Während viele Diskussionen zur Künstlichen Intelligenz derzeit auf einzelne Tools oder Sprachmodelle fokussieren, zeichnet sich bereits eine neue Entwicklungsstufe ab:
KI-Assistenten, Multi-Assistenten-Systeme, agentische Workflows, Model Context Protocols (MCPs) und zunehmend vernetzte intelligente Lern-, Forschungs- und Arbeitsumgebungen verändern die Art und Weise, wie Menschen lernen, forschen, Wissen organisieren und zusammenarbeiten.
Aus meiner Sicht stellt sich deshalb eine zentrale Frage: Wie können wir Lern-, Forschungs- und Arbeitsumgebungen gestalten, in denen Menschen KI nicht nur nutzen, sondern kompetent, kritisch, kreativ und verantwortungsvoll mit ihr zusammenarbeiten?
Genau hier setzt KI-Didaktik an. Sie beschäftigt sich nicht primär mit der Technologie selbst, sondern mit der Gestaltung von Lern-, Forschungs- und Entwicklungsprozessen in einer Welt, in der KI zu einem selbstverständlichen Bestandteil wissenschaftlicher, beruflicher und gesellschaftlicher Praxis wird.
Im vorliegenden Beitrag werden intelligente Systemlandschaften als vernetzte Lern-, Forschungs- und Arbeitsumgebungen verstanden, in denen KI-Systeme, Wissensräume, Lernmedien, Datenquellen, digitale Werkzeuge und menschliche Akteur in gemeinsamen Prozessen zusammenwirken. Die zentrale Herausforderung besteht dabei nicht allein in der technologischen Integration, sondern in ihrer didaktischen Gestaltung.
Das KI-Assistenten-Studio ist eine KI-gestützte Lern-, Forschungs- und Entwicklungsumgebung, die auf einem didaktischen Konzept zur Gestaltung solcher intelligenten Systemlandschaften basiert. Es dient als Anwendungsbeispiel dafür, wie sich KI-Technologien, Wissensmanagement, Lernmedien, Assistenzsysteme, Kompetenzentwicklung und KI-Didaktik zu einer integrierten Lern-, Forschungs- und Arbeitsumgebung verbinden lassen.
Die Architektur des KI-Assistenten-Studios umfasst dabei verschiedene miteinander verknüpfte Ebenen:
🔹 KI-Assistenten und spezialisierte Fachassistenten
🔹 Multi-Assistenten-Systeme und agentische Workflows
🔹 Wissensmanagement sowie Daten-, Dokumenten- und Wissensräume
🔹 MCP-basierte Integrationen externer Datenquellen, Werkzeuge und Dienste
🔹 H5P-basierte Lernmedien als Bestandteil vernetzter Lernökosysteme, die sich nahtlos in Lernmanagementsysteme (LMS), Wissensräume, Assistenzsysteme und kompetenzorientierte Lernprozesse integrieren lassen
🔹 Kompetenzorientierte Lern-, Forschungs- und Entwicklungsprozesse
🔹 Arbeits-, Forschungs-, Lehr- und Projekträume für kollaborative Lern- und Entwicklungsprozesse
🔹 Governance-, Sicherheits- und Rollenmodelle für eine verantwortungsvolle Nutzung
Die folgende Abbildung veranschaulicht die zentralen Elemente und Zusammenhänge dieses konzeptionellen Ansatzes.
Abbildung 1: KI-Assistenten-Studio als integrierte Lern-, Forschungs- und Entwicklungsumgebung
Dabei geht es nicht um die isolierte Nutzung einzelner KI-Werkzeuge, sondern um die Entwicklung intelligenter didaktischer Systemlandschaften, in denen KI-Assistenten, Wissensräume, Lernmedien, Datenquellen und externe Dienste zu integrierten Lern-, Forschungs- und Arbeitsumgebungen zusammenwachsen.
Die technische und organisatorische Integration allein ist jedoch nicht ausreichend. Entscheidend ist vielmehr, welche Kompetenzen Menschen benötigen, um in solchen intelligenten Systemlandschaften handlungsfähig, reflektiert und verantwortungsvoll agieren zu können.
Aus dieser Perspektive rückt die KI-Didaktik als verbindendes Gestaltungsprinzip in den Mittelpunkt. Ihr Ziel besteht nicht allein darin, den Umgang mit KI-Technologien zu vermitteln, sondern Lern-, Forschungs- und Entwicklungsprozesse so zu gestalten, dass Menschen die Kompetenzen entwickeln können, die für eine zunehmend KI-gestützte Welt erforderlich sind.
Damit stellt sich die Frage, welche Kompetenzbereiche künftig besonders relevant sind, um Wissen aufzubauen, Forschung zu unterstützen, Probleme zu lösen, verantwortungsvoll zu handeln und digitale Souveränität zu stärken.
KI-Kompetenzen durch KI-Didaktik
Die zweite Abbildung skizziert ein Kompetenzmodell für KI-gestützte Lern-, Forschungs- und Arbeitsumgebungen und verdeutlicht zentrale Kompetenzdimensionen für einen reflektierten und verantwortungsvollen Umgang mit KI.
Im Zentrum steht die Fähigkeit zur Reflexion und epistemischen Prüfung. Sie verbindet unterschiedliche Kompetenzbereiche miteinander und bildet die Grundlage für einen verantwortungsvollen Umgang mit KI.
Neben klassischer KI-Kompetenz gewinnen aus meiner Sicht insbesondere Wissenskompetenz, Forschungskompetenz, Problemlösungskompetenz, Kollaborationskompetenz, digitale Medienkompetenz sowie Reflexions- und Bewertungskompetenz an Bedeutung. Erst ihr Zusammenspiel ermöglicht einen souveränen und verantwortungsvollen Umgang mit KI in Forschung, Lehre und Organisation.
Die folgende Abbildung veranschaulicht diese Zusammenhänge.
Abbildung 2: KI-Kompetenzen durch KI-Didaktik
Die dargestellten Kompetenzbereiche sind nicht isoliert zu betrachten. Sie stehen in einem engen Wechselverhältnis zueinander und bilden gemeinsam die Grundlage für einen reflektierten, verantwortungsvollen und souveränen Umgang mit KI in Forschung, Lehre und Organisation.
Der hier vorgestellte Ansatz versteht KI-Kompetenz nicht als Einzelkompetenz, sondern als Zusammenspiel von Wissens-, Forschungs-, Problemlösungs-, Kollaborations-, Medien- sowie Reflexions- und Bewertungskompetenz.
Beide Grafiken verstehen sich als Diskussionsimpulse für eine kompetenzorientierte KI-Didaktik, die Technologie, Lernen, Wissensmanagement und Organisationsentwicklung zusammenführt.
Aus meiner Sicht liegt die zentrale Herausforderung der kommenden Jahre nicht allein in der Entwicklung leistungsfähiger KI-Systeme. Entscheidend wird vielmehr sein, intelligente Systemlandschaften für Lernen, Forschung und Organisation zu gestalten, die Kompetenzentwicklung, Wissensmanagement, Kollaboration und digitale Souveränität gleichermaßen fördern.
KI-Didaktik wird dabei zu einer zentralen Gestaltungsdisziplin an der Schnittstelle von Technologie, Lernen, Forschung und Organisationsentwicklung.
Impulse zum Austausch
❓ Welche Kompetenzen werden im Zeitalter KI-gestützter Systemlandschaften besonders wichtig?
❓ Welche Erfahrungen habt ihr mit KI-Assistenten, Agentensystemen oder MCP-Integrationen gemacht?
❓ Wie sollten intelligente Lern-, Forschungs- und Arbeitsumgebungen künftig gestaltet werden?
Ich freue mich auf einen fachlichen Austausch über Erfahrungen, Forschungsergebnisse, Good Practices und neue Perspektiven.
