KI im Klassenzimmer: Warum Datenqualität vor Algorithmen kommt

Microsoft-Manager Matt Jubelirer und Schulleiter Eric Crespo aus Weehawken Township (New Jersey) zeigen, wie Distrikte aus verstreuten Beständen eine belastbare Datenbasis formen, bevor irgendein Modell ins Spiel kommt.

Aggregation schlägt Algorithmen

Die Kernaussage ist nüchtern: Bevor ein Modell trainiert oder ein Dashboard gebaut wird, müssen die Datenströme zusammenlaufen. Jubelirer, General Manager Education Marketing bei Microsoft, formuliert das Ziel unmissverständlich — weniger Zeit fürs Sammeln, mehr Zeit für die Anwendung. Attendance, Grades, Behavioral Reports und die Zahl der Vertretungslehrer pro Halbjahr existieren in getrennten Systemen. Wer das nicht aggregiert, bekommt kein Learning, sondern nur isolierte Listen. Die Pipeline-Logik ist altbekannt: ohne einheitliches Schema kein sauberes Feature-Set, ohne Feature-Set kein belastbares Modell. KI repariert keine kaputte Datenarchitektur.

Governance als architektonisches Fundament

K-12-Bildung ist stark reguliert. Microsoft stellt laut Jubelirer ein Education-AI-Toolkit bereit, das auf fünf Bausteinen setzt: Transparenz, Privacy, Security, Human Oversight und Accountability. Der Weehawken Township School District hat das in eine Policy überführt, die Crespo als Regelwerk für den Datenzugriff beschreibt — Vendors erhalten einen Schlüssel für genau einen Raum, nicht für das ganze Haus. Entstanden ist die Richtlinie mit Unterstützung einer Kanzlei, verabschiedet über mehrere Stakeholder-Ebenen: staatliche Regulierung als Floor, technologiespezifische Ausgestaltung durch die IT-Administration, öffentlicher Board-Vote als formaler Abschluss. Schüler und Eltern unterzeichnen eine Autorisierung, bevor sie erstmals auf das Distriktnetzwerk zugreifen.

KI-Tools dürfen Muster markieren — die Entscheidung bleibt beim Menschen. Crespo nutzt die „Check-Engine-Light"-Metapher: Daten zeigen auf ein mögliches Problem, Kontext und Gespräch mit dem Kind liefern die Antwort. Ein einzelner Datenpunkt entscheidet nichts.

Rahmenbedingungen verschieben sich

Parallel laufen zwei relevante Entwicklungen. In Florida erhalten Eltern künftig direkte Kontrolle über den Einsatz von KI-Tools im öffentlichen Unterricht, berichten The Black Chronicle und voz.us. Die britische Education Endowment Foundation schreibt £250.000 für ein KI-gestütztes Entscheidungstool aus, das Lehrkräfte durch die Implementierungsphasen Explore, Prepare und Deliver aus dem EEF-Leitfaden führt — auf Basis eines LLM wie Gemini, eingebettet in die bestehende Craft-CMS-Umgebung, gefördert durch ein dreijähriges Google.org-Programm.

Drei Prüfpunkte für die eigene Standortbestimmung:

• Datenquellen-Mapping: Welche Systeme liefern Attendance, Grades, Behavior, Substitutes? Welche APIs oder ETL-Pfade existieren heute?
• Vendor-Zugriffsmodell: Granular pro Teilsystem, vollständiger Audit-Trail, kein globaler Zugriff auf den gesamten Schülerdatenbestand.
• Human-in-the-Loop: Keine automatisierte Entscheidung ohne dokumentierte pädagogische Validierungsstufe.

Machbarkeit: Go — mit Vorbehalt. Die Datenmenge ist vorhanden, die Governance-Beispiele funktionieren in der Praxis. Wer jetzt einführt, ohne die Integrationsschicht zu kennen, skaliert später Silos — nur mit Modell obendrauf.