AI Literacy konkret
Vier Fähigkeiten, die kein Tool ersetzt
Diesmal geht es nicht um die Bedienung, sondern um die Kompetenz dahinter. Was heisst «KI-Kompetenz» eigentlich, wenn man es ernst nimmt? Ich glaube: vier Dinge, von denen keines mit dem Öffnen eines Chatfensters zu tun hat.
«AI Literacy» steht inzwischen auf fast jedem Fortbildungsprogramm. Meistens ist damit gemeint: Die Lehrperson kennt ein paar Tools und kann brauchbar prompten. Das ist nicht falsch. Aber es ist der kleinste Teil. Der neue EU-OECD-Rahmen zur AI Literacy, der 2026 in seiner finalen Fassung erschienen ist, beschreibt etwas deutlich Grösseres: interagieren, gestalten, steuern, mitgestalten. Auch die UNESCO legt mit ihrem Kompetenzrahmen für Lehrpersonen nach. Beide meinen dasselbe: Wer KI nur bedienen kann, ist noch nicht KI-mündig.
Ich habe versucht, das für meinen eigenen Unterricht in vier konkrete Fähigkeiten zu übersetzen. Nicht in abstrakte Kompetenzbereiche, sondern in Dinge, die ich mit einer Klasse üben kann. Es sind vier und sie bauen aufeinander auf.
1. Eine KI-Antwort lesen können
Die erste Fähigkeit klingt banal und ist es überhaupt nicht. Eine KI-Antwort lesen zu können, ist eine eigene Kompetenz.
Viele Lernende können eine KI bedienen. Sie tippen eine Frage ein und bekommen einen flüssigen, selbstsicheren Text zurück. Das Problem beginnt aber danach, denn eine KI-Antwort ist kein fertiges Wissen. Sie ist ein Prüfgegenstand. Nutzungskompetenz ist noch keine Urteilskompetenz.
Was heisst «lesen können» hier konkret? Ich lasse meine Klasse jede KI-Antwort mit vier Fragen anschauen. Was wird eigentlich behauptet? Was fehlt? Was ist nur plausibel formuliert, aber nicht belegt? Und was muss ich extern prüfen, bevor ich es glaube? Diese vier Fragen machen aus dem Konsum eine Diagnose.
Dahinter steht ein Bild, das ich den Lernenden gerne mitgebe: Jede KI-Antwort hat unsichtbare Schichten. Zuunterst die Daten, mit denen das Modell trainiert wurde. Darüber das Modell selbst mit seinen Eigenheiten. Dann mein Auftrag, der die Richtung vorgibt. Dann die Auswahl, die das Modell aus unendlich vielen möglichen Antworten trifft. Und ganz oben die Darstellung, die alles glatt und überzeugend wirken lässt. Wer nur die oberste Schicht sieht, fällt oft auf die Sprache herein. Wer hingegen die Schichten kennt, liest den Output kritisch.
Im Unterricht drehe ich deshalb die übliche Frage um. Statt «Welchen Prompt hast du benutzt?» frage ich: «Welche Aussage der KI hast du überprüft, verändert oder verworfen?» Das ist die interessantere Frage, weil sie zeigt, ob jemand den Text gelesen oder nur kopiert hat.
2. Co-Creation beginnt dort, wo Copy-and-paste endet
Die zweite Fähigkeit ist das gemeinsame Gestalten. Und hier gibt es ein grosses Missverständnis. Copy-and-paste ist keine Zusammenarbeit mit KI. Ein Text ist nicht automatisch eine Co-Creation, nur weil Mensch und Maschine daran beteiligt waren.
Eine Co-Creation beginnt dort, wo der Mensch auswählt, umstrukturiert, begründet und Verantwortung übernimmt. Genau das lässt sich sichtbar machen. Wer hat bei einem KI-Text eigentlich was gemacht? Kam die Idee von der Schülerin oder von der KI? Wer hat die Struktur festgelegt? Die Formulierungen? Die Auswahl, was bleibt und was fällt? Die Überarbeitung? Ein einfaches «mit KI erstellt» beantwortet keine dieser Fragen und es sagt fast nichts aus.
Deshalb glaube ich, dass wir langfristig weniger eine KI-Deklaration brauchen als ein Co-Creation-Protokoll. Nicht «Welches Tool hast du genutzt?», sondern «Welche Denkhandlungen hast du delegiert und welche hast du selbst gemacht?». Das ist ehrlicher und didaktisch viel wertvoller, weil es genau die Schritte benennt, in denen Lernen stattfindet oder eben nicht.
Das klingt aufwendiger, als es ist. In der Praxis reicht oft eine kleine Tabelle unter der Arbeit: Idee, Struktur, Formulierung, Auswahl, Überarbeitung, jeweils mit einem Kürzel für «ich», «KI» oder «gemeinsam». Seit ich so etwas nutze, ist die Debatte über das Schummeln bei mir leiser geworden. Nicht weil weniger KI im Spiel ist, sondern weil sichtbar ist, wo gedacht wurde.
3. KI-Kompetenz heisst auch: Nein
Die dritte Fähigkeit ist die unbequemste und ich halte sie für eine der wichtigsten. KI-Kompetenz heisst nicht, KI möglichst häufig einzusetzen. KI-Kompetenz heisst, begründet entscheiden zu können, wann sie hilfreich ist und wann nicht.
Die wichtigste KI-Entscheidung kann darin bestehen, die KI geschlossen zu lassen.
Ich mache das ganz explizit. Vor einer Aufgabe gibt es nicht nur zwei Möglichkeiten, KI oder keine KI. Es gibt vier legitime Entscheidungen. KI nutzen. KI begrenzen, also nur für einen Teilschritt. KI später nutzen, erst nach der eigenen Lösung. Oder KI bewusst nicht nutzen, weil genau diese Aufgabe die eigene Denkarbeit braucht.
Damit diese Entscheidung nicht dem Zufall überlassen bleibt, stelle ich drei Fragen davor. Was soll ich hier eigentlich lernen? Welche Denkarbeit muss bei mir bleiben, damit ich es lerne? Und welche Unterstützung ist vertretbar, ohne dass ich mich um das Lernen bringe? Diese drei Fragen dauern zwanzig Sekunden und verändern die Haltung der Schüler:innen. Denn die Gefahr ist real: Wer KI immer sofort einsetzt, trainiert vor allem eines, nämlich KI sofort einzusetzen. Die Fähigkeit, auch mal Nein zu sagen, ist kein Rückschritt in die Kreidezeit. Sie ist ein Zeichen von Souveränität. Und Souveränität ist etwas, das man üben muss, gerade weil die KI so bequem ist.
4. AI Literacy endet nicht beim Benutzen
Die vierte Fähigkeit weitet den Blick. AI Literacy endet nicht beim Benutzen eines Tools. Sie umfasst auch die Frage, wer ein System entwickelt hat, mit welchen Daten es arbeitet und welche Interessen darin eingebaut sind.
Wer KI nur bedienen kann, ist noch nicht KI-mündig.
Ich zeichne dazu mit der Klasse eine Art Akteurkarte. Hinter jeder KI stehen Menschen und Interessen. Entwicklerinnen, die Entscheidungen treffen. Datenlieferanten, deren Material das Modell prägt. Plattformen, die Geld verdienen wollen. Auftraggeber, Nutzende, die Gesetzgebung, die Gesellschaft. Eine KI-Antwort fällt nicht vom Himmel. Sie ist das Ergebnis vieler Entscheidungen, die jemand getroffen hat.
Und dann traue ich meiner Klasse etwas zu, das über das blosse Verstehen hinausgeht. Die Schule sollte Lernende nicht nur auf bestehende KI-Systeme vorbereiten. Sie sollte ihnen zutrauen, bessere Regeln und bessere Systeme zu entwerfen. Ein Auftrag, der bei mir gut funktioniert: «Entwerft die Regeln für eine bessere Lern-KI. Was dürfte sie, was nicht?» Plötzlich reden Vierzehnjährige über Datenschutz, über Manipulation, über Fairness und zwar aus einer Position der Gestaltung heraus, nicht der Ohnmacht.
Das ist auch der Grund, warum ich die Testpanik rund um PISA 2029 nicht teile. Ja, PISA wird ab 2029 KI-Kompetenz prüfen. Gut so. Aber wir brauchen keine neue Angst vor dem Test. Wir brauchen eine gemeinsame Sprache dafür, was KI-Kompetenz überhaupt ist.
Warum das in jedes Fach gehört
Diese vier Fähigkeiten haben eines gemeinsam. Keine von ihnen ist eine Bedienkompetenz. Lesen, gestalten, entscheiden, verstehen: Das ist alles Denkarbeit. Deshalb bin ich überzeugt, dass AI Literacy kein Informatikthema ist. Sie gehört in jedes Fach, weil in jedem Fach gedacht wird. In der Biologie prüfe ich eine KI-Erklärung an echten Daten. In der Mathematik entscheide ich, ob ich den Rechenweg selbst gehe. Im Berufswahlunterricht lese ich eine KI-Auskunft über einen Beruf kritisch. Es ist überall dieselbe Kompetenz.
Und es ist eine Frage der Gerechtigkeit. Zu Hause ist der Umgang mit KI ungleich verteilt. Das eine Kind lernt am Küchentisch, Quellen zu prüfen, das andere lernt, Antworten abzuschreiben. Die Schule ist der einzige Ort, der diese Kompetenz allen geben kann. Genau das ist ihr Auftrag.
Der perfekte Prompt war das Erste, was leicht zu greifen war. Diese vier Fähigkeiten sind das, was bleibt.
