KI im Biologieunterricht: Chancen, Beispiele und Grenzen

Biologie-Wissen.info - Dirk Schule & Schulalltag , 0 Kommentare

leider noch keine Bewertung erhalten

EXT einkürzen, Quellen raus, an meine Sprache anpassen

Künstliche Intelligenz ist längst im schulischen Alltag angekommen und ich wurde in der letzten Zeit häufiger von Kollegen, Schülerinnen und Schülern aber auch Eltern gefragt, wie man KI im Biologieunterricht einsetzen könne.

Generative KI kann Texte erzeugen, Informationen zusammenfassen, Fragen beantworten, Unterrichtsmaterial entwerfen oder Lernende beim Formulieren unterstützen. Die OECD beschreibt generative KI deshalb als Technologie, die traditionelle Formen von Hausaufgaben, Unterricht und Leistungsbewertung bereits herausfordert – zugleich aber auch neue Möglichkeiten für individuelles Lernen und die Unterstützung von Lehrkräften eröffnet. (OECD Digital Education Outlook 2023)

Gerade für den Biologieunterricht ist das interessant. Biologie arbeitet mit komplexen Ursache-Wirkungs-Beziehungen, Modellen, Daten, wissenschaftlichen Studien und konkurrierenden Erklärungen. Genau hier kann KI hilfreich sein – aber ebenso schnell fachlich falsche oder übermäßig vereinfachte Erklärungen erzeugen. Deshalb betont die UNESCO, dass generative KI nicht als Ersatz für menschliche Urteilsfähigkeit verstanden werden sollte, sondern in einen menschenzentrierten, ethisch verantworteten und pädagogisch begründeten Rahmen gehört. (UNESCO: Guidance for generative AI in education and research.)

Update: Auch die Ergebnisse der PISA‑Studie 2026 zeigen dies: SuS die viel KI nutzen, schneiden bei den Problemlösefähigkeiten und dem Lernerfolg in allen Ländern deutlich schlechter ab, als die, die selbst das Problem durchdenken und lösen.

Die entscheidende Frage lautet deshalb:

Wie kann KI biologisches Denken fördern? Statt nur den Unterricht oder gar das Denken zu übernehmen.

1. Was bedeutet „KI im Biologieunterricht“ überhaupt?

Unter KI lassen sich unterschiedliche Systeme zusammenfassen. Für den Unterricht besonders relevant sind generative KI-Systeme wie Chatbots, die Texte, Bilder oder andere Inhalte erzeugen, sowie spezialisierte Anwendungen zur Analyse von Daten, Bildern oder biologischen Strukturen.

Für den Biologieunterricht lassen sich vier Rollen unterscheiden:

  1. KI als Werkzeug der Lehrkraft – etwa für Unterrichtsideen, Aufgabenvarianten, Differenzierung oder Materialentwürfe.
  2. KI als Lernwerkzeug – Schülerinnen und Schüler nutzen sie zum Erklären, Fragenstellen, Vergleichen oder Überarbeiten.
  3. KI als Gegenstand kritischer Reflexion – Lernende untersuchen, wie zuverlässig KI biologische Aussagen erzeugt.
  5. KI als Fehler- und Manipulationsquelle – falsche Aussagen, erfundene Quellen oder verzerrte Darstellungen werden selbst zum Lerngegenstand.

Diese Unterscheidung entspricht einem menschenzentrierten Verständnis von KI-Bildung, wie es unter anderem UNESCO und OECD hervorheben. KI soll menschliches Lernen unterstützen, nicht pädagogische Entscheidungen und eigenes Denken ersetzen. OECD: Digital teaching and learning resources

 

AB HIER WEITER ÜBERARBEITEN

2. Wo KI tatsächlich einen didaktischen Mehrwert bieten kann

Die OECD sieht bei generativer KI sowohl Chancen als auch erhebliche offene Fragen. Sie kann beispielsweise Entwürfe für Unterrichtsmaterialien erzeugen und Lernende dabei unterstützen, Fragen zu entwickeln, unterschiedliche Positionen zu vergleichen und zwischen Fakten und Meinungen zu unterscheiden. Voraussetzung ist allerdings, dass Lehrkräfte und Lernende die erzeugten Inhalte überprüfen und gegebenenfalls korrigieren können. (OECD: Opportunities, guidelines and guardrails for effective and equitable use of AI in education)

Das ist didaktisch entscheidend:

Der Mehrwert entsteht nicht allein durch die Verwendung von KI, sondern durch die Gestaltung der Aufgabe.

Für Lehrkräfte: Entlastung bei Routinetätigkeiten

KI kann bei der Unterrichtsplanung beispielsweise:

  • erste Ideen für Unterrichtssequenzen entwickeln,
  • Aufgaben in verschiedenen Schwierigkeitsgraden formulieren,
  • Fehlvorstellungen sammeln,
  • alternative Erklärungen anbieten,
  • Arbeitsaufträge sprachlich vereinfachen,
  • Erwartungshorizonte oder Bewertungsraster als Entwurf erstellen,
  • Materialien für unterschiedliche Lerngruppenvarianten vorbereiten.

Die OECD nennt ausdrücklich das Erstellen von Entwürfen für Unterrichtsplanung als einen möglichen Anwendungsbereich generativer KI. Gleichzeitig weist sie darauf hin, dass die Qualität solcher Anwendungen von der Fähigkeit der Lehrkräfte abhängt, KI-Ergebnisse zu beurteilen und anzupassen. Die fachliche und fachdidaktische Prüfung durch die Lehrkraft bleibt daher zentral. OECD: Opportunities, guidelines and guardrails for effective and equitable use of AI in education

Die KI erzeugt einen Entwurf – die Lehrkraft verantwortet das Material.

Für Lernende: Fragen stellen statt Antworten abholen

Ein pädagogisch stärkerer Einsatz besteht darin, KI nicht als Lösungsmaschine zu verwenden, auch wenn diese sehr verlockend ist, sondern als Gesprächspartner für Denkprozesse.

Also nicht: „Schreibe mir die Erklärung zur Fotosynthese.“

Beispielsweise:

  • „Welche Annahmen stecken in meiner Hypothese?“
  • „Welche Gegenargumente gibt es zu meiner Erklärung?“
  • „Welche Variable habe ich in meinem Experiment möglicherweise übersehen?“
  • „Welche Stelle meiner Argumentation ist nicht durch die Daten gedeckt?“

Damit verschiebt sich die Aufgabe von „Schreibe mir die Lösung“ zu „Hilf mir, meine Lösung zu überprüfen“.

Damit bleibt die Verantwortung für die fachliche Bewertung bei den Lernenden. Allerdings müssen diese genau das erst einmal lernen und begreifen, warum die Abkürzung zur Lösung nicht zielführend ist.

Dieser Ansatz passt zu den UNESCO-Empfehlungen, die bei der Nutzung generativer KI in Bildung und Forschung menschliche Handlungsfähigkeit, kritisches Urteilen, Datenschutz, Gleichheit und eine pädagogisch begründete Nutzung hervorheben. (UNESCO: Guidance for generative AI in education and research)

3. Sechs konkrete Unterrichtsideen für den Einsatz von KI im Biologie-Unterricht

Beispiel 1: Genetik – „Kann die KI einen Stammbaum richtig erklären?“

Jahrgangsstufe gem. Rahmenplan MV: 10/12
Lernziel: Schülerinnen und Schüler analysieren einen Erbgang und begründen ihre Interpretation.

KI-Einsatz: Die Lernenden geben einen Stammbaum und eine Frage an ein Sprachmodell. Anschließend erhalten sie eine KI-Erklärung.

Schüleraufgabe: „Prüft die KI-Erklärung Satz für Satz. Markiert Aussagen als richtig, unvollständig, falsch oder nicht überprüfbar. Begründet jede Entscheidung mit eurem Fachwissen und gegebenenfalls einer seriösen Quelle.“

Biologische Kompetenz: Fachwissen anwenden, biologische Sachverhalte erklären und begründen.

Risiken: Die KI kann dominante und rezessive Erbgänge verwechseln, Wahrscheinlichkeiten unpräzise formulieren oder aus einem Stammbaum mehr ableiten, als die Daten tatsächlich erlauben.

Qualitätsprüfung: Die Klasse entwickelt zunächst selbst Kriterien: Welche Merkmale müssen bei der Analyse eines Stammbaums berücksichtigt werden? Erst danach wird die KI-Antwort bewertet.

Beispiel 2: Ökologie – „Warum nimmt die Population ab?“

Jahrgangsstufe gem. Rahmenplan MV: 9/11
Lernziel: Schülerinnen und Schüler unterscheiden Korrelation, mögliche Ursache und kausale Erklärung.

KI-Einsatz: Ein Datensatz zu einer Population – etwa Beutegreifern, Nahrung, Temperatur und Populationsgröße – wird bereitgestellt. Die KI soll eine Erklärung für die Entwicklung formulieren.

Schüleraufgabe: „Bewertet die Erklärung der KI anhand der Daten. Welche Aussagen werden tatsächlich durch die Daten gestützt? Welche sind lediglich plausible Hypothesen? Welche weiteren Daten wären notwendig?“

Biologische Kompetenz: Daten auswerten, Hypothesen bilden und evidenzbasiert argumentieren.

Risiken: Sprachmodelle können überzeugende Ursache-Wirkungs-Erzählungen formulieren, obwohl die vorliegenden Daten möglicherweise nur einen Zusammenhang zeigen.

Qualitätsprüfung: Jede Behauptung muss einer konkreten Datenstelle zugeordnet werden. Aussagen ohne empirische Grundlage werden als Hypothesen gekennzeichnet.

Beispiel 3: Evolution – „Evolution mit Absicht?“

Jahrgangsstufe gem. Rahmenplan MV: 10/12
Lernziel: Schülerinnen und Schüler erklären natürliche Selektion ohne teleologische Fehlvorstellungen.

KI-Einsatz: Die KI erhält absichtlich problematische Aussagen, etwa: „Giraffen haben einen langen Hals entwickelt, weil sie höher an Blätter gelangen mussten.“

Schüleraufgabe: „Überarbeitet die Erklärung so, dass sie mit dem Prinzip natürlicher Selektion vereinbar ist. Markiert, welche Formulierungen eine Absicht oder Zielgerichtetheit der Evolution suggerieren.“

Biologische Kompetenz: Evolutionäre Prozesse fachlich korrekt erklären und Erklärungen kritisch beurteilen.

Risiken: Anthropomorphe und teleologische Formulierungen können sprachlich sehr überzeugend wirken.

Qualitätsprüfung: Die korrigierte Version wird mit einem geprüften Schulbuchtext oder einer Fachquelle verglichen.

Beispiel 4: Zellbiologie – „Erkläre mir die Zellatmung“

Jahrgangsstufe gem. Rahmenplan MV: 11
Lernziel: Schülerinnen und Schüler unterscheiden sinnvolle didaktische Vereinfachungen von fachlichen Verfälschungen.

KI-Einsatz: Die Lernenden lassen die Zellatmung zunächst für unterschiedliche Zielgruppen erklären.

Schüleraufgabe: „Vergleicht die Erklärungen. Welche Vereinfachungen sind didaktisch sinnvoll? Wo wird aus Vereinfachung eine fachliche Verfälschung? Überarbeitet anschließend eine Erklärung.“

Biologische Kompetenz: Modelle und Erklärungen beurteilen, Fachsprache verwenden und Sachverhalte adressatengerecht darstellen.

Risiken: Gerade bei Stoff- und Energieflüssen kann eine KI wichtige Zwischenschritte auslassen oder Beziehungen zu stark vereinfachen.

Qualitätsprüfung: Fachbegriffe und Ursache-Wirkungs-Beziehungen werden mit einem geprüften Unterrichtsmaterial abgeglichen.

Beispiel 5: Humanbiologie – „KI als Gesundheitsberater?“

Jahrgangsstufe gem. Rahmenplan MV: 7/8
Lernziel: Schülerinnen und Schüler unterscheiden wissenschaftlich abgesicherte Information von individueller medizinischer Beratung.

KI-Einsatz: Die Klasse analysiert KI-Antworten auf allgemeine Fragen zu Ernährung, Impfungen oder Schlaf.

Schüleraufgabe: „Welche Aussagen sind wissenschaftlich plausibel? Welche benötigen einen Beleg? Welche sind zu pauschal oder überschreiten die Grenze zu individueller medizinischer Beratung?“

Biologische Kompetenz: Gesundheitsinformationen kritisch bewerten und Evidenz einschätzen.

Risiken: Medizinische Aussagen sind besonders sensibel. Eine allgemein plausible Antwort kann im konkreten Fall falsch oder unangemessen sein.

Qualitätsprüfung: Aussagen werden mit seriösen Quellen wie Gesundheitsbehörden, Fachgesellschaften oder wissenschaftlichen Publikationen verglichen.

Beispiel 6: Wissenschaftliches Arbeiten – „Die KI erfindet Quellen“

Jahrgangsstufe: Oberstufe (10-12)
Lernziel: Schülerinnen und Schüler prüfen wissenschaftliche Aussagen und Quellen.

KI-Einsatz: Die Lernenden lassen sich von einem Sprachmodell eine kurze Darstellung zu einem biologischen Forschungsthema mit Literaturangaben erstellen.

Schüleraufgabe: „Überprüft jede Quelle: Existiert sie? Ist sie tatsächlich zum behaupteten Thema erschienen? Stimmen Autorinnen und Autoren, Titel, Jahr und Inhalt? Welche Aussage wird durch die Quelle tatsächlich gestützt?“

Biologische Kompetenz: Wissenschaftliche Informationen recherchieren, Quellen bewerten und evidenzbasiert argumentieren.

Risiken: Eine KI-generierte Literaturangabe ist kein Nachweis dafür, dass eine Publikation existiert oder die behauptete Aussage tatsächlich belegt.

Qualitätsprüfung: Die Klasse überprüft die Angaben über wissenschaftliche Datenbanken, Bibliothekskataloge oder die Originalseiten der Publikationen.

4. Wenn die KI biologischen Unsinn produziert

Gerade die Fehler der KI können didaktisch interessant sein.

Generative KI erzeugt nicht automatisch wissenschaftlich wahre Aussagen. Eine zentrale Unterrichtserfahrung sollte daher sein: Eine überzeugende Antwort ist noch keine wissenschaftlich richtige Antwort.

Besonders problematisch sind:

  • falsche Kausalitäten: Korrelation wird als Ursache dargestellt;
  • Übervereinfachungen: komplexe biologische Prozesse werden linear erklärt;
  • teleologische Evolutionserklärungen: Organismen „entwickeln“ Eigenschaften, weil sie diese benötigen;
  • genetische Vereinfachungen: komplexe Merkmale werden einzelnen Genen zugeschrieben;
  • falsche statistische Interpretationen: beispielsweise Verwechslung von Signifikanz und biologischer Relevanz;
  • erfundene Quellen: Literaturangaben können plausibel aussehen, aber nicht existieren;
  • Fehler bei Abbildungen: insbesondere bei biologischen Strukturen können KI-generierte Darstellungen Details falsch darstellen.

Dass solche Fehler kein rein theoretisches Problem sind, zeigen empirische Untersuchungen. Eine aktuelle systematische Übersichtsarbeit zur Nutzung von ChatGPT in der Anatomielehre fand beispielsweise je nach Modell und Untersuchung stark unterschiedliche Genauigkeitswerte. Das spricht weniger für eine einfache Ja-nein-Aussage als für die Notwendigkeit einer aufgaben- und modellbezogenen Überprüfung. Systematische Übersichtsarbeit zu ChatGPT in der Anatomielehre – PubMed

Für den Unterricht folgt daraus ein wichtiger Perspektivwechsel:

Eine KI-Antwort ist nicht das Ende einer Denkaufgabe, sondern kann deren Beginn sein.

5. Die wichtigsten Grenzen von KI: fachlich, rechtlich und pädagogisch

Halluzinationen und erfundene Quellen

Eine plausible Formulierung ist kein Beleg. Lehrkräfte sollten deshalb insbesondere bei Fachinformationen und Literaturangaben eine unabhängige Prüfung verlangen.

Je wichtiger die Behauptung, desto stärker muss der Nachweis sein.

Datenschutz

In öffentliche KI-Systeme gehören grundsätzlich keine personenbezogenen oder sensiblen Daten von Schülerinnen und Schülern, Eltern oder Kolleginnen und Kollegen.

UNESCO fordert ausdrücklich Datenschutzmaßnahmen und einen altersangemessenen, menschenzentrierten Umgang mit generativer KI. UNESCO: Guidance for generative AI in education and research

Die konkrete Zulässigkeit eines Tools hängt allerdings von dessen Datenverarbeitung, den schulischen beziehungsweise landesrechtlichen Vorgaben und gegebenenfalls bestehenden Verträgen ab. Deshalb sollte eine Lehrkraft nicht allein aus der Tatsache, dass ein Tool kostenlos oder weit verbreitet ist, auf seine schulische Zulässigkeit schließen.

Urheberrecht

„Im Internet verfügbar“ bedeutet nicht „frei verwendbar“. Das gilt auch für Bilder, Texte, Arbeitsblätter und wissenschaftliche Publikationen, die in KI-Systeme hochgeladen werden.

Für Deutschland sind unter anderem die gesetzlichen Schranken des Urheberrechts relevant; welche Nutzung im konkreten Unterrichtsfall zulässig ist, hängt jedoch vom Material, Zweck und Nutzungsvorgang ab. Deshalb sollten Lehrkräfte nicht von einer pauschalen „Unterrichtsfreiheit“ ausgehen.

Bias und Diskriminierung

KI-Systeme können bestehende Verzerrungen und Stereotype reproduzieren. Die OECD nennt algorithmische Verzerrungen ausdrücklich als eine der Herausforderungen beim Einsatz von KI in Bildungssystemen. OECD Digital Education Outlook 2023

Im Biologieunterricht ist das besonders relevant, wenn komplexe Zusammenhänge zwischen biologischen, sozialen und kulturellen Faktoren auf scheinbar einfache biologische Erklärungen reduziert werden.

Täuschung und Leistungsbewertung

Generative KI stellt traditionelle Formen von Hausaufgaben und Leistungsbewertung infrage. Die OECD weist ausdrücklich auf mögliche Veränderungen von Aufgaben, Hausarbeiten und Prüfungen sowie auf das Risiko des „cognitive off-loading“ hin – also darauf, dass kognitive Tätigkeiten an KI ausgelagert werden und dadurch eigene Fähigkeiten möglicherweise weniger geübt werden. OECD: Opportunities, guidelines and guardrails for effective and equitable use of AI in education

Sinnvoller können Aufgaben sein, die den Denkprozess sichtbar machen:

  • eigene Datenerhebung,
  • Experimente,
  • individuelle Begründungen,
  • mündliche Erläuterungen,
  • Überarbeitungsschritte,
  • Reflexion über KI-Nutzung,
  • Arbeit mit konkreten Unterrichtsdaten.

Bei KI-gestützten Entscheidungen über Bildungslaufbahnen setzt zudem der EU AI Act besondere Grenzen: Bestimmte KI-Systeme, die beispielsweise Lernergebnisse bewerten, den Zugang zu Bildung bestimmen oder das Bildungsniveau einer Person wesentlich beeinflussen, werden als Hochrisiko-Systeme eingestuft. EU AI Act – Verordnung (EU) 2024/1689, EUR-Lex

Bildungsgerechtigkeit

Nicht alle Schülerinnen und Schüler verfügen über denselben Zugang zu Geräten, Internet oder leistungsfähigen KI-Diensten. UNESCO weist deshalb neben den Chancen personalisierter Unterstützung ausdrücklich auf Fragen des Digital Divide und der Vertraulichkeit von Daten hin. UNESCO: Education in the age of artificial intelligence

Ein verpflichtender KI-Einsatz außerhalb der Schule kann deshalb soziale Unterschiede verstärken. Wenn KI für eine Aufgabe relevant ist, sollte die Schule einen gleichberechtigten Zugang gewährleisten oder eine gleichwertige Alternative anbieten.

6. KI-Kompetenz gehört zur biologischen Bildung

Wer KI im Biologieunterricht nutzt, benötigt mehr als „Prompting“.

Lernende sollten unter anderem:

  • wissen, dass KI-Ausgaben fehlerhaft sein können,
  • zwischen Behauptung und Beleg unterscheiden,
  • Quellen selbstständig überprüfen,
  • Daten und statistische Aussagen kritisch bewerten,
  • biologische Modelle hinterfragen,
  • Unsicherheit erkennen,
  • Bias und Perspektivität reflektieren,
  • eigene Gedanken von KI-generierten Formulierungen unterscheiden,
  • KI-Nutzung transparent dokumentieren.

UNESCO hat dafür eigene Kompetenzrahmen für Schülerinnen und Schüler sowie für Lehrkräfte entwickelt. Im Mittelpunkt stehen unter anderem eine menschenzentrierte Haltung, Ethik, KI-Grundlagen und die pädagogisch verantwortete Nutzung von KI. UNESCO: AI competency frameworks for students and teachers

Für die Biologiedidaktik folgt daraus: KI-Kompetenz und biologische Fachkompetenz müssen zusammen gedacht werden. Wer die Biologie nicht versteht, kann eine KI-Antwort nur eingeschränkt beurteilen.

7. Welche Regeln funktionieren im Unterricht?

Eine praktikable Klassenvereinbarung kann auf wenige klare Regeln reduziert werden:

  1. KI-Nutzung wird offengelegt.
  2. KI ist kein Beleg. Fachliche Aussagen werden überprüft.
  3. Keine personenbezogenen Daten eingeben.
  4. Eigene Denkleistung muss erfolgen und bleibt sichtbar.
  5. KI-Ausagen (und Fehler) werden bei geeigneten Aufgaben ausdrücklich untersucht.
  6. Es gibt KI-freie Phasen. Zum Beispielbeim Anfertigen von Leistungsnachweisen.
  7. Die Lehrkraft entscheidet über die pädagogische Funktion des Tools.

Für Schulen empfiehlt sich, solche Regeln nicht isoliert für einzelne Unterrichtsstunden zu entwickeln, sondern in ein gemeinsames Konzept einzubetten. Die KMK hat hierfür 2024 eine eigene Handlungsempfehlung zum Umgang mit KI in schulischen Bildungsprozessen veröffentlicht.

Besonders geeignet ist KI für Aufgaben wie Ideen entwickeln, Gegenargumente suchen, Erklärungen vergleichen, Texte überarbeiten, Hypothesen prüfen und Fehler analysieren.

Bewusst auf KI verzichten kann man dagegen dort, wo gerade die individuelle Kompetenzentwicklung im Vordergrund steht – etwa beim erstmaligen Entwickeln einer eigenen Hypothese, beim eigenständigen Interpretieren selbst erhobener Daten oder bei einer Prüfung, deren Ziel die individuelle fachliche Leistung ist.

8. Fazit: Nicht KI statt Denken, sondern KI zum Denken nutzen

Die Bildungsdebatte sollte sich nicht zwischen „KI ist die Lösung“ und „KI gehört aus der Schule verbannt“ festfahren. Die sinnvollere Frage lautet:

Für welches Lernziel, in welcher Unterrichtsphase und unter welchen Bedingungen verbessert KI tatsächlich den Lernprozess?

Gerade die Fehler von KI können dabei didaktisch wertvoll sein. Eine falsche Aussage über Evolution, ein erfundener Fachartikel oder eine übervereinfachte Erklärung eines Ökosystems wird zum Ausgangspunkt für biologische Erkenntnisarbeit.

Gleichzeitig ist die Evidenz zur langfristigen Wirkung generativer KI auf schulisches Lernen noch begrenzt. OECD und UNESCO betonen deshalb einen kontrollierten, kompetenzorientierten und menschenzentrierten Einsatz statt einer unkritischen Übernahme der Technologie.

Für den Biologieunterricht ergibt sich daraus eine besondere Chance: Schülerinnen und Schüler können KI nicht nur benutzen, sondern wissenschaftlich prüfen.

Sie können fragen:

  • Ist diese biologische Erklärung korrekt?
  • Welche Daten stützen die Behauptung?
  • Welche Quelle belegt das?
  • Wo verwechselt die KI Korrelation und Kausalität?
  • Welche Annahme steckt hinter dem Modell?
  • Welche Aussage klingt überzeugend, ist aber fachlich falsch?

Damit wird KI selbst zum Gegenstand naturwissenschaftlichen Denkens.

Das ist vermutlich die nachhaltigere Perspektive: Schülerinnen und Schüler sollen nicht lernen, einer Maschine bessere Antworten abzuringen. Sie sollen lernen, gute biologische Fragen zu stellen, Antworten kritisch zu prüfen und begründet zu entscheiden, wann sie einer KI überhaupt vertrauen dürfen.

5-Punkte-Checkliste für Lehrkräfte

Bevor ich KI im Biologieunterricht einsetze, frage ich mich …

  1. Welches konkrete biologische Lernziel soll durch KI besser erreicht werden?
  2. Würde die Aufgabe auch ohne KI sinnvoll funktionieren – und was ist durch KI tatsächlich besser?
  3. Welche fachlichen Fehler könnte die KI bei diesem Inhalt produzieren, und wie werden die Lernenden sie überprüfen?
  4. Sind Datenschutz, Urheberrecht, Zugänglichkeit und schulische Vorgaben geklärt?
  5. Wie bleibt die eigene Denk-, Fach- und Argumentationsleistung der Schülerinnen und Schüler sichtbar?

Wer diese fünf Fragen beantworten kann, hat bereits einen entscheidenden Schritt getan: weg vom bloßen Ausprobieren eines KI-Tools und hin zu einem didaktisch begründeten Einsatz von KI im Biologieunterricht.

Quellen und weiterführende Informationen

Die wichtigsten Quellen sind jeweils direkt an den entsprechenden Aussagen im Text verknüpft. Für die vertiefende Recherche sind insbesondere diese Originalquellen relevant:


leider noch keine Bewertung erhalten

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert