Open Access

Roksolana Pleshkanovska

• Das vorliegende Paper untersucht das Potenzial Künstlicher Intelligenz (KI) zur strategischen Optimierung didaktischer Prozesse in der Hochschullehre, mit besonderem Fokus auf die Lehrerbildung. Ausgangspunkt ist die These, dass KI-basierte Systeme individualisierte Lehr-Lern-Arrangements fördern und damit traditionelle, standardisierte Unterrichtsformate („Schema F“) in ein adaptives, evidenzbasiertes Design überführen können. Die Begriffe „Schema F“ und „Smart Design“ werden dabei im Kontext etablierter hochschuldidaktischer Modelle wie dem Constructive Alignment (Biggs & Tang) und dem SAMR-Modell (Puentedura) reflektiert und weiterentwickelt. Im Rahmen eines dreiteiligen Forschungsdesigns wurden an der TU Braunschweig folgende Studien durchgeführt: (1) eine experimentelle Lernumgebung mit dem KI-Tutor Edubot-X, (2) eine Vergleichsstudie zwischen einer klassisch geführten und einer KI-gestützten Seminargruppe, sowie (3) eine Interventionsstudie mit Lehrkräften zur Integration KI-gestützter Tools in die Unterrichtsplanung. Die Ergebnisse zeigen positive Effekte auf Lernmotivation, Selbststeuerung und didaktische Entscheidungsprozesse. Gleichzeitig wurden auch kritische Befunde erhoben, etwa hinsichtlich der Akzeptanz durch Lehrende, der Gefahr einer Überautomatisierung sowie ethischer Fragen im Umgang mit personenbezogenen Daten. Dieses Paper leistet einen wichtigen Beitrag zur Diskussion über den reflektierten Einsatz von KI in der Lehrerbildung und skizziert praxisnahe Perspektiven für eine zukunftsorientierte Hochschuldidaktik, die technologische Innovationen mit pädagogischer Verantwortung verbindet.