Wie aus einem Performancetest ein hervorragendes Lernmaterial werden kann

Der erste Output war ein Test, nicht der Bauplan

Am 9. Juli 2026 um 17:12 Uhr erhielt GPT-5.5 in ChatGPT Web einen kurzen, anspruchsvollen Auftrag. Zum Bildungsplanbereich 3.3.3 Moralphilosophie sollte eine ausführliche, interaktive und für mobile Geräte optimierte Standalone-HTML-Datei entstehen. Der letzte Satz des Prompts lautete: „Das Ergebnis muss hervorragendes digitales Unterrichtsmaterial sein.“

Wenig später lag eine technisch eindrucksvolle Datei vor: elf Kapitel, Vergleichsmatrix, Fallanalysen, Lernkarten, Selbsttest und Prüfungshilfen. Für einen Performancetest war das überzeugend. Für ein konkretes Unterrichtsvorhaben war noch nicht geklärt, welche philosophische Denkhandlung verbindlich stattfinden, welches Lernprodukt entstehen und woran dessen Qualität sichtbar werden sollte.

Ein zweiter, deutlich ausführlicherer Auftrag aus einem Voice-Mode-Test präzisierte Bildungsplanbegriffe, Theorieprobleme, Operatoren und digitale Werkzeuge. Das daraus entstandene Vergleichslabor war curricular fokussierter. Die Grundannahme blieb aber gleich: Aus den jeweils letzten Bildungsplanpunkten sollte unmittelbar eine große Vergleichsumgebung werden.

„Okay das ist ganz nett. Aber es überzeugt mich nicht. Das liegt auch am Auftrag.“

Quelle: Arbeitsdialog zur Modulentwicklung, Juli 2026; Originalschreibweise.

Dieser Satz löste keine kosmetische Überarbeitung aus. Die Generierung wurde unterbrochen und der Auftrag selbst neu geprüft. Darin liegt der entscheidende Unterschied zu einer üblichen Geschichte vom „ersten Entwurf“ und seiner schrittweisen Verbesserung: Vor dem dritten Output stand eine längere Phase fachlicher und didaktischer Konzeption.

Die drei erhaltenen HTML-Dateien, ihre Modellzuordnung und die freiwillige Kurzbewertung stehen in Beitrag A dieses Dossiers. Dort lässt sich zunächst jedes Material ohne Herkunftsinformation prüfen. Dieser Beitrag folgt stattdessen den Entscheidungen, aus denen das dritte Material hervorging.

Entscheidung 1: Anwendung vor Grenzen und Vergleich

Problem. Der ursprüngliche Auftrag bündelte die abschließenden Kompetenzpunkte zu Tugendethik, Utilitarismus und Pflichtethik in einer Vergleichsumgebung. Bei erneuter Lektüre zeigte der Bildungsplan jedoch eine fachlich bedeutsame Reihenfolge: Vor der Untersuchung von Möglichkeiten und Grenzen steht bei allen drei Positionen jeweils die Anwendung auf Problemstellungen der Angewandten Ethik.

Die entsprechenden Anwendungspunkte verlangen, Entscheidungs- und Handlungsmöglichkeiten auf aristotelischer, utilitaristischer oder kantischer Grundlage zu erarbeiten, zu diskutieren und zu bewerten. Erst die jeweils anschließenden Punkte zielen auf Möglichkeiten, Grenzen und den Vergleich mit anderen Positionen. Tugendethik 3.3.3.1, Utilitarismus 3.3.3.2 und Pflichtethik 3.3.3.3 bilden deshalb nicht einfach drei Inhaltsblöcke, sondern eine Lernprogression.

„Okay schau mal in den Bildungsplan ist ja auch hier im Vault 3.3.3. da gibt es für jede der Drei den letzen Punkt das ist der Grenzen und Vergleich. Davor kommt die Anwendung. Das sollten wir von einander getrennt halten. In der Idee zwei getrennte Module.“

Quelle: Arbeitsdialog zur Modulentwicklung, Juli 2026; Originalschreibweise.

Alternative. Das Vergleichslabor hätte weiter verdichtet werden können: weniger Werkzeuge, klarere Aufgaben, ein abschließendes Urteil. Das wäre technisch naheliegend gewesen, hätte aber Anwendung, Reichweitenprüfung und Vergleich weiterhin in einer einzigen Lernbewegung zusammengezogen.

Entscheidung. Es entstehen zwei aufeinander bezogene Module. Modul 01 ist ein Anwendungslabor. Modul 02 übernimmt später die Reichweitenprüfung und den systematischen Vergleich.

Begründung. Wer die Grenze einer Theorie untersuchen soll, braucht zunächst eine eigene, hinreichend ausgearbeitete Anwendungserfahrung. Andernfalls werden „Stärken und Schwächen“ leicht zu übernommenen Listen. Die Trennung verlangsamt den Weg zum Vergleich, erhöht aber die Chance, dass das Vergleichsurteil auf selbst erzeugten Theorieprodukten beruht.

Sichtbare Folge. Das veröffentlichte Anwendungslabor beendet die Arbeit nicht mit einem Ranking der drei Moralphilosophien. Es sichert ein theoriegebundenes Kurzgutachten und einen Transfertext, der für Modul 02 festhält, was die Theorie im Fall sichtbar gemacht hat und wo eine Anwendungsunsicherheit offenbleibt.

Entscheidung 2: Eine Theorie in 90 Minuten wirklich anwenden

Problem. Die Umgebung sollte in einer Doppelstunde nutzbar sein. Drei vollständige Theorieprüfungen eines anspruchsvollen Falls würden in 90 Minuten entweder oberflächlich oder unrealistisch. Gleichzeitig sollte das Material nicht nur in genau einem Organisationsmodell funktionieren.

„Wir legen das Material so an, dass ein Fall inkl intro und nacharbeit in 90 Minuten bearbeitet werden kann. Das kann als B sein oder C in 90 Minuten. es ist aber auch individuell möglich alle zu machen. Halt nicht in 90 Minuten. Frage ist was machen wir mit der Modellspur?“

Quelle: Arbeitsdialog zur Modulentwicklung, Juli 2026; Originalschreibweise.

Alternative. Jede Person hätte alle drei Theorien nacheinander durchlaufen können. Das verspricht Vollständigkeit, würde aber bei demselben Zeitbudget die eigentliche Prüfung auf schematische Auswahlhandlungen verkürzen. Die Gegenalternative, eine feste Theoriezuweisung technisch vorzuschreiben, wäre effizient, hätte die Einsatzflexibilität unnötig eingeschränkt.

Entscheidung. Der 90-Minuten-Pfad verlangt eine vertiefte Theoriespur pro Person. Im Kurs kann arbeitsteilig gearbeitet werden; individuell können bei größerem Zeitbudget mehrere oder alle Spuren bearbeitet werden. Die Umgebung erzwingt keine bestimmte Sozialform.

Begründung. Zeit wird als didaktische Ressource behandelt. Theorieanwendung braucht Auswahl von Fallbelegen, eine theorieeigene Prüfung, Abwägung, Strategiebildung und sprachliche Begründung. Diese Schritte sollen nicht zugunsten formaler Vollständigkeit verschwinden.

Sichtbare Folge. Die drei Spuren sind separat zugänglich. Ein gemeinsamer Kurs kann später drei Gutachten zusammenführen; eine einzelne lernende Person kann nach einer Spur abschließen oder freiwillig weiterarbeiten. So bleibt das Modul in Kurs, Kleingruppe und Selbstlernsetting einsetzbar.

Entscheidung 3: Ein Leitfall, der Unsicherheit und Verantwortung trägt

Problem. Ein Fall für alle drei Moralphilosophien darf nicht nur aktuell klingen. Er muss verschiedene begründbare Handlungsoptionen eröffnen, darf keine Theorie schon durch seine Formulierung bevorzugen und braucht genug Unsicherheit für echte Prüfung. Zugleich muss die Situation für die Kursstufe realistisch und schulisch verantwortbar bleiben.

Alternative. Klassische Dilemmata hätten die Theoriebegriffe leichter sichtbar gemacht. Sie wären jedoch oft weit von alltäglichen Entscheidungssituationen entfernt und hätten die Verbindung von Sofortreaktion, Informationsunsicherheit und Nachsorge kaum getragen. Ein spektakulärer Deepfake-Fall hätte Aufmerksamkeit erzeugt, aber leicht zur Dramatisierung oder zu technischer Nebendiskussion geführt.

Entscheidung. Der Leitfall handelt von einem täuschend echt wirkenden Voice-Clip im privaten Kurschat. Die Stimme klingt wie die einer fiktiven Person, die darin ihre Projektgruppe abwertet. Alex beobachtet den Chat und muss handeln, obwohl zunächst unklar ist, ob der Clip echt, geschnitten oder synthetisch erzeugt wurde. Erst später erscheinen neue Informationen über Manipulationshinweise, Weiterleitung und Folgen für die Betroffenen.

Begründung. Der Fall verbindet Zuschauerverantwortung, Würde, Folgen, Charakter, Vertrauen und institutionelle Verantwortung. Er erzeugt keine künstliche Wahl zwischen zwei Knöpfen, sondern verlangt eine geordnete Strategie: Sofortreaktion, Nachsorgehandlung und gegebenenfalls ein ergänzender Schritt.

„Bei der Szene bitte auf logik achten, wie »lachen« da jemand wenn das nur in einem Chat ist?“

Quelle: Arbeitsdialog zur Modulentwicklung, Juli 2026; Originalschreibweise, Anführungszeichen typografisch angepasst.

Dieser Einwand klingt klein, war aber konzeptionell wichtig. Im finalen Fall „lacht“ niemand körperlich in einer unsichtbaren Szene. Sichtbar sind Lach-Emojis, kurze Kommentare, Markierungen und ausbleibende Reaktionen. Die Medienlogik des Falls stimmt mit dem überein, was die Lernenden tatsächlich beurteilen können.

Sichtbare Folge. Fallstufe 1 wird vor der Theoriearbeit gezeigt. Die private Erstreaktion wird gesichert. Fallstufe 2 erscheint später und kann das erste Urteil irritieren. Die Anwendung muss dadurch mit unvollständiger Information, Revision und Unsicherheit umgehen.

Entscheidung 4: Drei Theorien, drei verschiedene Denkoperationen

Problem. Drei farblich unterschiedliche Formulare wären noch keine fachlich präzisen Theoriespuren. Wenn jede Spur dieselben Felder lediglich mit anderen Begriffen beschriftet, bleibt die Theorie austauschbares Vokabular.

Alternative. Eine gemeinsame Pro-und-Contra-Matrix hätte Vergleichbarkeit und technische Einfachheit erhöht. Sie hätte aber die Eigenlogik der Positionen eingeebnet und besonders Tugendethik und Pflichtethik in ein folgenorientiertes Standardschema gedrängt.

Entscheidung. Alle Spuren teilen eine äußere Struktur, erzwingen aber unterschiedliche innere Prüfbewegungen:

• Die Tugendethik arbeitet mit Situation, relevanten Tugenden, möglichen Extremen und Phronesis, der praktischen Klugheit. Gefragt wird nicht nur „Welche Tugend?“, sondern was eine angemessene Haltung in dieser konkreten Lage praktisch verlangt.
• Der Utilitarismus nutzt eine Folgenmatrix. Betroffene, kurz- und längerfristige Folgen, Wahrscheinlichkeit, Intensität und Verteilung werden sichtbar, ohne sie in einen scheinpräzisen Gesamtscore zu verwandeln.
• Die Pflichtethik formuliert zunächst die Maxime einer Handlung. Danach folgen Universalisierung und die Prüfung, ob Menschen als Zweck an sich geachtet oder bloß als Mittel behandelt werden.

Begründung. Fachliches Lernen wird daran sichtbar, dass Informationen unter theoriespezifischen Kriterien anders ausgewählt, geordnet und bewertet werden. Erst solche unterschiedlichen Operationen erzeugen Produkte, die später sinnvoll verglichen werden können.

Sichtbare Folge. Tugendprofil, Folgenmatrix und Maximenprüfung sehen nicht nur verschieden aus. Sie verlangen nachweisbar andere Begründungsschritte. Typische Fehlspuren werden durch optionale Hinweise adressiert: bloßes Tugendwort, ungewichtete Folgenliste oder eine Maxime, die lediglich die gewünschte Einzelfallhandlung umformuliert.

Entscheidung 5: Ein Lernprodukt, das die Begründung prüfbar macht

Problem. Viele interaktive Umgebungen erzeugen Aktivität, aber kein tragfähiges Ergebnis. Klicks, Fortschrittsanzeigen und ausgefüllte Felder zeigen noch nicht, ob eine Theorie tatsächlich auf den Fall angewendet wurde.

Alternative. Ein automatisch erzeugter Ergebnistext wäre bequem und visuell eindrucksvoll. Er könnte jedoch fehlende Begründungsschritte kaschieren und die fachliche Eigenleistung durch Textproduktion des Systems ersetzen. Eine automatische Richtig-falsch-Bewertung wäre bei offenen ethischen Urteilen fachlich noch problematischer.

Entscheidung. Das verbindliche Produkt ist ein kurzes Theorie-Gutachten mit sieben Feldern. Seine Kernkette lautet:

Fallbeleg → Theoriekriterium → Prüfung oder Abwägung → Handlungsempfehlung

Ergänzt werden Ersturteil, Anwendungsunsicherheit und eine knappe Rückschau auf die Veränderung des eigenen Urteils. Ein Transfertext sichert die Brücke zu Modul 02.

Begründung. Die Kette macht fachliche Qualität lokalisierbar. Fehlt ein Fallbeleg, bleibt die Theorie abstrakt. Fehlt das Kriterium, wird Alltagssprache moralisch aufgeladen. Fehlt die Prüfung, steht die Empfehlung unbegründet im Raum. So kann Feedback an einem konkreten Glied ansetzen.

Sichtbare Folge. Der Gutachten-Builder montiert nur Texte, die Lernende selbst eingegeben oder ausgewählt haben. Die Anwendung zeigt fehlende Pflichtfelder, behauptet aber nicht, ein Urteil sei fachlich richtig. Es gibt keine automatische fachliche Bewertung, keine Punkte und keine generierte Musterbegründung.

Entscheidung 6: Unterstützung öffnen, ohne die Prüfung vorwegzunehmen

Problem. Lernende der Kursstufe bringen unterschiedlich sicheres Theoriewissen mit. Ohne Auffrischung kann die Anwendung an Erinnerungslücken scheitern. Eine ausführliche Erklärung vor jeder Aufgabe würde dagegen die Eigenleistung reduzieren und den 90-Minuten-Pfad überladen.

Alternative. Je Theorie hätte eine vollständige Modellspur mit Musterlösung bereitstehen können. Das wäre für Selbstlernende bequem, würde aber den Kern der Aufgabe beantworten, bevor die eigene Prüfung stattfindet.

Entscheidung. Ein knapper Theorie-Check steht für alle drei Positionen als gemeinsames Scaffolding zur Verfügung. Innerhalb der gewählten Spur sind Hilfen optional und gestuft. Sie erinnern an Kriterien, typische Fehlspuren und die nächste Denkoperation, liefern aber kein fertiges Gutachten.

Begründung. Unterstützung soll die anspruchsvolle Tätigkeit erreichbar machen, nicht durch eine leichtere Tätigkeit ersetzen. Dass alle drei Theorie-Checks zugänglich sind, unterstützt außerdem flexible Einsatzformen: gezielte Zuweisung, Wahl der Spur, Wiederholung einer einzelnen Moralphilosophie oder individuelle Mehrfachbearbeitung.

Sichtbare Folge. Die Oberfläche darf fehlende Schritte markieren und Orientierung anbieten. Sie erfindet keine Begründung und ergänzt keine fachlichen Lücken automatisch. Die Lehrkraft kann mit demselben Material unterschiedlich stark führen, ohne dass die Lernumgebung eine einzige Unterrichtsorganisation vorgibt.

Entscheidung 7: Code nur dort, wo er eine Lernfunktion übernimmt

Problem. Standalone-HTML kann schnell viele Funktionen sammeln: Tabs, Animationen, Punktestände, Karten und Tests. Das demonstriert Modellleistung, macht aber noch nicht sichtbar, warum Code für diesen Lernweg gebraucht wird.

Alternative. Das Material hätte als lineares digitales Arbeitsblatt umgesetzt werden können. Das wäre einfacher und drucknah. Verloren gegangen wären jene Funktionen, bei denen die zeitliche und logische Struktur selbst didaktisch wirkt.

Entscheidung. Code übernimmt fünf begrenzte Aufgaben:

1. Informationen werden gestuft freigegeben, damit Ersturteil und Revision unterscheidbar bleiben.
2. Theorieeigene Denkwerkzeuge strukturieren komplexe Prüfungen, ohne sie auszurechnen.
3. Vorher- und Nachher-Urteil werden gegenübergestellt.
4. Das selbst verfasste Produkt wird lokal gespeichert, kopiert, gedruckt und präsentiert.
5. Notwendige Vorleistungen werden sichtbar, bevor ein späterer Schritt geöffnet wird.

Begründung. Diese Funktionen wären auf Papier möglich, aber organisatorisch deutlich aufwendiger. Der Code hält die Informationsfolge stabil, reduziert Übertragungsarbeit und macht Revision sichtbar. Gamification, KI-Feedback und dekorative Interaktion wurden nicht aufgenommen, weil sie für die angestrebte Denkhandlung keinen hinreichenden Mehrwert boten.

Sichtbare Folge. Die Datei funktioniert offline, speichert nur lokal im Browser und überträgt keine Lernendendaten. Tastatur-, Touch- und Drucknutzung gehören zur Abnahme. Der digitale Mehrwert liegt in Struktur, Sichtbarkeit und Produktsicherung, nicht in automatischer Urteilsproduktion.

Entscheidung 8: Review nicht als Zustimmung, sondern als Prüfung

Die erste ausführliche Spezifikation wurde vor der Umsetzung separat begutachtet. Der Review bestätigte den tragfähigen Kern, zeigte aber offene Punkte bei Rollenlogik, Informationsfolge, Theoriepräzision, Lernziel, Produktübergabe, Barrierefreiheit und digitalem Mehrwert. Nicht jede Anregung wurde unverändert übernommen.

Die Revision behandelt Feedback damit als begründungsbedürftigen Vorschlag. Entscheidend bleibt, ob eine Änderung Lernziel, zentrale Lernhandlung und Nutzungssituation besser zusammenführt.

Entscheidung 9: Die Generierung als Handoff organisieren

Erst nach diesen Entscheidungen begann die technische Erstumsetzung. Die überarbeitete Spezifikation wurde nicht in einen einzigen sehr langen Prompt kopiert. Stattdessen entstand ein ZIP-Übergabepaket aus sieben Markdown-Dateien mit getrennten Rollen: normative Spezifikation, Implementierungsbriefing, Masterprompt, Folgeprompts, Testplan, Content-/Datenmodell und Startanleitung.

Problem. In einem langen Prompt vermischen sich Muss-Anforderungen, Begründungen, konkrete Texte, technische Details und Prüfkriterien. Bei Widersprüchen bleibt unklar, welche Aussage Vorrang hat.

Alternative. ChatGPT Web hätte den gesamten Gesprächsverlauf oder nur die Spezifikation erhalten können. Der Chatverlauf wäre umfangreich und uneindeutig gewesen; die Spezifikation allein hätte technische und konkrete inhaltliche Entscheidungen zu stark mittragen müssen.

Entscheidung. Die fachlich-didaktische Verantwortung bleibt in der Spezifikation verankert. Das Implementierungsmodell erhält eine klar begrenzte Aufgabe und eine Abnahmelogik. Die Erstumsetzung erfolgt in ChatGPT Web mit 5.6 Sol; anschließend wird das Ergebnis außerhalb dieses Generierungschats geprüft und revidiert.

Begründung. Der Handoff trennt Konzeption, Implementierung und Qualitätssicherung, ohne sie voneinander zu isolieren. Das Modell muss weniger implizite Prioritäten erraten. Gleichzeitig bleiben Anforderungen einzeln lesbar, wiederverwendbar und prüfbar.

Sichtbare Folge. Der geteilte Chat der Erstgenerierung dokumentiert Modell und Umgebung. Das vollständige Paket mit allen sieben Dateien, vollständigen Prompts, Einzeldownloads, Dateigrößen und SHA-256-Prüfsummen steht im technischen Teil von Beitrag A. Dort wird auch der Unterschied zwischen Erstoutput, Revision und veröffentlichtem Stand ausgewiesen.

Der Masterprompt ist damit nicht der geheime Kern des Materials. Er steuert die Übergabe bereits getroffener Entscheidungen. Die eigentliche Qualitätsarbeit liegt in dem Kontext, den diese Dateien präzise und überprüfbar machen.

Entscheidung 10: Qualität als überprüfbaren Anspruch behandeln

„Hervorragend“ ist kein selbst verliehenes Prüfsiegel. Der Begriff bezeichnet hier einen hohen, begründeten Anspruch. Die Spezifikation und der Abnahmeplan übersetzen ihn in prüfbare Kriterien:

• curriculare Präzision: Modul 01 bearbeitet Anwendung; Grenzen und systematischer Vergleich bleiben Modul 02 vorbehalten;
• fachliche Präzision: Jede Theoriespur erzwingt ihre eigene Denkoperation;
• kognitive Eigenleistung: Belege, Kriterien, Prüfung und Empfehlung stammen von den Lernenden;
• konstruktive Unterstützung: Hilfen öffnen Denkwege, ohne das Urteil zu liefern;
• sichtbares Lernprodukt: Das Gutachten lässt Begründungsschritte und Lücken erkennen;
• technische Robustheit: Offlinebetrieb, lokale Speicherung, Tastatur, Touch, Druck und mobile Darstellung werden geprüft;
• transparente Grenzen: Kleinerprobung und freiwillige Lehrkräftebewertung werden nicht als Wirksamkeitsnachweis ausgegeben.

Die erste Erprobung mit drei Lernenden ist ein ermutigendes Praxissignal. Sie zeigt, dass der Lernweg grundsätzlich bearbeitbar ist und liefert Hinweise für Revision. Sie belegt nicht, dass das Material unter allen Kursbedingungen lernwirksam ist. Auch die freiwillige Live-Bewertung im Outputvergleich ist nicht repräsentativ; sie ergänzt die dokumentierte Analyse um nachvollziehbare Einschätzungen anderer Ethiklehrkräfte.

Was die drei Outputs gemeinsam zeigen

Die Reihe lässt sich leicht als Modellvergleich missverstehen. Sie ist dafür ungeeignet: Output 1 und 2 wurden mit GPT-5.5 erzeugt, die Erstumsetzung von Output 3 mit 5.6 Sol. Vor allem aber ist der dritte Auftrag nicht derselbe Auftrag in ausführlicherer Form. Lernziel, Modulgrenze, Zeitlogik, Fall, Theoriespuren, Produkt und Abnahme wurden zuvor neu entschieden.

Gerade das macht den Vergleich aufschlussreich. Ein leistungsfähiges Modell kann in kurzer Zeit Materialfülle, visuelle Ordnung und technische Funktionen erzeugen. Ob daraus ein tragfähiger Lernweg wird, hängt zusätzlich davon ab, was vor der Generierung fachlich geklärt, in welche überprüfbaren Artefakte der Kontext übersetzt und wie das Ergebnis anschließend geprüft wird.

Die Planungsinvestition war erheblich. Sie sollte deshalb weder als notwendiger Aufwand für jede kleine Unterrichtsroutine noch als Garantie idealisiert werden. Für ein öffentlich geteiltes, wiederverwendbares Lernmaterial ist sie jedoch Teil des Ergebnisses: Andere können nicht nur die HTML-Datei ansehen, sondern Zweck, Voraussetzungen, Entscheidungen, Eingaben, Modellumgebung, Revision, Reifegrad und Grenzen nachvollziehen. Das entspricht dem Maßstab der Blogreihe „KI in der Unterrichtsvorbereitung: Teilen allein reicht nicht“, ohne aus der Dokumentation ein Rezept zu machen.

Der ursprüngliche Performancetest zeigte, wie schnell ein aktuelles Modell eine beeindruckende Lernoberfläche bauen kann. Der weitere Prozess zeigte etwas weniger Spektakuläres, aber für Unterricht Entscheidenderes: Gute Generierung beginnt nicht mit der Frage, wie der Prompt länger wird. Sie beginnt mit der Frage, was Lernende verstehen, tun, begründen, sichern und später weiterverwenden sollen.