Wie macht man ein Design-Projekt in einem interdisziplinärem Team? Wie erlangt man schnell zu Erkenntnissen und Entwürfen im Lösungsraum? Ein Projekt zwischen Design-Sprint, Minimum Viable Product und User Research.
Lean Frameworks und Designmethoden.
Lernziel »Wir irren uns empor« (Harald Lesch). Analytische Herangehensweise und Erkenntnisgewinn aus (gescheiterten) Projekten. Mit einigen Leitplanken ist das Fehler-Machen erwünscht und dient dem Lernprozess! Nicht das Ergebnis steht im Vordergrund, sondern der Prozess.
Kinder wachsen heute in einer Welt auf, in der sich Reales und Digitales vermischen – YouTube, TikTok, WhatsApp, das Internet ist allgegenwärtig. Der sichere und reflektierte Umgang mit digitalen Inhalten ist längst zu einer essenziellen Kompetenz geworden. Wir glauben Medienbildung sollte nicht erst dann stattfinden, wenn Probleme entstehen, sondern präventiv, von Anfang an.
Medienbildung als Schlüsselkompetenz in der Grundschule
Dafür braucht es einen Ort, an dem wirklich alle Kinder erreicht werden – die Schule. Doch im schulischen Kontext bleibt die gezielte Vermittlung von Medienbildung oft eine Herausforderung: Lehrkräfte stehen unter Zeitdruck, müssen zahlreiche Inhalte abdecken und verfügen in dieser schnelllebigen Zeit nicht immer über das nötige Hintergrundwissen oder die richtigen didaktischen Konzepte. Unser Projekt setzt genau hier an. Mit dem entwickelten Tool ermöglichen wir Lehrkräften, gezielt Aufgaben zur Medienbildung zu erstellen – individuell anpassbar, didaktisch fundiert und direkt in den Unterricht integrierbar. Unser besonderer Fokus liegt auf der Prävention von Cyberkriminalität und der Förderung einer kritischen Medienkompetenz. Das Tool hilft dabei, Themen wie Fake News, Datenschutz oder Social Media reflektiert zu vermitteln und Schüler:innen frühzeitig für die Chancen und Risiken der digitalen Welt zu sensibilisieren.
Gesamtprojekt:
Wie das System zusammenspielt und wie es funktioniert
Unser System verbindet die Lehrkraft mit einer KI, die auf den von uns erstellten Medienbildungslehrplan zurückgreift, um passgenaue Aufgaben zu erstellen.
Lehrkraft: Gibt an, welche Aspekte der Aufgabe sie definieren möchte und wo die KI unterstützen soll. Dabei können bestehende Materialien eingebunden oder neue Aufgaben frei generiert werden.
KI (LLM): Nutzt die Vorgaben, kombiniert sie mit dem Lehrplan und erstellt Vorschläge, die zwischen Präzision und Vielfalt ausbalanciert sind.
Ergebnis: Neben einer fertig erstellten Aufgabe generiert das System automatisch einen Praxisleitfaden für die Unterrichtsgestaltung. Ergänzend gibt es eine passende Spielkarte, die Schüler:innen beim Transfer des Gelernten unterstützt.
So entsteht ein ganzheitliches System, das Lehrkräfte entlastet, Unterrichtsmaterialien sinnvoll strukturiert und langfristige Lerneffekte ermöglicht.Funktionsweise
Gezielt gesteuert, intelligent unterstützt:
KI als kreative Lehrkraft-Erweiterung
Unser Ansatz zeigt, wie KI Lehrkräfte gezielt unterstützt, ohne ihre kreative Freiheit einzuschränken. Das Tool generiert hochwertige Aufgaben effizient und bietet eine Balance aus Flexibilität und Struktur. Eine transparente Statusanzeige zeigt, wie präzise oder vielfältig die Vorschläge sind, sodass Lehrkräfte bewusst steuern können, wie offen oder gezielt die Aufgabe wird. KI ersetzt hier nicht, sondern erweitert die Möglichkeiten: Sie optimiert den Erstellungsprozess, ohne die Kontrolle abzugeben – für einen effizienteren, kreativeren und nachhaltigeren Unterricht.
Präzision vs. Flexibilität:
Wie viel Kontrolle braucht es bei der Aufgabenerstellung?
Das Tool bietet strukturierte Kontrolle, ohne die kreative Freiheit einzuschränken. Lehrkräfte können detailliert bestimmen, welche Parameter berücksichtigt werden, oder offene Eingaben von der KI interpretieren lassen.
Der Workflow bleibt dynamisch und anpassbar: Ob Schritt für Schritt oder direkter Einstieg – die Lehrkraft entscheidet, welche Reihenfolge für sie am besten passt. Dadurch bleibt der Prozess flexibel, aber stets nachvollziehbar.
Aufgabensetup
Flexibel zur optimalen Aufgabe:
Drei Usecases für individuelle Bedürfnisse
Um einen intelligenten und didaktisch sinnvollen Aufgabengenerator zu entwickeln, mussten wir klare Anforderungen definieren. Diese beziehen sich auf die Fähigkeiten der KI, die nötigen Eingaben und die Promptgetsaltung.
Usecases
Nachhaltigkeit durch Gamification:
Ein Kartenspiel für Schüler:innen:
Um sicherzustellen, dass die Schüler:innen das Gelernte nachhaltig verinnerlichen, erhält die Klasse nach jeder abgeschlossenen Einheit eine Spielkarte. Diese Karten fassen zentrale Erkenntnisse zusammen, regen zur Reflexion an und bieten praktische Impulse für den Alltag.
Das Prinzip: Lernen wird nicht nur abgeschlossen, sondern langfristig verankert. Die Karten dienen als motivierendes Element, fördern den Austausch unter den Schüler:innen und machen Medienbildung zu einem kontinuierlichen, spielerischen Prozess.
Spielkartenlayout
Fazit und Ausblick
Dieses Projekt zeigt, dass KI im Bildungsbereich nicht als Ersatz für die Lehrkraft gedacht werden sollte, sondern als ein Werkzeug, das unterstützt, leitet und optimiert. Unser finales Konzept verbindet Automa- tisierung mit pädagogischer Verantwortung – ein Schritt in Richtung einer Zukunft, in der Technologie Lehrkräfte nicht ersetzt, sondern ihnen ermöglicht, sich auf das Wesentliche zu konzentrieren.