Wenn die KI schon alles kann
Sinnvolle Projekte für den MINT-Unterricht

Wie können Aufgaben und Projekte im MINT-Unterricht gestaltet werden, damit sie trotz der neuesten KI-Modelle noch echte Eigenleistung erfordern und nicht nur zu CopyPasteLösungen führen? Wie lassen sich Motivation, Kreativität und Urteilsvermögen der Lernenden stärken, wenn KI in Sekunden korrekte Antworten und nachvollziehbare Begründungen liefert? Und wie können Lernsettings gestaltet werden, in denen KI nicht zur Abkürzung, sondern zum Denkpartner wird?
Geschlossene Aufgaben im MINT-Unterricht sind kaum noch sinnvoll, da korrekte Ergebnisse durch eine Internetrecherche oder die Nutzung von ChatGPT sofort verfügbar sind und lediglich abgeschrieben werden könnten. Offene Aufgaben galten deshalb lange als geeignete Alternative: Es gibt viele richtige Lösungen, sodass der Lösungsweg schrittweise dargestellt und logisch begründet werden muss.
Von der geschlossenen zur offenen Aufgabe
Seit dem Aufkommen leistungsfähiger KI-Reasoning-Modelle im Januar 2025 liefert jedoch auch die KI in Sekunden nachvollziehbare, logisch strukturierte und vor allem fachlich korrekte naturwissenschaftliche Herleitungen. Damit verlieren viele bisher erfolgreiche offene Projektformate ihren didaktischen Vorteil, da Lernende die Begründungen ebenfalls nur übernehmen könnten.
Für Lehrkräfte wird es somit immer schwieriger, motivierende Aufgaben zu finden, die in der Mensch-Maschine-Kollaboration echte Lerngelegenheiten eröffnen. Gefragt sind Formate, die trotz des möglichen Einsatzes von KI die menschliche Leistungsvielfalt, Kreativität, das Urteilsvermögen und den Kontextbezug in den Vordergrund rücken – über das bloße Rechnen und Begründen hinaus. Anstatt die Verfügbarkeit von KI für die Bearbeitung von Aufgaben oder Projekten zu ignorieren oder gar zu verbieten, sollte im Unterricht ein aktiv reflektierter Umgang mit KI gefördert und gefordert werden.
Warum noch motiviert Lernen, wenn es die Maschine besser kann
Damit das Lernen auch im Zeitalter allgegenwärtiger KI bedeutsam und nachhaltig bleibt, sollte der MINT-Unterricht die Lernenden „innerlich berühren“. Benötigt werden Fragen aus dem Alltag, die Schüler:innen dazu anregen, sich aus eigener Motivation mit Inhalten auseinanderzusetzen, Herausforderungen anzunehmen und den Lernprozess aktiv mitzugestalten. Intrinsische Motivation lässt sich vor allem durch die Förderung von Autonomie, Kompetenzerleben und sozialer Eingebundenheit stärken. Gerade Projektarbeiten bieten hierfür den idealen Raum: Lernende knüpfen an ihre Lebenswelt an, nutzen KI als unterstützendes Werkzeug – und bringen zugleich ihre Persönlichkeit, Kreativität und ihr Urteil ein. So entfaltet sich ihr volles Potenzial: nicht trotz, sondern mit KI.
Ko-kreative Nutzung von KI
Ko-Kreativität bezeichnet den Prozess, bei dem mehrere Personen gemeinsam an der Entwicklung von etwas Neuem arbeiten. Dieser kollaborative Ansatz kombiniert die Fähigkeiten und Perspektiven der Beteiligten, um innovative Lösungen, Produkte oder Dienstleistungen zu schaffen. Im Klassenzimmer kann Ko-Kreativität beispielsweise durch Projektarbeiten umgesetzt werden, bei denen die Lernenden sowohl untereinander als auch mit generativer künstlicher Intelligenz zusammenarbeiten. Zu Beginn kann KI das Brainstorming unterstützen, am Ende die kreative Umsetzung der Ideen in Lernprodukte wie Erklärvideos, Instagram-Storys oder Podcasts. Während der Hauptarbeitsphase sollte die KI jedoch nicht zur Problemlösung beitragen können.
Echte Eigenleistung trotz KI
Damit KI-Tools in der Hauptarbeitsphase Lernprozesse bereichern und nicht ersetzen, müssen die entsprechenden Aufgaben so gestaltet sein, dass sie echte Eigenleistung erfordern. Hierfür können die folgenden sechs Prinzipien beachtet werden. Es ist nicht notwendig, diese Prinzipien alle gleichzeitig in einer Aufgabe oder einem Projekt umzusetzen. Je mehr jedoch berücksichtigt werden, desto höher ist der echte Lernzuwachs.
Sechs Prinzipien zur Förderung der Eigenleistung trotz Reasoning-KI
Prinzip 1: Handlungsorientierung
Aufgaben und Projekte sollten so gestaltet sein, dass die Lernenden aktiv einbezogen werden. Das bedeutet, dass sie selbst experimentieren, konstruieren oder gestalten müssen. Durch aktives Tun wird das Lernen greifbarer und nachhaltiger, da die Lernenden die Möglichkeit haben, Wissen durch eigene Erfahrungen zu verinnerlichen.
Prinzip 2: Kontextorientierung
Um das Lernen relevanter und motivierender zu gestalten, sollten Aufgaben und Projekte einen direkten Bezug zum Alltag haben. Dies kann durch die Verwendung eigener Fotos und Videos oder durch das Sammeln von Messdaten erreicht werden. Da personalisierte und kontextualisierte Projekte keine durch KI generierten, vorgefertigten Lösungen bieten, werden kreatives Denken und individuelle Ansätze zur Problemlösung gefördert.
Prinzip 3: Regionale Bezüge
Wenn sich Lernende mit lokalen Themen, geografischen Besonderheiten oder regionalen Merkmalen auseinandersetzen, wird das Lernen relevanter und an ihre Umgebung angepasst. Für diese Themen ist oft spezielles Wissen und Kontextverständnis erforderlich, auf das KI nur schwer zugreifen kann.
Prinzip 4: Wechsel der Ausdrucksform
Um die Ausdrucksfähigkeit und Kreativität der Schüler:innen zu fördern, sollten in Aufgaben und Projekten alternative Lernprodukte entworfen werden, die über traditionelle schriftliche Ausarbeitungen hinausgehen. Multimodale Formate wie Erklärvideos, E-Books oder Instagram-Storys bieten die Möglichkeit, Ideen und Erkenntnisse auf vielfältige Weise darzustellen. Sie ermöglichen individuelle Gestaltungsspielräume und fördern die Entwicklung digitaler und kreativer Kompetenzen.
Prinzip 5: Persönliche Auseinandersetzung
Die Lernenden sollten ermutigt werden, ihre eigenen Erfahrungen und Perspektiven in den Lernprozess einzubringen und die Situation zu bewerten. Sie sollten zum Thema Positionen entwickeln – begründet, wertorientiert und überzeugend.
Prinzip 6: Reflexion des KI-Einsatzes
Der Einsatz von KI sollte kritisch reflektiert werden. Hierzu bieten die vier Leitfragen von Manuel Flick eine gute Orientierung:
- Welche KI-Tools wurden für welchen Zweck genutzt?
- Wie wurden KI-Outputs überprüft und eingeordnet?
- Welche Prompt-Iterationen wurden aus welchen Gründen vollzogen?
- Welche Entscheidungen wurden im Zuge der Ko-Aktivität getroffen, welche Gedanken wurden verworfen?






