OER-Statistik 2025
8. Januar 2026
KI-gestützte Rechtsprüfung von Bildungsinhalten: Einblicke in unser aktuelles Arbeitspapier
17. Februar 2026
Der Pädagogische Warenkorb: KI-gestützte Planung von Lernszenarien
Die digitale Transformation verändert nicht nur die Lernmaterialien, sondern auch die Art und Weise, wie Unterricht geplant wird. Mit der wachsenden Heterogenität von Lernenden und der Vielfalt an Open Educational Resources (OER) steigt der Bedarf an intelligenten, flexiblen Planungswerkzeugen. Hier setzt das Konzept des Pädagogischen Warenkorbs an – ein KI-gestütztes Planungstool, das didaktische Entwurfsmuster maschinenlesbar modelliert und automatisch mit passenden Bildungsressourcen befüllt.
Maschinenlesbare Lernszenarien
Traditionelle Planungsstandards wie IMS Learning Design (IMS LD) bieten eine solide konzeptuelle Grundlage, scheitern aber oft an der täglichen Praxis, unter anderem wegen zu hoher Komplexität. Der Pädagogische Warenkorb adaptiert die bewährte Tiefenstruktur von IMS LD in ein vereinfachtes JSON-basiertes Datenmodell. Dieses Modell trennt klar zwischen Ablauf, Rollen und Ressourcen, bleibt dabei aber leichtgewichtig und sowohl für Lehrkräfte als auch für KI-Systeme gut lesbar.
Durch die Nutzung von didaktischen Entwurfsmustern (Patterns) und Prinzipien wie Constructive Alignment werden Lernziele, Methoden und Ressourcen strukturiert miteinander verknüpft. Das Framework berücksichtigt dabei Mikro-, Meso- und Makroebenen des Lernens und verbindet diese informationstechnologisch – für eine konsistente und qualitativ hochwertige Unterrichtsplanung.
Die „Magnet-Funktion“: Ressourcen automatisch zuweisen
Kern des Pädagogischen Warenkorbs ist die sogenannte Magnet-Funktion. Sie erkennt in einem Unterrichtsablauf automatisch, wo externe Materialien benötigt werden, und ruft über APIs passende Ressourcen ab. So können Lehrkräfte ihre Unterrichtsabschnitte nicht nur mit Texten oder Links füllen, sondern erhalten kontextsensitive Empfehlungen für Arbeitsblätter, Videos, Simulationen oder interaktive Übungen.
Die Generierung erfolgt unter einem Human-in-the-Loop-Ansatz (HITL): Lehrkräfte überprüfen, ergänzen und validieren die automatisch zugewiesenen Ressourcen. Dadurch wird die Qualität der Lernszenarien gesichert und das maschinelle System kann kontinuierlich dazulernen.
Vorteile für die Praxis
- Zeitersparnis: Lehrkräfte müssen nicht mehr jede Ressource einzeln suchen.
- Binnendifferenzierung: Automatisch generierte Varianten unterstützen unterschiedliche Lernniveaus.
- Didaktische Konsistenz: Durch pattern-basierte Planung wird Constructive Alignment strukturell umgesetzt.
- Wiederverwendbarkeit: Erfolgreiche Lernszenarien können als Muster für andere Lehrkräfte verfügbar gemacht werden.
Herausforderungen und Ausblick
Trotz der Vorteile bleiben Herausforderungen bestehen: Benutzerfreundliche Editoren, passende und zugängliche Materialien sowie transparente KI-Entscheidungen sind essenziell. Risiken wie Halluzinationen der KI oder didaktische Inkohärenz müssen durch konsequente HITL-Mechanismen minimiert werden. Zudem sind Fragen der Datensouveränität und Verantwortung beim Einsatz generativer KI weiter zu erforschen.
Der Pädagogische Warenkorb zeigt jedoch deutlich: Unterrichtsplanung kann durch die Kombination von didaktischem Wissen, semantischen Datenmodellen und KI-gestützter Automatisierung deutlich effizienter und qualitativ hochwertiger gestaltet werden. Lehrkräfte werden entlastet, während die Individualisierung und Differenzierung von Lernangeboten gestärkt wird – ein Schritt in Richtung digital unterstützter, zukunftsfähiger Bildung.
