Was ist zur Entlastung belegt?
Unterricht vorzubereiten bedeutet mehr als Material herzustellen. Lehrpersonen wählen Ziele, antizipieren Schwierigkeiten, entscheiden über Aufgabenfolgen und passen an die Klasse an. Ein System kann bei einzelnen Teilen helfen, ohne den gesamten Prozess zu verkürzen. Entsprechend genau muss die Forschung gelesen werden.
Ein englischer Cluster-RCT fand geringere selbstberichtete Zeit für erfasste Science-Vorbereitungsaufgaben mit ChatGPT und Leitfaden; daraus folgt keine gleich grosse Entlastung der gesamten Arbeitswoche.
Stützende Quellen
Der NFER-Bericht von Roy et al. für die Education Endowment Foundation stammt aus Dezember 2024. In 68 englischen Schulen nahmen 259 Science-Lehrpersonen teil. Nach einer Einführungsphase berichtete die Gruppe mit ChatGPT und Leitfaden für die erfassten Aufgaben im Mittel 56,2 statt 81,5 Minuten pro Woche: 25,3 Minuten beziehungsweise 31 Prozent weniger.
Die Prozentzahl gilt für diese erfasste Vorbereitung von Year-7/8-Science, nicht für die gesamte Arbeitszeit. Übertragungen auf andere Fächer, ein bereits gut eingespieltes Materialteam oder heutige Modellversionen benötigen eigene Prüfung. Die Intervention umfasste zudem einen Leitfaden; das Ergebnis beschreibt nicht einfach die Wirkung eines beliebigen ChatGPT-Zugangs.
Was bedeutet «Qualität blieb erhalten»?
Ein nicht nachgewiesener Unterschied in der Qualität ausgewählter Unterrichtsmaterialien belegt weder Gleichwertigkeit noch einen Lerngewinn der Klasse.
Stützende Quellen
Im Versuch wurden ausgewählte Materialsets durch ein verblindetes Fachpanel beurteilt. Dass dabei kein Qualitätsunterschied nachgewiesen wurde, ist ermutigend, aber enger als die Behauptung garantierter Gleichwertigkeit. Insbesondere ist die Materialbeurteilung kein direkter Nachweis, dass Schülerinnen und Schüler mehr lernten.
Für die Praxis sind mindestens drei Fragen auseinanderzuhalten: Ist das Material fachlich richtig? Passt es zum Lernziel und zu den Voraussetzungen der Klasse? Was lernen die Jugendlichen tatsächlich damit? Das Assessment-Editorial von Koretsky et al. bietet eine konzeptionelle Einordnung dieser Trennung; es liefert keinen zusätzlichen Zeit- oder Lerneffekt.
Wie lässt sich KI sinnvoll erproben?
Lehrpersonen sollten KI-Material an Lernziel, fachlicher Richtigkeit und Voraussetzungen der Klasse prüfen und die Prüfzeit in ihre Entlastungsbilanz einbeziehen.
Stützende Quellen
- Palak Roy (2024): ChatGPT in Lesson Preparation: A Teacher Choices Trial (öffnet in neuem Tab)
- Milo D. Koretsky (2026): The shifting landscape of assessment in STEM education in the age of generative AI (öffnet in neuem Tab)
- Volksschulamt des Kantons Zürich (o. J.): Künstliche Intelligenz in der Volksschule (öffnet in neuem Tab)
Die folgende Vorgehensweise ist eine didaktische Ableitung, kein im Versuch validiertes Standardverfahren. Zuerst wird ein enges Ziel gewählt, etwa alternative Beispiele für einen bereits feststehenden Lerngegenstand. Erst danach folgen Vorschläge, fachliche Kontrolle und Auswahl. Die Lehrperson entscheidet, welche Variante zur Klasse passt.
Ein besonders prüfbarer Einsatz ist der Vergleich weniger Alternativen. Eine Aufgabe kann sprachlich einfacher werden und dabei unbeabsichtigt ihre fachliche Anforderung verlieren. Eine Musterlösung kann überzeugend klingen und einen entscheidenden Zwischenschritt auslassen. Die Kontrolle sollte sich deshalb auf fachliche Entscheidungen beziehen, nicht nur auf Rechtschreibung und Layout.
| Zu prüfen | Konkrete Frage |
|---|---|
| Fachliche Richtigkeit | Stimmen Aussagen, Rechnungen, Quellen und Lösungen? |
| Lernziel | Übt die Aufgabe die beabsichtigte Fähigkeit? |
| Voraussetzungen | Sind Sprache, Vorwissen und Hilfen für diese Klasse passend? |
| Zeitbilanz | Wie viel Zeit beanspruchen Erzeugen, Prüfen, Anpassen und spätere Korrekturen zusammen? |
Die Zeitbilanz kann mit einem vertrauten Vorbereitungsweg verglichen werden. Ein einzelner gelungener Versuch beweist noch keine dauerhafte Entlastung. Er hilft aber, einen sinnvollen Einsatzbereich zu finden. Bei fachlich unsicheren Ergebnissen bleibt auch das Verwerfen eines Entwurfs ein professionelles Ergebnis.
Was ist im Schweizer Kontext zu beachten?
Die Zürcher Volksschulorientierung beschreibt KI als Ergänzung und Inspiration und verlangt eine rechtskonforme Anwendung. Ihr Zuständigkeitsbereich ist die Zürcher Volksschule; sie ersetzt keine lokale Klärung für andere Kantone oder Schulstufen. Für eine erste Materialerprobung lassen sich Aufgaben ohne reale Personendaten verwenden. Das ist eine Vorsichtsmassnahme und keine pauschale datenschutzrechtliche Freigabe eines Produkts.
Die Entscheidung, ob ein Material im Unterricht eingesetzt wird, bleibt bei der Lehrperson. Eine Quellenangabe durch die KI ersetzt den Blick in die Originalquelle ebenso wenig wie eine automatisch erzeugte Musterlösung die fachliche Kontrolle.
Grenzen und Prüfstand
Die direkte Zeit-Evidenz dieses Dossiers stützt sich auf einen eingegrenzten schulischen Versuch. Finanzierung und Partner sind in der Quellenkarte offengelegt. Eine allgemeine Produktbewertung oder Rangliste lässt sich daraus nicht ableiten.
Erstellt und redaktionell selbst geprüft am 28. Oktober 2026, mit KI-Unterstützung. Eine unabhängige Gegenprüfung oder externe Fachprüfung liegt nicht vor. Das Rechercheprotokoll dokumentiert Originalzugang, Auswahl und Grenzen; nächste geplante Prüfung: 28. Januar 2027.
Weiterlesen: KI-Feedback · Assessment und Integrität