AIEd-WissensbasisAIEd KB
Auf dieser Seite

Diese Seite wurde maschinell ins Deutsche übersetzt; die Artikelseiten sind weiterhin auf Englisch verfasst. Diese Seite auf Englisch lesen

Konzepte

Erwachsene Lernende

Erstellt 2026-08-06 · Aktualisiert 2026-10-10

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

Erwachsenenbildung — die Theorie und Praxis der Bildung Erwachsener (Andragogik) und wie KI-Werkzeuge und -Technologien gestaltet werden können, um die Autonomie, die Vorerfahrung und die Lebensweltbezogenheit erwachsener Lernender zu unterstützen. Behandelt in 13 Artikeln dieser Wissensbasis.

Fragen zum Nachdenken

  • Die Theorie des Erwachsenenlernens geht davon aus, dass Lernende selbstgesteuert sind, auf Lebenserfahrung zurückgreifen und Lebensweltbezug wünschen. Wenn KI jedoch einen Großteil der kognitiven Arbeit übernimmt: belegt es dann tatsächlich, dass die lernende Person die Aufgabe gesteuert hat, wenn sie diese ohne sichtbare Hilfe erledigt? Was würde Sie überzeugen, dass sie es getan hat?
  • Verhaltensmäßige Unabhängigkeit von einem Werkzeug garantiert nicht mehr, dass die lernende Person das Lernen gesteuert hat. Wenn Sie KI für erwachsene Lernende gestalten würden, worauf würden Sie achten, um echte Selbststeuerung von stiller Delegation zu unterscheiden?
  • Designleitlinien für KI-Werkzeuge für Erwachsene betonen die Passung in volle Leben – mobilfreundlich, offlinefähig, an reale Probleme angebunden. Welche davon sind für Ihr eigenes Lernen am wichtigsten, und was kostet es die lernende Person, wenn ein Werkzeug sie ignoriert?
  • Erwachsene Lernende studieren oft am Arbeitsplatz oder zu Hause, deshalb dominiert Online-Vermittlung – sie bringt Flexibilität, aber auch Risiken des Auslagerns und Fragen der Integrität. Wie interagiert die Bequemlichkeit von KI-Unterstützung mit dem Ziel dauerhaften Lernens für einen beschäftigten erwachsenen Menschen?
  • Die Forschung fand, dass kein einzelnes KI-System für Erwachsenenbildung alle Designleitlinien erfüllte – das gesamte Ökosystem war nötig. Was sagt das darüber, von einem Werkzeug zu erwarten, es erfülle alle Bedürfnisse jeder lernenden Person?
  • Für marginalisierte und neurodivergente erwachsene Lernende ist Gerechtigkeit womöglich weniger eine Frage des Werkzeugzugangs als der relationalen Sorge der Lehrenden. Wie verändert es Ihre Gestaltung oder Auswahl eines KI-Werkzeugs, wenn Sie den Menschen als Ort der Sorge positionieren?

Einführung

Verwurzelt im andragogischen Modell von Knowles geht das Erwachsenenlernen davon aus, dass Lernende selbstgesteuert sind, auf Lebenserfahrung zurückgreifen, durch unmittelbare und praktische Ziele motiviert sind und am meisten profitieren, wenn das Lernen an ihre realen Rollen anknüpft. Diese Annahmen sind für das KI-Design bedeutsam, weil generative KI heute an fast jeder Stufe des Lernens teilhaben kann – Bedarfe identifizieren, Ziele setzen, Informationen interpretieren, Ergebnisse erzeugen und Leistung bewerten. Wenn KI so viel der kognitiven Arbeit übernimmt, garantiert verhaltensmäßige Unabhängigkeit vom Werkzeug nicht mehr, dass die lernende Person das Lernen tatsächlich gesteuert hat. Die Forschung dieser Wissensbasis formuliert Selbststeuerung entsprechend als aktives Designziel statt als angenommene Voreinstellung um und bewertet KI für die Erwachsenenbildung an Kriterien wie Zieleigentum, Delegationskontrolle und kognitiver Wiederherstellbarkeit.

Evidenz aus den verbundenen Artikeln

  • Andragogik und kognitive Delegation durch generative KI. Hyoung (2026) befragt Knowles' sechs andragogische Annahmen unter KI-vermittelter kognitiver Delegation neu und argumentiert, dass das Erledigen einer Aufgabe ohne sichtbare KI-Hilfe keine sinnvolle Selbststeuerung belege. Er leitet fünf analytische Dimensionen ab – Eigentum an Bedarf und Ziel, Delegationskontrolle, epistemische Kalibrierung, kognitive Wiederherstellbarkeit und Transfer sowie motivationale Autonomie – und verbindet so das Erwachsenenlernen mit Kognitive Auslagerung und Selbstreguliertes Lernen, um zu beurteilen, ob Lernende im Zeitalter der Generative KI tatsächlich selbstgesteuert bleiben.
  • Designleitlinien für KI-Werkzeuge der Erwachsenenbildung. Auf Grundlage längsschnittlicher Einsatzdaten des National AI Institute for Adult Learning and Online Education (AI-ALOE) fasst die DIS-2026-Arbeit 19 empirisch fundierte Designleitlinien für KI-gestützte Technologien des Erwachsenenlernens zusammen. Abgeleitet aus ~1,600 Aussagen von Beteiligten über sieben eingesetzte Systeme hinweg, erstrecken sich die Leitlinien über kognitive, soziale und Lehrpräsenz (eine Rahmung als Community of Inquiry) und betonen, dass Werkzeuge in volle erwachsene Leben passen sollten (mobilfreundlich, offlinefähig), Inhalte an reale Probleme anbinden, sinnvoll personalisieren, substanzielle Unterstützung und Feedback bieten und transparent mit Daten umgehen sollten. Kein einzelnes System erfüllte alle Leitlinien; das gesamte AI-ALOE-Ökosystem war nötig, um sie abzudecken.
  • Kontexte von Erwachsenen-, Fern- und lebenslangem Lernen. Rienties et al. zeigen, wie die Open University einen eingebetteten KI-Assistenten (AIDA) in sechs designbasierten Forschungsstudien entworfen und evaluiert hat; Studierende, die ihn nutzten, verbrachten doppelt so viel Zeit mit dem Kurs, wenngleich die Studie warnt, dass technische Leistungsfähigkeit durch KI-Governance und organisatorische Bereitschaft ergänzt werden muss. Theodora und Tselios rahmen die doppelte Rolle von KI im Erwachsenen- und Lebenslanges Lernen als Ermöglicher personalisierter, skalierbarer Bildung und als Quelle von Gerechtigkeits- und Governance-Risiken und fordern eine inklusive, menschzentrierte Politik. Eine Fallstudie aus dem Mittleren Westen co-designte ein KI-Kompetenzprogramm für 54 Erwachsene in einer unterversorgten Community und fand, dass gerechtigkeitsorientierte KI-Bildung für Erwachsene fundamentale Lücken der digitalen Kompetenz adressieren, Vertrauen rund um den Datenschutz aufbauen und an gelebte Erfahrung anknüpfen muss. Herrons „Sovereign Hive" / Tutor-in-the-Loop-Rahmenwerk behandelt Gerechtigkeit bei generativer KI in der Weiterbildung als atmosphärische Regulierung statt als bloßen Werkzeugzugang und positioniert die Lehrenden als Ort relationaler und kognitiver Sorge für marginalisierte und neurodivergente erwachsene Lernende.

Verbindungen zu verwandten Konzepten

Erwachsenenbildung liegt an der Schnittstelle mehrerer eng verbundener Konzepte dieser Wissensbasis. Hochschulbildung liefert den institutionellen Kontext, in dem viel Erwachsenen- und Fernbildung stattfindet, während Berufliche Weiterbildung deren berufliche Dimension und Lebenslanges Lernen deren Weiterbildungsdimension abdeckt. Berufliche Bildung und Ausbildung ist der Nachbar, der eher einen Beruf als eine lernende Person benennt: Erwachsenenbildung beschreibt, was Lernende in jeden Kontext einbringen – Selbststeuerung, Vorerfahrung, unmittelbare praktische Ziele –, während Berufsbildung eher die erste, praxisnahe Vorbereitung auf einen benannten Handwerks- oder technischen Beruf benennt, die an nachgewiesener Kompetenz mit Geräten gemessen und durch Qualifikationsrahmen statt durch andragogische Dispositionen gerahmt wird. Online-Lehre und -Lernen ist das dominante Vermittlungsmedium für erwachsene Lernende – die oft am Arbeitsplatz oder zu Hause studieren –, weshalb seine Ermöglichungen (24/7-Zugang, asynchrone Unterstützung) und Risiken (Integrität, Auslagern) zentral für das Design des Erwachsenenlernens sind. Selbstreguliertes Lernen und Handlungsfähigkeit der Lernenden benennen die Lernendenkapazitäten, die KI schützen statt untergraben muss, und Kognitive Auslagerung erfasst den Mechanismus, durch den KI sie entweder stützen oder untergraben kann. Inklusives Lernen und Gerechtigkeit rahmen die Gerechtigkeitsverpflichtungen von KI-Werkzeugen für Erwachsene, Human-in-the-Loop-KI benennt das Designmuster, das Menschen rechenschaftspflichtig hält, und Scaffolding (Gerüstbildung) beschreibt die abgestufte Unterstützung, die solche Werkzeuge bieten sollten.

Implikationen für Lehrende und Designerinnen in der Erwachsenenbildung

  • Gestalten Sie KI als Gerüst für Selbststeuerung, nicht als Ersatz. Verhaltensmäßige Unabhängigkeit vom Werkzeug belegt nicht, dass die lernende Person das Lernen gesteuert hat – schützen Sie Zieleigentum, Delegationskontrolle und kognitive Wiederherstellbarkeit (Andragogie + kognitive Delegation).

  • Passen Sie in volle erwachsene Leben. Machen Sie Werkzeuge asynchron, mobil und offlinefähig, und verbinden Sie Inhalte mit realen Problemen (AI-ALOE-Leitlinien).

  • Behalten Sie einen Menschen in der Schleife. Positionieren Sie die Lehrenden als Ort relationaler und kognitiver Sorge, besonders für marginalisierte und neurodivergente erwachsene Lernende (Tutor-in-the-Loop).

  • Adressieren Sie fundamentale digitale Kompetenz und Datenvertrauen. Bauen Sie KI-Kompetenz und Vertrauen rund um den Datenschutz auf, bevor Sie Annahme erwarten (KI-Bildung in der Community).

  • Verankern Sie KI in Lernwissenschaft und Andragogie und bevorzugen Sie tiefe Personalisierung. Wenden Sie andragogische Theorie an und verbinden Sie Inhalte mit realen Problemen; bevorzugen Sie tiefe Personalisierung (Aufgabensequenzierung, Schwierigkeitskalibrierung) gegenüber oberflächlicher Anpassung.

  • Machen Sie Transparenz und Community-Funktionen zu erstklassigen Merkmalen. Transparenz in Datenpraktiken und soziale/Community-Funktionen gehören zu den am stärksten vernachlässigten und zugleich am höchsten geschätzten Dimensionen von KI-Werkzeugen für Erwachsene.

  • Behandeln Sie technische und strukturelle Verlässlichkeit als Vorbedingung. Engagement hängt ebenso sehr von stabiler, inklusiver Infrastruktur ab wie von pädagogischer Qualität – instabile oder ausschließende Plattformen untergraben ein sonst tragfähiges Design.

  • KI-Designprinzipien für die Andragogik. Kim et al. (2026) finden, dass erwachsene Lernende KI als kollaborativen Lernagenten schätzen, und leiten drei KI-Designprinzipien für die Andragogie ab: Human-in-the-Loop (geteilte mentale Modelle, Mensch-KI-Co-Kreation), emotionales Design (Kalibrieren von KI-Vertrauen, empathische Kommunikation) und Anpassungsfähigkeit (kontinuierliche Anpassung, Interoperabilität). Ihre elf Szenario-Prototypen bilden außerdem jedes andragogische Prinzip auf ein konkretes KI-Angebot ab: KI-Tutoren und lehrbare Agenten für Beteiligung, Monitoring- und Analytics-Werkzeuge für Autonomie und Selbstbewertung, empathische Chatbots und Simulationen für Erfahrung, Fallsammlungen und Generatoren für Fragen höherer Ordnung für problemzentrierte Arbeit sowie KI-Planer und Karriere-Coaches für Relevanz.

  • Bewahren Sie den produktiven Kampf. Die produktive-Fehler-Studie derselben Gruppe bildet KI-Unterstützung auf die beiden PF-Phasen ab und schließt, dass das Design den Kampf nicht auflösen darf: Konversationelle Agenten agieren in Generierung und Exploration als nicht-direktive Denkpartnerinnen und -partner, unterstützen dann in der Konsolidierung Vergleich, Reorganisation und Transfer (Kim et al. (2026)).

Verbundene Konzepte

Verbundene Artikel

Metadaten

StudiendesignSystem Development
NiveauAdult Learning, Higher Ed
Lernen und UnterrichtBerufliche Weiterbildung
Technologien und VerfahrenEdtech-Plattform
Forschungsmethoden und EvaluationUsability-Forschung
Grundlagen von KI in der BildungKI in der Bildung, Lerndesign
SourceHistoryEditChat

Diese Seite einbetten

Kopieren Sie den Code unten, um diese Seite in ein Lernmanagementsystem oder eine andere Website einzubetten. Die eingebettete Version zeigt nur den Seiteninhalt — Kopfzeile, Navigation und Fußzeile der Website werden ausgeblendet.