KI-Agenten in Schule und Unterricht: Zwischen Erledigen und Lernen

Verfasst von Manuel Flick

Eine neue Unterrichtsreihe, am Montag soll sie stehen. Das Thema kennt ihr, aber ihr habt es seit Jahren nicht mehr unterrichtet. Ihr sucht eure alten Unterlagen raus und stellt fest, dass die Hälfte überholt ist. Andere Zahlen, neue Rechtslage, ein Layout, das ihr heute anders machen würdet.

Eine entsprechende Aktualisierung summiert sich und kostet Zeit. Mittlerweile kann euch jedoch KI entlang des gesamten Prozesses unterstützen, und zwar autonom! Die KI sichtet eure Materialien, recherchiert Änderungen, passt Inhalte sowie Layout an und liefert euch überarbeitete Materialentwürfe zur Weiterarbeit in euren Dateiordner. Das passende Lernspiel und 3x differenziertes Material werden gleich mitgeliefert.

Das ist keine Zukunftsmusik, sondern funktioniert bereits. Dahinter steckt agentische KI.

Während KI-Chatbots gerade in der Breite ankommen, schreitet mit KI-Agenten bereits die nächste Entwicklungsstufe in einem Tempo voran, das schwer zu fassen ist. Wie schnell, zeigt sich gerade besonders gut an Claude von Anthropic. Seit Jahresanfang werden im Wochentakt neue Funktionen veröffentlicht, viele davon mit agentischem Charakter. Hierbei geht es aber um weit mehr als technische Neuerungen. Es entsteht eine neue Form, mit KI zu interagieren und zu arbeiten.

Gleichzeitig entstehen durch KI-Agenten neue Möglichkeiten wie auch Herausforderungen im Kontext von Lernen und Unterricht, die es einzuordnen gilt.

Mit diesem Beitrag möchte ich nicht nur meine eigenen Gedanken zum Thema ordnen, sondern auch euch gleich mitnehmen, damit ihr euch ebenfalls einen Überblick über agentische KI verschaffen könnt. Ihr erfahrt, was KI-Agenten sind, warum das Thema für Lehrkräfte relevant ist und wie ihr selbst die ersten Schritte gehen könnt.

1. KI-Agenten verstehen: Drei Stufen der KI-Nutzung 🤖

Der Begriff „KI-Agent" wird aktuell vielerorts als Marketing-Begriff und Buzzword verwendet, entsprechend unscharf ist der Begriff mittlerweile geworden. Deshalb lohnt sich eine Abgrenzung, um klarzustellen, was mit „KI-Agenten" tatsächlich gemeint ist.

Für eine entsprechende Einordnung für die schulische Praxis verwende ich einen dreistufigen Ansatz aus der Anwendungsperspektive von Lehrkräften, der den Bogen vom klassischen Chatten über das Konfigurieren hin zum Delegieren spannt. Im Fokus steht zunächst die KI-Nutzung für Aufgaben rund um Schule und Unterricht und nicht der Einsatz von KI als Lernwerkzeug für Schüler:innen.

„3 Stufen der KI-Nutzung" von Manuel Flick, lizenziert unter CC BY-SA 4.0.

Stufe 1: Chatten (KI-Chatbots)

Ihr formuliert einen Prompt, die KI antwortet. Das ist der klassische KI-Chatbot-Modus, den die meisten kennen. Die KI greift dabei auf ihre Trainingsdaten zurück und generiert auf Basis eurer Eingaben eine passende Antwort. Bei Bedarf durchsuchen viele Chatbots inzwischen zusätzlich das Web, wenn aktuelle Informationen gefragt sind.

Eine einfache Aufforderung wäre: „Erstelle Übungsaufgaben zum Thema Industrialisierung." Ihr erhaltet ein (unter Umständen generisches) Ergebnis unter Berücksichtigung der Daten im Datensatz und ggf. der Ergebnisse aus der Web-Suche. Ihr könnt selbstverständlich weitere Informationen zum Unterrichtsvorhaben bereitstellen oder passende Beispiele hochladen, um das Ergebnis weiter zu verfeinern. Es kann selbstverständlich Schritt für Schritt nachgefasst und angepasst werden, bis das Ergebnis für den gewünschten Zweck passt.

Diese Art der KI-Nutzung findet ihr bei allen gängigen KI-Chatbots, in den meisten Fällen schon mit einem kostenfreien Plan. Auch die datenschutzkonformen KI-Chatbots für den Bildungsbereich wie fobizz, AIS.chat oder schulKI arbeiten in der Standard-Konfiguration so.

Oberfläche KI-Chatbot am Beispiel AIS.chat

Ihr könnt KI so schnell und unkompliziert nutzen, müsst aber bei jeder Aufgabe von vorne beginnen und erneut angeben, wo ihr steht und was ihr braucht.

Eine Zwischenstufe: Der Mega-Prompt

Als Erweiterung von Stufe 1 kann die Verwendung sogenannter „Mega-Prompts" gesehen werden. Hierbei werden wichtige Informationen wie Rolle, Zielgruppe, Schwierigkeitsgrad, Kontext oder Format in strukturierter Form über das Chatfenster bereitgestellt. Die Informationen werden vom KI-Chatbot entsprechend berücksichtigt.

Stufe 2: Konfigurieren (KI-Assistenten)

Auf dieser Stufe setzt ihr verbindliche Regeln und stellt eurem KI-Tool auf Dauer angelegten Kontext bereit. Mit entsprechenden System-Prompts werden dabei wichtige Informationen wie Rolle, Zielsetzung, Kontext, Format sowie entsprechende Regeln und gewünschtes Verhalten in strukturierter Form hinterlegt. Euer KI-Tool greift dann auf eine angelegte Wissensbasis zurück und folgt einem klaren, vordefinierten Ablauf, statt nur spontan zu antworten.

Auf den Prompt „Erstelle Übungsaufgaben zum Thema Industrialisierung." reagiert euer KI-Tool bei richtiger Konfiguration im Vergleich zu Stufe 1 direkt differenzierter. Es kennt euer Fach, eure Planung, euer Material und euren Stil. Durch den hinterlegten Kontext ist beispielsweise bekannt, dass die Übungsaufgaben für eure Klasse in Jahrgangsstufe 9 gedacht sind. Durch die formulierten Regeln ist klar, dass sich die zu erstellenden Übungsaufgaben nur auf das hinterlegte Unterrichtsmaterial beziehen sollen. Entsprechend eingerichtet erhaltet ihr über mehrere Chats hinweg vergleichbare Ergebnisse und einfache Arbeitsabläufe werden ohne erneuten Einrichtungsaufwand wiederholbar.

Wie ihr das in der Praxis umsetzt, hängt vom Tool ab. Viele KI-Chatbots wie Claude oder ChatGPT setzen auf sogenannte Projekte, die sich mit festen Anweisungen und Hintergrundwissen einrichten lassen. Zudem lassen sich Custom Chatbots erstellen, bei denen ebenfalls Regeln, Hinweise sowie eine Wissensbasis hinterlegt und bestimmte Tools (Websuche, Bilderstellung …) zugeschaltet werden können. ChatGPT nennt diese Custom Chatbots „CustomGPTs", bei Google Gemini werden diese als „Gems" bezeichnet. Viele bildungsspezifische Plattformen (u.a. AIS.chat, fobizz) bieten diese Funktion unter der Bezeichnung „KI-Assistenten" an.

KI-Agenten und KI-Assistenten Schule Unterricht

Einrichtung eines KI-Assistenten am Beispiel von fobizz

Für euch bedeuten KI-Assistenten zu Beginn mehr Einrichtungsaufwand, der sich bei wiederkehrenden Aufgaben jedoch in der Regel bezahlt macht.

Zwischen Assistent und Agent: KI-Workflows

Eine Erweiterung von Stufe 2 sind sogenannte KI-Workflows. Spezialisierte Tools wie Zapier, Make oder n8n ermöglichen die Automatisierung von komplexen Arbeitsabläufen, in denen ihr einen Auslöser, eine Reihenfolge und Schritte vorab definiert und mehrere Tools miteinander verknüpfen könnt. KI ist dabei ein Baustein an bestimmten Stellen im Workflow und agiert entsprechend eurer Vorgaben. Solche KI-Workflows sind mehr als Assistenten, aber noch keine Agenten, weil die Planung des Ablaufs und die Auswahl der Tools weiter bei euch bleibt. Im Unternehmensbereich spielen solche KI-Workflows eine große Rolle, für Schule und Unterricht sind sie im Moment (noch) ein Randthema. Möglichkeiten sehe ich dennoch, vor allem im Bereich der Schulverwaltung, wo sich wiederkehrende Abläufe automatisieren und Prozesse vereinfachen ließen.

Stufe 3: Delegieren (KI-Agenten)

Hier passiert der entscheidende Sprung. Ihr definiert ein Ziel, den Rest erledigt ein KI-Agent autonom. Der KI-Agent plant die notwendigen Teilschritte selbstständig, trifft Zwischenentscheidungen eigenständig und greift dabei, falls nötig, auf passende, freigegebene Werkzeuge sowie ein sich laufend aktualisierendes Gedächtnis zurück, das eure Anpassungen und Arbeitsweisen behält, bevor ein fertiges Ergebnis geliefert wird.

Auf den Prompt „Erstelle Übungsaufgaben zum Thema Industrialisierung." fängt euer KI-Agent im Vergleich zu Stufe 2 an, eigenständig zu recherchieren und umfassend zu planen, um den weiteren Ablauf festzulegen. Zu Beginn kommen unter Umständen proaktive Rückfragen, mit denen sich das gewünschte Ergebnis genauer fassen lässt. Im Erstellungsprozess greift euer KI-Agent dann auf eure vorhandenen Unterrichtsmaterialien zu und sucht passende Vorlagen heraus. Durch eure Designvorgaben weiß der KI-Agent genau, wie ihr Übungsaufgaben und Arbeitsblätter layoutet. Ergänzend wird die Websuche verwendet, um Informationen zu verifizieren und aktuelle Ereignisse in den Aufgaben zu berücksichtigen. Mit einem weiteren Tool wird dann direkt ein Word-Dokument erstellt, das in eurem Ordner für Unterrichtsmaterialien an der richtigen Stelle abgelegt wird.

Wie ihr das in der Praxis umsetzt, hängt wiederum vom KI-Tool ab. Für den niedrigschwelligen Einstieg eignet sich beispielsweise der Agentenmodus in ChatGPT, der einfache mehrstufige Aufgaben übernehmen und beispielsweise für euch auf Webseiten navigieren, klicken und Felder ausfüllen kann. Wer tiefer einsteigen will, findet etwa mit Claude Cowork oder ChatGPT Codex fortgeschrittene Werkzeuge mit deutlich mehr Möglichkeiten. In beiden Fällen wird jedoch ein kostenpflichtiger Plus- bzw. Pro-Account benötigt. In bildungsspezifischen KI-Tools ist agentische KI bisher nicht zu finden oder nur in Ansätzen vertreten.

KI-Agenten Claude Cowork Schule Unterricht

Agentische KI am Beispiel von Claude Cowork

Wichtig dabei: Delegieren heißt, die Ausführung abzugeben, nicht die Verantwortung. Ihr bleibt Auftraggeber:in, legt die Leitplanken fest und prüft, was am Ende rauskommt. Hier verschiebt sich der Fokus weg von Prompting und Erstellung hin zu einer sorgfältigen Kontrolle der Ergebnisse. Diese Stufe verlangt zugleich ein umfassenderes (technisches) Verständnis und mehr Vertrauen in das, was der Agent eigenständig tut.

Mehrere Agenten im Team: Multi-Agenten-Systeme

Noch einen Schritt weiter geht die Variante, in der mehrere spezialisierte Agenten parallel zusammenarbeiten. Ein Agent recherchiert, ein weiterer erstellt Materialien, ein dritter prüft die didaktische Qualität. Ein übergeordneter Agent steuert die anderen und führt die Ergebnisse am Ende zusammen. Man spricht von Multi-Agenten-Systemen. Ein sehr anschauliches Beispiel dazu findet ihr auf dem Blog von Joscha Falck (2026), wo ein Team spezialisierter Agenten ein komplettes Escape-Game für den Geschichtsunterricht baut.

ℹ️ Hinweis zur Einstufung

Die Übergänge zwischen den drei Stufen sind fließend und nicht immer klar abgrenzbar. So können Mega-Prompts der Stufe 1 schon Elemente enthalten, die auch in System-Prompts der Stufe 2 stecken. Auch KI-Assistenten und KI-Workflows können je nach Konfiguration in Teilen bereits autonom reagieren, etwa wenn Tools zur Recherche oder Websuche verwendet werden.

2. Wie funktionieren KI-Agenten? Bausteine und technischer Hintergrund 🛠️

KI-Abbildung, erstellt mit Nano Banana Pro 2, prompted by Manuel Flick

Damit KI-Agenten ihre Stärke ausspielen können, brauchen sie im Wesentlichen drei Bausteine.

Das Sprachmodell im Hintergrund ist das Gehirn des Agenten und übernimmt das Planen, Schlussfolgern und Antworten. Damit komplexe Aufgaben gelingen, braucht es Modelle, die mehrstufig logisch denken können. Hierfür eignen sich besonders aktuelle Reasoning-Modelle, zum Beispiel GPT-5.5 Thinking oder Claude Opus 4.8.

Die Werkzeuge bestimmen, was ein Agent tatsächlich tun kann. Sie reichen von der Web-Recherche über das Lesen, Erstellen und Speichern von Dateien bis hin zum Zugriff auf eure Apps, Tools oder sogar euren Kalender. Damit das funktioniert, gibt es einen Standard namens MCP (Model Context Protocol). Darüber lassen sich Apps und Programme mit wenigen Klicks mit eurem KI-Tool verbinden. Das kann man sich vorstellen wie einen standardisierten USB-Anschluss, der verschiedene Geräte miteinander koppelt.

Das Gedächtnis sorgt dafür, dass der Agent Zusammenhänge über Gespräche und Aufgaben hinweg behält. Der KI-Agent greift dafür auf eure angelegte Wissensbasis zurück und zieht Erkenntnisse aus früheren Chats heran. Entsprechend konfiguriert wird das Gedächtnis selbstständig aktuell gehalten: Neue Informationen werden erkannt und ergänzt, sodass das System eure Arbeitsabläufe und Vorgehensweisen mit der Zeit immer besser kennt.

3. KI-Agenten-Tools im Überblick 🧰

Die Auswahl an agentischen KI-Tools wächst gerade rasant. Hier eine Auswahl von aktuell wichtigen Vertretern.

  • ChatGPT Agentenmodus (OpenAI): Einstiegsvariante, integriert in ChatGPT Plus und Pro. Geeignet für einfache, mehrstufige Aufgaben mit Web-Zugriff oder Dokumentenbearbeitung. Mit einem kostenpflichtigen Plus-Plan stehen euch aktuell 40 Agenten-Aufgaben pro Monat zur Verfügung.

  • Claude Cowork (Anthropic): Fortgeschrittenes, agentisches KI-Werkzeug mit Zugriff auf euer lokales Dateisystem und der Möglichkeit, eine Vielzahl von Apps und Tools einzubinden. Für die Verwendung ist ein kostenpflichtiger Account erforderlich.

  • Manus (Meta): Cloud-basierter autonomer Agent, der eigenständig Aufgaben wie Recherche, Datenanalyse oder Dokumentenerstellung übernimmt. Wurde im März 2025 zunächst invite-only als einer der ersten autonomen Agenten breit bekannt und gehört seit Dezember 2025 zu Meta. Der kostenfreie Plan bietet stark eingeschränkten Zugriff auf die Agenten-Features.

  • Perplexity Computer (Perplexity): Ein agentisches System mit Zugriff auf verschiedene Sprachmodelle. Für die jeweilige Aufgabe wird automatisch das passende Modell ausgewählt, mehrere Modelle lassen sich kombinieren.

  • Coding-Agenten wie Claude Code, ChatGPT Codex oder Google Antigravity, mit stärkerem Fokus auf Coding, die darüber hinaus aber noch weitere Möglichkeiten bieten aber auch ein etwas höheres technisches Verständnis erfordern.

  • OpenClaw (Open Source): Lokal auf eurem Rechner laufende Open-Source-Alternative mit direktem Zugriff auf eure Dateien, Programme und euren Browser. Eine Variante für Power-User, die mehr Kontrolle und volle Datenhoheit bietet, aber gleichzeitig höhere Einrichtungshürden und Sicherheitsrisiken birgt.

  • Hinzu kommen weitere Open-Source-Agenten wie OpenCode, über den jüngst Nele Hirsch ausführlich auf ihrem Blog berichtet hat.

4. KI-Agenten im Schulalltag: Drei Anwendungsfälle 🎯

Nachfolgend möchte ich euch drei konkrete Anwendungsfälle vorstellen, die zeigen, wie KI-Agenten im Schulalltag von Lehrkräften eingesetzt werden können.

Unterrichtsmaterial erstellen und anpassen

Wie bereits eingangs angeschnitten, können KI-Agenten bei der Unterrichtsvorbereitung und Materialerstellung an zahlreichen Stellen unterstützen. Hier geht es nicht nur um Zeitgewinne, sondern um die Möglichkeit, Material umfassender und differenzierter aufbereiten zu lassen. Ausgangsmaterial lässt sich so in differenzierte Versionen überführen oder multimodal gestalten. Ebenso lassen sich Arbeitsmaterialien inhaltlich aktualisieren, zusammenführen oder in einem entsprechend einheitlichen Layout aufbereiten.

Besonders interessant wird es bei Dingen, die vorher für den üblichen Schulalltag schlicht zu aufwendig waren. Ein interaktives Lernspiel, ein digitales Quiz oder eine kleine Übungs-Website sind durch agentische KI in Reichweite. Ein Teil der Vorarbeit wird von KI-Agenten abgenommen und die zeitlichen Ressourcen verschieben sich stärker zur (didaktischen) Prüfung und Anpassung der Ergebnisse. Richtig aufgesetzt entsteht nicht einfach schneller dasselbe Material, sondern es eröffnen sich Formate, die im normalen Schulalltag sonst kaum umsetzbar sind.

Planung und Organisation außerhalb des Unterrichts

KI-Agenten lassen sich zielführend für Aufgaben einsetzen, die über die reine Unterrichtstätigkeit hinausgehen. Hier sehe ich vor allem organisatorische und planerische Aufgaben im Fokus. Bei der Planung von Exkursionen, Klassen- oder Abschlussfahrten können KI-Agenten für euch Anreise-Optionen heraussuchen und in einer Vergleichstabelle gegenüberstellen, passende Unterkünfte filtern, ein unterrichtsbezogenes Programm vorschlagen und direkt einen Entwurf für Eltern-Info und Genehmigungsantrag erstellen - alles abgelegt in einem entsprechenden Ordner. Auch darüber hinaus sind Einsatzszenarien denkbar, etwa bei der Planung eines Ausbildertages, einer Projektwoche, eines Schüleraustauschs, eines Wettbewerbs, einer Abschlussfeier oder der Praktikumsorganisation.

Materialien und Dateien ordnen

KI-Agenten können eure Materialsammlungen aus Arbeitsblättern, Linksammlungen, Artikeln sowie Fortbildungsnotizen umbenennen, verschlagworten und in eine sinnvolle Ordnerstruktur bringen. Das geht auch bei mehreren hundert Dateien in einer über Jahre gewachsenen Ablage. Genau dieses Aufräumen lässt sich einem KI-Agenten übergeben, indem ihr die Freigabe für den entsprechenden Ordner erteilt (vorher lohnt sich eine Sicherheitskopie). In diesem Zuge werden eure Dateien in einer klaren Struktur angeordnet und abgelegt, sodass Materialien wieder einfach auffindbar sind.

5. Risiken und Herausforderungen beim KI-Agenten-Einsatz ⚠️

KI-Agenten bieten zweifellos verlockende Möglichkeiten, ihr Einsatz bringt jedoch zeitgleich zahlreiche Risiken und Herausforderungen mit sich, die beachtet werden müssen.

Halluzinationen bleiben ein Problem

KI-Agenten machen Fehler und halluzinieren. Auch mit Kontextwissen und eng gesetzten Leitplanken können KI-Agenten Fakten erfinden, Quellen falsch zuordnen oder Zusammenhänge herstellen, die nicht existieren. Die Systeme werden grundsätzlich leistungsfähiger und zuverlässiger, Fehler sind aber nicht ausgeschlossen.

Umso wichtiger sind klare Vorgaben, beispielsweise welche Quellen verwendet werden dürfen, sowie eine umfassende Prüfung der Ergebnisse, vor allem wenn diese für Schule und Unterricht eingesetzt werden.

Datenschutzrechtliche Aspekte

Wie bei klassischen KI-Chatbots gelten auch bei agentischer KI strikte datenschutzrechtliche Anforderungen. Für die Unterrichtsvorbereitung und allgemeine planerische Tätigkeiten ohne Personenbezug ist der Einsatz unkritischer. Sobald personenbezogene Daten ins Spiel kommen, sind jedoch sehr enge Grenzen gesetzt und offizielle Vorgaben bzw. Freigaben und Einschränkungen müssen bei schulischen Einsatz strikt beachtet werden.

Datenschutzrechtlich relevant wird es ebenso, sobald ihr einem Agenten Zugriff auf Apps und Programme mit sensiblen Daten erteilt, etwa auf euer Mailpostfach, euren Kalender oder eure Dateiablage. Prüft in diesen Fällen vorab, welche Daten der Agent dabei tatsächlich zu sehen bekommen soll, und lasst besondere Vorsicht walten.

Neue Gefahren und Kontrollverlust

Die Stärke von KI-Agenten liegt im Zugriff auf eure Programme und Dateien. Genau das birgt aber auch neue Risiken, besonders wenn Zugriff auf Programme mit wichtigen und sensiblen Daten erteilt wird. Neben der eben genannten datenschutzrechtlichen Aspekten können wichtige Daten unwiderruflich gelöscht, verschoben oder geändert werden.

Eine weitere Gefahr sind sogenannte Prompt Injections. Wenn ein KI-Agent beispielsweise auf Webseiten zugreift, können dort versteckte Anweisungen bewusst Schadverhalten auslösen, etwa das Löschen oder Verschicken von Daten.

Aufgrund des hohen Autonomiegrades ist also sehr behutsames Vorgehen angesagt: Zugriffsrechte eng vergeben, Freigabe-Schleifen einbauen und klare Grenzen setzen, um die Kontrolle zu behalten.

Kosten und Nutzungslimits

Viele agentische KI-Tools stehen aktuell nur über Bezahl-Accounts zur Verfügung. Bei ChatGPT oder Claude fallen hierfür aktuell rund 20 € im Monat für einen Plus- bzw. Pro-Account an (Stand: Juni 2026). Hinzu kommt, dass agentische KI deutlich mehr Rechenleistung benötigt, oft ein Vielfaches einer normalen Chat-Interaktion. Bei einigen Anbietern stoßt ihr dadurch schnell an Limits. Claude arbeitet beispielsweise mit einem Fünf-Stunden-Limit und einem wöchentlichen Limit, das bei intensiver Nutzung schnell aufgebraucht sein kann.

Open-Source-Tools wie OpenClaw oder OpenCode könnt ihr grundsätzlich kostenfrei und ohne Limit auf dem eigenen Rechner oder einem Server betreiben. Ganz umsonst ist es trotzdem nicht. Die Sprachmodelle dahinter laufen entweder über kostenpflichtige API-Zugänge oder lokal, wofür ihr aber zumindest bei stärkeren Modellen leistungsfähige Hardware benötigt, die ebenfalls kostenintensiv sein kann.

6. KI-Agenten und das Lernen selbst 🧠

Während sich die bisherigen Ausführungen auf die Perspektive von Lehrkräften und die an KI-Agenten delegierbaren Tätigkeiten konzentrierten, eröffnet agentische KI ebenfalls Potenziale und neue Möglichkeiten für Lernen und Unterricht. In diesem Zuge muss jedoch auch die Kehrseite betrachtet werden: Was euch als Lehrkraft Arbeit abnimmt, kann euren Schüler:innen auch das Lernen abnehmen.

Zur weiteren Einordnung lohnt zunächst die Unterscheidung zwischen KI für Produktivität und KI für das Lernen. Die gegenwärtigen agentischen Tools sind für die Arbeitswelt gebaut und darauf ausgelegt, ein gutes Endergebnis mit möglichst geringem Aufwand zu liefern. Für die Arbeit ist das gewinnbringend, fürs Lernen wird es zum Problem.

In einem kürzlich veröffentlichten Paper arbeiten Khosravi et al. (2026) genau diesen Unterschied heraus und stellen dazu KI für Produktivität und KI für Lernen gegenüber.

Durch agentische KI können Schüler:innen nun Aufgaben noch einfacher an KI abgeben, ohne selbst am Lernprozess teilgenommen zu haben. Das Endprodukt wird abgeliefert, ein Lernprozess findet jedoch nicht statt. Florian Nuxoll (2024) beschreibt dies für die KI-Nutzung allgemein als „Skill Skipping".

Damit sind die Chancen agentischer KI fürs Lernen aber nicht vom Tisch. Sie zeigen sich erst, wenn KI gezielt für Lernen gestaltet wird. Auch hier lohnt ein differenzierter Blick.

Wenn Schüler:innen KI-Chatbots einsetzen, um sich Hinweise und Lösungen zu geben, lernen sie dabei kaum etwas. In einer großangelegten Untersuchung übten Schüler:innen mit unbegrenztem Chatbot-Zugang zunächst deutlich besser, schnitten in der anschließenden Prüfung ohne KI aber schlechter ab als die Gruppe ganz ohne KI-Zugang (Bastani et al. 2025).

Daran ändern auch die sogenannten „Study-Modes" der großen KI-Anbieter wenig, also spezielle Lernmodi, die statt fertiger Antworten Rückfragen und Schritt-für-Schritt-Hilfe geben. Genauso wenig gewinnbringend sind nach Khosravi et al. (2026) per Prompt eingerichtete KI-Lernassistenten, da diese nur auf einzelne Fragen reagieren, aber den Lernstand von Schüler:innen nicht kennen. Dadurch unterstützen sie bei der aktuellen Aufgabe, statt Kompetenz über die Zeit aufzubauen.

Als Lösung werden sogenannte „AI Learning Companions“ vorgeschlagen. Das sind pädagogisch fundierte, adaptive Agenten, die ausdrücklich auf nachhaltiges Lernen statt auf schnelles Erledigen ausgerichtet sind. Sie stehen auf drei Pfeilern:

  • einer pädagogischen Fundierung,

  • einer sich anpassenden Komponente, die mit der Zeit mehr über die Lernenden lernt,

  • und einer verantwortlichen Gestaltung mit Blick auf Transparenz, Sicherheit und Datenschutz (Khosravi et al. 2026).

Entsprechende Lern-Agenten sind in der Lage, Schüler:innen individuell zu begleiten, zu erkennen, wo es hakt, und Anforderung wie Unterstützung an den Lernstand anzupassen (vgl. Weßels 2025a).

Noch stehen wir dabei aber eher am Anfang. Ausgereifte agentische Lernsysteme sind, zumindest im deutschsprachigen Raum, bislang kaum verfügbar, doch erste Ansätze zeigen, wohin es gehen kann. So passt etwa die adaptive Lernplattform RiPPLE Aufgaben an den Wissensstand der Lernenden an und wird nach eigenen Angaben von mehr als 80.000 Studierenden genutzt (Khosravi et al. 2026).

Werden solche Systeme gezielt auf das Lernen ausgerichtet, didaktisch fundiert und datenschutzkonform gestaltet, kann perspektivisch viel Potenzial für Lernen entstehen.

7. Was das für Schule und Lehrkräfte bedeutet 🏫>

Das Thema KI-Agenten ist bereits heute Realität, deshalb müssen sich Lehrkräfte zunehmend damit auseinandersetzen. Das gilt nicht nur wegen der neuen Möglichkeiten, sondern auch wegen neuer Risiken und damit einhergehender Verantwortung. Ebenso muss das Thema perspektivisch im Unterricht eine noch stärkere Rolle spielen. Drei Punkte sind dabei für mich wesentlich.

Eine Erweiterung von KI-Kompetenz

Mit Blick auf die Anwendungskompetenz reicht es nicht mehr, die Bedienung von KI-Chatbots zu beherrschen. Wer KI-Agenten sinnvoll und reflektiert einsetzen will, muss verstehen, worum es sich dabei handelt und wie die Einbettung in den eigenen Arbeitsablauf sowie in Lernsettings gelingt. Eine entsprechend umfassende KI-Kompetenz (vgl. Alles et al. 2025) muss solche neuen und erweiterten Nutzungsszenarien abdecken und berücksichtigen. AI Leadership (vgl. Weßels 2025b), also das werteorientierte und reflektierte Steuern von KI-Systemen, ohne die Entscheidungshoheit an die Technik abzugeben, rückt im Kontext von KI-Agenten noch stärker in den Mittelpunkt.

Dies gilt für Lehrkräfte, aber gleichermaßen für Schüler:innen. Auch sie sind in ihrem privaten Umfeld wie in ihrem (zukünftigen) Arbeitsalltag zunehmend mit KI-Agenten konfrontiert. Hierbei geht es darum, aufzuklären, ihre reflektierte Anwendungskompetenz zu stärken, mit ihnen über Potenziale und Risiken zu sprechen und das Thema KI-Agenten mehrperspektivisch im Unterricht zu beleuchten.

Auswirkungen auf die Arbeitswelt (und Fachinhalte)

Durch agentische KI verändern sich ganze Berufsbranchen, was nicht nur mit Blick auf den berufsbildenden Bereich relevant ist. Ich unterrichte angehende E-Commerce-Kaufleute, und in diesem Berufsbild zeigt sich schon heute sehr deutlich eine Verschiebung: Zentrale Aufgaben wie Produkttext-Erstellung, einfache Datenauswertung oder Kundenkommunikation lassen sich zunehmend an KI-Agenten abgeben.

Am Beispiel des Ausbildungsberufs “Kaufmann/-frau im E-Commerce“ wird deutlich sich, wie sich Berufszweige verändern und zugleich neue Kompetenzen gefragt sind. Zugleich wird deutlich, wie sich in diesem Zuge schon jetzt konkrete fachliche Inhalte des Unterrichts verschieben.

Auch über den berufsbildenden Bereich hinaus müssen Diskussionen um Jobverluste, Automatisierung und die Zukunft bestimmter Berufsfelder mit Schüler:innen ehrlich geführt werden. Mit erneutem konkretem Blick auf die Berufsbildung sind zudem Auswirkungen auf Schüler:innenzahlen durch die fortschreitende Entwicklung agentischer KI denkbar.

Die veränderte Rolle der Lehrkraft

Mit dem Einzug agentischer KI verschiebt sich auch die Rolle der Lehrkraft, weg von der Wissensvermittlung hin zur Lernbegleitung in KI-gestützten Umgebungen.

Mit Bezug auf Weßels (2025a) erweitert sich die Rolle von Lehrkräften durch agentische KI auf mehreren Ebenen:

Als Content-Kurator:innen stellen Lehrkräfte gezielte Lernmaterialien bereit und verantworten so die Qualität dessen, womit Schüler:innen arbeiten.

Als Orchestrator:innen entscheiden Lehrkräfte über den passgenauen Einsatz von (agentischen) KI-Systemen zur individuellen Lernförderung und steuern das Zusammenspiel von Mensch und KI im Unterricht.

Als Beziehungsarbeiter:innen gestalten sie zudem soziale Lernräume, in denen Motivation, Vertrauen und Zusammenarbeit entstehen.

Durch die vereinfachten Möglichkeiten der Auslagerung von Lernen an KI-Agenten sehe ich Lehrkräfte zudem verstärkt in der Rolle der Sinnstifter:innen. Lehrkräfte müssen es schaffen, Schüler:innen für das Lernen zu begeistern und die Frage nach dem „Warum?" - und damit den Wert des Lernens – noch stärker in den Mittelpunkt des Unterrichts zu rücken.

8. Wie einsteigen? 🚀

Erfahrungen über das erste Ausprobieren sammeln

Agentische KI am Beispiel des ChatGPT Agentenmodus

Auf Basis dieses Überblicks und eines ersten Grundverständnisses folgen nun die ersten praktischen Schritte. Auch agentische KI erschließt sich dabei über eigenständiges, kritisch-reflektiertes Ausprobieren.

Tools wie ChatGPT im Agentenmodus bieten einen niedrigschwelligen Startpunkt für das erste Erproben, wenngleich Bezahlschranken aktuell noch eine Hürde darstellen. Wie erwähnt, wird für die Nutzung ein kostenpflichtiger Plus-Account benötigt.

Aufgrund der benannten Herausforderungen und Risiken rate ich zudem zu einer behutsamen Vorgehensweise, mit zunächst sehr eingeschränkten Freigabe- und Zugriffsrechten.

Wählt für den Start eine erste schulbezogene Aufgabe, die vom Umfang her überschaubar bleibt, zum Beispiel:

  • Rechercheauftrag mit anschließender Dokumentenerstellung – Thema vorgeben; der Agent wählt selbst Quellen aus, bewertet Relevanz und entscheidet über Gliederung.

  • Tools oder Materialien vergleichen – Vergleichskriterien vorgeben; der Agent recherchiert mehrere Optionen, prüft sie gegen die Kriterien und spricht eine Empfehlung aus.

  • Eine Unterrichtsstunde planen – Lernziel vorgeben; der Agent recherchiert Inhalte, wählt eine passende Methode und erstellt Ablauf plus Material.

Bleibt bei den ersten Ausführungen dabei und verfolgt, wie der KI-Agent agiert. Prüft im Anschluss das Ergebnis.

Den nächsten Schritt gehen: Umfassendere agentische Nutzung

Oberfläche Claude Cowork

Eine umfassendere Nutzung agentischer KI setzt einen gewissen Einarbeitungsaufwand voraus. Die leistungsfähigeren Werkzeuge müssen für eine effektive Nutzung zunächst eingerichtet und an die eigenen Arbeitsabläufe angepasst werden. Diese Einstiegshürde sollte bedacht werden, lässt sich jedoch schrittweise bewältigen.

Ein Werkzeug, das trotz erheblicher Leistungsfähigkeit vergleichsweise zugänglich bleibt, ist nach meiner Erfahrung Claude Cowork von Anthropic. Claude Cowork steht über die entsprechende Desktop-App zur Verfügung, auch bei Cowork ist allerdings ein kostenpflichtiger Account erforderlich.

Ich arbeite regelmäßig mit Claude Cowork und habe in den vergangenen Monaten viel Erfahrung im Umgang mit dem Tool gesammelt. Daraus entsteht gerade ein kostenloser E-Mail-Kurs, der euch den Einstieg leichter machen soll.

Über das nachfolgende Anmeldefenster könnt ihr euch auf die Warteliste eintragen und bekommt den Kurs automatisch zugeschickt, sobald er fertig ist. Ich freue mich, wenn ihr dabei seid!

Claude Cowork für Lehrkräfte – Kostenloser E-Mail-Kurs

Warteliste: Claude Cowork für Lehrkräfte (kostenloser E-Mail-Kurs)
Warteliste · Kostenloser E-Mail-Kurs

Claude Cowork
für Lehrkräfte

Der E-Mail-Kurs startet in Kürze. Trag dich kostenlos auf die Warteliste ein und sei von der ersten E-Mail an dabei. Ich zeige dir Schritt für Schritt, wie du Claude einrichtest und für deinen Schulalltag verwendest: von Projekten über eigene Skills bis hin zum ersten KI-Agenten-Setup mit Cowork. Ganz ohne Vorwissen.

 

Fazit 👍

KI-Agenten betreffen Schule und Unterricht auf zwei Ebenen, und beide solltet ihr im Blick haben. Bei den Aufgaben rund um den Unterricht, also Material, Organisation und Verwaltung, eröffnen sich schon heute konkrete Möglichkeiten. Gleichzeitig gilt es, die Herausforderungen und Risiken mitzudenken, von Fehleranfälligkeit über den Datenschutz bis zum Kontrollverlust.

Im Kontext von Lernen braucht es eine differenziertere Betrachtungsweise: Was euch Arbeit abnimmt, kann euren Schüler:innen das Lernen abnehmen, weshalb die Unterscheidung zwischen KI für Produktivität und KI für das Lernen so wichtig bleibt. KI-Lern-Agenten, die Lernende tatsächlich im Lernprozess unterstützen, haben großes Potenzial, entstehen aber gerade erst.

Mein Ausblick: Die Auswirkungen agentischer KI auf Schule und Unterricht sind auch darüber hinaus spürbar, von einer Verschiebung von Kompetenzanforderungen bis zu der sich wandelnden Arbeitswelt. Ebenso wird sich die Rolle der Lehrkraft verändern, weg von der reinen Wissensvermittlung, noch stärker hin zur Lernbegleitung und Beziehungsarbeit. Wichtig scheint mir zudem die Rolle von Lehrkräften als Sinnstifter:innen, die das „Warum“ immer wieder in den Mittelpunkt stellen, Schüler:innen motivieren und begeistern.

Ich möchte euch abschließend ermutigen, die nächsten Schritte zu gehen, das Thema KI-Agenten kritisch zu reflektieren und einzuordnen und den Einzug in Schule und Unterricht aktiv mitzugestalten.

Was sind eure aktuellen Erfahrungen mit KI-Agenten im Schulalltag? Habt ihr agentische KI bereits eingesetzt? Überwiegen für euch die Chancen oder die Risiken? Ich freue mich auf eure Rückmeldungen und Kommentare.

Quellen

Alles, S., Falck, J., Flick, M. & Schulz, R. (2025): KI-Kompetenzen für Lehrende und Lernende. Aus der Praxis für die Praxis – eine adaptierbare Basis. Verfügbar unter: https://zenodo.org/records/15001019‍ ‍

Anthropic (2026): Release Notes Claude. Verfügbar unter: https://support.claude.com/en/articles/12138966-release-notes

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. & Mariman, R. (2025): Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS. Verfügbar unter: https://www.pnas.org/doi/10.1073/pnas.2422633122

Brynjolfsson, E., Chandar, B. & Chen, R. (2025): Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. Verfügbar unter: https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/

Falck, J. (2026): Archiv 45 – Wie ein KI-Agenten-Team ein historisches Escape-Game für die Schule baute. Verfügbar unter: https://joschafalck.de/archiv-45/

Hirsch, N. (2026): OpenCode: KI-Agenten mit mehr digitaler Mündigkeit. eBildungslabor. Verfügbar unter: https://ebildungslabor.de/blog/opencode-ki-agenten-mit-mehr-digitaler-muendigkeit/

Khosravi, H. et al. (2026): Building AI Companions that Prioritise Learning over Performance. arXiv-Preprint. Verfügbar unter: https://arxiv.org/abs/2605.04816

Nuxoll, F. (2024): Skill Skipping. Was Lehrpersonen tun können, damit KI nicht Lernprozesse verhindert. In: Lehren und Lernen, Heft 6/2024, S. 11–12.

Weßels, D. (2025a): Agentic Learning Workflows: Aufbruch in neue Bildungswelten? FelloFish. Verfügbar unter: https://www.fellofish.com/blog/agentic-learning-workflows-aufbruch-in-neue-bildungswelten

Weßels, D. (2025b): AI Leadership: Die zentrale Zukunftskompetenz im agentischen Zeitalter. GPM-IPMA Blog. Verfügbar unter: https://www.gpm-ipma.de/ueber-die-gpm/blog/ai-leadership-die-zentrale-zukunftskompetenz-im-agentischen-zeitalter

Manuel Flick
Weiter

Das 3x3-Modell für KI-resilientere Aufgaben 🎯