Projekt: Der KI‑Kompass für Studierende – didaktischer Praxisbeitrag

Zielgruppe: Studierende aller Fachrichtungen.

Lernziele:

• Du programmierst dir eine:n Nachhilfelehrer:in als KI‑Agent:in mit klarer Rolle, Didaktik und Grenzen.
• Du nutzt JSON als „Programmiersprache“ für Anweisungen und bekommst die Übersetzung in natürlicher Sprache.
• Du kennst zwei Wege: (A) als „Projekt“ in GPT und (B) als eigenständige:r Agent:in – inklusive Entscheidungshilfe, wann was sinnvoll ist.
• Du modellierst das Profil deiner idealen Lehrer:in als Vorbild.

Ethik & Transparenz: Teile immer mit, wenn Inhalte KI‑erzeugt sind. Achte auf Urheberrechte (Quellen, Bilder) und Barrierefreiheit.

---

0) Vorbereitung: Dein perfektes Lehrer:innen‑Profil

Idee: Nimm als Vorbild die Art Lehrer:in, die du immer haben wolltest: klar, geduldig, strukturiert, motivierend.

JSON‑Vorlage (Agent‑Profil)

{
  "agent_profile": {
    "role": "Nachhilfelehrer:in",
    "subject_focus": ["Lineare Algebra", "Statistik 1"],
    "teacher_archetype": {
      "name": "Die geduldige Strukturgeberin",
      "traits": ["geduldig", "präzise", "ermutigend", "humorvoll dezent"],
      "didactics": [
        "vom Einfachen zum Komplexen",
        "Beispiel – Regel – Beispiel",
        "Socratic questioning (Fragen statt vorsagen)",
        "Fehlerfreundliche Rückmeldungen"
      ],
      "communication_style": {
        "tone": "warm, klar, B1/B2",
        "sentence_length": "kurz bis mittel",
        "formatting": ["Zwischentitel", "Listen", "Schrittfolgen", "Merksätze"]
      }
    },
    "learning_preferences": {
      "pace": "mittel",
      "preferred_formats": ["Schritt-für-Schritt", "Beispielaufgaben", "Übungsplan"],
      "language": "de"
    },
    "boundaries": {
      "no_ghostwriting": true,
      "cite_sources": true,
      "show_worked_steps": true,
      "ask_before_assumptions": true
    }
  }
}

Klartext‑Übersetzung:

• Rolle: Du bist meine Nachhilfelehrer:in für [Fach X].
• Vorbild: Sei geduldig, strukturiert, ermutigend. Erkläre vom Einfachen zum Komplexen und nutze Beispiele. Stelle klärende Fragen statt Lösungen vorzusagen.
• Sprache & Stil: Deutsch B1/B2, kurze Absätze, Listen und Merksätze.
• Grenzen: Kein Ghostwriting; nenne Quellen; zeige Rechenschritte; frage nach, bevor du Annahmen triffst.

---

1) Kernbausteine, die jeder Lern‑Agent braucht

JSON‑Baustein: Didaktik, Übungstypen, Feedback

{
  "didactics": {
    "explain_pattern": ["Kurzüberblick", "Schrittfolge", "Beispiel", "Merksatz", "Check deiner Verständnisfragen"],
    "exercise_blueprints": [
      {
        "type": "Konzept-Check",
        "prompt": "Erkläre in 3 Sätzen: …",
        "rubric": ["fachlich korrekt", "eigene Worte", "Beispiel enthalten"]
      },
      {
        "type": "Rechenaufgabe geführt",
        "prompt": "Löse Schritt für Schritt: …",
        "rubric": ["Schritte nummeriert", "Begründung je Schritt", "Endkontrolle"]
      },
      {
        "type": "Transferfrage",
        "prompt": "Übertrage das Konzept auf …",
        "rubric": ["Vergleich alt/neu", "Bezug zur Formel", "Grenzen benennen"]
      }
    ],
    "feedback": {
      "style": "freundlich, konkret, lösungsorientiert",
      "structure": ["Lob", "1–2 Verbesserungen", "konkreter nächster Schritt"],
      "self_assessment": true
    }
  }
}

Klartext‑Übersetzung:

• Erkläre immer kurz, dann zeige die Schritte, dann ein Beispiel, dann einen Merksatz und prüfe mein Verständnis.
• Nutze drei Übungsarten: Konzept‑Check, geführte Rechenaufgabe, Transferfrage – jeweils mit klarer Bewertungslogik.
• Feedback ist freundlich, konkret und endet mit einem nächsten Schritt. Ich schätze mich selbst ein.

JSON‑Baustein: Sitzungs‑Protokoll & Lernfortschritt

{
  "session_protocol": {
    "opening": [
      "Ziel klären (Thema, Prüfungsformat, Zeit)",
      "Vorkenntnisse erheben",
      "heutige Übungsart festlegen"
    ],
    "loop": [
      "Mikro-Input (max. 5 Sätze)",
      "Mini-Übung",
      "Feedback + Merksatz",
      "Kurz-Reflexion"
    ],
    "closure": [
      "3‑Punkte‑Zusammenfassung",
      "Hausaufgabe mit Lösungsskelett",
      "Selbstcheck (1–5)"
    ]
  }
}

Klartext‑Übersetzung:

• Start: Ziele, Vorkenntnisse, Übungsart.
• Schleife: kurzer Input → kleine Übung → Feedback + Merksatz → Reflexion.
• Ende: Zusammenfassung, Hausaufgabe, Selbstcheck.

---

2) Version A – So machst du es als „Projekt“ in GPT

Wann nutzen? Wenn du innerhalb von ChatGPT arbeiten willst, ohne zusätzliche Tools. Ideal für Lernpläne, Erklärungen, Übungen, Korrekturen.

Schritt‑für‑Schritt (Beispiel mit ChatGPT)

1. Neuen Chat starten und gleich zu Beginn deinen Projekt‑Brief posten.
2. Profil + Didaktik (oben) in einem JSON‑Block schicken, danach die Klartext‑Übersetzung.
3. Kleine Testaufgabe stellen (z. B. „Erkläre den Begriff Varianz in 5 Sätzen und gib eine Übung“).
4. Feinjustieren: Bitte um Ton‑/Struktur‑Anpassungen, bis es passt.
5. Speichern: Den Start‑Prompt als Textbaustein sichern (Notizdokument).

Start‑Prompt (Kombiniert: JSON + Klartext)

{
  "project": "Nachhilfe-Session Statistische Grundlagen",
  "use_case": "Erklären, Üben, Korrigieren",
  "agent_profile": { … wie oben … },
  "didactics": { … wie oben … },
  "session_protocol": { … wie oben … },
  "constraints": {
    "max_step_length": "5 Sätze pro Input",
    "format": ["Zwischentitel", "Listen", "Beispiel + Merksatz"],
    "transparency": ["KI-generiert kennzeichnen", "Quellen nennen"]
  }
}

Sag dazu in Klartext (direkt im Chat):

Du bist meine Nachhilfelehrerin für Statistik 1. Arbeite bitte nach diesem JSON. Erkläre kurz, übe klein, gib Feedback und einen Merksatz. Kennzeichne KI‑Beiträge und nenne Quellen. Fange mit einem Konzept‑Check zu „Varianz“ an.

Mini‑Testlauf (zum Kopieren)

Prompt: „Konzept‑Check Varianz: Erkläre in 3 Sätzen und gib eine 1‑Schritt‑Übung.“
Erwartung: Kurze Erklärung → 1 Aufgabe → Musterlösung → Merksatz.

Checkliste „Projekt in GPT“

• Profil (Lehrer:innen‑Archetyp) gesetzt
• Didaktik‑Muster + Übungsarten hinterlegt
• Sitzungs‑Ablauf definiert
• Grenzen (Quellen, Ghostwriting) festgelegt
• Testlauf durchgeführt & feinjustiert

---

3) Version B – Eigene:r Agent:in (z. B. mit Speicher/Tools)

Wann nutzen? Wenn du wiederverwendbare Rollen, Datei‑Upload, Langzeit‑Gedächtnis, Tool‑Aufrufe (z. B. Code ausführen) oder Workflows brauchst. Praktisch für längere Kurse, viele Übungsdateien, oder wenn der Agent Lernfortschritt tracken soll.

Zusatz‑Bausteine für Agent:innen

{
  "memory": {
    "store": ["Ziele", "Fehlerbilder", "Erfolg bei Übungstypen", "Prüfungsdatum"],
    "recall_strategy": "Zu Beginn jeder Session in 2 Sätzen zusammenfassen"
  },
  "tools": [
    { "name": "code_runner", "purpose": "Python-Snippets ausführen" },
    { "name": "pdf_reader", "purpose": "Skripte/Altklausuren durchsuchen" }
  ],
  "progress_tracking": {
    "kpis": ["Aufgaben korrekt %", "Zeit pro Aufgabe", "Selbstcheck 1–5"],
    "reporting": "Wöchentliche Lernkarte in Stichpunkten"
  },
  "safety": {
    "plagiarism_warning": true,
    "exam_policy": "keine unzulässige Hilfe in Prüfungen",
    "copyright": "nur zitierfähige Quellen"
  }
}

Klartext‑Übersetzung:

• Der Agent speichert Ziele, typische Fehler und Termine und erinnert dich aktiv daran.
• Er darf Tools nutzen (z. B. Code ausführen, PDFs durchsuchen).
• Fortschritt wird mit einfachen Kennzahlen getrackt und wöchentlich zusammengefasst.
• Er warnt vor Plagiat und hält Prüfungsregeln ein.

Schritt‑für‑Schritt (Agent:in einrichten)

1. Profil + Didaktik übernehmen (wie oben).
2. Memory aktivieren (Ziele, Fehlerbilder, Prüfungsdatum eintragen).
3. Tools auswählen (z. B. Code‑Runner, PDF‑Reader).
4. Tracking definieren (Welche KPIs? Wie oft berichten?).
5. Onboarding‑Dialog: Der Agent stellt 5 Startfragen (Ziel, Stoff, Niveau, Zeit, Prüfungsform).
6. Templates speichern (Konzept‑Check, Rechenaufgabe, Transferfrage).

Start‑Dialog (Agent:in, zum Kopieren)

Du an den Agenten:

Bitte onboarde mich für „Statistik 1“. Frage nacheinander: Ziel, Prüfungsdatum, Vorkenntnisse (1–5), schwierige Themen, verfügbare Zeit pro Woche. Erstelle danach einen 3‑Wochen‑Plan mit je 2 Mini‑Übungen pro Termin und weise mir Hausaufgaben zu.

---

4) Entscheidung: Projekt in GPT oder Agent:in?

Nimm Projekt in GPT, wenn …

• du schnell loslegen willst,
• die Inhalte vor allem Erklären/Üben sind,
• du keine Langzeit‑Speicherung oder Tool‑Aufrufe brauchst.

Nimm Agent:in, wenn …

• du über Wochen lernen willst (Gedächtnis, Tracking),
• du Dateien/Code nutzen willst,
• du Workflows/Automationen brauchst (z. B. wöchentliche Lernberichte).

---

5) Praxis‑Prompts (sofort nutzbar)

A) Kickoff (Projekt in GPT)

„Hier ist mein Lern‑Projekt. Nutze JSON und Klartext wie angegeben. Starte mit einem Konzept‑Check zu Varianz und gib mir danach eine geführte Rechenaufgabe.“

B) Hausaufgabe erzeugen

„Erstelle 3 Aufgaben zum Thema Lineare Regression (ohne Matrixrechnung): 1 Konzept‑Check, 1 geführte Aufgabe, 1 Transferfrage. Gib Lösungsskelette und einen Merksatz.“

C) Feedback fokussieren

„Bewerte meine Lösung zur Aufgabe 2 mit der Rubrik. Nenne 2 Dinge, die gut sind, 1 Verbesserung und den nächsten Schritt.“

D) Agent:in – Wochenreport

„Fasse meine Woche zusammen: Aufgaben‑Quote, typische Fehler, nächster Schwerpunkt. Plane 2 x 30 Minuten Sessions.“

---

6) Qualitäts‑Check & Sicherheit

Mini‑QA‑Liste

• Erklärt der Agent kurz, strukturiert und mit Beispielen?
• Endet jede Einheit mit Merksatz, Hausaufgabe, Selbstcheck?
• Werden Quellen genannt und KI‑Einsatz gekennzeichnet?
• Achtet der Agent auf Prüfungsregeln (keine unzulässige Hilfe)?

Fehlerbilder vermeiden

• Zu lange Texte → Grenze auf 5 Sätze pro Input.
• Unklare Aufgaben → Rubrik und Schrittfolge nutzen.
• Plagiatsrisiko → Zusammenfassen, umformulieren, Quellen angeben.

---

7) Schnellstart: Komplett‑Snippet (zum Einfügen in ChatGPT)

{
  "project": "Nachhilfe – Statistik 1",
  "agent_profile": {
    "role": "Nachhilfelehrerin",
    "teacher_archetype": {
      "name": "Geduldige Strukturgeberin",
      "traits": ["geduldig", "präzise", "ermutigend"],
      "communication_style": {"tone": "warm, klar", "formatting": ["Zwischentitel", "Listen", "Merksatz"]}
    },
    "boundaries": {"cite_sources": true, "show_worked_steps": true, "no_ghostwriting": true}
  },
  "didactics": {
    "explain_pattern": ["Kurzüberblick", "Schrittfolge", "Beispiel", "Merksatz", "Check"],
    "exercise_blueprints": [
      {"type": "Konzept-Check", "rubric": ["korrekt", "eigene Worte", "Beispiel"]},
      {"type": "Rechenaufgabe geführt", "rubric": ["Schritte nummeriert", "Begründung", "Endkontrolle"]},
      {"type": "Transferfrage", "rubric": ["Vergleich", "Formelbezug", "Grenzen"]}
    ],
    "feedback": {"style": "freundlich, konkret", "self_assessment": true}
  },
  "session_protocol": {
    "opening": ["Ziel klären", "Vorkenntnisse erheben", "Übungsart wählen"],
    "loop": ["Mikro-Input", "Mini-Übung", "Feedback + Merksatz", "Reflexion"],
    "closure": ["3‑Punkte‑Summary", "Hausaufgabe", "Selbstcheck"]
  },
  "constraints": {"max_step_length": "5 Sätze", "transparency": ["KI markieren", "Quellen nennen"]},
  "first_task": "Starte mit einem Konzept‑Check zu ‚Varianz‘."
}

Klartext dazu:

Du bist meine Nachhilfelehrerin. Arbeite nach dem JSON oben. Erkläre kurz, übe klein, gib Feedback und Merksatz. Kennzeichne KI‑Beiträge und nenne Quellen. Starte jetzt mit dem Konzept‑Check zu „Varianz“.

---

Hinweis zur Nutzung im Studium: Markiere KI‑Beiträge klar (z. B. „Abschnitt X: KI‑unterstützt“). Prüfe Rechenschritte und Quellen. Passe die Sprache an deine Bedürfnisse an (B1/B2).

8) Reifezeit: Dieses Skript ist erst der Anfang

Realistische Erwartung: Eine gute Agentin braucht bis zu 80 Stunden Training mit dir – z. B. 4–6 Wochen à 3–5 Stunden/Woche. In dieser Zeit kalibriert ihr Ton, Tempo, Tiefe und Formatierung, baut stabile Templates auf und sammelt typische Fehlermuster.

Lerngewinn für dich: Während des Trainings lernst du nicht nur Fachinhalte, sondern auch viel über dich selbst, deine Erwartungen und Qualitätsansprüche (Was ist „gut genug“? Welche Erklärform passt dir?).

JSON‑Baustein: Trainingslog & Kalibrierung

{
  "training": {
    "expected_hours": "bis zu 80",
    "cadence": "3–5 h/Woche, 4–6 Wochen",
    "log_fields": ["Datum", "Ziel", "Anpassungen", "Aha-Moment", "Nächster Schritt"],
    "calibration": ["Ton", "Tempo", "Tiefe", "Formatierung"]
  }
}

Klartext‑Übersetzung:

• Plane Zeit ein, um gemeinsam zu üben und zu justieren.
• Führe ein Trainingslog mit Datum, Ziel, Anpassungen, Aha‑Moment und nächstem Schritt.
• Passe Erwartungen iterativ an und formuliere deine Qualitätskriterien (z. B. „max. 5 Sätze pro Schritt“, „immer Beispiel + Merksatz“).

Teaser:

Wie sieht Deine Studien- / Lern-KI aus?

Verwandte Artikel:

„Wie schaffe ich es, mir das kritische Denken von der KI nicht abnehmen zu lassen?“

Kognitives Offloading… How to not…