Modul KI-Agenten · Vertiefung

Agentic Classroom

Stand: April 2026

Agentic Systems wie Claude Computer Use (Anthropic, Oktober 2024), OpenAI Operator (Januar 2025) und Gemini Agents erledigen mehrschrittige Aufgaben am Browser oder auf dem Desktop – klicken, tippen, formulare ausfüllen, Dateien bearbeiten. Für die Schule verschiebt das die didaktische Grenze: zwischen „Werkzeug" und „Stellvertreter" beginnt ein neues Feld. Diese Seite klärt, was wann sinnvoll ist, welche Aufsicht nötig ist und wo die Grenzen liegen.

Verstehen · 7 Szenarien · Aufsichtsmatrix · Risiken · Grenzen

Kernaussage. Ein Agent ist kein mächtigerer Chatbot, sondern ein Akteur. Chatbots antworten; Agenten handeln. Didaktisch bedeutet das: Bei Chatbots ist die Leistungskategorie "Prompt & Verifikation", bei Agenten kommt die Kategorie "Auftrag & Aufsicht" dazu – beide brauchen eigene Kompetenzen, eigene Aufgabenformate und eigene Prüfungslogik.
1

Was agentische Systeme 2026 können

Browser- und Desktop-Bedienung

Claude Computer Use kann Screenshots interpretieren, Maus und Tastatur simulieren und so Software bedienen, die keine API bietet. OpenAI Operator automatisiert wiederkehrende Browser-Aufgaben. Die Ausführung bleibt langsam (Sekunden pro Klick), ist aber für strukturierte Workflows einsetzbar.

Mehrschrittige Auftragsabwicklung

Agenten planen, zerlegen, führen aus und reagieren auf Zwischenergebnisse. Sie nutzen Werkzeuge (Suche, Code, Dateioperationen) und halten einen Zustand über viele Schritte – das unterscheidet sie von einem reinen Q&A-Assistenten.

Menschliche Aufsicht steuerbar

Alle großen Systeme erlauben Aufsichtsmodi: vollautonom (Agent entscheidet), bestätigungspflichtig (Agent fragt vor heiklen Schritten), streng überwacht (Mensch bestätigt jeden Schritt). Die schulische Einsatzfrage ist weniger „ob Agent", sondern „auf welcher Stufe".

Was sie noch nicht sicher können

Langfristige Planung jenseits weniger Stunden, korrekte Verallgemeinerung auf unbekannte UIs, zuverlässige Fehlerkorrektur bei fehlgeschlagenen Zwischenschritten. Wer das ignoriert, baut fragile Workflows.

2

7 didaktische Szenarien

Sinnvolle Einsatzfelder, jeweils mit Rolle der Lehrperson und typischer Aufsichtsstufe.

1. Recherche-Assistent (Schüler:in steuert, Agent sammelt)
Agent durchsucht vorgegebene Quellen, extrahiert Inhalte, schlägt Struktur vor. Lernende verifizieren und verarbeiten – Kernaufgabe verbleibt bei ihnen. Aufsicht: bestätigungspflichtig.
2. Übungsgenerator mit Auto-Variation
Lehrperson definiert Kompetenzraster; Agent erstellt variantenreiche Aufgaben inkl. Musterlösung, Schwierigkeitsstufen und Differenzierungsvarianten. Review durch Lehrperson vor dem Einsatz. Aufsicht: streng überwacht.
3. Formative Rückmeldung bei großen Kohorten
Agent liest Schülerarbeiten, markiert typische Muster, formuliert Rückmeldungsskizzen. Lehrperson bestätigt oder ändert, bevor sie an Lernende gehen. Aufsicht: bestätigungspflichtig. Summative Bewertung durch Agent ist nach EU AI Act Hochrisiko.
4. Organisation der Lehrperson (Stunden, E-Mails, Materialsuche)
Agent koordiniert Kalender, entwirft Elternbriefe, recherchiert Materialien. Hoher Zeitgewinn, geringes pädagogisches Risiko. Aufsicht: locker; personenbezogene Daten prüfen.
5. Simulationspartner (Rollenspiel, Sprachpraxis, Debatte)
Agent übernimmt eine Rolle – historische Persönlichkeit, Verhandlungspartner, Fremdsprachen-Gesprächspartner. Didaktisch stark, besonders in Kombination mit Voice-Modi (siehe Voice-Tutoring).
6. Code- und Projektbegleiter (Vibe Coding)
Agent führt Änderungen in Lernenden-Projekten nur auf explizite Zustimmung aus, erklärt jeden Schritt. Eigenleistung bleibt sichtbar, wenn Protokollierung sauber erfolgt. Details: Modul Vibe Coding.
7. Barrierefreiheit: Assistent für spezifische Bedürfnisse
Agent liest Texte vor, fasst zusammen, strukturiert Information für Lernende mit Lese-/Konzentrations-Schwierigkeiten. Hoher pädagogischer Mehrwert, datenschutzrechtlich sensibel.
3

Aufsichtsmatrix

Für jeden schulischen Agent-Einsatz sollte die Schule vor der Nutzung die passende Aufsichtsstufe wählen. Drei Dimensionen helfen bei der Entscheidung.

Autonomiegrad

  • Vollautonom – nur bei niedrigem Risiko und reversiblen Aktionen (Materialsuche, Formulierungsvorschlag).
  • Bestätigungspflichtig – Standardfall für alle Aktionen, die Wirkung außerhalb des Agent-Sandboxes entfalten.
  • Streng überwacht – jede Aktion wird vor Ausführung bestätigt. Für bewertungsnahe Szenarien.

Datensensibilität

  • Keine personenbezogenen Daten → volle Bandbreite möglich.
  • Pseudonymisiert → bestätigungspflichtig, mit Logging.
  • Personenbezogen → nur mit dokumentierter Rechtsgrundlage und streng überwachtem Modus.

Reversibilität

  • Reversibel (Entwurf, Notiz, interne Tabelle): niedrige Aufsicht reicht.
  • Semi-reversibel (geteilter Text, internes Mail): bestätigungspflichtig.
  • Irreversibel (versendetes Mail, eingereichte Note, gelöschte Datei): nur streng überwacht.
4

Risiken und schulspezifische Fallstricke

Halluzinations-Ketten
Ein Fehler am Anfang pflanzt sich über viele Schritte fort. Agenten sind anfälliger als Chatbots, weil sie ihre eigenen Zwischenergebnisse als Eingabe verwenden. Gegenmaßnahme: enge Aufgabenformulierung, Zwischenstopps, Verifikationspunkte.
Integritäts-Umgehung
Ein Agent kann Prüfungsaufgaben, Hausaufgaben und sogar Lernplattform-Interaktionen automatisch erledigen. Für die Schule heißt das: Prüfungsformate, die KI-Unterstützung tolerieren können, müssen weiter gezielt entwickelt werden. Siehe Modul Assessment.
Scope Creep
Ein Agent, der „alles darf", führt manchmal mehr aus, als erwartet – z. B. Dateien in falschen Ordnern anlegt. Engere Zugriffsberechtigungen und isolierte Umgebungen ("Sandboxing") sind Standard-Gegenmaßnahme.
Log-Pflicht und Beweisbarkeit
Für prüfungsrelevante Szenarien muss die Schule rekonstruieren können, was der Agent getan hat. Nutzungsprotokolle (inkl. Prompts, Aktionen, Bestätigungen) aufbewahren – die EU-AI-Act-Pflichten der Deployer geben einen guten Rahmen auch außerhalb der EU.
Datenabfluss durch Agent-Zugriffe
Ein Agent, der im Browser eingeloggt ist, kann Daten aus allen offenen Tabs sehen. Schulische Agent-Nutzung braucht dedizierte Benutzerkonten ohne Zugriff auf sensible Bereiche (Personaldaten, Noten anderer).
5

Wo Agenten in der Schule nicht hingehören

Quellen

Belege & Vertiefung

Weiter mit

Modul KI-Agenten (Überblick) Evidenzbibliothek KI-Agenten Voice-Tutoring Custom Assistenten EU AI Act für Schulen Glossar