Viele Lehrpersonen probieren KI in der Unterrichtsvorbereitung zuerst pragmatisch aus: ein Einstieg für die nächste Stunde, ein Arbeitsauftrag, ein kurzer Lesetext, drei Varianten einer Aufgabe, eine Idee zur Differenzierung. Das liegt nahe. Unterrichtsvorbereitung findet häufig unter Zeitdruck statt. Wenn ein System in wenigen Sekunden einen brauchbar wirkenden Entwurf liefert, entsteht schnell die Erwartung: Vielleicht geht es damit einfacher und schneller.
Manchmal stimmt das auch. KI kann kleine Arbeitsschritte verkürzen, Texte umformulieren, Varianten erzeugen, Strukturen vorschlagen oder vorhandenes Material in eine andere Form bringen. Trotzdem ist Zeitersparnis als zentrales Versprechen zu schwach. Sie beschreibt nur einen Teil dessen, was im Arbeitsprozess passiert, und sie verdeckt leicht die Arbeit, die nach der ersten Ausgabe beginnt.
Unterrichtsvorbereitung endet nicht dort, wo ein System eine Antwort erzeugt. Ein Vorschlag muss fachlich geprüft, didaktisch eingeordnet, an die Lerngruppe angepasst, in eine Unterrichtsphase integriert und oft noch in ein passendes Format gebracht werden. Dadurch verschiebt KI Arbeit häufig: vom Schreiben zum Prüfen, vom Erfinden zum Auswählen, vom Formulieren zum Anpassen, vom schnellen Entwurf zur verantworteten Entscheidung.
Der pädagogisch interessantere Nutzen liegt deshalb nicht zuerst darin, möglichst schnell fertig zu werden. KI wird dort sinnvoll, wo sie Unterrichtsvorbereitung passender, differenzierter, klarer oder besser prüfbar macht. Das kann Zeit sparen. Es kann aber auch zusätzliche Zeit kosten und trotzdem sinnvoll sein, weil die Vorbereitung dadurch besser wird.
Der schnelle Entwurf ist nur ein Anfang
Die meisten Nutzungen beginnen nicht mit einem komplexen System. Eine Lehrperson formuliert eine Bitte an einen Chatbot oder nutzt ein Unterrichtsplanungstool: Erstelle mir Aufgaben zu diesem Thema. Formuliere den Text einfacher. Entwickle einen Einstieg. Gib mir eine Differenzierung für Schülerinnen und Schüler mit unterschiedlichem Leistungsstand.
Solche Anfragen können nützlich sein. Sie helfen über einen Anfang hinweg, liefern Varianten oder machen aus vorhandenen Stichpunkten einen ersten Entwurf. Spezialisierte Planungssysteme gehen teilweise weiter und erzeugen bereits Arbeitsblätter, Verlaufspläne oder Materialpakete. Auch das gehört zur aktuellen Praxis und kann Arbeitsschritte bündeln.
Trotzdem bleibt der erste Entwurf nur ein erster Entwurf. Er kann glatt formuliert sein, gut aussehen und im ersten Moment plausibel wirken. Damit ist aber noch nicht geklärt, ob er fachlich stimmt, didaktisch trägt oder zu dieser Lerngruppe passt.
Das Versprechen der Zeitersparnis ist deshalb heikel. Es klingt passend, weil Zeit im Schulalltag knapp ist. Gleichzeitig unterschlägt es leicht, dass eine schnelle Ausgabe nicht dasselbe ist wie ein tragfähiger Unterrichtsbaustein.
Wenn es nur darum geht, möglichst schnell zu fertigem Material zu kommen, sind andere Wege oft naheliegender: vorhandene Unterrichtsreihen, Schulbuchmaterial, geteilte Fachschaftsmaterialien oder geprüfte Plattformen. KI wird vor allem dort interessant, wo sie nicht nur schneller etwas erzeugt, sondern eine Vorbereitung verbessert.
Die Wahl des Werkzeugs ist dabei keine Nebensache. Ein frei zugänglicher Chatbot, ein schulisch bereitgestelltes Werkzeug, ein spezialisiertes Planungssystem und ein aufwendig eingerichteter automatisierter Workflow arbeiten unter sehr unterschiedlichen Bedingungen. Modellqualität, Kontextfenster, Dateiverarbeitung, Datenschutzvorgaben, Ausgabeformate und Voreinstellungen prägen, was am Ende herauskommt.
Mit sehr leistungsfähigen Modellen, viel Kontext, passenden Workflows und fachlichem Know-how sind heute bereits ausgesprochen hochwertige Entwürfe möglich. Für den normalen Schulalltag ist das aber nicht automatisch der Ausgangspunkt. Solche Verfahren setzen Zeit, Expertise und passende Zugänge voraus. Für die meisten Lehrpersonen ist zunächst wichtiger, die Möglichkeiten und Grenzen des verfügbaren Werkzeugs realistisch einzuschätzen.
Was ein System über die Unterrichtssituation wissen muss
Viele KI-Anfragen zur Unterrichtsvorbereitung beginnen mit einem naheliegenden Auftrag: „Erstelle ein Arbeitsblatt zu linearem Wachstum.“ Oder: „Plane eine Stunde zur Weimarer Republik.“
Das ist verständlich. Häufig führen solche Anfragen aber zu Ergebnissen, die allgemein klingen, ordentlich aussehen und trotzdem nicht recht zur eigenen Unterrichtssituation passen. Das System weiß zu wenig darüber, wofür der Entwurf gebraucht wird.
Bei KI ist schnell von Prompting die Rede. Das ist nicht falsch, aber es verschiebt die Aufmerksamkeit auf die Formulierung selbst. Dann entsteht der Eindruck, als liege der Unterschied zwischen einem schwachen und einem brauchbaren Ergebnis vor allem in einem geschickten Satz.
Für Unterrichtsvorbereitung ist meistens etwas anderes entscheidend. Ein KI-System kann nur mit dem arbeiten, was es über Ziel, Lerngruppe, Vorwissen, Material und Unterrichtsfunktion erfährt. Wenn diese Informationen fehlen, ergänzt es sie selbst.
Ein Auftrag wie „Mach mir ein Arbeitsblatt zu linearem Wachstum“ enthält ein Thema. Mehr aber kaum. Unklar bleibt, welche Klasse gemeint ist, ob das Thema eingeführt, geübt oder überprüft werden soll, welche Begriffe schon bekannt sind und welche Denkhandlung im Mittelpunkt steht.
Anders wirkt ein Auftrag, der die Unterrichtssituation mitdenkt: Eine Klasse soll lineares und exponentielles Wachstum nicht nur berechnen, sondern begrifflich unterscheiden. Einige Lernende verwechseln konstante Zunahme mit prozentualem Wachstum. Am Ende soll eine kurze Begründung sichtbar werden.
Der zweite Auftrag ist nicht deshalb hilfreicher, weil er länger ist. Er enthält mehr Unterricht. Genau darum geht es beim Context-Crafting: nicht besser prompten um des Promptens willen, sondern den fachlichen und didaktischen Kontext so klären, dass ein System sinnvoll arbeiten kann.
Context-Crafting meint nicht, möglichst viele Informationen in ein System zu kopieren. Es geht darum, die Informationen auszuwählen, die für die Qualität des Ergebnisses einen Unterschied machen. Für Unterrichtsvorbereitung sind das grundlegende Dinge:
- Fach, Klassenstufe und Thema.
- Lernziel, Kompetenzen und Bildungsplanbezug.
- Vorwissen, typische Schwierigkeiten und sprachliche Voraussetzungen.
- Zeitrahmen und Phase im Unterricht.
- vorhandenes Material oder bereits geplante Schritte.
- gewünschte Funktion des Ergebnisses: Einstieg, Erarbeitung, Übung, Sicherung, Diagnose, Transfer.
- Qualitätskriterien: fachliche Richtigkeit, Verständlichkeit, Aufgabenqualität, Strukturierung, kognitive Aktivierung, Differenzierung.
Diese Fragen sind keine KI-Spezialfragen. Sie gehören zur normalen Unterrichtsvorbereitung. Neu ist nur, dass sie expliziter werden. Ein KI-System produziert je nach Werkzeug auch dann eine Antwort, wenn solche Informationen fehlen.
Wie komfortabel Kontext bereitgestellt wird, hängt vom Werkzeug ab. Manche Umgebungen erlauben Dateien, Projektbereiche oder wiederkehrende Materialien. In einem einfachen Chat entsteht dadurch häufiger Copy-and-Paste-Arbeit. Lange Texte oder mehrere Anhänge helfen nur, wenn Modell und Kontextfenster dafür ausgelegt sind.
Besonders deutlich wird die Bedeutung von Kontext bei Differenzierung. Viele Systeme können schnell leichtere und schwierigere Varianten erzeugen. Das klingt hilfreich, bleibt aber oft zu grob. Für Unterricht ist die wichtigere Frage: Welche Hürde soll unterstützt werden? Geht es um Sprache, fehlendes Vorwissen, einen fachlichen Fehlbegriff, die Struktur der Aufgabe oder Unsicherheit beim Begründen?
Auch Niveaustufen sind in der Praxis schwierig. Begriffe wie leicht, mittel, schwer oder ein allgemeiner Sprachstand bleiben oft ungenau. Hilfreicher sind Referenztexte oder Beispielaufgaben für die gewünschte Schwierigkeit. Dann kann ein System eher erkennen, welche sprachliche Dichte, welche Aufgabenstruktur oder welcher Anspruch gemeint ist.
Je nach Fach und Vorhaben können auch Qualitätsrahmen hilfreich sein, etwa Kriterien aus Materialien zum wirksamen Unterricht des IBBW. Nicht, weil solche Begriffe in jeden Prompt gehören. Sondern weil sie helfen, vor der KI-Ausgabe zu klären, woran ein brauchbarer Entwurf gemessen wird.
Guter Kontext bedeutet nicht, alles einzugeben. Eine überladene Anfrage kann unübersichtlich werden. Manchmal gewichtet ein System Nebenaspekte zu stark oder verliert die eigentliche Funktion aus dem Blick. Hilfreich ist deshalb eine einfache Prüffrage: Welche Information verändert voraussichtlich die Qualität der Ausgabe?
Wann KI tatsächlich entlastet
Eine KI-Ausgabe kann in Sekunden entstehen. Unterrichtsvorbereitung endet aber selten an dieser Stelle. Ein Text wird gelesen und geprüft. Eine Aufgabe wird mit dem Lernziel abgeglichen. Ein Arbeitsblatt wird angepasst. Ein Vorschlag wird in eine Unterrichtsphase eingebettet. Ein Material wird in ein Dokument, eine Lernplattform oder eine Präsentation übertragen.
Deshalb ist die Frage nach Zeitersparnis komplizierter, als sie zunächst wirkt. Nicht die Erstellungszeit allein zählt. Entscheidend ist eine andere Frage: Wie lange dauert es, bis das Ergebnis im Unterricht tragfähig einsetzbar ist?
Am klarsten ist Entlastung bei kleinen, überschaubaren Aufgaben. Ein vorhandener Text soll kürzer werden. Stichpunkte sollen in eine geordnete Übersicht gebracht werden. Ein Arbeitsauftrag soll klarer formuliert werden. Aus einer Liste soll eine Tabelle entstehen. Ein bestehendes Material soll sprachlich etwas einfacher werden.
In solchen Fällen ist der Auftrag begrenzt, das Ergebnis leicht zu prüfen und die Verantwortung überschaubar. Die Lehrperson weiß, was gemeint ist, und erkennt schnell, ob die Ausgabe brauchbar ist. Wenn die Prüfung schneller geht als die eigene Erstellung, entsteht reale Entlastung.
Das gilt auch für Varianten. Wer bereits eine gute Aufgabe hat, kann KI nutzen, um eine zweite Version, eine zusätzliche Hilfestellung oder eine alternative Formulierung zu entwickeln. Auch hier bleibt Prüfung nötig. Aber der Weg ist kurz, weil Ziel, Material und Qualitätsmaßstab schon vorhanden sind.
Diese Form der Nutzung ist unspektakulär, aber oft tragfähig. Sie macht nicht aus einem Knopfdruck eine Unterrichtsplanung. Sie reduziert einzelne Arbeitsschritte. Gerade solche kleinen Workflows sind deshalb nicht weniger professionell. Sie sind häufig die realistischere Form von Entlastung.
Anders sieht es bei anspruchsvollerer Unterrichtsvorbereitung aus. Eine neue Lernaufgabe entwickeln, Differenzierung für eine heterogene Klasse planen, typische Fehlvorstellungen antizipieren, eine Diagnosephase vorbereiten oder einen Unterrichtsverlauf prüfen: Das sind Aufgaben, bei denen KI hilfreich sein kann. Aber der Nutzen liegt nicht immer in weniger Zeit.
Oft entsteht eher ein besserer Denkraum. KI kann Varianten anbieten, blinde Flecken sichtbar machen, alternative Zugänge vorschlagen oder eine Aufgabe auf Verständlichkeit prüfen. Das kann die Vorbereitung verbessern. Es kann aber auch mehr Arbeit bedeuten, weil mehr Möglichkeiten sichtbar werden und genauer entschieden wird.
Problematisch wird es dort, wo schnelle Ausgabe mit fertiger Vorbereitung verwechselt wird. Dann entstehen Materialien, die auf den ersten Blick gut aussehen, aber später viel Nacharbeit erzeugen.
Ein Arbeitsblatt enthält Aufgaben, die fachlich nicht ganz treffen. Ein Lesetext ist flüssig formuliert, aber zu lang. Eine Differenzierung besteht aus drei Stufen, trifft aber nicht die tatsächlichen Lernhürden. Ein Verlaufsplan wirkt vollständig, passt aber nicht zum Zeitrahmen oder zur Klasse.
Dann verlagert sich Arbeit: vom Schreiben zum Prüfen, vom Erfinden zum Auswählen, vom Formulieren zum Reparieren, vom schnellen Generieren zum nachträglichen Einbetten. Diese Arbeit kann sinnvoll sein, wenn das Ergebnis dadurch besser wird. Als reine Entlastung ist sie aber schwer zu verbuchen.
Auch die Arbeitsumgebung spielt eine Rolle. Ein direkt exportierbares Arbeitsblatt entlastet anders als ein Chat-Ergebnis mit anschließender Copy-and-Paste-Arbeit in Dokument, Präsentation oder Lernplattform. Integrierte Unterrichtsplanungssysteme können Medienbrüche reduzieren, Materialien strukturierter ausgeben und Formatierungsaufwand verringern. Das ist hilfreich. Gleichzeitig bleiben fachliche und didaktische Entscheidungen enthalten, die geprüft werden: Lernziel, Aufgabenlogik, Anspruch, Sprache, Sicherung, Differenzierung.
Für den Alltag hilft eine nüchterne Bilanz. Nicht zuerst: Wie schnell war die Ausgabe? Sondern: Wie lange dauert es, bis das Ergebnis im Unterricht tragfähig einsetzbar ist?
Dazu gehören wenige Anschlussfragen:
- Ist das Ergebnis leicht zu prüfen?
- Wie viel Anpassung ist nötig?
- Passt es in mein Zielformat?
- Entsteht bessere Qualität oder nur mehr Material?
Wenn diese Fragen positiv beantwortet werden können, ist Entlastung wahrscheinlich. Wenn nicht, kann KI trotzdem sinnvoll sein. Dann sollte aber eher von Qualitätsarbeit gesprochen werden.
Die Arbeit nach der ersten Ausgabe
Manchmal ist eine KI-Ausgabe offensichtlich unbrauchbar. Dann ist die Sache einfach: verwerfen, neu ansetzen oder selbst anders weiterarbeiten. Schwieriger sind die anderen Fälle. Ein Vorschlag klingt plausibel, ist ordentlich formuliert und trifft das Thema ungefähr. Er ist nicht falsch. Aber er ist auch noch nicht fertig.
Gerade die fast brauchbaren Ergebnisse brauchen Aufmerksamkeit. Ein Lesetext kann flüssig formuliert sein, aber zentrale Begriffe zu ungenau verwenden. Eine Aufgabe kann zum Thema passen, aber nicht die Denkhandlung anstoßen, die eigentlich im Mittelpunkt stehen soll. Eine Differenzierung kann nach drei Niveaustufen aussehen, aber die tatsächliche Lernhürde nicht treffen. Ein Unterrichtsverlauf kann vollständig wirken, aber in der konkreten Klasse zeitlich oder methodisch kaum funktionieren.
Das heißt nicht, dass solche Vorschläge wertlos sind. Oft sind sie gute Zwischenstände. Sie geben eine Struktur, liefern Formulierungen oder zeigen eine mögliche Richtung. Aber gerade weil sie brauchbar wirken, brauchen sie eine bewusste Prüfung.
Der erste Blick gilt der fachlichen Tragfähigkeit. Stimmen Begriffe, Beispiele und Zusammenhänge? Wird etwas verkürzt, das für das Verständnis wichtig wäre? Werden Begriffe alltagssprachlich verwendet, obwohl sie fachlich präziser gefasst werden müssten? Gibt es scheinbar genaue Formulierungen, die bei genauerem Lesen nicht tragen?
Das betrifft nicht nur offensichtliche Fehler. Gerade bei Unterrichtsmaterialien sind kleine Verschiebungen relevant. Ein Beispiel kann eine falsche Vorstellung nahelegen. Eine Erklärung kann einen Sonderfall als Regel erscheinen lassen. Eine Quelle, ein Diagramm oder ein Textauszug kann so eingebettet sein, dass die fachliche Aussage zwar plausibel klingt, aber nicht sauber abgesichert ist.
Fachliche Richtigkeit reicht allerdings nicht aus. Ein Material kann stimmen und trotzdem didaktisch wenig leisten. Deshalb stellt sich nach der Ausgabe die Frage, welche Funktion der Vorschlag im Lernen haben soll.
Soll ein Text einführen, sichern, üben oder irritieren? Soll eine Aufgabe vorhandenes Wissen abrufen, einen Zusammenhang klären, eine Begründung herausfordern oder eine Fehlvorstellung sichtbar machen? Soll eine Tabelle ordnen, vergleichen oder nur Informationen sammeln?
Wenn diese Funktion unklar bleibt, entsteht leicht Material, das beschäftigt, aber wenig über Lernen aussagt. Gerade KI-Ausgaben sind dafür anfällig, weil sie schnell vollständige Formen erzeugen: Arbeitsblatt, Quiz, Impulsfrage, Verlaufsplan. Die Form wirkt fertig. Die didaktische Funktion ist damit aber noch nicht geklärt.
Hinzu kommt die Anpassung an die Lerngruppe. Ein KI-System kennt sie nur über den Kontext, der ihm gegeben wurde. Auch ein gut gerahmter Auftrag bleibt eine Annäherung. Nach der Ausgabe rückt deshalb die Frage in den Vordergrund, ob Sprache, Umfang, Anspruch und Hilfen zur konkreten Klasse passen.
Manchmal ist ein Text fachlich richtig, aber zu dicht. Manchmal ist eine Aufgabe verständlich, aber zu kleinschrittig. Manchmal sind Hilfen gut gemeint, nehmen aber die eigentliche Denkhandlung vorweg. Und manchmal fehlt gerade die Unterstützung, die eine bestimmte Lerngruppe braucht: ein Beispiel, ein Satzstarter, ein Zwischenschritt, eine Begriffsklärung oder eine visuelle Struktur.
Auch ein fachlich geprüftes und angepasstes Material ist noch nicht automatisch im Unterricht angekommen. Es braucht einen Ort im Ablauf. Wann wird es eingesetzt? Welche Einführung braucht es? Arbeiten Lernende allein, zu zweit oder im Plenum? Wie lange soll die Phase dauern? Was wird anschließend gesichert? Welche Ergebnisse sollen sichtbar werden? Was passiert, wenn die Aufgabe anders bearbeitet wird als erwartet?
Solche Fragen wirken organisatorisch, sind aber didaktisch relevant. Ein Material verändert seine Funktion je nachdem, ob es als Einstieg, Übung, Diagnose oder Transferaufgabe eingesetzt wird. Eine gute Aufgabe kann schwach wirken, wenn sie ohne Auswertung bleibt. Ein kurzer Impuls kann stark sein, wenn er an der richtigen Stelle eine präzise Diskussion öffnet.
Zur Nacharbeit gehören auch die weniger sichtbaren Arbeitsschritte. Ein Chat-Ergebnis wird in ein Dokument übertragen. Ein Text braucht Absätze, Überschriften oder Platz für Antworten. Eine Tabelle soll in eine Lernplattform. Ein Ablaufplan wird in eine Präsentation übersetzt. Ein Arbeitsblatt soll druckbar sein oder digital bearbeitet werden können.
Gerade diese Format- und Übertragungsschritte entscheiden im Alltag oft darüber, ob ein KI-Vorschlag tatsächlich entlastet oder zusätzliche Arbeit erzeugt.
Gutes Material ist noch kein guter Unterricht
Ein KI-Material kann fachlich stimmen, sprachlich passen und sauber aussehen. Der Text ist verständlich. Die Aufgabe wirkt plausibel. Das Arbeitsblatt ist ordentlich formatiert. Auch der Umfang scheint realistisch.
Trotzdem bleibt eine entscheidende Frage offen: Was sollen Lernende damit im Unterricht tun, verstehen oder klären?
Diese Frage verschiebt den Blick. Es geht nicht mehr nur darum, ob ein Material brauchbar ist. Es geht darum, welche Funktion es im Lernprozess übernimmt. Ein System kann Texte, Aufgaben, Tabellen, Verlaufspläne oder Differenzierungsvarianten erzeugen. Unterricht entsteht aber nicht durch Materialmenge, sondern durch eine sinnvolle Verbindung von Ziel, Aufgabe, Lernweg und Sicherung.
KI-Ausgaben haben häufig eine überzeugende Oberfläche. Sie sind geordnet, sprachlich glatt und wirken vollständig. Das ist hilfreich, weil ein erster Entwurf schneller vorliegt und einzelne Arbeitsschritte leichter werden können. Zugleich kann diese Oberfläche verdecken, dass die didaktische Funktion noch ungeklärt ist.
Ein Arbeitsblatt kann mehrere Aufgaben enthalten, ohne dass erkennbar wird, welche fachliche Auseinandersetzung dadurch entstehen soll. Ein Lesetext kann verständlich formuliert sein, aber offenlassen, woran anschließend gearbeitet wird. Ein Quiz kann korrekt sein, aber nur Erinnerungswissen abfragen, obwohl eigentlich ein Zusammenhang verstanden werden soll.
Unterrichtsvorbereitung beginnt nicht mit der Materialform, sondern mit der Lernbewegung. Sollen Lernende einen Begriff klären, ein Verfahren üben, einen Zusammenhang erklären, eine Quelle auswerten, eine Entscheidung begründen oder eine Fehlvorstellung erkennen?
Erst von dort aus wird sinnvoll, welches Material passt. Ein Text kann Einstieg, Informationsgrundlage, Störimpuls oder Sicherung sein. Eine Aufgabe kann Übung, Diagnose, Transfer oder Diskussionsanlass sein. Dieselbe Form kann also sehr unterschiedliche Funktionen übernehmen.
Gute Aufgaben sind nicht nur Aufgaben zum Thema. Sie fordern eine fachliche Denkhandlung heraus. Lernende sollen etwas erkennen, unterscheiden, begründen, anwenden, vergleichen, beurteilen oder sichern.
Bei KI-generierten Aufgaben lohnt sich deshalb ein genauer Blick. Manche Aufgaben passen äußerlich zum Thema, bleiben aber auf der Ebene von Reproduktion. Andere wirken anspruchsvoll, weil sie viele Teilfragen enthalten, führen aber nicht zu einer klaren fachlichen Auseinandersetzung. Wieder andere sind gut formuliert, nehmen den Lernenden aber die entscheidende Denkarbeit bereits ab.
KI kann hier hilfreich sein, wenn sie nicht nur Material erzeugt, sondern zur Klärung der Aufgabenfunktion genutzt wird. Ein Vorschlag lässt sich daraufhin prüfen, welche Denkhandlung er auslöst. Varianten lassen sich vergleichen: Welche Aufgabe verlangt eher eine Begründung? Welche macht Fehlvorstellungen sichtbar? Welche eignet sich als Übung, welche eher als Transfer?
Besonders sichtbar wird diese Unterscheidung bei Differenzierung. KI kann schnell Varianten erzeugen: leichter, schwerer, mit Hilfe, ohne Hilfe, für unterschiedliche Niveaus. Das klingt nach passender Unterstützung und kann im Einzelfall nützlich sein. Varianten allein sind aber noch keine didaktische Differenzierung.
Die entscheidende Frage lautet: Welche Hürde wird bearbeitet?
Geht es um Sprache, Vorwissen, ein fachliches Missverständnis, die Struktur der Aufgabe oder um Unsicherheit beim Begründen? Je nachdem braucht es andere Hilfen. Ein Satzstarter unterstützt eine Begründung. Ein Beispiel hilft beim Verfahren. Eine Begriffsklärung hilft beim Verständnis. Ein Zwischenschritt hilft bei der Struktur. Eine leichtere Version hilft dagegen wenig, wenn sie die eigentliche Lernhürde verfehlt.
Ein brauchbares Material beantwortet noch nicht alle Unterrichtsfragen. Es klärt nicht von selbst, wie Lernende darauf vorbereitet werden, wie Ergebnisse gesichert werden, welche Anschlussfrage folgt oder woran sichtbar wird, ob das Lernen stattgefunden hat.
Deshalb bleibt Unterrichtsvorbereitung Integrationsarbeit. Material, Aufgabe, Sozialform, Zeit, Sicherung und Rückmeldung sollen zusammenpassen. KI kann für jeden dieser Teile Vorschläge machen. Die Unterrichtslogik entsteht aber erst durch die Verbindung dieser Teile.
Qualität prüfen, wenn Ergebnisse gut aussehen
Schlechte KI-Ausgaben sind oft gar nicht das schwierigste Problem. Wenn ein Text fachlich danebenliegt, eine Aufgabe nicht zur Lerngruppe passt oder ein Vorschlag am Auftrag vorbeigeht, ist die Entscheidung vergleichsweise einfach: verwerfen, nachsteuern, anders weiterarbeiten.
Anspruchsvoller sind die Ergebnisse, die zunächst überzeugen. Ein Material sieht vollständig aus. Die Aufgaben sind sauber formuliert. Der Text liest sich flüssig. Ein Verlaufsplan wirkt geordnet. Gerade dann entsteht leicht der Eindruck, dass die wichtigste Arbeit bereits erledigt sei.
Genau hier beginnt Qualitätsprüfung. Nicht, weil solche Ergebnisse automatisch schwach wären. Sondern weil die Oberfläche allein noch nicht zeigt, ob ein Material fachlich stimmt, didaktisch trägt und im Unterricht sinnvoll eingesetzt werden kann.
Die erste Ebene ist die Produktqualität. Sie fragt nach dem konkreten Material, das vorliegt: Ist dieser Text, diese Aufgabe, dieses Arbeitsblatt oder dieser Verlaufsplan brauchbar?
Dazu gehört die fachliche Prüfung. Stimmen Begriffe, Beispiele und Zusammenhänge? Sind Vereinfachungen vertretbar? Entstehen falsche Vorstellungen? Gibt es Formulierungen, die präzise klingen, fachlich aber nicht sauber tragen?
Dazu gehört auch die didaktische Prüfung. Passt das Material zum Lernziel? Fordert die Aufgabe die gewünschte Denkhandlung heraus? Wird sichtbar, was Lernende daran verstehen, üben, begründen oder anwenden sollen? Gibt es einen sinnvollen Anschluss an Sicherung, Auswertung oder Weiterarbeit?
Und schließlich geht es um die konkrete Unterrichtssituation. Ist der Umfang realistisch? Passt die Sprache zur Lerngruppe? Ist klar, wann und wie das Material eingesetzt wird? Funktioniert es unter den vorhandenen Bedingungen?
Diese Fragen sind nicht neu. Lehrpersonen prüfen auch Materialien, die nicht mit KI erstellt wurden. Neu ist die Geschwindigkeit, mit der KI brauchbar wirkende Entwürfe erzeugt. Dadurch wächst die Gefahr, formale Vollständigkeit mit Qualität zu verwechseln.
Für professionelle KI-Nutzung reicht die Prüfung des einzelnen Materials aber nicht aus. Zusätzlich stellt sich eine zweite Frage: Wie ist dieses Ergebnis entstanden?
Das ist die Ebene der Prozessqualität. Sie richtet den Blick auf den Arbeitsweg. Welche Informationen wurden dem System gegeben? War das Lernziel klar? Wurde die Lerngruppe beschrieben? Gab es vorhandenes Material, Bildungsplanbezug oder Qualitätskriterien? Wie viel Nachsteuerung war nötig? Welche Fehler traten auf? Welche Teile wurden fachlich oder didaktisch überarbeitet?
Diese Fragen werden besonders wichtig, wenn ein Ergebnis weitergegeben oder in Fortbildungen gezeigt wird. Ein einzelnes gutes Beispiel kann beeindrucken. Für die Praxis ist aber entscheidend, ob andere Lehrpersonen den Weg nachvollziehen und auf eigene Themen übertragen können.
Ein gutes KI-Ergebnis belegt noch keinen guten KI-Workflow.
Ein brauchbares Ergebnis kann auf unterschiedliche Weise entstehen. Manchmal passt es eher zufällig. Das Thema ist naheliegend, das System greift auf passende Muster zurück, die Ausgabe trifft den richtigen Ton. Beim nächsten Thema funktioniert derselbe Auftrag deutlich schlechter.
Manchmal entsteht Qualität durch gute Steuerung. Die Lehrperson hat Ziel, Kontext, Materialstand und Kriterien präzise eingebracht, Zwischenergebnisse geprüft und nachgesteuert. Das Ergebnis ist gut, weil der Prozess gut geführt wurde.
Und manchmal entsteht ein robuster Ablauf. Eine wiederkehrende Arbeitsweise führt unter ähnlichen Bedingungen zuverlässig zu brauchbaren Ergebnissen: etwa bei sprachlicher Vereinfachung vorhandener Texte, bei Aufgabenvarianten oder bei der Prüfung auf typische Fehlvorstellungen.
Von außen ist diese Unterscheidung schwer zu erkennen. Wer nur das fertige Material sieht, weiß nicht, ob es Zufall, gute Steuerung oder ein belastbarer Ablauf war. Deshalb ist es für Fortbildungen und Fachschaften wenig hilfreich, nur das fertige Ergebnis zu zeigen. Aussagekräftiger ist der Weg dorthin: Auftrag, Kontext, Zwischenschritte, Prüfung und Anpassung.
Für den Alltag braucht daraus kein aufwendiges Verfahren zu werden. Hilfreich ist eine einfache Gewohnheit: Bei guten KI-Ergebnissen nicht nur das Material speichern, sondern auch die entscheidenden Bedingungen.
Was war der Auftrag? Welche Informationen waren wichtig? Wo wurde korrigiert? Was hat gut funktioniert? Was war überraschend schwach? Wo lag der eigentliche Aufwand?
Solche Notizen können kurz bleiben. Sie verändern aber den Umgang mit KI-Materialien. Aus einem einzelnen Produkt wird ein nachvollziehbarer Arbeitsstand. Andere können besser einschätzen, ob das Material zu ihrem Kontext passt. Die eigene Wiederverwendung wird leichter. Und in Fortbildungen lässt sich nicht nur zeigen, was KI erzeugt hat, sondern wie das Ergebnis geprüft und verbessert wurde.
Teilen allein reicht nicht
KI macht es leicht, Unterrichtsmaterial zu erzeugen. Ein kurzer Text, eine Aufgabe, eine Hilfestellung, ein Verlaufsplan oder eine Differenzierungsvariante liegen schnell vor. Wenn ein Ergebnis brauchbar ist, stellt sich fast automatisch die nächste Frage: Sollte man das nicht teilen?
Der Gedanke liegt nahe. Gute Materialien sollten nicht in einzelnen Chatverläufen, privaten Ordnern oder lokalen Dokumenten verschwinden. Gleichzeitig verändert KI die Lage. Es entsteht nicht nur gutes Material, sondern sehr viel Material. Manches ist tragfähig, manches nur im ersten Moment überzeugend, manches braucht den konkreten Kontext, in dem es entstanden ist.
Damit verschiebt sich die Frage: Es geht nicht nur darum, ob Material geteilt wird. Es geht darum, was geteilt wird, mit welchen Informationen und mit welchem Ziel.
Mehr Material ist noch keine bessere Praxis. Ein Arbeitsblatt wird in einer Fachschaftsablage gespeichert, ein Prompt in einer Fortbildung gezeigt, ein Materialpaket auf einer Plattform abgelegt. Damit ist etwas vorhanden. Nutzbar ist es damit aber noch nicht unbedingt.
Dieses Problem gab es schon vor KI. Materialsammlungen können wachsen, ohne dass sie im Alltag viel helfen. Mit KI wird diese Spannung stärker, weil Entwürfe schneller entstehen und oft ordentlich aussehen. Die Hürde, etwas zu produzieren und weiterzugeben, sinkt. Die Hürde, gute Qualität zu erkennen, sinkt nicht im gleichen Maß.
Lehrpersonen finden dann nicht nur zu wenig, sondern auch zu viel: ähnliche Aufgaben, halbfertige Vorschläge, schön formulierte Texte, unklare Einsatzsituationen. Mehr Auswahl kann entlasten. Sie kann aber auch neue Arbeit erzeugen, wenn unklar bleibt, welches Material wofür gedacht war.
Gleichzeitig legt KI nahe, Material immer wieder neu zu erzeugen. Das hat einen echten Vorteil. Unterricht ist konkret. Eine Lerngruppe bringt anderes Vorwissen mit als eine andere. Eine Lehrperson hat eigene Routinen, Beispiele und Schwerpunkte. Ein vorhandener Text kann angepasst, eine Aufgabe umgebaut, eine Hilfestellung genauer auf eine Schwierigkeit zugeschnitten werden. Diese Anpassbarkeit ist ein wichtiger Nutzen von KI.
Trotzdem ist es nicht automatisch sinnvoll, ähnliche Materialien immer wieder neu entstehen zu lassen. Gute Unterrichtsmaterialien, Lernaufgaben oder Planungen können aufwendig sein, auch wenn KI beteiligt ist. Sie entstehen nicht nur durch eine Eingabe, sondern durch Kontext, Auswahl, Prüfung, Überarbeitung und manchmal auch durch Erprobung im Unterricht.
Dazu kommt eine Ressourcenfrage: Aufwendige KI-gestützte Erstellung braucht Zeit, Aufmerksamkeit, geeignete Zugänge, leistungsfähige Modelle und fachliches Know-how. Für besondere Vorhaben kann das sinnvoll sein. Als alltägliche Erwartung an einzelne Lehrpersonen wäre es ein fragwürdiger Maßstab.
Die produktive Frage liegt deshalb zwischen beiden Polen: Was sollte neu angepasst werden, weil die konkrete Lerngruppe zählt? Und was sollte erhalten, verbessert und weiterverwendet werden, weil bereits viel gute Arbeit darin steckt?
Ein Unterrichtsmaterial ist selten allgemein gut. Es wurde für ein Fach, eine Klassenstufe, ein Lernziel, eine Lerngruppe und eine Unterrichtsphase erstellt. Ohne diese Informationen lässt sich seine Qualität nur schwer einschätzen.
Ein Arbeitsblatt kann für eine Klasse passend sein, für eine andere aber zu leicht, zu dicht oder zu offen. Eine Aufgabe kann als Einstieg gut funktionieren, aber als Übung wenig leisten. Eine sprachliche Vereinfachung kann eine konkrete Hürde treffen, aber zugleich fachliche Präzision verlieren, wenn der Zusammenhang ein anderer ist.
Deshalb braucht geteiltes Material Kontext. Wofür wurde es erstellt? Welche Voraussetzungen wurden angenommen? Welche Funktion hatte es im Unterricht? Was wurde angepasst? Was hat funktioniert? Welche Grenzen sind bekannt?
Eine Sammlung macht Material verfügbar. Kuration macht es verwendbar. Sie wählt aus, ordnet ein, beschreibt, prüft und gibt Hinweise zur Weiterarbeit.
Das klingt nach zusätzlicher Arbeit. Tatsächlich ist es aber die Arbeit, die verhindert, dass gute Materialien in Ablagen verschwinden. Für KI-gestützte Materialien wird diese Aufgabe wichtiger, weil die Menge schneller wächst und die Oberfläche vieler Ergebnisse besser wirkt, als sie didaktisch manchmal ist.
Für die Praxis braucht es dafür keine große Datenbank. Schon wenige Angaben können viel verändern: Fach, Klassenstufe, Thema, Lernziel, Unterrichtsphase, Vorwissen, Lerngruppe, Bearbeitungszeit und bekannte Schwierigkeiten.
Bei KI-gestützten Materialien kommt eine weitere Ebene hinzu: Wie ist das Material entstanden? Wurde ein vorhandener Text vereinfacht, eine Aufgabe variiert, ein Entwurf geprüft oder ein Materialpaket neu erzeugt? Welche Informationen an das System waren entscheidend? Wo war Nacharbeit nötig?
Auch Unterstützungssysteme stehen damit vor einer veränderten Aufgabe. Schulen und Lehrpersonen brauchen nicht nur Zugang zu Werkzeugen, sondern Orientierung: Welche Beispiele sind tragfähig? Welche Arbeitsweisen funktionieren unter welchen Bedingungen? Welche Qualitätsmaßstäbe helfen bei der Prüfung?
Das betrifft besonders aufwendige Formen KI-gestützter Planung. Mit guten Modellen, viel Kontext, passenden Arbeitsabläufen und fachlicher Steuerung können bereits heute sehr hochwertige Materialien oder Unterrichtsentwürfe entstehen. Die offene Frage ist, ob solche Verfahren für einzelne Lehrpersonen im Alltag sinnvoll leistbar sind. Häufig liegt der größere Nutzen dort, wo Aufwand gebündelt wird: in Fachschaften, Fortbildungen, Medienzentren oder anderen Unterstützungssystemen.
Fazit: KI unterstützt Entscheidungen, nicht nur Produktion
KI kann Unterrichtsvorbereitung unterstützen. Aber das Ziel sollte nicht zuerst sein, möglichst schnell fertig zu werden. Zeitersparnis gibt es, besonders bei kleinen, klar begrenzten und leicht überprüfbaren Aufgaben. Als Hauptversprechen trägt sie aber nicht.
Der stärkere Nutzen liegt an anderer Stelle. KI kann helfen, Ziele klarer zu fassen, Kontext bewusster zu beschreiben, Varianten zu vergleichen, Materialien zu prüfen, Nacharbeit sichtbar zu machen und Entscheidungen über Lernwege, Aufgaben und Unterstützung vorzubereiten.
Damit steigt aber nicht die Bedeutungslosigkeit professioneller Urteilskraft, sondern ihre Bedeutung. Je fertiger eine Ausgabe wirkt, desto wichtiger wird die Frage, ob sie fachlich stimmt, didaktisch trägt, zur Lerngruppe passt und in den Unterrichtsprozess eingebettet ist.
KI ist deshalb keine Abkürzung an Unterrichtsvorbereitung vorbei. Sie ist ein Werkzeug innerhalb von Unterrichtsvorbereitung. Sinnvoll wird sie dort, wo Lehrpersonen entscheiden können, was ein System wissen soll, welche Ausgabe brauchbar ist, welche Nacharbeit nötig bleibt und wann sich der Aufwand lohnt.
Dann verschiebt sich die Leitfrage. Nicht: Was kann ich mir erstellen lassen? Sondern: Welche Entscheidung über Unterricht kann ich mit Unterstützung von KI besser treffen?