Stellt euch mal vor, ihr gebt einem echten Sternekoch eine völlig unordentliche Kiste.

Da sind ja ein paar gute Zutaten drin, ein grob hingekritzeltes Rezept auf so einem fettigen Zettel und vielleicht noch ein paar komplett unbeschriftete Gewürze.

Oh je, ein Albtraum für jeden Koch.

Absolut.

Aber jetzt kommt’s! Und 3 Minuten später, wirklich nur 3 Minuten, steht da plötzlich ein perfekt kalkuliertes, auf die Minute geplantes 14 Gänge-Menü vor euch.

Wahnsinn.

Alles ist logisch aufeinander abgestimmt, die Aromen passen, die Portionsgrößen sind exakt berechnet.

Und genau diese Art von Magie schauen wir uns heute in unserem Deep Dive mal genauer an.

Genau, und zwar im Kontext von Hochschullehre und Weiterbildung.

Das ist ja ein Bereich, der oft, na ja, sagen wir mal, ein bisschen träge ist.

Um es diplomatisch auszudrücken. Ja. Wir haben für unsere heutige Analyse nämlich eine hochspannende Videolektion von Martin Gertler vorliegen. Das ganze ist Teil von seinem Projekt Flipped-Classroom-Transferwerkstatt.

Mhm, ein super spannendes Projekt.

Finde ich auch. Darin wird demonstriert, wie ein eigens konfigurierter Bot von Google Gemini, also ein sogenannter Gem, eine traditionelle ziemlich staubige Modulbeschreibung in Minutenschnelle in ein hochmodernes Flipped-Classroom-Konzept verwandelt.

Und das ist wirklich ein Prozess, der normalerweise unfassbar zäh ist. Also, wenn wir uns den Alltag an Hochschulen oder in der Erwachsenenbildung so ansehen, sitzen Lehrende oft tagelang vor diesen bürokratischen PDFs.

Oh ja, diese endlosen Tabellen.

Genau, nur um daraus irgendwie ein funktionierendes Semester zu basteln. Es ist mühsam, es ist mathematisch trocken und es raubt einem genau die kreative Energie, die man eigentlich für die Lehre selbst bräuchte.

Richtig. Und Gertler zeigt da in seinem Video einen Ausweg, der nicht nur massiv Zeit spart, sondern das gesamte didaktische Modell auf ein völlig neues Fundament steht. Also, lasst uns da direkt mal reinspringen und schauen, wie das mechanisch überhaupt abläuft.

Gerne.

Im Video öffnet sich also dieser Flipped-Classroom-Modultransformator im Browser. Der Lehrende nimmt eine PDF-Datei, in dem Fall ist es die Modulbeschreibung für Medienproduktion aus einem Masterstudiengang, und lädt die einfach in diesen Gem hoch.

Aber er drückt eben nicht einfach nur blind auf Enter.

Nee, genau und hofft auf das Beste. Das wäre ja zu simpel.

Exakt. Und das ist der erste entscheidende Mechanismus hier, das sogenannte Human-in-the-Loop-Prinzip.

OK. Was heißt das genau in dem Fall?

Also die KI rät nicht einfach ins Blaue hinein, was das eigentliche Ziel von diesem Studiengang sein könnte. Der Lehrende füttert das System ganz gezielt mit übergeordnetem Kontext. Er gibt beispielsweise die Qualifikationsziele des Studiengangs ein.

Ah, diese Q1 bis Q5 Dinger, die man immer in den Handbüchern findet.

Richtig, genau die. Und was für die Praxis wirklich extrem wichtig ist: er füttert die KI auch mit den externen Störfaktoren.

Er sagt dem Bot ganz konkret: „Pass auf, an diesen zwei Terminen im Semester fällt die Vorlesung aus, weil da Feiertage sind.“

Ah, okay. Und das ist dann der Punkt, an dem die Maschine anfängt, so richtig strategisch zu rechnen, oder?

Ganz genau, weil die KI die Mathematik hinter den Leistungspunkten, also den ECTS fehlerfrei beherrscht. Nehmen wir mal diese spezifische Modulbeschreibung für die Medienproduktion. Da stehen, sagen wir mal, 150 Stunden Workload bei vier Semesterwochenstunden.

Okay, 150 Stunden insgesamt für den Studenten.

Richtig. Das System errechnet dann quasi in Millisekunden: okay, vier Semesterwochenstunden bedeuten exakt 48 Stunden Kontaktzeit im Raum. Dann zieht die KI die eingegebenen Feiertage ab. Anschließend kalkuliert sie die Zeiten für die Prüfungsleistungen.

Was wäre das in dem Fall?

In dem Video ist das ein 15-minütiges Referat plus Vorbereitung und eine zehnseitige Hausarbeit.

Und wenn die Maschine das alles abzieht, bleiben am Ende dieser Rechnung exakt 102 Stunden übrig.

Wow, okay. Das ist also die Zeit, die nur für das reine Selbststudium zur Verführung steht.

Exakt. Und die KI bricht diese 102 Stunden dann auf einen 14-Wochenplan herunter und sagt dem Dozenten quasi: deine Studierenden müssen ab sofort jede Woche gut 5 Stunden asynchron, also außerhalb des Hörsaals, arbeiten.

Das löst ja schon mal ein massives Strukturproblem, weil man das als Dozent gar nicht mehr selbst ausrechnen muss. Aber das System geht in dem Video ja noch weiter.

Oh ja.

Es bietet nämlich zwei Optionen für den Ablauf an. Einen reinen Thementrack und einen Projekttrack, und das Game rät dann völlig eigenständig zu diesem Projekttrack. Und zwar mit der Begründung, dass wir uns hier auf dem Master-Niveau bewegen.

Es argumentiert also wirklich inhaltlich, dass es nicht reicht einfach nur Medienthemen abzuhaken, sondern dass die Studierenden eine eigene Franchise-Idee entwickeln und auch Budgets verteidigen müssen.

Das ist wirklich faszinierend. Das Gem agiert an dieser Stelle nämlich nicht mehr nur als Taschenrechner, sondern als echter didaktischer Berater.

Ja, total.

Es erkennt das akademische Level und passt die Lernarchitektur entsprechend an.

Da muss ich aber mal direkt einhaken.

Klar.

Wenn eine Maschine mir jetzt den Ablauf diktiert und mir quasi vorschreibt, wie mein Semester methodisch abläuft, bin ich dann als Dozent nicht nur noch so ein Erfüllungshilfe von einem Algorithmus?

Mhm. Ich verstehe, worauf du hinauswillst.

Also, geht da nicht die pädagogische Seele, diese individuelle Handschrift des Lehrenden komplett verloren?

Das ist eine sehr berechtigte Sorge, die man auch oft hört. Aber wenn wir uns die Mechanik hinter diesem Ansatz mal genauer ansehen, passiert eigentlich genau das Gegenteil.

Die KI fungiert hier als gnadenloser Filter für das sogenannte Constructive Alignment.

Constructive Alignment. Lass uns das für unsere Zuhörenden mal kurz greifbar machen. Das bedeutet doch im Grunde, dass Lernziele, die Prüfungsform und die Lehrmethoden exakt deckungsgleich sein müssen, oder?

Richtig, genau das.

Also, wenn die Abschlussprüfung am Ende eine praktische Fahrprüfung ist, dann müssen die Leute im Semester auch tatsächlich in einem Auto sitzen und fahren üben.

Anstatt nur im Hörsaal ein Handbuch über Reifendruck auswendig zu zu lernen. Ja. Ein hervorragendes Bild. Genau das ist es. Und in der Realität scheitert dieses Alignment extrem oft an der puren Komplexität der Semesterplanung.

Weil man im Alltag den Wald vor lauter Bäumen nicht sieht.

Exakt. Die KI übernimmt nun diese lästige, trockene Konstruktionsarbeit. Sie gießt das Fundament und stellt sicher, dass die Fahrstunden wirklich exakt auf die Prüfung abgestimmt sind.

Und weil dieses methodische Korsett dann fehlerfrei steht, passiert etwas Erstaunliches: Der Dozent hat plötzlich den Kopf frei.

Ah, verstehe.

Die mentale Kapazität, die vorher für ETCS-Kalkulationen und das Ausrechnen von Ausfällen drauf ging, kann jetzt voll in die kreative menschliche Gestaltung der tatsächlichen Präsenzzeit fließen. Die KI stiehlt also nicht die Seele, sie befreit sie eher von der Bürokratie.

Das ist ein starker Gedanke. Der Bot baut das Fundament und gießt den Beton, damit ich mich als Architekt auf das Design und das Leben im Haus konzentrieren kann.

Ganz genau.

Aber wie genau wird so ein Gem überhaupt so schlau. Weil wenn ich jetzt ein Standard-ChatGPT öffne und sage, schreib mir mal einen Semesterplan, dann spuckt das ja eher so allgemeines blabla aus.

Ja, meistens schon.

Wie hält man ein Sprachmodell davon ab, einfach immer mehr theoretischen Stoff zu erfinden und völlig auszuufern?

Das liegt am sogenannten Prompt Engineering. Das ist quasi das Betriebssystem dieses spezifischen Gems. In der Konstruktion solcher Bots wird sehr oft mit der PATS-Formel gearbeitet.

PATS, wofür steht das?

PATS steht für Persona, Aufgabe, Empfänger, Thema und Struktur. Man weist dem Modell zuerst eine extrem spezifische Persona zu.

Man sagt also, du bist ein führender Experte für Hochschuldidaktik und Curriculum-Entwicklung.

Okay, und allein das ändert schon was?

Massiv. Allein durch diesen einen Satz verändern sich die mathematischen Gewichte im Sprachmodell komplett. Es schließt umgangssprachliche oder triviale Lösungswege sofort aus und bewegt sich ab da im semantischen Raum der professionellen Pädagogik.

Wahnsinn. Aber das verhindert ja noch nicht zwingend, dass die KI anfängt zu halluzinieren, oder?

Also, dass sie den Studierenden ein völlig absurdes Lesepensum aufdrückt?

Richtig. Und genau dafür gibt es die sogenannten Guard Rails, also quasi die Leitplanken. In komplexen Setups, wie sie hier im Hintergrund wirken, können diese Instruktionen extrem umfangreich sein.

Wie umfangreich?

Manchmal bis zu 17 Seiten lang.

17 Seiten nur Anweisungen an die KI, krass.

Ja. Diese Guardrails verengen den Wahrscheinlichkeitsraum der KI massiv.

Da steht dann explizit drin: Vermeide Stofffüllung. Fokussiere dich auf aktive Anwendung. Wandele input-orientierte Verben wie kennen oder verstehen zwingend in messbare Kompetenzen um.

Ah, okay.

Das Sprachmodell wird also in einen sehr engen hochprofessionellen Korridor gezwungen, aus dem es einfach nicht ausbrechen kann.

Und da sind wir ja direkt bei der pädagogischen Theorie hinter dem Flipped Classroom, die ich wirklich faszinierend finde, diese Bloom’sche Taxonomie.

Au ja, ein ganz zentrales Element.

Lass uns das für euch mal kurz visualisieren. Stellt euch einfach eine Pyramide des Lernens vor. Ganz unten, das ganz breite Fundament, das sind die simplen kognitiven Prozesse, also erinnern und verstehen. Früher im traditionellen Hörsaal hat der Professor genau das bedient. Er stand vorne, hat 90 Minuten lang Fakten präsentiert und die Studierenden haben brav mitgeschrieben.

Und das wirklich schwere Zeug, das ganz oben in der Pyramide, also das analysieren, evaluieren, kreieren, das mussten die Leute dann abends allein zu Hause machen.

Bei der Hausaufgabe, genau.

Völlig isoliert, genau dann, wenn sie eigentlich Hilfe bräuchten.

Und das ist der fundamentale Konstruktionsfehler der traditionellen Lehre. Beim Flipped Classroom wird diese Pyramide logischerweise komplett umgedreht. Die unteren Stufen, also wissen und verstehen, werden konsequent ausgelagert.

Das passiert dann asynchron vor der Präsenzzeit durch Videos oder Texte – und die kostbare, teure Präsenzzeit im Raum mit dem Experten wird zur, wie es in Gertlers Konzept sehr treffend heißt, Transferwerkstatt.

Transferwerkstatt, ein schöner Begriff.

Ja, hier wird diskutiert, evaluiert, kreiert. Wenn ein Student bei der Budgetplanung für das Medienprojekt feststeckt, ist der Dozent genau in diesem Moment physisch im Raum und kann intervenieren.

Das bedeutet dann aber auch zwingend, dass diese asynchrone Videos, die die Leute zu Hause schauen, komplett anders aufgebaut sein müssen.

Absolut.

Weil wenn ich jetzt einfach meine alte 90-Minuten-Vorlesung abfilme und online stelle, schaut sich das doch niemand hochkonzentriert an. Das Konzept hier fordert ja auch sehr strikt maximal 6 bis 8 Minuten pro Video Segment.

Genau, wir sprechen hier von Micro Learning.

Die kognitive Aufmerksamkeitsspanne bricht bei reinem passivem Videokonsum nach wenigen Minuten massiv ein.

Aber Moment, jetzt mal kritisch nachgefragt, wir reden hier über einen Masterstudiengang in Medienproduktion.

Ja.

Kann man komplexe Themen wie interkulturelle Strategien oder Budgetverteidigungen wirklich in einem sechsminütigen Video auf TikTok-Länge abhandeln? Das klingt für mich extrem reduktiv, fast schon nach so einer Fastfood-Bildung.

Das wäre es auch, wenn das Video die gesamte Lehre abbilden würde. Aber das ist ein großes Missverständnis der Mechanik. Das sechsminütige Video soll das Thema überhaupt nicht abschließend behandeln.

Sondern?

Es ist lediglich der Funke. Es liefert das absolute Basisvokabular und die Grundkonzepte. Es bereitet quasi nur den kognitiven Boden vor. Die eigentliche intellektuelle Tiefe, die ein Master-Niveau natürlich erfordert, entsteht erst danach.

In der Transferwerkstatt dann.

Genau, in der 90-minütigen hochintensiven Debatte. Das Video ist nur die Eintrittskarte für diese Debatte.

Ah, verstehe. Und um sicherzustellen, dass die Studierenden diese Eintrittskarte auch wirklich haben, nutzt das System einen weiteren genialen Mechanismus, das Just in Time Teaching.

Kurz JITT. Ja.

Im Video sieht man sehr schön, wie die KI nicht nur den Lehrplan ausspuckt, sondern direkt diagnostische Quizfragen mit generiert.

Zum Beispiel zum Thema Medienkonvergenz. Und die Studierenden müssen diese Fragen zwingend 24 Stunden vor der Präsenzveranstaltung digital beantworten.

Und das ist der diagnostische Filter für den Dozenten. Stell dir mal vor, du wachst am Morgen deiner Veranstaltung auf, schaust in dein Dashboard und siehst ah, 70 % der Klasse haben die Frage zur Medienkonvergenz richtig beantwortet. Aber bei der Frage zur Budgetierung haben fast alle komplett daneben gelegen.

Okay, das ist natürlich Gold wert.

Absolut. Du weißt also exakt, wo die Denkfehler im Kopf der Lernenden liegen. Du gehst dann in den Seminarraum und verschwendest keine einzige Minute mehr mit Dingen, die eh schon alle verstanden haben.

Du startest den Tag direkt mit dem strategischen Irrtum bei der Budgetierung?

Exakt, das ist eine unfassbare Effizienzsteigerung der Kontaktzeit.

Aber ein perfekt generiertes Quiz und ein genial aller Plan bringen natürlich absolut gar nichts, wenn die Menschen nicht mitspielen.

Das ist der wunde Punkt, ja.

Weder die Lehrenden, die dieses ganze Material ja plötzlich produzieren müssen, noch die Studierenden, die jetzt auf einmal hart arbeiten sollen, bevor sie überhaupt in den Raum kommen. Wie kriegen wir diese Theorie also auf die Straße? Gertlers Konzept liefert hier ja ganz pragmatische fünf Schritte für die Lehrenden.

Und diese fünf Schritte sind essentiell, weil sie den Berg an vermeintlicher Mehrarbeit entmystifizieren.

Schritt 1: vorhandenen Input sichten. Niemand, wirklich niemand fängt bei Null an. Jeder Dozent hat alte Skripte, Folien, Fallbeispiele.

Logisch. Und dann Schritt 2:

Strukturieren. Hier wird ganz stark zum Bau von Mind Maps geraten. Eine visuelle Landkarte des Moduls ist entscheidend, damit die Lernenden in der asynchronen Phase nicht das Gefühl für das große Ganze verlieren.

Okay, und Schritt 3 und 4 sind dann der Semesterwochenplan und die Dramaturgie der Präsenzzeit. Die haben wir durch den Gembot ja quasi schon im Vorfeld gelöst.

Genau, das nimmt uns die KI ab.

Und dann kommt Schritt 5. Das Produzieren der asynchronen Videos. Und hier gibt es einen Rat in den Quellen, der viele Akademiker erstmal schockieren dürfte.

Oh, ja.

Macht es Quick and Dirty! Niemand soll in einen teures professionelles Fernsehstudio gehen.

Das ist ein sehr pragmatischer, aber psychologisch auch ein extrem kluger Ansatz. Man kann einfach eine Keynote- oder PowerPoint-Präsentation besprechen und das Ganze ganz simpel am Laptop aufzeichnen. Oder man macht ein Zoom Meeting nur mit sich selbst.

Aber warum eigentlich? Ich meine, wenn ich als Hochschule tausende Euro an Studiengebühren oder staatlichen Mitteln kassiere, wollen die Studierenden dann nicht auch hochproduzierte Hochglanzvideos sehen?

Man sollte es meinen, aber interessanterweise zeigen Analysen zum Lernverhalten genau das Gegenteil.

Wirklich?

Ja. Hochglanz Videos aus dem Studio wirken oft steril, distanziert und irgendwie unpersönlich. Ein Quick-and-Dirty-Video aus dem Homeoffice hingegen, in dem der Dozent vielleicht auch mal kurz nach dem richtigen Wort sucht, oder einen authentischen Schlenker macht, baut eine viel stärkere parasoziale Bindung auf.

Ah, es wirkt menschlicher.

Genau.

Die Studierenden haben das Gefühl, ihr Dozent sitzt ihnen direkt gegenüber und erklärt ihnen das persönlich. Das erhöht die Lernbereitschaft enorm. Es gibt dabei eigentlich nur eine einzige eiserne Regel.

Und die wäre?

Das Bild darf ruhig mittelmäßig sein, aber der Ton muss perfekt sein.

Ah, ja, gutes Bild braucht guten Ton. Kenne ich. Wenn das Video rauscht oder extrem hallt, schalten die Leute nach 10 Sekunden entnervt ab.

Absolut.

Die mit KI-Filtern wirklich jedes Störgeräusch aus der Aufnahme rausrechnen.

Sehr wichtiges Tool, ja.

Okay, also die Dozierenden haben jetzt ihre authentischen Videos produziert. Aber was passiert auf der anderen Seite? Wir verlangen ja von den Studierenden eine komplette, ja, Metamorphose des Lernens, den Rollenwechsel vom passiven Konsumenten hin zum aktiven Agenten.

Und psychologisch ist das ein massiver Einschnitt. Wenn wir uns die Selbstbestimmungstheorie ansehen, brauchen Menschen drei grundlegende Dinge, um intrinsische Motivation zu entwickeln:

Autonomie, Kompetenz erleben und soziale Eingebundenheit.

Und das klassische frontal Aufsagen bietet oft nichts davon.

Richtig. Aber Flipped Learning bedient alle drei: Autonomie entsteht, weil der Student selbst entscheidet, wann, wo und in welcher Geschwindigkeit er das Video schaut. Er kann pausieren oder zurückspulen, ohne sich vor 200 Kommilitonen blamieren zu müssen.

Und das Kompetenzerleben kommt dann durch diese kleinen JiTT-Quizzes, die dem Gegenüber sofort das Feedback geben: „Hey, du hast das Konzept verstanden, du bist bereit für den Workshop.“

Exakt. Und die soziale Eingebundenheit passiert dann in der Transferwerkstatt, wenn sie in Kleingruppen echte Probleme lösen.

Aber wir dürfen uns hier natürlich nichts vormachen. Was passiert bei studentischen Widerstand, also der klassischen passiven Verweigerung? Es gibt ja immer diese Dienstleistungshaltung: Ich habe Gebühren bezahlt, also unterhalten Sie mich jetzt gefälligst.

Oh ja, das kennt jeder Lehrende.

Wenn dann 30% der Leute unvorbereitet in die Präsenz kommen, kollabiert doch diese ganze Transferwerkstatt, oder?

Das ist tatsächlich die allergrößte Gefahr des Modells. Und genau deshalb ist die allererste Sitzung im Semester, der sogenannte Kick-off, die wichtigste Veranstaltung überhaupt.

Das darf kein administratives Abhaken des Lehrplans sein.

Sondern?

Das ist eine psychologische Intervention. Hier wird noch gar nicht mit Fachstoff begonnen. Hier wird das Warum radikal transparent gemacht. Der Dozent muss den Studierenden klipp und klar erklären: wir machen diesen Flipped Classroom nicht, weil ich zu faul zum Vorlesen bin.

Sondern weil es besser für sie ist?

Genau. Wir machen das, weil der Arbeitsmarkt da draußen keine Leute braucht, die Dinge einfach nur auswendig wissen.

Der Arbeitsmarkt braucht Leute, die komplexe Probleme lösen, kommunizieren und evaluieren können, sogenannte Future Skills. Man muss den Return on Investment für ihre eigene Zukunft glasklar aufzeigen.

Und man lässt sie in der asynchronen Phase ja dann auch nicht allein. Ein ganz wichtiges Instrument, das hier in den Quellen immer wieder auftaucht, ist das Aufgabenblatt.

Richtig.

Man wirft den Studierenden nicht einfach einen Link zu fünf Videos hin, sondern man gibt ihnen eine ganz strukturierte Lesehilfe.

Das Aufgabenblatt kanalisiert die Aufmerksamkeit. Da steht dann: „Schaut euch Video 2 an und achtet besonders auf Aspekt X und Y, denn genau darüber werden wir am Dienstag in der Gruppe intensiv debattieren.“

Das schafft Verbindlichkeit!

Genau. Und es nimmt die Angst vor dieser unendlichen Stoffülle.

Okay, wir haben jetzt die KI-Mechanik besprochen. Wir haben die psychologischen Hebel für die Studierenden beleuchtet, aber wir müssen natürlich auch mal über die harte Realität des Hochschulbetriebs sprechen. Über Zeit, über Geld und überraschenderweise Legalität.

Ein sehr wichtiges Thema.

Es gibt da in den Unterlagen dieses wunderbar anschauliche Fallbeispiel von Professor G, das die praktischen Auswirkungen einfach perfekt illustriert.

Ja, die Rechenaufgabe zur Lebenszeit, das ist ein faszinierendes Beispiel für den persönlichen Hebel dieses Modells.

Lasst uns das mal kurz durchspielen für euch. Also Professor G lebt in Berlin, hat aber einen Lehrauftrag in Köln, 10 Semesterwochenstunden. Im alten Modell hieß das für ihn, er musste an 32 Wochen im Jahr reisen.

Unglaublich.

Ja. Das bedeutet endlose Stunden im ICE, ständige Hotelübernachtungen, diese ganze Erschöpfung durch das Pendeln.

Die geschätzten Kosten für diese doppelte Haushaltsführung lagen bei rund 12.000 € im Jahr. Oft aus eigener Tasche oder aus einem knappen Budget bezahlt, plus die immense Lebenszeit, die einfach auf der Schiene verloren ging.

Und dann stellt er seine komplette Lehre auf Flipped Classroom um.

Richtig. Und Die Architektur seines Alltags verändert sich radikal, weil der reine Input jetzt online liegt und asynchron konsumiert wird, muss er nur noch jede zweite Woche nach Köln fahren.

Dort leitet er dann diese intensiven Präsenzworkshops, die Transferwerkstätten. Seine Reisekosten sinken schlagartig auf 7000 € Er spart also 5000 € im Jahr und hat auf einmal ganze Wochen am Stück, in denen er an seinem Wohnort in Berlin ungestört forschen oder arbeiten kann.

Während seine Studierenden durch die gut strukturierten Videos und Quizzes trotzdem exzellent betreut sind. Das ist ein enormer persönlicher Return on Investment. Absolut, ein riesiger Gewinn an Lebensqualität.

Aber und da müssen wir aufpassen: dieses Beispiel von Professor G wirft eine zwingende Frage auf, die sehr oft ignoriert wird, wenn man so von digitalen Lehrmethoden schwärmt.

Und zwar?

Die Legalität. Warum fährt er denn überhaupt noch jede zweite Woche nach Köln? Wenn das Asynchrone alles so gut funktioniert, warum macht er nicht einfach 80% der Lehre online und fährt nur noch einmal im Monat hin?

Gute Frage. Technisch wäre das heutzutage ja nun wirklich überhaupt kein Problem mehr.

Technisch nicht, nein.

Aber rechtlich und strukturell bewegen wir uns hier auf extrem dünnem Eis. Hier greift eine ganz harte pragmatische Regel der Akkreditierungsbehörden: die 50% Regel. Man darf bei einem klassischen Präsenzstudiengang maximal 50% der Kontaktzeit als asynchronen Input auslagern.

Wenn ein Modul also 48 Stunden offizielle Kontaktzeit hat, darfst du als Dozent höchstens 20 bis maximal 24 Stunden davon in Form von Videos bereitstellen.

Und was passiert wenn ich diese Grenze überschreite und einfach, sagen wir mal, 80% mache, merkt das überhaupt jemand?

Oh ja, und die Konsequenzen wären massiv. Wenn der Online-Anteil überwiegt, gilt das rechtlich nicht mehr als Präsenzstudium. Es wird dann als reines Fernstudium klassifiziert.

Oh, das ändert natürlich alles.

Genau. Und das ist nicht nur ein semantischer Unterschied. Fernstudiengänge haben völlig andere Akkreditierungsrichtlinien, andere Gebührenstrukturen und eine ganz andere staatliche Finanzierung. Wenn eine Uni teure Präsenzstudiengänge verkauft, die Studierenden aber de facto 80% der Zeit allein vor dem Laptop sitzen, ist das ein massives rechtliches Problem.

Okay, das leuchtet ein. Das Flipped-Classroom-Modell ist genau in dieser Balance verankert.

Die asynchrone Zeit ist formal Kontaktzeit, aber sie darf die echte Präsenz im Raum eben niemals überwiegen. Das ist eine knallharte Leitplanke für alle Lehrenden.

Das zu verstehen ist extrem wichtig, damit man bei der Planung nicht versehentlich das rechtliche Fundament des eigenen Studiengangs sprengt. Aber wenn man sich innerhalb dieser Leitplanken bewegt, beschreibt dieses gesamte System ja eine absolute Win-Win-Situation.

Definitiv.

Lehrende verlieren diesen ständigen nagenden Stress, den Stoff nicht durchzubekommen. Jeder der lehrt kennt das. Ein Feiertag fällt ungünstig. Man selbst ist eine Woche krank und am Ende des Semesters rast man in völliger Panik durch 150 PowerPoint-Folien, nur damit es dran war.

Schrecklich, ja.

Im Flipped Classroom ist das völlig irrelevant. Der inhaltliche Input ist 24/7 online verfügbar. Nichts fällt mehr wirklich aus.

Und für die Lernenden. Die Evaluationen und Daten zu Flipped-Classroom-Modellen zeigen extrem deutlich, dass Studierende am Ende nicht nur zufriedener sind, weil sie autonomer lernen, sie erzielen auch messbar bessere Noten.

Weil sie sich tiefer mit der Materie befassen.

Ganz genau. Das Auswendiglernen wurde in die Vorbereitungszeit verschoben und sie sind im Seminarraum wirklich gezwungen, zu denken, zu argumentieren und Wissen aktiv anzuwenden.

Das ist wirklich eine grundlegende Transformation.

Wir haben heute gesehen, welchen immensen Wert die Kombination aus Gertlers Flipped-Classroom-Ansatz und modernen KI-Tools bietet. Mhm. Wir starten bei einem Gem, das die harte, trockene und mathematische Basis eines Moduls in Minuten exakt berechnet und strukturiert. Wir haben über die psychologische Metamorphose gesprochen, wie wir Lernende mit durchdachten Quizzes und einem ehrlichen Kickoff vom passiven Konsum in die aktive Rolle holen.

Richtig.

Und wir haben die handfesten strukturellen Vorteile gesehen: von massiver Lebenszeitersparnis für die Lehrenden bis hin zu echten Future Skills für die Studierenden, solange wir eben diese 50% Regel im Auge behalten.

Und weißt du, wenn wir dieses gesamte System jetzt einmal in die nahe Zukunft projizieren, entsteht da noch ein wirklich faszinierender Gedanke.

Oh, da bin ich gespannt.

Wir haben ja gesehen, dass die KI heute schon in der Lage ist, anhand von einer simplen PDF komplette Lehrpläne und diagnostische Quizzes zu generieren. Wir bewegen uns aktuell aber extrem stark in Richtung Agentic AI.

Also Sprachmodelle, die nicht nur auf Fragen antworten, sondern eigenständig als Agenten handeln.

Genau. Die Probleme erkennen und Lösungswege von sich aus initiieren. Wie lange wird es wohl noch dauern, bis nicht nur der Lehrende seinen KI-Assistenten hat, sondern jeder einzelne Lernende seinen völlig individuellen KI-gestützten Guide on the Site für die asynchrone Phase bekommt.

Wow! Wie genau würde das dann aussehen?

Stell dir mal vor, ein Student schaut sich abends das sechsminütige Video zur Budgetierung an. Die Agentic AI im Hintergrund registriert, dass der Student das Video an einer ganz bestimmten Stelle dreimal zurückspult und eine Minute lang pausiert.

Okay.

Die KI erkennt dann: aha, hier liegt ein kognitives Hindernis vor. Sie poppt auf und sagt: „Hey, ich sehe, du hängst beim Thema Rückstellungen fest. Basierend auf deinem bisherigen Lernprofil erkläre ich dir das jetzt mal anhand einer Analogie aus dem Fußball, weil ich weiß, dass du dich dafür interessierst.“

Ach, krass.

Stehen wir hier vielleicht nicht nur vor der Transformation des Lehrplans durch den Dozenten, sondern vor der vollständigen Hyperpersonalisierung des gesamten asynchronen Lernens in Echtzeit?

Wow, also quasi ein KI-Tutor, der meine kognitiven Stolpersteine erkennt, noch bevor ich selbst frustriert aufgebe und der mir genau die Brücke baut, die perfekt in mein Gehirn passt.

Genau das.

Das würde die Vorbereitung auf diese Transferwerkstätten ja auf ein völlig neues Level heben. Das ist ein wirklich fantastischer Gedanke, den wir euch definitiv zum Nachdenken mit auf den Weg geben wollen.

Überlegt mal, wie sich eure eigene Rolle als Wissensvermittler oder Coach durch solche hyperpersonalisierten Systeme in den nächsten Jahren verändern wird.

Wir danken euch fürs Mitdenken bei dieser tiefgehenden Analyse.

Gutes Gelingen euch auf diesem Weg.