Vom Klassenzimmer zur Plattform: Wie aus KI-Lernagenten für DaZ das SteP-met-Konzept wurde

Bevor es SteP-met gab, gab es ein ganz konkretes Problem im Schulalltag: Klassen, in denen Schülerinnen und Schüler auf sehr unterschiedlichem Niveau lernen – besonders deutlich im Fach Deutsch als Zweitsprache (DaZ). Einheitliche Arbeitsblätter werden dem selten gerecht. Aus diesem Alltag heraus ist die Idee zu SteP-met entstanden.

Der Ausgangspunkt: individualisierte Lernmaterialien

Als Oberstufenlehrer habe ich begonnen, Unterrichtsmaterialien gezielt für einzelne Lerngruppen und Niveaus zu individualisieren – Arbeitsblätter, die sich am tatsächlichen Lernstand der Schülerinnen und Schüler orientieren, statt am Durchschnitt einer Klasse.

Das war zeitintensiv. Gleichzeitig hat es deutlich gezeigt, welchen Unterschied individuelle, kontextbezogene Unterstützung machen kann.

Denn dieselbe Aufgabe ist nicht automatisch für jede Schülerin und jeden Schüler die richtige Aufgabe. Gerade im Bereich Deutsch als Zweitsprache können Lernstände und individuelle Herausforderungen innerhalb einer Lerngruppe erheblich variieren.

Aus dieser praktischen Erfahrung entstand die Frage, wie sich die Individualisierung sinnvoll weiterentwickeln lässt.

Von Arbeitsblättern zu KI-Lernagenten

Der nächste Schritt waren KI-gestützte Lernagenten, zunächst insbesondere für Deutsch als Zweitsprache.

Dabei zeigte sich etwas Grundsätzliches: Der eigentliche Mehrwert lag nicht allein darin, dass die KI neue Inhalte generieren konnte.

Entscheidend war vielmehr, dass sie relevante Informationen aus einem konkreten Kontext – etwa Lernstand, Aufgabentyp und individuelle Herausforderungen – als Grundlage für Unterstützung und Empfehlungen nutzen konnte.

Damit veränderte sich auch die zentrale Fragestellung.

Nicht mehr nur:

Was kann KI generieren?

Sondern:

Welchen Kontext braucht die KI, damit ihre Unterstützung zur tatsächlichen Situation passt?

Die Erkenntnis, die SteP-met geprägt hat

Diese Beobachtung aus dem Klassenzimmer wurde zum Kernprinzip von SteP-met.

KI ist dann besonders wertvoll, wenn sie nicht „lose“ arbeitet, sondern gezielt auf autorisierte und strukturierte Informationen aus einem konkreten Anwendungskontext zugreift.

Im Bildungsbereich können dazu beispielsweise Lernfortschritt, Aufgaben und Lernpfade gehören. Über LTI 1.3 oder weitere geeignete LMS-Schnittstellen können bestehende Lernplattformen in einen solchen Ansatz einbezogen werden.

Das Ziel ist nicht, eine bestehende Lernumgebung durch einen allgemeinen KI-Chatbot zu ersetzen. Vielmehr soll der vorhandene Lernkontext zur Grundlage für individuelle Lernunterstützung, Feedback, Analysen und Empfehlungen werden.

Auf der internen Seite „Lösungen“ wird dieser Bildungsansatz ausführlicher beschrieben.

Sie arbeiten bereits mit einer Lernplattform und sehen einen konkreten Anwendungsfall für KI? SteP-met kann mit Ihnen prüfen, welche vorhandenen und autorisierten Informationen für einen klar abgegrenzten Pilot sinnvoll genutzt und über eine geeignete Schnittstelle eingebunden werden können.

Vom Klassenzimmer in andere Kontexte

Aus dem pädagogischen Ansatz entwickelte sich schrittweise das breiter einsetzbare SteP-met-Konzept.

Denn das Grundprinzip lässt sich übertragen.

Im Corporate Training können bestehende Lernplattformen, Trainingsdaten, Kompetenzmodelle und Lernpfade den relevanten Kontext bilden.

Im Sport sind es beispielsweise Leistungs-, Match- und Trainingsdaten. Sie können als Grundlage für Match- und Leistungsanalysen, Trainerempfehlungen oder individuelle Trainings-Challenges dienen.

Im Unternehmens- und Kundensupport wiederum können Wissensbestände, Produktinformationen, interne Prozesse sowie konkrete Support- und Kundenkontexte relevant sein.

Was im Klassenzimmer als individualisiertes Arbeitsblatt begann, wurde damit zu einem Prinzip für unterschiedliche Einsatzgebiete:

Vorhandene Daten und Systeme werden über geeignete Schnittstellen mit kontextbasierter KI verbunden.

Der Kontext ändert sich. Das Prinzip bleibt gleich.

Bestehende Systeme statt KI auf der grünen Wiese

Diese Entwicklung prägt auch die technologische Ausrichtung von SteP-met.

Institutionen und Unternehmen verfügen in der Regel bereits über Systeme, Plattformen und Datenbestände. Statt diese grundsätzlich zu ersetzen, wird betrachtet, wie relevante Informationen daraus für einen konkreten KI-Anwendungsfall erschlossen werden können.

SteP-met ist deshalb nicht an eine einzelne Plattform oder Schnittstelle gebunden. Je nach Ausgangslage kommen LTI 1.3, LMS-Integrationen, APIs, Datenprovider oder kundenspezifische Schnittstellen infrage.

Die interne Seite „Integration“ erläutert diesen technologieoffenen Ansatz genauer.

Kontextbasierte Unterstützung verlangt einen bewussten Umgang mit Daten

Der pädagogische Ursprung von SteP-met erklärt zugleich, warum nicht möglichst viele Daten in den KI-Kontext gehören.

Entscheidend sind die Informationen, die für die konkrete Aufgabe tatsächlich relevant und autorisiert sind.

Die Architektur ist auf kontrollierte Datenverarbeitung ausgerichtet. Wo es der jeweilige Anwendungsfall ermöglicht, können Informationen pseudonymisiert oder ohne Klarnamen im KI-Kontext verarbeitet werden. Die konkrete technische Umsetzung orientiert sich an den Datenschutz-, Sicherheits- und Governance-Anforderungen der jeweiligen Institution oder des Unternehmens.

Für den skalierbaren Betrieb seiner Systeme setzt SteP-met auf Microsoft Azure.

Mit einem klaren Use Case beginnen

Auch bei neuen Projekten bleibt der Ausgangspunkt derselbe wie damals im Klassenzimmer: ein konkreter Bedarf.

Deshalb stehen für die Zusammenarbeit zunächst klar abgegrenzte Pilotprojekte im Vordergrund. Ein solcher Pilot kann einen definierten Use Case, eine festgelegte Datenquelle, eine begrenzte Nutzerzahl und eine klare Laufzeit umfassen.

Damit lässt sich prüfen, ob der SteP-met-Ansatz im jeweiligen Umfeld einen praktischen Nutzen bietet, ohne aus der ersten Idee eine unbegrenzte Individualentwicklung zu machen.

SteP-met ist nicht aus einer abstrakten Technologieidee entstanden.

Am Anfang stand ein konkretes pädagogisches Problem: Schülerinnen und Schüler mit unterschiedlichen Lernständen gezielter zu unterstützen. Aus individualisierten Arbeitsblättern wurden KI-Lernagenten. Aus den Erfahrungen mit diesen Lernagenten entstand wiederum eine Erkenntnis, die heute weit über das Klassenzimmer hinausgeht.

Der Mehrwert von KI liegt nicht nur darin, neue Inhalte zu generieren. Entscheidend ist, relevante Informationen aus dem tatsächlichen Kontext gezielt für Unterstützung, Analyse und Empfehlungen zu nutzen.

Heute wird dieses Prinzip auf Bildung, Corporate Training, Sport sowie Unternehmens- und Kundensupport übertragen.

Sie haben einen konkreten Anwendungsfall in Ihrer Schule, Bildungsinstitution, Ihrem Sportverein oder Unternehmen?

Gemeinsam können wir prüfen, welche vorhandenen Daten und Systeme für einen klar abgegrenzten Pilot genutzt werden können.