KI-Kompetenzen für Lehrkräfte aller Fächer "AI-PACK"
Das AI-PACK Modell
Das AI-PACK Modell
Worum geht es?
AI-PACK umreißt die zentralen Kompetenzfelder für Lehrkräfte im Kontext der Digitalisierung und unter Einbezug von Künstlicher Intelligenz (KI).
An wen richtet sich AI-PACK?
Das Modell richtet sich an alle, die in der Lehrkräftebildung tätig sind und Studierende oder im Dienst stehende Lehrerinnen und Lehrer zur Gestaltung von zeitgemäßem Unterrichts unter den aktuellen Bedingungen der Digitalisierung unter Einbezug der „Künstlichen Intelligenz“ befähigen wollen.
Es unterstützt beim Planen von KI-bezogenen Fortbildungen, Kursen oder Evaluationsformaten und der Formulierung entsprechender Lernziele und kann auch zur Konzeption von Evaluationsinstrumenten wie Fragebögen helfen, um die Wirksamkeit von Qualifizierungsmaßnahmen zu erfassen.
Welche Teilbereiche gibt es?
In der folgenden Tabelle sind die Teilbereiche das Modells dargestellt.
Kompetenzbereich | Beschreibung | Anwendungsbezogen | Technologisch | Gesellschaftlich-kulturell | Relevanz der Schnittmenge |
---|---|---|---|---|---|
AI-K KI-bezogener Bereich in der Digitalitätskompetenz |
Notwendige Kompetenz um KI-bezogene Phänomene in einer Kultur der Digitalität erkennen, beschreiben, reflektieren und gestalten zu können. Diese Kompetenz umfasst die drei Perspektiven des Dagstuhl-Dreiecks. | Wie nutze ich KI-Systeme? | Wie funktionieren KI-Systeme? | Wie wirken sich KI-Systeme aus? | |
AI-PK KI-bezogene pädagogische Kompetenz ("Lehren mit KI") |
Die Kompetenz, Potenziale und Grenzen der KI auf Lehr-Lern Prozesse und die Lernenden zu erkennen und zu reflektieren und somit zeitgemässe Lehr-Lernsettings gestalten zu können. | Nutzungskompetenzen von KI-Anwendungen, die die zeitgemäße Gestaltung von Unterricht betreffen (Planung, Durchführung und Reflexion von Lehr-Lernsettings). | Erklären zu können, wie Unterrichtstools erstellt wurden und wie die Ergebnisse erzeugt werden. | KI-Ausgaben reflektieren, insb. in Bezug auf die Wirkung auf eine Lerngruppe aber auch in Bezug auf Kriterien wie Zuverlässigkeit, Transparenz, Verzerrungen, Datenschutz usw. | Die Schnittmenge ist relevant, weil sie ermöglicht, die Potenziale und Grenzen von KI-Technologien auf Lehr-Lern-Prozesse und die Lernenden erkennen und reflektieren zu können, was die Gestaltung von zeitgemäßen Lehr-Lernsettings unter Einbeziehung von KI ermöglicht. |
AI-CK KI-bezogene fachinhaltliche Kompetenz ("Lehren über KI im Fach") |
Die Kompetenz, Auswirkungen der Anwendung von KI im eigenen Fachbereich und die sich daraus ergebenden Auswirkungen auf die Fachwissenschaft, das Berufsfeld und das Unterrichtsfach erkennen und reflektieren zu können. | Fachliche KI-Werkzeuge kennen bzw. auch anwenden zu können. | Beschreiben zu können, wie fachliche KI-Lösungen entstehen. | KI-Lösungen fachlich bewerten und darstellen zu können, wie sich KI auf Aufgaben- und Berufsfelder von Experten im Fach und die Gesellschaft auswirkt. | Lehrkräfte sollten wissen, wie sich KI in ihren Fachgebieten auswirkt, um relevante fachliche Kompetenzen zu vermitteln. Vorhandenes Fachwissen veraltet, wenn darin die Veränderungen bei Arbeitsabläufen, Forschungsmethoden und neue Arten, Wissen zu generieren und anzuwenden, nicht berücksichtigt werden. Es besteht die Gefahr veraltete Berufsbilder zu vermitteln und die Berufsorientierung zu erschweren. Die SuS von heute sind die Experten und Fachkräfte von morgen, die bspw. über Einsatz und Entwicklungsrichtung von KI-Technologien entscheiden. Sie benötigen Beurteilungskompetenzen, welche eine effektivere und verantwortungsvollere Einbeziehung von KI-Technologien in ihren künftigen Tätigkeitsfeldern ermöglichen. Es geht dabei um die fachbezogene Vorbereitung der Schülerinnen und Schüler auf eine zunehmend von KI geprägte Welt. |
AI-PCK KI-bezogene pädagogische Inhaltskompetenz ("Lehren mit KI über das Fach") |
Die Kompetenz, den themen- bzw. fachspezifischen Einfluss, die Potenziale und Grenzen von KI auf Lehr-Lern-Prozesse und die Lernenden erkennen und reflektieren und so zeitgemässe Lehr-Lernsettings gestalten zu können. | KI-Werkzeuge nutzen zu können, um relevante Inhalte des Fachs besser zu vermitteln. | Darlegen zu können, wo die KI-Ausgaben von fachdidaktischen Werkzeugen herkommen. | Die Wirkungen von KI-Tools im Unterricht einschätzen zu können. Relevante Inhalte zu motivieren, auch wenn Tools existieren, die ggf. Aufgaben übernehmen. | Die Schnittmenge ist relevant, weil sie ermöglicht, inhaltsbezogen die Potenziale und Grenzen von KI-Technologien auf Lehr-Lern-Prozesse und die Lernenden erkennen und reflektieren zu können, was ermöglicht zeitgemäßen Fachunterricht und inhaltsbezogene Lehr-Lernsettings unter Einbeziehung von KI zu gestalten. |
AI-K ohne PK und CK KI-Allgemeinwissen |
Die Kompetenz, allgemeine, weder schul- noch fachbezogene KI-bezogene Phänomene aus einer technologischen, einer gesellschaftlich-kulturellen und einer anwendungsorientierten Perspektive erkennen, verstehen, reflektieren und damit gestalten zu können. | Lehrkräfte sollen Fachwissen zur Wirkung von KI besitzen, um zukunftsorientiert zu unterrichten und veraltete Berufsbilder zu vermeiden. | |||
AI-PK ohne CK Allgemeine KI-bezogene pädagogische Kompetenz |
Die Kompetenz, den allgemeinen (d.h. nicht fachspezifischen) Einfluss, die Potenziale und Grenzen von KI-Technologien auf Lehr-Lern-Prozesse und die Lernenden erkennen und reflektieren und so zeitgemässe Lehr-Lernsettings gestalten zu können. | Nutzungskompetenzen von allgemeinen (nicht fachspezifischen) KI-Anwendungen, die die Gestaltung von Unterricht betreffen (Planung, Durchführung und Reflexion von Lehr-Lernsettings). | Erklären zu können, wie (nicht fachspezifische) Unterrichtstools erstellt wurden und wie die Ergebnisse erzeugt werden. | KI-Ausgaben allgemein (d.h. nicht fachspezifisch) reflektieren, insb. in Bezug auf die Wirkung auf eine Lerngruppe und auch in Bezug auf Kriterien wie Zuverlässigkeit, Transparenz, Verzerrungen, Datenschutz usw. | |
AI-CK ohne PK Schulfremde KI-bezogene fachinhaltliche Kompetenz |
Die fachliche, nicht schulbezogene, Kompetenz, Wechselwirkungen zwischen KI-Technologien und dem eigenen Fachbereich und die sich daraus ergebenden Auswirkungen auf die Fachwissenschaft und das Berufsfeld erkennen und reflektieren zu können. | Fachliche KI-Fachliche, nicht schulbezogene, KI-Werkzeuge kennen bzw. auch anwenden zu können. | Beschreiben zu können, wie fachliche KI-Lösungen entstehen. | KI-Lösungen fachlich bewerten und darstellen zu können, wie sich KI auf Aufgaben- und Berufsfelder von Experten im Fach und auf die Gesellschaft jenseits des Bereichs mit schulbezogener Relevanz auswirkt. |
Wie kann es angewandt werden?
Das Modell dient dazu, gezielt Kompetenzziele für KI-bezogene Phänomene im Kontext der Kompetenzfelder AI-PK ("Unterricht mit KI"), AI-CK ("Unterricht über KI im Fach") und AI-PCK ("mit KI über KI im Fach") zu entwickeln – jeweils aus den drei Perspektiven des Dagstuhl-Dreiecks (A) Anwendung, (T) Technikverständnis und (G) Gesellschaftliche Reflexion.
Ein Beispiel aus dem Biologieunterricht der 8. Klasse macht dies greifbar: Im Rahmen einer Unterrichtseinheit zur Inventarisierung von Pflanzen in einem Ökosystem nutzen Schüler*innen die App Pl@ntNet, um Pflanzen anhand digitaler Bilder zu bestimmen. Im Zentrum steht dabei ein fachliches KI-Phänomen: „Organismen werden mit Hilfe von digitalen Bildern von der Pl@ntNet-App klassifiziert.“
Daraus lassen sich exemplarisch folgende Kompetenzziele für Lehrkräfte formulieren:
-
(A) Anwendungskompetenz: Die Lehrperson kann erklären, warum die Ergebnisse von KI-Systemen wie Pl@ntNet fehleranfällig sein können, und ist in der Lage, solche Fehler zu erkennen und gemeinsam mit den Lernenden zu reflektieren oder zu korrigieren.
-
(T) Technisches Verständnis: Die Lehrperson kann erläutern, auf welchem Prinzip der eingesetzte KI-Ansatz basiert – etwa durch die Unterscheidung zwischen maschinellem Lernen und wissensbasierter KI.
-
(G) Gesellschaftliche Perspektive: Die Lehrperson kann die Auswirkungen, Chancen und Herausforderungen der KI-Anwendung – sowohl systembezogen als auch fachspezifisch – analysieren und kritisch einordnen.
Beispiele für KI-Phänomene in den Feldern