Adaptive Lernsysteme oder Generative KI für Lernpfade?

Wenn der Stundenplan individualisiert werden muss, aber die Zeit nicht reicht

Sie haben eine Doppelstunde Physik vor sich, in der ein neues Thema eingeführt werden soll, und Sie spüren sofort diese typische Enge: Wie soll ich heute alle abholen, ohne dass jemand abschaltet oder überfordert wird? Genau an dieser Stelle treffen wir täglich die Entscheidung, wie wir Lernpfade gestalten. Und genau hier lohnt es sich, genauer hinzusehen, was ein adaptives Lernsystem leistet – und was eine generative KI in unseren Unterricht einbringen kann, wenn wir ihr die richtigen Leitplanken geben.

Ich erlebe in meinen Begleitgesprächen mit Lehrkräften immer wieder dieselbe Grundfrage: Setze ich auf ein erprobtes, regelbasiertes System, das mir seit Jahren zuverlässig Differenzierung abnimmt, oder öffne ich den Raum für generative KI, die mir spontan Erklärungen, Aufgaben und Dialoge liefert? Beides hat seine Berechtigung, beides hat seine Grenzen. Lassen Sie uns beobachten, wo genau die Stärken liegen und wie wir beides klug kombinieren können.

Was ein adaptives Lernsystem wirklich kann – und wo seine Logik endet

Ein adaptives Lernsystem arbeitet, das wird im Alltag oft vergessen, erstaunlich nüchtern. Es analysiert Eingaben – Lösungsquoten, Bearbeitungszeit, Fehlertypen – und ordnet Lernende anhand dieser Profile vorgefertigten Inhaltsbausteinen zu. Die Systematik dahinter folgt Regeln, die ein Lernteam einmal sauber kuratiert hat: Bei drei Fehlern in Folge folgt eine vereinfachte Erklärung, bei schneller Bearbeitung wird das Niveau angehoben, nach zehn Minuten Inaktivität erscheint ein Hinweis. Das ist transparent, reproduzierbar und lässt sich mit unserem Schulcurriculum präzise verheiraten.

Die Begriffsanalyse in den Smart Learning Environments führt das sehr klar aus: Solche Systeme passen Inhalte, Darstellungsformen oder Lernpfade anhand individueller Profile, Lernstände oder menschlicher Faktoren an. Das ist keine Magie, sondern pädagogisch durchdachte Regeltechnik, die wir als Lehrkräfte verstehen und mitsteuern können.

Die Tabelle zeigt die zwei Logiken nebeneinander, ohne sie gegeneinander auszuspielen. Wir können beobachten, dass adaptive Systeme vor allem dort glänzen, wo Curricula stabil sind und das Lernmaterial über Jahre hinweg systematisch gepflegt wird. Wer einmal ein gutes Mathematik- oder Sprachlernsystem eingeführt hat, weiß: Hier trägt das System tatsächlich Binnendifferenzierung, ohne dass wir jede Stunde neu justieren müssen.

Was die Evidenz uns ehrlich sagt

Nun zur Frage, die uns Lehrkräfte untereinander am häufigsten stellen: Bringt das wirklich etwas? Die Evidenzübersicht der Education Endowment Foundation beziffert den durchschnittlichen Effekt individualisierten Unterrichts auf etwa vier Monate zusätzlichen Lernfortschritt. Das klingt zunächst beeindruckend, aber die Kolleginnen und Kollegen, die mit solchen Studien arbeiten, wissen: Die Spannweite ist groß. Es kommt entscheidend darauf an, wie wir Lehrkräfte das System didaktisch einbetten.

Genau hier wird es für unsere Unterrichtspraxis relevant. Die EEF betont, dass digitale Technik individualisierten Unterricht wirksam unterstützen kann, besonders wenn Lehrkräfte zusätzlich gezielt mit Lernenden arbeiten, die nicht sinnvoll mit der Technik arbeiten. Das ist ein wertvoller Hinweis für uns alle: Auch das beste adaptive System kann das pädagogische Gespräch nicht ersetzen, es kann es aber ergänzen.

Die randomisierte Wirksamkeitsstudie zu MathSpring in den Klassen 5 und 6 hat das sehr nüchtern gezeigt: Insgesamt ergaben sich keine statistisch signifikanten Unterschiede in den Mathematikleistungen zwischen Interventions- und Kontrollgruppe. Aber – und das ist der entscheidende Punkt – die Klassen mit hoher Nutzungsintensität schnitten beim Posttest besser ab als die Kontrollgruppe. Die Nutzungszeit lag in dieser Studie zwischen 2 und 978 Minuten, mit einem Mittelwert von 190 Minuten und einem Median von 150 Minuten. Das zeigt uns: Die Implementierungsintensität ist ein hochrelevanter Kontextfaktor. Ein System, das nur sporadisch genutzt wird, entfaltet sein Potenzial nicht.

Personalisierung entfaltet sich nicht durch Software allein, sondern durch die Verbindung von guter Diagnostik, klaren Materialpfaden und unserer professionellen Begleitung der Lernenden.

Warum generative KI nicht ohne pädagogische Leitplanken in den Lernpfad gehört

Hier wird es heikel, und hier brauchen wir Klarheit, keine Hypes. Generative KI kann in unserem Schulalltag enorm viel leisten: Sie schreibt in Sekunden eine vereinfachte Erklärung der Fotosynthese für einen Schüler mit Sprachschwierigkeiten, sie formuliert Übungsaufgaben auf drei Niveaustufen, sie simuliert einen Dialog, in dem eine Lerngruppe die Französische Revolution erarbeitet. Diese Flexibilität ist im adaptiven Lernsystem so nicht abbildbar.

Aber generative KI hat eine Schwäche, die wir nicht übersehen dürfen: Sie kann unsinnige, ungenaue oder schlicht falsche Informationen als Tatsachen ausgeben. Die britische Bildungsverwaltung weist explizit darauf hin, dass solche Ausgaben bei der Nutzung für Lernpfade fachlich überprüft werden müssen. Wir können also nicht blind darauf vertrauen, dass das, was das Modell ausgibt, korrekt ist. Gerade in Prüfungssituationen oder beim Aufbau von Grundvorstellungen in Naturwissenschaften kann ein falscher Satz viel Schaden anrichten.

Noch wichtiger ist die Lernpsychologie dahinter. Der OECD Digital Education Outlook 2026 warnt deutlich: Werden Aufgaben ohne pädagogische Anleitung an generative KI ausgelagert, kann dies zwar die Leistung bei der konkreten Aufgabe steigern, aber nicht zwingend zu tatsächlichem Lernen führen. Das ist eine der wertvollsten Klarstellungen der letzten Jahre für unsere Arbeit. Wenn ein Schüler mithilfe der KI eine Aufgabe löst, hat er möglicherweise ein gutes Ergebnis, aber nicht zwingend den Lernzuwachs, den wir im Unterricht anstreben. Die KI hat gelöst, der Kopf hat nur zum Teil mitgearbeitet.

Genau hier kommt unsere professionelle Haltung ins Spiel. Wir müssen generative KI so einbetten, dass sie Scaffolding bietet, nicht die Eigenarbeit ersetzt. Lassen Sie uns ausprobieren, das einmal konkret zu machen: Wir geben der KI die Aufgabe, zu einem Mathematikthema drei Schwierigkeitsstufen mit Erklärungen zu generieren. Wir prüfen jede Stufe fachlich. Wir geben den Schülerinnen und Schülern dann nicht nur die Aufgaben, sondern gezielte Denkaufforderungen, wie sie zur Lösung kommen. So wird die KI zum Werkzeug, nicht zum Ersatzarbeitnehmer.

Rechtlicher Rahmen und die Verantwortung, die bei uns liegt

Bevor wir generative KI im Klassenzimmer einsetzen, sollten wir den rechtlichen Rahmen zumindest in seinen Grundzügen kennen. Das EU-KI-Gesetz ist seit dem 2. Februar 2025 in seiner Pflicht zur KI-Kompetenz anwendbar – diese Pflicht richtet sich allerdings ausdrücklich an Anbieter und Betreiber von KI-Systemen, nicht an einzelne Lehrkräfte als Privatpersonen. Konkret bedeutet das: Hersteller und Anbieter von Lernsoftware müssen Sorge tragen, dass ihre eigenen Mitarbeitenden mit den Systemen umgehen können. Wir als Schule und Schulträger treten als Betreiber auf und sind gehalten, angemessene Maßnahmen zu ergreifen, damit unsere Beschäftigten über ein ihren Aufgaben entsprechendes Maß an KI-Kompetenz verfügen. Was dabei als angemessen gilt, hängt ausdrücklich von der Rolle, der Vorbildung und dem konkreten Einsatzfeld ab – der Gesetzgeber verlangt also keine einheitliche Prüfung, sondern eine dem Kontext angemessene Befähigung.

In der Praxis heißt das nicht, dass jede Lehrkraft ein persönliches Zertifikat erwerben muss. Es bedeutet vielmehr, dass wir als Organisation Verantwortung dafür übernehmen, wie wir KI-Werkzeuge einführen, welche Rahmenbedingungen wir schaffen und wie wir unsere Kolleginnen und Kollegen befähigen. Diese Unterscheidung ist wichtig, weil sie uns davor bewahrt, die Regulierung als individualisierte Pflicht zu lesen – und uns stattdessen auf das konzentrieren lässt, was wir tatsächlich steuern können: eine durchdachte Einführungsphase, klare Nutzungsregeln und kollegiale Lernformate, in denen wir voneinander lernen.

Gleichzeitig ist es wichtig, nicht in Pauschalisierungen zu verfallen: Nicht jedes KI-gestützte Lernpfadsystem ist automatisch eine Hochrisiko-KI im Sinne des EU-KI-Gesetzes. Entscheidend sind der konkrete Zweck und insbesondere, ob das System Lernergebnisse bewertet oder die Bildungsstufe beziehungsweise den Bildungszugang einer Person wesentlich beeinflusst. Ein einfaches Übungsprogramm, das nicht entscheidet, welche Schulform ein Kind besucht, ist in der Regel kein Hochrisikosystem. Eine adaptive Plattform, die am Ende der Grundschule eine Empfehlung für die weiterführende Schule ausspricht, kann hingegen sehr wohl als hochriskant gelten. Hier verschärfen sich die Anforderungen an Dokumentation, menschliche Aufsicht und regelmäßige Überprüfung – ein Punkt, den wir bei der Auswahl von Anbietern genau im Blick behalten sollten.

UNESCO hat bereits am 7. September 2023 Leitlinien für generative KI im Bildungsbereich veröffentlicht und empfiehlt einen menschenzentrierten, altersangemessenen Einsatz, klare Datenschutzvorgaben sowie eine Altersgrenze von 13 Jahren für die Nutzung von KI-Werkzeugen im Klassenraum. Wichtig für uns: Das ist eine internationale Empfehlung, kein allgemein geltendes Gesetz. In Deutschland regeln Schulgesetze und Datenschutzbehörden den konkreten Einsatz. Wenn Sie also ein System einführen, führen Sie zwei Prüfungen parallel: eine fachlich-pädagogische und eine datenschutzrechtliche.

Unsere professionelle Verantwortung endet nicht dort, wo die KI anfängt. Wir bleiben die Lehrkraft, die pädagogisch entscheidet, fachlich prüft und die Lernenden begleitet.

Adaptive Systeme und generative KI – kein Entweder-oder, sondern ein Sowohl-als-auch

Nach Monaten der Begleitung von Kolleginnen und Kollegen, die beides ausprobiert haben, lässt sich ein klares Bild zeichnen: Die größte Wirkung erzielen wir, wenn wir die Stärken beider Welten verbinden und ihre Schwächen gegenseitig ausgleichen.

In meiner eigenen Arbeit hat sich eine bewährte Reihenfolge herausgebildet, die ich gerne mit Ihnen teile. Wir beginnen mit einer soliden diagnostischen Grundlage, häufig gestützt durch ein adaptives Lernsystem, das uns zuverlässig zeigt, wo einzelne Lernende stehen. Dann nutzen wir generative KI, um auf dieser Grundlage passgenaue Erklärungen, Aufgabenvarianten und Dialoge zu erstellen. Im nächsten Schritt prüfen wir die Materialien fachlich und sprachlich, bevor wir sie einsetzen. Und schließlich beobachten wir die Lernenden im Unterricht, um zu sehen, ob das Material tatsächlich trägt – oder ob wir nachjustieren müssen.

Ein konkretes Beispiel aus meiner Praxis: In einer 7. Klasse ging es um das Thema Aggregatzustände. Das adaptive System zeigte mir, dass drei Lernende noch Schwierigkeiten mit dem Teilchenmodell hatten, zwei andere waren längst bereit für Anwendungsaufgaben auf erhöhtem Niveau. Ich habe die KI gebeten, für die drei Lernenden eine bildgestützte Erklärung mit Alltagsbezügen zu formulieren und für die beiden schnelleren Lernenden eine Aufgabe zum Energiehaushalt beim Schmelzen zu erstellen. Beide Materialien habe ich vor dem Einsatz gegengelesen, korrigiert und mit einem kurzen pädagogischen Auftrag versehen: "Erkläre deinem Partner in zwei Sätzen, was du verstanden hast." Das Ergebnis war, dass alle Lernenden in derselben Stunde arbeiten konnten, ohne dass ich drei verschiedene Wege komplett selbst vorbereiten musste.

Die Kostenfrage gehört ehrlich dazu: In der MathSpring-Wirksamkeitsstudie wurden zusätzliche Kosten von rund 48 US-Dollar pro Schülerin oder Schüler gegenüber dem Regelunterricht geschätzt. Solche Zahlen helfen uns, mit Schulleitung und Schulträger realistisch zu planen, bevor wir ein System einführen. Sie sind aber nicht der einzige Maßstab – entscheidend ist, was wir damit im Unterricht erreichen.

Drei Leitlinien für Ihren nächsten Schritt

Wenn Sie in den nächsten Wochen mit Ihrem Kollegium über die Einführung oder Erweiterung eines Lernpfadsystems sprechen, helfen vielleicht diese drei Leitlinien, die ich aus den Erfahrungen vieler Schulen zusammengetragen habe:

1. Diagnostik vor Materialflut. Starten Sie mit einer klaren Lernstandserhebung. Ein adaptives System liefert hier oft schneller belastbare Profile als eine händische Auswertung. Erst danach entscheiden wir, welche Materialien – kuratiert oder generiert – wirklich nötig sind.

2. Fachliche Prüfung als Ritual. Etablieren Sie im Team eine kurze, feste Routine: Jedes KI-generierte Material wird von mindestens einer zweiten Lehrkraft gegengelesen, bevor es im Unterricht landet. Das klingt nach Mehraufwand, ist aber in der Praxis oft nur ein Blick von zehn Minuten.

3. Lernende als Partner im Prozess. Beziehen Sie Ihre Schülerinnen und Schüler ein. Fragen Sie sie, ob sie die Erklärungen verstehen, ob die Aufgaben sie ansprechen, ob sie das Gefühl haben, selbst zu lernen oder nur die KI zu bedienen. Diese Rückmeldungen sind der wertvollste Indikator für gelingende Personalisierung.

Mein Standpunkt, ehrlich und aus der Praxis

Wenn ich heute gefragt werde, ob ich auf adaptive Lernsysteme oder generative KI setzen soll, antworte ich aus der Erfahrung der letzten Jahre: Setzen Sie auf beides, aber mit klarer Rollenverteilung. Das adaptive System gibt mir die diagnostische Stabilität und die nachvollziehbare Logik, die ich für die Grundstruktur meiner Lernpfade brauche. Die generative KI gibt mir die sprachliche und inhaltliche Flexibilität, die ich brauche, um auf einzelne Lerngruppen einzugehen. Beides braucht unsere fachliche und pädagogische Aufsicht. Beides braucht Zeit für die Einarbeitung. Beides ist kein Ersatz für unsere professionelle Beziehungsarbeit mit den Lernenden.

Wir können beobachten, dass die Schulen, die in den letzten beiden Jahren die besten Erfahrungen gemacht haben, nicht die mit dem teuersten System waren, sondern die mit dem klarsten pädagogischen Konzept. Die Werkzeuge wechseln, die Haltung bleibt: Wir gestalten Lernwege, damit Kinder und Jugendliche eigenständig denken, verstehen und handeln lernen. Adaptive Systeme und generative KI sind darin unsere Helfer, nicht unsere Ersatzlehrer.

Probieren Sie es aus, beginnen Sie klein, sprechen Sie im Team, und geben Sie sich selbst die Erlaubnis, auch wieder etwas zu verwerfen, wenn es nicht trägt. Genau so wächst gute Didaktik – Schritt für Schritt, mit den Lernenden im Blick und mit dem Selbstvertrauen, dass wir als Lehrkräfte die Architektinnen und Architekten unserer Lernpfade bleiben.