VR-Brillen mit KI: Der Weg zum immersiven Klassenzimmer

Die SWM-Bildungsstiftung fördert dieses Vorhaben über 15 Monate mit 77.000 Euro.

Diese Zahlen zeigen zweierlei: VR-Brillen mit KI im Unterricht sind kein reines Laborthema mehr. Der Einsatz bleibt aber projektgebunden, technisch anspruchsvoll und didaktisch abhängig vom konkreten Szenario. Eine Brille auf dem Kopf erzeugt noch keine bessere Lernumgebung. Erst die Kombination aus immersiver Simulation, belastbaren Inhalten, Sprachmodellen und sauberer Schul-IT ergibt einen nutzbaren Ansatz.

Virtual Reality erzeugt den dreidimensionalen Raum. Künstliche Intelligenz macht ihn reaktionsfähig. Sie kann Dialoge steuern, Feedback formulieren, Inhalte anpassen und virtuelle Figuren mit Sprache bedienen. Genau an dieser Schnittstelle entscheidet sich, ob eine KI-gestützte VR-Lernumgebung im Schulalltag einen Mehrwert liefert oder nur zusätzliche Hardware verwaltet.

Skalierung immersiver Lernräume: Was die NRW-Pilotprojekte zeigen

Die Integration von Virtual Reality in Schulen scheitert selten an der grundsätzlichen Darstellungstechnik. Die meisten aktuellen VR-Brillen können dreidimensionale Räume flüssig rendern, Bewegungen erfassen und Lernende durch virtuelle Szenarien führen. Die Engpässe liegen an anderer Stelle, bei der Geräteverwaltung, den Inhalten und der Einbettung in bestehende Unterrichtsabläufe.

Das NRW-Pilotprojekt nutzt dafür eine zentrale Steuerung über das VIL-Portal und die Bildungsmediathek NRW. Diese Architektur ist aus Sicht der Administration relevant. Einzelne Geräte lassen sich in Schulen nur schwer dauerhaft betreiben, wenn Anwendungen, Benutzerkonten und Inhalte lokal und uneinheitlich verwaltet werden. Eine zentrale Plattform reduziert diesen Aufwand. Sie schafft außerdem einen einheitlicheren Rahmen für die Auswahl und Bereitstellung von Lernmaterialien.

Für die Skalierung sind mehrere technische Ebenen zu trennen:

• Hardware: VR-Brillen, Ladeinfrastruktur, Ersatzgeräte, Aufbewahrung und hygienische Aufbereitung.
• Netzwerk: stabile drahtlose Verbindung, ausreichende Bandbreite und geringe Latenz bei synchronen Anwendungen.
• Geräteverwaltung: Aktualisierung der Systeme, Rechtevergabe, Zurücksetzen der Geräte und Zuordnung zu Klassen.
• Inhalte: geprüfte Szenarien mit klaren Lernzielen statt einer Sammlung beliebiger 360-Grad-Videos.
• Datenschutz: Umgang mit Konten, Sprachdaten, Bewegungsdaten und möglichen biometrischen Informationen.
• Unterrichtsorganisation: Ausgabe, Einweisung, Gruppenbildung und Übergang zurück in den normalen Unterricht.

Die VR-Brille ist damit nur der sichtbare Teil einer größeren Infrastruktur. Für Schulen entsteht ein System aus Endgeräten, Plattformen, Diensten und organisatorischen Prozessen. Wenn die Plattform nicht zuverlässig funktioniert, wird jede zusätzliche KI-Funktion zum weiteren Fehlerpunkt.

VR im Unterricht braucht ein Szenario, keine Geräteschau

Ein sinnvoller Einsatz beginnt nicht mit der Frage, welche Brille angeschafft werden soll. Er beginnt mit einer Kompetenz, die in einer immersiven Umgebung besser trainiert werden kann als mit Arbeitsblatt, Tafelbild oder zweidimensionalem Video.

Geeignet sind beispielsweise Situationen, in denen räumliche Orientierung, Handlungsabläufe oder soziale Interaktion eine zentrale Rolle spielen. Lernende können Orte erkunden, berufliche Situationen simulieren oder Kommunikationsaufgaben in einer kontrollierten Umgebung bearbeiten. Der Vorteil entsteht dort, wo die virtuelle Umgebung eine reale Situation zugänglich macht, die im Schulgebäude nicht vorhanden, zu teuer oder organisatorisch schwer umsetzbar wäre.

Weniger überzeugend ist der Einsatz, wenn die VR lediglich ein gewöhnliches Lernvideo auf eine virtuelle Leinwand projiziert. Das erhöht die Immersion, aber nicht automatisch die Lernqualität. Die zusätzliche Hardware muss dann mit einem zusätzlichen pädagogischen Effekt begründet werden.

Eine VR-Brille ist kein Lernziel. Sie ist ein Ausgabegerät für ein Szenario, dessen Nutzen separat nachgewiesen werden muss.

Das NRW-Modell mit 46 beteiligten Kommunen ist deshalb vor allem als Infrastruktur- und Erprobungsrahmen interessant. Es zeigt, dass Schulen VR nicht nur als Einzelgerät testen, sondern in größere Plattformstrukturen einordnen können. Aussagen über eine flächendeckende Ausstattung öffentlicher Schulen lassen sich daraus jedoch nicht ableiten.

KI-Avatare und Sprachsteuerung: Die Mensch-Maschine-Interaktion im Klassenzimmer

Künstliche Intelligenz verändert die Funktion einer virtuellen Lernumgebung. Ohne KI bleibt ein VR-Szenario häufig statisch. Lernende folgen einem vorgegebenen Pfad. Mit einem Sprachmodell können sie Fragen stellen, Antworten formulieren und auf Situationen reagieren, die nicht vollständig vorhersehbar sind.

In VR-Anwendungen lassen sich dafür virtuelle Sprechstellen, Avatare oder andere Dialogschnittstellen einsetzen. Bei Ausbildungsberufen im Tourismus können Lernende beispielsweise Länder- und demografische Daten über ein sprachgesteuertes System abrufen. Der technische Ablauf besteht aus mehreren Schritten:

1. Die Spracheingabe wird vom Gerät aufgenommen.

2. Eine Spracherkennung wandelt das Signal in Text um.

3. Das Sprachmodell interpretiert die Anfrage.

4. Ein Inhalts- oder Wissenssystem liefert die fachliche Grundlage.

5. Die Antwort wird erzeugt und wieder als Sprache ausgegeben.

6. Das System kann die Reaktion in den virtuellen Ablauf integrieren.

Jeder dieser Schritte erzeugt mögliche Fehler. Die Spracherkennung kann Fachbegriffe falsch transkribieren. Das Sprachmodell kann eine plausible, aber falsche Antwort formulieren. Die Antwortausgabe kann verzögert erfolgen. In einer virtuellen Prüfungssituation stört bereits eine hohe Latenz den Ablauf.

Für Schulen muss die KI deshalb stärker begrenzt werden als bei einer offenen allgemeinen Chat-Anwendung. Ein Avatar sollte nicht uneingeschränkt über jedes Thema improvisieren. Sinnvoller ist eine klar definierte Wissensbasis mit kontrollierten Antwortbereichen. Das reduziert die Halluzinationsrate und erleichtert die fachliche Evaluation.

Sprachunterricht als besonders naheliegendes Einsatzfeld

Im Sprachunterricht liegt der Mehrwert von KI und VR vergleichsweise klar auf der Hand. Ein virtueller Restaurantbesuch, ein Hotelgespräch oder eine Reisesituation erzeugt einen konkreten Kommunikationsrahmen. Lernende müssen nicht nur einzelne Vokabeln abrufen. Sie müssen auf Gesprächsverläufe reagieren.

KI-gestützte Avatare können dabei mehrere Funktionen übernehmen:

• Sie stellen Fragen auf einem festgelegten Sprachniveau.
• Sie reagieren auf Antworten und halten den Dialog aufrecht.
• Sie geben Hinweise zu Aussprache und Grammatik.
• Sie wiederholen eine Situation mit verändertem Schwierigkeitsgrad.
• Sie ermöglichen Übung ohne den sozialen Druck eines Auftritts vor der gesamten Klasse.

Der entscheidende Punkt ist die Rückmeldung. Eine KI kann Fehler unmittelbar markieren und alternative Formulierungen anbieten. Das ist jedoch nur dann belastbar, wenn das System die Zielsprache, das Niveau und die Bewertungslogik sauber trennt. Eine freie sprachliche Antwort ist nicht automatisch falsch, nur weil sie von einem erwarteten Mustersatz abweicht.

Auch die Aussprachebewertung braucht eine differenzierte Auslegung. Akzent, regionale Varianten und sprachliche Verständlichkeit sind nicht identisch. Eine automatisierte Bewertung, die nur die Nähe zu einer Referenzaussprache misst, kann Lernende systematisch benachteiligen. Vor dem produktiven Einsatz muss die Schule daher festlegen, welche Fehler tatsächlich relevant sind.

KI-Avatare sind keine virtuellen Lehrkräfte

Die Rolle des Avatars sollte eng definiert bleiben. Er kann Gesprächspartner, Simulationsfigur oder Feedbacksystem sein. Die pädagogische Verantwortung bleibt bei der Lehrkraft. Das betrifft besonders drei Aufgaben:

• die Auswahl des Szenarios,
• die Interpretation der Leistung,
• die Entscheidung über die nächste Lernaktivität.

Ein KI-System kann eine Antwort bewerten. Es kann aber nicht zuverlässig den gesamten Lernkontext einer Person erfassen. Motivation, Vorwissen, individuelle Belastung und Missverständnisse liegen teilweise außerhalb der Messdaten. Das gilt auch dann, wenn das System viele Interaktionen protokolliert.

Für den Betrieb sollten Schulen außerdem klären, ob Sprachaufnahmen gespeichert werden, wie lange Protokolle vorgehalten werden und ob externe Dienste die Daten verarbeiten. Die Datenschutzlage für biometrische Tracking-Daten von VR-Brillen mit integrierter KI ist nicht flächendeckend standardisiert. Genau deshalb gehört die Datenarchitektur vor den Rollout, nicht in die Nachbesserung.

Prüfungssimulation in München: VR als kontrollierte Belastungsprobe

Das Münchner Modellprojekt zur Vorbereitung auf den Qualifizierenden Hauptschulabschluss nutzt VR-Brillen für rund 200 Schülerinnen und Schüler an Mittelschulen. Das Projekt wird über 15 Monate mit 77.000 Euro durch die SWM-Bildungsstiftung gefördert.

Der Ansatz verschiebt den Fokus von der reinen Wissensvermittlung auf die Prüfungssituation. Lernende bearbeiten Aufgaben in einer simulierten Umgebung. Sie trainieren nicht nur Inhalte, sondern auch den Umgang mit einer formalisierten, zeitlich begrenzten und potenziell belastenden Situation.

Eine solche Simulation kann mehrere Lernparameter sichtbar machen:

• Wie lange benötigt eine Person für die Orientierung in der Aufgabe?
• Werden Anweisungen vollständig verstanden?
• Bricht die Bearbeitung bei Zeitdruck ab?
• Werden Hinweise sinnvoll genutzt?
• Welche Fehler treten wiederholt auf?
• Verändert sich die Leistung bei mehreren Durchläufen?

Die KI kann in diesem Rahmen adaptive Elemente liefern. Ein System kann Aufgaben neu anordnen, Hinweise dosieren oder das Anforderungsniveau anpassen. Dafür braucht es allerdings ein transparentes Regelwerk. Wenn die Anpassung ausschließlich durch ein Sprachmodell erfolgt, ist die Vergleichbarkeit der Leistungen schwer zu sichern.

Simulation ist nicht automatisch Prüfungstraining

Eine virtuelle Umgebung kann Prüfungsbedingungen abbilden. Sie ersetzt aber nicht die Prüfung selbst. Zwischen Simulation und realer Leistung liegen mehrere Variablen: Vertrautheit mit der Hardware, körperliche Verträglichkeit, Umgang mit der Steuerung und die Frage, ob die virtuelle Darstellung den späteren Prüfungsanforderungen tatsächlich entspricht.

Ein belastbares Evaluationsdesign muss deshalb zwischen verschiedenen Effekten unterscheiden:

Diese Trennung ist zentral. Eine niedrigere Fehlerquote in einer VR-Anwendung beweist noch nicht, dass die Person die Kompetenz in einer analogen Prüfungssituation sicher beherrscht. Der Transfer muss separat erfasst werden.

Lernerfolge messen: Was ein Quadratic Trend Model leisten kann

Bei Untersuchungen im Primarbereich mit Lernenden der 5. Klasse im Alter von 11 bis 12 Jahren wurde die Entwicklung von Lernergebnissen bei KI-VR-Integration über eine Längsschnittanalyse betrachtet. Der positive Verlauf ließ sich präzise mit einem Quadratic Trend Model, kurz QTM, abbilden.

Ein quadratisches Trendmodell beschreibt keine einfache lineare Steigerung. Es kann erfassen, dass sich ein Lernverlauf zunächst beschleunigt, später abflacht oder nach einem Wendepunkt verändert. Für VR-Anwendungen ist das relevant. Der erste Kontakt mit einer immersiven Umgebung kann einen starken Lern- oder Motivationseffekt erzeugen. Später nimmt der zusätzliche Nutzen möglicherweise ab, weil die Bedienung vertraut ist oder die Inhalte nicht weiter differenziert werden.

Das Modell ist dabei ein Messinstrument, keine Erklärung. Es zeigt einen Verlauf. Es beweist nicht, dass allein die VR-Brille oder die KI für diesen Verlauf verantwortlich ist. Dafür braucht es Vergleichsgruppen, standardisierte Aufgaben und eine klare Dokumentation der Unterrichtsbedingungen.

Eine saubere Evaluation sollte mindestens vier Ebenen auseinanderhalten:

1. Bedienkompetenz: Können Lernende die Brille, Controller und Sprachschnittstelle sicher verwenden?

2. Inhaltsleistung: Werden Fachwissen und konkrete Lernziele besser erreicht?

3. Anwendung: Kann die Kompetenz außerhalb der virtuellen Umgebung eingesetzt werden?

4. Nachhaltigkeit: Bleibt der Effekt über mehrere Wochen oder Lernphasen erhalten?

Zusätzlich sollte die Lernzeit berücksichtigt werden. Wenn eine VR-Einheit deutlich mehr Betreuungsaufwand benötigt, ist die reine Leistungssteigerung nicht ausreichend. Schulen müssen den Effekt pro eingesetzter Unterrichtsstunde und pro betreuender Person bewerten.

Metriken für die Praxis

Für einen Pilotbetrieb reichen zunächst wenige, aber belastbare Kennzahlen. Die Auswahl sollte zur konkreten Anwendung passen. Eine allgemeine Halluzinationsrate ist beispielsweise nur relevant, wenn das System offene Antworten generiert. Bei einem strikt regelbasierten Trainingsszenario liegt der Schwerpunkt eher auf Reaktionszeit, Fehlerklassifikation und Abbruchquote.

Praktikable Messgrößen sind:

• Anteil erfolgreich abgeschlossener Szenarien,
• Anzahl notwendiger Hinweise,
• fachliche Fehler pro Aufgabenblock,
• Zeit bis zur korrekten Reaktion,
• Übertragungsleistung in einer nicht-virtuellen Aufgabe,
• technische Ausfallzeit,
• durchschnittliche Vorbereitungszeit der Lehrkraft,
• Zahl der Supportfälle pro Lerngruppe,
• Anteil der Lernenden mit Beschwerden durch Motion Sickness.

Diese Daten sollten nicht nur am Ende eines Projekts betrachtet werden. Ein frühes Betriebsdashboard kann zeigen, ob die Ursache eines Problems im Inhalt, in der Hardware oder im Netzwerk liegt. Wenn mehrere Geräte gleichzeitig verzögert reagieren, ist das wahrscheinlich kein individuelles Lernproblem.

Implementierung im Schulbetrieb: Hardware ist nur der erste Engpass

Die größten Risiken beim Einsatz von VR-Brillen in Schulen sind bekannt: hohe Anschaffungskosten, Motion Sickness, soziale Isolation unter der Brille und fehlende didaktisch aufbereitete Inhalte. Keines dieser Probleme lässt sich durch ein leistungsfähigeres Sprachmodell lösen.

Anschaffung und Betriebskosten trennen

Bei einer Kalkulation darf die Schule nicht nur den Gerätepreis im Blick haben. Lizenzen für Inhalte, Plattformzugänge, Speicher für Szenario-Updates, Ersatzteile, Hygieneartikel und der Zeitaufwand für Ausgabe, Einsammeln und Reset summieren sich schnell zu einem Mehrfachen des reinen Hardwarebetrags. Eine Vollkostenrechnung über die geplante Projektlaufzeit ist die belastbarere Grundlage, auch wenn sie am Anfang unbequem aussieht.

Förderprojekte wie das Münchner Vorhaben können diese Lücke teilweise schließen. Sie sind aber an Laufzeiten und Berichtspflichten gebunden. Wer eine Schule dauerhaft ausstatten will, muss den Betrieb unabhängig von einer einzelnen Förderung finanzieren können.

Motion Sickness, Inhalte und Isolation

Motion Sickness entsteht meist durch eine Diskrepanz zwischen visueller Bewegung und Gleichgewichtssinn. In Schulen begegnet man dem mit kurzen Einheiten, festen Sitzpositionen, körperlicher Vorbereitung und einer möglichst ruhigen Kameraführung im Szenario. Wenn ein Drittel einer Klasse regelmäßig abbricht, ist das nicht mehr durch Willenskraft lösbar. Dann gehört das Szenario überarbeitet oder ersetzt.

Inhalte sind das zweite Dauerthema. Eine VR-Anwendung veraltet didaktisch ähnlich schnell wie ein Lehrbuch, wenn sie nicht regelmäßig aktualisiert wird. Schulen sollten Lizenzmodelle bevorzugen, die Updates ohne Neuanschaffung enthalten. Selbst erstellte Szenarien sind attraktiv, verlangen aber personelle Kapazität für Autorentools, Review und Pflege.

Soziale Isolation ist kein virtuelles, sondern ein reales Phänomen unter der Brille. Die Lehrkraft sieht während der Übung nur die Außenkamera oder die Brille. Mündliche Hilfen erreichen Lernende gedämpft. Planbare Tandem- oder Kleingruppen-Szenarien, klare Beobachtungsphasen vor und nach der VR-Einheit sowie ein strukturiertes Debriefing federn das ab. Wer das ignoriert, verlagert Unterrichtsqualität in eine Blackbox.

Der Engpass liegt selten in der Auflösung. Er liegt in den Prozessen rund um die Brille.

Schulung der Lehrkräfte und Supportstruktur

Eine VR-Brille, die nur eine einzelne Lehrkraft sicher bedient, ist im Schulalltag bereits ein Risiko. Bei Krankheit, Vertretung oder Wechsel fällt das gesamte Setup aus, wenn das Wissen nicht bei mehreren Personen liegt. Schulungen sollten daher nicht als einmalige Einführung verstanden werden, sondern als wiederkehrender Bestandteil der Schulentwicklung.

Ebenso wichtig ist die Klärung, wer bei technischen Problemen erreichbar ist. Ein kommunaler IT-Dienstleister, ein Plattformanbieter und die schulische Administration müssen klare Zuständigkeiten haben. Ohne diese Klarheit wird aus einem spannenden Pilotprojekt im zweiten Semester ein verstaubtes Regal voller Brillen.

Datenschutz vor dem Rollout, nicht danach

Die Datenarchitektur gehört in die Vorbereitung. Drei Fragen sind zu klären:

• Welche personenbezogenen Daten erfasst die Anwendung (Sprache, Bewegung, Biometrie)?
• Wo werden diese Daten verarbeitet, und greifen dabei externe Dienste ins Gespräch?
• Wie lange werden Protokolle gespeichert, und wer hat Zugriff?

Diese Punkte lassen sich mit dem Plattformanbieter und dem schulischen Datenschutzbeauftragten verbindlich regeln. Was sich nicht regeln lässt, gehört nicht in den Regelbetrieb. Eine nachträgliche Korrektur ist aufwendiger und politisch heikler als eine saubere Vorklärung.

Skalierung verlangt Pflege, nicht nur Kaufkraft

Werden VR-Brillen mit KI dauerhaft eingesetzt, entsteht ein Wartungszyklus ähnlich wie bei Notebooks oder Tablets: Updates, Akkutausch, Reinigung, Verlustmanagement und regelmäßige Rekalibrierung der Brillen. Ohne verbindlichen Rhythmus sinkt die Verfügbarkeit mit jedem Quartal. Ein Pilotbericht, der nicht auch die Wartungszahlen dokumentiert, unterschätzt die Realität.

Die Pilotprojekte in NRW und München liefern hierfür erste Anhaltspunkte: zentrale Plattformen verkürzen die Wege, Fördergelder überbrücken die Anschaffung, und ein klar definiertes Szenario schützt vor pädagogischer Beliebigkeit. Was sie nicht ersetzen, ist die schulische Verantwortung für Pflege, Support und inhaltliche Weiterentwicklung über den Förderzeitraum hinaus.

Position

VR-Brillen mit KI sind im Bildungswesen kein Selbstläufer und kein Ersatz für guten Unterricht. Sie sind ein Werkzeug, dessen Nutzen von drei Faktoren abhängt: vom Szenario, von der Einbettung in den Unterricht und von der schulischen Infrastruktur. Das NRW-Pilotprojekt zeigt, dass eine zentrale Plattform Skalierung überhaupt erst ermöglicht. Das Münchner Modellprojekt zeigt, dass Prüfungssituationen kontrolliert simulierbar sind. Das Quadratic Trend Model liefert einen statistischen Rahmen, um Lernverläufe realistisch abzubilden statt in lineare Erfolgsgeschichten zu pressen.

Wer VR-Brillen mit KI im Unterricht integrieren will, sollte mit einer kleinen, klar definierten Anwendung beginnen, frühzeitig messen, was tatsächlich verändert wird, und die gesamte Kette von Hardware über Plattform bis Datenschutz gemeinsam denken. Wer das tut, hat gute Chancen, dass die immersive Technik den Unterricht tatsächlich bereichert. Wer nur die Brille kauft und auf einen Effekt hofft, kauft vor allem zusätzliche Komplexität.