Wo Automatisierung sinnvoll ist – und wo Menschen entscheiden.
Wie viel KI darf es im LMS sein?
KI in der Bildung eröffnet neue Möglichkeiten, Lernplattformen intelligenter zu gestalten und Lehrende wie Lernende gezielt zu unterstützen. Doch der Mehrwert entsteht nicht dadurch, dass möglichst viele Aufgaben automatisiert werden. Entscheidend ist, welche Aufgaben die KI übernimmt, wie selbstständig sie dabei handelt und wo Menschen die Kontrolle behalten. Gerade in Systemen wie Moodle braucht es deshalb klare Kriterien, um KI didaktisch sinnvoll und verantwortungsvoll einzusetzen.
Wir entwickeln Moodle zu AI First LMS weiter. Heißt AI First: KI macht in Zukunft alles? In diesem Beitrag stellt Dr. Johannes Moskaliuk ein Modell vor, das dabei hilft, den didaktisch sinnvollen Einsatz von KI zu bewerten. Das Modell hat Johannes Moskaliuk auf der Moodle Moot Europa 2026 in Barcelona vorgestellt, gemeinsam mit einem Einblick in den aktuellen Stand der eLeDia.a | Suite.
Das übergeordnete Ziel ist, dass durch den Einsatz von KI Zeit frei wird für die Arbeit, die nur Menschen leisten können. Das klingt einfach. Die schwierige Frage ist: Wo darf KI was? Dafür haben wir ein Modell entwickelt und an unseren eigenen Produkten getestet.
Drei Fragen an jeden KI-Einsatz
Es gibt schon Taxonomien für KI in der Bildung etwa die vier Anwendungsfelder von Zawacki-Richter et al. (2019) oder die Unterscheidung von Baker und Smith (2019) nach Anwendungen für Lernende, Lehrende und das System. Sie beschreiben das Feld gut, helfen aber wenig bei der Frage, was man in einer konkreten Lernplattform freischalten sollte. Unser Modell stellt deshalb an jeden KI-Einsatz drei Fragen:
- Adressat: Wem dient der Einsatz? Lernenden, Lehrenden oder der Institution. Die Dreiteilung stammt von Baker und Smith (2019), wurde von Holmes und Tuomi (2022) ausgearbeitet und von der OECD (2024) übernommen.
- Autonomiegrad: Wer steuert den Prozess? Ein Kontinuum vom Werkzeug über die Assistenz bis zum Agenten. Beim Werkzeug löst der Mensch jede Aktion aus. Bei der Assistenz schlägt die KI vor und der Mensch gibt frei. Beim Agenten steuert die KI den Ablauf selbst, der Mensch beaufsichtigt. Die Abstufung orientiert sich an den Automatisierungsstufen von Molenaar (2022).
- Gegenstand: Was wird berührt? Die Organisation des Lernens, der Lernprozess selbst oder die Bewertung.
Jeder konkrete Einsatz von KI ist damit ein Punkt in einem dreidimensionalen Raum. Wichtig ist Johannes dabei eine Unterscheidung: Eingeordnet wird der Einsatz, nicht das Produkt. Dasselbe Werkzeug kann je nach Konfiguration oder konkreter Nutzung an ganz unterschiedlichen Stellen im Würfel liegen.
Autonomie folgt dem Gegenstand
Was heißt das für AI First? Die zentrale Regel: Wie viel Autonomie die KI bekommt, hängt vom Gegenstand ab. Daraus ergeben sich drei Bereiche.
| Gegenstand | Was die KI tut | Freiraum für Menschen |
|---|---|---|
| Organisation | Übernimmt als Agent: Kursanlage, Einschreibung, Fristen | Weniger Verwaltungsarbeit |
| Lernprozess | Bereitet als Assistenz vor, Menschen gestalten: Entwürfe, Tutoring, Auswertungen | Zeit für Begleitung und Gespräch |
| Bewertung | Keine KI-Entscheidung: Noten, Prüfungen und Zulassung bleiben beim Menschen | Zeit für ein fundiertes Urteil |
Der Freiraum wandert dabei nach unten. Wer weniger Zeit mit Einstellungsformularen verbringt, hat mehr Zeit für die Begleitung von Lernenden. Und wer Lernende besser begleitet, kann am Ende fundierter bewerten.
Das deckt sich mit der Logik des EU AI Act. Anhang III stuft Bildungssysteme als hochriskant ein, wenn sie über Zugang, Zulassung oder Bewertung von Lernergebnissen entscheiden. Maßgeblich ist dort der Zweck, also der Gegenstand, und nicht die Technik dahinter.
AI First bedeutet für uns deshalb: KI so weit, wie der Gegenstand es zulässt.
Drei Beispiele aus der Praxis
Wie das konkret aussieht, zeigen drei Beispiele aus der eLeDia.ai | Suite.
1.) Kursanlage per MCP. Lehrende, Organisation, Agent. Stellen Sie sich vor, Sie bereiten einen neuen Kurs für eine Gruppe vor. Bisher heißt das: Kurs anlegen, Abschnitte einrichten, Termine setzen, Teilnehmende einschreiben, Formular für Formular. Mit dem MCP-Connector beschreiben Sie den Kurs in wenigen Sätzen. Die KI legt ihn in Moodle an, mit genau den Rechten der angemeldeten Person, und zeigt Ihnen eine Vorschau zur Freigabe. Der Freiraum: Zeit für die didaktische Gestaltung.
2.) eLeDia.ai Tutor mit Auswertung. Lernende und Lehrende, Lernprozess, Assistenz. Lernende bleiben oft allein mit ihren Fragen oder warten auf die nächste Sprechstunde. Lehrende merken Verständnisprobleme häufig erst in der Prüfung. Der eLeDia.ai Tutor unterstützt Lernende jederzeit auf Basis der Kursinhalte. Seine Auswertung zeigt Lehrenden, wo Lernende Schwierigkeiten haben. Der Freiraum: gezielte Unterstützung dort, wo sie gebraucht wird.
3.) Lern-Briefing. Lernende, Organisation, Assistenz. Lernende suchen in Kursen, Foren und E-Mails zusammen, was gerade ansteht. Mit dem Briefing bekommen sie eine persönliche Übersicht: Fristen, offene Aktivitäten, neue Nachrichten und einen Vorschlag für den nächsten Schritt. Der Vorschlag bleibt ein Vorschlag, die Entscheidung liegt bei den Lernenden. Der Freiraum: Energie für das Lernen statt für die Suche.
Die eLeDia.ai | Suite im Würfel-Modell zur KI-Nutzung
Wir haben unsere eigene Produktpalette in das Modell einsortiert. Zwei Ergebnisse finde ich wichtig:
1.) Die Bewertungszeile ist leer: Keines unserer Plugins vergibt Noten, entscheidet über Zulassungen oder weist ein Niveau zu. Alle folgen demselben Muster: Die KI schlägt vor, ein Mensch prüft und gibt frei. Dahinter steckt das Ziel, den Einsatz von KI im Hochrisiko-Bereich zu vermeiden.
2.) Manche Einsatzmöglichkeiten liegen auf der Grenze. KI-Feedback ist Teil des Lernprozesses, solange es formativ ist und die Lehrkraft es freigibt. Fließt es automatisch in die Note ein, wandert es in die Bewertungszeile. Ein Lernpfad ist eine Empfehlung, solange Lernende frei wählen. Wird er automatisch durchgesetzt, ist er eine Niveauzuweisung. Die Freigabe ist deshalb mehr als eine Frage der Bedienung: Sie markiert die Grenze zur Hochrisiko-Zone.
| Gegenstand | Lernende | Lehrende | Institution |
|---|---|---|---|
| Organisation | Lern-Briefing, Fristen | Kursanlage und Einschreibung per MCP | Verwaltung und Reporting per MCP |
| Lernprozess | AI Tutor, AI Chat, Selbsttests, Lernpfad | Course Author, Fragengenerator, H5P Author, AI Feedback, Tutor-Auswertung | AI Translation |
| Bewertung | Menschen entscheiden | Menschen entscheiden | Menschen entscheiden |
Beim MCP-Connector zeigt sich die Regel „Eingeordnet wird der Einsatz“ besonders deutlich. Mit Rechten für Kalender und Kursanlage liegt er in der Organisationszeile. Mit dem Recht, Noten zu übertragen, läge er in der Bewertungszeile. Die Technik ist dieselbe, das Berechtigungsprofil bestimmt die Risiko-Zone.
Was folgt daraus?
Das Modell gibt Antworten auf die drei Reaktionen, die wir in Gesprächen über KI im LMS am häufigsten hören:
- „Agenten sind gefährlich.“ Das Risiko entsteht weniger durch die Autonomie der KI als durch den Gegenstand, auf den sie trifft.
- „Gebt jedem Tool eine Risikostufe.“ Das Risiko ist keine eigene Eigenschaft eines Tools. Es ergibt sich aus der Einordnung des Einsatzes.
- „Ist Tool X jetzt erlaubt?“ Das hängt davon ab, wofür Sie es einsetzen und welche Rechte es bekommt.
Aus Johannes‘ Sicht ist das der Kern von AI First: KI übernimmt, was sie übernehmen darf, und bereitet vor, was Menschen gestalten. So wird Zeit dort frei, wo Menschen unersetzlich sind, in der Begleitung und im Urteil.
Offen bleibt, wie sich die Grenzen verschieben, wenn die Systeme mit jedem Release mehr Prozesskontrolle bekommen. Der Würfel gibt uns eine gemeinsame Sprache, um diese Diskussion zu führen. Wenn Sie Ihre eigenen KI-Einsätze damit einordnen möchten, sprechen Sie uns an.
