Der KI-Wissens-Personaltrainer als Framework lernförderlicher KI-Assistenzsysteme
KI-Didaktik als Gestaltungsaufgabe der Hochschulbildung
1. Lernförderliche KI als neues Gestaltungsfeld der Hochschuldidaktik
Generative KI-Systeme prägen Studium, Lehre und wissenschaftliche Arbeit zunehmend und verändern die Bedingungen akademischer Bildung grundlegend. Informationen, Erklärungen und Texte entstehen heute in einer Qualität und Geschwindigkeit, die vor wenigen Jahren noch kaum vorstellbar schien. Mit dieser Entwicklung verschiebt sich zugleich der Fokus akademischer Bildung. Wo KI Informationen bereitstellt, rücken kritisches Denken, Reflexionsfähigkeit, Selbstregulation, Selbstwirksamkeit und epistemische Urteilsfähigkeit noch stärker in den Mittelpunkt.
Die Debatte über generative KI in der Hochschulbildung darf daher nicht bei technologischen Fragestellungen stehen bleiben. Die zentrale Herausforderung besteht darin, KI-Systeme so zu gestalten, dass sie Lern- und Bildungsprozesse unterstützen, ohne die grundlegenden Ziele akademischer Bildung zu unterlaufen. Damit wird die didaktische Gestaltung von KI zu einer eigenständigen Aufgabe der Hochschuldidaktik. Lernförderliche KI entsteht nicht aus Modellleistung allein. Sie erfordert die Verbindung pädagogischer Zielsetzungen, geeigneter Unterstützungsformen und verantwortungsvoll gestalteter technologischer Infrastrukturen. Abbildung 1 verdeutlicht diesen Zusammenhang anhand eines integrierten Modells lernförderlicher KI. Das Framework basiert auf drei miteinander verbundenen Gestaltungsdimensionen:
- KI-Didaktik
- Lern- und Entwicklungsunterstützung
- Governance, Ethik und Datensouveränität
Die Dimension KI-Didaktik definiert die pädagogischen Zielsetzungen des Systems. Im Mittelpunkt stehen Kompetenzentwicklung, Selbstregulation, Selbstwirksamkeit und epistemische Urteilsfähigkeit. Die Dimension Lern- und Entwicklungsunterstützung beschreibt die konkreten Unterstützungsformen, mit denen individuelle Lern- und Entwicklungsprozesse begleitet werden. Die Dimension Governance, Ethik und Datensouveränität umfasst Anforderungen an Transparenz, Datenschutz, IT-Sicherheit, Fairness und verantwortungsvolle Systemgestaltung. Lernförderliche KI verfolgt nicht das Ziel, menschliches Lernen zu ersetzen. Vielmehr unterstützt sie Lernende in ihrer aktiven Wissenskonstruktion. Im Sinne eines „Learners as Designers“-Ansatzes werden Lernende nicht als passive Nutzerinnen und Nutzer von KI verstanden, sondern als aktive Mitgestalter von Lern-, Wissens- und Entwicklungsprozessen. KI wird damit zum Werkzeug reflektierter Co-Creation, in der Lernen, Gestalten und kritisches Hinterfragen miteinander verbunden werden.
Erst das Zusammenspiel dieser drei Gestaltungsdimensionen ermöglicht KI-Systeme, die über reine Informationsbereitstellung hinausgehen und Lernende langfristig in ihrer Kompetenzentwicklung unterstützen.
2. KI-didaktische Gestaltungsprinzipien lernförderlicher KI
Die Entwicklung lernförderlicher KI stützt sich auf zentrale Erkenntnisse der Hochschuldidaktik und Lehr-Lernforschung. Hierzu zählen insbesondere Konzepte des selbstregulierten Lernens, die Selbstwirksamkeitsforschung, die Selbstbestimmungstheorie sowie Ansätze epistemischer Kognition. Gemeinsam verdeutlichen diese Perspektiven, dass nachhaltige Lernprozesse nicht durch die bloße Verfügbarkeit von Informationen entstehen. Entscheidend sind vielmehr die aktive Konstruktion von Wissen, die Entwicklung von Handlungskompetenz, die Reflexion eigener Lernprozesse sowie die Fähigkeit, begründete Urteile zu formulieren. Aus diesen theoretischen Grundlagen lassen sich sechs zentrale Gestaltungsprinzipien für lernförderliche KI ableiten.
-> Förderung von Selbstregulation statt Aufgabenübernahme
Lernförderliche KI unterstützt Lernende dabei, ihre Lernprozesse eigenständig zu planen, zu überwachen und zu reflektieren. Ziel ist nicht die Übernahme kognitiver Aufgaben durch die KI, sondern die Förderung selbstständigen und verantwortungsvollen Lernens. Die Unterstützung soll Lernende befähigen, eigene Lernziele zu entwickeln, geeignete Lernstrategien auszuwählen und ihren Lernfortschritt kontinuierlich zu beobachten und anzupassen.
-> Unterstützung von Reflexion statt bloßer Antwortgenerierung
Die Qualität einer KI-Interaktion bemisst sich nicht allein an der sachlichen Richtigkeit einer Antwort. Entscheidend ist vielmehr, in welchem Umfang Reflexionsprozesse angeregt, vertieft und begleitet werden. Lernförderliche KI unterstützt Lernende dabei, Denk- und Entscheidungsprozesse sichtbar zu machen, unterschiedliche Perspektiven einzubeziehen und eigene Annahmen kritisch zu hinterfragen. Reflexion wird damit zu einem zentralen Bestandteil des Lernprozesses und nicht zu einer nachgelagerten Aktivität.
-> Kompetenzentwicklung statt Informationsbereitstellung
Informationen sind eine notwendige, aber keine hinreichende Voraussetzung für Lernen. Lernförderliche KI orientiert sich daher nicht primär an der Bereitstellung von Wissen, sondern am Aufbau fachlicher, methodischer und reflexiver Kompetenzen. Im Mittelpunkt steht die Fähigkeit der Lernenden, Wissen selbstständig anzuwenden, kritisch zu bewerten und auf neue Problemstellungen zu übertragen.
-> Entwicklungsorientierte Personalisierung statt Verhaltensoptimierung
Personalisierung dient nicht der Steuerung oder Optimierung von Nutzerverhalten, sondern der Unterstützung individueller Lern- und Entwicklungsprozesse. Lernförderliche KI berücksichtigt unterschiedliche Lernvoraussetzungen, Lernziele und Unterstützungsbedarfe, um adaptive Lern- und Entwicklungsräume zu schaffen. Im Mittelpunkt steht die Entwicklung des Menschen und nicht die Effizienz des Systems.
-> Datensouveränität als didaktisches Prinzip
Die Kontrolle über Lern- und Entwicklungsdaten sollte fest in den Händen der Lernenden liegen. Datensouveränität wird somit nicht nur als technische oder rechtliche Anforderung betrachtet, sondern als integraler Bestandteil einer lernförderlichen Bildungsarchitektur. Lernende entscheiden eigenständig, welche Daten, Lernfortschritte oder Reflexionen sie speichern, nutzen oder mit anderen teilen möchten. Wenn es für Beratungs-, Betreuungs- oder Lernprozesse sinnvoll erscheint, können ausgewählte Informationen von den Studierenden freiwillig und bedarfsorientiert mit Lehrenden geteilt werden. Die Entscheidungshoheit über Umfang, Zeitpunkt und Zweck der Datenfreigabe liegt dabei stets bei den Lernenden. Datensouveränität schützt somit nicht nur persönliche Informationen, sondern stärkt auch die Autonomie, Selbstverantwortung und die aktive Gestaltung individueller Lernprozesse.
-> Förderung verantwortungsvoller KI-Co-Creation
Lernförderliche KI unterstützt Lernende nicht ausschließlich bei der Bearbeitung fachlicher Aufgaben, sondern befähigt sie zugleich zur verantwortungsvollen Nutzung generativer KI. Im Sinne eines „Learners as Designers“-Ansatzes gestalten Lernende Lern- und Wissensprozesse aktiv mit. Sie entwickeln Kompetenzen, KI-Systeme reflektiert einzusetzen, Ergebnisse kritisch zu bewerten sowie rechtliche, ethische und gesellschaftliche Implikationen ihrer Nutzung zu berücksichtigen. Hierzu zählen insbesondere Kompetenzen im Umgang mit Datenschutz, Urheberrecht, Transparenz, Quellenbewertung, KI-bedingten Verzerrungen, wissenschaftlicher Integrität sowie den Anforderungen verantwortungsvoller Mensch-KI-Kollaboration. Lernförderliche KI fördert damit nicht nur fachliche Kompetenzen, sondern auch reflektierte Handlungskompetenz für KI-gestützte Co-Creation-Prozesse.
Diese Gestaltungsprinzipien bilden den didaktischen Bezugsrahmen für das nachfolgend vorgestellte Framework des KI-Wissens-Personaltrainers.
3. Epistemische Urteilsfähigkeit im Zeitalter generativer KI
Mit der zunehmenden Verfügbarkeit generativer KI verändern sich die Anforderungen an wissenschaftliches Lernen und akademische Urteilsbildung grundlegend. Informationen müssen nicht mehr ausschließlich recherchiert werden, sondern hinsichtlich ihrer Qualität, Herkunft, Plausibilität und wissenschaftlichen Belastbarkeit kritisch bewertet werden. Generative KI kann überzeugende, sprachlich hochwertige und scheinbar plausible Inhalte erzeugen. Gleichzeitig können diese Inhalte Fehler, Verzerrungen, Halluzinationen oder nicht nachvollziehbare Schlussfolgerungen enthalten. Die Fähigkeit, KI-generierte Inhalte kritisch einzuordnen, wird damit zu einer Schlüsselkompetenz wissenschaftlichen Arbeitens. Epistemische Urteilsfähigkeit beschreibt die Kompetenz, Wissen nicht ungeprüft zu übernehmen, sondern dessen Entstehung, Begründung und Validität kritisch zu hinterfragen. Lernförderliche KI sollte daher nicht ausschließlich Antworten bereitstellen, sondern Lernende dabei unterstützen, unterschiedliche Perspektiven zu vergleichen, Argumentationen zu bewerten, Unsicherheiten zu erkennen und begründete wissenschaftliche Urteile zu entwickeln.
Die Förderung epistemischer Urteilsfähigkeit gehört damit zu den zentralen Bildungszielen einer KI-gestützten Hochschulbildung und bildet eine wesentliche Voraussetzung für einen verantwortungsvollen Umgang mit generativer KI.
4. Der KI-Wissens-Personaltrainer: Von der Antwortmaschine zum Entwicklungsbegleiter
Das in Abbildung 2 dargestellte Konzept des KI-Wissens-Personaltrainers basiert auf einem grundlegenden Perspektivwechsel. Klassische KI-Systeme folgen überwiegend einer informationsorientierten Logik. Sie reagieren auf Anfragen mit dem Ziel, möglichst passende Antworten zu generieren. Der Erfolg solcher Systeme wird primär anhand der Qualität der bereitgestellten Informationen bewertet. Der KI-Wissens-Personaltrainer folgt demgegenüber einer entwicklungsorientierten Unterstützungslogik. Im Mittelpunkt steht nicht die Antwort selbst, sondern ihre Wirkung auf den Lernprozess.
Die leitende Fragestellung lautet:
Welche Form der Unterstützung ist in dieser Situation lernförderlich?
Die Bezeichnung „Personaltrainer“ wurde bewusst gewählt. Im Unterschied zu klassischen Tutorensystemen oder reinen Auskunftssystemen steht nicht die Vermittlung einzelner Inhalte im Vordergrund, sondern die langfristige Begleitung individueller Entwicklungsprozesse. Analog zu einem Personaltrainer im sportlichen Kontext liegt hier auch ein Fokus auf Zielentwicklung, Kompetenzaufbau, kontinuierlichem Feedback und nachhaltiger Entwicklung.
Hierfür sollen vier Unterstützungsformen zur Verfügung stehen:
- Coaching
- Beratung
- Training
- Reflexion
Coaching unterstützt die Zielklärung und Selbstreflexion der Lernenden. Im systemischen Verständnis werden dabei keine Lösungen vorgegeben, sondern Lernende dabei unterstützt, eigene Perspektiven zu entwickeln und Handlungsoptionen zu erkennen. Beratung dient der Orientierung und Entscheidungsfindung in komplexen Lernsituationen. Training fördert den Aufbau fachlicher und methodischer Kompetenzen durch adaptive Aufgabenstellungen und gezieltes Scaffolding. Reflexion unterstützt die bewusste Auseinandersetzung mit Lernfortschritten, Herausforderungen und Entwicklungsschritten. Gemeinsam tragen diese Funktionen dazu bei, selbstgesteuerte Lern- und Entwicklungsprozesse nachhaltig zu fördern.
Die Auswahl der jeweiligen Unterstützungsform erfolgt auf Grundlage einer didaktischen Entscheidungslogik, die individuelle Lernvoraussetzungen, Lernziele, Entwicklungsstände und Unterstützungsbedarfe berücksichtigt.
5. Learning Development Memory als didaktische Innovation
Eine zentrale konzeptionelle Innovation des vorgestellten Frameworks stellt das Learning Development Memory (LDM) dar. Das Konzept beschreibt eine mögliche Erweiterung der Langzeitgedächtnis-Funktionen eines KI-Assistenten um eine didaktische Perspektive. Ziel ist die Entwicklung eines nutzerkontrollierten Entwicklungs- und Reflexionsraums, der die langfristige Unterstützung individueller Lern- und Entwicklungsprozesse ermöglichen soll. Im Rahmen des Frameworks wird angenommen, dass in einem Learning Development Memory Lernziele, Lernfortschritte, Reflexionen, Unterstützungsbedarfe sowie bevorzugte Lernstrategien dokumentiert und für Lern- und Entwicklungsprozesse nutzbar gemacht werden können. Während Langzeitgedächtnis-Funktionen primär der Personalisierung, der Kontextkontinuität und der Anpassung zukünftiger Interaktionen dienen, verfolgt das LDM einen didaktischen Zweck: die Förderung von Selbstregulation, Reflexionsfähigkeit, Kompetenzentwicklung und nachhaltigem Lernen. Ein zentrales Gestaltungsprinzip des Konzepts besteht darin, dass die Kontrolle über die dokumentierten Informationen grundsätzlich bei den Lernenden verbleibt. Sie sollen selbst entscheiden können, welche Inhalte gespeichert, genutzt oder – beispielsweise im Rahmen von Lern- und Beratungsprozessen – mit Lehrenden oder anderen Beteiligten geteilt werden. Die Nutzung erfolgt auf Grundlage transparenter und freiwilliger Entscheidungen. Das Learning Development Memory ist gegenwärtig als theoretische und konzeptionelle Komponente des Frameworks zu verstehen. Seine konkrete technische Umsetzung, die Entwicklung geeigneter Datenmodelle sowie die empirische Untersuchung seiner Wirksamkeit sind Gegenstand weiterer Forschungs- und Entwicklungsarbeiten im Kontext des KI-Assistenten-Studios.
Aus hochschuldidaktischer Perspektive eröffnet das Konzept die Möglichkeit, die technische Gedächtnisfunktion eines KI-Assistenten um eine lernförderliche Entwicklungsdimension zu erweitern. Im Mittelpunkt steht dabei nicht die Optimierung des Systems, sondern die langfristige Unterstützung individueller Lern-, Reflexions- und Entwicklungsprozesse. Damit beschreibt das LDM einen Ansatz für eine adaptive und datensouveräne Lernbegleitung im Kontext zukünftiger lernförderlicher KI-Assistenzsysteme.
6. Das KI-Assistenten-Studio als Forschungs- und Entwicklungsumgebung
Im KI-Assistenten-Studio des ZIM-Medienlabors soll das vorgestellte Framework konzeptionell weiterentwickelt, prototypisch umgesetzt und wissenschaftlich untersucht werden. Die Forschungs- und Entwicklungsumgebung dient der Erforschung lernförderlicher KI-Assistenzsysteme, die Lernende langfristig in Lern-, Reflexions- und Entwicklungsprozessen unterstützen können.
Abbildung 3 veranschaulicht die konzeptionelle Zielarchitektur des Frameworks. Im Mittelpunkt steht nicht die Entwicklung eines weiteren Chatbots, sondern die Frage, wie generative KI didaktisch gestaltet werden kann, um Kompetenzentwicklung, Selbstregulation, Reflexionsfähigkeit und epistemische Urteilsbildung zu fördern. Die dargestellte Architektur beschreibt einen Entwicklungsrahmen für lernförderliche KI-Assistenzsysteme. Einzelne Komponenten, insbesondere das Learning Development Memory, die didaktische Entscheidungslogik sowie weiterführende Analyse- und Unterstützungsfunktionen, befinden sich derzeit in unterschiedlichen Phasen der Konzeption, Entwicklung und Erprobung. Ihre konkrete technische Umsetzung ist Gegenstand laufender Forschungs- und Entwicklungsarbeiten.
Das Framework basiert auf der Annahme, dass generative Sprachmodelle allein keine hinreichende Grundlage für lernförderliche Assistenzsysteme darstellen. Vielmehr wird davon ausgegangen, dass erst das Zusammenspiel von Wissensressourcen, Dialoganalysen, didaktischen Entscheidungslogiken und einem Learning Development Memory die Voraussetzungen für eine adaptive und entwicklungsorientierte Lernbegleitung schaffen kann. Konzeptionell verbindet die Zielarchitektur generative Sprachmodelle, Wissensressourcen, Dialoganalysen, didaktische Entscheidungslogiken und das Learning Development Memory zu einer integrierten Assistenzumgebung. Die didaktische Entscheidungslogik soll dabei als Vermittlungsschicht zwischen technischen Komponenten und pädagogischen Zielsetzungen fungieren. Ihre Aufgabe besteht darin, didaktische Anforderungen in adaptive Unterstützungsstrategien zu überführen und technische Systemfunktionen mit lernförderlichen Zielsetzungen zu verbinden. Ausgangspunkt des Modells ist die Interaktion zwischen Lernenden und KI-System. Im Rahmen des Frameworks wird angenommen, dass Dialoganalysen Hinweise auf Lernstand, Unterstützungsbedarf, Motivation und mögliche Entwicklungsziele liefern können. Auf dieser Grundlage könnten situationsangemessene Unterstützungsformen ausgewählt und durch Feedback- und Reflexionsprozesse weiterentwickelt werden.
Das Konzept beschreibt damit einen lernorientierten Regelkreis aus Analyse, Intervention, Feedback, Reflexion und Weiterentwicklung. Die KI wird dabei nicht als autonomer Wissenslieferant verstanden, sondern als Bestandteil eines didaktisch gestalteten Assistenzsystems innerhalb langfristiger Lern- und Entwicklungsprozesse. Die konkrete technische Umsetzung der Architektur sowie die empirische Untersuchung ihrer Wirksamkeit sind Gegenstand laufender Forschungs- und Entwicklungsarbeiten im KI-Assistenten-Studio.
Ziel ist es, die im Framework beschriebenen Konzepte schrittweise zu operationalisieren, prototypisch zu erproben und hinsichtlich ihres Beitrags zur Kompetenzentwicklung, Selbstregulation, Reflexionsfähigkeit und epistemischen Urteilsbildung wissenschaftlich zu untersuchen.
7. Governance, Ethik und Datensouveränität
Die Entwicklung lernförderlicher KI-Systeme setzt Vertrauen voraus. Governance, Ethik und Datensouveränität bilden daher im vorgestellten Framework keine nachgelagerten Ergänzungen, sondern grundlegende Gestaltungsprinzipien für die Entwicklung zukünftiger lernförderlicher KI-Assistenzsysteme. Im Zentrum stehen die Prinzipien Ownership, Consent und Privacy by Design. Das Framework geht davon aus, dass Lern- und Entwicklungsdaten grundsätzlich unter der Kontrolle der Lernenden verbleiben sollten. Die Nutzung personenbezogener Informationen soll auf Grundlage transparenter und freiwilliger Entscheidungen erfolgen. Darüber hinaus berücksichtigt das Framework Anforderungen der IT-Sicherheit, des Datenschutzes sowie hochschul-, medien-, urheber- und KI-rechtliche Rahmenbedingungen als zentrale Voraussetzungen für die Gestaltung vertrauenswürdiger KI-Assistenzsysteme. Lernförderliche KI erfordert jedoch nicht nur verantwortungsvoll gestaltete Technologien, sondern zugleich die Entwicklung entsprechender Kompetenzen bei den Lernenden.
Hierzu zählen insbesondere die kritische Bewertung KI-generierter Inhalte, die reflektierte Nutzung von Quellen, der verantwortungsvolle Umgang mit personenbezogenen Daten sowie die Berücksichtigung ethischer, rechtlicher und gesellschaftlicher Implikationen KI-gestützter Co-Creation-Prozesse. Darüber hinaus umfasst eine verantwortungsvolle KI-Nutzung die Fähigkeit, algorithmische Verzerrungen, Unsicherheiten und potenzielle Fehlinterpretationen KI-generierter Ergebnisse zu erkennen und kritisch zu hinterfragen. Transparenz, Nachvollziehbarkeit und die Übernahme von Verantwortung für KI-gestützte Entscheidungen werden damit zu wesentlichen Bestandteilen akademischer Handlungskompetenz im digitalen Zeitalter. Governance und Ethik werden im Framework folglich nicht ausschließlich als Anforderungen an technische Systeme verstanden, sondern zugleich als Bildungsziele einer verantwortungsvollen, reflektierten und kompetenzorientierten KI-Nutzung.
Die Forschungs- und Entwicklungsarbeiten im KI-Assistenten-Studio zielen darauf ab, diese Gestaltungsprinzipien schrittweise in lernförderliche KI-Assistenzsysteme zu überführen und ihre Bedeutung für Kompetenzentwicklung, Selbstregulation, Reflexionsfähigkeit und verantwortungsvolle KI-Nutzung wissenschaftlich zu untersuchen.
8. Diskussion und Forschungsperspektiven
Der KI-Wissens-Personaltrainer versteht sich als theoretisches und konzeptionelles Framework für lernförderliche KI-Assistenzsysteme in der Hochschulbildung. Seine Besonderheit liegt nicht in der bloßen Nutzung generativer KI, sondern in der didaktischen Neuausrichtung der Mensch-KI-Interaktion. Im Zentrum steht die Frage, wie KI-Systeme gestaltet werden müssen, um Lernende langfristig bei Kompetenzentwicklung, Selbstregulation, Reflexionsfähigkeit und epistemischer Urteilsbildung zu unterstützen. Das Framework bündelt Erkenntnisse aus Hochschuldidaktik, Lehr-Lernforschung, KI-Entwicklung sowie Governance- und Ethikforschung zu einem integrierten Gestaltungsansatz. Bausteine wie das Learning Development Memory, die didaktische Entscheidungslogik und die entwicklungsorientierte Assistenzarchitektur bilden dabei das theoretische Gerüst des Modells. Ihre technische Umsetzung und empirische Untersuchung sind Gegenstand laufender Forschungs- und Entwicklungsarbeiten.
Die prototypische Entwicklung und Erprobung erfolgt im KI-Assistenten-Studio des ZIM-Medienlabors. Die Forschungs- und Entwicklungsumgebung dient dazu, die im Framework beschriebenen Konzepte schrittweise zu operationalisieren, prototypisch umzusetzen und hinsichtlich ihrer didaktischen Potenziale wissenschaftlich zu untersuchen. Daraus ergeben sich vielfältige Forschungsfragen. Im Mittelpunkt steht die Untersuchung, in welchem Umfang lernförderliche KI-Assistenzsysteme zur Förderung von Selbstregulation, Selbstwirksamkeit, Reflexionsfähigkeit, epistemischer Urteilsfähigkeit und verantwortungsvoller KI-Co-Creation beitragen können. Ebenso stellt sich die Frage, wie adaptive Unterstützungsformen gestaltet werden müssen, um unterschiedlichen Fachkulturen, Lernvoraussetzungen und Bildungskontexten gerecht zu werden. Eine zentrale Forschungsaufgabe besteht in der empirischen Untersuchung der Wirksamkeit entwicklungsorientierter KI-Assistenzsysteme. Dabei wird zu klären sein, welche didaktischen Gestaltungsmerkmale besonders relevant sind und unter welchen Bedingungen Konzepte wie der KI-Wissens-Personaltrainer einen Beitrag zur Kompetenzentwicklung leisten können.
Die Zukunft lernförderlicher KI wird nicht primär durch die technologische Leistungsfähigkeit generativer Modelle bestimmt, sondern durch die Qualität ihrer didaktischen Gestaltung. In diesem Sinne entwickelt sich KI-Didaktik zu einem zentralen Gestaltungsfeld einer Hochschulbildung, die technologische Innovation mit Kompetenzentwicklung, Reflexionsfähigkeit, Datensouveränität und verantwortungsvoller Bildungspraxis verbindet. Das vorgestellte Framework bietet hierfür einen theoretischen Orientierungs- und Entwicklungsrahmen, dessen weitere Ausgestaltung und empirische Fundierung Gegenstand zukünftiger Forschungs- und Entwicklungsarbeiten ist.
