Dr. Patrick Bronner ist Lehrer für Mathematik und Physik an einem Freiburger Gymnasium, Fachberater für Unterrichtsentwicklung am ZSL-Freiburg und Ausbilder für Physik am Seminar für Didaktik und Lehrerbildung Freiburg.
Auf seiner Internetseite https://www.patrickbronner.de
finden sich viele hilfreiche Infos zum Einsatz von KI in der Schule. Hier eine Zusammenfassung:
Leitidee in einem Satz
Patrick Bronner versteht KI als Lern- und Prüfungsgegenstand einer projekt- und kompetenzorientierten Lernkultur; sie soll fachlich-kritisch genutzt, didaktisch eingebettet und datenschutzkonform organisiert werden.
Didaktisches Grundmodell
- KI in den Unterricht integrieren: Förderung von Kompetenzaufbau durch präzise Prompts und fachliche Analyse der KI-Antworten; projektorientiertes, schülerzentriertes Lernen statt reiner Wissensreproduktion. KI ist dabei Gegenstand und Werkzeug; ethische Fragen (Bias, Fakes, Nachhaltigkeit) gehören ausdrücklich dazu.
- Fächerübergreifende Anwendung: Beispiele reichen von Physik (Newton-Dialoge) über Gemeinschaftskunde (politische Analysen prüfen) bis Religion (Grenzen der Urteilsfähigkeit von Sprachmodellen) und Mathematik (Herleitungen bewerten). Fehlerhafte KI-Antworten dienen als Lernanlass.
- Didaktischer Kniff: Für das Üben von Prompt-Qualität empfiehlt Bronner bewusst ein älteres, fehleranfälligeres Modell (z. B. GPT-3.5) statt des neuesten (z. B. 4o), damit Halluzinationen sichtbar und analysierbar werden.
Prüfungskultur mit KI
- KI gehört in Klassenarbeiten, wenn sie im Unterricht Thema ist - sonst nehme ein Teil der Lernenden die Materie nicht ernst. Beispiel Klasse 7 Mathematik: unpräziser Prompt → KI-Antwort markieren (richtig/falsch) → Fehler korrigieren und Prompt verbessern. Beispiel Klasse 10 Physik: Mega-Prompt entwickeln, 100-Wörter-Antwort analysieren und korrigieren.
- Perspektive Abitur: Bronner prognostiziert eine Zulassung von KI-Tools im Abitur bis ca. 2028-2030 (kombiniert mit weiterhin hilfsmittelfreien Teilaufgaben - Analogon Taschenrechner).
Organisation & Datenschutz
Pseudonymisierte Schülerzugänge über virtuelle Klassenzimmer; keine personenbezogenen Daten, keine Nutzung der Inhalte zur Systemverbesserung; zeitlich befristete Zugänge. Hinweis auf Transparenzpflichten (z. B. Schulhomepage) und Fortbildungspflichten gemäß EU AI Act.
Projekte & Werkzeuge
- Projektmethode als Leitform (offene, forschende, experimentelle Aufträge); Beispiel "Lichterketten & Klimaschutz" mit Erklärvideo: KI zunächst intensiv, später gezielter (v. a. Bilderzeugung, Textfeinschliff). Ziel: Selbstwirksamkeit, Differenzierung, Prozesskompetenzen.
- Bild-KI im Unterricht: Prompt-Qualität, Stereotype, Fake-Bild-Prüfungen (u. a. SPIEGEL-Test), Emotions-/Gesichtserkennung und CO ₂ -Aspekte thematisieren.
- Werkzeuge/Beispiele (Auswahl): Lehrer-Chatbot, ALENA (Mathe), Studyly (adaptive Zuweisung) - als Teil einer didaktisch eingebetteten Tool-Landschaft.
Kurze kritische Einordnung
Stärken
- Didaktische Klarheit: Vom "Tool-Showcase" weg, hin zu konstruktivistischen Projekten und kompetenzorientierten Prüfungen - mit Fehleranalyse als Lernmotor.
- Pragmatische Datenschutz-Architektur: Pseudonymisierte Zugänge, API-Zwischenschicht, Transparenz- und Fortbildungslogik; damit realisierbar im Schulalltag.
- Fächerbreite & Ethik: Systematisch verankerte ethische Dimensionen (Bias, Deepfakes, CO ₂) statt technik-naiver Begeisterung.
Offene Punkte / Grenzen
- Ausstattung & Gerechtigkeit: Viele Beispiele setzen 1:1-Tablets und stabile Infrastruktur voraus; Skalierung an Schulen ohne diese Basis bleibt offen. (Bronners Seiten beschreiben gute Praxis, keine flächendeckende Implementationsstudie.)
- Fobizz als Schlüsselakteur ist pragmatisch, schafft aber Abhängigkeiten (Kosten, Verfügbarkeit, Datenpfade). .
- Prüfungsfairness: Die Abitur-Prognose (2028-2030) ist plausibel, aber normativ strittig: Vergleichbarkeit, Zugangs- und Hilfsmittelgerechtigkeit sowie fachspezifische Standards müssten länderspezifisch geklärt werden.
- Didaktische Heuristik "älteres Modell": Für Fehleraufdeckung sinnvoll - aber kann Lernende an veraltetes Fehlverhalten der Modelle gewöhnen; Transfer auf neuere, guardrail-stärkere Systeme sollte mitgeplant werden.