Deutschunterricht mit ChatGPT & Co – wohin die Reise gehen könnte

Wie und was wir lernen sind nicht nur zwei zentrale Fragestellungen im Diskurs eines jeden Bildungswesens, sie werden zudem von sozio-kulturellen Zielen determiniert, welche sich ändern. Welche Kompetenzen, Fähigkeiten und Fertigkeiten ein Mensch benötigt, hängt entscheidend von der Zeit und dem Ort ab, die seinen Bildungsprozess kontextuieren. Die Frage nach dem Deutschunterricht der Zukunft „im Zeichen von ChatGPT¹“ fügt den eingangs gestellten Fragen eine dritte hinzu: Die des technisch Möglichen, durch die Anwendungsszenarien von vornherein bestimmt werden – auch wenn sich diese Grenzen stetig weiter verschieben. Von der Funktionsweise textgenerierender KI ausgehend, stellt sich daher zunächst die Frage, in welchen Bereichen ein anhand bestehenden Datenmaterials ‚trainiertes‘ System sinnvoll zu einem gelingenden Lernprozess beitragen kann – und wo eben nicht, weil es diesen nicht im Dienste des intendierten Lerneffekts zu begleiten vermag. Da Lernen ein Vorgang ist, der im individuellen Körper bzw. Gehirn stattfindet, sollten alle externen Prozesse darauf ausgerichtet sein, diesen inneren Zuwachs an Wissen und Kompetenzen zu unterstützen. Dabei ist, ausgehend von den zwei Eingangsfragen, reflektiert und begründet zu entscheiden, was ein Mensch als anwendbares bzw. abrufbereites Wissen benötigt – und wo es lediglich darum gehen sollte, zur kompetenten Informationsbeschaffung in der Lage zu sein. Somit geht es einerseits um die Entscheidung, welche Fähigkeiten und Kenntnisse für eine möglichst umsichtige und kompetente Bewältigung von zunehmend komplexen Lebens- und Berufsanforderungen erforderlich sind. Dabei sind nicht allein Prozesse der Vermittlung, sondern auch die des Einübens und der Internalisierung zu berücksichtigen, damit die Anwendung erfolgreich sein kann. Keinesfalls geht es hier nur um funktionales Wissen, da eine Relevanzbeurteilung im Sinne eines modernen, ganzheitlichen Bildungsbegriffs (vgl. u. a. [1, 2]) ebenso ästhetische, ethische, politische und soziale Kriterien berücksichtigen sollte². Die Kriterienvielfalt macht deutlich: Textgenerierende KI wie ChatGPT sind im Kontext Schule als Ort dieser Wissensvermittlung dann eine hilfreiche Option, wenn es um automatisierbare Abläufe geht. Zu diesen zählen verschiedene Varianten des (ja immer auf Nachahmung von Bestehendem angelegten) Spracherwerbs, was Wortschatzarbeit ebenso wie orthografisches, grammatikalisches und syntaktisches Regelwissen einschließt. Das betrifft gleichfalls verschiedene andere (in gewissem Maße) standardisierbare Arbeitsmethoden bzw. Prozesse, darunter Formen der analytischen Erhebung, der Transformation von einem Medium ins andere, der Generierung textsortenbewusster Kommunikations- oder Sachtexte und die systematische Informationsbeschaffung. Vor allem das letzte Beispiel aus einer problemlos erweiterbaren Reihe aktuell bestehender Nutzungsmöglichkeiten zeigt, dass KI in der Regel ein Hilfsmittel ist, welches Unterstützung beim Sammeln, Aufbereiten, Strukturieren und Formulieren von Informationen leistet, ohne die Nutzer:innen von der Notwendigkeit einer eigenen fachkundigen Prüfung zu entheben. Die Arbeit mit derlei Programmen entlässt die Lehrenden und Lernenden nicht aus der Verantwortung, die zugrundeliegenden Prinzipien³ und Automatismen (Textgenerierung nach dem Prinzip der Häufigkeit des Vorkommens in Trainingsdatensätzen, bedeutungsentkoppelte Textproduktion, Orientierung an durchschnittlichen Daten und damit Konsolidierung des Mittleren/Mainstream) grundsätzlich zu verstehen, kompetent zu initiieren und reflektiert zu nutzen. Dies wiederum impliziert nicht nur eine entsprechende Form der Medienkompetenz, sondern auch eine fundierte Entscheidung über die Art der Nutzung KI-generierter Ergebnisse – und ggf. eben auch die bewusste Nicht- oder eingeschränkte Nutzung. Dies erfordert eine stetige Reflexion der letztlich immer aktuell bleibenden Frage: Inwiefern und in welchem Rahmen können Lehrende und Lernende die KI-gestützten Lernprozesse steuern, wenn sie die Hintergrundabläufe aufgrund ihrer zunehmenden Komplexität nicht vollständig überblicken. Ausgehend von dieser zentralen Prämisse, spürt der vorliegende Beitrag der Frage nach: Wie kann eine textgenerierende bzw. textverarbeitende KI wie ChatGPT Unterrichtsplanung, Unterrichtsinhalte, Unterrichtsmethoden und Leistungsmessung sowie Kommunikation zwischen am Lehr-Lern-Prozess beteiligten Akteuren verändern? Die Frage nach dem Möglichen orientiert sich am aktuellen Entwicklungsstand der Technik. Ausgehend von der Annahme, dass KI-Modelle der nächsten Generation die bisherigen hinsichtlich ihres Leistungsvermögens exponentiell übertreffen, konturieren die folgenden Ausführungen wohl nicht mehr als das aus heutiger Sicht zu erwartende Minimum – aber eben durchaus auch die gesamte Entwicklung betreffende Grenzen.

Angesichts der wachsenden Einsicht, dass die Frage, ob eine Beschäftigung mit KI im Deutschunterricht stattfinden sollte, sich so nicht mehr stellt, benötigen Lehrkräfte, noch mehr als die Lernenden, zukünftig jene Kompetenz, die Anna Heiden in ihrem Beitrag als

„kritisch-konstruktive[n] Umgang mit gefilterten und (kritisch zu betrachtenden) personalisierten Informationsausgaben durch Algorithmen (Critical) Digital Literacy (vgl. Darvin, 2017) bei der Nutzung künstlicher Intelligenz“ ([4, S. 17])

bezeichnet. Erst wenn die Lehrkräfte diesbezüglich qualifiziert sind, d. h. für die qualifizierte Beurteilung benötigte Methoden beherrschen, kann eine fundierte, ergebnisorientierte und problembewusste Nutzung im Sinne einer Arbeitserleichterung gelingen, die das bewährte Akteursdreieck Inhalte/Unterrichtsgegenstände – Lehrperson – Lernende um eine vierte Dimension – Heiden spricht pauschal von „Digitalität“⁴ – erweitert. Sind Lehrkräfte zukünftig dazu in der Lage (und hier ist die Lehramtsausbildung ebenso sehr wie der Weiterbildungsbereich noch stärker als bislang als echtes lifelong learning gefragt und in der Verantwortung, entsprechende Bildungsangebote zu konzipieren), können diese KI-basierten Apps Assistenten für die Planung von Unterricht sein, indem sie etwa eine erste Planungsstruktur entwerfen, Aufgabenstellungen entwickeln, Testfragen vorformulieren, mediale Transformationen entwickeln etc. Reflektiert eingesetzt, könnten sie Qualitätszuwächse sowohl in Bezug auf die verwendeten Materialien als auch in Bezug auf eine systematische individuelle Förderung von Lernenden ermöglichen, indem sie binnendifferenzierend eine schnellere Erarbeitung unterschiedlicher bzw. ergänzender bzw. festigender Aufgabenstellungen ermöglichen o. ä.) und die Lehrkräfte in Bezug auf die Unterrichtsplanung entlasten. Einerseits könnten sie als Ideengeber und Strukturierungshilfe die Konzeption von Unterrichtseinheiten und Unterrichtsstunden unterstützen, Vorschläge für Lernziele unterbreiten bzw. deren ggf. individualisierte Ausdifferenzierung vornehmen. Sie könnten, systematisch und unter Berücksichtigung eines konkreten Kenntnisstandes (Lernausgangssituation) Aufgaben auf verschiedenen Anforderungsniveaus entwerfen und Überblicks- und Kontextwissen bereitstellen, das die Unterrichtsqualität erhöht, sobald intelligente Lösungen existieren, welche die aktuell noch sehr zeitaufwendige Verifizierung der von der KI bereitgestellten Informationen ermöglichen oder jede Information durch überprüfbare Verweise auf seriöse Quellen belegen. Bei der Erstellung von Lehrmaterialien können textgenerierende KI zukünftig nicht nur Vorschläge für Aufgabenstellungen auf unterschiedlichen Anforderungsniveaus und zu gleichen oder differierenden Lernzielen entwickeln, sondern auch Bildmaterial, Übersichten, Hilfestellungen und Musterlösungen generieren, Lehrmaterialien lektorieren und ggf. regelmäßig aktualisieren. Auch hier wird es jedoch unverzichtbar bleiben, die den Prozessen zugrundeliegenden Routinen (Datenbasis, Datenzugriffe, Selektionsprozesse, Aufbereitung etc.) zu verstehen und den daraus hergeleiteten Input der KI entsprechend kompetent zu beurteilen, wozu folgerichtig sowohl Lehrende als auch Lernende zu befähigen sind. Gleichzeitig braucht es ein verändertes didaktisches Verständnis von Unterricht, u. a. in Bezug auf die Strukturierung von Lernprozessen mittels Aufgabenstellungen. Eine prozessbegleitende Verständigung über Lernfortschritte wird zukünftig noch wichtiger als bisher. Außerdem bedarf es für eine Mensch-Maschinen-Kooperation auf dieser Ebene eine besonders strategische Planung in Form von Aufgabenabfolgen, deren Auftakt notwendig ein Durchdenken der Aufgabenstellung und der damit verbundenen Zielsetzung bildet (u. a. [5, 6]). Letztere muss immer auch eine intensive Auseinandersetzung mit der anzuwendenden Arbeitsmethode und der damit verbundenen Lehr- und Lernziele beinhalten. Diese sollte auf einer von den Lernenden selbst oder gemeinsam vorzunehmende Aufgliederung in Arbeitsschritte beruhen, die dann wiederum auf ihre Funktion innerhalb des Gesamtprozesses zu prüfen sind. Ergänzend müssen Lern- ebenso wie Anwendungsaufgaben eine für Dritte nachvollziehbare Prozessdokumentation durch die Lernenden einfordern, die viel Potential für eine intensivere Auseinandersetzung mit den zu vermittelnden Methoden bzw. Kompetenzen birgt und die Anteile von KI am Prozess sichtbar macht und in ihrer Qualität reflektiert. Wird bspw. bei der Auseinandersetzung mit einer Äsopschen Fabel zunächst nach Gattungsspezifika, fabeltypischen Motiven und ihrer Bedeutung oder sprachliche Besonderheiten gefragt, können KI-generierte Antworten auf entsprechende Textanalysefragen daraufhin überprüft werden, ob die Bearbeitung einer sinnvollen (im Sinne von: zielorientierten) Methode entspricht. Damit würde nicht nachvollzogen, ob die Ergebnisse inhaltlich richtig sind, sondern den Lernenden auch der angestrebte Kompetenzzuwachs verschafft. Dies geschieht etwa wenn die SuS von der KI als fabeltypisch definierte Gattungsmerkmale im betrachteten Text ermitteln oder die formulierte Fabelmoral mit der KI-generierten Erläuterung vergleichen. Hier ist das Relevanzempfinden der Lernenden in Bezug auf ein Thema bzw. eine Aufgabe noch wichtiger als bisher und kann sich zukünftig noch weniger auf eine Legitimation via Bildungsstandards und Rahmenlehrpläne beschränken. Vielmehr bedarf es einer möglichst konkreten Herausstellung der Bedeutsamkeit bzw. Relevanz des Lerngegenstands für die Lernenden, ihrer dadurch hohen intrinsischen Motivation (und sei es durch Verweis auf spätere potentielle Anwendungen). Die Reflexion angewendeter Methoden und erzielter Lösungen gewinnt also an Bedeutung. Grundsätzlich scheint hier zukünftig eine interaktivere Unterrichtskonzeption geboten, die immer wieder mit persönlichem Austausch einhergeht. Hier können KI-basierte Lösungen zudem wichtige Beiträge zur Lernfortschrittskontrolle leisten, indem sie kontinuierlich bzw. regelmäßige Learning Analytics⁵ vollziehen bzw. ein Learning Monitoring System bereitstellen und somit eine so systematische Konzeption von systematischem Lernen ermöglichen, wie sie Lehrkräften aus Kapazitätsgründen aktuell selten möglich ist. Dabei wird, teilweise auf automatisierter Lernstandserhebung basierend, eine gezielte Ermittlung von individuellen Stärken und Schwächen der Lernenden möglich sein. Eine darauf aufsetzende Unterrichtsplanung kann individuelle Hilfestellungen bieten – auch diese, je nach Themenfeld, teilweise automatisiert und teilweise durch eine gezielte, systematische sowie situationsspezifische Aktivierung von Lehrkräften oder Peer-Unterstützungen innerhalb der Lernendengruppe. Es wird zunehmend unkompliziert und planungsinhärent möglich sein, typische Kompetenzschwächen von Lernenden sowohl bei der Textproduktion als auch im Grammatikunterricht individuell zu adressieren und so auf unterschiedliche Bedarfe innerhalb einer Lerngemeinschaft adäquater als bisher zu reagieren. So wird es perspektivisch möglich sein, etwa eine die Vermittlung und Einübung von Regelwissen zur Groß– und Kleinschreibung avisierende Unterrichtseinheit entlang der individuellen Vorkenntnisse der Lernenden zu planen und ihnen individuelle, ggf. mit verschiedenen Medien arbeitende Lernwege mit unterschiedlichen Übungsschwerpunkten und Phasierungen entlang der Lernkurven anzubieten. Schon diese beispielhafte Skizzierung macht deutlich, welches Potential für einen stärker binnendifferenzierenden Unterricht die mensch-maschinen-basierte Unterrichtsplanung birgt.

Zusammenfassend lässt sich also im Bereich der Unterrichtsplanung eine immer intensivere Nutzung von Apps wie ChatGPT als Ideengeber (anticipation methods), Entlastung von Fleißarbeiten (automated writing), Monitoring- und Unterstützungsinstrument (intelligent tutor) sowie Verfassendem von Standardkommunikation bzw. Informationstexten prognostizieren, die zwingend auf veränderten didaktischen Konzepten und Unterrichtsmethoden fußen muss.

Einschlägige Beschäftigungen mit der Funktions- und Arbeitsweise von Apps wie ChatGPT haben deutlich gemacht, dass es keineswegs besonders schwierig ist, diese zu verstehen. Trotzdem vermeiden viele Menschen die Auseinandersetzung damit, weil das Thema eine so komplexe Anmutung hat. Gleichzeitig ist eine Auseinandersetzung sowohl für eine Bewertung der KI-generierten Textinhalte als auch der hierbei verwendeten Sprache unverzichtbar – und umso mehr Teil basalen Weltwissens, desto präsenter KI in den verschiedenen Lebensbereichen werden. Der Deutschunterricht der Zukunft könnte im Rahmen von Medienbildung vermitteln, in welcher Weise KI Trainingsdaten auswertet, um darüber Prompts zu bearbeiten – und dabei sichtbar zu machen, dass dies eben nicht mittels semantischer, sondern primär pragmatischer Analyse geschieht⁶. Sich daraus ergebende Konsequenzen für die Formulierung von Prompts und die Auswertung KI-generierter Ergebnisse sind in gemeinsamen Arbeitsprozessen von Lehrenden und Lernenden zu ziehen und in Handlungsanleitungen bzw. Arbeitsmethoden zu übersetzen. Gleichermaßen sollte es Aufgabe des Deutschunterrichts werden, die Herkunft der meisten von ChatGPT & Co verwendeten Trainingsdaten zu reflektieren, indem deren Herkunft medienkritisch und nach (gemeinsam herzuleitenden) ethischen Kriterien untersucht wird. Aus der Vergegenwärtigung dieser Datenbasis ergibt sich automatisch auch eine Problematisierung, was die primäre Nutzung von Alltags- und Gebrauchstexten als Trainingsbasis für die Nutzung KI-generierter Texte im Unterricht bedeutet. Gelingt hier eine gute, durchdringende Beschäftigung, verstehen die Lernenden, warum textgenerierende KI eine wichtige Ressource sein können, aber auch, wie groß das Risiko ist, dass eine falsche Ergebnisverwendung und hier vor allem eine Überschätzung automatischer Textgenerierung sprachliche Kreativität reduziert und sprachliche Normierungen begünstigt. Durch vergleichende Analysen und den Erwerb sprach- und textanalytischer Kompetenzen vergegenwärtigen die Lernenden menschliches Schreiben als Ausdruckform individueller Perspektiven und Fähigkeiten. Sie gewinnen ein neues Verständnis von der besonderen Bedeutsamkeit menschlicher Kreativität und den ihr innewohnenden Potentialen für Individuen und Gesellschaft und verstehen gleichzeitig, dass KI hier zwar trainingsmaterialgestützt kreative Prozesse imitieren, aber nicht in gleicher Weise kreativ sein kann, wie es Menschen möglich ist – insbesondere wenn ihre Kreativität schon früh entsprechende Förderung und Würdigung erfährt. Daraus ergibt sich fast zwingend eine Fokusverlagerung des Deutschunterrichts in Richtung kreatives Schreiben und sprachkreatives Arbeiten – und in Vorbereitung darauf eine strategische Nachjustierung, u. a. in den Rahmenlehrplänen. Hier bietet sich auf neue Weise die Chance, kreative und künstlerische Prozesse als spezifisch menschliche Qualität und Mehrwert zu präsentieren bzw. erlebbar zu machen.

Neben dieser Beschäftigung mit den Abläufen ‚hinter‘ der Textgenerierung sollte zukünftiger Deutschunterricht auch die Textreflexion insofern stärken, als er nicht nur zur kriteriengeleiteten Bewertung von menschen-, sondern auch KI-generierten Sach- und literarischen Texten befähigen muss. Nur mit entsprechender sprachanalytischer Kompetenz in den Bereichen ‚Lesen‘ und ‚Sprache und Sprachgebrauch untersuchen‘ werden die Lernenden in der Lage sein, sowohl die Potentiale als auch die Grenzen KI-generierter Texten in Bezug auf zugrundeliegendes Text- und Sprachwissen, verwendeten Wortschatz, Darstellungsstrategien, gattungsspezifisches Schreiben, Sprachgebrauch, Einsatz von Stilmitteln etc. adäquat zu bewerten. Gleiches gilt, in modifizierter inhaltlicher Ausformung, für den Umgang mit KI-generiertem Bild- und Filmmaterial bzw. zunehmend für die Beschäftigung bzw. kompetente Handhabung virtueller oder erweiterter (im Sinne von ‚augmented‘) Realitäten und den darin eingeschriebenen Weltdeutungen und Narrativen. Kann mittels entsprechender Analyse und ggf. auch arbeitsteiliger Beschäftigung mit von KI-generierten und von Menschen verfassten Texten, Hypertexten, Bildern und ‚Welten‘ eine problembewusste Beurteilungskompetenz aufgebaut werden, ist auch die Brücke zum kompetenten Umgang mit dem geschlagen, was man als das „Wahrheitsproblem“ von KI wie ChatGPT bezeichnen könnte: eine methodisch fundierte Identifikation von KI-generierten Fake-Informationen, wie es sie zukünftig zwingend brauchen wird:

„Zum einen sind die Output-Texte selbst fragwürdig aufgrund der Tatsache, dass es in den aktuellen Large Language Models keine Quelle für Wahrheit gibt (OpenAI 2022). Das sogenannte Halluzinieren macht es plausibel, von KI generierte Texte mit dem Philosophen Harry G. Frankfurt als ‚bullshit‘ zu begreifen – also als wahrheitsindifferent (Frankfurt 2009). Gerade weil Large Language Modelle nur relationale Muster auf Basis stochastischer Berechnungen ausgeben, sind auch Sourcing und das Zurückverfolgen der jeweiligen Wissensquelle qua Design nicht möglich. Zum anderen warnen Expert:innen, dass generative KI leicht dazu eingesetzt werden kann, Desinformation und Fake News zu streuen, da die Anforderungen, elaborierte manipulative Texte, Bilder und Videos (deep fakes) zu erstellen, immer niedriger werden.“ ([11, S. 15]).

Damit einher geht eine weitere zentrale Aufgabe zukünftigen Deutschunterrichts bzw. der fachübergreifenden Beschäftigung mit digitaler Generierung von Texten, Narrationen und Inhalten, zu der der Deutschunterricht der Zukunft beitragen sollte: die Auseinandersetzung mit algorithmen-ethischen Fragestellungen in Ausrichtung an den Lernzielen und sonstigen Vorgaben von (entsprechend anzupassenden) Bildungsstandards und Rahmenlehrplänen. Dies sollte nicht zuletzt auch die bislang fast vollständig vernachlässigte ([12, S. 6]) Beschäftigung mit den enormen Ressourcen miteinschließen, die KI verbrauchen. Diese Nachhaltigkeitsdimension scheint zwar auf den ersten Blick eher ein gesellschaftskundliches Thema, kann aber auch in Textproduktionen oder Unterrichtsgesprächen des Deutschunterrichts ein wichtiger und perspektivverknüpfender Gegenstand sein. Der von Lea Antony unterbreitete Vorschlag, KI zu einer Grundlage für die Förderung einer Future Literacy im Sinne einer Generierung von Zukunftsnarrativen zu nutzen ([13, S. 5]) kann hier angebunden werden. In einer so ausgerichteten Verknüpfung von Diskursen könnten etwa KI-generierte, durch Prompts der Lernenden gezielt gelenkte Dystopien und Utopien entwickelt und u. a. bezüglich ihrer Implikationen auf unser aktuelles Handeln, Arbeiten, Rezipieren und Konsumieren reflektiert werden. Außerdem richtet ein fundierter Unterrichtsblick sich notwendig darauf, wie unterschiedliche Zukunftsszenarien zustande kommen (Materialbasis, Datenverarbeitung und Argumentationsmuster) und worin sie sich von anderen Textarten unterscheiden. Hier sind vergleichende Analysen mit literarischen Texten zum Thema ebenso denkbar wie Variantenbildungen, Reformulierungen oder Anschlusskommunikationen zu KI-generierten Utopien und Dystopien. Diese bedürfen dann immer auch (anknüpfend an die Anfangsausführungen in diesem Teilkapitel) der Beschäftigung bzw. des kritischen Hinterfragens von der KI-Generierung zugrundeliegenden Plausibilisierungsstrategien bzw. der Fragestellung, inwieweit hier Verknüpfungen mit verifizierten Fakten vorgenommen werden und wie die Schlüssigkeit von Argumentationen zu bewerten ist. Ein weiteres Arbeitsfeld des Deutschunterrichts, das durch den Einsatz von KI zukünftig anders gestaltbar sein wird, ist das Einüben von zielgruppenbewusster Kommunikation ebenso wie die Beschäftigung mit dieser (Metaebene). Aktuell ist die Nutzung von KI wie ChatGPT davon geprägt, dass diese Apps als Dienstleister verstanden werden. Erübrigt es sich hierbei, respektvoll bzw. höflich zu kommunizieren oder hat die Art der Kommunikation Auswirkungen auf das Ergebnis? Sollte Kommunikation auf Augenhöhe trotzdem ein anzustrebendes Ziel sein oder geht es bei der Formulierung von Prompts ausschließlich um Informationseffizienz? Und falls letzteres zutrifft: Wie lässt sich ein Rollenbewusstsein der Lernenden entwickeln, das sicherstellt, dass eine derartig reduzierte Kommunikation nicht den Umgang mit menschlichen Kommunikationspartnern negativ beeinflusst? Erste diesbezügliche Erprobungen von KI sprechen dafür, dass diese – trainingsmaterialbasiert – auf höflich formulierte Anfrage, einen Dank nach Bearbeitung etc. anders reagieren als auf reine Befehlsformulierungen. Geht der „Lernprozess“ der KI-Systeme tatsächlich in diese Richtung, stehen hier perspektivisch auch Apps für automatisiertes Kompetenztraining im Bereich gelingende bzw. wertschätzende Kommunikation bzw. zielgruppenspezifisches Kommunizieren bereit. Dazu passend prognostizieren aktuelle Untersuchungen eine Notwendigkeit der Vermittlung von „21st-century-skills, z. B. Kommunikation, kritisches Denken, Kollaboration und Kreativität“ ([14, S. 12]), die auch eine Anpassung, wenn nicht gar grundlegende Revision von Curricula erforderlich macht. Grundvoraussetzung sei ein im Deutschunterricht entsprechend zu vermittelndes Wissen über die Funktionsweise von Sprache und eine diesbezüglich geschulte Urteilsfähigkeit.

Wie schon deutlich gemacht wurde: Eine reflektierte (im Sinne von kompetenter Beurteilung des generierendes Prozesses und der zugrundeliegenden Mechanismen und Daten) Nutzung textgenerierender KI wird es zukünftig möglich machen, KI noch umfangreicher und systematischer als bisher als „Sparringspartner“ oder „Writing Partner“, in bestimmten Fällen auch als „Writing Tutor“ ([15, S. 2], [16]), einzusetzen und damit durch gezieltes menschlich-maschinelles Zusammenarbeiten individuell zu fördern und stärker zu differenzieren. Dazu ist es allerdings erforderlich, den Lernenden zunächst, KI-unabhängig, aber mit Bezug darauf, Schreibstrategien und die diesen zugrundeliegenden Arbeitsschritte zu vermitteln. Sind sie bezüglich der Gestaltung eines Schreibprozesses methodensicher und haben auch die Funktion und Relevanz einer Aufgabenstellung so verstanden, dass die eigene Mitwirkung daran mit Blick auf ein Aufgaben- oder Lernziel gedacht (und dadurch legitimiert und plausibilisiert) wird⁷, kann die KI vielfältige Beiträge zu einem gelingenden Arbeitsprozess beitragen: So kann sie unter anderem Arbeitsgrundlagen liefern, d. h. auf gut formulierten Prompts hin einen Textentwurf bereitstellen, der aber nicht als Ergebnis, sondern als Ausgangspunkt zu betrachten ist, z. B. zum Vermeiden des „weißen-Blatt-Effektes“. Sie kann Textanfänge bereitstellen und so Anknüpfungspunkte für eigenes Weiterdenken schaffen oder durch die gezielte Zuarbeit bestimmter Textelemente, z. B. bestimmter Arten von Wörtern, einer Mindmap oder einem Cluster, leistungsschwächeren Lernenden Unterstützung bieten, die den Arbeitsprozess erleichtert und stärker untergliedert. Auch die Bereitstellung standardisierter Sach- und Kommunikationstexte, die nachvollziehbare Korrektur von Texten, ein Filtern bestimmter Informationen oder Textelemente, die dargebotene Zusammenfassung von Texten oder die Formulierung fragenspezifischer Erläuterungen, wo es individuelle Verständnisprobleme gibt (nach dem Prinzip der Schreibassistenz, aber eben in einer Weise, in der die Lernenden die Rolle von Textproduzent:innen immer mehr mit der Rolle von extbearbeiter:innen, Redakteur:innen, Editor:innen verweben), schafft Unterstützungen, ohne die Lernenden automatisch der Verantwortung für ihren Lernprozess zu entheben. Sind derlei Handlungen in komplexere Prozesse eingebettet und werden alternativ immer auch eigenständig ausgeführt oder durch eigenes Nachvollziehen verifiziert, kann der Einsatz von KI sogar zu einem tieferen Methodenverstehen beitragen. Daniela Matz ([18, S. 3]) hat bereits herausgearbeitet, dass hier konzeptionelle Überlegungen aus den Bereichen ‚Aufgaben mit Profil‘ und ‚materialgestütztes Schreiben‘ wichtige Anhaltspunkte für zukünftiges KI-gestütztes Lernen an Schulen liefern können. Gleichzeitig hat sie dabei deutlich gemacht, dass gerade ein Schreiben kreativer bzw. literarischer Texte, sofern es überhaupt in Kooperation von Lernenden und KI realisiert werden soll, nicht ohne gezielte Entwicklung der Gestaltungs- und Urteilskompetenzen von Lernenden (vgl. u. a. Abraham, 2021) auskommen wird. Hier wird es u. a. darum gehen, eine Auseinandersetzung mit inhaltlichen und formalen Anforderungen an verschiedene Arten von Texten zu internalisieren und gleichzeitig dem Lernprozess zugrundeliegende Abläufe systematisch (im Sinne von konsequenter Methodenplausibilisierung) transparent zu machen. Nur auf diese Weise wird es zukünftig möglich sein, Lernen auch in vergleichsweise selbstgelenkten Erarbeitungs- und Übungsprozessen deren Sinnhaftigkeit und Nichtautomatisierbarkeit und damit Nicht-Delegierbarkeit vor Augen zu führen. Insofern sprechen wir hier von nicht mehr und nicht weniger als einer stärkeren Rückbesinnung auf die eigentliche Funktion von Schule: den systematischen und bestmöglich angeleiteten Erwerb und die Internalisierung anwendungsbereiten Wissens. Die Integration von KI in den Deutschunterricht ist diesbezüglich durchaus eine ‚Kampfansage‘ an ein Teaching to the test. Außerdem gilt es, intensiver als bislang und immer wieder aufs Neue, erlebnisbasiert zu vermitteln, dass eine genussvolle Rezeption von Sprache, Literatur und Film eine besondere Qualität menschlichen Lebens darstellt. Ein zukünftiger Deutschunterricht muss damit stärker als bislang darauf angelegt sein, diesen ‚ästhetischen Mehrwert‘ sichtbar zu machen und dem (durch Analyse und Erkenntnis erhöhten) Erleben desselben den Vorrang vor funktionaler Textrezeption zu geben. Mittels in den Prompts formulierter (und dafür notwendig abruf- und anwendungsbereiter) Kriterien kann er dann Informationen bereitstellen, die fundiertes Textverstehen ermöglichen, ohne den Literaturgenuss zu beeinträchtigen – oder sogar zu steigern (u. a. geschichtliche Hintergründe, biografische Bezüge, Gattungsspezifika etc.).

Auch in anderen Bereichen gilt: So sehr man KI aktuell vor allem als Assistenz für bestimmte Formen von Schreib- und Überarbeitungsprozessen wahrnimmt, so sehr können KI wie ChatGPT zukünftig auch Austauschpartner in einer (prozessbegleitenden) Verständigung über Texte sein. In individuellen Dialogprozessen werden sie den Lernenden nicht nur (am individuellen Bedarf orientiert) Wortbedeutungen erklären, schwierige Sätze erläutern oder Zusammenhänge zu Hintergrundinformationen offenlegen, sondern immer mehr ein „Gegenüber“ sein, mit dem Lernende in individuellen Arbeitsprozessen und Lerntempi Deutungshypothesen entwickeln und vergleichend abwägen können. Entsprechend brauchen die Lernenden aber auch die Fähigkeiten, unterschiedliche Interpretationsansätze oder -vehikel hinsichtlich ihrer Qualität zu beurteilen und die daraus abgeleiteten Erkenntnisse für die eigene Arbeit zu nutzen. Damit wird es zukünftig möglich sein, Lernende in ihren Rezeptionsprozessen höchst individuell zu unterstützen, die dabei empfundene Selbstwirksamkeit zu erhöhen und ihre Leseselbstkonzepte zu verbessern ([19, S. 11]) – ein großer Fortschritt in Bezug auf binnendifferenzierten Unterricht. Inwieweit zukünftige KI-basierte Apps unmittelbar in der Lage sein werden, ästhetisches Textverstehen kooperativ zu fördern, bleibt zu beobachten und immer aufs Neue kritisch zu hinterfragen.

Ergänzend, im Dienste einer möglichst umfassenden Betrachtung, sei an dieser Stelle auch erwähnt, dass – ganz im Sinne der eingangs erwähnten Automatisierbarkeit bestimmter Abläufe, von denen aktuell Apps wie Duolingo etc. nur einen ersten Eindruck vermitteln – eine systematische Weiterentwicklung bereits sicht- und nutzbarer Möglichkeiten KI-basierten Lernens in den Bereichen Wortschatzerweiterung, Internalisierung von Regelwissen und Zweitspracherwerb (DaZ/DaF) zu erwarten ist⁸. Ob diese aus sozialen und Motivationsgründen doch eher nicht in einen quasi-vollautomatisierten Spracherwerb münden sollte, bedarf der fortlaufenden Diskussion. Die hier nur skizzierten (ebenso logischen wie erforderlichen) zukünftigen Fokusverlagerungen in der Deutschunterrichtsarbeit zeigen deutlich: Die Auseinandersetzung mit den Potentialen und Risiken von KI stellt für den Deutschunterricht durchaus eine Chance dar: Die Chance auf Rückbesinnung auf wichtige ethische, kognitive und ästhetische Ziele, die in der jüngsten Vergangenheit aufgrund aktueller Unterrichtserfordernisse nur noch teilweise überzeugend adressiert werden konnten.

Die Unterrichtsnotwendigkeit, die eigenen Leistungen von Lernenden aus der Interaktion mit der KI herauszufiltern, um tatsächlich erworbene Kompetenzen bzw. tatsächliche Wissenszuwächse zu überprüfen, wird hier als unbestreitbar zugrunde gelegt. Angesichts dessen ist die in den vergangenen Jahren bereits angebahnte Verlagerung von produktorientierten zu prozessorientierten Leistungsbewertungen (siehe u. a. [21]) unbedingt weiter auszubauen und zu systematisieren, weil in einem produktiv mit KI wie ChatGPT arbeitenden Deutschunterricht sonst kaum noch objektive, valide und reliable Leistungsbewertungen möglich sein werden – und auch keine davon entkoppelte, sinnvolle Messung von Unterrichtserfolg im Sinne von ermitteltem Lernzuwachs und Kompetenzerweiterung mehr gelingen kann. Bereits jetzt lässt sich damit ein zukünftiges Vorherrschen von Methoden ebenso wie Formen der Leistungserhebung und -bewertung prognostizieren – eingebettet in einen interaktiven, die einzelnen Arbeitsschritte reflektierenden, evaluierenden und auf dieser Basis optimierenden Unterricht. Dank KI wird es hier in stärkerem Maße als bisher eine teilautomatisierte und die individuellen Lernendenvoraussetzungen berücksichtigende Lernstandserfassung geben, basierend auf aktuell bereits erprobten, aber in den Schulalltag noch zu integrierenden Learning Monitoring Systems, die die Lehrperson bezüglich der fortlaufenden Evaluierung, des „im-Blick-behaltens“ der Progressionen jeder und jedes einzelnen Schülers entlasten. Auch hierfür ist es allerdings unverzichtbar, die Grenzen automatisierter Leistungserhebung klar zu kennen und nur dort auf sie zurückzugreifen, wo es um die Überprüfung von Regelbeherrschung, Wissensabfragen nach Ja-Nein- oder Multiple-Choice-Verfahren oder ähnliche Prozesse geht, die algorithmenbasiert beschreibbar und damit reproduzierbar sind. Voraussetzung hierfür ist freilich eine Optimierung der KI-Arbeitsweisen, da diese in bisherigen Tests keineswegs alle Normverstöße aufgedeckt haben und sowohl bei der Erklärung von Fehlern als auch bei der Vermittlung von Fehlervermeidungsstrategien deutlich hinter denen guter Lehrkräfte zurückliegen ([22, S. 8]) Nicht an KI delegierbar und im Sinne der tatsächlichen Lernendenleistungsüberprüfung auch sonst unverzichtbar sind die im Vorfeld von Leistungserbringungen notwendig erfolgende Verständigung über anzuwendende Methoden und über die Kriterien einer zufriedenstellenden Leistung (die nicht länger nur die Produktqualität in den Blick nehmen dürfen), die regelmäßige Evaluierung von Zwischenergebnissen, die immer auch die Arbeitsmethode und deren sichere Anwendung in den Blick nimmt, und daraus ableitbare Handlungsbedarfe bzw. Optimierungsmöglichkeiten. Eine Evaluierung der finalen Produkte muss damit i. d. R. auch die Qualität des Arbeitsprozesses (Erteilung und Berücksichtigung von Feedback, individueller Wissens- und Kompetenzzuwachs, kommunikative Kompetenz etc. – siehe u. a. Wampfler, 2024) berücksichtigen. Tendenziell ist hier neben der schon erläuterten Verlagerung zur kontinuierlichen Lernfortschrittsüberwachung eine stärkere Vermeidung vollständig unbeaufsichtigter Arbeitsprozesse, eine Schwerpunktverlagerung hin zu mündlich zu erbringenden Leistungen und eine stärkere Kombination von Anwendungsaufgaben und metakognitiven Aufgaben absehbar, wo immer es darum geht, die erbrachte Lernendenleistung angemessen zu beurteilen – und damit zugleich Selbstwirksamkeit und Erfolgserlebnisse in Bezug auf schulisches Lernen zu vermitteln. Die zukünftige Bewertung der von den Lernenden erzeugten Sachtexte legt notwendig ein stärkeres Augenmerk auf darin enthaltene Inkonsistenzen bzw. logische Brüche, verfügbare bzw. fehlende Quellennachweise (die es auch hinsichtlich der Quellenqualität zu beurteilen gilt) oder vergleichbare Plausibilisierungen getätigter Aussagen, durch die dann auch Kriterien für gute Sachtexte und ein geschärfter Blick für typische Schwächen KI-generierter Texte vermittelt werden können. Sie schaut zudem, textsortenspezifisch und unter Berücksichtigung der Produktionsbedingungen und des Arbeitsauftrages, auf strukturelle und ästhetische Mängel. Gleichzeitig gilt es in den kommenden Jahren fortlaufend und immer aufs Neue, aus den jeweiligen Möglichkeiten von KI, dem Selbstverständnis von Schule und dem gesellschaftlichen Konsens in Bezug auf Bildungsauftrag und Weltwissen hergeleitete Indikatoren für eigenständig erbrachte Leistungen zu entwickeln. Hier lässt sich bereits absehen, dass die Überprüfung von anwendungsbereitem Wissen im Fokus stehen wird – und dass die lange als anzustrebendes Ideal postulierte Vergleichbarkeit von Lernendenleistungen (vgl. u. a. [23, S. 364]) angesichts der erwartbaren Prozessindividualisierung an Bedeutung verlieren wird. Eine Konsequenz daraus kann nur sein, dass eine auf vergleichbaren Schulnoten fußende Selektionsfunktion des Bildungssystem – nicht nur im Deutschunterricht – dringend einer gesamtgesellschaftlichen Adaption bezüglich ihrer Mechanismen und Wirkungsweisen bedarf. Diese sollte bzw. muss einhergehen mit einer Debatte um Leistungsbegriffe, die sich unter keinen Umständen auf Schule begrenzen darf, auch um die Institution und ihre handelnden Akteure in angemessenem Maße ihrer diesbezüglichen „Bringepflicht“ zu entheben.

Die ersten Monate der intensiven öffentlichen Auseinandersetzung mit ChatGPT und den daraus erwachsenden Chancen und Risiken waren angereichert von humoristischen Szenarien zum Thema KI-basierte Kommunikation, etwa wenn eine KI-generierte Elternanfrage mit einer KI-generierten Email einer Lehrperson beantwortet wird. Der darin eingeschriebene Umstand einer komplett von den Akteuren entkoppelten und ihnen inhaltlich auch (weitgehend) unbekannten Kommunikation macht deutlich, dass es gerade hinsichtlich KI-gestützter Kommunikation einen sehr reflektierten Umgang mit den Möglichkeiten braucht, die Tools wie ChatGPT, zukünftig noch stärker als aktuell schon, bieten. In wohl kaum einem Bereich ist es technisch so leicht möglich, Texte zu generieren, die formell den gewünschten Zweck erfüllen (Formulierung und Beantwortung), ohne dass das Ergebnis dem eigentlich intendierten Zweck – der gelingenden Verständigung zwischen zwei Handelnden – so wenig gerecht wird. Die Entwicklung in diesem Bereich muss sich also daran messen lassen, wie kompatibel durch textgenerierende KI erzielbare Arbeitserleichterungen mit dem Kommunikationserfolg, im Idealfall sogar einer besseren Kommunikation im Dreieck Lernende – Lehrende – Elternhaus sind. Perspektivisch denkbar sind hier sowohl veränderte Kommunikationsmedien, die aber weiterhin den Ansprüchen ‚zeitversetzt rezipierbar‘ und ‚individuell adaptierbar‘ gerecht werden müssen, und – damit ggf. eng verbunden – eine Verlagerung von schriftlicher zu mündlicher Kommunikation bedeuten. Den Weg dorthin kann nur eine Schärfung des Problembewusstseins bzw. der Anforderungen an Kommunikation zwischen allen drei Zielgruppen ebnen. Denkbar wären beispielsweise von der Basis oder in enger Abstimmung mit ihr erarbeitete Anforderungsprofile, für die geeignete technische Lösung zu entwickeln sind (z. B. über öffentliche Aufträge an als geeignet identifizierte Dienstleister, die auch den geltenden Datenschutzanforderungen gerecht werden). Nicht delegierbar bleibt auch dann die menschengenerierte Formulierung des Kommunikationsziels und der zentralen Inhalte der Botschaft in Form von Prompts, so dass die Aufgabe der KI in diesem Bereich vor allem darin besteht, diese in einen den kommunikativen Standards entsprechenden Volltext (Email, Videobotschaft, Erklärvideo etc.) zu überführen. Ebenfalls wahrscheinlich ist, dass mit dem Einsatz von ausdifferenzierenden Learning Monitoring Systemen eine stärkere Transparenz von Lernenden- und Lehrendenhandeln auch gegenüber Eltern und ggf. anderen ‚Drittparteien‘ einhergeht, die zur Plausibilisierung von Leistungsbewertungen beiträgt (ohne damit auf weiterführende Erläuterungen zum Akteurshandeln und dessen Wahrnehmung verzichten zu können). Gleichzeitig darf dies nicht dazu führen, dass die Beurteilungskompetenz der Lehrenden sich immer wieder vollumfänglich an der notwendig stärker subjektiv geprägten und weniger professionellen Wahrnehmung von Eltern oder ggf. auch nachfolgenden Bildungsanbietern messen lassen muss. Ebenso wenig darf die veränderte Art der Kommunikation dazu führen, dass Schule den Status eines in gewissem Maße geschützten Kommunikations- und Interaktionsraum zwischen Lernenden ebenso wie zwischen Lehrenden und Lernenden verliert. Denn nur wenn so ein Raum existiert, können die im Vorfeld skizzierten Lernprozesse angstfrei und experimentierfreudig gelingen, kann Schule bei Bedarf Unterstützung auch bei familiären Konflikten gewähren und Lernenden das für sekundäre Sozialisation typische Hineinfinden in verschiedene Rollen in verschiedenen Handlungsfeldern ermöglichen, das notwendiger Teil des Erwachsenwerdens ist. Einmal mehr scheint es unverzichtbar, dass der Deutschunterricht hier eine methoden- und kommunikationsprinzipienvermittelnde Rolle übernimmt. Außerdem sind Reflexionen und Maßnahmen, die auf die Bewahrung des o. g. Schutzraums abzielen, ein zentrales Desiderat von Schul- und Unterrichtskonzepten der Zukunft. Zudem wird es noch stärker als bisher nicht nur eine theoretische Reflexion, sondern auch ein systematisches Einüben von Austausch mit anderen Menschen und die Beschäftigung mit unterschiedlichen medialen Spezifika brauchen (Medienkompetenz, Medienkritik), im Dienste einer Persönlichkeitsentwicklung, die von reflektierter Selbsteinschätzung, einem fundiert gestärkten Selbstbild und der Bereitschaft zur Verantwortungsübernahme geprägt ist. Diese kann folgerichtig nicht KI-basiert stattfinden, da die nötigen Aushandlungs- und Vermittlungsprozesse nicht den hier bereits skizzierten Begrenzungen KI-basierter Prozesse unterliegen dürfen.

Der hier gewagte Blick in die Zukunft des Deutschunterrichts in Zeiten von KI-basierten Apps hat deutlich gemacht, welche Potentiale ein sich weder den Möglichkeiten noch den Risiken verschließender Sprach- und Literaturunterricht birgt. Herausgearbeitet wurden diese hier etwa in Bezug auf binnendifferenzierten Unterricht, eine stärkere Fokussierung auf eigenständige Denk- und Reflexionsprozesse sowie die Verständigung über deren Anforderungen, Verlauf und Ergebnisse als auch eine zukünftig noch bessere Plausibilisierung von Unterrichtshandeln mit Blick auf die diesem zugrundeliegenden Lehr- und Lernziele. Unbestritten ist, dass die Arbeit mit KI-basierten Apps signifikante Arbeitserleichterungen erwarten lässt, was automatisierbare Prozesse betrifft. Dies beträfe etwa die Formulierung von (individualisierten) Aufgabenstellungen ebenso wie das Monitoring von Lernfortschritten und, mit der beschriebenen Einschränkung hinsichtlich des möglichen Misslingens von Kommunikationsakten, den Bereich Kommunikation. Damit einhergehen jedoch höhere Anforderungen in den Bereichen Methodenkompetenz, Methodenreflektion und Ergebnisevaluierung – bei Lehrenden ebenso wie bei Lernenden. So wird eine dadurch mögliche intensivierte Beschäftigung mit dem Spannungsfeld Fakt – Fiktion bzw. Fakt – Fake zukünftig von entscheidender Bedeutung sein. Sie bedarf eines prioritären und immer wieder an neue Entwicklungen adaptierten Medienkompetenzaufbaus (Bewusstmachen von Datenhalluzination, Verifizierungsstrategien, kompetente Quellenarbeit etc.). Das bedeutet: Im Deutschunterricht der Zukunft können KI wie ChatGPT nicht nur Arbeitsgrundlagen schaffen, die es dann kritisch zu prüfen und kompetent zu modifizieren gilt, sondern mit der nötigen Methodenkompetenz auch Zweifel hervorrufen und die Urteils- und Kritikfähigkeit der Lernenden schärfen. Dass der Deutschunterricht hier mit hoher Dynamik auf immer neue, schnelllebige Entwicklungen reagieren muss, fordert dann eben auch veränderte Arbeitsweisen bei der Entwicklung von Unterrichtsvorgaben. Hier stellt sich sowohl in Bezug auf Bildungsstandards und Rahmenlehrpläne als auch für Unterrichtsmaterialien die Frage, wie zeitnahe Adaptionen gelingen können. Gleichzeitig wird die Schaffung neuer Kanäle bzw. Formate, in denen aktuelle Unterrichtsmodelle oder -impulse in hoher fachlicher Qualität bereitgestellt werden können, nicht länger nur auf der kollegialen Ebene (aktuell verläuft sie in den meisten Fällen noch L2L, also von Lehrkraft zu Lehrkraft) anzusiedeln sein. Bei allen handelnden Akteur:innen innerhalb des Bildungssystems braucht es also einen geschärften Blick auf Lernen als methodischen Prozess und ein stärkeres Bemühen um Verständnis aller zugrundeliegenden Prozesse allgemein sowie die Rückbesinnung auf die gesellschaftliche Bedeutung von Lernen⁹.

Ebenfalls deutlich absehbar und in die bisherigen Ausführungen eingeschrieben ist eine veränderte Rolle der Lehrkraft in schulischen Lernprozessen: Lehrer:innen entwickeln sich sukzessive immer mehr von Wissenvermittler:innen zu Initiator:innen und Begleiter:innen von Lernen. Sie nutzen die hier konturierte Entlastung durch KI (also die wachsende Befreiung von den standardisierten und damit automatisierbaren Aufgaben) zur Intensivierung von Beziehungsarbeit. Denn den empathisch-professionellen Umgang mit heranwachsenden Menschen, etwa durch Begleitung von Beziehungsarbeit in Lernendengruppen und die Unterstützung in herausfordernden Lebenssituationen, kann KI auch in ihrer Weiterentwicklung nicht leisten und wird zukünftig mindestens ebenso gefragt sein wie aktuell. Gleichzeitig steht außer Zweifel: eine systematische, produktive und gewinnbringende Arbeit mit KI wie ChatGPT kann es nur geben, wenn es eine Bildungsgerechtigkeit in Bezug auf die hierfür nötige mediale Ausstattung gibt. Und das ist ganz sicher nicht die kleinste Herausforderung, vor die uns dieser Prozess in den nächsten Jahren stellen wird.