Ein Wochenend-Prototyp als Denkanstoß für digitale Bildung

Wie es dazu kam

Ich habe ein Template – Knowledge Core, eine Art Knowledge Base, die ich für verschiedene Zwecke nutze. Strukturierte Inhalte, automatische Validierung, PDF-Generierung. Irgendwann kam die Idee: Was passiert, wenn ich der KI sage, sie soll damit etwas für die Schule bauen?

Vorweg: Das hier ist ein pragmatischer Versuch mit einem Hang zur Vereinfachung, der der Komplexität des Themas wahrscheinlich nicht gerecht wird. Aber irgendwo muss man anfangen. 30 Prozent meines wöchentlichen Claude-Code-Budgets sind dafür draufgegangen. Ich denke, es hat sich gelohnt.

Das Ergebnis ist Upscale. Kein fertiges Produkt, kein Startup. Ein Proof of Concept, entstanden an einem Wochenende. Und ich war ehrlich überrascht, wie weit man damit kommt.

Über 260 Seiten mit Lektionen, rund 60 Übungsaufgaben, 20 druckfertige PDF-Handreichungen – erstellt durch gesprochene Anweisungen an eine KI, die auf der technischen Basis arbeitet. Natürlich sind nicht alle Inhalte fachlich validiert. Dafür reicht ein Wochenende nicht, und dafür fehlt mir die fachliche Tiefe in allen Bereichen. Da müssten qualifizierte Personen ran. Aber die Struktur steht, die Templates funktionieren, und der Aufwand für das, was entstanden ist, war erstaunlich gering.

Was dabei herausgekommen ist

Lektionen mit fester Struktur

Jede Lektion folgt einem festen Aufbau: Einführung, Grundidee, Erklärung, Alltagsbeispiel, Anwendung, typische Fehler, Zusammenfassung und Quiz. Diese Struktur ist im System als Regel hinterlegt – die KI hält sich daran, ohne dass man jeden Schritt einzeln beschreiben muss. Aktuell gibt es Inhalte für fünf Fachbereiche, ein sechster ist vorbereitet.

Übungsaufgaben

Rund 60 Aufgaben für Biologie, Deutsch und Physik, teilweise orientiert an alten Abituraufgaben, teilweise frei erstellt. Jede mit Aufgabenstellung, Lösungsweg und Ergebnistabelle, verknüpft mit den zugehörigen Lektionen. Die fachliche Qualität müsste von Experten geprüft werden – das ist ein eigenes Projekt.

Zusammenhänge statt linearem Wissen

Was mich am meisten interessiert hat: Wissen nicht nur linear abzubilden, sondern zu vernetzen. Die Plattform enthält Lernpfade, Themencluster, Epochen und Querverweise zu historischen Persönlichkeiten. Ein Schüler, der sich für Galileo interessiert, landet bei der wissenschaftlichen Revolution, von dort bei der Gravitation, von dort bei Newton. Das sind Brücken, die helfen, Wissen besser zu verstehen – und die das Lernen interessanter machen können.

Hier könnte man mit mehr Zeit noch deutlich weiter gehen. Die Verbindungen zwischen Themen, das Epochale, das Zurückführen auf Persönlichkeiten und historische Kontexte, eingebundene Medien wie Videos oder Animationen – das sind Dinge, die in einem klassischen Lehrbuch kaum Platz finden, aber genau das, was Wissen lebendig macht.

PDF-Handreichungen

Ein generischer Report-Generator auf Basis von Typst erzeugt druckfertige PDFs: Lehrerversionen mit Lösungen, Schülerversionen mit reinen Aufgaben. Einheitliches Layout, automatisch generiert.

Der eigentliche Punkt: Wie wenig es braucht

Die technische Basis ist ein Monorepo mit Astro, Tailwind und Zod-Schemas für die Validierung. Inhalte liegen als MDX- und JSON-Dateien im Repository. Ein Befehl bringt alles live über ein CDN (für den Prototyp Cloudflare Pages, für den Echtbetrieb natürlich ein EU-Dienstleister).

Die Inhaltserstellung läuft komplett über KI, gesteuert durch natürliche Sprache. 24 strukturierte Anleitungen – sogenannte Skills – geben vor, wie Lektionen aufgebaut sein müssen, welche Formelsyntax gilt, welche Qualitätskriterien gelten. Man gibt der KI alte Prüfungsaufgaben als PDF, und sie erzeugt strukturierte Übungsaufgaben. Man beschreibt ein Thema, und sie erstellt eine Lektion nach dem vorgegebenen Aufbau. Man muss keinen Code schreiben, kein MDX verstehen, kein Typst kennen.

Das heißt nicht, dass man das ganz ohne Fachleute machen kann. Die Inhalte brauchen qualifizierte Autoren und eine redaktionelle Prüfung. Aber die technische Hürde für die Erstellung und den Betrieb ist so niedrig, dass man nicht mehr über Budgets für Softwareentwicklung reden muss – sondern über Budgets für fachliche Kuratierung. Und das ließe sich in Schleifen bewerkstelligen: erstellen, prüfen, verbessern, erweitern.

Der nächste Schritt: KI als Begleiter

Das eigentliche Ziel wäre, der Webseite einen KI-Chatbot zur Seite zu stellen. Die Plattform deckt die Inhalte ab – Lektionen, Aufgaben, Lernpfade. Der Chatbot wüsste, auf welcher Seite sich der Schüler befindet, mit welchem Thema er sich gerade beschäftigt, und wäre ansprechbar für Verständnisfragen. Nicht als Lösungsgenerator, sondern als Begleiter im definierten Kontext. Ein Beispiel für einen solchen Lernassistenten ist auf der Plattform bereits visuell angedeutet – ebenso wie eine persönliche Ansicht, in der ein Schüler seinen Lernfortschritt verfolgen kann.

Damit das funktioniert, braucht die KI Leitplanken. Das Model Context Protocol (MCP) bietet dafür einen Ansatz: der KI strukturierten Kontext mitgeben – Lehrplan, Aufgabentypen, erlaubte Werkzeuge –, nicht als Prompt, sondern als definierte Schnittstelle. Lehrer könnten diesen Rahmen konfigurieren, angepasst an Bundesland, Schulform und Klassenstufe.

Dazu kommt Datenschutz: Schüler sind Minderjährige. Europäische Modelle wie Mistral bieten DSGVO-konforme Verarbeitung in der EU und können von Schulträgern selbst gehostet werden. Keine Abhängigkeit von US-Anbietern, gleiche Chancen für alle Schüler – unabhängig davon, ob zu Hause ein ChatGPT-Abo existiert.

Was das föderale System damit anfangen kann

Das deutsche Bildungssystem ist föderal organisiert. Was in Bayern in Klasse 8 kommt, steht in Niedersachsen vielleicht erst in Klasse 9. Die Inhalte in Upscale sind modular – Lernpfade lassen sich pro Bundesland konfigurieren, ohne Lektionen zu duplizieren. Eine Lektion zu linearen Funktionen ist überall dieselbe, nur der Lernpfad ordnet sie anders ein.

Warum individuelles Lernen besser funktioniert

Die Forschungslage ist hier eindeutig: Individualisierter Unterricht bringt bessere Ergebnisse als Frontalunterricht. Eine Meta-Analyse von Bernard et al. (2019), die 299 Studien mit über 43.000 Schülern ausgewertet hat, zeigt, dass adaptives Lernen – bei dem sich Materialien und Tempo an den einzelnen Schüler anpassen – die Lernleistung signifikant verbessert. Entscheidender Faktor dabei: Die Rolle des Lehrers verändert sich vom reinen Wissensvermittler zum Begleiter und Mentor.

Noch konkreter wird es bei digitalen Systemen. Eine Meta-Analyse des SRI International über 126 Studien zeigt, dass Schüler mit adaptiven Lernsystemen ihre Leistung um 0,36 Standardabweichungen verbessern – in Mathematik sogar um 0,42. Das entspricht drei bis fünf Monaten zusätzlichem Lernfortschritt gegenüber traditionellem Unterricht. Intelligente Tutoring-Systeme erzielen laut Ma et al. (2014) Ergebnisse, die mit individuellem menschlichem Einzelunterricht vergleichbar sind – bei einem Bruchteil der Kosten.

Es gibt bereits Schulen, die solche Konzepte umsetzen. In Skandinavien wurde der Unterricht weitgehend digitalisiert – Smartboards, Notebooks, Lernplattformen als zentrales Werkzeug. Die Erfahrungen sind differenziert: Für ältere Schüler funktioniert selbstgesteuertes digitales Lernen gut. Das Karolinska-Institut in Schweden warnt allerdings, dass jüngere Kinder kognitiv noch nicht bereit für vollständig selbstständiges digitales Lernen sein können. In Deutschland sind nach 6,5 Milliarden Euro Digitalpakt die Geräte angekommen – aber pädagogische Einbettung und funktionierende Infrastruktur fehlen oft noch.

Die Frage ist also nicht, ob individuelles Lernen wirkt. Sondern wie man es umsetzt, ohne die Fehler zu wiederholen, die anderswo bereits gemacht wurden.

Der größere Kontext

Handyverbote an Schulen sind gerade populär, und das zu Recht – die Ablenkung durch TikTok, YouTube Shorts und andere Plattformen ist real. Aber den negativen Seiten stehen auch Möglichkeiten gegenüber. Die Schule kann dieselbe Technik einsetzen, um Bildung zugänglicher zu machen: individueller, interessanter, mit besseren Ergebnissen – ohne die Ansprüche zu senken. Nicht die Hürde niedriger machen, sondern die Methodik verbessern.

Verlage stehen dabei vor einem ähnlichen Wandel wie die Zeitungsindustrie. Lehrplaninhalte sind öffentlich, didaktische Aufbereitung kann KI inzwischen auch. Die Frage ist, welche Rolle Verlage in einem System spielen, in dem Inhalte dynamisch generiert und individuell angepasst werden können.

Was Upscale zeigt: Die technischen Bausteine dafür existieren. Eine Person, ein Wochenende, vorhandene Open-Source-Tools. Was fehlt, ist nicht die Technik – sondern fachlich qualifizierte Menschen, die Inhalte erstellen und prüfen, und der Wille, solche Ansätze auszuprobieren. Eine integrierte KI kann darauf aufbauen: Inhalte auf den einzelnen Schüler abstimmen, auf den Lernstand eingehen und aktuelle Bezüge herstellen. Ein Lehrbuch, dessen letzte Aktualisierung von 2015 stammt, kann das nicht – erst recht nicht, wenn die Schule bei Neuanschaffungen nicht nach Bedarf, sondern nach Budget entscheidet.

Wer sich für die grundsätzliche Frage interessiert – was passiert, wenn KI die bessere Antwort hat als das Bildungssystem –, findet in Wissen ohne Lehrer? – KI und Bildung eine weiterführende Analyse.

Was dieser Artikel nicht behandelt

Skandinavische Länder setzen digitale Lernkonzepte seit Jahren um – mit differenzierten Erfahrungen, aber mit dem klaren Willen, es zu versuchen. Die Frage, warum Deutschland dabei so weit hinterherhinkt, bleibt offen.

Dieser Artikel ist bewusst lösungsorientiert. Die negativen Seiten von KI – gesellschaftliche Risiken, Abhängigkeiten, Desinformation, die Frage, was mit menschlicher Urteilsfähigkeit passiert, wenn Maschinen die Antworten liefern – sind real und wiegen schwer. Sie hier auszuklammern heißt nicht, sie zu ignorieren. Man sollte sie im Hinterkopf behalten, wenn man über die Chancen spricht.

Aber gerade deshalb gehört KI in die Schule. Nicht als unkritisches Werkzeug, sondern als Gegenstand, mit dem die nächste Generation lernen muss umzugehen. KI wird die Gesellschaft tiefgreifend verändern – das einfach geschehen zu lassen, ohne ein Bewusstsein dafür zu entwickeln, ist keine Option. Früher hat man in der Schule Microsoft Office gelernt, um dann sein Leben lang „Microsoft Office” als Skill in die Bewerbung zu schreiben. KI ist anders. Sie beschränkt sich nicht auf einzelne Berufszweige oder Anwendungen, sondern zieht sich durch alles – Arbeit, Kommunikation, Entscheidungsfindung, Alltag. Der kompetente Umgang damit ist keine Zusatzqualifikation, sondern eine Grundvoraussetzung.

Quellen und weiterführende Literatur

• Hattie, J. (2009). Visible Learning: A Synthesis of Over 800 Meta-Analyses Relating to Achievement. Routledge.
• Bernard, R. M., et al. (2019). Twenty-first century adaptive teaching and individualized learning deconstructed. Campbell Systematic Reviews, 15(1–2).
• Ma, W., Adesope, O. O., Nesbit, J. C., & Liu, Q. (2014). Intelligent Tutoring Systems and Learning Outcomes: A Meta-Analysis. Journal of Educational Psychology, 106(4), 901–918.
• SRI International. Evaluation of Evidence-Based Practices in Online Learning: A Meta-Analysis and Review of Online Learning Studies. U.S. Department of Education.
• Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2024). Generative AI Can Harm Learning. Wharton School Research Paper.
• VanLehn, K. (2011). The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems. Educational Psychologist, 46(4), 197–221.
• Model Context Protocol – Spezifikation – Offener Standard für KI-Kontextsteuerung.
• Mistral AI – Modelle und Lizenzierung – Europäische KI-Modelle unter Apache-2.0-Lizenz.
• Knowledge Core – Open-Source-Template – Technische Basis für Upscale.
• Upscale – Live-Plattform – Das beschriebene Proof of Concept.
• Wissen ohne Lehrer? – KI und Bildung – Weiterführende Analyse zur Rolle von KI im Bildungssystem.