Wie können angehende Lehrkräfte für den Einsatz KI-gestützter Lernprogramme im adaptiven Unterricht qualifiziert werden?
19.11.2026 | ForschungDr. Veronika Dumbacher und Stefanie Emmert arbeiten am Lehrstuhl für Grundschulpädagogik und Grundschuldidaktik der Universität Würzburg. Sie haben ein Praktikumskonzept entwickelt, in dem sie Studierende für den Einsatz KI-gestützter Lernprogramme im adaptiven Unterricht qualifizieren. Im Beitrag erläutern sie dessen hochschuldidaktische Umsetzung.
Die Schülerschaft der Grundschule wird zunehmend heterogener, nicht zuletzt durch gesellschaftliche Veränderungen wie Inklusion und Migration. Angehende Lehrkräfte müssen deshalb bereits im Studium lernen, Unterricht adaptiv zu gestalten, also ihn an die unterschiedlichen Lernvoraussetzungen der Schülerinnen und Schüler anzupassen, um allen Kindern gerecht zu werden. KI-gestützte Lernprogramme können sie bei einer solchen adaptiven Unterrichtsgestaltung unterstützen.
Adaptiver Unterricht als Möglichkeit zum Umgang mit Heterogenität
Adaptiver Unterricht stellt eine zentrale Möglichkeit dar, der Heterogenität der Lernenden zu begegnen. Unter Adaptivität wird die Passung zwischen Unterricht und Lernvoraussetzungen der Schülerinnen und Schüler verstanden, um deren kognitive Lernprozesse wirksam anzuregen (Decristan & Dumont, 2026). Adaptiver Unterricht setzt voraus, dass Lerngelegenheiten vielfältig gestaltet, Lernende differenziert adressiert, individuelle Lernbedarfe diagnostiziert und Lernangebote passgenau auf diese Bedarfe abgestimmt werden. KI-gestützte Lernprogramme können Adaptivität unterstützen: Je nach Programm passen sie Umfang, Darstellung und Schwierigkeit an die Lernvoraussetzungen der Kinder an, ermöglichen schnelle Diagnostik mit sofortiger Rückmeldung und differenzieren über Lernpfade und Hilfen (Böttinger, 2023).
Core Practices: Professionalisierung für adaptiven Unterricht mit KI-gestützten Lernprogrammen
Wie lassen sich angehende Lehrkräfte nun aber für adaptiven Unterricht unter Einbezug KI-gestützter Lernprogramme professionalisieren? Ein Ansatz, der aus der Lehrkräftebildung in den USA stammt und auch in Deutschland diskutiert wird, ist der Core-Practices-Ansatz. Er dient als Antwort auf die Kluft zwischen Hochschulwissen einerseits und Unterrichtspraxis andererseits. Studierende erwerben zunächst theoretische Grundlagen über eine Core Practice und führen diese dann selbst im Unterricht durch, wobei sie ihr Handeln im Anschluss reflektieren, um Erkenntnisse für die erneute Durchführung in der Praxis zu erhalten. Als Core Practices werden dabei solche Handlungsstrategien bezeichnet, die im Unterricht häufig vorkommen, fächerübergreifend gültig und von Studierenden erlernbar sind. Eine Core Practice, die von den angehenden Lehrkräften trainiert werden kann, ist „Lernen adaptiv unterstützen“. Darunter versteht man die Abstimmung von Lernangebot und Unterstützung auf diagnostizierte Lernstände (Hardy et al., 2019). Diese Core Practice lässt sich auch ohne digitale Hilfsmittel umsetzen, etwa durch Beobachtung, Lernstandsgespräche und differenzierte Aufgaben. KI-gestützte Lernprogramme können sie jedoch unterstützen, indem sie Diagnose, Förderung und Rückmeldung automatisieren. Mit Blick auf den Einsatz eines solchen Programms bedeutet dies, dass Lehrkräfte den Einsatz planen, begleiten und die Ergebnisse der KI prüfen müssen (Scheiter et al., 2025). Die Wirkung eines KI-gestützten Lernprogramms hängt somit wesentlich vom didaktischen Einsatz durch die Lehrkraft ab.
Der Learning Cycle als hochschuldidaktischer Zugang
Hochschuldidaktisch lassen sich Core Practices mit dem Learning Cycle umsetzen (McDonald et al., 2013). Als besonders geeigneter Lernort dafür erweist sich ein Langzeitpraktikum mit universitärem Begleitseminar, da Studierende in diesem Setting die Möglichkeit haben, eine Core Practice zyklisch zu trainieren. Für die Core Practice „Lernen adaptiv unterstützen“ umfasst der Learning Cycle vier Schritte, die wiederholt durchlaufen werden:
- Einführen: Die Studierenden nähern sich im Seminar der Core Practice theoretisch an. Sie ergründen, was unter Adaptivität zu verstehen ist und wie KI-gestützte Lernprogramme adaptives Lernen unterstützen können. Ferner arbeiten sie sich exemplarisch in ein solches Programm ein, mit dem das Lernen der Kinder unterstützt werden soll. Im Rahmen des Seminarkonzepts kommt hierfür die Lernapp Meister Cody Namagi zum Einsatz, die eine von verschiedenen Möglichkeiten zur Umsetzung adaptiven Lernens darstellt
- Einüben: Im geschützten Rahmen des Seminars üben die Studierenden, wie sie möglichen Schwierigkeiten beim Einsatz der App begegnen. Im Microteaching trainieren sie beispielsweise, wie sie reagieren, wenn Kinder oberflächlich arbeiten und Antworten zu schnell oder zufällig auswählen, wenn ihnen die Selbstregulation fehlt und sie nicht allein an den Aufgaben bleiben können oder wenn die Motivation während der Nutzung der App nachlässt.
- Durchführen: Im Langzeitpraktikum wenden die Studierenden das im Seminar Geübte mit Kindern an: Sie begegnen Schwierigkeiten und unterstützen das Lernen der Kinder mithilfe der App adaptiv. Dazu prüfen sie die vorgeschlagenen Übungen kritisch auf ihre Passung zu den Lernvoraussetzungen und ergänzen sie bei Bedarf durch weitere Förderung.
- Analysieren: Die Studierenden reflektieren den Einsatz der App im Praktikum gemeinsam mit der betreuenden Lehrkraft und im Seminar mit den Kommilitoninnen und Kommilitonen. Sie beziehen ihre Erfahrungen auf die Theorie zurück, etwa darauf, ob die Förderung zu den Lernvoraussetzungen der Kinder gepasst hat und leiten Konsequenzen für das weitere Üben und Handeln in der Praxis ab.
Im Rahmen des Seminarkonzepts wird die App Meister Cody Namagi als ein Beispiel für ein adaptives Lernprogramm im Deutschunterricht der Grundschule eingesetzt. Die Anwendung wurde empirisch untersucht und bietet eine nutzerfreundlich gestaltete Bedienoberfläche. Gefördert werden die Bereiche Lesen, Rechtschreibung sowie die für den Schriftspracherwerb relevanten Vorläuferfertigkeiten.
Zu Beginn erfolgt eine Diagnose der Lernvoraussetzungen der Kinder anhand kurzer standardisierter Tests. Die anschließende Förderung umfasst 35 Übungen mit bis zu 24 Niveaustufen. Die App arbeitet dabei auf drei Ebenen adaptiv: Zum einen wählt sie in Abhängigkeit vom Diagnoseergebnis des Kindes einen passenden Trainingsplan aus und legt die Bereiche fest, in denen Förderung besteht (z. B. Rechtschreibung). Darüber hinaus erfolgen sowohl die Auswahl der Aufgaben als auch die Bereitstellung des Wortmaterials innerhalb der Aufgaben adaptiv, indem sie an den Entwicklungsstand des Kindes angepasst und hinsichtlich ihrer Schwierigkeit differenziert werden. Abhängig von der didaktischen Zielsetzung können die Förderübungen entweder KI-basiert anhand der Diagnoseergebnisse automatisch zugewiesen werden. Oder die Lehrkraft kann passende Förderübungen entsprechend den individuellen Lernvoraussetzungen der Kinder auswählen und zusätzlich analoges Fördermaterial (z. B. Arbeitsblätter) einsetzen.
Ausblick: Herausforderungen für die Lehrkräftebildung
Aus den bisherigen Ausführungen ergeben sich für die Lehrkräftebildung mehrere Aufgaben. Erstens braucht es Lernprogramme, deren Diagnosen und Förderempfehlungen für Studierende nachvollziehbar sind; bei intransparenten Systemen können sie die Ergebnisse weder prüfen noch begründen (Ninaus & Sailer, 2022). Zweitens sollten Studienangebote neben der reinen Bedienung von Lernprogrammen auch Wissen über die Möglichkeiten und Grenzen KI-gestützter Systeme vermitteln, etwa hinsichtlich einer Reduktion pädagogischer Entscheidungen auf algorithmische Empfehlungen. Die Rolle der Lehrkraft sollte beim Einsatz solcher Programme daher im Zentrum stehen. Drittens braucht es hochschuldidaktische Konzepte, in denen Studierende die unterrichtliche Einbindung dieser Anwendungen über einen längeren Zeitraum mit denselben Kindern erproben können. Offen ist dabei, wie sich solche Qualifizierungsangebote auf das professionelle Handeln angehender Lehrkräfte auswirken. Sie sollten daher wissenschaftlich begleitet werden. Je selbstverständlicher KI-gestützte Lernprogramme im Unterricht werden, desto wichtiger ist es, dass angehende Lehrkräfte sie nicht nur bedienen, sondern ihren Einsatz auch pädagogisch reflektieren und verantworten.
Sofern nichts anderes angegeben wurde, stehen die
Inhalte dieser Seite unter der Lizenz
Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International.
Verlinkte Inhalte sind von der Lizenz unberührt.
Unter Beachtung der Lizenzbedingungen ist es gestattet,
die Inhalte der Seite zu vervielfältigen, zu verbreiten und
öffentlich zugänglich zu machen, sofern dabei
die beteiligten Autorinnen und Autoren (hier:
Veronika Dumbacher,
Stefanie Emmert)
und schule-mal-digital.de genannt werden und die Verarbeitung und Weitergabe an Dritte wiederum zu diesen Bedingungen erfolgt.
