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

Offene Bildung

Erstellt 2026-10-28 · Aktualisiert 2026-10-28

Automatische Übersetzung der englischen Seite; noch nicht von einer muttersprachlichen Person geprüft.

Offene Bildung — die Bewegung und die Praxis, mit offen lizenzierten Inhalten zu unterrichten, und die Pädagogik, die Studierende als Produzentinnen und Produzenten dieser Inhalte begreift statt als Konsumierende. Ihre beiden Artefakte sind die offene Bildungsressource und die offene pädagogische Aufgabe; ihre Lizenz ist das, was die Weiternutzung rechtlich trägt, und ihr Anspruch lautet, dass beides die Kosten senkt und die Urheberschaft erweitert. Generative KI wirkt nun auf alle drei ein: Sie drückt die Kosten der Inhaltserstellung nahezu auf null, sie verwischt, wer eine neu gemischte Ressource verfasst hat, und sie gibt Institutionen eine billige Alternative zu dem Gemeingut, für dessen Finanzierung sie eigentlich einstehen sollten.

Fragen zum Nachdenken

  • Wenn ein Modell eine Kurseinheit in Minuten entwerfen kann, was rechtfertigt dann noch die Lizenz, die Attributionskette und den Prüfprozess, die offene Inhalte mit sich führen?
  • Eine Ressource kann per Lizenz offen und in der Praxis geschlossen sein: Die Datei ist herunterladbar, aber der Kurs um sie herum setzt ein Labor, eine Sprache oder eine Verbindung voraus, die Studierende nicht haben. Welche Offenheit messen Sie, wenn Sie über Adoptionszahlen berichten?
  • Offene Pädagogik verlangt von Studierenden, ihre Arbeit zu veröffentlichen. Wem gehört, was ein Studierender mit einem generativen Werkzeug erstellt, wer willigt in die Veröffentlichung ein, und wer trägt die Kosten, wenn es falsch ist?
  • Die KI-Kompetenz von Lehrkräften sagt offene Lehrpraxis voraus, doch der Zusammenhang schwächt sich ab, je stärker die institutionelle Unterstützung ist. Was folgt aus dieser Umkehrung für Fortbildungsprogramme, die auf der Annahme aufbauen, dass Unterstützung nur helfe?
  • Wenn KI-generierter Text nicht urheberrechtlich schutzfähig ist, ist ein maschinell geschriebenes Lehrbuch dann automatisch offen, und was bedeutet das für die Begründung öffentlicher Förderung von OER?

Einführung

Offene Bildung ist nicht Open Source, und die Verwechslung schadet beiden. Bei Open Source geht es um Artefakte, die Entwicklerinnen und Entwickler ausliefern und lizenzieren, vor allem Code, Modellgewichte und Datensätze, damit ein System lizenziert, geprüft, verändert und erneut in Betrieb genommen werden kann. Bei offener Bildung geht es um das, was eine Lehrkraft aufgibt, und das, was ein Studierender produziert, und ihre Lizenzierung existiert, damit eine zweite Institution eine Ressource ersetzen, übersetzen, neu mischen oder korrigieren kann, ohne um Erlaubnis zu bitten. Beide teilen eine Rechtsmechanik (Creative Commons in der Bildung, permissive Softwarelizenzen im Code), ein Produktionsmodell (ehrenamtliche und drittmittelfinanzierte Gemeinschaften) und inzwischen einen gemeinsamen Antagonisten in der generativen KI, deren Fähigkeit, das Artefakt nahezu kostenlos zu erzeugen, die ökonomische Begründung beider erschüttert.

Sie unterscheiden sich dort, wo es zählt. Eine Open-Source-Veröffentlichung wird daran gemessen, ob das System nachgebaut und eingesehen werden kann. Eine offene Ressource wird daran gemessen, ob eine Lehrkraft mit anderen Studierenden, einer anderen Sprache und einem anderen Budget sie tatsächlich nutzen kann; das ist eine pädagogische und keine technische Behauptung, und deshalb hat offene Bildung neben ihrem Lizenzargument immer auch ein Praxisargument getragen. Deimann und Lukács (2026) formulieren diesen Punkt am schärfsten: Nach fünfundzwanzig Jahren Offenheitsadvokatur blieb das institutionelle Regime im Zentrum der Bildung intakt, weil die Bewegung sich auf Deklarationen und Nischenprojekte konzentrierte.

Die Literatur der KI-Ära in dieser Wissensbasis handelt daher von drei Dingen zugleich: der Ressource, der Praxis und der Frage, ob eines von beidem überlebt, wenn die Generierung nahezu kostenlos ist. Bei der Ressource lauten die Fragen, wer sie erstellt, wer sie lizenziert und ob eine von KI geschriebene Ressource zählt. Bei der Praxis lauten sie, was offene Pädagogik von Studierenden verlangt und ob sie ihnen etwas Messbares beibringt.

Was Offenheit tatsächlich umfasst

Eine offene Bildungsressource ist Inhalt, der unter einer Lizenz veröffentlicht wird, die Weiternutzung, Bearbeitung, Neumischung und Weitergabe erlaubt. Alles Übrige im Feld ist nachgelagert zu dieser Erlaubnis und zur Pflicht, sie zuzuschreiben. González Miy (2026) zeigt, wie diese Pflicht in einem kleinen Projekt aussieht: elf Teilnehmende, die zwei Wochen online arbeiteten, erstellten eine sechsseitige Website, einen Chatbot, ein Handbuch und fünf Video-Tutorials, veröffentlicht unter CC BY-NC-SA, und das entstandene Paket erreichte hohe Werte bei der Transparenz, aber nur mittlere bei Lizenzierung, Reproduzierbarkeit, Anpassbarkeit und Barrierefreiheit. Dem Namen nach offen, in der Nutzung teilweise offen.

Die Lizenzierungsliteratur ist granular, weil die Fehler granular sind. Ryu (2026) entwickelt eine Rubrik mit sieben Prinzipien zur Prüfung offen lizenzierter KI-Kompetenzmaterialien aus einem gezielten Korpus von 16 Kernaufsätzen, einer Erweiterung um 17 Aufsätze und 36 gezielte Referenzen. Atenas, Farrow, Caldwell, Costello und Havemann (2026) argumentieren, die Einheit der Governance müsse von der Ressource auf die Infrastruktur übergehen, die sie hostet, denn ein Gemeingut aus einzelnen Dateien ohne gepflegte Plattform sei ein Fragmentierungsproblem und kein Gemeingut.

Der Kollaps der Generierungskosten und die Wende zu digitalen öffentlichen Gütern

Die Kursproduktion ist der Ort, an dem die Verschiebung bereits messbar ist: MAIC berichtet, dass die MOOC-Produktion von etwa $25.000 und 60 Stunden pro Kurs auf unter $2 und 30 Minuten mit LLM-getriebener Multi-Agenten-Generierung zusammenbricht. Wenn die Produktionskosten gegen null gehen, verliert das Argument, OER spare Geld, an Kraft, und es bleiben Lizenzfreiheit, Überprüfbarkeit und Qualitätssicherung.

Tlili, Farrow, Bozkurt, Amiel, Wiley und Downes (2026) ordnen diese Verschiebung um fünf Leitfragen und gelangen zu einer beunruhigenden rechtlichen Lesart. Weil das U.S. Copyright Office bloße Prompts als für die Urheberschaft unzureichend behandelt, kann eine rein KI-generierte Ressource in die Public Domain fallen und nach strenger Lesart als von Haus aus offen gelten. Ihr Begriff für das gegenteilige Versagen lautet Openwashing: Ein Artefakt wird als offen präsentiert, während seine Trainingsdaten, seine Pipeline oder seine Lizenz es nicht sind. Die Urheberschaftsfrage ist auch eine Rechtsfrage, bevor sie eine Lizenzfrage ist, und die rechtliche und urheberrechtliche Seite reicht ebenso durch Fehlverhalten wie durch Eigentum.

Die politische Antwort in dieser Literatur ist eine Umklassifizierung. Atenas und Kolleginnen und Kollegen schlagen vor, OER als digitale öffentliche Güter zu behandeln, was das Heilmittel von der Produktion weiterer Inhalte auf den Aufbau öffentlich regierter, nichtkommerzieller Infrastruktur verschiebt. Sie messen diese Infrastruktur an den ROAM-X-Prinzipien und den FAIR-Datenstandards und beschreiben eine Landschaft, die bereits über zwei Milliarden offen lizenzierte Werke und 303 Internet Universality Indicators umfasst. Das ist eine verteidigungsfähige Neuausrichtung einer Bewegung, die zwei Jahrzehnte mit Inhaltsproduktion verbracht hat.

Die institutionelle Begründung für Offenheit wird auch über Autonomie geführt. Panda (2026) argumentiert in einem Editorial, digitale Transformation in offenem und flexiblem Lernen sei pädagogische Transformation und nicht Technologieeinführung, und eine Technologie gewinne nur dann Glaubwürdigkeit, wenn sie mit einer angemessenen Pädagogik in einem lokalen Kontext übereinstimme. Rodés-Paragarino und Atenas (2026) übersetzen das in ein Rahmenwerk mit sieben Säulen für die verantwortungsvolle Integration von OER und generativer KI, gebaut aus einer Dokumentenanalyse plus Expertenvalidierung und einem partizipativen Workshop mit 81 Teilnehmenden in Bilbao im Dezember 2025.

Offene Pädagogik und die Wende zur Praxis

Offene Pädagogik verschiebt Studierende von Konsumierenden zu Beitragenden: Eine Aufgabe erzeugt etwas, das veröffentlicht, lizenziert und wiederverwendbar ist. Clinton-Lisell (2026) liefert den saubersten Test dieser Idee im Feld. Zwei Gruppen eines Einführungskurses zur kindlichen Entwicklung aktualisierten dasselbe Lehrbuch, eine davon mit generativen KI-Werkzeugen. Über 113 Aufgaben hinweg berichteten Studierende beider Gruppen von wachsender Informationskompetenz, und der Zuwachs war statistisch nicht unterscheidbar: ein Zeiteffekt von F(1, 84) = 47.30, p < 0.001, partielles η2 = 0.36, gegenüber einer Interaktion von Zeit und Gruppe von F(1, 84) = 0.04, p = 0.85. Die KI-Gruppe erledigte mehr Arbeit und erreichte etwas niedrigere Werte, 174.73 gegenüber 173.86 von 180.

Die Praxis hat ihre eigene Reifeliteratur. Duan (2026) sichtete 540 Datensätze und engte sie auf 14 Modelle offener Bildungspraxis unter PRISMA 2020 ein, verglich sie auf drei Dimensionen und schloss, dass generative KI unter etablierten Modellen liegt, statt sie zu verdrängen; dieses Argument verortet der Aufsatz gegen TPACK. Ahmadfard (2026) kommt in einem strukturierten Review ab 1970 zu einem ähnlichen Schluss über Interaktivität: Interaktive Merkmale sind eher ein Designargument als ein nachgewiesener Effekt, und die stärksten von ihm berichteten Effektstärken sind aus früherer physikdidaktischer Arbeit entlehnt und nicht in OER gemessen.

Zwei weitere Studien zeigen, wie schnell die Praxisebene zu einer Governance-Ebene wird. Patiño, Martínez-Pérez, Ramírez-Montoya und Miranda (2026) dokumentieren ein Residenzprogramm von UNESCO und ICDE mit 110 Teilnehmenden aus 13 Ländern in 10 Teams, doch ihre Befragungsbasis sind 72 Antworten aus 54 Institutionen ohne Rücklaufquote, was für eine Roadmap mit Blick auf die UN 2030 Agenda eine dünne Stütze ist. Und Guo, Lu und Gao (2026) befragten 512 Lehrkräfte in 30 chinesischen Provinzen dazu, ob KI-Kompetenz sich in offene Lehrpraxis übersetzt, und fanden einen indirekten Pfad über innovatives Verhalten von 0.218 bei geringer institutioneller Unterstützung, der bei hoher Unterstützung auf nicht signifikante 0.042 fällt.

Gerechtigkeit, Nachhaltigkeit und der Globale Süden

Das Gerechtigkeitsargument für offene Inhalte ist das älteste: Eine Ressource ohne Preis kann nicht über den Preis ausgeschlossen werden. Es ist zugleich das am leichtesten behauptete und am seltensten geprüfte. Die Fassungen der KI-Ära sind sorgfältiger. Atenas und Kolleginnen und Kollegen rahmen OER als Hebel für marginalisierte Gemeinschaften und für sinnvolle Beteiligung an der Datenerhebung, warnen aber, dass eine übermäßige Abhängigkeit von generierten Ressourcen menschliche Kreativität und Urteilskraft abzuwerten droht. Tlili und Kolleginnen und Kollegen benennen die Mechanismen, durch die Generierung diesen Hebel schwächt: Übersetzungsfehler, Verzerrungen in den Trainingsdaten und eine Halluzinationsschleife, in der generierte Inhalte in die Korpora zurückfließen, die das nächste Modell trainieren.

Nachhaltigkeit kommt zweimal ins Spiel, als Finanzierung und als Energie. Das Argument der digitalen öffentlichen Güter ist im Kern ein Nachhaltigkeitsargument: Ein fragmentiertes Gemeingut drittmittelfinanzierter Dateien überlebt seine Förderungen nicht, während öffentlich regierte Infrastruktur es könnte. Der ökologische Fall erscheint in der weiteren Offenheitsliteratur und im Nachhaltigkeitskonzept dieser Wissensbasis, wo die Berichterstattung über die Inferenzkosten von Modellen als Pflicht offener Praxis und nicht als Nachgedanke behandelt wird.

Die Dimension des Globalen Südens ist der Ort, an dem die Evidenz am dünnsten wird. Die nichtwestlichen Fälle des Bündels sind real, aber wenige: ein lateinamerikanisches Residenzprogramm zur Kooperation, chinesische Lehrkräfte an offenen Universitäten und eine Rahmung von Infrastruktur als Vorbedingung für Beteiligung. Behauptungen, Offenheit verteile Kapazitäten automatisch um, werden von diesen Studien nicht gestützt, und mehrere von ihnen sagen das auch.

Wo Schreib- und Empfehlungssysteme auf das Argument treffen

Zwei Aufsätze in diesem Bündel betreffen Produktionssysteme und nicht Politik. Peng (2026) entwickelt einen hybriden Deep-Learning-Recommender für OER und berichtet 93.6 Prozent Genauigkeit, 92.5 Prozent Präzision, 91.0 Prozent Recall und einen F1-Wert von 90.2 auf 2.400 Interaktionsdatenpunkten. Die eigene Vergleichstabelle zeigt eine BERT4Rec-Baseline mit 90.8 F1 bei gleichem Recall, und der Abschnitt zum Datensatz lässt Nutzerzahl, Itemanzahl und Sparsity als Platzhalter. Die Modellierungsbehauptung ist bescheiden; das Muster ist vertraut, insofern der Fortschritt gegenüber einer starken Baseline kleiner ist als die Schlagzeile.

Der zweite erinnert daran, dass ein generatives System offen und sein Inhalt geschlossen sein kann. OATutor verbindet eine MIT-Codebasis mit CC BY-Algebratexten von OpenStax, was bedeutet, dass die Lizenzen von Code und Inhalt konstruktiv kompatibel gehalten werden müssen. Diese eine technische Pflicht ist die klarste praktische Form des Verhältnisses von Open Source und offener Bildung: verschiedene Objekte, dieselbe Rechtsmechanik und eine Kompatibilitätsbedingung, die demjenigen zufällt, der beides zusammenbaut.

Verbreitete Fehlvorstellungen

„Offene Bildung und Open Source sind dieselbe Offenheit.“ Sie teilen Lizenzmechanik und Produktionsmodell und sind nicht austauschbar. Open Source ist eine Aussage über ein baubares, einsehbares System; offene Bildung ist eine Aussage über eine nutzbare, anpassbare Lehrressource. Eine Schule kann vollständig quelloffene Software über einem geschlossenen Lehrbuch betreiben, und viele tun das.

„Offen heißt für Studierende kostenlos, und damit ist der ganze Nutzen benannt.“ Kosten sind die messbare Hälfte. Die andere Hälfte ist die Erlaubnis: Eine Ressource, die überarbeitet werden darf, ist eine, die eine zweite Institution reparieren, übersetzen und lokalisieren kann. Die Studien in diesem Bündel berichten weit häufiger über Abschluss und Zufriedenheit als über Anpassung, weshalb die Anpassungsbehauptung weitgehend ungeprüft bleibt.

„KI macht Inhalte so billig, dass OER obsolet ist.“ Die Gegenlesart liegt bereit und ist besser gestützt. Wenn Generierung nahezu kostenlos ist, werden Lizenz, Attributionskette, Prüfprozess und gepflegte Plattform zu den knappen Gütern. Deshalb konvergiert diese Literatur auf Governance und Infrastruktur statt auf Produktion.

„KI-Werkzeuge in einer offenen Aufgabe verbessern das Lernen.“ Der einzige quasi-experimentelle Test hier fand wahrgenommenes Kompetenzwachstum in beiden Armen ohne erkennbaren Unterschied zwischen ihnen, bei höherem Abschluss und geringfügig niedrigeren Werten in der KI-Gruppe. KI veränderte, was Studierende produzierten, und nicht, was sie zu lernen berichteten.

Verbundene Konzepte

Verbundene Artikel

Verknüpfte Ressourcen

  • AI + OER Case Studies: A DOERS Project
    Eine offene Anthologie mit elf Fallstudien dort, wo generative KI auf offene Bildungsressourcen in der Hochschulbildung trifft, in drei Teilen mit vier politischen Prioritäten, von Systemvorgaben über Fortbildung und Lehrbuchüberarbeitung bis zur Praxis im Kursraum.

Metadaten

NiveauHigher Ed, Adult Learning
ZielgruppeInstructors, Administrators, Policymakers, Curriculum Designers
Lernen und UnterrichtAktives Lernen, Kollaboratives Lernen
Technologien und VerfahrenQuelloffene Software (Open Source), Generative KI
Institutionen und PolitikBildungspolitik zu KI, KI-Governance
Gerechtigkeit, Ethik und verantwortungsvoller EinsatzGerechtigkeit
Grundlagen von KI in der BildungCurriculum-Design
QuelleVerlaufBearbeitenChat

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.