Posts

Die Zukunft der Schulentwicklung mit dem AI.CHANGE Framework

Bild
Das AI.CHANGE Framework: Acht Phasen der AI-gestützten Schulentwicklung – von Awareness bis Embedding, gebündelt in vier Cluster: Bewusstwerdung, Gestaltung, Erprobung und Verankerung. Künstliche Intelligenz verändert Schule fundamental – aber nicht so, wie viele denken. Es geht nicht nur darum, ChatGPT im Unterricht einzusetzen oder digitale Tools anzuschaffen. AI verändert die Logik von Schulentwicklung selbst: Sie macht Veränderungsprozesse sichtbar, beschleunigt Entscheidungen, entlastet Arbeitsabläufe und ermöglicht neue Formen der Zusammenarbeit. Die entscheidende Erkenntnis: AI ist nicht nur Gegenstand von Veränderung, sondern zugleich ein Werkzeug, das Schulentwicklung professionalisiert. Schulen müssen lernen, AI zu nutzen – und gleichzeitig lernen, mit AI Veränderung zu gestalten. Um diese Doppelperspektive systematisch zu erschließen, wurde das AI.CHANGE Framework entwicke...

Battery Check

Bild
Batterie-Retrospektive

Text Swapper

Bild
Text Swapper Teilnehmende verfassen einen Text und laden ihn in einem Raum hoch. Die/der Host weist später die Texte zufällig zu – ohne Selbstzuweisung. Optional mit Echtzeit-Sync via Supabase. Rolle Teilnehmende:r Host Raum-Code (z. B. TEAM-A, 6–16 Zeichen) Dein Anzeigename Supabase Project URL (optional) Leer lassen = nur lokal auf diesem Gerät (kein Sync). Supabase Anon Key (optional) Bei leerem Feld wird kein Echtzeit-Sync aufgebaut. Verbinden Link kopieren Dein Text Hochladen / Aktualisieren Löschen (nur lokal) Zuweisung ...

👑 Prompting King & Prompting Queen 👑

Bild
Prompting trainieren & Prompts gezielt erzeugen: Tools für präzise Ergebnisse Mit diesen drei komplementären Tools übst du Prompting systematisch und erstellst passgenaue Prompts für unterschiedliche Sprachmodelle . Die ideale Übungsspielwiese, um die Unterschiede von LLM zu erfahren. Was ist ein LLM? Ein Large Language Model ist ein großes Sprachmodell, das auf umfangreichen Textdaten trainiert wurde, um Sprache zu verstehen und Texte zu erzeugen. Es sagt vereinfacht das nächste sinnvolle Token voraus und kann dadurch Antworten formulieren, zusammenfassen, umschreiben oder strukturieren. Beispiele sind ChatGPT, Claude oder Gemini. Beachte: LLMs können Fehler („Halluzinationen“) machen und Trainingsdaten-Bias enthalten. CustomGPT Coaching Tool 1: Prompting Queen Prompting Queen ist eine fragend-entwickelnde Assistentin : Sie führt Schritt fü...

Prompting King

Bild
Sprache / Language Deutsch English LLM ChatGPT Claude Mistral Gemini Perplexity Grok Bing Le Chat Google AI Prompt-Generator für LLMs So geht’s: Füge Abschnitte wie Ziel, Kontext, Aufgabe (optional: Beispiele, Einschränkungen) hinzu, wähle unten ein Ausgabeformat, und klicke auf Prompt generieren . Rollenübernahmen werden vermieden; arbeite stattdessen mit Ziel/Kontext/Aufgabe und klaren Formaten. Ausgabeformat (z. B. „Markdown“) Markdown Plain Text Markdown Table JSON CSV HTML YAML XML LaTeX JavaScript Code Python Code SVG Code SQL PPTX (structure) List Bullet Points Empfoh...

Unterrichtsbeobachtung – Tiefenstrukturen im Blick

Bild
Mit den folgenden zwei Werkzeugen arbeitest du entlang der drei IBBW-Tiefenstrukturen Kognitive Aktivierung , Konstruktive Unterstützung und Strukturierte Klassenführung – inklusive Items wie „klarer Fokus auf zentrale Inhalte“, „Ermittlung des aktuellen Verständnisses“ und „störungsarmer Unterricht“ :contentReference[oaicite:0]{index=0}. Tool 1: Erhebung & Ziele (Spinnennetze mit CSV-Export) Das Tool bildet die Items der drei Cluster ab und erzeugt pro Cluster ein Radar-Spinnennetz . Du erfasst für jedes Item eine Ausprägung (Skala 1–4 / 0–5 / 0–10), ergänzt Notizen zur Beobachtung und definierst oben ein übergeordnetes Ziel sowie Teilziele zur konkreten Umsetzung im Unterricht. Bedienung: Skala wählen → Items je Cluster bewerten → Notizen eintragen → Ziel/Teilziele formulieren → als CSV exportieren (später wieder importierbar). Visualisierung:...