Upgrade eines der beliebtesten Kursdesign-Modelle: Wie man künstliche Intelligenz in ADDIE integriert

Beispielsweise expandiert der Einsatz neuronaler Netze in der Entwicklung von Lernmaterialien und ganzen Kursen seit ein paar Jahren rasant. Natürlich gibt es nach wie vor viele Risiken. Dazu gehören sowohl der Mangel an methodischer Tiefe als auch die Einschränkung der Kreativität. Aber es gibt auch Pluspunkte - die Vereinfachung der Personalisierung und Kontextualisierung des Lernens. Auf jeden Fall ist es heutzutage, gelinde gesagt, töricht, die Möglichkeiten der künstlichen Intelligenz zu ignorieren. In diesem Artikel werden wir untersuchen, wie Forscher und Instruktionsdesigner das beliebte ADDIE-Modell für den Einsatz von KI im Lern-Design angepasst haben.

Wie ADDIE vor der Ära der KI genutzt wurde

Dieses Modell gilt als Klassiker im Instruktionsdesign, da es sich durch Universalität auszeichnet, d.h. für die überwältigende Mehrheit der verschiedensten Bildungsprogramme und Kurse geeignet ist. ADDIE wurde bereits in den 80er Jahren des letzten Jahrhunderts in den USA entwickelt. Wenn man es zusammenfasst und nicht ins Detail geht, beschreibt dieses System fünf Phasen, die für die Erstellung eines Kurses durchlaufen werden müssen. Diese fünf Phasen sind die Entschlüsselung des Modellnamens:

• A - Analyze (Analyse). Diese Phase umfasst die Erforschung aller Bedürfnisse der Lernenden und des Marktes selbst - also eine tiefgehende Untersuchung der Zielgruppe, ihrer "Schmerzpunkte" und Merkmale, Wünsche und Erwartungen an das Lernen.

• D - Design, also das eigentliche Design. Einfach gesagt ist dies die Erstellung der eigentlichen Struktur des zukünftigen Kurses, von Kompetenzlandkarten und Motivationsstrategien für die Lernenden. In derselben Phase wird eine generalisierte Learning oder Student Journey Map erstellt - ein Diagramm, das den Bildungsweg genau aus der Perspektive der Lernenden abbildet (natürlich unter Berücksichtigung des anfänglichen Wissensstands, der Bedürfnisse, möglicher Schwierigkeiten und des gewünschten Ergebnisses).

• D - Development (Entwicklung), also das Füllen des Programms mit der Substanz des Kurses. Diese Phase umfasst die Erstellung und Verteilung von Aufgaben, Vorlesungen, Seminaren, Laborarbeiten und anderen Arbeiten.

• I - Implementation (Implementierung), oder Umsetzung. Dies ist der eigentliche Lernprozess selbst: die Durchführung der ersten Präsenzsitzungen oder die Veröffentlichung des Kurses auf einer Website und so weiter.

• E - Evaluation (Evaluation), Bewertung. In der letzten Phase ist es wichtig zu bewerten, ob die beabsichtigten Ergebnisse erreicht wurden. Dies wird anhand bestimmter Metriken bewertet, die von der Spezifik und Ausrichtung des Lernens abhängen. Ist der Kurs beispielsweise eher theoretisch, kann das Bestehen einer Prüfung das Ergebnis sein; ist er praktisch, dann die Ausführung einer bestimmten Aufgabe, die Umsetzung eines Projekts und so weiter.

Als ADDIE neu war, waren seine Vorteile offensichtlich - Klarheit und Systematik, da das Programm nicht auf Vermutungen, sondern auf konkreten Ergebnissen vorheriger Forschung aufbaut. Aber jetzt fallen eher die Nachteile auf - lange Entwicklungszeit und ein geringes Maß an Flexibilität, da auch das Feedback der Lernenden Zeit in Anspruch nimmt und es daher nicht so einfach und schnell ist, Änderungen umzusetzen.

In ihrer klassischen Form sieht dieses Modell keine Zusammenarbeit zwischen Mensch und KI vor. Aber Wissenschaftler aus Marokko, Khadija Hilali und Meriem Shergui, schlugen vor, neuronale Netze direkt in ADDIE einzubetten.

ADDIE 2.0

Das Ziel der Forscherinnen Khadija Hilali und Meriem Shergui war es, die Schlüsselkomponenten von ADDIE mit den Möglichkeiten der KI zu kombinieren, um den aktuellen Bedürfnissen sowohl der Bildungsexperten als auch der Lernenden selbst gerecht zu werden.

Bei der Arbeit an der Aktualisierung des Modells führten die Forscherinnen eine Umfrage durch, um die Erwartungen und Anforderungen von 90 Kollegen - Trainern, Lehrkräften und Instruktionsdesignern - in Bezug auf die Integration von KI in ihre Arbeit zu ermitteln.

Als Ergebnis entwickelten sie ADGIE. Anstelle der Phasen Entwicklung und Implementierung sind nun Phasen der Generierung und Individualisierung getreten. Aber tatsächlich werden auf jeder Stufe des aktualisierten Modells KI-Tools eingesetzt, auch wenn die menschliche Kontrolle entscheidend bleibt.

Schritt-für-Schritt-Analyse

Phase 1 - Immer noch Analyse

Die Aufgaben in dieser Phase bleiben dieselben - die Schlüsselanforderungen des Marktes und der zukünftigen Lernenden selbst zu ermitteln. Was kann der KI in diesem Prozess übertragen werden:

• Die Generierung von Fragen zur Zielgruppenanalyse (um Wissensstand, Lernerwartungen, Bedürfnisse, Interessen, Ängste zu ermitteln).

• Die Analyse der Antworten.

• Die Erstellung eines zusammengesetzten Profils verschiedener Zielgruppensegmente.

Der Instruktionsdesigner muss jedoch die Arbeit der KI überprüfen und sicherstellen, dass alle Merkmale mit den bei der Umfrage genannten Bedürfnissen, Zielen und Lernzielen übereinstimmen.

Phase 2 - Design

Hier wird ebenfalls die Kursstruktur, die Abfolge von Modulen und Lektionen, erstellt. Dies wird auch als das "Skelett" des Kurses bezeichnet. In dieser Phase strukturiert die KI die vom Instruktionsdesigner gesammelten Inhalte (relevante Lernmaterialien), erstellt ebendiese SJM oder Student Journey Map und schlägt einen Kursprototyp vor.

Phase 3 - Generierung

Im klassischen ADDIE war die dritte Phase die "Entwicklung"; ihr Wesen ist im Grunde dasselbe geblieben. Dies ist die Erstellung der eigentlichen Lernmaterialien, mit denen die Studierenden arbeiten werden. Die Aufgaben der KI hier sind - nach der Genehmigung der Kursstruktur durch den Instruktionsdesigner - deren Inhalte zu generieren. Dies können beispielsweise Entwurfsversionen von Illustrationen und Diagrammen, Prototypen von Aufgaben, Übungen und Tests sein. Es ist entscheidend, dass der Instruktionsdesigner die Materialien sorgfältig auf Übereinstimmung, Relevanz und Qualität prüft und sie bei Bedarf eigenständig überarbeitet.

Phase 4 - Individualisierung

Die neue Version des Modells führt einen Fokus auf die Anpassung der Lernerfahrung mithilfe der KI ein, deren Personalisierung. Es ist wichtig, dass während des Lernprozesses neuronale Netze in Echtzeit Daten zum Lernfortschritt, zur Beherrschung der Materialien und zum allgemeinen Verhalten der Lernenden analysieren. Anschließend sollte die KI die Inhalte und den Lernpfad selbst anpassen. Wenn beispielsweise eine mündliche Erklärung eines Themas aus einer Videolektion für einen Lernenden unverständlich ist, generiert das neuronale Netz für ihn eine Textzusammenfassung. Die KI kann auch zusätzliche Materialien basierend auf dem Interesse und den Erfolgen der Studierenden vorschlagen.

Wie sich die Rolle des Instruktionsdesigners mit der Integration von KI verändert: Vom Inhaltsersteller zum Architekten des Lernens

Es mag scheinen, dass mit dem Aufkommen neuronaler Netze, die in der Lage sind, in Minuten einen Lehrplan, eine Vorlesung oder einen interaktiven Test zu generieren, der Beruf des Instruktionsdesigners bald bedroht sein wird. Die Realität, die theoretische Forschung und Praxis jedoch erfassen, hat sich als genau gegenteilig herausgestellt: KI schafft diese Rolle nicht ab, sondern transformiert sie radikal und macht sie strategischer, kreativer und verantwortungsvoller. Der Instruktionsdesigner hört heute auf, bloßer Kursersteller zu sein, und wird zum Architekten von Bildungsökosystemen und Kurator des digitalen pädagogischen Prozesses. Dies geschieht aufgrund von drei grundlegenden Verschiebungen.

• Vom Einzelersteller zum Qualitätskurator und Inhaltsstrategen

Früher nahmen Routineaufgaben einen erheblichen Teil der Zeit des Designers in Anspruch: das Schreiben von Texten, die Auswahl von Illustrationen, das Erstellen von Übungen. Diese grobe, technische Arbeit übernehmen jetzt neuronale Netze. Beispielsweise liefert ChatGPT oder ein ähnliches Tool auf die Eingabeaufforderung "Erstelle fünf Aufgaben zur Anwendung des Satzes des Pythagoras in realen Situationen für Schüler der 8. Klasse" sofort mehrere Optionen. Aber hier beginnt die neue, komplexere Aufgabe des Designers.

Sein Fokus verschiebt sich von der Produktion zur Expertise: Er muss das generierte Material kritisch bewerten, auf faktische Fehler ("Halluzinationen" der KI) überprüfen, die Übereinstimmung mit Lernzielen, Altersmerkmalen und sogar dem kulturellen Kontext sicherstellen. Er wird zum Filter und Verstärker. Beispielsweise könnte die KI eine Standarderklärung für ein komplexes Thema anbieten, während der Designer, gestützt auf pädagogisches Wissen, sie verfeinert, indem er eine Metapher, Analogie oder zusätzliche visuelle Elemente hinzufügt, die das Verständnis verbessern. Seine Schlüsselkompetenz ist jetzt nicht mehr einfach die Fähigkeit, etwas zu machen, sondern die Fähigkeit zu verstehen, was genau getan werden muss, diese Aufgabe korrekt an die KI zu stellen und dann - das Ergebnis auszuwählen und zu verbessern.

• Vom Lehrplanausführer zum Gestalter personalisierter Lernpfade

Ein klassischer Kurs war oft ein linearer Weg, den alle Schüler durchliefen. KI durchbricht dieses Modell und eröffnet die Möglichkeit für adaptives Lernen, das sich an die Fortschritte, das Tempo und die Interessen jedes Einzelnen anpasst. Und hier wird die Rolle des Designers der eines Drehbuchautors für interaktives Kino ähnlich.

Er entwirft nicht eine einzige feste Route, sondern ein Netzwerk möglicher Wege. Er definiert Schlüsselentscheidungspunkte: "Wenn ein Student bei dieser Aufgabe einen Fehler macht, bietet ihm das System dieses zusätzliche Modul zur Fertigkeitsübung an. Wenn er brillant abgeschnitten hat - schaltet es Zugang zu vertiefendem Material frei." Der Designer baut die Anpassungslogik in das System ein, entwickelt Verzweigungsalgorithmen und bereitet Inhalte für verschiedene Szenarien vor. Gleichzeitig bleibt er dafür verantwortlich, dass die Personalisierung substanziell ist und sich nicht in bloße Komplizierung oder Vereinfachung von Aufgaben verwandelt. Sein Ziel ist es, mithilfe der KI das Gefühl zu erzeugen, dass jeder Student einen persönlichen Mentor hat, der ihn auf dem optimalen Weg zum Ziel führt.

• Vom Technikexperten zum ethischen Garanten und Datenanalysten

Dies ist vielleicht der wichtigste und neuartigste Aspekt des Berufs. Neuronale Netze werden mit von Menschen erstellten Daten trainiert, was bedeutet, dass sie unbewusst menschliche Vorurteile reproduzieren können: geschlechtsbezogene, kulturelle, rassistische Stereotype. Der Designer muss in der Lage sein, solche Risiken zu erkennen und zu neutralisieren. Beispielsweise muss bei der Überprüfung von KI-generierten Aufgaben für Sozialkunde sichergestellt werden, dass die Beispiele Menschen unterschiedlicher Berufe und sozialer Rollen zeigen und Klischees vermeiden.

Darüber hinaus arbeitet KI im Bildungswesen mit einer riesigen Menge persönlicher Daten zu Leistung, Verhalten und Engagement der Studierenden. Der Instruktionsdesigner wird zum Beschützer der Privatsphäre, indem er Systeme so gestaltet, dass Daten ethisch, transparent und ausschließlich zu Bildungszwecken erhoben und verwendet werden.

Schließlich wandelt er sich zum Analytiker. Früher war das Feedback zu einem Kurs punktuell (Noten, Umfragen). Jetzt liefert die KI einen kontinuierlichen Datenstrom: wo Studierende in einem Video pausieren, bei welchen Fragen sie am häufigsten Fehler machen, welche Materialien sie erneut lesen. Der Designer muss in der Lage sein, diese Daten zu interpretieren, um den Kurs kontinuierlich gezielt zu verbessern und ihn effektiver und menschenzentrierter zu gestalten.

Somit entwertet die Integration von KI den Instruktionsdesigner nicht, sondern erhebt ihn im Gegenteil auf eine neue Ebene. Er wird von Routine befreit und erhält ein äußerst mächtiges Werkzeug in die Hand. Seine neue Rolle ist die eines Strategen und ethischen Kompasses. Die künstliche Intelligenz übernimmt Geschwindigkeit und Maßstab, während der Mensch Sinn, Ziele und Verantwortung behält. In dieser produktiven Symbiose entsteht die Bildung der Zukunft - flexibler, personalisierter und, wie paradox es auch klingen mag, menschlicher.