Fortbildung, Professionalisierung und strukturelle Probleme im Kontext von KI und Schule – 10 Vorschläge aus der Praxis

Seit inzwischen mehreren Jahren macht einen größeren Teil meiner Fortbildungsarbeit die Frage aus, wie Schulen (generative) KI sinnvoll integrieren können. In zahlreichen Fortbildungen, Workshops und Gesprächen mit Kolleginnen und Kollegen wird dabei immer deutlicher: Wir haben in Deutschland ein strukturelles Problem – und das hat weniger mit dem Fokus auf ChatGPT oder den eher rudimentären KI-Kompetenzen deutscher Lehrkräfte zu tun, als vielmehr mit der Art, wie wir Professionalisierung theoretisch fundieren und praktisch konzipieren und organisieren.

Zwei aktuelle Studien machen das besonders deutlich. Und sie zeigen: Gute KI-Fortbildung ist im Kern nichts anderes als gute Unterrichtsentwicklung. Bevor ich zu konkreten Vorschlägen komme, lohnt wie immer ein Blick auf die Datenlage – denn die ist leider ernüchternd.

Der internationale Vergleich: Wo steht Deutschland?

Studie 1: Das Deutsche Schulbarometer trifft auf TALIS 2024

Ende 2024 wurden im Deutschen Schulbarometer Fragen gestellt, die aus der internationalen TALIS-Studie (Teaching and Learning International Survey) stammten. TALIS ist die größte internationale Lehrkräftebefragung der OECD – Deutschland nahm 2024 allerdings nicht teil. Durch die identischen Fragen im Schulbarometer können wir die deutschen Ergebnisse trotzdem mit 49 Ländern vergleichen. Das Deutsche Schulportal hat die Daten ausgewertet – mit durchaus interessantem Ergebnis.

Die Zahlen im Überblick:

Auf den ersten Blick sieht es gar nicht so schlecht aus: 77 Prozent der deutschen Lehrkräfte erleben eine Kultur gegenseitiger Unterstützung (international: 85 Prozent). Doch wenn man konkret fragt, wie sich diese Kultur im Alltag zeigt, beginnt das Bild etwas zu bröckeln:

• • Nur 38 Prozent der deutschen Lehrkräfte geben an, ihr Kollegium habe eine einheitliche Auffassung vom Unterrichten und Lernen (international: 81 Prozent).
  • Nur 50 Prozent sagen, dass Regeln zum Schülerverhalten einheitlich durchgesetzt werden (international: 78 Prozent).
  • 48 Prozent hospitieren nie bei Kolleginnen und Kollegen (nur 24 Prozent hospitieren häufiger als einmal im Jahr – international: 42 Prozent).
  • Nur 8 Prozent hospitieren an anderen Schulen (international: 29 Prozent).

Besonders gravierend sind die Unterschiede bei kollaborativer Unterrichtsentwicklung:

• • Nur 15 Prozent entwickeln monatlich gemeinsam Bewertungskriterien (international: 45 Prozent).
  • Nur 5 Prozent nehmen gemeinsam an Fortbildungen teil (international: 26 Prozent).
  • Nur 19 Prozent sind in professionellen Netzwerken aktiv (international: 56 Prozent).
  • Nur 18 Prozent besuchen Bildungskonferenzen (international: 52 Prozent).

Andreas Schleicher, PISA-Chef und OECD-Bildungsexperte, bringt es auf den Punkt: „Teamarbeit ist in Deutschland oft ‚Mehrarbeit‘.“ Die Arbeitsorganisation von Lehrkräften werde über Unterrichtsstunden definiert – kollaborative Entwicklung sei strukturell nicht vorgesehen. „Wenn es stattfindet, geschieht das trotz des Systems, nicht wegen des Systems.“

Und Anne Sliwka (Uni Heidelberg) unterscheidet zwischen reinem Austausch (Arbeitsblätter teilen) und Ko-Konstruktion (gemeinsame Unterrichtsentwicklung): „Austausch ist sporadisch, punktuell. Ko-konstruktive Zusammenarbeit – also gemeinsame Entwicklungsarbeit – sucht man an den meisten deutschen Schulen vergeblich.“

Studie 2: Was wissen wir über wirksame Fortbildung?

Parallel dazu erschien 2025 eine umfangreiche Meta-Analyse zur Wirksamkeit von Lehrkräftefortbildungen (betrachtet wurden von Lynch et. al. zwar 46 Studien aus dem MINT-Bereich, die Befunde lassen sich aber meines Erachtens mit etwas Vorsicht und unter Berücksichtigung möglicher Fachunterschiede auf andere Bereiche übertragen). Die zentralen Erkenntnisse decken sich mit der anekdotischen Evidenz sicherlich vieler an Fortbildung und Professionalisierung interessierten Beteiligten – hier nur in aller Kürze:

Erkenntnisse zu wirksamer Fortbildung nach Lynch et. al.: 

• • Gezielte Fortbildungen können signifikante Veränderungen im Lehrkräftehandeln bewirken.
  • Verbesserungen im Unterrichtshandeln korrelieren mit besseren Leistungen von Schülerinnen und Schülern.
  • Das bedeutet: Es ist also kein „verlorenes Spiel“, Lehrkräfte in komplexen, neuen Themen wie KI nachzuqualifizieren, wenn das bislang eher versäumt worden ist.

Qualität schlägt Quantität:

• • Kein signifikanter Zusammenhang zwischen Dauer der Fortbildung und Erfolg.
  • Entscheidend sind Fokus, Qualität und materialgestützte Kontinuität.
  • Endlose Zertifikatskurse sind nicht per se besser als fokussierte, intensive Interventionen.

Fachwissen ist zentral:

• • Fortbildungen mit Fokus auf Fachwissen – oder um es mit dem DPACK-Modell zu beschreiben: Content Knowledge (CK) – zeigen stärkere Effekte.
  • Reine Methodenschulungen („Wie nutze ich Tool X?“) greifen zu kurz.
  • Lehrkräfte müssen die Funktionsweise von KI verstehen, um didaktisch wirksam zu handeln.

Formatives Assessment als Hebel:

• • Fortbildungen mit Fokus auf formatives Feedback zeigen besonders starke Effekte.
  • Der stärkste didaktische Hebel von KI scheint also genau hier zu liegen: im formativen Feedback, also in der konstruktiven Lernbegleitung/Lernunterstützung, und damit in einer zentralen Dimension von Unterrichtsqualität.
  • Fortbildungen sollten primär auf solche Elemente der Tiefenstrukturen von Unterricht fokussieren, nicht auf „Content-Generierung“ – denn schon jetzt bleibt KI-Anwendung allzu häufig auf der Angebotsebene von Unterricht („Jetzt kann aus Material X per Klick das Material Y machen!“ etc.), wie ich im Blogbeitrag zum Angebots-Nutzungs-Modell in Zeiten von KI ausführlicher beschreibe.

Weitere wichtige Studien zur Lehrkräfteprofessionalisierung bestätigen diese Befunde: Die Hattie-Metaanalyse zu Professional Development zeigt ähnliche Muster, ebenso Studien zum Modell der Lehrkräftefortbildung in Singapur, das als internationales Vorbild gilt (und das ich daher sehr gerne einmal besuchen würde).

Was bedeutet das für KI-Professionalisierung?

Wenn ich diese Befunde mit meinen Erfahrungen in mehreren Jahren intensiver KI-Fortbildung und dem Blick auf z.B. in Social Media geteilte Fortbildungsprogramme abgleiche, wird ein Muster sichtbar: Viele aktuelle KI-Fortbildungen laufen strukturell in eine zwar aus dem Druck der Schulpraxis heraus nachvollziehbare, aber letztlich doch problematische Richtung.

Drei Probleme, die natürlich auch schon vor KI und häufig seit Jahren mit Blick auf Digitalisierung, Digitalität und Schulentwicklung insgesamt thematisiert werden, rücken in den Fokus:

1. Tool-Fokus statt didaktischer Tiefe

58 Prozent der deutschen Lehrkräfte haben sich zu „digitalen Medien“ fortgebildet – mit Abstand das meistgewählte Thema. Anne Sliwka kommentiert: „Wir haben in Deutschland einen absoluten Digitalisierungshype. Das überstrahlt alle anderen Themen.“ Typische Inhalte:

• • Wie registriere ich mich bei ChatGPT?
  • Wie formuliere ich einen Prompt?
  • Wie mache ich aus Material X ein Material Y?

Das Problem: Diese technozentrierte „Erste Hilfe“ schafft zwar schnelle Handlungsfähigkeit, greift aber für nachhaltige Professionalisierung zu kurz. Sie behandelt (generative) KI nur als „weiteres Tool“, verkennt aber die fundamentale Transformation, die diese Technologie mit sich bringt. Das bedeutet nicht, dass Tool-Fortbildungen nicht sinnvoll wären – wichtig ist aber deren pädagogisch-didaktische Fundierung und Weiterführung bzw. Überführung in Unterrichtsentwicklung.

2. Punktuelle Einzelveranstaltungen statt kontinuierlicher Entwicklung

Ein pädagogischer Tag zu KI, ein Webinar, eine SchiLf – und dann? Der „Implementation Dip“ (Impulse verpuffen im Schulalltag) scheint in Deutschland besonders ausgeprägt zu sein, weil Fortbildung zu oft isoliert von Schulentwicklung stattfindet, zeitliche Kapazitäten knapp sind und grundlegende Strukturen für kontinuierliche Fortbildung fehlen.

3. Isolation statt Vernetzung

In vielen Landkreisen oder Städten ist das der Standard: Schulen entwickeln KI-Konzepte parallel, ohne voneinander zu wissen oder sich miteinander auszutauschen. Best Practices bleiben dann schulinternes oder bestenfalls lokales Wissen. Nur 8 Prozent der befragten deutschen Lehrkräfte hospitieren an anderen Schulen – ein gravierendes Defizit, das verhindert, dass Schulen voneinander lernen.

Dazu hatte ich vor einiger Zeit für einen Vortrag das Rudelverhalten von Wölfen als Aufhänger genommen: In der Natur führt das zu Konfliktvermeidung und überlebenswichtiger Nahrungsaufteilung – in der Schulpraxis können wir uns die „Einsamer Wolf“-Mentalität bezogen auf den Klassenraum aber nicht mehr leisten, müssen nicht nur „Rudel“ bilden, sondern uns als gemeinsam Lernende begreifen. Das bedeutet Austausch, Vernetzung und offenes Teilen – denn hier geht es nicht um ein Alleinstellungs- und damit Werbemerkmal als Einzelschule, sondern es sollte um gute Bildung für alle Kinder und Jugendlichen gehen.

10 Vorschläge für nachhaltige(re) KI-Professionalisierung und Fortbildung

Aus diesen Befunden (und den praktischen Erfahrungen aus vielen Fortbildungsjahren) könnten sich nun zahllose, teils auch gar nicht neue Vorschläge entwickeln lassen. Ich versuche mich hier auf 10 konkrete Aspekte zu konzentrieren, die sicherlich ihre Effekte zeigten,

• • wenn sie auch nur teilweise stärker und systematischer berücksichtigt würden,
  • z.B. in der Planung einer Fortbildungsreihe (schulintern oder schulübergreifend), die versucht möglichst viele dieser durchaus nicht neuen Vorschläge/Elemente zu berücksichtigen, oder
  • z.B. in der Planung eines Landesinstituts, Schulträgers oder Medienzentrums, das Kolleginnen und Kollegen für vernetzte Entwicklung zusammenbringt. Genau das habe ich gerade in Köln erlebt, genau das war auch der Auslöser für die hier formulierten Gedanken.

Die Vorschläge verstehen sich damit als zusammengefasste Orientierung für Schulen, Schulträger oder auch die Bildungssteuerung, wenn KI-Professionalisierung nicht als isoliertes „Technik-Projekt“, sondern als Teil systematischer Unterrichtsentwicklung konzipiert werden soll. Einige der Punkte sind auch nicht trennscharf, überschneiden sich teilweise und sind nicht ganz perfekt strukturiert, sollen aber aus guten (praxisrelevanten) Gründen getrennt aufgeführt werden.

Und natürlich freue ich mich über jede Ergänzung aus der Bildungswelt, das ist nur meine persönliche Perspektive!

1. Vom Einzelkämpfertum zu kollaborativen Lerngemeinschaften

Das Problem: Die Zahlen sprechen eine klare Sprache – und sie sind ernüchternd. Nur 15 Prozent der deutschen Lehrkräfte entwickeln monatlich gemeinsam Bewertungskriterien, nur 5 Prozent nehmen gemeinsam an Fortbildungen teil. Was auf den ersten Blick wie eine statistische Randnotiz wirkt, entpuppt sich bei näherem Hinsehen als fundamentales Problem. Denn während 57 Prozent der Lehrkräfte durchaus Materialien austauschen, fehlt die tiefere Ebene der kollaborativen Unterrichtsentwicklung fast vollständig. Anne Sliwka bringt es auf den Punkt: Man arbeitet nebeneinander her, nicht miteinander.

Für KI-Professionalisierung ist diese Einzelkämpfer-Mentalität fatal. Die Integration generativer KI wirft fundamentale Fragen auf, die sich nicht im stillen Kämmerlein beantworten lassen:

• • Wie gehen wir als Schule mit KI-generierten Hausaufgaben um?
  • Welche neuen Prüfungsformate brauchen wir?
  • Wie definieren wir „Eigenleistung“ neu?
  • Was bedeutet „gutes Schreiben“ in einer Welt, in der KI auf Knopfdruck Texte generiert?

Wenn jede Lehrkraft diese Fragen für sich allein beantwortet, entsteht genau die im Schulbarometer dokumentierte Fragmentierung – eine Situation, in der Schülerinnen und Schüler von Lehrkraft zu Lehrkraft unterschiedliche, teils widersprüchliche Regeln und Erwartungen erleben. Das ist weder für die Lernenden noch für die Lehrenden befriedigend.

Welche Lösungsansätze könnten hilfreich wirken?

• • Feste wöchentliche Teamzeiten (nicht für Administration, sondern für gemeinsame Unterrichtsentwicklung) – analog zum kanadischen Modell, das Anne Sliwka als Referenz anführt.
  • Gemeinsame Entwicklung von D-PCK: Teams entwickeln Schnittstellenwissen zwischen Fach, Pädagogik und Digitalität (mehr dazu in meinem Beitrag zum DPACK-Modell).
  • Digitale Ko-Kreationstools: Geteilte Prompt-Bibliotheken, gemeinsame Dokumentationen, geteilte best-practice-Beispiele und Materialien ermöglichen asynchrone Partizipation – bspw. anknüpfend an schulinterne Mikrofortbildungen (schöner Blogbeitrag dazu von Jan Vedder).
  • Integration in bestehende Schulentwicklung und Teams: KI nicht isoliert zu denken, sondern an vorhandene schulinterne Schwerpunkte anzudocken (z.B. Feedbackkultur → KI-gestütztes Feedback nutzen, siehe auch mein Beitrag zum 3I-Modell), ordnet KI dem schulischen Leitbild und zentralen Entwicklungsvorhaben subsidiär unter verschiebt die Frage „Was können wir mit KI machen?“ hin zur Frage „Welche unserer bestehenden (pädagogischen / didaktischen) Ziele können wir wie mit KI besser erreichen?“.

2. Von punktuellen Events zu iterativen Lernzyklen

Das Problem: Der Pädagogische Tag im November, das große Thema „KI“, tolle Impulse, motivierte Kolleginnen und Kollegen. Und drei Monate später ist davon kaum noch etwas zu spüren. Der „Implementation Dip“ beschreibt das Phänomen, dass Fortbildungsimpulse im Schulalltag verpuffen – und das scheint in Deutschland (auch aus meiner eigenen Erfahrung) besonders ausgeprägt zu sein. Das liegt nicht am mangelnden Engagement einzelner Lehrkräfte, sondern an der Struktur: Fortbildung findet isoliert von Schulentwicklung statt. Eine Lehrkraft besucht eine Fortbildung, kehrt zurück, versucht das Gelernte umzusetzen, scheitert an fehlenden Ressourcen oder mangelnder Unterstützung im Kollegium – und gibt auf. Zurück bleibt Frustration statt Entwicklung.

Die wissenschaftliche Evidenz zeigt dabei eindeutig: Nicht die Stundenzahl ist entscheidend, sondern Fokus, Qualität und vor allem materialgestützte Kontinuität. Einmalige Impulse ohne Follow-up, ohne Zeit zur Erprobung, ohne Raum für Reflexion funktionieren nicht bzw. können nicht ihre gewünschte Wirkung entfalten. Die Veränderung von Überzeugungen und Unterrichtspraktiken ist ein langsamer, iterativer Prozess. Das gilt für jede Form von Professionalisierung, aber für ein so komplexes und schnelllebiges Thema wie KI ganz besonders.

Welche Lösungsansätze könnten hilfreich wirken? Ein 4-Phasen-Projekt im Schuljahresverlauf als Beispiel

3. Von der Hospitationsmüdigkeit zur Lesson-Study-Kultur

Das Problem: Immerhin 48 Prozent der deutschen Lehrkräfte geben an, nie im Unterricht von Kolleginnen und Kollegen zu hospitieren. Nur 24 Prozent hospitieren häufiger als einmal im Jahr, während es international 42 Prozent sind. Noch gravierender: Nur 8 Prozent hospitieren an anderen Schulen – im internationalen Vergleich sind es 29 Prozent, also mehr als dreimal so viele. Diese Hospitationsmüdigkeit (oder sollte man etwas härter von „Verweigerung“ sprechen?) ist Symptom und Ursache zugleich: Symptom einer Kultur, in der Unterricht als private Angelegenheit gilt, in der man sich nicht „in die Karten schauen lässt“. Und vermutlich Ursache für die fehlende gemeinsame Auffassung von gutem Unterricht. Denn ohne Einblick in die Praxis anderer, im besten Fall auf Basis klarer Kriterien und Anhaltspunkte, fehlt schlicht die Grundlage für produktiven Austausch über Unterrichtsqualität.

Für KI-Professionalisierung ist diese Situation besonders problematisch. Die Integration generativer KI wirft neue didaktische Fragen auf, für die es noch keine etablierten Antworten gibt: Wie sieht gute Schreibbegleitung mit KI-Feedback konkret aus? Wie gelingt Sokratisches Prompting in der Praxis? Wie erkennt man, ob Schülerinnen und Schüler kognitiv aktiv bleiben oder Denkarbeit an die KI auslagern? Diese Fragen lassen sich nicht theoretisch klären, sondern nur durch Beobachtung konkreter Unterrichtssituationen und deren systematische Reflexion. Genau dafür brauchen wir eine fundierte Hospitationskultur.

Welche Lösungsansätze könnten hilfreich wirken? KI-fokussierte Lesson Study (adaptiert nach japanischem Vorbild)

• 1. Gemeinsame Planung: Team plant KI-Unterrichtsstunde mit spezifischer Frage.
  2. Durchführung: Eine Lehrkraft unterrichtet, andere beobachten Schüler:innen (nicht Lehrkraft!).
  3. Reflexion: Team wertet systematisch aus.
  4. Überarbeitung: Konzept anpassen, erneut erproben.

Ergänzende Formate:

1. • Digitale Hospitationen: Aufzeichnungen analysieren (zeitlich flexibel, senkt Hemmschwelle).
   • Schulübergreifende Partnerschaften: 3-5 Schulen organisieren gegenseitige Hospitationen.
   • Regionale Kompetenzzentren: Schulen mit Expertise werden Anlaufstellen (ein Projekt, das mir aus der Corona-Zeit noch bekannt vorkommt, aber in den Bundesländern wohl eher im Sand verlaufen ist).

4. Vom Technik-Hype zur Pädagogik als Ausgangspunkt

Das Problem: „Die 10 besten KI-Tools für den Unterricht“ und ähnliche Überschriften dominieren derzeit Fortbildungsangebote. 58 Prozent der deutschen Lehrkräfte haben sich zu „digitalen Medien“ fortgebildet, mit großem Abstand das meistgewählte Thema. Anne Sliwka kommentiert treffend: „Wir haben in Deutschland einen absoluten Digitalisierungshype. Das überstrahlt alle anderen Themen.“ Und in der Tat und wie eingangs problematisiert: Typische Fortbildungsinhalte drehen sich um technische Fragen. Wie registriere ich mich bei ChatGPT? Wie formuliere ich einen Prompt? Wie mache ich aus Material X ein Material Y?

Diese technozentrierte „Erste Hilfe“ war in der ersten Phase nach der Veröffentlichung von ChatGPT durchaus notwendig. Primäre Technikschulung ermöglichte schnelle Handlungsfähigkeit in einer Situation großer Unsicherheit. Doch sie greift für nachhaltige Professionalisierung fundamental zu kurz. Sie behandelt KI als „weiteres digitales Werkzeug“, analog zum Taschenrechner oder zur interaktiven Tafel – und verkennt damit die ontologische Verschiebung, die generative KI mit sich bringt. Denn während andere digitale Tools passive Hilfsmittel sind, ist KI ein generierender Akteur, der Texte verfasst, Bilder erschafft, Problemlösungsstrategien simuliert. Das erfordert eine völlig andere Form der Auseinandersetzung.

Welche Lösungsansätze könnten hilfreich wirken? Pädagogisch-didaktische Kernfragen als Ausgangspunkt

1. 1. Start grundsätzlich mit pädagogischer / didaktischer Problemstellung aus Schulentwicklungszielen (s. 3I-Modell).
   2. Zum Beispiel der Entwicklungsschwerpunkt Feedbackkultur: Erst sollte gefragt werden „Wie können und wollen wir unsere Fehler- und Feedback-Kultur verbessern?“, dann „Kann KI uns dabei helfen?“ (eng verzahnt mit Vorschlag 1)
   3. Effectiveness vor Efficiency: Führt KI zu besserem Lernen oder nur schnellerer Erledigung von Routineaufgaben?
   4. Fachwissen zuerst: Lehrkräfte brauchen AI Content Knowledge (wie funktionieren LLMs?) und möglichst nahtlose Verknüpfung mit fachlichen Inhalten, nicht nur Tool-Training.
   5. Formatives Assessment als Fokus: Hier liegt in meinen Augen ein starker didaktischer Hebel von (generativer) KI – siehe auch meine Beiträge zu Feedback mit KI und FelloFish sowie die Hinweise auf wissenschaftliche Evidenz (Links im Anhang).

5. Von Isolation zu vernetzten Lernarchitekturen

Das Problem: Die Zahlen zur Vernetzung sind vielleicht die ernüchterndsten im gesamten internationalen Vergleich. Nur 19 Prozent der deutschen Lehrkräfte sind in professionellen Netzwerken aktiv – international sind es 56 Prozent, also dreimal so viele. Nur 18 Prozent besuchen Bildungskonferenzen, während es international 52 Prozent sind. Diese Isolation hat weitreichende Folgen, die weit über das individuelle Fortbildungserlebnis hinausgehen. Schulen entwickeln ihre KI-Konzepte parallel, ohne voneinander zu wissen. Eine Grundschule in Hamburg erfindet ein innovatives Konzept für KI-gestützte Leseförderung – und eine Grundschule in München entwickelt zur selben Zeit etwas Ähnliches, ohne dass die beiden voneinander wüssten. Best Practices bleiben lokales Wissen, statt durch Vernetzung auch Weiterentwicklung und Synergien zu erfahren. Innovationen entstehen – um Andreas Schleicher zu zitieren – „trotz des Systems, nicht wegen des Systems“.

Für KI-Professionalisierung ist diese Fragmentierung besonders problematisch, da sich das Feld rasant entwickelt und einzelne Schulen kaum Schritt halten können. Was heute als „best practice“ gilt, ist morgen vielleicht schon überholt. Wer isoliert arbeitet, hat keine Chance, mit dieser Dynamik Schritt zu halten. Vernetzung ist daher keine nette Ergänzung, sondern eine Notwendigkeit, wie ich auch schon im Enwicklungsfeld „Kollegiale Hospitation“ am Beispiel der Lesson-Study-Methode gezeigt habe.

Welche Lösungsansätze könnten hilfreich wirken? Beispiele für den Aufbau von Netzwerk-Strukturen

• • Schulträger-übergreifende Werkstattgespräche: Quartalsweise Treffen zur gemeinsamen Konzeptarbeit – das habe ich gerade sehr überzeugend am KOMEZ in Köln erlebt und als Referent mitgestalten dürfen.
  • Fachgruppen-Netzwerke: Bspw. Deutschlehrkräfte verschiedener Schulen entwickeln gemeinsam, teilen Materialien und treffen sich anschließend zur Evaluation und Diskussion.
  • Digitale Fortbildungs-Ökosysteme: Verzahnung asynchroner (Selbstlernmodule) und synchroner Formate (Online-Treffen, Präsenzphasen), im Optimalfall in einem gemeinsamen Lernpfad / einer gemeinsamen Fortbildungsstruktur. Ein Ausgangspunkt dafür können Online-Kurse wie das Angebot „Lehrkräfteprofessionalisierung für KI in Schule und Unterricht“ von OpenHPI, angeboten von Prof. Dr. Katrin Böhme, Sarah Bormann, Anja Henke, Dr. Thorben Jansen und Janne Mesenhöller sein, die explizit zur Zusammenarbeit und gemeinsamen Entwicklung auffordern.
  • Regionale Kompetenzzentren: Schulen mit Expertise werden Anlaufstellen, ggf. auch Medienzentren (s. Beispiel aus Köln oben).

6. Von generischen zu fachspezifischen Schwerpunkten

Das Problem: „KI im Unterricht – Grundlagen für die Schule“ – so oder ähnlich lauten viele Fortbildungstitel. Und natürlich hat eine generische Einführung Sinn, gerade am Anfang. Das erlebe ich in meiner eigenen Fortbildungspraxis als Regelfall und sinnvolles Vorgehen, um überhaupt erst das ganze Kollegium für das Thema zu interessieren, im besten Fall zu gewinnen. Das Problem entsteht dann, wenn es dabei bleibt. Denn wenn Fortbildungen primär generisch sind, entstehen keine geteilten fachspezifischen Konzepte. Eine Mathematiklehrkraft nimmt aus einer allgemeinen KI-Fortbildung ganz andere Erkenntnisse mit als eine Deutschlehrkraft oder eine Biologielehrkraft. Ohne fachspezifische Vertiefung bleiben diese Erkenntnisse diffus und schwer übertragbar auf den eigenen Unterricht.

Die fehlende „gemeinsame Auffassung vom Unterrichten“, die das Schulbarometer für nur 38 Prozent der deutschen Lehrkräfte konstatiert, hat auch eine fachliche Dimension. Wenn die Deutschfachschaft kein gemeinsames Verständnis davon entwickelt, wie KI die Schreibdidaktik verändert, wenn die Mathematikfachschaft sich nicht damit auseinandersetzt, welche Rolle Algorithmen als Lerngegenstand spielen sollen – dann bleibt KI-Integration beliebig und fragmentiert. Jede Lehrkraft macht ihr Ding, und die Schülerinnen und Schüler erleben von Fach zu Fach unterschiedliche Ansätze, ohne dass diese didaktisch begründet wären.

Welche Lösungsansätze könnten hilfreich wirken? Fachgruppen als zentrale Einheit – als „schlafende Riesen der Schulentwicklung“ (Rolff)

Nach einer initialen generischen Phase (Wie funktionieren LLMs?) sollte der Schwerpunkt auf fachspezifischer Vertiefung liegen. Denn die Integration von KI-Technologien wirft in verschiedenen Fachbereichen spezifische Fragen auf. In der Deutschfachschaft stehen etwa Überlegungen im Vordergrund, wie statistische Textgenerierung das Konzept der Autorschaft verändert, wie KI sinnvoll in die Schreibdidaktik integriert werden kann und wie KI-unterstützte Texte bewertet werden sollten – wobei der Fokus zunehmend auf dem Schreibprozess statt dem fertigen Produkt liegt. Die Mathematikfachschaft beschäftigt sich hingegen einerseits mit der Frage, wie Algorithmen funktionieren und KI selbst zum Lerngegenstand werden kann, andererseits damit, wie KI individualisiertes Feedback bei Beweisaufgaben geben kann. Um solche fachspezifischen Herausforderungen zu bewältigen, bieten fachdidaktische KI-Portfolios die Möglichkeit, eine „einheitliche Auffassung“ auf Fachebene zu schaffen und gemeinsame Standards zu entwickeln.

7. Lebenslanges Lernen als Normalität

Deutschland setzt traditionell stark auf die Erstausbildung – lange Studiengänge, umfangreiches Referendariat. Das Versprechen: Wer diese Ausbildung durchlaufen hat, ist „fertig“ ausgebildet. Doch in einer Welt, die sich rasant verändert, ist dieses Modell längst überholt. Anne Sliwka formuliert es so: „Das berufsbegleitende Lernen für Lehrkräfte ist möglicherweise sogar das wichtigere Lernen.“ Und in der Tat: Das Wissen aus der Erstausbildung ist heute oft schon nach wenigen Jahren teilweise veraltet. Generative KI ist das aktuellste, aber bei weitem nicht das einzige Beispiel. Keine heute praktizierende Lehrkraft hat in ihrer Ausbildung gelernt, mit ChatGPT umzugehen. Keine Lehrkraft wurde auf hybride Lernformate vorbereitet, wie wir sie in der Pandemie entwickeln mussten.

Das Problem ist weniger, dass sich Dinge verändern – das war schon immer so -, sondern eher, dass wir strukturell nicht darauf eingestellt sind. Lehrkräfte, die kontinuierlich lernen, tun das „trotz des Systems“ (wieder Schleicher), nicht „wegen des Systems“. Es gibt keine selbstverständlichen Zeitfenster für Weiterbildung, keine institutionalisierten Formate für kollegiales Lernen, keine Kultur, die lebenslanges Lernen als Normalität begreift. Stattdessen wird Fortbildung oft als Belastung empfunden – als etwas, das „auch noch“ gemacht werden muss.

Dabei ist die Vorbildfunktion kaum zu überschätzen. Andreas Schleicher bringt es auf den Punkt: „Schüler:innen werden nur dann zum lebenslangen Lernen motiviert, wenn sie ihre Lehrkräfte als aktive, lebenslang lernende Personen wahrnehmen, die dazu bereit sind, ihren eigenen Horizont zu erweitern und das etablierte Wissen ihrer Zeit infrage zu stellen.“

8. Von Technik zu ethischer Reflexion

Das Problem: „Wie funktioniert ChatGPT?“ – diese Frage steht am Anfang fast jeder KI-Fortbildung. Und das ist auch richtig so. Problematisch wird es, wenn ethische Fragen nur als Randnotiz behandelt werden, als kurzer Exkurs am Ende, wenn noch Zeit ist. Algorithmic Bias, ökologischer Fußabdruck von KI-Training, die Arbeitsbedingungen von Clickworkern, Datenschutzfragen, die Manipulierbarkeit durch Tech-Milliardäre – all diese Themen werden oft bestenfalls angerissen, schlimmstenfalls gar nicht thematisiert. Das widerspricht fundamental dem Bildungsauftrag in einer Kultur der Digitalität, die Mündigkeit und Digital Sovereignty in den Mittelpunkt stellen sollte.

Zugleich gibt es einen nachvollziehbaren Grund für diese „ethischen Leerstellen“: Eine vertiefte ethische Auseinandersetzung setzt Grundkenntnisse voraus. Wer nicht weiß, wie Trainingsdaten funktionieren, kann Bias nicht verstehen. Wer nicht weiß, wie energieintensiv LLM-Training ist, kann die ökologische Dimension nicht einschätzen. Wer nicht versteht, was „statistische Textgenerierung“ bedeutet, kann die Manipulierbarkeit von KI nicht durchschauen. Ethische Reflexion braucht also ein technisches Fundament. Aber – und das ist der entscheidende Punkt – sie darf nicht als „Add-on“ behandelt werden, sondern muss trotz aller Schwierigkeiten systematisch verzahnt werden. Mithilfe der drei Dimensionen des Dagstuhl-Dreiecks, die das DPACK-Modell sinnvoll integriert, lässt sich diese Verzahnung gut abbilden, konzeptuell einplanen und als roter Faden für Fortbildungsplanung nutzen.

Welche Lösungsansätze könnten hilfreich wirken? Vielleicht ein Stufenmodell, das Critical AI Literacy (mithilfe der anwendungsorientierten Perspektive) fokussiert?

Stufe 1: Technisches Fundament

• • Konzeptionelles Verständnis (Wie funktioniert KI?) als Basis

Stufe 2: Ethische Vertiefung

• • Algorithmic Bias: Warum entsteht er? Wie prüfen Schüler:innen KI-Outputs?
  • Ökologischer Fußabdruck: Wann ist KI-Nutzung gerechtfertigt?
  • Clickworker: Welche Arbeitsbedingungen stecken hinter simpel erscheinenden Technologien?
  • Datenschutz: Datensouveränität als Bildungsziel

Ziel: Critical AI Literacy – Fähigkeit, KI-Systeme, ihre Auswirkungen und Machtverhältnisse kritisch zu analysieren (siehe auch meinen Beitrag zu KI-Paradoxien). Das versuchen wir an meiner eigenen Schule z.B. auch mithilfe einer einheitlichen KI-Einführung für unsere Schülerinnen und Schüler in den unteren Jahrgängen, die wir aktuell überarbeiten (dazu bald mehr in einem weiteren Blogbeitrag). Denn verständlicherweise bleibt im trubeligen Unterrichtsalltag oft keine Zeit, diese wichtigen Aspekte integrativ im Unterricht zu behandeln. Doch warum nicht auch so ein Projekt für das ganze Kollegium?

9. Vom Implementation Dip zu nachhaltiger Verankerung

Das Problem und eigentlich der Regelfall im Schulalltag: Eine Lehrkraft kommt motiviert aus einer Fortbildung zurück, voller Ideen, wie KI den Unterricht bereichern könnte. Sie probiert etwas aus, es klappt nicht beim ersten Mal. Die Kolleginnen und Kollegen sind skeptisch oder desinteressiert. Die Schulleitung signalisiert zwar Unterstützung, aber konkrete Ressourcen (Zeit, Technik, Budget) gibt es nicht. Nach ein paar Wochen gibt die Lehrkraft frustriert auf. Der „Implementation Dip“ hat wieder zugeschlagen – Impulse verpuffen, weil Fortbildung isoliert von Schulentwicklung stattfindet.

Und das ist kein individuelles Versagen, sondern ein strukturelles Problem. Solange Fortbildung als individuelles „Konsumgut“ begriffen wird (Lehrkraft X besucht Fortbildung Y), solange fehlt die systemische Einbettung. Schulentwicklung braucht aber mehr als motivierte Einzelkämpfer. Notwendig sind Strukturen, die kontinuierliches Lernen ermöglichen, Ansprechpartner, die bei Problemen helfen, Räume für Reflexion und Austausch. Es braucht Verbindlichkeit durch Verankerung in Schulprogramm und Leitbild. Kurz: Es braucht nachhaltige Verankerung statt punktueller Impulse.

Welche Lösungsansätze könnten hilfreich wirken? Als erstes vielleicht: Strukturen schaffen

• • Quartalsweise Retrospektiven: Was funktioniert? Was ändern wir?
  • Niederschwellige Portfolios: Nach jeder KI-Integration kurz notieren → macht Entwicklung sichtbar
  • Schulinterne KI-Coaches: 2-3 Lehrkräfte mit Zeitressourcen für Beratung/Begleitung
  • Verankerung im Schulprogramm: KI als fester Bestandteil, an Entwicklungsziele gekoppelt
  • Mikro-Fortbildungen: 20-30 Min. „KI-Lunch-Learning“ für Just-in-time-Lernen

10. Von KI als Arbeitsentlastung zur Lernverbesserung als Maßstab

Das Problem: „Mit KI können Sie viel schneller Arbeitsblätter erstellen!“ – ein gerade in Social Media gerne geteilter Eindruck mit Blick auf KI-Potentiale in Schule und Unterricht. Und angesichts der erschreckend geringen KI-Erfahrungswerte deutscher Lehrkräfte (siehe Deutsches Schulbarometer 2025 oder auch meine eigene Befragung) ist es durchaus nachvollziehbar. Lehrkräfte sind überlastet, Arbeitsentlastung ist ein legitimes Bedürfnis. Aber wissenschaftliche Evidenz zeigt eindeutig: Das legitime Ziel von Professionalisierung ist nicht primär (aber natürlich auch!) die Entlastung der Lehrkraft, sondern vor allem die Verbesserung des Lernens der Schülerinnen und Schüler.

Das klingt vielleicht zunächst hart, ist aber zentral: Wenn KI-Fortbildung nur in die Richtung zielt, dass Lehrkräfte schneller fertig sind (Efficiency), ohne dass sich die Qualität des Lernens verbessert (Effectiveness), dann ist sie – aus pädagogischer Sicht – wertlos. Schlimmer noch: Wenn KI dazu führt, dass Schülerinnen und Schüler grundlegende Lernschritte überspringen (Skill-Skipping) oder Denkarbeit auslagern (Cognitive Offloading), könnte sie trotz modernster Technik zu einem Rückgang der Lerntiefe führen. Die Forschung zeigt: Veränderungen im Unterrichtshandeln sind stärkste Vorbedingung für verbesserte Lernergebnisse.

Fazit: Strukturelle Veränderungen statt individueller Qualifizierung

Diese zehn Ansatzpunkte verdeutlichen vor allem eines: Nachhaltige KI-Professionalisierung ist nicht zuerst Frage individueller Qualifizierung, sondern müsste auf strukturellen Veränderungen aufbauen.

Die internationalen Vergleichsdaten zeigen, dass deutsche Lehrkräfte in einem System arbeiten, das Einzelkämpfertum strukturell begünstigt, Teamarbeit als „Mehrarbeit“ konzipiert und Netzwerkarbeit vernachlässigt. Kein noch so gutes Fortbildungskonzept kann diese strukturellen Defizite kompensieren.

Die hier genannten Ansatzpunkt zielen daher, und das ist sicherlich auch nicht ganz neu, auf doppelte Entwicklung:

1. 1. Professionalisierung von Lehrkräften im Umgang mit KI
   2. Professionalisierung des Systems selbst

Teamzeiten müssen reguläre Arbeitszeit werden. Netzwerkarbeit muss institutionalisiert werden. Hospitationen müssen zur Norm und honoriert werden. Nur wenn diese strukturellen Veränderungen gelingen, können die inhaltlichen Anforderungen – DPACK, ethische Reflexion, fachspezifische Vertiefung – nachhaltig umgesetzt werden. Dass dafür die strukturellen Bedingungen fehlen, ist den meisten Betroffenen klar. Joscha Falck macht daher in seinen Blogbeiträgen „Ist die 35-Stunden-Woche ein Erfolgsmodell für Schulen?“ und „Die Fortbildung ist tot – es lebe die Fortbildung“ so interessante wie naheliegende Vorschläge für grundsätzliche Veränderungen.

Die gute Nachricht soll aber klar betont werden: Wissenschaftliche Evidenz zeigt, dass Professionalisierung wirkt. Gezielte Fortbildungen können auch bei komplexen, neuen Themen wie KI signifikante Änderungen im Lehrkräftehandeln bewirken. Es ist kein „verlorenes Spiel“, Lehrkräfte in digitalen Themen nachzuqualifizieren.

Aber: Es braucht Evidenzbasierung, systemische Einbettung und den Mut, überholte Strukturen zu verändern.

Und auch ein ganz aktuell veröffentlichtes Orientierungspapier „KI-bezogene Schulleitungsfortbildungen in Deutschland“ macht seitens des Forum Bildung Digitalisierung auf ganz ähnliche Punkte aufmerksam. Eine sehr empfehlenswerte Handreichung, die inhaltlich in einigen Punkten (Kompetenzmodelle etc.) die hier skizzierten Vorschläge noch deutlich vertieft und für Schulleitungen kontextualisiert.

In Fortbildungen versuche ich selbst, genau wie viele meiner Kolleginnen und Kollegen, diese Prinzipien umzusetzen – mit wechselndem Erfolg, denn die strukturellen Rahmenbedingungen sind oft eng, als externer Referent bleibt es oft bei dem einen Fortbildungstag. Aber die Diskussionen in den Kollegien zeigen: Das Bewusstsein für die Notwendigkeit dieser Veränderungen wächst. Und das ist vielleicht der wichtigste erste Schritt.

---

Weiterführende Links im Blog

• DPACK-Modell – Unterrichtsentwicklung unter den Bedingungen der Digitalität
• 3I-Modell für Schulleitung in Zeiten von KI
• Lernförderliches Feedback mit KI
• Feedback – Mensch vs. KI: Was sagt die Forschung?
• 10 KI-Paradoxien in der Schule
• Vom Sparringspartner zum „false buddy“ – KI im Lernprozess
• KI und das Angebots-Nutzungs-Modell

Quellen

• Deutsches Schulportal: Deutsche Lehrer liegen bei Teamarbeit und Fortbildung international weit zurück
• TALIS 2024 – Teaching and Learning International Survey (OECD)
• Meta-Analyse zur Wirksamkeit von Professional Development (MINT-Bereich, Lynch et. al. 2025)
• Singapore Ministry of Education: Professional Development Framework