In einem Science-Fiction-Film, können wir uns die Szene leicht vorstellen: Ein Klassenzimmer prall gefüllt mit Lernenden an hochglänzenden Pulten, die Kinder glücklich und vertieft in ihre Materie, die Lehrkraft vorne ein Impulsgeber und Koordinator. Neben jedem Kind ist ein putziger Droid, ganz so wie in Star Wars, der ihnen bei den Aufgaben hilft und sie persönlich betreut.
Die Zukunft ist schon hier.
Künstliche Intelligenz (KI) macht einen langgehegten Traum möglich: den der individuellen Betreuung jeder einzelnen Schülerin und jedes einzelnen Schülers. Individuelle Betreuung heißt immer auch adaptive Betreuung. Der oder die Einzelne kann am eigenen Startpunkt abgeholt werden und Lernschritte durchlaufen, die der eigenen Individualität entsprechen. Das bereichert nicht nur die Lernerfahrung, es bietet Lehrkräften einen effizienten Weg, heterogene Bedürfnisse zu adressieren.
Adaptive Bildung bedeutet, dass sich Lehrmaterial und Lernweg an die Lernenden anpasst, ohne das Lernziel zu verfälschen. Früher wurde diese Adaptivität durch aufwendig programmierte und gleichzeitig unflexible Lernpfade abgebildet, sodass zumindest eine Handvoll verschiedener Lerngeschwindigkeiten abgedeckt werden konnte.
Aber KI erlaubt eine viel elegantere Lösung. Beim KI-Lehrassistenten Brian, einem fachübergreifendem Softwaretool, das bereits an zahlreichen Schulen und Hochschulen (u.a. Universität St. Gallen, ZHAW, Hochschule Anhalt) verwendet wird, werden die Lernenden von einem Chatbot durch ihre Aufgaben geführt. Dabei ist es ganz egal, ob es eine Textinterpretation, eine Matheaufgabe oder ein Rollenspiel in der Sprachlehre ist.
Es ist, als ob ein freundlicher Tutor neben den Lernenden Platz genommen hat und geduldig alle Rückfragen klärt, sie ermutigt, ihre Antwort zu differenzieren, oder sie auf Fehler hinweist. Plötzlich lernen die Schüler mit dem Rückhalt eines Gesprächspartners, der auf individuelle Probleme, Lernschwächen und Missverständnisse konstruktiv eingeht und ihnen beim Lernen hilft.
Was bedeutet das in der Praxis? Max ist in der 5. Klasse und lernt das Addieren von Brüchen mit ungleichen Nennern. Allerdings hat er den Dreh noch nicht ganz raus. Gestern bekam er ein Arbeitsblatt und hat gleich in der ersten Aufgabe sowohl die Zähler als auch die Nenner addiert. Da ihm zu Hause niemand sagen kann, dass das falsch ist, macht er in die nächsten fünfzehn Aufgaben des Arbeitsblatts genau denselben Denkfehler. Am nächsten Tag gibt er das Arbeitsblatt ab – und bis er es korrigiert zurückbekommt, weiß er schon gar nicht mehr, worum es geht.
Lucia hat ein anderes Problem. Sie ist neu in der Klasse, ihre Eltern sind vor kurzem frisch nach Deutschland gekommen, und ihr Deutsch ist noch nicht so gut. Sie ist pfiffig in Mathe, ist aber von dem Text, der die Aufgaben begleitet, überfordert. Hier wird jeweils ein Szenario beschrieben, das die Lernenden in eine Rechenaufgabe verwandeln müssen. Aber Lucia versteht den Text nicht und aus Frustration legt sie das Arbeitsblatt weg. Auch sie muss das Arbeitsblatt abgeben und es scheint so, als ob sie Bruchrechnung noch weniger versteht als Max.
Auf Brian ist das gleiche Arbeitsblatt dynamisch. Das heißt, dass der Chatbot Max schon nach der ersten falschen Antwort auf den Fehler aufmerksam macht und ihn informiert: “Du brauchst einen gemeinsamen Nenner. Weißt du, was das ist?” Und danach führt der Bot ihn in kleinen Schritten zur richtigen Antwort. Und Lucia kann Brian einfach auf Portugiesisch fragen, worum es bei der Aufgabe geht – auch wenn ihre Lehrkraft gar kein Portugiesisch kann. Sobald Lucia die Aufgabenstellung versteht, legt sie mit Freude los und zeigt, was sie kann.
Aber eine adaptive, individualisierte Lernoberfläche kann noch viel mehr. Zum einen kann das Lernverhalten über eine einzelne Übung hinaus beobachtet werden. So kann das frühere Lernverhalten zum Kontext für zukünftige Interaktion mit dem KI-Tutor werden.
Zum anderen koppelt Brian adaptives Lernen an formatives Feedback. Das heißt, dass die Lernenden nach dem Abschluss der Aufgabe eine kurze Rückmeldung erhalten, in der ihnen gesagt wird, was sie gut gemacht haben und wo und wie sie sich verbessern können. Dort lernen sie zum Beispiel, dass sie ihre Analyse besser strukturieren müssen, oder dass Teilaspekte ihrer Begriffserklärung zu ungenau waren. Das Feedback erfolgt sofort, bietet Anregungen für Verbesserungsbereiche und animiert zum zweiten Versuch.
So durchlaufen die Lernenden oft gleich mehrere Feedbackschleifen, die normalerweise mit sehr viel Zeit und Korrekturaufwand verbunden sind. Formatives Lernen dieser Art ist nachweislich einer der wichtigsten Wege, Wissen zu festigen und höhere Lernziele zu erreichen – egal ob in Mathe, im Geschichtsunterricht oder in der Abiturvorbereitung für Biologie. Aber aufgrund des hohen Korrekturaufwands ist wiederholtes formatives Feedback im Schulalltag schwierig zu integrieren. KI erlaubt die Verbindung zwischen individueller Hilfe und sofortiger Rückmeldung, die es erlaubt, formatives Lernen in das Zentrum des Unterrichts zu stellen.
Weniger Korrekturarbeit bedeutet mehr Zeit für andere Aufgaben. Und ein Abfangen der Kompetenzheterogenität hilft dabei, Frustration bei den Lernenden abzubauen, was wiederum zu motivierteren, aufmerksameren Klassen führt und somit Lehrkräfte unterstützt. Aber der größte Vorteil eines adaptiven, digitalen Lerntools wie Brian ist die vollautomatische Generierung von intuitiven, aber gleichzeitig vielschichtigen Lernanalysen. Durch sie können Lehrkräfte Einsicht gewinnen, was in den Köpfen der Lernenden vorgeht, was von ihnen verstanden wurde und wo Schwierigkeiten existieren.
Das Schöne dabei: So wird durch eine adaptive KI auch die Betreuung der Lernenden durch die Lehrkraft selbst adaptiver und individualisierter, denn der lernende Mensch wird als Mensch sichtbarer. Somit führt uns adaptive Lehre mit KI nicht vom Klassenzimmer weg, sondern dorthin zurück und gibt uns die nötige Information zum besseren Zuhören und Unterstützen.
Brian ist schon jetzt in hunderten von Klassenzimmern im Einsatz. Brians innovative Lösung, die Lehrpersonen dabei hilft, die Herausforderung von heterogenen Klassen zu meistern, wurde diesen Februar mit dem didacta Preis für das Start-up des Jahres gewürdigt. Wer mehr erfahren will, oder als Schule die Software testen will, kann Brian direkt hier kontaktieren oder die Webseite besuchen.