Du hast die Daten. Und jetzt planst du trotzdem für die falsche Gruppe.
Das klingt nach einem Widerspruch. Es ist keiner.
Die Analysephase liefert ein klares Bild: Wo Vorwissen vorhanden ist und wo es fehlt. Welche Hürden die Studierenden mitbringen. Was sie motiviert, was sie hemmt. Welche Formate zu ihrer Lernrealität passen. Ein Bild, das präziser ist als jede Erfahrung aus vergangenen Semestern.
Und dann beginnt die Designphase. Und mit ihr beginnt, fast unmerklich, die Rückwärtsbewegung.
Nicht weil Lehrende die Daten ignorieren. Sondern weil das Design von dem geprägt wird, was man kann, was man kennt, was man für bewährt hält. Die Sitzungsstruktur, die letztes Semester gut funktioniert hat. Die Methode, mit der man sich sicher fühlt. Das Format, das man gut erklären kann. Die Daten liegen auf dem Tisch – aber die Planung entsteht aus dem Kopf.
Das ist die eigentliche Falle der Designphase. Nicht Unwissenheit, sondern Überzeugung.
Die Designphase: Was sie ist – und was sie von allen anderen unterscheidet
Im ADDIE-Modell ist Design die Phase, in der aus Erkenntnissen eine Architektur wird. Analyse hat sichtbar gemacht, wer da ist und was gebraucht wird. Design entscheidet, wie die Lehre darauf antwortet: Welche Lernziele stehen im Vordergrund? Welche Struktur trägt das Semester? Welche Methoden und Sozialformen passen zur Gruppe? In welchem Format sollen Inhalte aufbereitet werden – Video, Audio, Text, Präsenz?
Das klingt nach Planung. Es ist mehr als das.
Gutes Lehrdesign ist eine Übersetzungsleistung: Es übersetzt Daten über eine Gruppe in eine Lernarchitektur, die dieser Gruppe gerecht wird – und gleichzeitig den eigenen pädagogischen Überzeugungen treu bleibt. Diese doppelte Treue ist das Schwierige. Wer nur den Daten folgt, verliert sich in Bedarfsorientierung ohne Haltung. Wer nur den eigenen Überzeugungen folgt, baut Lehre für eine imaginäre Gruppe.
Genau hier entsteht das Dilemma, das viele Lehrende kennen, ohne es so zu benennen: Ich weiß, was die Gruppe braucht. Und ich weiß, wie ich unterrichten will. Aber wie beides zusammen?
Die Designphase ist die einzige Phase im ADDIE-Modell, in der diese Spannung ausgetragen werden muss. Und sie ist die Phase, in der KI den größten strukturellen Beitrag leisten kann – nicht indem sie die Spannung auflöst, sondern indem sie beide Seiten gleichzeitig im Blick behält.
Was KI im Design leisten kann – und wo die Grenze liegt
KI kann kein gutes Lehrdesign garantieren. Sie kann nicht einschätzen, welche Methode zu deiner Persönlichkeit als Lehrperson passt. Sie kann nicht wissen, wie viel Moderationskompetenz du in einer bestimmten Situation mitbringst. Und sie kann nicht entscheiden, welche pädagogische Haltung du gegenüber einer heterogenen Gruppe einnehmen willst.
Was KI kann: Sie hält die Verbindung zwischen Analyseergebnissen und Designentscheidungen aufrecht – in einem Prozess, in dem diese Verbindung sonst leicht abreißt.
Das geschieht in zwei konkreten Schritten. Erstens: Die KI übersetzt die Ergebnisse der Lernbedarfsanalyse in eine strukturierte Designgrundlage – welche Formate, welche Sozialformen, welche inhaltlichen Schwerpunkte legen die Daten nahe? Zweitens: Sie entwirft auf dieser Grundlage konkrete Szenarien – keine fertigen Lehrpläne, sondern durchdachte Optionen mit Zeitstruktur, Methoden und Passungsbewertung. Optionen, die du prüfen, verwerfen, kombinieren oder weiterentwickeln kannst.
Der entscheidende Unterschied zum klassischen Vorgehen: Die KI vergisst die Analyseergebnisse nicht. Sie baut das Design nicht aus Gewohnheit, sondern aus Daten und aus dem, was du ihr als pädagogischen Kompass mitgibst – dein Teaching Statement.
Hands-on: Zwei Prompts für die Designphase
Prompt 1: Die Designgrundlage – von der Analyse zur Struktur
Dieser Prompt schließt direkt an die Transferphase aus Artikel 1 an. Du hast die Analyseergebnisse vorliegen – jetzt übersetzt du sie in eine Designgrundlage, bevor du einzelne Sitzungen oder Materialien planst.
Gib diesen Prompt in dein Custom GPT oder Gem ein, in das du Teaching Statement und Analyseergebnisse hochgeladen hast:
Du hast mein Teaching Statement und die Ergebnisse meiner Lernbedarfsanalyse vorliegen. Erstelle auf dieser Basis eine strukturierte Designgrundlage für das kommende Semester.
Die Designgrundlage soll folgende Fragen beantworten:
1. Lernziel-Schwerpunkte: Welche zwei oder drei Lernziele sollten angesichts der Analyseergebnisse im Vordergrund stehen – und wie verhalten sie sich zu meinem Teaching Statement?
2. Semesterstruktur: Welche grobe Abfolge von Phasen empfiehlst du für das Semester – z. B. Einstieg, Vertiefung, Anwendung, Reflexion? Begründe die Reihenfolge mit Bezug auf die Analysedaten.
3. Formate und Medien: Welche Aufbereitungsformate legen die Analyseergebnisse nahe – eher Video, Audio oder Text? Wo macht synchrones Lernen Sinn, wo asynchrones?
4. Sozialformen: Welche Sozialformen passen zur Lerngruppe – Einzelarbeit, Tandems, Kleingruppenarbeit, Plenum? In welchen Phasen des Semesters sollte welche Form dominieren?
5. Spannungsfelder: Wo siehst du eine Spannung zwischen den Analyseergebnissen und meinem Teaching Statement – also Bereiche, in denen Gruppenbedarfe und meine pädagogischen Überzeugungen nicht direkt übereinstimmen?
Formuliere die Designgrundlage als strukturierte Übersicht, nicht als Fließtext. Sie soll als Ausgangspunkt für die Sitzungsplanung dienen, nicht als fertiger Lehrplan.
Prompt 2: Das Lernszenario – eine konkrete Sitzung entwerfen
Sobald die Designgrundlage steht, kannst du einzelne Sitzungen oder Module konkret ausarbeiten. Dieser Prompt produziert einen durchdachten Entwurf – mit Ablauf, Methoden und Passungsbewertung.
Entwirf ein [90-minütiges] Lernszenario für [Thema/Modul] auf Basis meines Teaching Statements und der Designgrundlage.
Der Entwurf soll enthalten:
1. Einen detaillierten Ablaufplan: Phasen mit Zeitangaben, Methoden, Sozialformen und benötigten Materialien.
2. Eine Passungsbewertung: Wie gut entspricht dieser Entwurf meinem Teaching Statement und den identifizierten Lernbedarfen der Gruppe? Nenne konkrete Stärken und mögliche Lücken.
3. Herausforderungen und Anpassungsoptionen: Wo könnten Probleme entstehen – z. B. Moderation, Raumgestaltung, Zeitdruck? Schlage je eine praktische Lösung vor.
4. Eine Variante: Entwickle einen alternativen Entwurf mit einem anderen methodischen Schwerpunkt – z. B. mehr Struktur statt offener Exploration, oder mehr Einzelarbeit statt Gruppe.
Deine Rolle ist es, Optionen aufzuzeigen und zu begründen – nicht zu entscheiden. Falls ein Entwurf nicht passt, schlage Anpassungen vor.
Das Ergebnis dieser beiden Prompts ist kein fertiger Lehrplan. Es ist ein Denkraum: ein strukturierter Entwurf, den du mit deiner pädagogischen Erfahrung prüfst, verwirfst oder weiterentwickelst. Die KI erinnert dich an die Daten. Du entscheidest, was daraus wird.
Einen vertiefenden Use Case zu KI-gestützten Lernszenarien findest du hier: Use Case Lernszenarien
Eine Frage zum Schluss
Wenn du deine letzte Lehrveranstaltung anschaust: Wie viele deiner Designentscheidungen ließen sich auf die konkrete Gruppe zurückführen – und wie viele auf Gewohnheit?
