Unterrichtsdifferenzierung mit KI: Vom Plan zum Arbeitsblatt
Ein differenziertes Arbeitsblatt entsteht nicht dadurch, dass ein Text einmal „einfacher“ und einmal „schwieriger“ formuliert wird. Das ist Kürzung, keine Binnendifferenzierung.
Unterrichtsdifferenzierung mit KI-Tools funktioniert erst dann belastbar, wenn das Modell mit klaren Parametern arbeitet: Jahrgangsstufe, Vorwissen, Lernziel, Sprachstand, Unterstützungsbedarf, Zeitbudget und erwartete Leistung.
Für eine 45-Minuten-Stunde sind das schnell zehn bis fünfzehn Entscheidungen, die sonst implizit im Kopf der Lehrkraft liegen. KI kann diese Entscheidungen in Material überführen. Sie kann sie nicht fachlich verantworten. Der produktive Einsatz beginnt deshalb nicht beim Arbeitsblatt, sondern beim präzisen Unterrichtsplan.
KI skaliert Varianten. Die didaktische Entscheidung bleibt bei der Lehrkraft.
Der Prompt ist die Spezifikation, nicht die Frage an einen Chatbot
Viele Versuche mit ChatGPT für Binnendifferenzierung scheitern an einem zu offenen Auftrag: „Erstelle ein Arbeitsblatt zum Thema Brüche für Klasse 6.“ Das Modell liefert dann meist eine formal brauchbare, didaktisch beliebige Vorlage. Sie enthält Aufgaben, aber keine belastbare Lernprogression.
Für KI-Unterrichtsmaterialien braucht der Prompt eine Struktur, die mit einem technischen Lastenheft vergleichbar ist. Nicht aus Bürokratie, sondern weil jedes fehlende Kriterium durch statistische Standardannahmen des Modells ersetzt wird. Diese Annahmen passen selten exakt zur Lerngruppe.
Ein belastbarer Ausgangsprompt enthält mindestens:
- Fach und konkretes Thema: Nicht „Naturwissenschaften“, sondern etwa „Teilchenmodell: Zustandsänderungen bei Wasser“.
- Jahrgangsstufe und Schulform: Eine siebte Klasse an einer Gesamtschule benötigt andere sprachliche und fachliche Zugänge als ein Leistungskurs.
- Vorwissen: Benennen, was bereits gesichert ist und was noch nicht vorausgesetzt werden darf.
- Lernziel: Möglichst als beobachtbare Leistung formulieren. Etwa: „Die Lernenden erklären Verdunstung mit dem Teilchenmodell und wenden die Begriffe Temperatur, Teilchenbewegung und Aggregatzustand korrekt an.“
- Zeitbudget: Zum Beispiel 45 Minuten inklusive Einstieg, Sicherung und Abschluss.
- Sozialform und Materialrahmen: Einzelarbeit, Partnerarbeit, digital oder auf Papier, Taschenrechner erlaubt oder nicht.
- Differenzierungsachsen: Sprachliche Entlastung, fachliche Komplexität, Hilfen zur Selbststeuerung, offene Transferaufgabe.
- Ausgabeformat: Ablaufplan, Arbeitsblatt, Lösungserwartung, Hinweise für die Lehrkraft und drei Exit-Tickets.
Der Unterschied zwischen einem offenen Wunsch und einer brauchbaren Spezifikation ist erheblich.
| Parameter | Unscharfer Auftrag | Steuerbarer Auftrag |
|---|---|---|
| Lernziel | „Brüche verstehen“ | „Gleichnamige Brüche addieren und den Rechenweg begründen“ |
| Zielgruppe | „Klasse 6“ | „6. Klasse, heterogene Rechenkompetenz, sichere Addition natürlicher Zahlen“ |
| Differenzierung | „leicht und schwer“ | „Basis mit visualisierten Hilfen, Standard ohne Hilfekarten, Transfer mit Sachkontext und Fehleranalyse“ |
| Sprache | nicht definiert | „Kurze Sätze, Fachwortliste, Satzstarter für mehrsprachige Lernende“ |
| Prüfung | nicht definiert | „Lösungen vollständig ausweisen, fachliche Stolperstellen markieren“ |
Eine praxistaugliche Prompt-Struktur für Lehrkräfte lässt sich in vier Blöcke zerlegen:
1. Kontext: Fach, Lerngruppe, Vorkenntnisse, Rahmenbedingungen.
2. Ziel: Kompetenz, die am Ende überprüfbar sichtbar sein soll.
3. Materialauftrag: Ablauf, Aufgabenformat, Varianten, Lösungen.
4. Qualitätsgrenzen: Sprachregister, Fachbegriffe, Quellenbedarf, keine erfundenen Fakten, Kennzeichnung unsicherer Aussagen.
Für Prompting für Lehrer gilt damit eine einfache Regel: Je näher der Prompt an einer didaktischen Planung liegt, desto weniger Nacharbeit fällt bei der Materialstruktur an. Die fachliche Kontrolle verschwindet nicht. Sie verschiebt sich aber von der leeren Seite auf eine prüfbare Vorlage.
Erst den Ablauf erzeugen, dann das Arbeitsblatt ableiten
Ein Arbeitsblatt ohne Stundenarchitektur ist ein isoliertes Dokument. Es kann inhaltlich korrekt sein und trotzdem im Unterricht nicht funktionieren: Die Aufgabe setzt Begriffe voraus, die erst später eingeführt werden. Die Sicherung prüft etwas anderes als die Erarbeitung. Oder die Bearbeitungszeit wird um den Faktor zwei unterschätzt.
Der stabilere Workflow besteht aus zwei getrennten Generierungsschritten.
Schritt 1: Einen 30- bis 45-Minuten-Ablauf spezifizieren
Der erste Prompt erzeugt keinen Aufgabenstapel, sondern einen Unterrichtsplan. Dieser kann direkte Instruktion, Verständnissicherung, Diskussion, Klassenaktivität und individuelle Übungsphase kombinieren. Entscheidend ist die Verknüpfung zwischen Lernziel und jeder einzelnen Phase.
Ein Auftrag kann beispielsweise verlangen:
- einen Einstieg mit diagnostischer Funktion,
- eine kurze, fachlich präzise Instruktionsphase,
- eine Erarbeitungsaufgabe in drei Varianten,
- drei Diskussionsfragen,
- eine Sicherung mit typischen Fehlvorstellungen,
- ein Exit-Ticket in drei Schwierigkeitsstufen,
- eine Erweiterung oder Hausaufgabe für Lernende, die früher fertig sind.
Damit wird KI nicht zum Ersatz für Unterrichtsvorbereitung, sondern zur Produktionsumgebung für Varianten. Das Modell kann aus einem definierten Ziel mehrere Darstellungsformen ableiten. Es kann etwa eine Aufgabe zur Prozentrechnung als Rechnung, Sachtext, Tabelle und Fehleranalyse ausgeben. Welche Variante für diese Lerngruppe sinnvoll ist, entscheidet die Lehrkraft.
Schritt 2: Nur die benötigten Materialbausteine ausgeben lassen
Erst wenn der Ablauf steht, folgt das Arbeitsblatt. Der Prompt sollte den bereits geprüften Plan referenzieren und die Ausgabe begrenzen. Ein Modell produziert sonst gern zu viel: lange Einleitungen, fünf Zusatzaufgaben, redundante Hilfetexte und Lösungen, die nicht zum Operator passen.
Für ein Arbeitsblatt sind diese Vorgaben sinnvoll:
- maximal eine Seite pro Niveaustufe, sofern Papierkopien geplant sind;
- einheitliche Aufgabenlogik über alle Varianten;
- klar getrennte Hilfen, damit leistungsstärkere Lernende nicht automatisch mitlesen;
- vollständiger Erwartungshorizont;
- Zuordnung jeder Aufgabe zu einem Teilziel;
- keine neue Fachinformation im Arbeitsblatt, die nicht im Unterricht eingeführt wird.
Ein Beispiel für die Steuerung: Statt „Erstelle drei Arbeitsblätter“ ist „Erstelle eine Aufgabenfolge mit identischem Kernproblem. Variante A enthält Bildimpulse und Satzstarter. Variante B verlangt eine eigene Erklärung. Variante C ergänzt eine Fehleranalyse und einen Transfer auf einen neuen Kontext“ wesentlich belastbarer.
Das verhindert ein verbreitetes Fehlmuster: KI erzeugt drei Arbeitsblätter, die nur unterschiedlich lang sind. Die schwächere Variante enthält dann weniger Lernen, die stärkere nur mehr Rechenvolumen. Das ist keine differenzierte Kompetenzentwicklung.
Differenzierung bedeutet mehrere Achsen, nicht drei Farben
Die klassische Einteilung in „leicht, mittel, schwer“ ist administrativ bequem, aber pädagogisch grob. In einer heterogenen Lerngruppe können Sprachkompetenz, fachliches Vorwissen, Arbeitsgeschwindigkeit und Fähigkeit zur Selbststeuerung weit auseinanderliegen. Ein sprachlich vereinfachtes Blatt kann für eine fachlich sehr starke Schülerin passend sein. Eine zusätzliche Rechenaufgabe hilft einem Schüler mit unsicherem Begriffsverständnis dagegen nicht.
Für Unterrichtsdifferenzierung mit KI-Tools lassen sich vier Achsen getrennt erzeugen und kombinieren.
Sprachliche Zugänglichkeit
Gerade bei Inklusion mit KI ist Sprache oft der wirksamste Hebel. Das betrifft nicht nur mehrsprachige Lernende, sondern auch Schülerinnen und Schüler mit geringer Leseflüssigkeit oder hoher kognitiver Belastung durch Fachsprache.
KI kann hier sinnvoll unterstützen durch:
- kürzere Satzstrukturen und eindeutige Operatoren;
- Erklärung zentraler Fachbegriffe in einfacher Sprache;
- Wortlisten mit Definitionen, ohne den Fachbegriff zu eliminieren;
- Satzstarter für Begründungen, etwa „Ich erkenne daran, dass …“;
- visuell beschriebene Arbeitsschritte;
- getrennte Versionen eines Textes mit gleichem fachlichem Kern.
Der kritische Punkt: Sprachliche Vereinfachung darf nicht zur fachlichen Verflachung führen. Aus „Photosynthese“ wird nicht einfach „Pflanzen machen Nahrung“. Die fachliche Aussage muss korrekt bleiben, auch wenn sie in kleinere Einheiten zerlegt wird.
Fachliche Komplexität
Die zweite Achse betrifft nicht die Textmenge, sondern die Denkoperation. Eine Basisvariante kann Begriffe zuordnen oder einen vorgegebenen Lösungsweg anwenden. Die Standardvariante verlangt Anwendung in einer neuen Aufgabe. Die anspruchsvolle Variante fordert Begründung, Fehlerdiagnose, Vergleich oder Transfer.
Für ein Thema wie lineare Funktionen könnte die Staffelung so aussehen:
| Niveau | Kognitive Anforderung | Beispielaufgabe |
|---|---|---|
| Basis | Darstellung lesen und Werte einsetzen | Werte aus einer gegebenen Wertetabelle ablesen |
| Standard | Funktionsgleichung anwenden | Zu einer Alltagssituation eine Wertetabelle erstellen |
| Herausforderung | Modell kritisch prüfen | Begründen, warum eine lineare Funktion einen Tarif nur näherungsweise beschreibt |
Alle drei Varianten arbeiten am gleichen Lernziel. Nur der Grad der Eigenständigkeit und Abstraktion verändert sich.
Unterstützungsgrad und Selbststeuerung
Manche Lernende benötigen keine leichtere Aufgabe, sondern einen klareren Weg durch dieselbe Aufgabe. KI kann Hilfekarten erzeugen, die nicht sofort auf dem Blatt stehen, sondern bei Bedarf ausgegeben werden. Das ist technisch sauberer als drei vollständig getrennte Lernwege.
Sinnvolle Hilfen sind etwa:
- ein erster gelöster Teilschritt;
- eine Entscheidungsfrage zum nächsten Arbeitsschritt;
- eine Visualisierung des Problems;
- eine Liste typischer Fehler;
- eine Kontrollfrage vor der Abgabe.
Die Hilfekarte muss den Lösungsprozess öffnen, nicht die Lösung vorwegnehmen. Ein guter Test lautet: Kann die lernende Person nach Nutzung der Hilfe eine vergleichbare Aufgabe selbstständig bearbeiten? Wenn nicht, war die Hilfe zu stark.
Diagnose am Stundenende
Exit-Tickets sind für KI-gestützte Differenzierung besonders nützlich, weil sie Material für die nächste Planung liefern. Drei Varianten können als Kurzcheck, Standard und Herausforderung angelegt werden. Dabei ist nicht nötig, jeder Person ein festes Etikett zuzuweisen. Die Auswahl kann offen erfolgen oder durch die Lehrkraft gesteuert werden.
Ein Kurzcheck prüft einen Kernbegriff. Die Standardversion prüft Anwendung. Die Herausforderung verlangt Transfer oder Begründung. Die Ergebnisse zeigen nicht nur richtig oder falsch, sondern auch, ob das Hindernis sprachlich, fachlich oder strategisch ist.
Drei Niveaustufen sind kein Standard. Sie sind ein praktikables Format, wenn die Lernziele sauber getrennt bleiben.
Datenschutz: Der Prompt ist kein neutraler Notizzettel
Die produktivste Materialidee verliert ihren Wert, wenn sie auf unzulässigen Daten basiert. In der Schulrealität ist das keine Randbedingung, sondern Teil der Implementierung.
Namen und Anschriften aus einem Prompt zu entfernen, reicht regelmäßig nicht aus. Personen können aus Kombinationen von Kontextdaten erneut identifizierbar werden. Ein konkreter Förderbedarf, seltene biografische Angaben, Leistungsdaten oder Konfliktbeschreibungen können selbst ohne Namensnennung eine Person erkennbar machen.
Für die Nutzung externer KI-Dienste gilt daher ein pragmatischer Minimalstandard:
- Keine individualisierbaren Schülerdaten in offene oder nicht schulisch freigegebene Systeme eingeben.
- Förderbedarfe nur abstrahiert beschreiben, etwa als „Lernende mit begrenztem fachsprachlichem Wortschatz“ statt als Fallbeschreibung einer einzelnen Person.
- Nur die von Schulträger, Land oder Schule freigegebenen Konten, Verträge und Einstellungen verwenden.
- Vor dem Einsatz prüfen, ob Eingaben gespeichert, zum Training verwendet oder an weitere Dienstleister übermittelt werden.
- Arbeitsblätter mit personenbezogenem Bezug nicht blind durch KI bewerten oder priorisieren lassen.
Hinzu kommt die menschliche Letztverantwortung. Leistungsbewertung bleibt eine pädagogische und hoheitliche Aufgabe der Lehrkraft. KI kann bei der Formulierung von Bewertungsrastern, bei der Sortierung von Antwortmustern oder bei Feedbackentwürfen helfen. Sie darf keine individuelle Leistungsentscheidung autonom treffen.
Seit dem 2. Februar 2025 gilt Artikel 4 des EU-KI-Gesetzes. Er verpflichtet Anbieter und Betreiber dazu, für ein ausreichendes Maß an KI-Kompetenz bei den Personen zu sorgen, die Systeme nutzen oder betreiben. Für Schulen bedeutet das keine Zertifikatsroutine um ihrer selbst willen. Es bedeutet: Wer KI in Arbeitsprozesse integriert, muss Grenzen, Fehlmuster, Datenflüsse und Prüfverfahren kennen.
Qualitätsprüfung: Drei Tests vor dem Kopierer
KI-generierte Materialien wirken oft plausibel, weil Layout, Ton und Aufgabenformate routiniert sind. Plausibilität ist kein Qualitätsnachweis. Besonders bei naturwissenschaftlichen Erklärungen, historischen Kontexten, Quellenangaben und Musterlösungen können Halluzinationsraten praktisch relevant werden: Das Modell liefert eine flüssige, aber falsche Behauptung.
Die Prüfung sollte deshalb nicht als allgemeines „einmal drüberlesen“ organisiert werden, sondern als kurze Testsequenz.
1. Fachtest: Stimmen Begriffe, Rechenwege, Daten, Kausalitäten und Lösungen? Bei Quellenmaterial prüfen, ob Zitate, Fundstellen und historische Angaben tatsächlich existieren. Generierte Quellenlisten sind ein Hochrisikobereich.
2. Didaktischer Test: Zahlt jede Aufgabe auf das formulierte Lernziel ein? Sind Operatoren eindeutig? Ist die Progression über die Varianten hinweg nachvollziehbar? Besonders prüfen: Verlangt die Aufgabe Wissen, das vorher nicht eingeführt wurde?
3. Zielgruppentest: Passt Sprachstand, Textlänge und Arbeitsmenge zur konkreten Lerngruppe? Ein Modell kennt die Klasse nicht. Es kennt nur die Parameter, die im Prompt stehen. Fehlen diese, produziert es Durchschnittsmaterial für eine Durchschnittsgruppe, die es nicht gibt.
Bei automatisierter Korrektur kommt ein vierter Test hinzu: Diskriminierung und systematische Verzerrung. Wenn ein System sprachliche Ausdrucksformen, Namen, Dialekte oder ungewöhnliche Lösungswege fehlerhaft abwertet, ist das nicht nur ein Qualitätsproblem. Bei personenbezogenen Ergebnissen kann es datenschutzrechtlich relevant werden.
Die KMK bewertet die Forschungslage zur Lernwirksamkeit generativer KI weiterhin als unzureichend. Daraus folgt kein pauschales No-Go für KI-Unterrichtsmaterialien. Daraus folgt aber ein klares Betriebsmodell: KI liefert Entwürfe, Varianten und Formulierungsvorschläge. Die Schule evaluiert deren Wirkung im eigenen Kontext.
Machbarkeitsbewertung: Go für Materialvarianten, No-Go für Autopilot
Unterrichtsdifferenzierung mit KI-Tools ist technisch sofort umsetzbar, wenn die Schule drei Voraussetzungen erfüllt: ein freigegebenes Tool, eine klare Prompt-Struktur und einen verbindlichen Prüfprozess. Besonders gut skalierbar sind Arbeitsblätter, Hilfekarten, sprachlich angepasste Texte, Aufgabenvarianten und Exit-Tickets.
Ein No-Go bleibt der Autopilot: personenbezogene Lerndaten in nicht freigegebene Systeme kopieren, generierte Inhalte ungeprüft verteilen oder KI-Ausgaben zur automatischen Leistungsentscheidung machen. Das ist weder rechtlich noch didaktisch belastbar.
Der sinnvolle Standard ist weniger spektakulär und deutlich nützlicher: Lernziel präzisieren, Ablauf planen, Varianten generieren, fachlich prüfen, in der Klasse testen, anhand der Ergebnisse nachjustieren. Ob KI in dieser Schleife tatsächlich Zeit spart, hängt stark vom konkreten Material, der Prompt-Qualität und der eigenen Prüfroutine ab. Sie ersetzt sie nicht.