Wenn KI den Unterrichtsrahmen sprengt – Schule im Übergang zur neuen Wissensökonomie

Anlass dieses Blog Posts ist die Kantonaltagung der Lehrpersonen des Kantons Schaffhausen zum Thema „Künstliche Intelligenz: Auswirkungen auf Schule und Gesellschaft“ vom 26.09.2025. Der Vormittag bestand aus zwei Referaten und einer Podiumsdiskussion, der Nachmittag aus Workshops, darunter ein Colearning-Workshop mit Gästen aus Bern und dem Kulturlabor Schaffhausen.

Über beide Veranstaltungsteile hinweg zeigte sich eine interessante Verschiebung des Fokus: Fragen zu Social Media, Bildschirmzeit und Gerätemanagement überlagerten den eigentlichen KI-Diskurs. Die spezifischen Eigenlogiken generativer Systeme wurden deutlich seltener aufgegriffen. Im Kontrast zu Positionen aus Forschung und Technologie, die grosse, sektorübergreifende Veränderungen erwarten, richtete sich die Debatte vor allem auf unmittelbare Unterrichts- und Ordnungsfragen. Auch eine vertiefte Auseinandersetzung mit Rollen und Prozessen blieb weitgehend aus.

Worum es bei KI in der Bildung geht

Künstliche Intelligenz verändert die Produktion, Zirkulation und Prüfung von Wissen. Das betrifft nicht nur die Frage, wie Unterricht gestaltet wird, sondern die Architektur von Schule insgesamt. Wenn generative und zunehmend agentische Systeme Aufgaben analysieren, Vorschläge erarbeiten, Entwürfe schreiben, Daten auswerten und Prozessschritte automatisieren, dann verschieben sich Zuständigkeiten, Qualitätsmassstäbe und Nachweise. Wer den Diskurs auf Gerätefragen reduziert, lässt die eigentliche Zäsur unadressiert. Nötig ist ein Blick, der Unterricht, Leistungsbewertung, Führung, Datenräume, Ethik und Schulentwicklung als zusammenhängendes System versteht.

Mich interessiert dabei die Frage: Wo werden solche Desiderate beforscht und reflektiert im Schweizer Bildungssystem? Deswegen habe ich ChatGPT mit einer Recherche beauftragt.

Was untersucht wurde und wie

Befragt wurden die öffentlich zugänglichen Angebote und Veröffentlichungen der PH Zürich, der PH Bern, von BeLEARN, educa und LCH, und zwar daraufhin, ob sie eine systemreife Antwort auf KI in der Bildung liefern. Konkret:

1. Systemischer Horizont: Wird KI als gesellschaftliche und ökonomische Zäsur verstanden und daraus eine Schularchitektur mit Rollen, Prozessen und Verantwortungen abgeleitet.
2. Governance: Vorliegende Regeln zu Datenschutz, Datennutzung, Transparenz, Altersstufen, Tool-Zulassung und Beschaffung sowie klare Zuständigkeiten.
3. Führung und Organisation: Modelle für multiprofessionelle Teamarbeit, Entscheidverfahren, Ressourcensteuerung, Change-Design und überprüfbare Messpunkte.
4. Kompetenzprogression: Zyklenraster für KI-Literacy mit Lernzielen, Aufgabenbeispielen und Anschluss an den Lehrplan.
5. Leistungsbewertung: Regeln und Beispiele für transparente KI-Nutzung in Leistungsnachweisen, Portfolio- und Prozessformate, Prüfungsarchitektur mit Rollen und Eskalationswegen.
6. Inklusion und Gerechtigkeit: Praktiken zur Barrierefreiheit, Bias-Prüfung, Unterstützung und Monitoring.
7. Fortbildungstiefe: Mehrstufige Pfade für Lehrpersonen und Führung, obligatorische Module, Transferaufgaben im Schulalltag, Evaluation des Lerntransfers.
8. Evidenz und Transfer: Bezüge zu Forschung und internationalen Leitlinien sowie Mechanismen, um Pilotwissen in die Routine zu überführen.
9. Trennschärfe: Klare Abgrenzung von KI zu allgemeinen Digitalthemen wie Geräteverwaltung oder Social Media.
10. Pilot zu Policy: Definierte Kriterien, Zeitachsen, Ressourcen und Zuständigkeiten, wie erfolgreiche Piloten in verbindliche Regelungen übergehen.

Wie wurde vorgegangen?
Grundlage waren ausschliesslich öffentlich zugängliche Dossiers, Leitfäden, Kurs- und Projektseiten der genannten Institutionen sowie übergeordnete Referenzrahmen wie UNESCO und OECD. Bewertet wurde mit einer transparenten Rubrik zur Systemreife auf einer Skala von 0 bis 3. Eine 2 wurde nur vergeben, wenn substanziell ausformulierte und übertragbare Lösungen mit klarer Handlungsanleitung vorlagen. Eine 3 setzte eine kohärente, verbindliche Transformationsarchitektur voraus mit Rollen, Prozessen, Indikatoren und Zeitachsen. Einzelkurse, Toollisten oder Absichtserklärungen reichten nicht aus.

Bewertungsmatrix

Was die aktuelle Landschaft leistet und was fehlt

PH Zürich: didaktische Leitplanken, Aufgabenformate, Weiterbildung

• Beteiligung an einem EU-Leitfaden zum verantwortungsvollen Umgang mit KI und Daten in der schulischen Bildung (Projektseite PHZH mit Verweis auf die Expertengruppe der EU-Kommission). PH Zürich
• KI-Wiki zu Prüfungen und Vorbereitung: Hinweise zur KI-Nutzung in Prüfungen (SEB, Ausschluss von KI-Tools) und Beispiele für lernförderliche KI-gestützte Vorbereitung.
• Assessment-Material mit Bezügen zu Beurteilung und Nachteilsausgleich, das im Kontext von Prüfungsfragen herangezogen wird. ilias.phzh.ch
• Überblicksseite zu PHZH-Richtlinien und Empfehlungen zur generativen KI: Richtlinien der PHZH zu KI-Nutzung
• Für den formalen Kontext finden sich aktuelle PHZH-Dokumente zu Qualifikationsverfahren und Beurteilung als Referenzrahmen: PHZH Leitfaden Qualifikationsverfahren Sek II (PDF)

PH Bern: didaktische Leitplanken und Unterrichtsmaterial

• IdeenSets als kuratierte, lehrplankompatible Unterrichtspakete, die auch digitale Medien und KI-Bezüge integrieren können; zentrale Einstiegs- und Suchseiten.
• Blog- und Dossier-Beiträge, z. B. zur KI-Orientierung (Sek I, Kanton Bern) als niederschwellige Lehrpersonen-Guides. ttim.phbern.ch

Educa: Datenräume, Datenschutz, Governance

• Zentrale Einstiegsseite zur Frage „Wie gestalten wir den digitalen Bildungsraum?“ als Überblick über Governance-Themen. educa.ch
• Beiträge und Berichte zur Datennutzungspolitik im Bildungsraum Schweiz mit konkreten Handlungslinien für Trägerschaften. educa.ch

BeLEARN: Forschung, Entwicklung, Vernetzung

• Projektgalerie mit laufenden und abgeschlossenen KI-Projekten (Übersicht). belearn.swiss
• Beispielprojekte: Mapping of Teachers’ AI-related Competences (Berufsbildung), AI-gestützte Dialogtutoren in der Hochschullehre, ArgueMate (Debattier-Agent), Generative Modelle für Kreativität.

LCH: normative Orientierung und öffentliche Stimme

• Positionspapier KI in der Schule: Chancen, Risiken und Forderungen für einen lernwirksamen, sicheren, ethischen Umgang; Kurz- und Vollversion. lch.ch
• Themenseite/News zur Einordnung des Positionspapiers und zur politischen Kommunikation Richtung Öffentlichkeit. lch.ch

Diese Initiativen und Dokumente liefern wertvolle Bausteine. PH Zürich und PH Bern sind stark bei didaktischen Leitplanken, Aufgabenformaten und Weiterbildung. Educa adressiert systemische Fragen von Datenräumen und Datenschutz. BeLEARN verbindet Forschung und Entwicklung und vernetzt die Hochschullandschaft. LCH liefert normative Orientierung und eine öffentliche Stimme.

Dennoch wird eine allen gemeinsame Lücke sichtbar:

Es existiert derzeit keine kohärente, verbindliche Transformationsarchitektur, die Unterricht, Beurteilung, Führung, Datenräume und Kommunikation als Gesamtpaket operationalisiert. Die Folge ist ein didaktischer und defensiver Diskurs, während die eigentliche Zäsur der Wissens- und Arbeitswelt nur am Rand vorkommt.

Massnahmen für Kantone, Gemeinden und Schulen

1. Zielarchitektur beschliessen
   Zweck: Ein gemeinsames Zielbild, das Unterricht, Bewertung, Führung, Daten und Ethik verbindet.
   Warum: Ohne verbindliche Architektur bleiben Initiativen punktuell und versanden.
   Erste Schritte: Steering-Group einsetzen, Verantwortungen festlegen, Prozess- und Datenlandkarte zeichnen, Jahresfahrplan mit Meilensteinen verabschieden.
   Indikatoren: Beschlussdokument veröffentlicht, Rollen und Prozesse dokumentiert, jährlicher Reviewtermin fixiert.
   Fallstricke: Sammelsurium einzelner Projekte ohne Durchgriff, unklare Zuständigkeiten.
2. Kompetenzprogression je Zyklus
   Zweck: Klar definierte KI-Kompetenzen pro Schulzyklus mit passenden Aufgabenformaten.
   Warum: Lernziele geben Orientierung und verhindern Grauzonen in der Nutzung.
   Erste Schritte: Zyklenraster entwerfen, Beispielaufgaben und Reflexionsformate bereitstellen, Lehrplanbezüge ausweisen.
   Indikatoren: Raster online, mind. zwei Aufgabenbeispiele pro Zyklus, Schulversuch in drei Schulen.
   Fallstricke: Nur Toolkunde statt Kompetenzaufbau, fehlende Anschlussfähigkeit an den Lehrplan.
3. Pilot zu Policy
   Zweck: Erfolgreiche Piloten innert 12 bis 18 Monaten in verbindliche Praxis überführen.
   Warum: Wirkung entsteht erst, wenn Gutes skaliert wird.
   Erste Schritte: Drei bis fünf Leuchttürme mit klaren Kriterien, Datenschema, Budgetrahmen und Zuständigkeiten starten. Entscheidfenster für den Rollout terminieren.
   Indikatoren: Evaluationsbericht pro Pilot, Rolloutbeschluss mit Termin, Ressourcen und Supportpaket.
   Fallstricke: Piloten ohne Ausstiegs- oder Überführungslogik, fehlende Datenbasis.
4. Führungscurriculum
   Zweck: Verbindliche Qualifizierung von Schulleitungen und Behörden für Führung im KI-Kontext.
   Warum: Kultur, Prozesse und Qualität werden über Führung gesteuert.
   Erste Schritte: Pflichtmodule zu Governance, Organisationsdesign, Portfolio-Assessment, Team- und Datenarbeit sowie Ethik definieren. Coaching und kollegiale Fallberatung einplanen.
   Indikatoren: Teilnahmequote der Leitungen, Umsetzungsprojekte an Schulen, messbare Entlastung durch klare Prozesse.
   Fallstricke: Einmalige Schulung ohne Praxisaufgaben, fehlende Verbindlichkeit.
5. Kommunikationsrahmen
   Zweck: Verständliche, trennscharfe Kommunikation zu KI jenseits von Smartphone-Debatten.
   Warum: Orientierung reduziert Widerstände und vermeidet Scheindiskussionen.
   Erste Schritte: Kernbotschaften formulieren, FAQ und Leitfäden für Eltern und Öffentlichkeit bereitstellen, Musterbriefe und Präsentationssets erstellen.
   Indikatoren: veröffentlichte Materialien, Medienresonanz, Rückgang von Anfragen zu Missverständnissen.
   Fallstricke: Alarmismus oder Beschwichtigung, fehlende Bezüge zur Praxis der Schule.
6. Inklusion by Design
   Zweck: KI so einsetzen, dass Teilhabe steigt und Risiken kontrolliert werden.
   Warum: KI kann Barrieren senken, birgt aber Bias- und Datenschutzrisiken.
   Erste Schritte: Toolauswahl mit Barrierefreiheits- und Bias-Check, definierte Unterstützungsangebote, Datenschutzprüfung und Einwilligungsprozesse.
   Indikatoren: dokumentierte Prüfprotokolle, Zahl der Lernenden mit wirksamem Support, Beschwerde- und Meldewege.
   Fallstricke: ungeregelte Einzelfalllösungen, unklare Datenverarbeitung, fehlende Evaluation.
7. Technik und Energie vorausschauend planen
   Zweck: Tragfähige Infrastruktur für Unterricht, Prüfung, Datenräume und Sicherheit.
   Warum: KI-Nutzung benötigt Netz, Rechenleistung, Speicher, Identitäts- und Zugriffsmanagement.
   Erste Schritte: Infrastruktur-Sollbild definieren, Kosten- und Energiebilanz erstellen, Beschaffungsrichtlinien und Sicherheitsstandards festlegen, Supportstruktur planen.
   Indikatoren: Roadmap mit Budget und Zeitplan, Verfügbarkeit und Performance messbar, Sicherheits- und Datenschutz-Audits bestanden.
   Fallstricke: Insellösungen ohne Skalierung, unterschätzte Folgekosten, fehlender Support.

Was ist zu erwarten, wenn das System abwartet?

• Die Kompetenzlücke wächst, weil Lernende KI-Fähigkeiten ausserhalb der Schule erwerben und ungleich verteilt einsetzen.
• Leistungsnachweise verlieren an Aussagekraft, weil intransparente KI-Nutzung weder adressiert noch produktiv gerahmt wird.
• Der Anschluss an die Arbeitswelt schwächt sich, da sich Kompetenzanforderungen verschieben.
• Schliesslich steigen strategische Abhängigkeiten von Plattformen, wenn Governance zu spät kommt. Die unterlassenen Investitionen in Führung, Prüfung und Datenverantwortung werden später als höhere Anpassungskosten sichtbar.

Colearning als Brücke: konkret und unterscheidbar

Einer der zahlreichen Workshops auf der Kantonaltagung hat sich zum Ziel gesetzt, den Teilnehmerinnen und Teilnehmern einen Einblick zu geben in ein Konzept, dass sich als „Alternative für Schule“ versteht: Colearning.

Dabei war es nicht die Absicht, zwei Systeme, einander gegenüber zu stellen, sondern im besten Fall eine Begegnung zwischen Menschen zu ermöglichen, die in unterschiedlichen Systemen arbeiten und womöglich den einen oder anderen inspirierenden Gedanken für die schulische Praxis zu formulieren.

Für eine tiefere Auseinandersetzung mit dem Konzept Colearning können die folgenden Impulse wertvoll sein:

Lern- und Arbeitswelt verschmelzen. Colearning siedelt Lernen bewusst in einem realen Coworking-Ökosystem an. Jugendliche und Erwachsene arbeiten und lernen im selben „Space“; Kontakte zu Berufsrollen entstehen beiläufig, Projekte wachsen aus echten Aufträgen. Das zielt auf Kompetenzen, die in einer dynamischen Arbeitswelt zählen: Situationsverständnis, Kooperation, Selbststeuerung.

Soziokratische Organisation statt Klassenlogik. Entscheidungen werden nach Prinzipien der Soziokratie getroffen (Konsent, Kreise, doppelte Verknüpfung, soziokratische Wahl). Das bindet alle Beteiligten gleichwertig ein, stärkt Verantwortung und psychologische Sicherheit, also die relevanten Kulturmerkmale für gemeinsames Arbeiten mit KI-Systemen.

Klare Rollen, echtes Onboarding. Einstieg über ein mentoriell begleitetes Onboarding mit Probephase (bei Jugendlichen), danach Anpassung des individuellen Programms. Zuständigkeiten und Kommunikationswege sind transparent geregelt.

Mentoring als Taktgeber. Wöchentlich, 30 Minuten, schlank und beziehungsorientiert; Fokus auf Erfolgserlebnisse Herausforderungen, Inspiration (Netzwerk öffnen), Sichtbarmachen und Weitergeben des Gelernten. Mentoring ist unvergüteter, kulturstiftender Kern, kein Zusatzmodul.

Sichtbarmachen des Lernens statt reine Leistungsnachweise. Lernwege werden kontinuierlich dokumentiert, zum Beispiel im Lernblog oder Portfolio als Grundlage für Mentoring und Feedback. Das schafft Transparenz über Prozesse, Entscheidungen und KI-Einsatz und macht Reflexion zur Routine.

Schatzhebungstreffen als öffentlicher Resonanzraum. In regelmässigen Formaten (Präsentation, Barcamp, Open Space) zeigen Colearner:innen Ergebnisse, holen Feedback ein, entscheiden Anliegen im Konsent und prüfen die Balance von Geben und Empfangen. Das verankert Rechenschaft und Community-Lernen.

Lernmarkt statt Fächerverwaltung. Angebote entstehen aus Bedarf: fachliche Begleitung, Maker-Space, Service Learning, Working-out-Loud-Zyklen, Lernunternehmen (zum Beispiel Pilzfarm, YOLU, Colearning Akademie), Übergangsbegleitung, Bezüge zur Berufsbildung. Der Lernmarkt ist anschlussfähig an Schule, aber nicht von Fächerrastern begrenzt.

Digitale Eigenständigkeit. Jede Person nutzt eine eigene Domain oder Identität (zum Beispiel vornamenachname.ch) für das öffentliche Sichtbarmachen; intern wird kollaborativ mit modernen Tools gearbeitet. So wird professionelle digitale Autorenschaft früh geübt, entscheidend im Umgang mit generativer KI.

Gemeinwohl-Finanzierung mit Transparenz. Beiträge fliessen in persönliche Kasse, Spende und Fonds; besondere Aufwände oder Startfinanzierungen werden in der Schatzhebung im Konsent entschieden. Das trainiert ökonomische Urteilskraft und kollektive Verantwortung.

Warum das im KI-Kontext trägt.

• Agentische Zusammenarbeit üben: Soziokratie, Mentoring und Portfolio fördern die Fähigkeit, Aufgaben zu zerlegen, Verantwortung zu teilen und mit KI-Systemen nachvollziehbar zu arbeiten.
• Transparente Bewertung ermöglichen: Laufende Lernwegedokumentation macht Inputs und Outputs sichtbar und erlaubt regelhafte Offenlegung von KI-Nutzung, eine Antwort auf Grauzonen klassischer Prüfungen.
• Brücken zur Arbeitswelt bauen: Coworking-Einbettung und Lernmarkt schaffen reale Problemstellungen und Netzwerke, in denen KI-Werkzeuge sinnvoll eingebettet werden.

Kurz:
Colearning ist kein „Projektformat“, sondern eine Architektur: Rollen, Rhythmen, Räume, Regeln. Sie organisiert Lernen als gesellschaftliche Praxis. Genau diese Architektur fehlt Schulen oft, wenn KI nur als Tool verhandelt wird. Colearning zeigt, wie man Kultur, Organisation und Nachweise so verknüpft, dass Menschen mit KI kompetent, verantwortungsvoll und sichtbar lernen können.

Schlussgedanke

Wir stehen nicht am Ende einer Debatte, sondern am Anfang einer guten Gestaltung. KI zwingt uns nicht zu schnellen Tricks, sie lädt uns zu klaren Entscheidungen ein. Wenn wir Schule als lernfähige Organisation begreifen und Lernräume so bauen, dass Verantwortung, Transparenz und Zusammenarbeit selbstverständlich werden, wächst Qualität fast von selbst. Colearning ist dabei kein Gegenmodell zur Schule, sondern eine Einladung, Kultur, Organisation und Nachweise neu zusammenzudenken.

Der Weg ist machbar: ein gemeinsames Zielbild, wenige klare Regeln, kleine Piloträume mit echtem Lernen, danach verlässlich in den Alltag überführen. Was heute als Ausnahme beginnt, kann morgen Standard sein. So entsteht eine Schule, die junge Menschen auf eine Welt vorbereitet, in der Menschen und Maschinen gemeinsam Probleme lösen. Nicht perfekt, aber Schritt für Schritt besser. Das reicht, um jetzt zu beginnen.