KI-Prompting oder Fachassistent für den Unterrichtsentwurf

Welche Differenzierung brauchen Schülerinnen und Schüler, die schon nach fünf Minuten fertig sind, und welche jene, die noch am Grundverständnis arbeiten? Wer regelmäßig Unterricht vorbereitet, kennt diese Schleifen nur zu gut. Sie kosten Zeit, sind aber didaktisch unverzichtbar.

Künstliche Intelligenz kann an dieser Stelle spürbar entlasten. Die entscheidende Frage lautet jedoch nicht einfach, welches KI-Tool „besser“ ist. Es geht vielmehr darum, ob wir für die jeweilige Planungsaufgabe mehr Kontrolle über den Denkprozess brauchen – oder mehr Automatisierung durch einen bereits didaktisch vorkonfigurierten Fachassistenten. Genau hier liegt der Kern von KI-Unterrichtsvorbereitung: Prompting oder Assistent.

Beide Wege können einen Unterrichtsentwurf mit KI erstellen helfen. Sie unterstützen Lehrkräfte aber auf sehr unterschiedliche Weise: Ein generisches Sprachmodell reagiert auf unsere Anweisungen und lässt uns jeden Planungsschritt selbst gestalten. Ein Fachassistent bringt dagegen bestimmte Regeln, Vorlagen und didaktische Annahmen bereits mit. Das kann entlasten, aber auch begrenzen.

Die Architektur des Promptings: Kontrolle und didaktische Freiheit

Beim Prompting geben wir der KI möglichst präzise vor, welche Aufgabe sie übernehmen soll, für welche Lerngruppe sie plant und welche Bedingungen gelten. Ein einfacher Auftrag wie „Erstelle eine Unterrichtsstunde zum Thema Photosynthese“ führt deshalb nur selten zu einem brauchbaren Ergebnis. Die KI kennt weder die konkrete Klasse noch den bisherigen Lernweg, die verfügbare Zeit oder die Schwierigkeiten, die im Unterricht tatsächlich zu erwarten sind.

Ein tragfähiger Prompt beschreibt nicht nur das Thema, sondern die didaktische Situation. Dazu gehören beispielsweise:

• das Fach und die Jahrgangsstufe,
• die fachlichen und überfachlichen Lernziele,
• das Vorwissen der Lerngruppe,
• die Unterrichtszeit und die vorhandenen Materialien,
• die gewünschte Sozialform,
• sprachliche oder sonderpädagogische Unterstützungsbedarfe,
• die Form der Ergebnissicherung,
• mögliche Fehlvorstellungen,
• und die Kriterien, anhand derer die Stunde später ausgewertet werden soll.

Ein solcher Auftrag zwingt uns zunächst selbst zu einer pädagogischen Klärung. Was sollen die Lernenden am Ende tatsächlich können? Woran erkennen wir, dass ein Lernprozess stattgefunden hat? Welche Hilfen stärken die Selbstständigkeit, und welche nehmen den Lernenden die Denkarbeit ab?

Gerade darin liegt eine große Stärke des Promptings. Die KI übernimmt nicht automatisch die gesamte Unterrichtsplanung, sondern wird zu einem Gegenüber innerhalb unseres Planungsprozesses. Wir können Hypothesen formulieren, Varianten anfordern, Aufgaben auf unterschiedliche Anspruchsniveaus übertragen oder eine geplante Phase kritisch prüfen lassen.

Ein möglicher Arbeitsauftrag könnte so aussehen:

„Du unterstützt mich bei der Planung einer 45-minütigen Unterrichtsstunde im Fach Geschichte für eine heterogene 8. Klasse. Die Lernenden kennen die Grundzüge der Industrialisierung, haben aber Schwierigkeiten, Ursache und Folge voneinander zu unterscheiden. Entwickle keine fertige Musterstunde, sondern drei mögliche Einstiege, die an dieser Fehlvorstellung ansetzen. Beschreibe jeweils den erwarteten Lernschritt, mögliche Schülerreaktionen und eine kurze Überleitung zur Erarbeitungsphase.“

Der Unterschied zum allgemeinen Befehl ist deutlich: Die KI soll hier nicht möglichst schnell ein vollständiges Produkt liefern. Sie soll Optionen eröffnen und die didaktische Entscheidung bei der Lehrkraft lassen. Das entspricht einem Scaffolding, das auch im Unterricht sinnvoll ist: Wir geben so viel Struktur wie nötig, ohne den Lernprozess vollständig vorwegzunehmen.

Prompting ist besonders stark, wenn …

Generisches Prompting eignet sich vor allem dann, wenn eine Unterrichtssituation noch nicht eindeutig ist oder eine Lehrkraft bewusst verschiedene Wege vergleichen möchte. Das betrifft zum Beispiel:

1. Die Entwicklung von Aufgabenformaten

Eine offene Lernaufgabe, ein gestuftes Arbeitsblatt oder eine Transferfrage kann in mehreren Varianten ausgearbeitet werden. Die KI liefert Rohmaterial, das anschließend fachlich und didaktisch geprüft wird.

2. Die Binnendifferenzierung

Eine bestehende Aufgabe lässt sich sprachlich vereinfachen, mit zusätzlichen Hilfen versehen oder auf ein höheres Anforderungsniveau bringen. Entscheidend ist, dass die Niveaus nicht bloß in „leicht“, „mittel“ und „schwer“ aufgeteilt werden, sondern unterschiedliche Formen der Unterstützung sichtbar machen.

3. Die Analyse von Fehlvorstellungen

Wir können die KI bitten, typische Denkfehler zu einem Thema zu sammeln und daraus passende Diagnosefragen abzuleiten. Die Qualität hängt dabei stark davon ab, ob wir das fachliche Thema und die Lerngruppe ausreichend eingrenzen.

4. Die Reflexion einer Unterrichtsplanung

Ein Prompt kann die KI in die Rolle einer kritischen Kollegin, eines Fachleiters oder einer Lernenden versetzen. Das ersetzt kein echtes kollegiales Gespräch, kann aber blinde Flecken sichtbar machen.

5. Die Verbindung von Lernziel und Leistungsüberprüfung

Die KI kann prüfen, ob eine geplante Aufgabe tatsächlich das Lernziel erfasst oder ob sie lediglich Reproduktion verlangt, obwohl eigentlich Bewertung, Transfer oder Problemlösung angebahnt werden soll.

Ein guter Prompt macht Unterricht nicht automatisch besser. Er macht aber die didaktische Entscheidung sichtbar, die sonst leicht zwischen Thema, Methode und Material verloren geht.

Fachassistenten: Automatisierung durch didaktische Vorkonfiguration

Ein spezialisierter Fachassistent funktioniert anders. Er wurde – je nach System – mit bestimmten Unterrichtsmodellen, Planungsrastern, Fachbegriffen oder Qualitätskriterien vorkonfiguriert. Statt jedes Mal ausführlich zu erklären, welche Struktur ein Unterrichtsentwurf haben soll, können Lehrkräfte mit wenigen Angaben zu einem passenden Ausgangspunkt gelangen.

Das ist besonders hilfreich, wenn im Schulalltag nicht die Ideen fehlen, sondern die Zeit. Wer am späten Nachmittag noch eine Stunde für den nächsten Morgen vorbereiten muss, möchte nicht jedes Mal einen umfangreichen Meta-Prompt formulieren. Ein Fachassistent kann Angaben wie Thema, Jahrgangsstufe, Zeitumfang und Lernziel abfragen und daraus eine erste Planung erstellen.

Der Vorteil liegt in der geringeren kognitiven Belastung. Die Lehrkraft muss nicht bei jedem Durchlauf daran denken, alle relevanten Planungsschritte explizit anzufordern. Ein gut entwickelter Assistent fragt beispielsweise nach:

• der konkreten Lerngruppe,
• der Unterrichtsreihe,
• dem Kompetenzziel,
• vorhandenen Materialien,
• dem gewünschten Grad der Differenzierung,
• der Phase der Lernstandsdiagnose,
• und der geplanten Ergebnissicherung.

Damit kann ein Fachassistent gerade für wiederkehrende Aufgaben sehr praktisch sein. Denkbar sind etwa Unterrichtsentwürfe, Arbeitsaufträge, Tafelbilder, Bewertungsraster oder kurze formative Lernstandschecks. Die Ergebnisse wirken häufig konsistenter, weil das System immer wieder auf ähnliche Planungsschritte zurückgreift.

Allerdings ist diese Konsistenz nicht automatisch ein Qualitätsmerkmal. Ein Assistent kann konsequent eine bestimmte Phasenstruktur ausgeben, auch wenn sie für die konkrete Lerngruppe nicht passt. Er kann eine vertraute methodische Ordnung reproduzieren, obwohl der Lerngegenstand einen anderen Zugang verlangt. Vorkonfiguration bedeutet deshalb immer auch Vorentscheidung.

Die pädagogischen Annahmen hinter dem Assistenten

Jeder Fachassistent steht für ein bestimmtes Verständnis von gutem Unterricht. Das kann offen benannt sein oder sich nur indirekt in den Antworten zeigen. Wird beispielsweise immer zuerst ein motivierender Einstieg vorgeschlagen, anschließend eine Einzelarbeitsphase und am Ende eine Sicherung, entsteht ein bestimmtes Bild von Unterricht als linearer Abfolge.

Das ist nicht grundsätzlich problematisch. Routinen können Orientierung geben und besonders bei der ersten Nutzung entlasten. Wir sollten aber beobachten, ob die vorgeschlagene Struktur dem Lernprozess dient oder nur der Ausgabe des Tools.

Bei einem Lerngegenstand, der eine kontroverse Diskussion verlangt, kann eine schnelle Einzelarbeitsphase zu früh kommen. In einer Klasse mit großen sprachlichen Hürden braucht es möglicherweise zunächst gemeinsames Begriffsverständnis. Bei einer mathematischen Aufgabe kann eine ausführliche Einführung sogar unnötig sein, wenn die Lernenden bereits über tragfähige Strategien verfügen und direkt diagnostisch arbeiten könnten.

Ein Fachassistent ist deshalb kein didaktischer Autopilot. Er ist eher ein vorstrukturierter Planungsraum. Wir bewegen uns darin schneller, müssen aber prüfen, welche Türen dieser Raum überhaupt öffnet.

KI-Prompting oder Fachassistent: Zwei Arbeitsweisen im direkten Vergleich

Die Unterschiede werden deutlicher, wenn wir nicht die Tools an sich, sondern die Arbeitsschritte betrachten. Beim Prompting entsteht der Plan meist dialogisch: Die Lehrkraft entwickelt, verwirft und präzisiert gemeinsam mit der KI. Beim Fachassistenten beginnt der Prozess oft mit einem Formular, einem festgelegten Ablauf oder einem standardisierten Eingabefeld.

Die Gegenüberstellung zeigt: Es gibt keinen allgemeinen Sieger. Die Entscheidung hängt davon ab, ob wir im jeweiligen Moment eher didaktische Gestaltungsspielräume oder verlässliche Entlastung benötigen.

Kognitive Entlastung und pädagogische Tiefe

In Gesprächen über KI im Unterricht wird häufig so getan, als wäre Zeitersparnis das wichtigste Ziel. Natürlich ist es hilfreich, wenn ein erster Entwurf nicht mehr den gesamten Abend beansprucht. Für die Qualität des Unterrichts ist aber entscheidender, was mit der gewonnenen Zeit geschieht.

Wenn ein Fachassistent eine brauchbare Grundstruktur erstellt, kann die Lehrkraft mehr Aufmerksamkeit auf die Lerngruppe richten: auf sprachliche Zugänge, mögliche Überforderung, die Passung der Aufgaben oder die Qualität der Lernprodukte. In diesem Sinn kann Automatisierung pädagogische Tiefe sogar ermöglichen.

Problematisch wird es, wenn die Entlastung den didaktischen Denkprozess ersetzt. Ein fertiger Entwurf sieht häufig überzeugend aus, weil er vollständig wirkt: Lernziel, Einstieg, Arbeitsphase, Sicherung und Hausaufgabe sind vorhanden. Vollständigkeit ist aber nicht dasselbe wie Passung. Ein Unterrichtsentwurf kann formal rund und für die konkrete Klasse trotzdem ungeeignet sein.

Beim Prompting liegt die Gefahr an einer anderen Stelle. Weil das System keine feste Struktur vorgibt, können wir sehr differenziert arbeiten – oder uns in immer neuen Varianten verlieren. Fünf mögliche Einstiege, acht Aufgabenformate und drei alternative Sicherungen erzeugen noch keinen besseren Unterricht. Irgendwann muss eine pädagogische Entscheidung getroffen werden.

Hier hilft eine klare Arbeitsregel: Die KI darf Optionen entwickeln, aber die Lehrkraft entscheidet, welche Option dem Lernprozess dient. Diese Entscheidung sollte nicht nur nach persönlichem Geschmack erfolgen, sondern anhand konkreter Fragen:

• Welche Lernhandlung wird tatsächlich angeregt?
• Welche sprachlichen und fachlichen Voraussetzungen bringt die Lerngruppe mit?
• Wo müssen Lernende selbst denken, begründen oder gestalten?
• Welche Unterstützung ist vorübergehend und kann später zurückgenommen werden?
• Woran wird während der Stunde erkennbar, ob das Lernziel erreicht wird?

Gerade die letzte Frage wird in KI-generierten Entwürfen oft zu wenig berücksichtigt. Viele Planungen beschreiben Aktivitäten, aber keine belastbaren Beobachtungspunkte. „Die Schülerinnen und Schüler bearbeiten ein Arbeitsblatt“ sagt noch nicht, welcher Kompetenzzuwachs erwartet wird. Ein gutes Prompting kann diese Lücke schließen, wenn wir die KI ausdrücklich um Diagnosemomente und sichtbare Lernprodukte bitten.

Ein Beispiel aus der Unterrichtsplanung

Nehmen wir eine Deutschstunde, in der eine 7. Klasse argumentative Texte untersuchen soll. Ein generischer Auftrag könnte eine typische Unterrichtsfolge liefern: Einstieg mit einem Impuls, Erarbeitung eines Textes, Markieren von Argumenten, Besprechung im Plenum. Das ist nicht falsch, bleibt aber auf der Ebene der Aktivität.

Ein präziserer Prompt würde die didaktische Herausforderung benennen:

„Plane eine Unterrichtssequenz, in der die Lernenden zwischen Behauptung, Begründung und Beispiel unterscheiden. Viele Schülerinnen und Schüler markieren derzeit ganze Absätze, ohne die Funktion einzelner Sätze zu erkennen. Entwickle eine kurze Diagnoseaufgabe, eine kooperative Erarbeitungsphase und eine Sicherung, in der die Lernenden ihre Entscheidungen begründen müssen. Formuliere außerdem je eine sprachliche Hilfe für Lernende mit Unterstützungsbedarf und eine Transferaufgabe für Lernende, die schnell fertig sind.“

Hier wird die KI nicht nur nach einer Methode gefragt. Sie erhält Informationen über eine Fehlvorstellung, eine Kompetenz und die notwendige Binnendifferenzierung. Der Unterrichtsentwurf kann dadurch deutlich näher an der tatsächlichen Lernsituation liegen.

Ein Fachassistent könnte denselben Planungsbedarf über Eingabefelder abbilden. Dann wäre die Qualität davon abhängig, ob „Fehlvorstellung“, „sprachliche Unterstützung“ und „Transfer“ im System überhaupt vorgesehen sind. Je besser der Assistent diese Dimensionen abfragt, desto größer sein didaktischer Nutzen.

Skalierbarkeit und Konsistenz: Wann sich KI-Tools für Lehrkräfte lohnen

Der Nutzen eines KI-Tools zeigt sich nicht nur an einer einzelnen Unterrichtsstunde. In Schulen entstehen viele wiederkehrende Planungsaufgaben: mehrere Lerngruppen arbeiten am gleichen Thema, Unterrichtsreihen werden angepasst, Materialien müssen sprachlich überarbeitet oder Aufgaben für unterschiedliche Niveaus bereitgestellt werden.

Hier können Fachassistenten ihre Stärke ausspielen. Wenn ein Kollegium eine gemeinsame Vorstellung davon hat, wie Lernziele formuliert, Aufgaben differenziert oder Reflexionsphasen gestaltet werden sollen, kann ein Assistent diese gemeinsamen Standards unterstützen. Er sorgt dann nicht zwingend für identische Stunden, aber für bestimmte Mindestanforderungen in der Planung.

Das kann besonders in Fachschaften hilfreich sein, die an einer Unterrichtsreihe gemeinsam arbeiten. Ein Assistent könnte etwa darauf achten, dass jede Stunde ein beobachtbares Kompetenzziel enthält, dass Lernprodukte benannt werden und dass Differenzierung nicht nur über zusätzliche Arbeitsblätter erfolgt. Damit wird KI nicht zum Ersatz für kollegiale Absprachen, sondern zu einer Art methodischer Erinnerung.

Gleichzeitig sollten wir die Grenzen der Skalierbarkeit ernst nehmen. Je stärker ein Tool standardisiert wird, desto größer ist die Gefahr, dass Besonderheiten der einzelnen Klasse untergehen. Eine Unterrichtsreihe für eine sehr selbstständige Lerngruppe braucht andere Rhythmen als dieselbe Reihe in einer Klasse, die viel sprachliche Begleitung benötigt.

Auch die Qualität der Ausgangsdaten spielt eine zentrale Rolle. Ein Assistent, der nur Fach, Thema und Klassenstufe kennt, kann keine wirklich individuelle Planung erstellen. Dafür braucht er Informationen über Lernstände, Interessen, Arbeitsweisen und bisherige Ergebnisse. Diese Angaben müssen von Menschen eingebracht und sinnvoll ausgewählt werden. Die KI kann vorhandene Informationen strukturieren; sie kann nicht aus dem Nichts eine pädagogische Beziehung herstellen.

Vier Einsatzfelder, in denen die Kombination besonders sinnvoll ist

In der Praxis bewährt sich häufig eine Arbeitsteilung zwischen generischem Prompting und Fachassistent:

1. Erste Struktur durch den Fachassistenten, Vertiefung durch Prompting

Der Assistent erstellt einen übersichtlichen Rohentwurf. Anschließend lassen wir einzelne Phasen kritisch prüfen oder auf die konkrete Lerngruppe zuschneiden.

2. Offene Ideen durch Prompting, Umsetzung im standardisierten Format

Die KI entwickelt zunächst verschiedene Zugänge zu einem schwierigen Thema. Der ausgewählte Ansatz wird anschließend in das Planungsraster des Fachassistenten übertragen.

3. Routine durch den Assistenten, pädagogische Entscheidungen durch die Lehrkraft

Wiederkehrende Bestandteile wie Kompetenzformulierungen oder Materialübersichten können automatisiert werden. Die Auswahl von Aufgaben, Beispielen und Gesprächsimpulsen bleibt eng an der Lerngruppe orientiert.

4. Qualitätsprüfung mit einem zweiten Blick

Ein Entwurf aus dem Fachassistenten wird nicht einfach verwendet, sondern durch einen unabhängigen Prompt geprüft: Wo wird nur Aktivität beschrieben? Wo fehlt ein Diagnosemoment? Welche Lernenden könnten ausgeschlossen werden?

Diese Kombination ist oft produktiver als die Entscheidung für nur ein System. Sie verbindet Effizienz mit Offenheit und verhindert, dass die erste brauchbare Antwort bereits als fertige Unterrichtsplanung gilt.

Die beste KI-Strategie für Lehrkräfte ist selten die vollständig automatisierte Planung. Meist entsteht der größere Gewinn dort, wo Routine abgegeben und pädagogische Urteilskraft gezielt gestärkt wird.

Methodische Integration: Eine hybride Strategie für moderne Lehrpläne

Wenn wir KI sinnvoll in die Unterrichtsplanung integrieren möchten, brauchen wir keinen großen Systemwechsel. Ein überschaubarer, wiederholbarer Ablauf reicht zunächst aus. Entscheidend ist, dass die Lehrkraft an den Stellen selbst entscheidet, an denen Kontextwissen und pädagogische Verantwortung gefragt sind.

Schritt 1: Die Lernaufgabe vor dem Tool klären

Bevor ein Prompt formuliert oder ein Fachassistent geöffnet wird, sollte die zentrale Lernhandlung feststehen. Geht es um das Erklären eines Zusammenhangs, das Anwenden einer Strategie, das Bewerten einer Position oder das Entwickeln einer eigenen Lösung?

Diese Klärung verhindert, dass die KI vom Thema ausgehend eine Methode vorschlägt, ohne den eigentlichen Kompetenzaufbau zu berücksichtigen. „Bruchrechnung“ ist noch kein Lernziel, ebenso wenig wie „Klimawandel“ oder „Gedichtanalyse“.

Schritt 2: Die Lerngruppe beschreiben, nicht etikettieren

Statt allgemeiner Bezeichnungen wie „schwache Klasse“ oder „leistungsstarke Lerngruppe“ sind konkrete Beobachtungen hilfreicher:

• Einige Lernende können Fachbegriffe mündlich verwenden, schreiben sie aber nicht sicher.
• Die Klasse arbeitet kooperativ, verliert aber bei offenen Aufgaben schnell den Fokus.
• Viele Lernende lösen Standardaufgaben korrekt, übertragen Strategien jedoch noch nicht auf neue Situationen.
• Ein Teil der Gruppe benötigt visuelle Strukturierung und kurze, klar abgegrenzte Arbeitsaufträge.

Solche Informationen machen einen Unterschied. Sie ermöglichen der KI, Unterstützungsangebote vorzuschlagen, die an tatsächlichen Lernbarrieren ansetzen.

Schritt 3: Das geeignete Werkzeug auswählen

Für eine offene didaktische Frage ist Prompting meist die bessere Wahl. Wenn wir beispielsweise herausfinden möchten, wie ein Thema über ein Experiment, eine Diskussion oder eine Fallanalyse erschlossen werden kann, brauchen wir Flexibilität.

Für eine regelmäßig wiederkehrende Aufgabe kann ein Fachassistent sinnvoller sein. Das gilt etwa für die Umformulierung von Aufgaben in mehreren Sprachstufen, die Erstellung von Beobachtungsbögen oder die Vorbereitung einer Reihe nach einem verbindlichen schulinternen Raster.

Eine einfache Orientierung bietet diese Zuordnung:

• Offene Suche nach Zugängen: generisches Prompting
• Wiederkehrendes Planungsformat: Fachassistent
• Individuelle Fehlvorstellungen: Prompting mit ausführlicher Kontextbeschreibung
• Einheitliche Qualitätsstandards im Kollegium: Fachassistent
• Ungewöhnliche Methoden oder fächerübergreifende Vorhaben: zunächst Prompting
• Schnelle Überarbeitung vorhandener Materialien: je nach Funktionsumfang beides

Schritt 4: Einen Rohentwurf nie mit der Endfassung verwechseln

Der erste KI-Entwurf ist ein Vorschlag, kein professioneller Unterrichtsentwurf. Wir sollten ihn auf drei Ebenen lesen.

Fachlich: Sind Aussagen, Beispiele und Begriffe korrekt? Werden Zusammenhänge verkürzt oder falsch dargestellt?

Didaktisch: Passt die Lernhandlung zum Ziel? Werden die Lernenden tatsächlich zum Denken, Üben, Begründen oder Gestalten aufgefordert?

Praktisch: Ist die Stunde unter den gegebenen Bedingungen realistisch? Passt der Zeitbedarf? Sind Material, Raum, Gruppengröße und technische Ausstattung berücksichtigt?

Gerade bei KI-generierten Unterrichtsplanungen wird der Zeitbedarf häufig unterschätzt. Ein Entwurf kann in sich logisch wirken und trotzdem zu viele Phasen enthalten. Auch die Übergänge zwischen Arbeitsformen werden oft zu glatt beschrieben. In der Praxis brauchen Gruppenbildung, Materialausgabe, Nachfragen und Ergebnissicherung ihren eigenen Raum.

Schritt 5: Die Planung mit einem kurzen Gegenprompt schärfen

Nach der ersten Ausgabe kann ein zweiter Prompt die Qualität deutlich erhöhen. Zum Beispiel:

„Prüfe diesen Unterrichtsentwurf aus der Perspektive einer Lehrkraft, die nur 45 Minuten zur Verfügung hat. Markiere alle Phasen, die wahrscheinlich mehr Zeit benötigen als angegeben. Zeige außerdem, an welcher Stelle die Lernenden eine eigene Entscheidung treffen und an welcher Stelle sie nur Informationen verarbeiten. Schlage eine gekürzte Version vor, ohne das Lernziel zu verlieren.“

Oder:

„Analysiere die Planung im Hinblick auf Binnendifferenzierung. Unterscheide zwischen echter Unterstützung im Lernprozess und bloßer Zusatzbeschäftigung für schnelle Lernende. Ergänze zwei Maßnahmen, die die Selbstständigkeit fördern und später wieder reduziert werden können.“

Solche Aufträge führen weg vom bloßen Generieren und hin zur professionellen Reflexion. Die KI wird dann weniger als Schreibmaschine und stärker als Denkpartner genutzt.

Was Fachassistenten nicht abnehmen können

Auch ein gut entwickelter Fachassistent kennt die Lernenden nicht so, wie wir sie kennen. Er weiß nicht, welche Schülerin heute ungewöhnlich still ist, welcher Schüler sich in offenen Gesprächsphasen zurückzieht oder welche Beispiele in der Klasse tatsächlich Interesse auslösen. Er kennt nicht die Dynamik einer Lerngruppe nach einer Klassenarbeit und nicht die Wirkung einer bestimmten Aufgabenstellung auf einzelne Lernende.

Diese Grenzen sind kein Argument gegen KI. Sie erinnern uns daran, welche Aufgaben nicht delegiert werden sollten. Dazu gehören insbesondere:

• die Einschätzung der Beziehungssituation in der Klasse,
• die Auswahl sensibler oder persönlich belastender Beispiele,
• die Beurteilung individueller Lernfortschritte,
• die Entscheidung über angemessene Unterstützung,
• die fachliche Verantwortung für Inhalte,
• und die abschließende pädagogische Gestaltung der Stunde.

Auch datenschutzbezogene Fragen gehören in die Planung. Personenbezogene Informationen über Lernende sollten nicht unbedacht in öffentliche Systeme eingegeben werden. Für die Arbeit mit KI ist es sinnvoll, Beobachtungen zu anonymisieren und nur solche Informationen zu verwenden, die für die didaktische Aufgabe wirklich erforderlich sind.

Ein Fachassistent kann uns helfen, eine Aufgabe zu differenzieren. Er sollte aber nicht zur Instanz werden, die festlegt, welches Kind welchen Bildungsgang, welches Leistungsniveau oder welche Förderung „braucht“. Pädagogische Diagnostik ist mehr als die Verarbeitung einiger Merkmale.

Der Unterrichtsentwurf mit KI als gemeinsamer Lernprozess

Ein interessanter Perspektivwechsel besteht darin, KI nicht nur zur Vorbereitung von Unterricht, sondern auch zur Weiterentwicklung der eigenen Planungskompetenz zu nutzen. Wer regelmäßig Prompts formuliert, erkennt mit der Zeit, welche Angaben für eine gute Unterrichtsentscheidung fehlen. Wer mit einem Fachassistenten arbeitet, kann beobachten, welche Planungsschritte immer wieder vorgeschlagen werden – und welche Aspekte dabei zu kurz kommen.

So entsteht ein professioneller Lernprozess auf Seiten der Lehrkraft. Wir lernen nicht nur, bessere Eingaben zu machen. Wir schärfen auch unsere eigene Sprache für Lernziele, Diagnose, Scaffolding und Binnendifferenzierung.

Das kann im Kollegium besonders wertvoll sein. Statt einzelne KI-Ergebnisse unverbunden auszutauschen, können Fachschaften gemeinsam gute Planungsfragen entwickeln:

• Wie formulieren wir Kompetenzziele so, dass sie beobachtbar werden?
• Welche Informationen über Lernvoraussetzungen verändern eine Planung tatsächlich?
• Wie erkennen wir, ob eine Differenzierung den Zugang erleichtert oder nur Aufgaben vervielfacht?
• Welche Qualitätskriterien soll ein Fachassistent berücksichtigen?
• Wo brauchen wir bewusst unterschiedliche Unterrichtswege statt einheitlicher Vorlagen?

Damit wird KI-Didaktik nicht zu einer Sammlung technischer Tricks. Sie wird Teil einer gemeinsamen Verständigung darüber, wie Lernen unterstützt werden soll.

Eine praxistaugliche Entscheidungshilfe

Für die tägliche Arbeit können wir uns vor der Auswahl des Werkzeugs drei Fragen stellen:

1. Brauche ich neue didaktische Ideen oder eine schnelle Ausarbeitung?

Für Ideen, Alternativen und kritische Perspektiven ist Prompting meist geeigneter. Für eine standardisierte Ausarbeitung kann ein Fachassistent Zeit sparen.

2. Ist diese Unterrichtssituation einmalig oder wiederkehrend?

Ein einmaliges, ungewöhnliches Vorhaben verlangt häufig mehr Offenheit. Bei wiederholbaren Aufgaben lohnt sich eine vorkonfigurierte Unterstützung.

3. Muss die KI die Lerngruppe besonders genau verstehen?

Je individueller die Situation, desto ausführlicher sollte der Kontext beschrieben werden. Ein Fachassistent ist dann nur so gut, wie seine Eingabemöglichkeiten diese Besonderheiten abbilden.

Wenn die Antwort auf alle drei Fragen unklar bleibt, ist ein hybrider Einstieg sinnvoll: zunächst mit einem offenen Prompt verschiedene Möglichkeiten erkunden, anschließend eine passende Struktur übernehmen und zum Schluss den Entwurf kritisch gegen die reale Lerngruppe prüfen.

Fazit: Nicht das Tool entscheidet, sondern die didaktische Absicht

Die Frage „KI-Prompting oder Fachassistent?“ lässt sich nicht mit einer Rangliste beantworten. Generisches Prompting bietet Freiheit, Transparenz und die Möglichkeit, ungewöhnliche didaktische Wege zu entwickeln. Es verlangt dafür eine klare Aufgabenstellung und die Bereitschaft, den Planungsprozess aktiv zu steuern.

Fachassistenten entlasten bei wiederkehrenden Abläufen, schaffen Konsistenz und können gerade im hektischen Schulalltag einen verlässlichen Ausgangspunkt liefern. Ihre Grenzen liegen dort, wo vorgegebene Strukturen die Besonderheiten einer Lerngruppe überdecken oder pädagogische Entscheidungen scheinbar automatisch treffen.

Für die Unterrichtsvorbereitung mit KI ist deshalb eine Arbeitsteilung besonders tragfähig: Routine darf automatisiert werden, die Verantwortung für Lernziele, Beziehungen, Aufgabenqualität und Binnendifferenzierung bleibt bei uns. Lassen Sie uns die KI dort einsetzen, wo sie Denkarbeit sortiert, Varianten sichtbar macht und Zeit für pädagogische Aufmerksamkeit freigibt.

Der beste Unterrichtsentwurf ist am Ende nicht der vollständigste, den ein Tool erzeugt. Es ist derjenige, der eine konkrete Lerngruppe beim nächsten Lernschritt unterstützt – und der Lehrkraft noch genug Raum lässt, während der Stunde aufmerksam zu beobachten und ihren Plan wirklich lernwirksam weiterzuentwickeln.