Wie viele Stunden hast du zuletzt in Material gesteckt, das deine Studierenden kaum genutzt haben?
Die Frage tut weh. Nicht weil die Arbeit schlecht war – sondern weil sie real war. Echte Stunden, echte Energie, echter Aufwand. Und dann: ein Video, das keiner geöffnet hat. Eine Handreichung, die ungelesen blieb. Ein Foliensatz, den die Hälfte der Gruppe nicht brauchte, weil das Vorwissen längst vorhanden war.
Die Development-Phase – das zweite D im ADDIE-Modell – ist die Phase, in der Lehrende am meisten Zeit verbringen. Und sie ist die Phase, in der KI am verführerischsten ist. Weil KI Produktion dramatisch beschleunigt. Weil aus einer Stunde Materialentwicklung mit KI-Unterstützung plötzlich eine halbe Stunde wird. Weil das, was früher tage- oder wochenlang brauchte, jetzt in Minuten entsteht.
Das klingt nach einem Gewinn. Es ist einer – aber nur, wenn der Rahmen stimmt. Ohne Rahmen beschleunigt KI nicht nur die Produktion, sie beschleunigt auch die Endlosschleife.
Die Development-Phase: Produktion im Dienst des Designs
Im ADDIE-Modell ist Development die Phase, in der Konzepte Material werden. Aus der Designgrundlage entstehen konkrete Lernmaterialien: Texte, Folien, Videos, Aufgaben, Fallstudien, Übungen. Das ist sichtbare, anfassbare Arbeit – und genau das macht sie so verlockend.
Das Problem ist nicht die Arbeit selbst. Das Problem entsteht, wenn Development sich von Design ablöst. Wenn man anfängt, Material zu produzieren, weil man produzieren kann – nicht weil das Designkonzept es fordert. Wenn ein Video entsteht, weil KI es schnell generieren kann. Wenn zusätzliche Folien hinzukommen, weil sie sich gut anfühlen. Wenn der Umfang wächst, ohne dass ein Lernziel es rechtfertigt.
Der Anker gegen diese Drift ist das Designkonzept aus Phase 2: die Semesterstruktur, die Sozialformen, die Medienentscheidungen, die Lernziele. Jedes Materialstück, das in der Development-Phase entsteht, sollte sich an diesem Rahmen messen lassen. Nicht: Ist dieses Material gut? Sondern: Dient dieses Material einem Lernziel meiner Gruppe?
Diese Frage ist unbequem. KI macht sie noch unbequemer – weil sie das Produzieren so leicht macht, dass das Fragen leicht vergessen wird.
Was KI in der Development-Phase leistet – und was sie nicht ersetzt
KI kann in der Development-Phase echte Arbeit abnehmen. Sie kann einen Erstentwurf für einen erklärenden Text liefern, den du überarbeitest. Sie kann Aufgabenformate vorschlagen, die zum Sozialformat passen. Sie kann einen Fallstudien-Rohling generieren, den du mit konkretem Kontext füllst. Sie kann ein Video-Skript strukturieren oder eine Übungssequenz entwerfen.
Was KI nicht kann: entscheiden, ob dieses Material gebraucht wird. Einschätzen, ob die Gruppe damit wirklich etwas lernt. Spüren, ob ein Text zu abstrakt ist für den Kenntnisstand der Gruppe, oder ob eine Aufgabe zu wenig Reibung erzeugt, um wirklich zu fordern. Das sind pädagogische Urteile – und sie bleiben bei dir.
Der entscheidende Unterschied: KI ist in der Development-Phase kein Designer, sondern ein Produzent. Die Designentscheidungen – was gebraucht wird, in welchem Format, für welches Lernziel – kommen aus Phase 2. KI setzt diese Entscheidungen um. Schneller, als du es alleine könntest. Aber sie setzt sie nicht fest.
Hands-on: Zwei Prompts für die Development-Phase
Prompt 1: Der Material-Check – Bevor du produzierst
Bevor du KI zur Materialentwicklung einsetzt, ist dieser Schritt entscheidend: Überprüfe, ob das geplante Material tatsächlich aus dem Designkonzept folgt. Dieser Prompt nutzt dein Teaching Statement und deine Designgrundlage als Rückhalt.
Ich plane, folgendes Material zu entwickeln: [kurze Beschreibung – z. B. ein erklärendes Video zu Thema X, ein Arbeitsblatt für Kleingruppen, eine Fallstudie].
Prüfe auf Basis meines Teaching Statements und meiner Designgrundlage:
1. Welchem Lernziel dient dieses Material konkret? Ist dieses Lernziel in meiner Designgrundlage als Schwerpunkt ausgewiesen?
2. Passt das gewählte Format (Video / Text / Aufgabe) zu den Lernpräferenzen und Sozialformen, die die Analyse der Gruppe nahegelegt hat?
3. Gibt es bereits Material in meiner Planung, das denselben Zweck erfüllt? Falls ja, benennte es – und frage, ob eine Dopplung sinnvoll ist.
4. Was sollte dieses Material ausdrücklich nicht leisten – damit ich beim Entwickeln nicht in Richtungen abdrifte, die nicht zum Lernziel gehören?
Antworte klar und direkt. Ich möchte eine ehrliche Einschätzung, keine Bestätigung.
Prompt 2: Der Material-Generator – Mit klarem Rahmen produzieren
Sobald der Check abgeschlossen ist und das Material klar gerechtfertigt ist, produzierst du mit diesem Prompt einen konkreten Erstentwurf – eingebettet in den didaktischen Rahmen.
Erstelle einen Erstentwurf für [Materialtyp: z. B. ein Arbeitsblatt / ein Erklärtext / ein Video-Skript / eine Fallstudie] zum Thema [Thema].
Rahmenbedingungen:
– Zielgruppe: [Kurzbeschreibung aus der Lernbedarfsanalyse]
– Lernziel: [konkretes Lernziel aus der Designgrundlage]
– Sozialform: [Einzelarbeit / Tandem / Kleingruppe / Plenum]
– Zeitrahmen: [z. B. 20 Minuten in der Sitzung / asynchrone Vorbereitung]
– Wissensniveau: [Einstieg / Vertiefung / Anwendung]
Der Entwurf soll:
1. Direkt am Lernziel ansetzen – kein einführendes Geplauder, kein Overhead.
2. Den Kenntnisstand der Gruppe berücksichtigen – nicht überfordern, nicht unterfordern.
3. Eine konkrete Aufgabe oder Handlung enthalten, nicht nur Informationen.
4. In meiner Stimme formuliert sein – direkt, klar, ohne akademische Distanz.
Liefere den Entwurf – und benenne am Ende, welche Entscheidungen du getroffen hast und warum. Ich werde sie prüfen und anpassen.
Der Entwurf ist ein Rohling. Deine Aufgabe ist die Prüfung: Stimmt der Ton? Passt das Niveau wirklich? Hat die Aufgabe genügend Reibung, um echtes Denken auszulösen? KI produziert schnell – aber das pädagogische Urteil über den Entwurf bleibt deins.
Eine Frage zum Schluss
Welches Material aus deiner letzten Lehrveranstaltung hättest du im Rückblick nicht gebraucht – und was hätte stattdessen wirklich geholfen?
