Der deutsche Schulansatz: Gebaut, um sich nicht zu verändern

Wenn eine Maschine jede Faktenfrage in Sekunden beantwortet, verschiebt sich, was Menschen lernen müssen. Die estnische Bildungsministerin Kristina Kallas stellt dazu in einem TEDx-Vortrag die Frage: „When AI Knows Everything, What Should Humans Learn?“

Die Antwort liegt weniger im Wissen selbst als in dem, was man damit anfängt: verstehen, bauen, prüfen, erklären, mit anderen zusammenarbeiten. Das Nachschlagen übernimmt die Maschine – das Denken nicht.

Was Kinder wirklich brauchen

Kinder – und Studierende gleichermaßen – brauchen vor allem:

• innerer Reichtum und Vorstellungsvermögen,
• ein Verständnis für die inneren Mechanismen der Welt: Warum fliegt eine Rakete, wie misst ein Sensor Höhe?
• handwerkliches Geschick,
• die wissenschaftliche Methode aus Hypothese, Messung, Abweichung und Erklärung,
• Zielstrebigkeit und Kreativität,
• ein sehr breites Überblickswissen,
• soziale Kompetenz und die Fähigkeit, Ergebnisse verständlich zu vermitteln.

Weniger Raum sollten dagegen Auswendiglernen als Selbstzweck und das Abarbeiten von Arbeitsblättern einnehmen, die vor allem die Stunde füllen. Dasselbe gilt für den Gleichschritt, der den heutigen Unterricht prägt: Alle lernen denselben Stoff im selben Tempo, die einen werden gebremst, die anderen abgehängt. Bei dem großen Leistungsspread einer typischen Klasse bleibt einer Lehrkraft kaum etwas anderes übrig, als für die gedachte Mitte zu unterrichten – abgeholt wird ein Kind dabei selten dort, wo es tatsächlich steht. Ganz verschwinden wird das Auswendiglernen nicht – Vokabeln muss man beherrschen –, aber es sollte gezielt und effizient geschehen statt als Beschäftigungstherapie.

Hinzu kommt, dass nicht jedes Kind alles in gleicher Tiefe braucht. Warum sollten alle Kinder den Versailler Vertrag im Detail lernen? Einen breiten Überblick sollten alle haben; in die Tiefe gehen sie dort, wo ihr Interesse liegt – das eine Kind bei Saturn V und Artemis, ein anderes bei Geheimschriften und der Enigma. Kinder sollten deshalb deutlich stärker nach Interessen gruppiert werden als nach Jahrgängen, und jedes sollte Herausforderungen bekommen, die seinen Möglichkeiten entsprechen.

Bislang scheiterte das am Aufwand, denn ein eigenes Curriculum für jede Interessengruppe war schlicht nicht finanzierbar. Mit KI ist es das: Jedes Kind kann Aufgaben auf seinem Stand bekommen, ohne dass die Lehrkraft dafür 25 verschiedene Arbeitsblätter schreiben muss.

Was ein gutes Curriculum ausmacht

Lernen muss mit dem Digitalen Schritt halten können. Ein Tablet ist bunt, schnell und belohnt sofort; dagegen kommt kein Arbeitsblatt an. Lernen darf deshalb auch spektakulär sein, mitunter riskant und ein wenig gefährlich – eine Rakete, die abhebt, schlägt jedes Spiel.

Ein gutes Curriculum zeichnet sich für mich durch drei Eigenschaften aus:

• Viele Fächer an einem Gegenstand: Mathematik, Physik, Elektronik, Handwerk, Geschichte, Kommunikation und wissenschaftliche Methode werden an einem gemeinsamen Projekt erarbeitet statt in getrennten Fächern.
• Echte, messbare Fragestellungen: Statt „Ein Zug fährt mit 80 km/h“ lautet die Frage, wie hoch die eigene Rakete fliegt. Ein barometrischer Höhenmesser liefert die Antwort und die Abweichung von der Theorie gleich mit.
• Arbeit in Gruppen unter Anleitung: Technische Projekte sind Teamarbeit. Kinder brauchen Erwachsene, die mitbauen, nachfragen und den Rahmen halten.

So kann Lernen aussehen

Wie hoch fliegt eine Modellrakete? An dieser Frage hängt ein Mathematikprojekt für die 6. Klasse, das ich in den vergangenen Monaten mit KI-Unterstützung entwickelt und erprobt habe. Es deckt denselben Lehrplanstoff ab wie der reguläre Unterricht – Maßstäbe, Flächen, Diagramme und Einheiten –, verankert ihn aber an einem Gegenstand, der tatsächlich abhebt.

Aus Masse, Abmessungen und der Schubkurve des Motors berechnet der Schüler die erwartete Flughöhe. Überprüft wird die Rechnung mit einem selbst gebauten Flugdatenschreiber aus einem Raspberry Pi Pico und einem Luftdrucksensor, dessen Materialkosten bei rund zehn Euro liegen.

Dass Theorie und Messung voneinander abweichen, ist beabsichtigt: Das Rechenmodell vernachlässigt die Luft, die Messung nicht. Aus der Differenz lässt sich der Luftwiderstand erschließen, lange bevor er im Unterricht formal eingeführt wird.

KI kam beim Aufbau des Curriculums, der Arbeitsblätter und der Werkzeuge zum Einsatz, die eigentliche Denkarbeit blieb beim Lernenden. Wie das konkret aussieht, zeigen die folgenden Bilder.

Richtig eingesetzt, ist KI dabei eine enorme Hilfe. Im Projekt wurden KI-Agenten genutzt, um

• das Curriculum aufzubauen und am NRW-Kernlehrplan auszurichten,
• Arbeitsblätter zu gestalten,
• interaktive Lernbeispiele und Simulationen zu entwickeln,
• Code-Gerüste für Programmieraufgaben zu erstellen, in die der Schüler die Kernlogik selbst einsetzt,
• Werkzeuge gemeinsam per Vibe Coding zu bauen
• und gezielt Lücken zu schließen, wo Grundlagen fehlten.

Scheitern gehört dazu

In der Raumfahrt fliegt nichts, was nicht zuvor „qualifiziert“ wurde: Bauteile werden auf dem Rütteltisch geschüttelt und im Thermalvakuum geprüft – im Jargon „Shake & Bake“ –, bis feststeht, dass sie halten oder wo sie versagen. Im Projekt übernehmen diese Rolle die Flüge selbst.

Es gab mehrere Abstürze, explodierte Motoren und erste Flüge, die nur wenige Meter Höhe erreichten. Nach jedem Fehlschlag wurde die Konstruktion verbessert, und jeder davon vermittelte etwas, das in keinem Schulbuch steht.

Einige Iterationen aus dem Projekt:

• Stromversorgung: Eine CR2032-Knopfzelle brach unter Last ein und ließ den Pico neu starten. Zwei AAA-Zellen funktionierten, waren aber zu schwer. Heute versorgen zwei LR44-Zellen in einem selbst konstruierten, 3D-gedruckten Halter das System.
• 3D-Druck: Nasenkonus, Motorhalterung und Batteriehalter wurden entworfen, gedruckt, verworfen und verbessert.
• Elektronik: Aus dem Steckbrettaufbau wurde ein eigenes, in KiCad entworfenes Trägerboard. Als Nächstes folgen die Fertigung der Platine und die SMD-Bestückung in Eigenregie.
• Fehler der KI: Sie rechnete mit generischen Motordaten, die für die verwendeten Klima-Motoren nicht zutreffen, und konstruierte eine Motorhalterung falsch. Solche Fehler zu erkennen, ist selbst eine Lerngelegenheit, denn wer der Maschine widersprechen will, muss die Sache verstanden haben.

Die wichtigste Iteration ist jedoch die geplante: Die Theorie sagt eine Höhe voraus, die Messung zeigt eine andere. Diese Lücke ist kein Fehler, sondern die eigentliche Forschungsfrage.

Wie es gehen kann – groß und klein

Groß: ein Curriculum für ein Vierteljahr

Das Raketen-Curriculum erstreckt sich über neun Schulwochen mit jeweils vier Unterrichtsstunden und folgt als rotem Faden der Artemis-Mission der NASA. Jede Woche besteht aus einem Pflichtkern und optionalen Erweiterungen; die Messflüge finden parallel außerhalb der Schule statt, ihre Daten fließen in den Unterricht ein.

Die Arbeitsteilung mit der KI ist klar geregelt:

Klein: ein Werkzeug für eine Klausur

Nicht jedes Vorhaben muss ein Vierteljahr dauern. Vor einer Englischklausur entstand aus den Vorbereitungsblättern an einem einzigen Abend ein Vokabeltrainer, der genau die Vokabeln und unregelmäßigen Verben der jeweiligen Unit abfragt – in beide Richtungen, mit sofortiger Rückmeldung, Toleranz für Tippfehler, Spracheingabe und Lernverlauf. Nach der Klausur hat er seinen Zweck erfüllt, und das ist völlig in Ordnung.

Gemeinsam per Vibe Coding: das Höhenlog

Damit die Flugdaten direkt am Startplatz ausgewertet werden können, entstand per Vibe Coding ein Auswertetool mit Flugkurven, Geschwindigkeit, Beschleunigung und einem Flugbuch aller Flüge. Die Anforderungen formulierte der Schüler, die Umsetzung übernahm die KI, und die Ergebnisse wurden gemeinsam überprüft.

Lehrer müssen das können

Der klassische Schulansatz ist tot. Alle arbeiten im gleichen Takt dasselbe Blatt ab, und wer schneller ist, bekommt ein Spiel. Das passt nicht mehr in eine Welt, in der eine Maschine jedes Arbeitsblatt in Sekunden löst.

Geld löst nur einen Teil des Problems. Für Verteidigung plant Deutschland 2029 gut 150 Milliarden Euro im Jahr ein (zdfheute, 23.06.2025), für die Digitalisierung aller Schulen stehen mit dem Digitalpakt 2.0 fünf Milliarden Euro zur Verfügung – verteilt auf fünf Jahre (land.nrw, 18.12.2025). Doch selbst mit deutlich mehr Geld wäre das eigentliche Problem nicht gelöst, denn was fehlt, sind Menschen.

Wir brauchen andere Menschen in der Schule:

• Lehrkräfte, die KI selbst beherrschen und die Zeit und Fortbildung erhalten, um es zu lernen.
• Menschen aus der Praxis – Ingenieurinnen, Handwerker, Entwicklerinnen –, die stundenweise oder als Quereinsteiger unterrichten.
• Eltern und Mentoren, die Projekte begleiten, ohne dass jede Familie alles allein stemmen muss.
• Menschen, die mitreißen. Begeisterung für eine Sache wiegt mehr als die perfekte Methode.

Und wir brauchen eine Organisation, die diese Menschen wirksam werden lässt:

• Zeit im Stundenplan: Projektblöcke über mehrere Wochen statt des 45-Minuten-Takts.
• Einfache Einbindung externer Fachleute: klare Ansprechpartner, geklärte Versicherungs- und Haftungsfragen, wenig Bürokratie.
• Geteilte Räume und Ausstattung: Werkstatt, Elektronik und 3D-Drucker, gemeinsam genutzt mit Makerspaces und Unternehmen.
• Geteilte Curricula: Was eine Lehrkraft oder ein Elternteil mit KI entwickelt, sollen alle nutzen können. Deshalb ist dieses Curriculum frei verfügbar.
• Teams statt Einzelkämpfer – für Kinder ebenso wie für Lehrkräfte.

Dass es schneller gehen kann, zeigt Estland: Seit dem 1. September 2025 arbeiten dort 20.000 Schülerinnen und Schüler der Klassen 10 und 11 sowie 3.000 Lehrkräfte mit KI-Werkzeugen, und die Lehrkräfte wurden vorab geschult (Bildungsministerium Estland, 25.02.2025). Hierzulande dauern vergleichbare Anpassungen Jahrzehnte.

Warum dauert das so lange? Eine unbequeme Antwort hat der französische Philosoph Louis Althusser schon 1970 gegeben. In seinem Essay „Ideologie und ideologische Staatsapparate“ beschreibt er die Schule als die zentrale Institution, mit der eine Gesellschaft sich selbst reproduziert: Sie vermittelt nicht nur Können, sondern auch die Einordnung in die bestehenden Regeln (Althusser, 1970). Man muss seiner marxistischen Analyse nicht folgen, um den Kern zu sehen: Eine Schule, die auf Gleichschritt und Regelbefolgung angelegt ist, verändert sich nicht von selbst. Sie bildet weiter für eine Arbeitswelt aus, in der Abarbeiten gefragt war – und genau das übernehmen heute Maschinen.

Lehrkräfte müssen das können. Wer es lernen will, braucht dafür Zeit und Fortbildung, und die muss das System bereitstellen. Wer es nicht lernen will, ist im falschen Beruf.

Bis das System so weit ist, können wir nicht warten. Das Raketen-Curriculum, der Vokabeltrainer und das Höhenlog stehen frei zur Verfügung: Nutzt sie, passt sie an, baut eigene – und teilt, was dabei entsteht.

Quellen

• Louis Althusser: Ideology and Ideological State Apparatuses, 1970
• Wohlstand für Alle: Ep. 372: Louis Althusser und die ideologischen Staatsapparate, Podcast, 23.09.2026
• Kristina Kallas: When AI Knows Everything, What Should Humans Learn?, TEDx University of Tartu
• Bastani et al.: Generative AI without guardrails can harm learning, Knowledge at Wharton
• Kosmyna et al.: Your Brain on ChatGPT, MIT Media Lab, Preprint 2025
• Microsoft-Studie zu KI und kritischem Denken, The Register, 11.02.2025
• Schweden: Digitaler Marschhalt für Schulen, SRF, 29.08.2024
• Estonia’s AI Leap Programme, Bildungsministerium Estland, 25.02.2025
• Wehretat: 3,5 Prozent des BIP bis 2029, zdfheute, 23.06.2025
• Digitalpakt 2.0 kommt, Land NRW, 18.12.2025