Was macht TreadEd eigentlich?

Generative KI ist kein Heilsbringer für die Bildung – sie ist ein Potenzial. Drei Probleme stehen zwischen diesem Potenzial und wirklich besserem Lernen. Und so geht TreadEd sie an.

Nichts hilft mir besser beim Lernen als Claude. Kaum ein Buch lese ich noch „solo“, und Gleiches gilt für Blogposts oder akademische Paper – wobei die Grundlage für ein gelingendes Verstehen natürlich schon mit einem NotebookLM-Podcast gelegt wird.

Ich würde also nie widersprechen, dass KI-Assistenten ausreichen können, um besser zu lernen denn je. Gleichzeitig denke ich auch, dass es eine große Herausforderung ist, dieses bessere Lernen systematisch umzusetzen. Oder wie Claude schreiben würde: Generative KI ist kein Heilsbringer für die Bildung, sie ist ein Potenzial.

Aber was genau ist die Brücke, die es zu bauen gilt, um das Potenzial generativer KI für die Bildung einzulösen? Und wie versuchen wir bei TreadEd, diese anzugehen?

Ich sehe drei Probleme, die verhindern könnten, dass generative KI der Heilsbringer für die Bildung wird, der sie sein könnte:

Ein Assistent will dir Widerstand nehmen, ein Tutor muss dir Widerstand geben.

Die einfachste Form hierbei ist, dass Lernende, die nicht unbedingt motiviert sind, Inhalte zu verstehen, sich den Widerstand einer Aufgabe nun einfacher denn je nehmen lassen können. Mein Lieblingsbeispiel war ein Schüler letztens in einem Clip der Heute-Show, der auf die Frage, ob er ChatGPT für Hausaufgaben nutze, nahezu entwaffnend ehrlich sagte, dass ihm für alles andere seine Zeit zu viel wert sei.

Etwas überraschender ist jedoch, dass auch Lernende, die nicht unbedingt schummeln wollen, schlechter mit KI-Assistenten lernen.

Das Problem ist also nicht (nur), dass man einfacher schummeln kann. Das Problem ist eher, dass man einfacher zu Antworten kommt – ob man sie liest und versucht, sie zu verstehen, oder sie einfach blind kopiert oder abschreibt.

Dabei kann sich das Lesen einer Antwort so sehr wie eigenes Verständnis anfühlen. Das kennen wir alle: Wir hören einen Podcast und bleiben auch wirklich am Ball. Erst wenn wir dann im Nachhinein einer Freundin erzählen wollen, worum es ging, merken wir, dass es sich eher wie Verstehen angefühlt hat, als wirklich zu sein. Herbert Simon, Vater der Kognitionswissenschaft und (Wirtschafts-)Nobelpreisträger, hat das Problem schon vor Jahrzehnten ausformuliert.

Es ist so schön einfach geworden, eine sehr gute Antwort auf fast jede Frage zu bekommen … leider reicht das nicht, um zu lernen – selbst wenn man sie liest. In anderen Worten: Die Aktivität, das Anstrengende, ist (leider) der Punkt. Eine Analogie zur Fitness gibt viel her.

Wie die Muskeln brennen müssen, um zu wachsen, muss der Kopf qualmen, um sich zu füllen. Und wie ein E-Bike weniger fit macht, weil es das Brennen umgeht, so macht ein KI-Assistent den Kopf weniger voll, weil er das Qualmen umgeht.

Denn auch meiner Erfahrung nach scheitert es häufig nicht an der Motivation zu lernen, sondern daran, dass effektives Lernen komplizierter ist, als man vielleicht denken mag. Woher weiß ich eigentlich, ob ich etwas verstanden habe? Und eben das ist es, was ein guter Tutor zugänglich macht: Er gibt nicht die richtigen Antworten, sondern stellt die richtigen Fragen.

Wir sind natürlich nicht die Ersten und Einzigen, die das erkannt haben. Lösungen wie z. B. Khanmigo der (inspirierenden) Khan Academy setzen auch darauf, das technologische Potenzial gen Widerstand zu polen.

Was bei TreadEd jedoch neu und einzigartig ist: Wir verbreiten dieses Potenzial generativer KI nicht über eigene Lerninhalte, sondern lassen andere – inhaltliche Experten, die KI für ihr Bildungsangebot verwenden wollen – damit Interaktionen vorbereiten.

Aber damit Experten für Inhalte mit ihrem Namen stehen, braucht es zwei ausschlaggebende Zutaten, die wenige KI-Produkte bedienen: Zuverlässigkeit und Transparenz.

Das könnte klappen! Aber eben auch nicht … und vor allem nicht immer.

Das große Problem ist, dass das Ganze eine nicht tragbare Kombination aus unzuverlässig und undurchsichtig ist. Je größer der Schulungsauftrag an das Modell, desto wahrscheinlicher, dass das Modell das Ziel aus dem Auge verliert. Und wie will ich außerdem wissen, was der Lernende wirklich geleistet und dementsprechend gelernt hat?

Wenn Bildungs-Creator dafür bezahlt werden, dass sie Verantwortung für einen Lernfortschritt übernehmen – wie wollen sie für eine solche Blackbox stehen?

Gleichzeitig nutzt man das Potenzial künstlicher Intelligenz auch nur, wenn man sie intelligente Ermessensentscheidungen treffen lässt. Niemandem wäre z. B. geholfen, wenn KI nun zuverlässig Multiple-Choice-Fragen mit klarem Lösungsschlüssel abfragt. Mehr Potenzial besteht darin, Lernende dynamisch in der Interaktion zu evaluieren – also Validierung (z. B. „Erwartungshorizonte“) zu automatisieren, statt nur Spezifizierung (z. B. „Lösungsschlüssel“), wie es KI-Berühmtheit Andrej Karpathy letztes Jahr formulierte.

Aber wie bekommt man solche Ermessensentscheidungen mit Zuverlässigkeit unter einen Hut?

Die Antwort ist ein klarer inhaltlicher und didaktischer Fokus, gerahmt durch eine dynamisch angepasste Agenda und Rollenverteilung.

Und was so kompliziert klingt, ist eigentlich auch aus menschlicher Perspektive gut nachvollziehbar.

Beim ersten Mal Schulen muss man die Analogien noch zum ersten Mal aufbauen. Viel Aufwand, viel, das schiefgehen kann, und viele Reaktionen von Lernenden, auf die bei der Belastung noch schwerer zu reagieren ist. „Warum wurde die Parallele zwischen ChatGPT und einer linearen Gleichung nicht verstanden?“, „Welche Erkenntnis muss davor sichergestellt werden?“ – das sind Erfahrungen, die mir da spontan in den Kopf kommen. Man lernt funktionierende Sequenzen von Erkenntnissen und wird flexibler beim Herbeiführen.

Aber mit der Zeit festigen sich diese Punkte. Ich werde zuverlässiger, weil ich weiß, welche Geschichte ich die Lernenden durchlaufen lassen möchte, mit welchen Erkenntnissen und welchen möglichen Fehltritten.

Vereinfacht gesagt, ist das genau das, was bei TreadEd in einer Interaktion passiert.

Das interagierende Modell hat einen abgesteckten inhaltlichen Rahmen und außerdem eine didaktische Agenda im Kopf – aber immer nur so viel, wie es zum aktuellen Teil der Interaktion braucht. Es hat kein bindendes Protokoll, sondern flexible Reaktionsintuitionen, die a) dem Lehrenden ein Maß an Kontrolle über die Interaktion geben, mit der Möglichkeit, eigene Expertise als Mehrwert einzubringen, und b) die Lernenden je nach Bedarf flexibel unterstützen.

Das interagierende Modell weiß zwar, in welchem größeren Interaktionsrahmen es sich befindet, ist aber fokussiert auf das aktuelle Zwischenziel der Interaktion. Es kann sich auf diese Rolle des optimalen Forderns konzentrieren, da die Evaluation und der damit einhergehende Fokus-Wechsel (die dynamische Entwicklung des System-Prompts) von einem ergänzenden Modell verantwortet werden.

Beide Modelle haben einen herausfordernden und wichtigen, aber klar begrenzten Fokus. Wer Zuverlässigkeit in KI-basierten Prozessen herstellen will, muss mit der Aufmerksamkeit der Modelle wirtschaften: Was ist gerade wichtig? Wie kann man Aufmerksamkeit sinnvoll aufteilen?

Manchmal habe ich das Gefühl, dass sich sowohl bei generativer KI als auch beim Lernen überraschend viel mit Cognitive Load Management erklären lässt. Aber das ist vielleicht ein Post für einen anderen Tag.

Generative KI glänzt in vielen Situationen dadurch, dass man sehr schnell von 0 etwas Beeindruckendes auf die Beine gestellt hat. „Von 0 anfangen“ hieße aber auch, dass alles bereits Bestehende hinter sich gelassen werden muss – oder dass unsere neue KI-Interaktion parallel zu bestehenden E-Learnings geteilt werden müsste.

Als Bildungs-Creator: ein separates Produkt. Als Unternehmen: LMS-fremde Ergänzungen.

Das geht besser.

TreadEd ist dementsprechend LTI-ready und lässt sich in SCORM-Inhalte einbetten. Oder einfacher gesagt: gemacht, um bestehende Inhalte in LMS sinnvoll zu ergänzen – um das, was generative KI in der Bildung sein sollte.

Unter diesen Umständen kann generative KI durchaus helfen, Meter zu machen. Es braucht nur Menschen, die dafür sorgen, dass es in die richtige Richtung geht.

Über den Autor

Dr. Christoph Kenntemich ist Co-Founder von TreadEd.

TreadEd ist ein Creator-Tool, das es ermöglicht, dialogbasierte Lernpfade zu gestalten, in denen Lernende in einer Eins-zu-eins-Betreuung durch einen KI-Tutor immer optimal gefördert werden. Erfahrene Mitarbeitende prägen den Tutor didaktisch vollständig und geben so ihr Wissen und ihre Erfahrung skalierbar weiter.