Mit KI und Vibe Coding ganz einfach interaktive Lernmaterialien erstellen – Einführung für Schule und Unterricht

Vor einigen Jahren noch hätte ich für einen interaktiven Fachwortschatz-Trainer mit Artikel-Farbcodierung, Vorlesefunktion und Feedback-Schleife entweder eine fertige (Bezahl-)App gebraucht oder jemanden an der Seite, der HTML, CSS und JavaScript beherrscht. Ich beherrsche das nicht und habe von Programmieren auch, ehrlich gesagt, kaum Ahnung. Inzwischen beschreibe ich einem Large Language Modell (LLM) wie Claude Sonnet oder Claude Opus in ein paar Sätzen, was ich haben möchte, warte einige Minuten – und erhalte ein fertiges Lernspiel, das im Browser läuft, und von meinen Schülerinnen und Schülern oder mir direkt genutzt werden kann. Ein Beispiel? Hier ein Lernquiz, das später im Blogbeitrag exemplarisch gezeigt wird und in 2-3 Minuten einsatzfertig war:

Das klingt nach der üblichen KI-Euphorie und ich habe mir bis zum ersten Blogbeitrag über Vibe Coding aus genau dem Grund auch etwas Zeit gelassen – man muss einfach nicht alles immer sofort ausprobieren, viele Kolleginnen und Kollegen stehen sowieso noch ganz am Anfang. Und deshalb geht es hier weniger um den tatsächlich erfahrbaren Aha-Effekt, als um einige ganz einfach nachzumachende Praxisbeispiele, die ich selbst erstellt und im Unterricht erprobt habe – einen Lernspiel-Trainer für deutsche Fachbegriffe und ein Adventure zum „War on Terror“. Zugleich geht es auch um die Frage, was diese neue Niederschwelligkeit der Erstellung von Lernspielen, Anwendungen und Tools ohne jegliche eigene Programmierkenntnisse für die Schule bedeutet. Und was eben auch nicht.

Was ist Vibe Coding mit KI eigentlich?

Den Begriff hat Andrej Karpathy im Februar 2025 in einem Tweet geprägt: „I’m building a project or webapp, but it’s not really coding – I just see stuff, say stuff, run stuff, and copy-paste stuff, and it mostly works.„. Simon Willison hat die Definition später zugespitzt: Von Vibe Coding im engen Sinn spreche man erst, wenn man den erzeugten Code gar nicht mehr selbst durchsieht, sondern direkt mit der Nutzung der erstellten Anwendung loslegt. Letztlich lässt sich Vibe Coding einfach zusammenfassen: Statt komplexe Code-Strukturen selbst zu schreiben, beschreiben Nutzer der KI das gewünschte Ziel, das Design oder bestimmte Features. Die KI übernimmt die vollständige Umsetzung und der Anwender steuert den Prozess iterativ durch weiteres Feedback.

Für unsere schulische Praxis ist wohl weniger die theoretische Definition entscheidend, als vielmehr die praktische Konsequenz: Die technische Hürde, die früher zwischen einer didaktischen Idee und ihrer interaktiven Umsetzung lag, ist weitgehend verschwunden. Wer beschreiben kann, was er will, kann es sich mittels Vibe Coding erstellen lassen – von einem einfachen Karteikarten-Trainer über eine weltweite Lern- und Recherchereise als Adventure-Game bis zu einem kleinen Quizspiel mit Punkten und Auswertung. Was zurückkommt, ist keine Skizze oder ein Vorschlag, sondern eine unmittelbar funktionierende Anwendung: eine HTML-Datei, die man gleich selbst nutzt oder per Link teilt. Wie das konkret abläuft, zeige ich weiter unten Schritt für Schritt.

Möglich wurde das, weil zwei Dinge zusammenkamen: Sprachmodelle wie ChatGPT oder Claude Opus / Fable 5 sind spürbar besser geworden, und Tools wie die Artefakte in Claude zeigen das Ergebnis sofort in einem Vorschaufenster an, auf dessen Basis man weiterbearbeiten und anschließend veröffentlichen kann. Joscha Falck hat diesen Workflow in seinem Erfahrungsbericht zu interaktiven Lernmaterialien sehr anschaulich beschrieben: Kontext und Ziel benennen, Inhalte hineingeben, Interaktivität festlegen, in zwei bis fünf Schleifen verbessern, teilen. Genau so ist das Vorgehen, wenn der eigentliche Punkt eben nicht das Programmieren ist, sondern vielmehr das präzise Beschreiben und Überarbeiten einer Idee mit anschließender Umsetzung durch die KI.

Was Sprachmodelle inzwischen können (Stand Sommer 2026)

Vielleicht kurz zur Einordnung: Auf den einschlägigen Benchmarks für echte Programmieraufgaben – etwa SWE-bench Verified, wo Modelle Fehler in realen Codebasen beheben müssen – sind die Werte für Claude Opus innerhalb eines halben Jahres von rund 80 auf knapp 88 Prozent gestiegen. Das ist ein Fortschritt, den man bei der Nutzung als Lehrperson vielleicht weniger bemerkt, der aber trotzdem beachtenswert ist. Karpathy selbst hat Anfang 2026 berichtet, er tippe seit Monaten praktisch keinen Code mehr, sondern dirigiere mehrere Agenten parallel. Ein oft zitierter Satz Karpathys bringt die Rollenverschiebung auf den Punkt: Die autonomen Agenten hätten die Entwickler nicht ersetzt, sondern zu Projektmanagern des Codes gemacht.

Für die Schule ist dieser professionelle Bereich weniger interessant, sondern ein eher kleiner, praktisch aber gut nutzbarer Ausschnitt: die einzelne, in sich geschlossene Anwendung. Eine HTML-Datei, die ohne Server und ohne Anmeldung im Browser läuft, interaktive Elemente enthält, mit echten Daten und Diagrammen arbeiten kann, sich per Link oder als Datei verteilen lässt und (wichtig für den Schulalltag) auch offline und im gefilterten Schul-WLAN funktioniert.

Bei aller Begeisterung lohnt es, dabei zwei Befunde aus der Forschung im Blick zu behalten, die vor zu viel Euphorie schützen: In einer kontrollierten Feldstudie von METR aus dem Sommer 2025 brauchten erfahrene Entwickler mit KI-Werkzeugen im Schnitt rund 19 Prozent länger für ihre Aufgaben – und waren dabei überzeugt, deutlich schneller zu sein. Und wer die KI-Ergebnisse ungeprüft übernimmt, versteht am Ende weniger: In einer Untersuchung schnitten Programmierer, die beim Sprachmodell nachfragten, was der Code eigentlich tut, beim Verständnis klar besser ab als jene, die einfach akzeptierten, was erzeugt wurde. Beide Befunde gelten für professionelles Programmieren und lassen sich mit Blick auf meine Erfahrungen in der Schulpraxis nicht 1:1 übertragen, sollten aber präsent sein: Das gefühlte Tempo bei der Arbeit mit genKI täuscht häufig, und die eigentliche Qualität entsteht im (durchaus zeitintensiven) Nachfragen, Prüfen und Weiterentwickeln. Ein weiterer Indikator dafür, die Arbeit mit und über genKI als anzubahnende Kompetenz zu begreifen.

Zwei Praxisbeispiele für Vibe Coding in Schule und Unterricht

„Auftrag: Reportage“ – ein Adventure zum War on Terror

Für den Abschluss einer Unterrichtssequenz zur US-Außenpolitik nach dem 11. September wollte ich (für eine der letzen Stunden vor den Sommerferien) ein Lernspiel, das die Leitfrage der Reihe in einem ernsten Lernsetting bündelt: War der „War on Terror“ ein gerechter Krieg? Herausgekommen ist ein browserbasiertes „Adventure“, in dem die Schülerinnen und Schüler als Journalistinnen und Journalisten eines fiktiven Magazins namens WELTBLICK die Titelreportage zum 25. Jahrestag recherchieren, diese bei der Chefredaktion einreichen und anschließend auf Basis eines umfassenden Feedbacks die Entscheidung erhalten, ob und warum ihre Story für das Magazin (nicht) angenommen wird.

Die Schülerinnen und Schüler reisen zu sechs frei wählbaren Schauplätzen – New York, Washington, Kabul, Guantánamo, Bagdad und den Orten des Drohnenkriegs in Waziristan – und sichten an jedem Ort drei Materialtypen: ein Dokument, ein Zeitzeugnis und einen Daten- und Faktenblock. Als analytisches Rückgrat dient das Raster der Lehre vom gerechten Krieg (ius ad bellum und ius in bello). Ein Reporter-Notizbuch füllt sich automatisch, eigene Notizen sind an jedem Ort möglich, und die historischen Bezüge sind bewusst konkret gehalten: der NATO-Bündnisfall und Schröders „uneingeschränkte Solidarität“, Kundus 2009, der Fall Murat Kurnaz, Ramstein als Relaisstation im Drohnenkrieg, die Powell-Rede, Abu Ghraib, die Daten von Iraq Body Count und dem Costs-of-War-Projekt. Ab vier recherchierten Orten reichen die Schülerinnen und Schüler ein Exposé mit Arbeitstitel, These, Aufbau und begründetem Urteil ein. Eine regelbasierte KI-„Redaktionskonferenz“ prüft es entlang von Faktenbasis, Perspektivenvielfalt und Urteilsqualität und antwortet mit einem Stempel – ANGENOMMEN, ÜBERARBEITUNG oder ABGELEHNT – samt individuellem Feedback. Je nach Vorgehen können die Lernenden über einen Kopier-Button ihr Exposé zusätzlich in ein schulisch zugelassenes KI-Tool übertragen und sich eine zweite Meinung einholen.

Gerade im Fach Geschichte trägt so ein Lernspiel eine produktive Spannung in sich, wie sich auch direkt live im Klassenraum zeigte. Multiperspektivität und Quellenarbeit lassen sich damit eindrücklich inszenieren, zugleich war es mein Anliegen, auf ein grundlegendes Paradoxon hinzuweisen: Denn KI-gestützte oder rekonstruierte Zeitzeugnisse / Kompilationen erzeugen ja gerade die Quellenillusion, gegen die geschichtsdidaktisch die Quellenkritik antritt. Ein flüssig erzähltes, plausibel klingendes „Zeugnis“ einer KI-Kompilation ist eben keine Quelle (dazu auch mehr in meinem Blogbeitrag „KI im Unterricht – Tutor, Sparringspartner oder „false buddy“? – Praxisbeispiel Geschichtsunterricht“).

Ich setzte das Adventure deshalb nicht nur als Lernspiel ein, sondern auch als Anlass, mit der Lerngruppe über Chancen und Gefahren generativer KI für historisches Lernen zu sprechen. Das Werkzeug wurde so zum eigenen Lerngegenstand. Für die Klasse, so das eindeutige Feedback der 11A, war es eine spannende und abwechslungsreiche Stunde und die Schülerinnen und Schüler plädierten dafür, solche Vibe-Coding-Projekte häufiger gemeinsam auszuprobieren und ggf. auch in Teams weiterzuentwickeln für eigene Fragestellungen.

Fachwortschatz-Trainer für die Berufsschule

Das zweite Beispiel entstand fast beiläufig während einer Fortbildung. Ein Kollege fragte, wie man nicht-muttersprachliche Schülerinnen und Schüler an der Berufsschule beim Fachwortschatz unterstützen könne – denn an Begriffen wie Verfallsdatum, Wurzelbehandlung oder Abrechnung scheitere im Berufsschulalltag oft mehr als am eigentlichen Inhalt. Statt die Frage auf die bekannte „Das könnt Ihr nachher im Workshop doch mal ausprobieren“-Liste zu setzen, habe ich sie mittels Vibe Coding direkt während der Fortbildung beantwortet.

Wenige Minuten später lief der erste Prototyp eines Fachwortschatz-Trainers, orientiert an den Ausbildungsgängen eines Kölner Berufskollegs – von der MFA über ZFA, TFA und PKA bis zum Grundwortschatz rund um Arbeitsvertrag und Krankmeldung.

In der ausgebauten Fassung stecken 96 Fachbegriffe aus acht Berufsfeldern, jeweils mit Übersetzungen in acht Sprachen von Arabisch über Ukrainisch bis Persisch/Dari, inklusive korrekter Schreibrichtung fürs Arabische und Persische. Die Artikel sind nach der aus dem DaZ-Bereich vertrauten Konvention farbcodiert (der/die/das in Blau, Rot, Grün). Es gibt drei Modi: Lernkarten mit Vorlesefunktion, eine Zuordnungsübung und ein Quiz, und am Ende ein Feedback, das zeigt, welche Wörter schon gut bekannt sind und welche man wiederholen sollte. Das Ganze steckt in einer einzigen HTML-Datei, es sind kein Login, keine App und keine Kosten mit der Nutzung der Lernapp verbunden.

Aber auch hier bleibt die Qualitätssicherung Handarbeit: KI-generierte Übersetzungen müssen vor dem Einsatz überprüft werden. Das Tool ersetzt keine sprachsensible Unterrichtsplanung, aber es kann sie schneller wirksam machen.

Ein Blick über den Tellerrand – was machen die Kollegen?

Ich bin mit diesen Versuchen in guter Gesellschaft. Joscha Falck hat für seine Klassen an einer bayerischen Mittelschule drei beispielhafte Anwendungen erstellt und im sehr lesenswerten Blogbeitrag vorgestellt:

• • eine interaktive Selbstkontrolle nach einer Deutsch-Klassenarbeit, die nicht nur richtig oder falsch anzeigt, sondern erklärt, warum eine Lösung funktioniert;
  • eine modulare Lern-App zur Informatik-Prüfungsvorbereitung mit Flashcards, Quiz und Lösungsskript, zwischen denen frei gewählt werden kann;
  • und eine kleine Wissensplattform zu Kurzgeschichten, die vom Lesen über das Verstehen zum Schreiben führt.

Sein Befund deckt sich mit meinem: Dass Lernende mitentscheiden können, wie sie sich ein Thema erarbeiten, wirkt motivierend – die Wahlfreiheit ist selbst ein didaktisches Element. Am anderen, technisch anspruchsvolleren Ende steht ein Beispiel, das Falck ebenfalls in seinem Blogbeitrag verlinkt:

• • Christian Winnerl hat für seinen Sohn einen Aufgaben-Transformator gebaut, der Mathe-Aufgaben in zwei Schritten – erst Kernaufgabe extrahieren, dann neu aufbauen – in Fortnite-Kontexte überführt und so für Jugendliche ansprechender macht. Winnerl merkt selbst trocken an, der pädagogische Langzeiteffekt sei noch offen, der Familienfrieden aber messbar gestiegen.

Und Manuel Flick stellt im Blogbeitrag „10 Ideen und Prompts für interaktive Lernspiele“ gleich mehrere Lernspiele vor und zeigte mit Screenshots und Live-Beispielen, wie man selbst ganz einfach ein Lernspiel erstellen kann.

Habt Ihr auch interessante eigene Beispiele? Dann gerne zusenden und ich nehme sie hier in die Liste auf!

Die Bandbreite reicht also von der schnellen Selbstkontrolle bis zum kleinen Software-Projekt. Je nachdem, wie viel Zeit, Fantasie und technisches Vorwissen man mitbringt, sind der Kreativität keine Grenzen gesetzt.

Selbst loslegen: 5 Schritte zum eigenen Lernspiel per Vibe Coding

So spannend manche Beispiele sind, so abstrakt bleiben sie, wenn man es nicht selbst einmal ausprobiert hat. Deshalb hier eine kurze Anleitung für den Einstieg, ausdrücklich gedacht für Kolleginnen und Kollegen, die noch nie eine Zeile Code geschrieben haben und meinen, sie könnten das jetzt auf gar keinen Fall. Den grundlegenden Ablauf hat Joscha Falck in seinem Beitrag bereits sehr klar in fünf Schritten aufgeschrieben, die ich üblicherweise auch so oder ähnlich nutze, führe diese aber hier im Blogbeitrag an einem konkreten kleinen Lernspiel entlang.

Als durchgehendes Beispiel nehme ich hier einfach mal das Naheliegendste für viele Lehrkräfte: ein schlichtes Quizspiel. Multiple-Choice-Fragen zu einem Thema, Punkte, eine kleine Serie für richtige Antworten in Folge und eine Auswertung am Ende. Das lässt sich auf praktisch jedes Fach und jede Jahrgangsstufe übertragen – ob Vokabeln, Jahreszahlen, Fachbegriffe oder Definitionen.

Was man vorher wissen sollte. Drei Dinge helfen, mit der richtigen Erwartung heranzugehen:

• • Erstens beschreibt man in normaler Sprache, was das Sprachmodell tun soll; man muss nichts programmieren, aber klar sagen können, was man will.
  • Zweitens ist das Ergebnis in aller Regel eine einzelne HTML-Datei, die im Browser läuft – man kann sie herunterladen, lokal speichern oder per Link teilen.
  • Und drittens ist der erste Wurf selten der fertige: Zwei bis fünf Überarbeitungsschleifen sind völlig normal und kein Zeichen, dass man etwas falsch macht. Das ist wohl eher der eigentliche Arbeitsmodus.

Schritt 1: Ziel und Kontext benennen. Zuerst wird beschrieben, was entstehen soll und für wen. Also: Fach, Thema, Klassenstufe, Zweck (Einstieg, Wiederholung, Prüfungsvorbereitung) und die Form – hier ein Quizspiel. Je konkreter, desto besser. Zum Beispiel: „Erstelle ein interaktives Quizspiel als einzelne HTML-Seite für eine 7. Klasse Geschichte zur Wiederholung des Themenfelds ‚Mittelalter‘. Multiple Choice mit vier Antwortmöglichkeiten pro Frage.“

Schritt 2: Inhalte mitliefern. Ein Tool ist nur so gut wie die vorher mit eingegebenen Inhalte / Materialien und/oder muss sehr genau überprüft werden. Bei dem Adventure-Lernspiel habe ich die historischen Orte teils selbst vorgegeben, Materialien aus dem Unterricht mit zur Verfügung gestellt und gegengelesen; beim Fachwortschatz-Trainer kam der fachliche Kern aus dem Kollegium. Die Regel lautet: eigene, geprüfte Inhalte hinein – oder alles Generierte hinterher prüfen (bzw. natürlich beides).

Schritt 3: Spielmechanik und Interaktion festlegen. Jetzt wird beschrieben, wie sich das Spiel anfühlen soll. Hier entscheide ich darüber, ob ein Lernspiel entsteht oder nur eine hübsch animierte Abfrage. Etwa: „Nach jeder Antwort sofortiges Feedback, das nicht nur ‚richtig/falsch‘ anzeigt, sondern in einem Satz erklärt, warum die richtige Antwort stimmt.“ Dazu die spielerischen Elemente: ein Punktezähler, eine Serie („Streak“) für aufeinanderfolgende richtige Antworten, ein Fortschrittsbalken, am Ende eine Auswertung mit Ergebnis und einer Liste der falsch beantworteten Fragen zum gezielten Nachlernen. Beim 09/11-Recherchespiel ist es vor allem die Redaktionsrückmeldung am Ende, teils verbunden mit der Aufforderung, bestimmte Aspekte vielleicht nochmal zu überarbeiten.

Schritt 4: Testen und in Schleifen verbessern. Der erste Entwurf erscheint sofort im Vorschaufenster. Jetzt selbst durchklicken, Schwachstellen notieren und gezielt zurückmelden:

• • „Der Kontrast der Buttons ist zu schwach, mach die Schrift größer.“
  • „Integriere eine Wiederholungsliste der falsch beantworteten Fragen.“
  • „Die Fragen sollen bei jedem Durchgang in zufälliger Reihenfolge kommen.“
  • „Ändere das Spielprinzip grundsätzlich nochmal dahingehend, dass …“
  • „Das auf die Schülereingabe folgende Feedback sollte folgendem, bei uns im Unterricht eingespieltem Schema folgen: …“

Nach jeder Rückmeldung überarbeitet das Sprachmodell die Datei direkt und macht häufig auch weitere Vorschläge für mögliche Anpassungen (z.B. für eine Offline-Nutzung ein regelbasiertes Feedback auf Schülerabgaben, für das ich dann im Vorfeld auch entsprechende Feedback-Kriterien eingeben muss). In der Regel braucht es zwei bis fünf solcher Runden, bis das Ergebnis wirklich unterrichtstauglich ist.

Schauen wir hier doch mal rein, was jetzt nach meiner Schritt-für-Schritt-Vorgehensweise entstanden ist – Ihr seht hier meine Claude-Oberfläche, in der sowohl die 5-Schritte-Grafik als auch das kleine Lernquiz auf Basis der vorherigen Blog-Absätze entstanden sind:

Schritt 5: Sichern, teilen, einsetzen. Ist das Spiel fertig, lässt es sich per Link veröffentlichen oder als HTML-Datei herunterladen. Für den Schuleinsatz empfehle ich ausdrücklich den Download: Die Datei gehört dann euch, läuft auch offline und überlebt einen Anbieterwechsel. Vor dem Einsatz einmal lokal per Doppelklick testen – am besten in dem Browser und auf dem Gerät, das die Klasse tatsächlich nutzt. Verteilt wird per Link (ich nutze dafür eine Unterseite meines Blogs: https://unterrichten.digital/lernspiele), QR-Code im Heft oder über die Lernplattform oder auch per Mail. Eine Lizenzzeile am Fuß (bei mir CC BY-SA 4.0) macht das Material für andere nachnutzbar.

Zwei Beispiel-Startprompts zum Kopieren. Wer sofort loslegen möchte, kann diese Prompts für bewusst simpel gehaltene Lerntools in ein Sprachmodell (wie bspw. Claude Opus) kopieren und die Inhalte durch eigene ersetzen:

„Erstelle ein Quiz-Lernspiel als einzelne, in sich geschlossene HTML-Datei (ohne externe Abhängigkeiten, damit es offline läuft). Thema: [dein Thema]. Ich liefere dir 15 Fragen mit je vier Antwortmöglichkeiten und der jeweils richtigen Lösung samt kurzer Begründung [Fragen einfügen]. Zeige die Fragen einzeln nacheinander, gib nach jeder Antwort sofortiges Feedback mit der Begründung, führe einen Punktezähler und eine Serie für richtige Antworten in Folge. Am Ende eine Auswertung mit Ergebnis und einer Liste der falsch beantworteten Fragen. Schlichtes, gut lesbares Design mit hohem Kontrast.“

„Erstelle ein interaktives Zuordnungsspiel als einzelne HTML-Datei. Auf der einen Seite Begriffe, auf der anderen ihre Definitionen; per Klick oder Ziehen werden Paare gebildet. Thema: [dein Thema], hier die Paare: [einfügen]. Richtige Paare bleiben verbunden und werden grün markiert, falsche kurz rot. Ein Zähler zeigt die gefundenen Paare, am Ende gibt es eine kurze Rückmeldung. Gut lesbares Design.“

Ein paar Tipps aus der Praxis. Vier Dinge haben sich für mich bewährt:

1. Bitte das Modell explizit um „eine einzelne, in sich geschlossene HTML-Datei ohne externe Abhängigkeiten“ – dann läuft das Ergebnis offline und auch im gefilterten Schul-WLAN.
2. Für den Schuleinsatz ist regelbasiertes Feedback, das fest in der Datei steckt, meist die bessere Wahl als eine Live-Anbindung ans Sprachmodell: Es funktioniert ohne Internet und ist datenschutzrechtlich unkritischer.
3. Keine personenbezogenen Schülerdaten in die Anwendung geben.
4. Und: klein anfangen, dann erweitern – erst das Grundspiel zum Laufen bringen, danach in weiteren Runden einen Timer, mehr Fragetypen oder eine Wiederholungsfunktion ergänzen.

Kurz zu Zugang und Kosten. Grundsätzlich geht der Einstieg auch mit kostenlosen Zugängen, beim Vibe Coding stößt man damit aber schnell an Nutzungsgrenzen. Ein kostenpflichtiger Zugang im niedrigen zweistelligen Euro-Bereich pro Monat ist in meinen Augen für das Erproben und Experimentieren (das häufige mehrere Versuche beinhaltet) sehr sinnvoll und gut angelegt; die genauen Konditionen ändern sich, ein kurzer Blick auf die aktuellen Angebote lohnt. Wer bei anderen Modellen wie ChatGPT oder Gemini bleibt, bekommt den Code als Text, speichert ihn als *.html-Datei und öffnet sie im Browser. Das ist zwar etwas umständlicher, aber machbar; für einen öffentlichen Link helfen Dienste wie GitHub oder Netlify. Auch das hat Joscha Falck in seinem Beitrag anschaulich beschrieben.

„Demokratisierung der Materialerstellung“?

Damit bin ich bei einer Frage, die mich (auch) mit Blick auf KI schon länger umtreibt und auf die ich schon vor über drei Jahren im Blogbeitrag zu individuellen Tutorsystemen einging: Wenn die technische Hürde fällt und jeder nun sein eigenes Lernmaterial auf die eigene Lerngruppe zugeschnitten erstellen kann – demokratisiert das die Materialerstellung? Können jetzt Lehrkräfte und Schülerinnen und Schüler ihre eigenen Lernumgebungen für individuelles Lernen kreieren und sind nicht mehr auf fertige (kommerzielle) Angebote angewiesen?

Einerseits ja: Die Hürde, eine passgenaue, differenzierende Anwendung für genau diese eine Lerngruppe zu bauen, war noch nie so niedrig. Aus einer Nachfrage in der Fortbildung wird ein einsetzbares Werkzeug, aus einer schnellen Idee während der Unterrichtsvorbereitung auch noch am Vorabend der Stunde ein ausgereiftes Lernspiel. Die Rolle der Lehrkraft verschiebt sich dabei, wie Falck treffend schreibt, weiter in Richtung Gestaltung und Kuratieren: Ich muss nicht mehr alles von Grund auf neu erstellen oder mit nur halb editierbaren Verlagsmaterialien vorliebnehmen, sondern kann Vorhandenes als Ausgangspunkt nehmen und in neue Formate überführen lassen. Und der Gedanke, dass auch Lernende zu Gestaltern eigener Lernanwendungen werden – einen Trainer für den eigenen Fehlerschwerpunkt, eine Simulation für ein schwer greifbares Konzept –, ist mehr als eine Spielerei. Er verschiebt potenziell, wer im Unterricht produziert und wer konsumiert und lässt eine Ahnung davon entstehen, wie sich der Kompetenzbereich „Mitgestalten“ im Kompetenzmodell für Lehrende und Lernende zum Beispiel anbahnen ließe.

Und trotzdem würde ich das Wort „Demokratisierung“ nach wie vor mit Vorsicht verwenden, wenn man einige Fallstricke im Blick behält.

Erstens: Erstellt (ich mag den Begriff „Bauen“ irgendwie nicht) ist schnell, gewusst was zu erstellen ist die eigentliche Arbeit. Die Fantasie, überhaupt einen sinnvollen Anwendungsfall zu erkennen, stellt sich nicht von selbst ein – sie muss durch Ausprobieren und Abschauen trainiert werden und baut in der Regel auf großer Erfahrung auf. In beiden meiner Beispiele kam der didaktische Kern von Lehrkräften, die ihre Lerngruppe kennen; die KI hat die Umsetzung übernommen. Wenn aber das Erstellen per Klick zur Leichtigkeit wird und das Erkennen des Sinnvollen genuin menschlich und komplex bleibt, dann demokratisiert Vibe Coding vor allem den eher einfachen Teil (auf der Tool-Ebene) – und bevorteilt jene, die ohnehin schon über didaktische Expertise, Zeit und Ideen verfügen.

Zweitens: Interaktiv ist nicht gleich lernförderlich. Ein Werkzeug ist zunächst nur ein Angebot; ob daraus Lernen wird, entscheidet sich in der Nutzung – im Angebots-Nutzungs-Modell sind das die Mediationsprozesse in den Köpfen der Lernenden, die von sehr viel Kontext abhängen. Klickende Aktivität lässt sich leicht erzeugen, kognitive Aktivierung nicht. Ein Quiz, das Schülerinnen und Schüler durchklicken, ohne nachzudenken, ist schön animiert, bleibt aber didaktisch wertlos. Entscheidend bleiben die Einbindung in Lernziele, sinnvoll kontextualisierte Lernaufgaben und Arbeitsaufträge und die Frage, ob ein Tool wirklich Verstehen fördert oder nur (oberflächliche) Aktivität.

Drittens: Die Qualitätssicherung bleibt genuin menschlich und wird immer wichtiger, je inflationärer die Materialerstellung funktioniert (die Kehrseite der „Demokratisierung der Materialerstellung“ – ich bin darauf in meinem Blogbeitrag zum Angebots-Nutzungs-Modell näher eingegangen). Sprachmodelle formulieren Falsches mit derselben Souveränität wie Richtiges. Die Übersetzungen im Fachwortschatz-Trainer müssen einmalig muttersprachlich (am besten mit den Schülerinnen und Schülern gemeinsam) überprüft werden, die historischen Angaben im Adventure gegengelesen, die Musterlösung kritisch in den Blick genommen werden. Und im Fach Geschichte kommt die schon genannte Quellenillusion hinzu: Was aussieht wie eine Quelle, ist womöglich eine glatte Rekonstruktion in Form einer KI-Kompilation. Wer solche Materialien einsetzt, muss diese Prüfung selbst leisten können – die Verantwortung lässt sich nicht an das Sprachmodell delegieren.

Viertens: Plattform- und Datenschutzabhängigkeit. Wer didaktische Infrastruktur auf einem proprietären System einer US-Firma aufbaut, macht sich abhängig von deren Geschäftsmodell, Preisen und Nutzungsbedingungen. Der pragmatische Ausweg ist, die Ergebnisse als eigenständige HTML-Dateien herunterzuladen, lokal zu sichern und keine personenbezogenen Schülerdaten in die Anwendungen zu geben. Genau deshalb erstelle ich bewusst in sich geschlossene Dateien mit zumeist regelbasiertem Feedback statt Live-Anbindung ans Modell (Ausnahme: Oberstufe mit volljährigen Schülerinnen und Schülern), die offline laufen, datenschutzseitig unkritischer sind und ggf. auch einen Anbieterwechsel überleben.

Für Schülerinnen und Schüler, aber eigentlich genauso für Lehrkräfte, noch fünftens: Wer Ergebnisse nur abnimmt, versteht weniger. Etwas „bauen“ zu lassen ist eben noch kein Lernen – erst das Nachfragen, Prüfen und Überarbeiten bahnen Lernen an. Das eigenständige Erstellen von Lernumgebungen kann ein starker Lernanlass sein, aber nur, wenn genau diese Prüf- und Reflexionsschleifen eingeplant sind.

Vibe Coding in Schule und Unterricht: Zwischenfazit im Sommer 2026

Auch wenn nach wie vor die Mehrheit der Lehrkräfte gerade erst dabei ist, in das Thema genKI einzusteigen und erste Erfahrungen sammelt, ist Vibe Coding für viele ein naheliegendes Experimentiertfeld. Denn ganz sachlich betrachtet ist die technische Barriere für das Erstellen eigener interaktiver Lern- und Arbeitsumgebungen tatsächlich gefallen. Anders als der Hype um „agentische KI“ bzw. „AI Agents“, der sicherlich für viele Lehrpersonen auf einer sehr abstrakten Ebene liegt oder schlicht gar nicht bekannt ist, ist Vibe Coding greifbarer und relevanter: Für den schulrelevanten Ausschnitt – die einzelne, geschlossene, teilbare Anwendung – reicht heute eine präzise Beschreibung dessen, was man erreichen will, wo vor wenigen Jahren noch Programmierkenntnisse nötig waren. Das ist in der Tat ein „demokratisierendes“ Element mit Blick auf digitale / interaktive und auf die einzelne Lerngruppe zugeschnittene Lernanlässe wie z.B. Lernspiele. Und in diesem Blogbeitrag bin ich ja auch wirklich nur auf „Lernspiele“ eingegangen, nicht aber die umfassenden Möglichkeiten von Vibe Coding für unseren professionellen Alltag (von Arbeitsplattformen über Klausurenplanung, Prüfungsplanung bis hin zu internen Fortbildungsplattformen uvm.).

Der pädagogische Schwerpunkt hat sich aber nicht verschoben, denn die eigentlich zugrundeliegende, komplexe Arbeit bleibt didaktischer Natur:

• • Zu wissen, was ich für wen mit welchem Ziel in welchem Umfang entwickeln möchte,
  • anschließend die Qualität mit Blick auf die eigene Lerngruppe zu prüfen,
  • für kognitive Aktivierung statt bloße Aktivität zu gestalten,
  • das Tool in Lernziele, Aufgaben und Interessen der Lerngruppe einzubetten und
  • im besten Fall gemeinsam mit der Lerngruppe weiterzuentwickeln.

So gesehen ist Vibe Coding weniger eine Spielerei, sondern ein echter Sparringspartner und zugleich solche Lernspiele wie die hier gezeigten auch nur ein erster Einstieg für Lehrkräfte, die ohnehin didaktisch denken und Freude an Ideenfindung und jetzt aber auch direkter Umsetzung zu einer nutzbaren Anwendung haben. Die Rolle der Lehrkraft verschiebt sich dann – analog zum „Projektmanager des Codes“ in der Softwareentwicklung – vom Produzenten des Materials zum Gestalter, Kurator und Qualitätswächter. Insofern sind die ersten kleinen Lernspiele dann eigentlich nur ein Ausgangspunkt für weiteres Lernen, das Erstellen eigener professioneller Arbeitsumgebungen und individueller Tools für den Arbeitsalltag.

Ich bleibe deshalb dabei, dass eigenes Ausprobieren unersetzlich ist für das Sammeln eigener Erfahrungen. Und die eigene Kreativität und eigene Ideen jetzt mit KI umsetzen zu können, das ist auch ein lohnender Spaß. Zugleich sollte man bei diesem spielerischen Experimentieren nicht aus dem Blick verlieren, dass es sich um KI-Kompilationen handelt, die je nach Schulfach und Thema vorsichtig zu behandeln sind, und den Unterschied zwischen animierter Aktivität und echtem Verstehen im Blick behalten. Die für mich spannendste Frage habe ich dabei noch gar nicht beantwortet, sondern nur aufgeworfen: Was passiert, wenn nicht mehr nur wir Lehrkräfte, sondern die Schülerinnen und Schüler selbst zu Gestaltern ihrer Lernumgebungen werden? Darüber lohnt es, im nächsten Schuljahr genauer nachzudenken – und, dem Thema angemessen, das eine oder andere einfach auszuprobieren. Einen Projekttag dazu haben wir zumindest schonmal im Blick…