KI-Verbindungen, Coach und verantwortliche Nutzung

Die KI-Funktionen der Workbench unterstützen Planung, Rückmeldung und Reflexion. Sie ersetzen nicht die fachliche Verantwortung der Nutzerinnen und Nutzer. Der Coach ist deshalb als didaktischer Begleiter angelegt: Er diagnostiziert, fragt nach, modelliert begrenzt und schlägt nächste Schritte vor. Er soll nicht ungefragt komplette Geschichten, Unterrichtsmaterialien oder Analysen fertig schreiben.

Was eine KI-Verbindung in der Workbench macht

Wenn eine KI-Verbindung aktiv ist, kann die Workbench Anfragen an ein Sprachmodell senden. Das Modell erhält nicht einfach nur die letzte Chatnachricht. Es bekommt zusätzlich den aktuellen Projektstand: Template, aktive Phase, ausgefüllte Felder, wichtige Story-Entscheidungen und den bisherigen Kontext. Dadurch kann der Coach erkennen, ob gerade über Zielgruppe, Konflikt, Perspektive, Szenenplanung oder Reflexion gearbeitet wird.

Die KI-Verbindung ist nicht im Frontend sichtbar. Nutzerinnen und Nutzer geben keine API-Schlüssel ein. Welche KI genutzt wird, wird administrativ eingestellt. Inhaltlich wichtig ist nur: Der Coach antwortet auf Grundlage des Projektstands und soll phasenbezogen arbeiten.

AI Literacy als Leitmodell

Die Workbench orientiert sich am AI Literacy Framework für die Primar- und Sekundarbildung. Dieses Framework versteht AI Literacy nicht als bloße Bedienkompetenz, sondern als Zusammenspiel aus Wissen, Fähigkeiten und Haltungen: Lernende sollen KI erkennen, kritisch einschätzen, produktiv nutzen, bewusst steuern und in ihren gesellschaftlichen Folgen verstehen (OECD, 2025). Für die Workbench ist das wichtig, weil KI nicht nur Antworten liefert, sondern Schreib-, Deutungs-, Gestaltungs- und Bewertungsprozesse beeinflusst.

Das Framework unterscheidet vier zentrale Umgangsweisen mit KI. Die Workbench übersetzt diese Domänen in konkrete Arbeitsschritte: Engaging with AI bedeutet, KI-Antworten als Vorschläge zu lesen und auf Genauigkeit, Fairness, Quellenlage und Passung zu prüfen. Creating with AI bedeutet, mit KI Ideen, Varianten, Formulierungen, Szenen oder Medienoptionen zu entwickeln, ohne den eigenen Entwurf abzugeben. Managing AI bedeutet, bewusst zu entscheiden, ob KI für eine Aufgabe geeignet ist, welche Teilaufgabe sie übernehmen darf und nach welchen Kriterien das Ergebnis bewertet wird. Designing AI bedeutet im Kontext dieses Plugins nicht, selbst ein KI-Modell zu programmieren, sondern zu verstehen, wie Prompts, Projektkontext, Daten, Modellgrenzen und administrative Einstellungen die Antwort beeinflussen.

Was im Plugin bei einer KI-Anfrage passiert

1. Projektstand sammeln: Die Workbench liest Template, aktive Phase, ausgefüllte Felder, Story-Entscheidungen, bisherige Checks und relevante Kontextdaten.
2. Aufgabe rahmen: Der Coach-Prompt legt fest, dass das Modell diagnostisch, didaktisch und phasenbezogen antworten soll. Es soll nicht automatisch als Ghostwriter arbeiten.
3. KI-Anfrage senden: Nur der notwendige Arbeitskontext wird an das eingestellte Modell gesendet. API-Schlüssel bleiben serverseitig und erscheinen nicht im Frontend.
4. Antwort einordnen: Die Rückmeldung wird im Interface als Coach-Hinweis, Qualitätscheck, Feldfeedback oder nächste Handlung angezeigt.
5. Reflexion dokumentieren: Wenn KI inhaltlich genutzt wurde, sollte festgehalten werden, wofür sie eingesetzt wurde, was übernommen, verändert oder verworfen wurde und welche Prüfung stattgefunden hat.

Damit deckt der Ablauf mehrere AI-Literacy-Domänen gleichzeitig ab: Beim Lesen der Rückmeldung arbeiten Nutzerinnen und Nutzer im Bereich Engaging; beim Entwickeln von Varianten im Bereich Creating; beim Begrenzen der KI-Aufgabe im Bereich Managing; beim Verstehen von Prompt, Kontext und Modellgrenzen im Bereich Designing (OECD, 2025).

Warum der Coach nicht alles fertig schreibt

In Bildungskontexten ist KI besonders dann sinnvoll, wenn sie Denkprozesse sichtbar macht und nicht verdeckt. Deshalb folgt der Coach einer Scaffolding-Logik: zuerst Diagnose, dann fokussierte Fragen, dann kleine Optionen und erst danach nächste Schritte. Das schützt den Eigenanteil und unterstützt literarisches Lernen, Perspektivenverstehen und begründete Entscheidungen (Schindler, 2023; Spinner, 2006; Steinhoff, 2023).

Wie Sie gute Coach-Anfragen stellen

• Fragen Sie nicht: „Schreib mir die Story.“ Fragen Sie besser: „Ist der Konflikt tragfähig?“
• Geben Sie an, in welcher Phase Sie sind: Thema, Zielgruppe, Perspektive, Szenenplanung, Reflexion oder Export.
• Bitten Sie um Alternativen, nicht nur um eine Lösung.
• Bitten Sie um Prüfung: „Wo ist die Medienfunktion redundant?“ oder „Ist die Fokalisierung klar?“
• Lassen Sie sich nächste Schritte geben, aber entscheiden Sie selbst.

KI-Reflexion: Was dokumentiert werden sollte

Sobald KI genutzt wird, sollte der Prozess transparent gemacht werden. Die Workbench fragt deshalb nach Tool, Zweck, Prompt, übernommenen Vorschlägen, veränderten Vorschlägen, verworfenen Vorschlägen, Prüfhandlungen, Rechten, Bias und Eigenanteil. Diese Struktur folgt der Idee, dass AI Literacy nicht nur das Bedienen eines Tools meint, sondern auch Prüfen, Steuern, Verantworten und Reflektieren (KMK, 2024; OECD, 2025; UNESCO, 2024).

Für die Arbeit mit dem Plugin lässt sich diese Reflexion als einfache AILit-Prüfkette lesen: Habe ich erkannt, wo KI beteiligt war? Habe ich die Ausgabe kritisch geprüft? Habe ich die KI-Aufgabe klar begrenzt? Habe ich meinen eigenen Anteil kenntlich gemacht? Habe ich Quellen, Rechte und mögliche Verzerrungen geprüft? Erst wenn diese Fragen beantwortet sind, ist KI-Nutzung im Sinne des Frameworks fachlich und didaktisch verantwortbar.

Beispiel einer guten KI-Nutzung

Angenommen, Sie entwickeln ein digitales Storytelling-Produkt zum Thema „Tiere als Texttiere“. Eine schwache Anfrage wäre: „Schreibe eine gute Geschichte dazu.“ Eine bessere Anfrage lautet: „Prüfe, ob mein Wissensproblem schon als Erkenntnisproblem formuliert ist. Achte darauf, dass Tiere nicht nur als Symbole für Menschen gelesen werden.“

Der Coach könnte dann diagnostizieren: Das Thema ist erkennbar, aber die Irritation muss präziser werden. Er könnte fragen: Welche vertraute Lesart soll irritiert werden? Welche Zielgruppe soll diese Irritation nachvollziehen können? Welche Szene oder welches Medium kann den Perspektivwechsel sichtbar machen?

Grenzen der KI

KI kann Vorschläge machen, aber sie kann Quellen falsch darstellen, Zusammenhänge vereinfachen oder Stereotype verstärken. Deshalb verlangt die Workbench Quellenprüfung, Bias-Prüfung und Rechteprüfung. Bei wissenschaftlichen oder didaktischen Aussagen gilt: Eine KI-Antwort ist kein Beleg. Belege müssen aus kuratierten Materialien, Seminartexten oder geprüften Quellen stammen.

Praktische Arbeitsregel

Nutzen Sie KI als Gegenüber, nicht als Autorin. Gute Nutzung bedeutet: Sie formulieren ein Ziel, lassen sich eine Rückmeldung geben, prüfen diese Rückmeldung, übernehmen nur begründet, verändern bewusst und dokumentieren Ihren Eigenanteil.

Literaturverzeichnis

• KMK. (2024). Handlungsempfehlung für die Bildungsverwaltung zum Umgang mit Künstlicher Intelligenz in schulischen Bildungsprozessen. Kultusministerkonferenz. https://www.kmk.org/fileadmin/veroeffentlichungen_beschluesse/2024/2024_10_10-Handlungsempfehlung-KI.pdf
• OECD. (2025). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education (Review draft). OECD. https://ailiteracyframework.org
• Schindler, K. (2023). ChatGPT oder Überlegungen zu den Veränderungen des Schreibens in der Schule. MiDU – Medien im Deutschunterricht, 5(1). https://journals.ub.uni-koeln.de/index.php/midu/article/download/2017/2455/8025
• Spinner, K. H. (2006). Literarisches Lernen. Praxis Deutsch, 200, 6–16.
• Steinhoff, T. (2023). Der Computer schreibt (mit): Digitales Schreiben mit Word, WhatsApp, ChatGPT & Co. als Koaktivität von Mensch und Maschine. MiDU – Medien im Deutschunterricht, 5(1). https://journals.ub.uni-koeln.de/index.php/midu/article/download/1912/1946/5873
• UNESCO. (2024). AI competency framework for students. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-students