KI-gestützte Lernplattformen: Checkliste für die Schulauswahl

Sie verarbeitet unter Umständen Leistungsdaten, erstellt Lernstandsdiagnosen, priorisiert Aufgaben und beeinflusst damit, welches Bild eine Schule von ihren Schülerinnen und Schülern gewinnt. Wer eine solche Plattform auswählt, entscheidet folglich nicht nur über Funktionsumfang und Bedienkomfort, sondern über pädagogische Normativität, informationelle Selbstbestimmung und die künftige Verteilung von Entscheidungsmacht im Unterricht.

Besonders heikel wird die Auswahl dort, wo Systeme Lernergebnisse bewerten oder den individuellen Lernstand bestimmen. Der EU AI Act ordnet bestimmte Anwendungen dieser Art als Hochrisiko-KI im Bildungsbereich ein. Für die Auswahlkriterien einer KI-gestützten Lernplattform für Schulen reicht deshalb weder ein Testzugang noch die Zusicherung des Anbieters, die Anwendung sei „datenschutzkonform". Erforderlich ist eine Prüfung, die Recht, Technik, Didaktik und institutionelle Verantwortlichkeit zusammenführt.

Rechtliche Rahmenbedingungen: Nicht jede Lernplattform ist Hochrisiko-KI

Die erste Fehlannahme lautet: Sobald ein System künstliche Intelligenz verwendet, unterliegt es automatisch den strengsten Vorgaben. Das ist falsch. Der EU AI Act unterscheidet nach Einsatzgebiet und Risiko. Ein Werkzeug, das etwa Formulierungsvorschläge für Unterrichtsmaterialien erstellt, ist rechtlich anders zu bewerten als ein System, das aus Schülerdaten einen Lernstand ableitet oder Leistungen bewertet.

Anhang III Nummer 3 des EU AI Act nennt unter anderem Systeme zur Bewertung von Lernergebnissen und zur Bestimmung des individuellen Lernstands. Diese Anwendungen können in den Bereich der Hochrisiko-KI fallen. Ab dem 2. August 2026 greifen für solche Systeme die entsprechenden strengen Pflichten. Die schulische Beschaffung muss daher schon vor diesem Stichtag klären, welche Funktionalität tatsächlich eingesetzt werden soll. Entscheidend ist nicht die Werbesprache des Anbieters, sondern die konkrete Verarbeitung im Schulalltag.

Eine Plattform kann mehrere Module enthalten, die rechtlich unterschiedlich einzuordnen sind:

• Ein generativer Assistent zur Erklärung eines mathematischen Lösungswegs ist nicht ohne Weiteres ein Hochrisikosystem.
• Eine adaptive Aufgabensteuerung kann dann kritisch werden, wenn sie den Lernstand einzelner Schülerinnen und Schüler systematisch bestimmt.
• Eine automatische Bewertung von Aufsätzen, Tests oder mündlichen Beiträgen berührt unmittelbar die Frage nach Leistungsbewertung und Verantwortlichkeit.
• Ein System, das Förderbedarfe oder vermeintliche Defizite aus Verhaltens- und Leistungsdaten ableitet, verlangt eine besonders strenge Prüfung der Datenbasis und der Entscheidungslogik.

Damit verschiebt sich die zentrale Beschaffungsfrage. Sie lautet nicht: „Verwendet die Plattform KI?" Sie lautet: „Welche Entscheidung trifft das System, auf welcher Datengrundlage, mit welcher Reichweite und unter wessen Verantwortung?"

Die entscheidenden Fragen an den Anbieter

Eine seriöse Evaluierung von KI-Bildungstools beginnt mit einer vollständigen Funktionsbeschreibung. Schulen sollten sich nicht mit einer allgemeinen Produktpräsentation zufriedengeben, sondern eine dokumentierte Antwort auf mindestens folgende Punkte verlangen:

• Welche Module nutzen tatsächlich ein KI-Modell, und welche arbeiten regelbasiert?
• Werden Lernstände nur angezeigt oder durch das System automatisch interpretiert?
• Welche Daten fließen in Empfehlungen, Bewertungen oder Priorisierungen ein?
• Können Lehrkräfte die Entscheidungskriterien nachvollziehen und korrigieren?
• Wird das System zur Benotung, zur Förderdiagnostik oder lediglich zur Übungsauswahl verwendet?
• Welche Protokolle, Prüfberichte und Informationen zur Risikoklassifizierung stellt der Anbieter bereit?
• Welche Änderungen am Modell oder an der Datenverarbeitung werden während der Vertragslaufzeit vorgenommen?

Ein Anbieter, der diese Fragen mit allgemeinen Hinweisen auf „modernste Technologie" beantwortet, liefert keine belastbare Entscheidungsgrundlage. Eine Blackbox bleibt auch dann eine Blackbox, wenn ihre Benutzeroberfläche freundlich gestaltet ist.

Je stärker eine Plattform in Bewertung, Diagnose oder Förderung eingreift, desto weniger darf ihre Funktionsweise als bloße Komfortfrage behandelt werden.

Human-in-the-Loop ist keine Dekoration

Bei der Leistungsbewertung und Diagnostik muss das Prinzip Human-in-the-Loop praktisch umgesetzt werden. Die menschliche Kontrolle darf nicht darin bestehen, dass eine Lehrkraft einmal pro Halbjahr einen automatisch erzeugten Bericht überfliegt. Sie muss dort ansetzen, wo das System eine pädagogisch oder rechtlich relevante Aussage produziert.

Das bedeutet konkret:

1. Eine automatische Einschätzung wird als vorläufige Empfehlung kenntlich gemacht.

2. Die Lehrkraft kann die zugrunde liegenden Daten und Kriterien einsehen.

3. Die Empfehlung kann verworfen, verändert oder durch eine eigene Begründung ergänzt werden.

4. Die abschließende Entscheidung bleibt einer verantwortlichen Person zugeordnet.

5. Korrekturen werden nachvollziehbar dokumentiert, insbesondere wenn sie für Förderung, Bewertung oder Übergangsentscheidungen relevant sind.

Damit wird zugleich die Haftungsfrage sichtbar. Grundsätzlich bleibt die Verantwortung beim Träger und bei den Personen, die ein System einführen, konfigurieren oder seine Ergebnisse in pädagogische Entscheidungen überführen. Wie weit diese Verantwortung im Einzelfall reicht, ist jedoch keine Frage, die sich pauschal beantworten lässt. Sie hängt von mehreren Variablen ab: vom Schulrecht des jeweiligen Bundeslandes, von der konkreten datenschutzrechtlichen Rolle der Schule, vom Grad der vom Anbieter übernommenen oder verweigerten Mitwirkung sowie davon, ob eine dokumentierte Freigabeentscheidung getroffen wurde. Die DSGVO, die Landesgesetze und die seit dem 2. August 2026 geltenden Pflichten aus dem EU AI Act setzen dabei unterschiedliche Schwerpunkte, und nicht jeder Fehler eines Systems lässt sich ohne Weiteres einem bestimmten Verantwortlichen zuordnen. Ob die Schule im Streitfall die volle Beweislast für eine sorgfältige Auswahl, Konfiguration und Aufsicht trägt, richtet sich nach der jeweiligen landesrechtlichen Ausgestaltung und der konkreten datenschutzrechtlichen Rolle, die der Träger einnimmt. In vielen Konstellationen wird die Schule als Verantwortliche im Sinne der DSGVO diese Nachweispflicht tragen — doch eine verallgemeinernde Formel, die allein auf das Wort „Schule" verweist, verschleiert die Verästelungen zwischen Bundes- und Landesrecht, zwischen Verantwortlichkeit und Auftragsverarbeitung und zwischen individuellem Fehlverhalten und systemischen Defiziten. Eine Plattform, die keine nachvollziehbaren Korrektur- und Eskalationswege vorsieht, ist daher nicht nur didaktisch schwach, sondern organisatorisch riskant, weil sie genau diese Beweisführung im Einzelfall erschwert.

Datenschutz und Souveränität: Der AVV ist der Anfang, nicht das Ende

Der Datenschutz bei KI-Lernsoftware wird häufig auf eine einzelne Frage verkürzt: Gibt es einen Auftragsverarbeitungsvertrag? Der Abschluss eines AVV gemäß Art. 28 DSGVO ist für die datenschutzkonforme Verarbeitung im schulischen Auftrag zwingend erforderlich. Er ist jedoch kein Gütesiegel, das sämtliche weiteren Prüfungen ersetzt.

Der Vertrag muss zur tatsächlichen Verarbeitung passen. Wenn die Plattform Schülernamen, pseudonymisierte Kennungen, Antworten, Fehlermuster, Bearbeitungszeiten und individuelle Lernverläufe verarbeitet, muss genau diese Verarbeitung abgebildet sein. Eine pauschale Vertragsanlage, die lediglich von „Nutzungsdaten" spricht, genügt der Realität adaptiver Systeme regelmäßig nicht.

Datenminimierung bei adaptiven Lernsystemen

Adaptive Lernsysteme benötigen Daten, um Aufgaben auszuwählen oder Schwierigkeitsgrade anzupassen. Daraus folgt aber kein Freibrief für umfassende Profilbildung. Die Schule muss begründen können, weshalb ein bestimmtes Datum für den konkreten pädagogischen Zweck erforderlich ist.

Zu prüfen sind insbesondere:

• Werden Klarnamen benötigt oder reichen schulinterne Kennungen?
• Werden Freitexte dauerhaft gespeichert oder nur kurzfristig verarbeitet?
• Fließen Bearbeitungszeiten und Abbruchquoten in die Lernstandsberechnung ein?
• Werden Daten für das Training oder die Verbesserung allgemeiner Modelle verwendet?
• Wie lange bleiben Lernverläufe, Chatprotokolle und automatisch erzeugte Profile gespeichert?
• Können Daten vollständig gelöscht oder berichtigt werden?
• Werden Daten zwischen verschiedenen Modulen oder sogar zwischen Schulen zusammengeführt?

Gerade Lernverläufe besitzen eine besondere Sprengkraft. Ein einzelner Fehler ist pädagogisch normal. Ein dauerhaft gespeichertes Fehlerprofil kann hingegen dazu führen, dass ein System einem Kind immer wieder dieselben Defizite zuschreibt. Der vermeintlich personalisierte Unterricht verfestigt dann genau jene Zuschreibung, die er eigentlich überwinden sollte.

Europäisches Hosting und Drittstaatentransfers

Die Frage des Serverstandorts ist nicht bloß eine technische Fußnote. Werden Daten in Drittstaaten verarbeitet oder an dortige Anbieter übermittelt, entstehen zusätzliche rechtliche und organisatorische Anforderungen. Eine Einwilligung der Eltern heilt dabei nicht automatisch jedes Problem. Insbesondere ersetzt sie weder eine tragfähige Rechtsgrundlage im schulischen Kontext noch eine sorgfältige Prüfung der tatsächlichen Datenflüsse.

Datenschutzorientierte Plattformen setzen deshalb auf durchgängiges EU-Hosting. In der vorliegenden Praxis bedeutet das beispielsweise, dass Daten in Stockholm verarbeitet und KI-Berechnungen über europäische Modelle, etwa Mistral in Paris, durchgeführt werden. Ein solcher Aufbau reduziert bestimmte Risiken, macht die Plattform aber nicht automatisch DSGVO-konform. Auch innerhalb der Europäischen Union bleiben Zugriffskonzepte, Löschfristen, Unterauftragnehmer und Modelltraining prüfpflichtig.

Die Schule sollte sich den Datenfluss als vollständige Verarbeitungskette darstellen lassen:

Diese Tabelle ist keine Formalität, sondern der Mindestumfang einer belastbaren Beschaffungsakte. Fehlt die Antwort auf einen dieser Punkte, fehlt der Schule ein Teil der informationellen Kontrolle.

Qualitätssicherung: Das eduCheck-Modell als brauchbare Prüflogik

Viele Schulen vergleichen Plattformen anhand einer Funktionsliste: Chatbot, Aufgabenbibliothek, Lernpfade, Dashboard, Export. Diese Sichtweise ist verständlich, aber methodisch unzureichend. Ein System kann technisch elegant und pädagogisch dennoch ungeeignet sein. Umgekehrt kann eine weniger spektakuläre Plattform institutionell überlegen sein, weil sie transparent, barrierearm und kontrollierbar arbeitet.

Das Projekt „eduCheck digital" ordnet die Prüfung digitaler Bildungsmedien in vier Kernbereiche:

1. Recht und Datenschutz

2. Technik und IT-Sicherheit

3. Barrierefreiheit

4. Benutzerfreundlichkeit

Für KI-gestützte Lernplattformen sollte diese Vierteilung um eine fünfte Perspektive ergänzt werden: die didaktische Nachvollziehbarkeit. Denn ein System kann rechtlich sauber, technisch stabil und benutzbar sein, ohne einen sinnvollen Lernprozess zu unterstützen.

Recht und Datenschutz

Hier geht es nicht nur um vorhandene Dokumente, sondern um die Übereinstimmung zwischen Dokumentation und Praxis. Eine Datenschutzrichtlinie kann vollständig wirken und dennoch offenlassen, ob Lernantworten zum Modelltraining verwendet werden. Ebenso kann ein AVV vorliegen, während die Liste der Unterauftragnehmer unklar bleibt.

Die Schule sollte deshalb Unterlagen nicht isoliert lesen, sondern gegeneinander prüfen:

• Stimmen Datenschutzerklärung, AVV und technische Architektur überein?
• Ist der Zweck der Verarbeitung eng genug gefasst?
• Sind Rollen und Zugriffsrechte eindeutig geregelt?
• Werden besondere Kategorien personenbezogener Daten verarbeitet?
• Gibt es ein Verfahren für Auskunft, Berichtigung und Löschung?
• Werden automatisierte Empfehlungen als solche erkennbar gemacht?

Technik und IT-Sicherheit

Interoperabilität von KI-Systemen im Unterricht bedeutet mehr als das Vorhandensein einer Schnittstelle. Eine Plattform muss sich in die bestehende Identitätsverwaltung, Lernumgebung und gegebenenfalls Landesplattform integrieren lassen, ohne bei jedem Datenaustausch neue Kontrollverluste zu erzeugen.

Zu den technischen Auswahlkriterien gehören:

• Unterstützung etablierter Standards und vorhandener Schul- beziehungsweise Landesplattformen
• Rollen- und Rechteverwaltung für Lernende, Lehrkräfte, Verwaltung und Erziehungsberechtigte
• Protokollierung sicherheitsrelevanter Vorgänge
• Verschlüsselung bei Übertragung und Speicherung
• Regelmäßige Sicherheitsupdates und ein klarer Umgang mit Schwachstellen
• Exportmöglichkeiten für Unterrichtsdaten und Lernstände
• Trennung von Test-, Verwaltungs- und produktiven Umgebungen
• Ausfallsicherheit und erreichbarer Support

Eine proprietäre Plattform, die Daten nur in einem eigenen Format akzeptiert und bei Vertragsende keinen vollständigen Export ermöglicht, erzeugt Abhängigkeit. Das ist keine nebensächliche Unbequemlichkeit, sondern eine Governance-Frage. Wer die Daten nicht kontrolliert, kontrolliert die Infrastruktur nicht vollständig.

Barrierefreiheit und Benutzerfreundlichkeit

Barrierefreiheit darf nicht auf eine vergrößerbare Schrift reduziert werden. KI-gestützte Lernsysteme müssen auch dann funktionieren, wenn Schülerinnen und Schüler mit Screenreader, alternativer Eingabe, reduzierter Aufmerksamkeit oder unterschiedlichen sprachlichen Voraussetzungen arbeiten.

Problematisch sind beispielsweise automatisch erzeugte Rückmeldungen, die zwar grammatisch korrekt, aber unnötig komplex formuliert sind. Ebenso können adaptive Systeme Lernende benachteiligen, wenn sie langsames Lesen, alternative Lösungswege oder sprachliche Besonderheiten als mangelnde Kompetenz interpretieren.

Die Benutzerfreundlichkeit ist dabei nicht mit maximaler Automatisierung gleichzusetzen. Eine Oberfläche, die Lehrkräften jede Entscheidung abnimmt, kann kurzfristig bequem sein und langfristig pädagogische Urteilskraft entwerten. Gute Gestaltung zeigt Unsicherheiten, Alternativen und Eingriffsmöglichkeiten. Schlechte Gestaltung versteckt sie.

Pädagogische Eignung: Personalisierung ist kein Synonym für gute Didaktik

Die pädagogische Eignung von KI-Plattformen entscheidet sich nicht daran, ob jeder Lernende einen individuellen Pfad erhält. Personalisierung ist zunächst nur eine technische Zuschreibung. Pädagogisch relevant wird sie erst, wenn die Anpassung zu einem begründeten Lernziel, einer passenden Rückmeldung und einem tragfähigen Kompetenzaufbau führt.

Ein System, das nach jeder falschen Antwort automatisch eine leichtere Aufgabe stellt, kann Überforderung reduzieren. Es kann jedoch ebenso dazu führen, dass Lernende dauerhaft auf einem niedrigen Anspruchsniveau verbleiben. Ein System, das besonders schnell schwierigere Aufgaben ausgibt, kann leistungsstarke Schülerinnen und Schüler fördern, aber Verständnislücken übergehen. Adaptivität ist daher kein Wert an sich. Sie muss sich an Lernpsychologie und Fachdidaktik messen lassen.

Was eine belastbare Lernplattform leisten muss

Eine brauchbare Plattform sollte nicht nur Antworten bewerten, sondern Lernprozesse sichtbar machen. Dazu gehören:

• Rückmeldungen, die den Denkweg adressieren und nicht bloß das Ergebnis markieren
• Aufgabenvarianten, die unterschiedliche Zugänge und Lösungsstrategien zulassen
• Transparente Kriterien für Schwierigkeitsanpassungen
• Möglichkeiten zur kooperativen Bearbeitung, auch wenn die Plattform individuelle Lernpfade anbietet
• Dokumentation des Lernfortschritts, die Lehrkräfte für ihre Planung nutzen können, ohne selbst Daten exportieren und zusammenführen zu müssen
• Sichtbare Grenzen der Automatisierung: Wo das System sagt „Das kann ich nicht beurteilen", ist es oft vertrauenswürdiger als dort, wo es pauschal urteilt

Die entscheidende Prüffrage lautet: Unterstützt die Plattform den Lehrer oder ersetzt sie ihn? Ein System, das die Rolle der Lehrkraft auf Freigabeklicks reduziert, mag effizient sein. Es verändert aber das professionelle Selbstverständnis derer, die vor der Klasse stehen. Und genau diese Veränderung sollte eine bewusste Entscheidung sein — kein Nebeneffekt einer Beschaffung.

Scaffolding statt Blackbox

Gute KI-gestützte Lernplattformen arbeiten nach dem Prinzip des Scaffolding: Sie unterstützen dort, wo Lernende Hilfe brauchen, und ziehen sich zurück, wo Kompetenz wächst. Das setzt voraus, dass die Plattform nicht nur feststellt, ob eine Antwort richtig oder falsch ist, sondern versteht, welche Teilschritte zum Ergebnis geführt haben.

In der Praxis sieht das so aus: Ein Schüler löst eine Textaufgabe und erhält nicht nur die Rückmeldung „Falsch", sondern einen Hinweis darauf, dass die Umrechnung der Einheiten korrekt war, die Multiplikation aber fehlerhaft. Diese Differenziertheit ist das eigentliche Versprechen adaptiver Systeme. Ob es eingelöst wird, hängt von der Qualität der Aufgabenmodellierung ab — und davon, ob die Lehrkraft nachvollziehen kann, warum das System genau diesen Hinweis gegeben hat.

Ein System, das Scaffolding lediglich simuliert — etwa durch zufällig ausgewählte Tipp-Hierarchien oder generische Ermutigungen —, verschlechtert den Lernprozess gegenüber einer Lehrkraft, die den Fehler erkennt und gezielt nachfragt. Die Pauschalität solcher Systeme verbirgt sich oft hinter einer ansprechenden Nutzeroberfläche. Die Prüfung der pädagogischen Eignung muss deshalb über die Oberfläche hinausgehen und die tatsächlich implementierte Didaktik sichtbar machen.

Eine Plattform, die nicht erklären kann, warum sie einem Kind genau diese Aufgabe stellt, lehrt nicht — sie sortiert.

Praxisbeispiele: Integration in bestehende Infrastrukturen

Keine Plattform wird im luftleeren Raum eingesetzt. Schulen arbeiten mit Landesplattformen, Identitätsmanagementsystemen, digitalen Klassenbüchern und einer Vielzahl von Tools, die sich über Jahre angesammelt haben. Die Frage ist daher nicht nur, ob eine KI-gestützte Lernplattform gut ist, sondern ob sie sich in eine bestehende Infrastruktur einfügt, ohne neue Brüche zu erzeugen.

Ein instruktives Beispiel liefert die bayerische Bildungsplattform ByCS. Sie bietet zentrale Dienste für Authentifizierung, Kommunikation und Lernorganisation. Wer eine externe Plattform integrieren will, muss klären, ob Single Sign-On funktioniert, ob Rollen synchronisiert werden und ob Daten zwischen den Systemen fließen — und wenn ja, welche.

Integrationsfragen, die vor der Beschaffung stehen

Schulen und Schulträger sollten folgende Prüfpunkte adressieren, bevor sie ein KI-System neben eine bestehende Plattform stellen:

• Unterstützt die neue Plattform die Authentifizierung über das vorhandene Identitätsmanagement, sodass keine separaten Zugänge verwaltet werden müssen?
• Werden Lernstände und Ergebnisse bidirektional synchronisiert oder nur in eine Richtung übertragen?
• Bleibt die Landesplattform die zentrale Datenbank, oder entsteht ein zweites System mit eigenen Profilen?
• Können Lehrkräfte zwischen den Systemen wechseln, ohne Daten manuell zu exportieren und zu importieren?
• Sind die Zuständigkeiten bei technischen Störungen klar geregelt, wenn mehrere Anbieter beteiligt sind?
• Wer übernimmt den Support, wenn die Integration zwischen zwei Systemen scheitert — der Plattform-Anbieter, der IT-Dienstleister der Schule oder der Träger?

Jede zusätzliche Schnittstelle ist potenziell ein neues Risiko für Datenverlust, Inkonsistenz und Nutzungsfrust. Eine Plattform, die nur im eigenen Kosmos funktioniert, mag in isolierten Tests überzeugen. Im Schulalltag, wo Lehrkräfte ohnehin zwischen mehreren Tools navigieren, wird sie zum Hindernis.

Vermeidung von Lock-in und Fragmentierung

Ein wiederkehrendes Problem in der schulischen Digitalisierung ist die Fragmentierung: Verschiedene Schulen innerhalb eines Landkreises verwenden verschiedene Plattformen, die Daten nicht austauschen können. Schülerinnen und Schüler, die die Schule wechseln, verlieren ihre Lernverläufe. Lehrkräfte, die an mehreren Schulen unterrichten, müssen mehrere Systeme parallel bedienen.

KI-gestützte Lernplattformen verschärfen dieses Problem, wenn sie proprietäre Formate verwenden oder den Export in ein lesbares Standardformat nicht unterstützen. Die Beschaffung sollte deshalb von Anfang an die Exit-Strategie einschließen: Was passiert mit den Daten, wenn der Vertrag endet? In welchem Format können Lernstände exportiert werden? Sind die exportierten Daten für Drittsysteme nutzbar oder nur ein unlesbares Datenfriedhofsformat?

Wer diese Fragen erst nach Vertragsabschluss stellt, verliert Verhandlungsmacht und handlungsspielraum. Die Antwort gehört in die Ausschreibung, nicht in die Nachbereitung.

Zusammenführung: Von der Checkliste zur institutionalisierten Prüfung

Die hier vorgestellten Prüfpunkte — rechtliche Einordnung, Datenschutzarchitektur, Qualitätssicherung, pädagogische Eignung und Integrationsfähigkeit — sind keine abstrakte Wunschliste. Sie beschreiben den Mindestumfang einer verantwortungsvollen Auswahlentscheidung. Und sie verlangen mehr als eine einmalige Prüfung bei der Erstbeschaffung.

KI-Modelle werden aktualisiert. Anbieter ändern ihre Datenverarbeitung. Neue Module kommen hinzu, bestehende verändern ihr Verhalten. Eine Plattform, die bei Vertragsbeginn alle Prüfpunkte erfüllt hat, kann sechs Monate später anders funktionieren. Die Schule braucht deshalb kein einmaliges Audit, sondern eine fortlaufende Aufsicht — mit klaren Zuständigkeiten, regelmäßigen Prüfrhythmen und dokumentierten Entscheidungen.

Dabei muss die Rolle der Lehrkraft nicht darin bestehen, technische Details zu prüfen. Sie muss aber verstehen, welche Entscheidungen das System trifft, welche Daten es verwendet und wo ihre eigene pädagogische Verantwortung beginnt. Dieses Verständnis entsteht nicht durch ein dreistündiges Einführungswebinar. Es entsteht durch kollegiale Reflexion, durch gemeinsame Beobachtung und durch die institutionelle Erwartung, dass niemand ein Werkzeug blind verwendet, das Lernstände diagnostiziert und Aufgaben priorisiert.

Die beste Checkliste nützt wenig, wenn niemand versteht, warum sie existiert — und wenn nach dem Kauf niemand mehr hinschaut.

Schulische Beschaffung von KI-gestützten Lernplattformen ist kein IT-Projekt. Sie ist eine pädagogische Entscheidung mit rechtlichen, technischen und organisatorischen Konsequenzen. Wer sie allein nach Funktionsumfang und Preis trifft, übersieht das Wesentliche: dass die Art, wie eine Schule Technologie auswählt und steuert, ein Ausdruck ihres Bildungsverständnisses ist — und dass die Schülerinnen und Schüler die Folgen dieser Entscheidung länger tragen als jede Vertragslaufzeit.