Fortbildung und professionelles Lernen

Kurzantwort

Fortbildung sollte Lehrpersonen nicht nur mit Werkzeugfunktionen vertraut machen. Sie braucht konkrete fachliche Aufgaben, eine klar beschriebene KI-Rolle, gemeinsame Qualitätsprüfung und einen kleinen Transfer in den eigenen Unterricht. Weil weder eine bestimmte Fortbildungsfolge noch eine universelle AI-Literacy-Progression empirisch bestätigt ist, wird professionelles Lernen als lokaler Erprobungs- und Revisionszyklus geplant.

Was die Evidenz trägt

Strukturierte Tutoring-Arrangements können Lernen unterstützen, wenn Aufgabenfolge, Hinweise, Rückmeldung und menschliche Begleitung aufeinander abgestimmt sind. Das ist kein Beleg, dass jedes Tutor-Design oder jede Schulung wirksam ist. Für AI Literacy stützen aktuelle Rahmen eine fachübergreifende, altersangemessene und lokal angepasste Umsetzung; ihre Ausgestaltung muss jedoch fachliche Ziele, Kompetenzen der Lehrpersonen, Zeit, Infrastruktur und Kontext berücksichtigen.

Aus diesen Aussagen lässt sich begründen, Fortbildung an realen Designentscheidungen und beobachtbaren Lernsignalen auszurichten. Die konkrete Zyklusform bleibt eine redaktionelle didaktische Ableitung, keine nachgewiesen überlegene Personalentwicklungsmethode.

Konkrete Umsetzung

1. Einen Fall wählen: Jede Fachschaft bringt eine reale Aufgabe mit, bei der KI bereits genutzt wird oder künftig eine Rolle spielen könnte.
2. Lernziel und KI-Rolle klären: Das Team beschreibt, was Lernende selbst können sollen und ob die KI Hinweise, Feedback, Material oder Gegenargumente liefern darf.
3. Ausgabe fachlich prüfen: Lehrpersonen testen die Aufgabe mit einem freigegebenen Zugang oder vorbereiteten Beispielen und markieren fachliche Fehler, Auslassungen und übernommene Denkarbeit.
4. Aufgabe überarbeiten: Verlangt werden eine aktive fachliche Handlung und ein passender Nachweis – zum Beispiel Quellenprüfung, begründete Revision, Erklärung oder neue Anwendung ohne dieselbe Hilfe.
5. Begrenzt erproben: Eine kleine Erprobung dokumentiert Bedingungen, Hürden und vorab definierte Lernsignale. Zufriedenheit und Aufwand werden ergänzend erfasst.
6. Gemeinsam revidieren: Das Team vergleicht Beobachtungen, passt Aufgabe und Unterstützung an und hält fest, was noch nicht beantwortet ist.

Für einen ersten Zyklus genügt ein gemeinsamer Fall. Breite Einführung folgt erst, wenn Ziel, Rolle, Unterstützung und Auswertung im Team verständlich sind. Ergebnisse werden als lokale Erfahrung dokumentiert, nicht als allgemeiner Wirksamkeitsnachweis.

Grenzen

Der aktuelle Evidenzsatz zeigt nicht, welche Dauer, Moderationsform oder Kursfolge die Unterrichtsqualität von Lehrpersonen zuverlässig verbessert. Befunde zu Lernenden oder KI-Tutoring dürfen nicht als direkte Wirkungsevidenz für Fortbildung umgedeutet werden. Auch ein erfolgreich erprobter Fall trägt zunächst nur für die beteiligte Fachschaft und ihre Bedingungen.

Zeit, technischer Zugang, Fachkultur und vorhandene Kompetenzen sind ungleich verteilt. Fortbildung muss deshalb Unterstützungsbedarf und Zugänglichkeit erfassen, statt ein einheitliches Tempo vorauszusetzen. Lokale Evaluation braucht klare Kriterien, bleibt aber von externer Wirksamkeitsforschung zu unterscheiden.

Verwandte Dossiers

• Verbessert generative KI das Lernen? — Bedingungen und Grenzen strukturierter Tutoring-Arrangements.
• Was müssen Jugendliche über KI wissen und können? — internationale Rahmen, lokale Umsetzung und offene Progressionsfragen.
• Wie bleibt Assessment mit generativer KI aussagekräftig? — mehrere Lernsignale und professionelle Verantwortung.