KI-Didaktik

KI-Didaktik befasst sich mit dem Lehren und Lernen unter den Bedingungen und Möglichkeiten Künstlicher Intelligenz im Unterricht. Sie richtet den Blick weniger auf die Technik, sondern darauf, wie sich Aufgaben, Lernprozesse und Leistungsbewertungen verändern, wenn Lernende KI-Systeme nutzen dürfen oder sollen. Sie nutzt idealerweise spezifische KI-Rollen.

Die zentrale Frage lautet: Wie lässt sich KI so einsetzen, dass Schülerinnen und Schüler sowie Lernende Kompetenzen leichter erwerben und ihr Denken durch KI vertiefen und erweitern? Nachfolgend das Wichtigste zu KI-Didaktik und darauf folgend ausgewählte Hinweise zum Prüfen von KI-Outputs, KI generierten Texten und dem Ausweisen von Eigenleistung.

Hinweis: „Denken mit KI“ ist zugleich das Fokusthema des DLH für 2026. 

• In neu gestalteten Lernumgebungen wird mit, über, trotz und ohne KI gelernt.
• Es braucht in jedem Fall eine bewusste Begründung: 
  • Wozu wird KI eingesetzt?
  • Wo wird sie begrenzt? 
  • Welche fachlichen, überfachlichen und KI-spezifischen Kompetenzen sollen gefördert werden?

Typische KI-Aufgabenkategorien (nach Falck/Flick)

• KI‑integrierende Aufgaben: KI wird als Lernressource genutzt, um fachliche Probleme zu bearbeiten oder Lernprozesse zu unterstützen; der Einsatz ist didaktisch begründet und an Lernziele gebunden.
• KI‑reflektierende Aufgaben: Lernende prüfen und hinterfragen KI‑Outputs (Qualität, Fehler, Bias, Einfluss auf den eigenen Lernprozess).
• KI‑thematisierende Aufgaben: KI selbst ist Lerngegenstand (Funktionsweise, Chancen, Risiken, gesellschaftliche und ethische Fragen).
• KI‑limitierende Aufgaben: KI wird bewusst eingeschränkt, um Kompetenzen ohne KI sichtbar und bewertbar zu machen.

Worin sich „KI-Didaktik“ abgrenzt

KI-Didaktik ist keine neue Technik‑ oder Tool‑Didaktik, sondern eine Weiterentwicklung allgemeiner Didaktik vor dem Hintergrund generativer KI. Entscheidend ist ein didaktischer Entscheidungsraum:
Lehrpersonen kombinieren die KI-Aufgabenkategorien je nach Fach, Niveau, Lerngruppe und Zielen.

Praktischer Hinweis zum Prüfen von KI-Outputs:
Ergebnisse von KI-Tools auf Richtigkeit und Sinnhaftigkeit hin zu prüfen ist oft zeitintensiv und umständlich. Eine praktische Methode bietet NotebookLM von Google:

1. Zunächst lässt man sich vom KI-Tool die verwendeten Quellen nennen. Diese sucht man im Internet und fügt sie in ein eigens angelegtes Notebook ein. 
2. Stellt sich heraus, dass eine Quelle gar nicht existiert, streicht man alle Inhalte, die sich darauf beziehen. 
3. Die real existierenden Quellen bilden die Grundlage (das Wissen) des Notebooks. 
4. Anschliessend fügt man den KI-Output als “kopierten Text” ein und fordert das NotebookLM auf, die jeweilige Stelle in der Quelle zu zeigen, auf die sich der Inhalt bezieht. Es kann nämlich vorkommen, dass die Quelle zwar existiert, den angegebenen Inhalt aber gar nicht enthält. Dann entfällt auch diese entsprechende Textabschnitt.

Diese detektivische Arbeit lohnt sich: Sie schärft den kritischen Blick und fördert einen bewussten Umgang mit KI-Outputs.

KI halluziniert regelmässig und erfindet Fakten, auch mit eingeschalteter Websuche.

• Die Websuche in KI-Tools schaltet man mit Vorteil ein, sie hilft aber begrenzt: Sie reduziert Halluzinationen in der Regel von ca. 60% auf ca. 30%, aber echte Quellen werden auch dann teilweise noch falsch interpretiert.
• Lange Chats bergen Risiken: Frühe Fehler wiederholen sich später.
• Nischenthemen sind schwierig: KI-Aussagen klingen oft überzeugend, doch die KI weiss wenig darüber​ und macht mehr Fehler.

• Kurze Fragen stellen, neue Chats starten
• Quellen selbst prüfen – nicht nur Existenz, sondern Inhalt
• Stärkere KI-Modi nutzen (z. B. "Thinking" bzw. "Reasoning" einstellen)
• Die etwas besseren, bezahlten Modelle halluzinieren weniger.
• Bei Zweifel: Gegenfragen stellen oder Fakten via Google nachschlagen