In vielen Schulen hört man derzeit den gleichen Satz: „Wir sind digital gut aufgestellt – jetzt nehmen wir KI dazu.» Geräte sind beschafft, Plattformen laufen, Lehrpersonen haben Grundkompetenzen. KI scheint die nächste logische Erweiterung.
Das ist ein Trugschluss. Eine Digitalisierungsstrategie schafft Voraussetzungen. Eine KI-Strategie beantwortet eine andere Frage: Wo dürfen datengetriebene Systeme an Ihrer Schule Inhalte erzeugen, Empfehlungen abgeben, Bewertungen vorbereiten oder Entscheidungen beeinflussen – und wo nicht? Diese Frage lässt sich nicht mit Infrastruktur lösen.
EDUTECSOL – Whitepaper: KI an Schulen: Warum eine Digitalisierungsstrategie nicht reicht
Der rechtliche Rahmen ist ein anderer
Der stärkste Grund, KI nicht einfach unter Digitalisierung zu subsumieren, liegt im Recht.
Der EU AI Act behandelt Bildungsanwendungen ausdrücklich als sensibles Feld. KI-Systeme, die über Zugang zu Bildungseinrichtungen entscheiden, Lernergebnisse bewerten, Lernende einstufen oder Prüfungen überwachen, gelten als Hochrisiko-Anwendungen mit entsprechenden Pflichten zu Risikomanagement, Dokumentation, menschlicher Aufsicht und Transparenz. Emotionserkennung in Bildungseinrichtungen ist – mit eng umrissenen Ausnahmen – verboten.
Hinzu kommt Artikel 4 des AI Act, der seit Februar 2025 gilt: Wer KI-Systeme beruflich betreibt oder einsetzt, muss über ausreichende KI-Kompetenz verfügen. Für Schulträger heisst das, dass Fortbildung keine freiwillige Zugabe mehr ist, sondern eine rechtliche Anforderung.
Parallel bleibt die DSGVO relevant. Artikel 22 schützt Betroffene vor automatisierten Einzelentscheidungen mit rechtlicher oder vergleichbar erheblicher Wirkung – im schulischen Kontext also vor allem Bewertung, Versetzung, Aufnahme oder Förderzuweisung. Eine Digitalisierungsstrategie deckt diese Themen nicht ab. Eine KI-Strategie muss sie beantworten.
Was an KI tatsächlich anders ist
Nicht jede Digitalisierung ist harmlos und nicht jede KI ist riskant. Die relevante Unterscheidung liegt weniger in der Technologie selbst als in drei Eigenschaften, die generative und prädiktive Systeme in den Schulalltag tragen.
Opazität. Eine herkömmliche Lernplattform folgt nachvollziehbaren Regeln. Bei einem Sprachmodell oder einem trainierten Klassifikator ist nicht mehr erkennbar, warum genau diese Rückmeldung, dieser Vorschlag oder diese Einschätzung herauskommt. Das verändert, was Aufsicht überhaupt leisten kann.
Probabilistische Logik. Gleicher Input führt nicht zu gleichem Output. Eine Aufsatzbewertung kann beim zweiten Durchlauf anders ausfallen. Das ist im Lernkontext keine Nebensache, sondern berührt Fairness und Vergleichbarkeit.
Skalierung. KI produziert Rückmeldungen, Bewertungen oder Inhalte in Sekunden – in Mengen, die einzelfallbezogene menschliche Prüfung praktisch verunmöglichen. Damit verschiebt sich die Frage, was „menschliche Aufsicht» konkret heissen soll.
Diese drei Eigenschaften erklären, warum dieselben Anforderungen, die in Verwaltung und Justiz längst diskutiert werden, jetzt auch Schulen erreichen.
Die Praxis ist bereits da
Eine ehrliche KI-Strategie muss zur Kenntnis nehmen, dass die Nutzung längst stattfindet. Lehrpersonen erstellen Prüfungsfragen, entwerfen Elternbriefe und generieren Differenzierungsmaterial mit generativen Tools. Schüler:innen schreiben Hausaufgaben damit, fassen Texte zusammen, lassen sich Lösungswege erklären. Das passiert mit oder ohne Schulleitungsbeschluss.
Daraus folgt zweierlei. Strategien, die so tun, als würde man bei null anfangen, gehen am Schulalltag vorbei. Sinnvoller ist eine zweistufige Bewegung: schnelle Leitplanken in den heiklen Bereichen – Bewertung, Selektion, Personendaten – und ein geordneter Aufbau in den weniger heiklen – Unterrichtsvorbereitung, Differenzierung, Verwaltung.
Drei Beispiele aus dem deutschsprachigen Raum zeigen, wie das funktionieren kann.
Das KIMADU-Projekt in Nordrhein-Westfalen erprobt seit 2025 mit 25 Schulen generative KI in Mathematik und Deutsch – datenschutzkonform und wissenschaftlich begleitet durch die Universität Siegen.
Im Kanton Zürich wird die Einführung an Gymnasien und Berufsfachschulen ausdrücklich gestuft: zuerst Beschaffung, Evaluation und ein Katalog geprüfter Lösungen, dann Use-Case-Erprobung, dann Skalierung. Infrastruktur und Pädagogik werden bewusst getrennt behandelt.
Die Zürcher Volksschule arbeitet mit Leitsätzen statt starrer Regeln und unterscheidet zwischen formativer Nutzung (relativ unproblematisch) und summativer, promotionsrelevanter Nutzung (verlangt strengere Regeln). Diese Differenzierung ist wichtiger als jede Tool-Liste.
Fünf Schritte, die tragen
Aus dem Rechtsrahmen, den schulpolitischen Leitlinien (KMK, österreichischer Masterplan Digitalisierung, Educa-Dossiers) und aktuellen Forschungsübersichten lässt sich ein Vorgehen ableiten, das in der Praxis funktioniert.
1. Zielbild und Verantwortung klären. Welchen pädagogischen Mehrwert soll KI an Ihrer Schule bringen? Welche Entscheidungen bleiben ausdrücklich menschlich? Wer verantwortet was – Schulleitung, IT, Datenschutz, Schulträger, Fachschaften? Ohne klare Zuständigkeiten wird KI-Strategie zur unkoordinierten Tool-Nutzung.
2. Daten und Recht prüfen. Welche Daten verarbeitet das System? Sind Personendaten wirklich nötig? Welche Rechtsgrundlage greift? Ist eine Datenschutz-Folgenabschätzung erforderlich? Im Bildungsbereich ist die Versuchung gross, mit sensiblen Lern- und Verhaltensdaten „mehr Personalisierung» zu versprechen. Genau deshalb ist Datenminimierung strategisch zentral.
3. Klein und reversibel pilotieren. Nicht mit Bewertung beginnen, sondern mit Unterrichtsvorbereitung, sprachlicher Differenzierung oder Entwurfshilfen für Elternkommunikation. Erfolgskriterien vorab definieren: Zeitgewinn, wahrgenommene Qualität, Fehlerquote, Akzeptanz, Datenschutz-Compliance.
4. Monitoring etablieren. KI-Einsatz endet nicht mit dem Rollout. Es braucht Verfahren für Qualitätskontrolle, Feedback, Beschwerdewege und regelmässige Reviews. Die wichtigste Frage dabei: Werden Outputs kritisch geprüft oder schleichend übernommen? Hier entscheidet sich, ob „menschliche Aufsicht» echt ist oder nur formal.
5. Rollenbasiert qualifizieren. Schulleitung braucht Governance- und Entscheidungswissen, Lehrpersonen didaktisch-ethische Anwendungskompetenz, Verwaltung sichere Routinen, IT und Datenschutzbeauftragte tragfähige Prüfverfahren. KI-Reife wächst nicht durch Toolvielfalt, sondern durch reflektierte Praxis.
Wo steht Ihre Schule?
Eine einfache Heuristik in fünf Stufen hilft bei der Standortbestimmung:
Reaktiv – Einzelne Lehrpersonen nutzen Tools privat, keine Leitlinien, keine Freigaben. Nächster Schritt: Use-Case-Inventur und Minimalregeln.
Geordnet – Erste Tool-Liste, Datenschutzprüfung, Grundverständnis im Leitungsteam. Nächster Schritt: Pilot mit klaren Erfolgskriterien.
Pilotiert – Ein bis zwei dokumentierte Use Cases, Fortbildung, Feedbackschleifen. Nächster Schritt: Monitoring und schulspezifische Standards.
Gesteuert – Klare Zuständigkeiten, Freigabeprozess, menschliche Aufsicht definiert. Nächster Schritt: Verankerung in Schulentwicklung und Beurteilung.
Strategisch integriert – KI-Strategie mit Leitbild, Budget, Fortbildung und Evaluation verbunden. Nächster Schritt: jährliche Überprüfung, neue Use Cases nur entlang definierter Kriterien.
Als Praxisregel: Reif ist eine Schule nicht dann, wenn viele Tools im Umlauf sind. Reif ist sie, wenn sie erklären kann, warum sie welche KI wofür, mit welchen Daten, unter welcher Aufsicht und mit welchem pädagogischen Mehrwert einsetzt.
Reflexionsfrage
Können Sie heute beschreiben, wo an Ihrer Schule KI bereits genutzt wird – mit welchen Daten, unter welcher Aufsicht und mit welchem Ziel? Wenn nicht: Genau dort beginnt die KI-Strategie.
Quellen und weiterführende Hinweise
Recht: EU AI Act (insbesondere Art. 4 zur KI-Kompetenz, Art. 5 zu verbotenen Praktiken in Bildungseinrichtungen, Anhang III zu Hochrisiko-Anwendungen im Bildungsbereich); DSGVO Art. 22 zu automatisierten Einzelentscheidungen.
Schulpolitik DACH: KMK-Handlungsempfehlung zu KI in der schulischen Bildung; Impulspapier der Ständigen Wissenschaftlichen Kommission der KMK zu Large Language Models; Masterplan Digitalisierung im Bildungswesen (Österreich) und KI-Handreichung des BMBWF; Hinweise des Volksschulamts und der Bildungsdirektion Kanton Zürich; Educa-Dossiers zu KI im Bildungsraum Schweiz.
Praxisbeispiele: KIMADU-Pilotprojekt (Ministerium für Schule und Bildung NRW gemeinsam mit Universität Siegen); Einführung generativer KI in der Sekundarstufe II im Kanton Zürich; Leitsätze der Zürcher Volksschule.
Forschung: Aktuelle systematische Reviews zu generativer KI in der Bildung zeigen konsistent Vorteile bei Personalisierung, Feedback und Effizienz, aber ebenso Herausforderungen bei Ethik, Datenschutz, Bias und Fortbildung. Die europäischen Ethik-Leitlinien für Lehrkräfte unterstreichen die Bedeutung kritischer KI-Kompetenz im Primar- und Sekundarbereich.
