KI-gestützte Unterrichtsplanung: Checkliste für die Vorbereitung

Siebzehn Ministerien, sechzehn Rechtslagen, eine Blackbox. Wer in der Bundesrepublik als Lehrkraft ein Large Language Model zur Unterrichtsvorbereitung heranzieht, bewegt sich in einem föderalen Flickenteppich aus länderspezifischen Erlassen, Schulcloud-Vereinbarungen und unterschiedlichen Auslegungen der Datenschutz-Grundverordnung. Was in Schleswig-Holstein schulisch freigegeben ist, muss in Sachsen noch lange nicht unter denselben Bedingungen gelten. Selbst innerhalb eines Landes können Zuständigkeiten, Freigabeprozesse und technische Infrastrukturen voneinander abweichen. Eine bundeseinheitliche, rechtsverbindliche Vorgabe für den KI-Einsatz in der Unterrichtsplanung existiert zum gegenwärtigen Zeitpunkt nicht.

Das macht die einzelne Lehrkraft nicht zur alleinigen Trägerin sämtlicher rechtlicher Verantwortung. Es macht die Verantwortungsverteilung vielmehr erklärungsbedürftig. Schule, Schulträger, Schulaufsicht, Anbieter und Lehrkraft können je nach organisatorischer und vertraglicher Konstellation unterschiedliche Rollen einnehmen. Die folgende Analyse zeigt, an welchen Stellen KI tatsächlich entlastet, wo sie gefährliche Drift erzeugt und welche didaktischen, technischen und rechtlichen Leitplanken vor dem Einsatz geklärt sein müssen.

Ohne klar definierte rechtliche Rahmung wird aus jedem vermeintlichen Effizienzgewinn ein latentes Haftungsrisiko. Informationelle Selbstbestimmung ist kein Zugeständnis der Pädagogik — sie ist ihre conditio sine qua non.

Was die Maschine zuverlässig leistet — und was nicht

KI-Modelle bewähren sich dort, wo Aufgaben mechanisch, repetitiv und strukturell sind. Die Erstellung eines Unterrichtsgerüsts mit definierten Phasen — Einstieg, Erarbeitung, Sicherung — gehört eindeutig in diese Kategorie. Eine Lehrkraft kann ein Sprachmodell beauftragen, einen 45-minütigen Verlaufsplan für eine achte Klasse im Fach Gesellschaftslehre zu skizzieren, und erhält binnen Sekunden einen tabellarischen Entwurf mit Zeitfenstern, Sozialformen, Verweisen auf Differenzierungsmaterial und vorformulierten Lernzielkategorien. Das kann eine brauchbare erste Oberfläche liefern: nicht den fertigen Unterricht, aber einen Ansatzpunkt, an dem sich die eigentliche Planung entzündet.

Spezialisierte Schul-KI-Plattformen wie to-teach.ai, das nach eigenen Angaben über 300.000 registrierte Lehrkräfte verzeichnet, oder KI Schulgenie mit mehr als 120 spezialisierten Werkzeugen für Schule und Unterricht gehen noch einen Schritt weiter. Sie bieten vorstrukturierte Eingabemasken, in denen Thema, Klassenstufe, Fach und Dauer einzutragen sind, und generieren anschließend tabellarische Verlaufspläne samt lehrplanbezogenen Lernzielen. Der Vorteil liegt weniger in einer geheimen pädagogischen Intelligenz als in der Reduktion von Reibung: Die Plattform zwingt die Nutzerin oder den Nutzer, bestimmte Planungsparameter überhaupt zu benennen.

Genau hier beginnt aber auch die Grenze. Eine Eingabemaske kann nach Klassenstufe und Unterrichtsdauer fragen; sie kennt dennoch nicht automatisch die tatsächliche Zusammensetzung der Lerngruppe. Sie weiß nicht, ob ein bestimmtes Thema bereits in einer vorangegangenen Stunde gescheitert ist, ob die Klasse auf offene Arbeitsformen produktiv reagiert oder ob ein vermeintlich motivierender Einstieg einzelne Schülerinnen und Schüler bloßstellt. Die Maschine strukturiert, sie beurteilt nicht. Sie berechnet sprachliche und formale Wahrscheinlichkeiten; sie übernimmt keine pädagogische Wahrnehmung.

Die Versuchung ist nachvollziehbar. Was früher eine Stunde Handarbeit kostete, scheint sich auf wenige Minuten zu reduzieren. Die entscheidende Frage lautet deshalb nicht nur: Wie schnell ist der Entwurf verfügbar? Sie lautet: Wie viel fachliche und didaktische Prüfung benötigt er anschließend?

Die Verantwortung für die inhaltliche Qualität, die Passung zur konkreten Lerngruppe und die individuelle Kalibrierung bleibt nicht deshalb bei einer Person, weil ein Anbieter oder eine Schulleitung aus dem Spiel wäre. Vielmehr muss die Verantwortung entlang der tatsächlichen Rollen verteilt und organisatorisch abgesichert werden. Die Lehrkraft verantwortet den konkreten Einsatz im Unterricht und die professionelle Prüfung des Materials. Die Schule beziehungsweise der zuständige Schulträger kann für Auswahl, Freigabe und Organisation eines Werkzeugs zuständig sein. Der Anbieter muss die vereinbarten technischen und datenschutzrechtlichen Anforderungen erfüllen. Welche Pflichten im Einzelnen greifen, hängt von der konkreten Nutzung und den geltenden landesrechtlichen Vorgaben ab.

Eine produktive Arbeitsbeziehung entsteht daher nur dort, wo die Maschine als Entwurfswerkzeug dient und die fachliche Hoheit unangetastet bleibt. Wer KI-generierte Pläne ohne Prüfung übernimmt, delegiert nicht einfach eine lästige Aufgabe. Er überlässt einem statistischen System Entscheidungen, die auf Kontextwissen, pädagogischer Erfahrung und professioneller Abwägung beruhen.

Die Drift nach oben: Wenn das Modell das Niveau verfehlt

Ein besonders tückisches Phänomen im Umgang mit generativen Sprachmodellen ist die sogenannte Niveaudrift. Wer ein KI-System beauftragt, einen Text auf Sprachniveau A2 zu formulieren — etwa für eine Klasse mit Deutsch als Zweitsprache oder für einen inklusiven Differenzierungsstrang —, erhält in der Praxis häufig einen Output, der eher B1- oder sogar B2-Merkmale aufweist. Das Modell wählt komplexere Vokabeln, längere Satzstrukturen und abstraktere Formulierungen, obwohl der Prompt etwas anderes verlangt.

Die Ursache liegt nicht in einem einzelnen Bedienfehler. Sprachmodelle werden mit großen Mengen sehr unterschiedlicher Texte trainiert; formelle, schriftsprachliche und argumentativ ausgearbeitete Textsorten sind darin stark vertreten. Ein Modell kann zwar typische Merkmale von GER-Niveaus nachahmen, es verfügt aber nicht über ein pädagogisches Sprachgefühl, das die konkrete Verständlichkeit für eine bestimmte Lerngruppe zuverlässig garantiert. Die Kennzeichnung A2 ist deshalb zunächst eine Arbeitsanweisung, keine geprüfte Qualitätsstufe.

Die Konsequenz für den Schulalltag ist erheblich. Lehrkräfte müssen jedes KI-generierte Differenzierungsmaterial manuell nachjustieren, wenn sie den Anspruch haben, das angefragte Sprachniveau tatsächlich zu treffen. Zu prüfen sind nicht nur einzelne Wörter, sondern auch Satzlänge, Nebensatzdichte, Abstraktionsgrad, sprachliche Mehrdeutigkeiten und das notwendige Vorwissen. Ein kurzer Text kann formal einfach aussehen und dennoch an impliziten Voraussetzungen scheitern.

Für die Überarbeitung hilft eine kleine, aber konsequente Prüfroutine:

1. Wortschatz prüfen. Sind die zentralen Begriffe für die Lerngruppe eingeführt oder werden mehrere neue Fachwörter gleichzeitig vorausgesetzt?

2. Satzbau prüfen. Enthält der Text verschachtelte Nebensätze, Passivkonstruktionen oder Nominalisierungen, die für das Zielniveau nicht angemessen sind?

3. Aufgabenstellung separat lesen. Häufig ist nicht der Informationstext das Problem, sondern die abstrakte Handlungsanweisung darunter.

4. Beispiele und Leerstellen kontrollieren. Ein Modell kann Beispiele liefern, die sprachlich einfach, inhaltlich aber kulturell oder fachlich voraussetzungsreich sind.

5. Mit der tatsächlichen Lerngruppe abgleichen. Ein GER-Niveau ersetzt weder die Beobachtung der Klasse noch die Kenntnis individueller Förderbedarfe.

Diese Drift ist didaktisch nicht nebensächlich. Eine fehlerhaft kalibrierte Sprachstufe kann im inklusiven Kontext direkte Teilhabenachteile erzeugen. Wer das Material nicht versteht, kann die Aufgabe nicht auf derselben Grundlage bearbeiten wie die übrige Lerngruppe. KI-gestützte Lernziele zu definieren bedeutet daher nicht, lediglich ein Verb wie „erklären“ oder „analysieren“ in einen Prompt einzusetzen. Es bedeutet, Lernziel, sprachliche Voraussetzungen, beobachtbares Ergebnis und realistische Unterstützung aufeinander zu beziehen.

Datenschutz: Die rechtlichen Leitplanken sind nicht verhandelbar

An dieser Stelle verselbstständigt sich die Debatte regelmäßig, und genau hier liegt das eigentliche Strukturproblem des gesamten Feldes. KI-Tools sind nicht per se datenschutzkonform, und sie sind es auch nicht automatisch, weil sie für Bildung vermarktet werden. Ob ein System die Anforderungen der Datenschutz-Grundverordnung erfüllt, hängt von konkreten, überprüfbaren Faktoren ab: von den Zwecken der Verarbeitung, den eingesetzten technischen Funktionen, dem Serverstandort und Datenrouting, den Speicherfristen, den Trainingsbedingungen und nicht zuletzt davon, ob die eingegebenen Prompts personenbezogene Daten enthalten.

Keines dieser Kriterien lässt sich durch das Vertrauen auf einen Markennamen ersetzen. Auch ein schulisches Produktlabel ist kein rechtlicher Freifahrtschein. Entscheidend ist, wer welche Daten zu welchem Zweck verarbeitet, auf welcher Rechtsgrundlage dies geschieht und welche Vereinbarungen zwischen den beteiligten Stellen bestehen.

Personenbezogene Daten von Schülerinnen und Schülern — Namen, Noten, Lernstände, Verhaltensauffälligkeiten, Förderpläne oder diagnostische Einschätzungen — gehören nicht unkontrolliert in ein offenes KI-System. Das gilt insbesondere für sensible Informationen, die Rückschlüsse auf Gesundheit, Behinderung, ethnische Herkunft oder andere besonders geschützte Merkmale erlauben können. Vor einer Eingabe muss geklärt sein, ob die Verarbeitung überhaupt zulässig ist, ob sie für den konkreten Zweck erforderlich ist und ob die schulische Infrastruktur dafür freigegeben wurde. Wo diese Klärung fehlt, ist die datensparsame Variante die einzig vertretbare: anonymisieren, verallgemeinern oder auf die Eingabe verzichten.

Die Verantwortlichkeit dafür liegt nicht pauschal bei der einzelnen Lehrkraft. Im Datenschutzrecht ist zunächst zwischen den Rollen zu unterscheiden. Verantwortlicher ist grundsätzlich die Stelle, die über Zwecke und wesentliche Mittel der Verarbeitung entscheidet. Im schulischen Bereich kann dies — abhängig von Landesrecht und Organisationsstruktur — die Schule, der Schulträger oder eine zuständige staatliche Stelle sein. Die Schulleitung kann dabei organisatorische Pflichten und Prüfaufgaben übernehmen, ohne in jeder Konstellation selbst die datenschutzrechtlich verantwortliche Stelle zu sein. Die Lehrkraft handelt häufig innerhalb dieser institutionellen Struktur und muss die geltenden Vorgaben einhalten; sie wird dadurch aber nicht automatisch zur alleinigen Verantwortlichen für den gesamten Dienst.

Auch der Anbieter nimmt nicht immer dieselbe Rolle ein. Verarbeitet er Daten ausschließlich im Auftrag der Schule und nach deren dokumentierten Weisungen, kommt eine Auftragsverarbeitung in Betracht. Bestimmt der Anbieter dagegen eigene Zwecke der Verarbeitung oder nutzt Daten für eigene Geschäftsmodelle, kann eine andere datenschutzrechtliche Einordnung erforderlich sein. In bestimmten Konstellationen sind weitere Rollenmodelle denkbar. Entscheidend ist nicht die Bezeichnung im Marketing, sondern die tatsächliche Ausgestaltung des Dienstes.

Rechtsgrundlage und Auftragsverarbeitung nicht verwechseln

Ein häufiger Fehler in schulischen KI-Konzepten besteht darin, den Auftragsverarbeitungsvertrag selbst als Rechtsgrundlage zu behandeln. Das ist rechtssystematisch falsch. Artikel 28 DSGVO regelt die Auftragsverarbeitung und die Anforderungen an den Vertrag zwischen Verantwortlichem und Auftragsverarbeiter. Er beantwortet nicht die vorgelagerte Frage, warum die personenbezogenen Daten überhaupt verarbeitet werden dürfen.

Für die Verarbeitung braucht es eine eigene Rechtsgrundlage, typischerweise aus Artikel 6 DSGVO in Verbindung mit den einschlägigen schul- und landesrechtlichen Vorschriften. Je nach Sachverhalt kann es etwa um die Erfüllung einer rechtlichen Verpflichtung oder einer Aufgabe im öffentlichen Interesse gehen. Bei besonderen Kategorien personenbezogener Daten kommen zusätzlich die strengeren Anforderungen des Artikels 9 DSGVO und die jeweils einschlägigen nationalen Regelungen hinzu. Eine Einwilligung ist nicht automatisch die passende Lösung, insbesondere dann nicht, wenn wegen des schulischen Abhängigkeitsverhältnisses keine wirklich freie Entscheidung gewährleistet ist.

Ein AV-Vertrag kann also eine notwendige organisatorische und rechtliche Voraussetzung sein, ersetzt aber nicht die Rechtsgrundlage der Verarbeitung. Umgekehrt macht eine vorhandene Rechtsgrundlage einen Anbieter nicht automatisch zum geeigneten Auftragsverarbeiter. Beide Fragen müssen getrennt geprüft werden:

• Darf die Schule oder zuständige Stelle die Daten für den vorgesehenen Zweck verarbeiten?
• Welche Rolle übernimmt der Anbieter bei dieser Verarbeitung?
• Liegt, falls erforderlich, ein Vertrag zur Auftragsverarbeitung nach Artikel 28 DSGVO vor?
• Sind Unterauftragnehmer, Datenübermittlungen und Speicherorte nachvollziehbar geregelt?
• Werden Prompts, Uploads und Outputs für eigene Zwecke des Anbieters weiterverwendet?
• Welche Lösch-, Auskunfts- und Sicherheitsprozesse gelten im konkreten Dienst?

Hinzu kommt ein strukturelles Defizit, das in der öffentlichen Debatte regelmäßig unterschlagen wird: Die Nutzungsbedingungen vieler Anbieter werden in einer Sprache formuliert, die selbst für ausgebildete Juristinnen und Juristen eine Herausforderung darstellt. Lehrkräfte sind keine Datenschutzexpertinnen und -experten — und müssen es auch nicht allein sein. Schulen und Schulträger benötigen klare Freigabeprozesse, erreichbare Datenschutzbeauftragte, verständliche Handreichungen und eine technische Umgebung, in der datensparsame Nutzung praktisch möglich ist.

Wer Schulen mit KI-Werkzeugen ausstattet, ohne gleichzeitig institutionelle Aufklärung und klare interne Leitlinien bereitzustellen, verlagert das Risiko auf die Unterrichtsebene. Wer dagegen ausschließlich auf individuelle Vorsicht setzt, übersieht, dass eine Lehrkraft die Vertragsbedingungen eines zentral beschafften Dienstes oft weder verhandeln noch technisch kontrollieren kann. Datenschutz ist deshalb nicht nur eine Frage persönlicher Disziplin, sondern auch eine Frage institutioneller Gestaltung.

Eine Blackbox, deren Innenleben niemand kennt, gehört nicht unbesehen in pädagogische Kernprozesse. Vertrauen ohne Nachvollziehbarkeit ist kein Vertrauen — es ist Leichtgläubigkeit mit dienstrechtlicher Konsequenz.

Was vor der Freigabe eines Tools geklärt sein muss

Die Prüfung ist keine Einmalhandlung. Anbieter ändern Konditionen, Funktionen werden erweitert, Geschäftsmodelle wechseln, Unterauftragnehmer kommen hinzu und Übernahmen verändern Eigentumsverhältnisse. Wer zu Beginn des Schuljahres ein Tool freigibt, kann es am Ende des Halbjahres nicht zwangsläufig unter unveränderten Bedingungen weiterbetreiben.

Eine solche Tabelle ersetzt keine juristische Prüfung. Sie verhindert aber, dass eine Schule den Einsatz allein aus einer Produktbeschreibung oder einer Werbeaussage ableitet. Gerade bei offenen Systemen ist die Frage entscheidend, ob der konkrete Account, die konkrete Konfiguration und die konkrete Datenverarbeitung schulisch zugelassen sind. Ein privater Zugang, den eine Lehrkraft aus Eigeninitiative nutzt, ist nicht automatisch mit einer institutionell geprüften Bildungsplattform gleichzusetzen.

Transkription als Brücke: Vom eigenen Lehrmaterial zum Prompt-Kontext

Ein pragmatisch sinnvoller Anwendungsfall für KI in der Unterrichtsvorbereitung ist die Transkription selbst erstellter Lehrmaterialien. Über Tools wie fobizz lassen sich eigene Lehrvideos in Textgrundlagen überführen, die anschließend als Prompt-Kontext für ein Sprachmodell dienen können. Aus einem selbst aufgenommenen Erklärvideo kann so eine kommentierte Aufgabenstellung, ein Diskussionsgerüst oder eine operationalisierte Lernzielformulierung entstehen.

Der pädagogische Wert liegt dabei nicht in der Transkription als solcher. Er liegt in der Möglichkeit, vorhandenes Material schneller in unterschiedliche Unterrichtsformate zu überführen: in eine knappe Zusammenfassung, Fragen für die Sicherungsphase, sprachlich vereinfachte Arbeitsaufträge oder Impulse für eine anschließende Diskussion. Die Lehrkraft bleibt jedoch dafür zuständig, ob die generierte Fassung den Inhalt korrekt wiedergibt und für die konkrete Lerngruppe geeignet ist.

Rechtlich und organisatorisch muss zunächst das Ausgangsmaterial betrachtet werden. Ist das Video tatsächlich eigenständig produziert? Sind darin Schülerinnen, Schüler, Kolleginnen oder Kollegen erkennbar zu sehen oder zu hören? Enthält es Namen, Stimmen, Gesichter, individuelle Beiträge oder Angaben über persönliche Lernstände? Eine Transkription entfernt den Personenbezug nicht automatisch. Auch eine Audiodatei, in der ein Kind an seiner Stimme erkennbar ist, kann personenbezogene Informationen enthalten.

Die Weiterverarbeitung ist daher nicht deshalb unproblematisch, weil aus einem Video zunächst Text wird. Zu klären sind vielmehr der Zweck der Aufnahme, die ursprüngliche Rechtsgrundlage, die schulische Freigabe des Tools, die Speicherfrist und die Frage, ob der Anbieter die hochgeladenen Inhalte für eigene Zwecke nutzt. Wo identifizierbare Drittpersonen beteiligt sind, muss eine geeignete rechtliche Grundlage oder Einwilligung vorliegen, sofern nicht eine andere zulässige Regelung greift. Eine pauschale Annahme, selbst erstelltes Material sei automatisch frei von Datenschutzfragen, wäre ebenso falsch wie die Gleichsetzung von Transkription und Anonymisierung.

Praktisch sinnvoll ist es, vor dem Upload zu prüfen, ob sich der gewünschte Arbeitsschritt mit einer bereinigten Fassung erledigen lässt. Namen können entfernt, individuelle Aussagen verallgemeinert und nicht benötigte Sequenzen ausgespart werden. Wenn die Stimme oder das Bild für die Aufgabe keine Rolle spielt, sollte nur der inhaltlich erforderliche Text weiterverarbeitet werden. Das folgt einem einfachen didaktischen und datenschutzrechtlichen Prinzip: Nicht alles, was technisch verarbeitet werden kann, muss auch verarbeitet werden.

Spezialisierte Plattformen versus offene Systeme

Die Wahl des Werkzeugs ist keine Geschmacksfrage, sondern eine Architekturentscheidung mit Folgewirkung. Offene Systeme wie ChatGPT oder Claude bieten maximale Flexibilität und breite Modellkompetenz, aber häufig weniger institutionelle Kontrolle über Konten, Datenflüsse und Freigaben. Spezialisierte Schul-KI-Plattformen wie to-teach.ai oder KI Schulgenie bieten vorstrukturierte Eingabemasken, schulformspezifische Templates und teilweise zugeschnittene Compliance-Dokumente. Daraus folgt jedoch nicht automatisch, dass sie datenschutzrechtlich geeignet sind.

Ob ein Dienst eingesetzt werden darf, entscheidet sich nicht an der Kategorie „Schulplattform“, sondern an der konkreten Vertragslage, der technischen Infrastruktur, dem Datenmodell und der organisatorischen Freigabe. Eine Plattform mit dem Etikett „Schule“ auf der Webseite ist noch kein Beleg für datenschutzrechtliche Sauberkeit. Umgekehrt kann ein institutionell verwalteter Dienst unter klaren Bedingungen sinnvoller nutzbar sein als ein vermeintlich harmloser öffentlicher Chatbot. Maßgeblich ist, welche Daten tatsächlich fließen und wer über ihre Verarbeitung entscheidet.

Für die schulische Methodik der KI-Integration ist außerdem die didaktische Funktion des Tools zu bestimmen. Dient es lediglich als Ideengeber für einen Stundenentwurf? Erstellt es differenzierte Texte? Bewertet es Schülerleistungen? Transkribiert es Audio? Je näher ein System an personenbezogene Leistungs- oder Diagnosedaten heranrückt, desto höher werden die Anforderungen an Prüfung, Dokumentation und institutionelle Kontrolle. Ein Werkzeug für die Entwicklung von Einstiegsfragen ist anders zu bewerten als ein System, das individuelle Förderpläne verarbeitet.

Die Vorbereitung sollte deshalb nicht mit der Frage beginnen, welches Tool die längste Funktionsliste besitzt. Sie sollte mit dem Unterrichtszweck beginnen:

1. Lernziel und Funktion festlegen. Zuerst muss klar sein, ob KI einen Entwurf strukturieren, Material sprachlich anpassen, Fragen generieren oder vorhandene Inhalte transkribieren soll.

2. Erforderliche Daten begrenzen. Für die meisten Planungsaufgaben genügen Thema, Fach, Klassenstufe, Zeitrahmen und allgemeine didaktische Anforderungen. Individuelle Namen und Lernbiografien sind dafür in der Regel nicht erforderlich.

3. Tool und institutionelle Rolle prüfen. Die Schule oder der zuständige Schulträger muss klären, wer für den Dienst verantwortlich ist, welche Rolle der Anbieter einnimmt und ob die Nutzung freigegeben wurde.

4. Rechtsgrundlage und Vertrag getrennt dokumentieren. Die Rechtsgrundlage der Verarbeitung ist nicht mit einem AV-Vertrag gleichzusetzen. Beides gehört, sofern erforderlich, in die Prüfung.

5. Output fachlich kontrollieren. Jede generierte Unterrichtsphase, jede Lernzielformulierung und jede Differenzierungsidee muss auf Richtigkeit, Passung, Sprache und mögliche Verzerrungen geprüft werden.

6. Änderungen beobachten. Datenschutzinformationen, Funktionen und Anbieterbedingungen können sich ändern. Die Freigabe eines Tools sollte deshalb überprüfbar und nicht auf Dauer blind fortgeschrieben werden.

Vom Tool zur Methode: Wie die Vorbereitung disziplinierter wird

Die eigentlich folgenreiche Frage ist weniger, welches KI-Tool verwendet wird, sondern welche didaktische Disziplin die Lehrkraft in den Vorbereitungsprozess einbringt. KI kann eine Verlaufsplanung generieren, aber sie kann nicht entscheiden, ob ein Einstieg über ein kontroverses Beispiel, ein Rätsel oder ein direktes Lehrerstatement zur konkreten Lerngruppe passt. Sie kann Differenzierungsmaterial vorschlagen, aber sie kennt nicht automatisch das einzelne Kind, das seit drei Wochen die Hausaufgaben nicht mehr abgibt und möglicherweise auf eine stille Krise zu Hause reagiert. Sie kennt die Sitzposition hinten links nicht, den Blickkontakt und die unausgesprochene Frage im Raum.

All das ist nicht substituierbar. Jede Behauptung des Gegenteils ist ideologische Marktbeschreibung, keine Pädagogik. Das heißt nicht, dass KI keinen Beitrag zur Individualisierung leisten kann. Sie kann Varianten erzeugen, sprachliche Hürden sichtbar machen und alternative Zugänge vorschlagen. Die Entscheidung, welche Variante einer konkreten Lerngruppe zugemutet werden kann, bleibt aber eine pädagogische Entscheidung.

Die sinnvolle Reihenfolge im Vorbereitungsprozess ist daher nicht „KI zuerst“, sondern „Lehrkraft zuerst, KI danach, Lehrkraft erneut“:

1. Didaktische Skizze manuell anlegen. Lernziele, Phasen, Sozialformen und Materialien werden zunächst grob bestimmt. Die Lehrkraft entscheidet, was die Stunde tragen soll und woran sich der Lernerfolg zeigen lässt.

2. KI-gestützte Lernziele präzisieren. Das Modell kann helfen, aus allgemeinen Absichten beobachtbare Formulierungen zu machen. Es darf aber nicht darüber hinweghelfen, dass ein Lernziel fachlich zu breit, methodisch nicht überprüfbar oder für die verfügbare Zeit unrealistisch ist.

3. Phasenstruktur durch KI generieren lassen. Das Modell liefert Zeitfenster, methodische Vorschläge, Sozialformvarianten und Differenzierungsideen als Diskussionsgrundlage — nicht als verbindlichen Plan.

4. Sprachniveau-Drift manuell korrigieren. Jedes KI-generierte Textmaterial wird gegen die beabsichtigte GER-Stufe und gegen die tatsächlichen sprachlichen Voraussetzungen der Klasse abgeglichen.

5. Datenschutzprüfung vor der Eingabe durchführen. Es wird geklärt, ob personenbezogene Daten erforderlich sind, wer für die Verarbeitung zuständig ist, welche Rechtsgrundlage greift und ob der Dienst institutionell freigegeben wurde. Artikel 28 DSGVO wird dabei korrekt als Regelung der Auftragsverarbeitung eingeordnet, nicht als eigenständige Rechtsgrundlage.

6. Fachliche und ethische Endkontrolle vornehmen. Die Lehrkraft prüft jeden Output auf inhaltliche Richtigkeit, curriculare Passung, pädagogische Angemessenheit, Barrierearmut und diskriminierungsfreie Formulierung.

7. Einsatz und Überarbeitung reflektieren. Nach der Stunde wird sichtbar, ob der Entwurf tatsächlich geholfen hat. Ein Tool, das regelmäßig aufwendige Korrekturen produziert, ist nicht automatisch effizient, nur weil es schnell Text erzeugt.

Diese Schritte sind keine technische Spielerei, sondern eine Absicherung gegenüber den Lernenden, den Eltern, dem Kollegium und der eigenen beruflichen Integrität. Zugleich verhindern sie eine falsche Individualisierung der Verantwortung. Die Lehrkraft muss ihren Output prüfen; sie kann aber nicht an die Stelle der Schule, des Schulträgers oder des Anbieters treten, wenn es um institutionelle Freigaben, Verträge, Sicherheitskonzepte und die rechtliche Architektur eines Dienstes geht.

Position

KI-gestützte Unterrichtsplanung ist kein technologisches Großprojekt, sondern eine Frage professioneller Selbstbehauptung. Die Werkzeuge werden besser, schneller und allgegenwärtig; die rechtlichen Rahmenbedingungen hinken hinterher, und die institutionelle Aufklärung an den Schulen ist uneinheitlich bis nicht vorhanden. Was bleibt, ist die Lehrkraft als kritische Instanz — nicht als einsame Verantwortliche für jedes Glied der Verarbeitungskette, sondern als jene Person, die den konkreten Output in eine pädagogische Situation übersetzt.

Dafür braucht sie mehr als ein Prompt-Handbuch. Sie braucht freigegebene Werkzeuge, nachvollziehbare Zuständigkeiten, verständliche Datenschutzinformationen und eine Schulkultur, in der Rückfragen nicht als Technikfeindlichkeit gelten. Die Schule muss klären, welche Dienste eingesetzt werden dürfen. Der Schulträger oder die zuständige Stelle muss die technischen und vertraglichen Voraussetzungen schaffen. Der Anbieter muss seine Rolle, Datenflüsse und Sicherheitsmaßnahmen transparent machen. Und die Lehrkraft muss den erzeugten Inhalt fachlich, didaktisch und im konkreten Unterrichtskontext verantwortungsvoll prüfen.

Die Verführung ist real, die Versprechen sind es nur bedingt. Wer KI in der Unterrichtsplanung einsetzt, übernimmt Verantwortung: für die Qualität des Materials, für den Schutz der Daten und für die pädagogische Würde eines Berufs, der mehr ist als ein Optimierungsproblem. Gute KI-gestützte Unterrichtsplanung beginnt deshalb nicht mit dem leistungsfähigsten Modell, sondern mit einer sauber formulierten Aufgabe, einem begrenzten Datenumfang und einer klaren Antwort auf die Frage, wer im jeweiligen Prozess welche Verantwortung trägt.