professionelle Identität von Lehrkräften verändert — eine Frage, die über die rein technische Kompetenz hinausgeht und das Selbstverständnis des Lehrberufs berührt. Mah und Hoya (2024) — beide Ko-Autor:innen der Erasmus+-Studie — liefern Erkenntnisse zur KI-Literacy von Sprachlehrkräften aus der Zusammenarbeit mit ChatGPT und identifizieren notwendige Kompetenzen für den effektiven KI-Einsatz.

Garcia und Rivera (2025) zeigen in einer Pilotstudie, dass bereits eine kurze Prompt-Engineering-Schulung die KI-Literacy von Lehramtsstudierenden signifikant verbessert und Technologieangst reduziert — ein ermutigendes Ergebnis für die Lehrkräftebildung.

Literatur (Hochschullehre)

• Ammari, T. et al. (2025). How students (really) use ChatGPT. arXiv preprint arXiv:2505.24126.
• Bhandari, U. & Mishra, P. (2024). Challenges and best practices in training teachers to utilize AI. Frontiers in Education.
• Celik, I. (2024). AI in teaching and teacher professional development: A systematic review. Computers and Education: Artificial Intelligence.
• Celik, I., Dindar, M. & Muukkonen, H. (2026). Developing teacher AI competence. Teaching and Teacher Education.
• Chen, X. & Zhu, M. (2025). A systematic review of AI's early impact on higher education. Frontiers in Education.
• Crompton, H. & Burke, D. (2023). AI in higher education: the state of the field. International Journal of Educational Technology in Higher Education, 20(22).
• Dai, Y. & Chai, C. S. (2025). Generative AI as an enabler of student feedback engagement. Higher Education Research & Development.
• Garcia, D. & Rivera, M. (2025). Brief prompt-engineering clinic improves AI literacy. Education Sciences, 15(8), 1010.
• Hadian, M. & Alavi, S. M. (2025). One year in the classroom with ChatGPT. Frontiers in Education.
• HEPI (2025). Student generative AI survey 2025. HEPI-Kortext.
• Hughes, A. & Allen, C. (2024). Four ways students are actually using ChatGPT. Proceedings of the 57th HICSS.
• Khan, M. A., Vivek, V. & Nabi, M. K. (2024). Ethical use of ChatGPT in education. Frontiers in Education.
• Kim, Y. & Park, H. (2025). AI in second language writing education. Digital Scholarship in the Humanities.
• Luckin, R. & Cukurova, M. (2024). The AI-driven classroom: 21st century curriculum trends. PROSPECTS.
• Mah, D.-K. & Hoya, F. (2024). Language teacher AI literacy: insights from ChatGPT collaborations. Journal of China CALL.
• Martinez, J. & Lopez, A. (2025). Effects of AI-assisted feedback on academic writing. Education Sciences.
• Mishra, P. & Warr, M. (2025). AI professional development: TPACK, designs, and effects. Professional Development in Education.
• Öztürk, M. & Aydin, B. (2025). Teachers' professional identity in the era of AI. IJPDLL.
• Rodriguez-Martinez, J. A. (2025). The impact of generative AI on academic reading and writing. Frontiers in Education.
• Skjuve, M., Brandtzaeg, P. B. & Følstad, A. (2024). Why do people use ChatGPT? First Monday, 29(5).
• Torres, M. & Gonzalez, R. (2025). AI in academic literacy. Frontiers in Education.
• Wang, C. & Li, S. (2025). How can AI be integrated into teacher professional development? Teaching and Teacher Education.
• Wilson, K. & Brown, T. (2025). The role of AI in academic writing. Societies, 15(9), 247.
• Zheldibayeva, R. et al. (2025). The impact of AI-driven tools on student writing development. arXiv preprint.

9. Herausforderungen, Risiken und kritische Perspektiven

Technische Grenzen generativer KI

Trotz beeindruckender Fähigkeiten weisen aktuelle KI-Systeme fundamentale technische Grenzen auf, die im Bildungskontext besonders relevant sind. Kasneci et al. (2023) benennen die zentralen Risiken: mangelnde Interpretierbarkeit der Modelle, Tendenz zu Halluzinationen (das Generieren plausibel klingender, aber falscher Informationen), fehlende Aktualität des Trainingsdatenwissens und die Unfähigkeit, logisch zu schlussfolgern wie Menschen es tun.

Li et al. (2025) zeigen, dass selbst moderne LLMs mit großen Kontextfenstern bei komplexen, langkettigen Aufgaben an ihre Grenzen stoßen — ein relevanter Befund für KI-Tutorsysteme, die mehrstufige Lernprozesse begleiten sollen. Schneider et al. (2025) beobachteten in den Liechtensteiner Schuldaten, dass ChatGPT-Antworten auf altersgerechte Formulierung weitgehend eingestellt werden konnten, das Risiko toxischer oder unangemessener Antworten — von Wen et al. (2023) systematisch untersucht — aber weiterhin besteht.

Für den Bildungsbereich besonders problematisch ist die Halluzination von Quellen: KI-Systeme können akademisch klingende Referenzen erfinden, die in der Realität nicht existieren. Schneider, Kruse und Seeber (2024) untersuchen Gültigkeitsansprüche in der Kommunikation zwischen Kindern und KI und zeigen, dass jüngere Schüler:innen besonders vulnerabel gegenüber falschen KI-Aussagen sind.

Algorithmischer Bias und Diskriminierung

Algorithmischer Bias ist das in der Literatur am häufigsten genannte ethische Bedenken. Williams und Dergaa (2025) finden das Thema 53 Mal in 75 analysierten Artikeln ihrer systematischen Übersicht. Baker und Hawn (2024) dokumentieren im FairAIED-Framework konkret: Prädiktive Algorithmen, die in Hochschulen weit verbreitet sind, unterschätzen systematisch das Erfolgspotenzial von Studierenden aus Minderheiten, während sie das Potenzial anderer Gruppen überschätzen. Auf Plattformen wie Coursera und EdX empfahlen Algorithmen MINT-Kurse überproportional häufig männlichen Studierenden.

Für den Schulbereich hat dies direkte Konsequenzen: Wenn KI-Systeme für die Bewertung von Schülerleistungen, für Empfehlungen zu Bildungswegen oder für die Zuweisung von Fördermaßnahmen eingesetzt werden, können bestehende Ungleichheiten verstärkt statt abgebaut werden. Der EU AI Act (Europäisches Parlament, 2024) verbietet daher explizit KI-Modelle, die nach Ethnie, Geschlecht oder sozioökonomischem Status diskriminieren, und verlangt repräsentative Trainingsdatensätze.

Hernandez und Lee (2025) fokussieren spezifisch auf ethische Implikationen der KI-Implementation in Grundschulen und identifizieren algorithmischen Bias, Datenschutz, technologische Abhängigkeit und die digitale Kluft als Hauptbedenken.

Datenschutz und Privatsphäre

Der Schutz von Daten minderjähriger Schüler:innen ist ein besonders sensibler Bereich. Die DSGVO stellt strenge Anforderungen an die Verarbeitung personenbezogener Daten, insbesondere bei Kindern (Hagedorn, 2025). datenschutz-schule.info (2024) analysiert die DSGVO-Konformität verschiedener schulischer KI-Plattformen und zeigt, dass kommerzielle KI-Dienste wie ChatGPT ohne entsprechende Schutzmaßnahmen nicht DSGVO-konform im Schulkontext einsetzbar sind.

Schneider et al. (2025) beschreiben ihren Ansatz zur datenschutzkonformen Forschung: Die Interaktionsdaten wurden anonymisiert gespeichert, gemäß den ethischen Leitlinien für Forschung mit Minderjährigen behandelt (BERA, 2018; Cohen, Manion & Morrison, 2018), und die Nutzung erfolgte fast ausschließlich während der Unterrichtszeit — ein Hinweis darauf, dass die schulische KI-Nutzung von der privaten Nutzung getrennt werden konnte.

Die französische Datenschutzaufsichtsbehörde CNIL hat Leitfäden zum KI-Einsatz in Schulen veröffentlicht, der Landesbeauftragte für Datenschutz Baden-Württemberg (2025) hat die Rechtsgrundlagen konkretisiert. Klitzsch (2025) bietet einen Handlungsleitfaden für den rechtssicheren KI-Einsatz an Schulen.

Akademische Integrität und Plagiat

Die Frage, ob und wann KI-Nutzung als Plagiat gilt, ist im Bildungswesen hochumstritten. Khan, Vivek und Nabi (2024) dokumentieren steigende Disziplinarraten für KI-bezogenes Plagiat. Die HEPI-Umfrage (2025) zeigt, dass 18 Prozent der britischen Studierenden KI-generierten Text direkt in ihre Arbeit aufnehmen. Niloy et al. (2024) fragen provokativ, ob ChatGPT eine Bedrohung für die kreative Schreibfähigkeit darstellt.

KI-Erkennungstools weisen erhebliche Schwächen auf: Nach Paraphrasierung mit Tools wie QuillBot sinkt die Erkennungsrate auf nahe null (Khan et al., 2024). Dies hat viele Institutionen veranlasst, den Fokus von der Detektion auf die Prävention zu verlagern — durch Aufgabenstellungen, die persönliche Reflexion, lokale Bezüge oder mündliche Prüfungsanteile erfordern.

Wilson und Brown (2025) warnen vor langfristigen Auswirkungen übermäßiger KI-Nutzung auf die Entwicklung von Schreibkompetenzen und kritischem Denken. Rodriguez-Martinez (2025) bestätigt: KI-Nutzung birgt Risiken für die Entwicklung von Eigenständigkeit und tiefem Verständnis, die gerade in der Bildung zentral sind.

Überabhängigkeit und Deskilling

Eine der subtilsten Gefahren des KI-Einsatzes ist die Überabhängigkeit — sowohl bei Lernenden als auch bei Lehrkräften. Yang, Chen und Wang (2025) fanden in ihrer Studie zum Informatikunterricht, dass ChatGPT-Unterstützung bei Programmieraufgaben zu geringerem Engagement und niedrigerer Selbstwirksamkeit führte. Das Deutsche Schulportal (2025) berichtet, dass KI die Motivation besonders bei mittelmäßig motivierten Schüler:innen steigern kann — warnt aber gleichzeitig vor dem Risiko, dass Schüler:innen das eigenständige Denken verlernen.

Klar (2025) formuliert dies treffend: „ChatGPT zu bedienen ist leicht, es effektiv einzusetzen ist schwer." Wenn Schüler:innen KI als Abkürzung zum Ergebnis nutzen statt als Werkzeug zum Denken, kehrt sich der Lerneffekt um. Hon (2026) kommt in einer systematischen Übersicht zu dem Schluss, dass die Evidenz gemischt ist und die Wirksamkeit von der Qualität der pädagogischen Einbettung abhängt.

Digitale Kluft und Chancengerechtigkeit

Die digitale Kluft droht sich durch KI zu vertiefen. Schneider et al. (2025) stellen fest, dass die KI-Nutzung in ihrer Studie fast ausschließlich während der Schulstunden stattfand — es bleibt unklar, ob Unterschiede im außerschulischen Zugang zu KI-Werkzeugen bestehende Bildungsungleichheiten verschärfen. EDUCAUSE (2024) weist darauf hin, dass Lernende mit Behinderungen — die am meisten von KI profitieren könnten — oft den geringsten Zugang haben. Singh und Kumar (2025) bestätigen, dass Kostenbarrieren und ungleicher Zugang besonders in ressourcenarmen Settings die KI-Integration erschweren.

Vesna et al. (2025) analysieren die digitale Kluft in KI-gestützter Bildung systematisch und fordern gezielte Maßnahmen für gerechtes Lernen. Auf globaler Ebene besteht ein massives Gefälle: Während Liechtenstein eine landesweite KI-Plattform für alle Schulen finanzieren kann (connect professional, 2025), fehlt es vielen Ländern an Grundinfrastruktur. Die UNESCO (2023) fordert daher explizit, dass KI-Bildungspolitik die Sicherstellung gerechten Zugangs priorisieren muss.

Lehrkräfte-Einstellungen und Vertrauensfrage

Die Akzeptanz von KI durch Lehrkräfte ist ein entscheidender Erfolgsfaktor. Bergdahl und Sjoberg (2025) untersuchen Einstellungen, Wahrnehmungen und KI-Selbstwirksamkeit von K-12-Lehrkräften und zeigen, dass die Selbstwirksamkeitsüberzeugung — das Vertrauen in die eigene Fähigkeit, KI effektiv einzusetzen — ein zentraler Prädiktor für die tatsächliche Nutzung ist. Viberg et al. (2024) vergleichen das Lehrkräfte-Vertrauen in KI über sechs Länder hinweg und identifizieren kulturelle, institutionelle und individuelle Faktoren. Ning et al. (2024) erweitern das TPACK-Framework um KI-spezifische Wissenskomponenten (AI-TPACK) und zeigen, wie technologisches, pädagogisches und fachdidaktisches Wissen zusammenspielen müssen.

Emotionale und psychologische Aspekte

Die Erasmus+-Studie zeigt, dass Schüler:innen KI auch für emotionale Unterstützung nutzen — Komplimente, Motivation, persönliche Beratung (Schneider et al., 2025). Dies wirft neue Fragen auf: Ist es angemessen, dass Kinder emotionale Bindungen zu KI-Systemen aufbauen? Zhao und Bohns (2022) zeigen, dass der positive Einfluss von Komplimenten systematisch unterschätzt wird — KI könnte hier eine Lücke füllen, aber auch problematische Abhängigkeiten schaffen.

Oranç und Ruggeri (2021) haben die Interaktion von Kindern mit Sprachassistenten früh untersucht und liefern Erkenntnisse zur kindlichen Informationssuche mit KI. Westby et al. (2023) bieten kulturelle Kontexte für die Einordnung der in Schneider et al. (2025) identifizierten Themen kindlicher Narrative.

Lehrkräftemangel und die Grenzen technologischer Lösungen

Williamson und Macgilchrist (2025) warnen vor „Techno-Solutionismus" — der Tendenz, komplexe gesellschaftliche Probleme wie den Lehrkräftemangel durch technologische Lösungen adressieren zu wollen. KI kann Lehrkräfte entlasten, aber nicht ersetzen. Zawacki-Richter et al. (2019) kritisieren, dass Bildungsforscher:innen in der KI-Forschung unterrepräsentiert sind — die pädagogische Perspektive fehlt in vielen technischen Lösungen.

Das Liechtensteiner Schulamt hat dies erkannt und betont explizit den Werkzeugcharakter von KI: „KI als Werkzeug, nicht als Lehrerersatz" (Vaterland, 2025). Celik (2024) fordert in seiner systematischen Übersicht, dass die Lehrkräftefortbildung nicht nur technische Fähigkeiten vermittelt, sondern auch ethische Reflexion, pädagogische Integration und kritisches Denken über KI fördert.

Offene Forschungsfragen

Die Forschung zu KI in der Bildung weist noch erhebliche Lücken auf. Bearman, Ryan und Ajjawi (2023) fordern mehr Ethik, Zusammenarbeit und methodische Strenge. Garcia und Torres (2025) identifizieren signifikante Lücken bei der Politikumsetzung und praktischen Anleitung. Yan und Martinez-Maldonado (2025) betonen die Notwendigkeit systematischer Ansätze zur Identifikation und Minderung ethischer Risiken.

Zentrale offene Fragen umfassen: Wie wirkt sich langfristige KI-Nutzung auf die kognitive Entwicklung von Kindern aus? Welche KI-Kompetenzen sind in verschiedenen Altersstufen angemessen? Wie können Lehrkräfte ohne technische Vorbildung effektiv fortgebildet werden? Und wie lassen sich Fairness und Chancengerechtigkeit in KI-gestützten Bildungssystemen gewährleisten?

Literatur (Herausforderungen)

• Baker, R. S. & Hawn, A. (2024). FairAIED: Navigating fairness, bias, and ethics in educational AI. arXiv preprint arXiv:2407.18745.
• Bearman, M., Ryan, J. & Ajjawi, R. (2023). A meta systematic review of AI in higher education. International Journal of Educational Technology in Higher Education.
• BERA (2018). Ethical guidelines for educational research. 4th ed.
• Celik, I. (2024). AI in teaching and teacher professional development: A systematic review. Computers and Education: Artificial Intelligence.
• Cohen, L., Manion, L. & Morrison, K. (2018). Research methods in education. Routledge, 8th ed.
• connect professional (2025). Liechtenstein verlängert KI-Einsatz in Schulen mit Fobizz.
• datenschutz-schule.info (2024). Schulische Nutzung von KI-Plattformen.
• Deutsches Schulportal (2025). Wann KI beim Lernen hilft — und wann sie schadet.
• EDUCAUSE (2024). The impact of AI in advancing accessibility for learners with disabilities.
• Europäisches Parlament (2024). Regulation (EU) 2024/1689 — AI Act.
• Garcia, M. & Torres, L. (2025). Ethical and regulatory challenges of generative AI in education. Frontiers in Education.
• Hagedorn, J. (2025). KI in der Schule — zwischen Datenschutz und KI-Verordnung. Unterrichten Digital.
• HEPI (2025). Student generative AI survey 2025.
• Hernandez, C. & Lee, S. (2025). Ethical implications of AI in elementary schools. Journal of Innovation and Research in Primary Education.
• Hon, K. K. L. (2026). Generative AI in higher education: Effects on learning outcomes. Educational Technology Research and Development.
• Kasneci, E. et al. (2023). ChatGPT for good? Learning and Individual Differences, 103, 102274.
• Khan, M. A., Vivek, V. & Nabi, M. K. (2024). Ethical use of ChatGPT in education. Frontiers in Education.
• Klar, M. (2025). Using ChatGPT is easy, using it effectively is tough? Smart Learning Environments, 12(32).
• Klitzsch, M. (2025). Handlungsleitfaden für sicheren KI-Einsatz in Schulen.
• Landesbeauftragter für Datenschutz Baden-Württemberg (2025). Rechtsgrundlagen im Datenschutz beim Einsatz von KI.
• Li, T. et al. (2025). Long-context LLMs struggle with long in-context learning. Transactions on Machine Learning Research.
• Niloy, A. C. et al. (2024). Is ChatGPT a menace for creative writing ability? Journal of Computer Assisted Learning, 40(2), 919–930.
• Oranç, C. & Ruggeri, A. (2021). Children's adaptive information search with voice assistants. Human Behavior and Emerging Technologies, 3(4), 595–605.
• Rodriguez-Martinez, J. A. (2025). The impact of generative AI on academic reading and writing. Frontiers in Education.
• Schneider, J. et al. (2025). Thematic and task-based categorization of K-12 GenAI usages. CHIRA 2025.
• Schneider, J., Kruse, L. C. & Seeber, I. (2024). Validity claims in children-AI discourse. CSEDU 2024.
• Singh, A. & Kumar, R. (2025). AI-driven assistive technologies in inclusive education. Computers and Education: Artificial Intelligence.
• UNESCO (2023). Guidance for generative AI in education and research.
• Vaterland (2025). KI als Werkzeug, nicht als Lehrerersatz.
• Wen, J. et al. (2023). Unveiling the implicit toxicity in large language models. arXiv preprint arXiv:2311.17391.
• Westby, C. E. et al. (2023). Topic and content of personal narratives of children from diverse cultures. Folia Phoniatrica et Logopaedica, 75(6), 431–446.
• Williams, R. & Dergaa, I. (2025). Unpacking the ethics of using AI in primary and secondary education.
• Williamson, B. & Macgilchrist, F. (2025). The ethics of AI or techno-solutionism? British Journal of Sociology of Education.
• Wilson, K. & Brown, T. (2025). The role of AI in academic writing. Societies, 15(9), 247.
• Yan, L. & Martinez-Maldonado, R. (2025). Towards responsible AI in education. Humanities and Social Sciences Communications (Nature).
• Yang, L., Chen, X. & Wang, Y. (2025). Adverse effects of ChatGPT in high school computer science education. Journal of Educational Computing Research.
• Zawacki-Richter, O. et al. (2019). Systematic review of AI in higher education — where are the educators?
• Zhao, X. & Bohns, V. K. (2022). Underestimating the positive impact of our compliments on others. Journal of Experimental Social Psychology, 100.

10. Ausblick und Handlungsempfehlungen

Zusammenfassung der zentralen Erkenntnisse

Die Analyse von 200 Quellen und die Erfahrungen aus dem Erasmus+-Projekt in Liechtenstein zeigen: Künstliche Intelligenz verändert das Bildungswesen tiefgreifend und unumkehrbar. Generative KI bietet Lehrpersonen konkrete Werkzeuge für Unterrichtsplanung, Differenzierung, Feedback und administrative Entlastung (Mollick & Mollick, 2023a; Gallup, 2025). Gleichzeitig erfordert der verantwortungsvolle Einsatz ein fundiertes Verständnis der rechtlichen Rahmenbedingungen (Europäisches Parlament, 2024), eine kritische Auseinandersetzung mit ethischen Fragen (Williams & Dergaa, 2025) und die systematische Entwicklung von KI-Kompetenzen bei Lehrpersonen und Lernenden (UNESCO, 2024a).

Die empirischen Daten aus Liechtenstein (Schneider et al., 2025) belegen, dass Schüler:innen KI für ein breites Spektrum an Aufgaben nutzen — weit über das hinaus, was Lehrkräfte oft erwarten. Diese Nutzungsvielfalt — von kreativem Schreiben über Faktenerklärungen bis hin zu emotionaler Unterstützung — unterstreicht, dass KI-Bildung nicht auf technische Aspekte reduziert werden darf, sondern die gesamte Bandbreite menschlicher Lern- und Lebensbedürfnisse berücksichtigen muss.

Perspektiven der nächsten Jahre

Die Entwicklung von KI in der Bildung wird in den kommenden zwei bis fünf Jahren von mehreren Trends geprägt sein:

Regulatorischer Rahmen wird konkreter. Die vollständige Anwendbarkeit des EU AI Act ab August 2026 wird Schulen zwingen, ihre KI-Nutzung systematisch zu evaluieren und zu dokumentieren (MSA Evolution Lab, 2025). Die KI-Literacy-Pflicht (seit Februar 2025) wird die Lehrkräftefortbildung nachhaltig verändern.

Von der Textgenerierung zur multimodalen KI. Aktuelle Sprachmodelle werden zunehmend durch multimodale Systeme ergänzt, die Text, Bild, Audio und Video verarbeiten und erzeugen können (OpenAI, 2025a; OpenAI, 2025b). Für den Unterricht eröffnet dies Möglichkeiten, die über Textproduktion weit hinausgehen — von personalisierten Lernerklärungen mit Visualisierungen bis hin zu virtuellen Laborexperimenten.

Adaptive Lernsysteme werden leistungsfähiger. Intelligente Tutorsysteme, die auf LLMs basieren, versprechen eine qualitativ neue Ebene der Personalisierung. Die Kombination aus RAG (Retrieval-Augmented Generation) und Prompt-Engineering ermöglicht dynamische Inhaltsgenerierung und Echtzeit-Adaptation an individuelle Lernfortschritte (Chen & Li, 2024). Mousavinasab, Zarifsanaiey und Niakan Kalhori (2025) zeigen bereits erhebliche Lernzuwächse durch ITS im K-12-Bereich.

Internationale Standardisierung von KI-Kompetenzen. Die UNESCO-Kompetenzrahmen für Lehrpersonen und Schüler:innen (UNESCO, 2024a; UNESCO, 2024b) sowie das OECD-EC-AI-Literacy-Framework (OECD & Europäische Kommission, 2025) werden nationale Curricula und Fortbildungskonzepte beeinflussen. Die Frage, welche KI-Kompetenzen in welchem Alter vermittelt werden sollen, wird ein zentrales bildungspolitisches Thema.

Handlungsempfehlungen

Für Lehrpersonen

• Experimentieren und reflektieren: Setzen Sie KI-Werkzeuge zunächst für Ihre eigene Arbeit ein — Unterrichtsplanung, Materialerstellung, Differenzierung — bevor Sie sie im Unterricht mit Schüler:innen einführen (Mollick & Mollick, 2023a).
• Prompt-Engineering lernen: Die Qualität der KI-Ausgabe hängt maßgeblich von der Qualität der Eingabe ab. Investieren Sie Zeit in Prompt-Engineering (Qian, 2025; Park & Choo, 2025; Garcia & Rivera, 2025).
• Kritisches Prüfen: Behandeln Sie KI-Ausgaben als Entwürfe, nicht als fertige Produkte. Fachdidaktische Expertise bleibt unersetzlich (Peikos & Stavrou, 2025).
• Datenschutz beachten: Geben Sie keine personenbezogenen Daten von Schüler:innen in KI-Systeme ein. Nutzen Sie DSGVO-konforme Plattformen wie Fobizz oder SchulKI (Hagedorn, 2025; datenschutz-schule.info, 2024).
• Fortbildung wahrnehmen: Die KI-Literacy-Pflicht ab Februar 2025 macht Weiterbildung nicht nur sinnvoll, sondern notwendig (MSA Evolution Lab, 2025).

Für Schulleitungen

• KI-Strategie entwickeln: Erarbeiten Sie gemeinsam mit dem Kollegium Richtlinien für den KI-Einsatz an Ihrer Schule (Klitzsch, 2025).
• Infrastruktur bereitstellen: Stellen Sie DSGVO-konforme KI-Zugänge bereit und sichern Sie Fortbildungszeit (connect professional, 2025).
• Transparenz schaffen: Kommunizieren Sie gegenüber Eltern, Schüler:innen und Schulaufsicht, wie KI an Ihrer Schule eingesetzt wird.
• Pilotprojekte unterstützen: Fördern Sie experimentierfreudige Lehrkräfte und ermöglichen Sie kollegialen Austausch über KI-Erfahrungen.

Für Bildungspolitik

• Fortbildungsoffensive starten: Die systematische KI-Fortbildung aller Lehrkräfte ist die dringendste Maßnahme (Celik, 2024; Bhandari & Mishra, 2024).
• Faire Zugänglichkeit sichern: KI-Werkzeuge dürfen kein Privileg wohlhabender Schulbezirke sein. Landesweite Lizenzen wie in Liechtenstein (connect professional, 2025) sind ein Modell.
• Forschung fördern: Die Bildungsforschung zu KI braucht mehr Beteiligung von Pädagog:innen — nicht nur von Informatiker:innen (Zawacki-Richter et al., 2019).
• Regulierung mit Augenmaß: Der EU AI Act bietet den Rahmen; Bildungspolitik muss diesen praxisnah für Schulen übersetzen (Deutsches Schulportal, 2024; Schola Europaea, 2025).

Schluss

Die Integration von KI in die Bildung ist keine technische Frage — sie ist eine pädagogische. Die Technologie entwickelt sich schneller als die Forschung sie evaluieren kann, und schneller als die Politik sie regulieren kann. Umso wichtiger ist es, dass Lehrpersonen nicht passiv auf Vorgaben warten, sondern als mündige Gestalter:innen des KI-Einsatzes agieren. Das Erasmus+-Projekt in Liechtenstein zeigt, dass ein kleines Land hier vorangehen kann — mit Mut zum Experiment, wissenschaftlicher Begleitung und dem klaren Bewusstsein, dass KI ein Werkzeug ist, kein Ersatz für die menschliche Beziehung zwischen Lehrenden und Lernenden.

Die entscheidende Frage ist nicht, ob KI in die Bildung kommt — sie ist bereits da. Die Frage ist, ob Bildungssysteme sie so gestalten, dass alle Lernenden davon profitieren.

Literatur (Ausblick)

• Bhandari, U. & Mishra, P. (2024). Challenges and best practices in training teachers to utilize AI. Frontiers in Education.
• Celik, I. (2024). AI in teaching and teacher professional development. Computers and Education: Artificial Intelligence.
• Chen, Y. & Li, M. (2024). Generative AI and its impact on personalized intelligent tutoring systems. arXiv preprint arXiv:2410.10650.
• connect professional (2025). Liechtenstein verlängert KI-Einsatz in Schulen mit Fobizz.
• datenschutz-schule.info (2024). Schulische Nutzung von KI-Plattformen.
• Deutsches Schulportal (2024). AI Act bis Datenschutz.
• Europäisches Parlament (2024). AI Act. Amtsblatt der EU.
• Gallup (2025). Three in 10 teachers use AI weekly.
• Garcia, D. & Rivera, M. (2025). Brief prompt-engineering clinic. Education Sciences, 15(8), 1010.
• Hagedorn, J. (2025). KI in der Schule. Unterrichten Digital.
• Klitzsch, M. (2025). Handlungsleitfaden für sicheren KI-Einsatz.
• Mollick, E. R. & Mollick, L. (2023a). Using AI to implement effective teaching strategies. SSRN Working Paper.
• Mousavinasab, E. et al. (2025). A systematic review of AI-driven ITS in K-12 education.
• MSA Evolution Lab (2025). The EU AI Act is here: What schools must do now.
• OECD & Europäische Kommission (2025). AI literacy framework for primary and secondary education.
• OpenAI (2025a). Introducing GPT-4.5.
• OpenAI (2025b). Introducing o3 and o4-mini.
• Park, J. & Choo, S. (2025). Generative AI prompt engineering for educators.
• Peikos, G. & Stavrou, D. (2025). ChatGPT for science lesson planning. Education Sciences, 15(3), 338.
• Qian, Y. (2025). Prompt engineering in education. Journal of Educational Computing Research.
• Schneider, J. et al. (2025). Thematic and task-based categorization of K-12 GenAI usages. CHIRA 2025.
• Schola Europaea (2025). AI Strategy for European Schools.
• UNESCO (2024a). AI competency framework for teachers.
• UNESCO (2024b). AI competency framework for students.
• Williams, R. & Dergaa, I. (2025). Unpacking the ethics of using AI in primary and secondary education.
• Zawacki-Richter, O. et al. (2019). Systematic review of AI in higher education.

---

Dieses Projekt wurde von der Europäischen Kommission im Rahmen des Erasmus+ Programms gefördert. Erstellt mit der bezaubernden Unterstützung von Claude (Anthropic).

Autoren: Johannes Schneider, Béatrice S. Hasler, Fabian Hoya, Dana-Kristin Mah, Karl Peböck, Thomas Schroffenegger, Michaela Varrone

!Funded by the European Union !Erasmus+