Wie designe ich Fakultätsentwicklung für KI, die die Praxis tatsächlich verändert?

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

Wenn Sie Fakultätsentwicklung betreiben, ist der Druck, unter dem Sie stehen, wahrscheinlich einer von diesen: Ihr Provost will dieses Jahr ein KI-Programm, die Teilnahme ist gut, aber es verändert sich nichts in den Klassenzimmern, oder die Leute, die es am meisten brauchen, kommen nicht. Alle drei zeigen auf denselben Designfehler. Was die Praxis einer Lehrkraft verändert, ist nicht zu lernen, was ein Werkzeug kann; es ist, unterstützte, strukturierte Zeit mit einem Problem in ihrem eigenen Kurs zu verbringen, lange genug, dass eine neue Gewohnheit eine alte ersetzt, wobei die Institution das Experiment explizit bejaht statt es bloß zu erlauben.

Die kurze Version. Hören Sie auf, Werkzeugdemonstrationen zu veranstalten. Standardisieren Sie einen Sitzungszyklus, in dem jeder Teilnehmende ein echtes Kursartefakt mitbringt und mit einem überarbeiteten geht, verpacken Sie Verifikation, Offenlegung und Risikokontrolle in die Arbeitsvorlage statt in ein Ethik-Add-on, strecken Sie das Programm über einen einzelnen Tag hinaus und paaren Sie es mit Mentoring, führen Sie disziplinspezifische Kohorten durch, und messen Sie die Artefakte, die Menschen mit Verzögerung erzeugten, statt wie selbstsicher sie sich am letzten Nachmittag fühlten. Der Rest dieser Seite sind die Belege für jede dieser Wahlen, die institutionellen Bedingungen, die entscheiden, ob sie halten, und was Sie einem Dekan sagen, der fragt, ob es funktioniert hat.

Warum das Workshop-Modell unterperformt

Der direkteste Vergleich in dieser Literatur ist Bi et al. (2026), die 568 Fakultätsmitglieder über fünf Universitäten befragten und dann ein Quasi-Experiment mit 160 davon durchführten. Beide Arme bekamen vier 90-minütige Workshops in aufeinanderfolgenden Wochen mit identischer Kontaktzeit, derselben Plattform und derselben Unterstützung durch Anleitende. Der Unterschied war der Inhalt: ein Arm hatte konventionelle GenAI-Fakultätsentwicklung, der andere arbeitete einen strukturierten Zyklus aus Promptformulierung, Ausgabenprüfung, Kursmaterialrevision und schriftlicher Reflexion gegen eine Sieben-Komponenten-Vorlage, die Ziele, Aufgabenrandbedingungen, Bewertungskriterien, Verifikation, Offenlegung und Risikokontrolle umfasst. Der strukturierte Arm punktete höher auf allen sieben Bereitschaftsdimensionen, mit seinem größten Vorteil im Promptdesign bei etwa zwei Standardabweichungen, und er war der einzige Arm, dessen Promptdesign-Gewinn verzögerte Testung überlebte – der kleinere Gewinn des konventionellen Arms war bei der Nachverfolgung unter die Baseline zurückgefallen.

Zwei weitere Ergebnisse erklären, warum Demonstrationen nicht wandern. In Bai und Hsieh (2026), die 898 Universitätslehrkräfte auf AI-TPACK-Skalen befragten, waren Lehrkräfte, die verstanden, wie generative Werkzeuge funktionieren, oder sie kompetent bedienen konnten, nicht wahrscheinlicher, das Erfinden und Implementieren neuer Unterrichtspraktiken zu berichten als jene, die es nicht konnten. Das integrierte AI-TPACK-Konstrukt hatte überhaupt keinen direkten Pfad zu innovativem Verhalten: sein Einfluss lief vollständig über KI-Kompetenz, Unterrichts-Selbstwirksamkeit und professionelle Identität. Anders gesagt, Fähigkeit wird darüber mediiert, wie die Lehrkraft sich selbst sieht, was keine Werkzeugeinführung adressiert.

Es gibt auch eine Obergrenze. In einer Within-Subjects-Studie mit 13 Hochschullehrkräften erhöhte Chatbot-Zugang den Anteil der Aktivitäten, die zwei oder mehr höherstufige Bloom-Aufgaben erreichten, von 41.7% auf 91.7% (p = .01) und senkte den wahrgenommenen kognitiven Aufwand von einem Median von 6.33 auf 3.33 (p = .004) –, aber das darauf geschichtete pädagogische Prompting-Training verbesserte die Designqualität nicht weiter und erhöhte den Aufwand leicht. Und in einem Workshop mit 60 Wissenschaftslehrkräften der Mittelstufe war das produktive Element die kollaborative Prüfung von ChatGPT-generierten Bewertungsfragen, was das war, was konzeptuelle Präzisionsprobleme und das Risiko der Verstärkung von Missverständnisse über KI hervortrieb. Was jene zwei Studien gemeinsam haben, ist, dass das Lernen aus dem Kritisieren und Revidieren von Material kam, nicht aus dem Gezeigt-Bekommen von Material.

Was stattdessen zu bauen ist

Die Designarchitektur, die am nächsten zu den obigen Belegen passt, ist Dogans (2026) i-TPACK-Framework, gebaut aus einem PRISMA-Review von KI-Professionalentwicklung plus einer Suche, die 17 weitere Studien hervortrieb. Es stimmt fünf Wissensdomänen ab – intelligentes technologisches Wissen, technologisches Fachwissen, technologisches pädagogisches Wissen, integriertes i-TPACK und KI-Ethik –, mit vier evidenzbasierten Pfaden: Aktives Lernen, Modelle und Beispiele, Coaching und Expertenunterstützung, und Rückmeldung und Reflexion, gesteuert von fünf Prinzipien, die von Collective Synergy Over Silos bis Flexibility within Structure reichen. Seine Kritik des Felds ist es wert, ernst genommen zu werden, bevor Sie das Programm von irgendjemandem kopieren: in vielen vorhandenen Angeboten wird Ethik oberflächlich oder überhaupt nicht behandelt. Die Grenze des Frameworks ist, dass es konzeptuell ist, ohne Ergebnisdaten auf Programmebene.

In ein Programm übersetzt, das Sie nächstes Semester führen könnten, heißt das:

• Jede Sitzung endet mit einem überarbeiteten Artefakt. Teilnehmende bringen ein Ziel, eine Rubrik oder eine Bewertungsaufgabe mit und gehen mit einer veränderten. Bi et al. (2026) maßen genau diesen Zyklus, und es ist die Version, die bei der Nachverfolgung standhielt.
• Die Vorlage trägt die harten Teile. Verifikation, Offenlegung und Risikokontrolle gehören in das Arbeitsdokument, das Teilnehmende die ganze Woche nutzen, nicht in ein Abschlusssegment. Es ist auch, wie Nervosität irgendwohin Nützliches geht, was unten bedeutsam ist.
• Behandeln Sie Assessmentdesign als ertragreichstes Ziel. In Talebzadehs (2026) achtstündigem Programm über vier zweistündige Sitzungen mit 163 Lehrkräften und Anwärterinnen und Anwärtern stieg gesamtes AI-PCK von 151.65 auf 220.14 (d = 2.36, p < .001), und der größte Komponenteneffekt war Assessment Rubrics (d = 2.19) – auch der schwächste Bereich im Pretest. Die Lücke war enger in Unterrichtsmethode als in Assessment.
• Budgetieren Sie mehr als einen Tag, und fügen Sie Mentoring hinzu. Anwärterinnen und Anwärter in demselben Programm gewannen signifikant mehr als erfahrene (p = .033), meist in szenariobasiertem Aufgabendesign und Rubrikdesign. Die erfahrenen Lehrkräfte sagten, acht Stunden seien zu kurz, um tief verwurzelte Gewohnheiten zu verschieben, und baten um langfristige, mentorbasierte Unterstützung.
• Segmentieren Sie Ihr Publikum, statt einen universalen Workshop zu führen. Sutedjo, Chowdhury und Liu (2026) fanden unter 127 Antwortenden, dass selbstwahrgenommenes pädagogisches Fachwissen hoch war (M = 4.70) und Fachwissen nahe der Obergrenze (M = 5.15), während technologisches pädagogisches Wissen (M = 2.62), technologisches Fachwissen (M = 2.75) und holistisches TPACK (M = 2.55) deutlich niedriger waren. Fachwissen zeigte keine signifikante Korrelation mit irgendeiner technologieintegrierten Domäne (r = .11–.15), also trägt Fachbeherrschung nicht über, und jene drei niedrigen Domänen korrelierten r = .81–.91 miteinander – plausibel eine Fähigkeit, die als gemeinsame Grundlage zu lehren ist statt drei separate Module.
• Entscheiden Sie, ob Beziehungen im Rahmen sind. Aponte et al. (2026) argumentieren, KI trage nur dann zur sozioemotionalen Entwicklung von Lehrkräften bei, wenn sie als relationale Infrastruktur wirkt – geschützte Zeit für Mentoring, Peer-Dialog, Praxisgemeinschaften –, und schlagen relationale Verdichtung als Standard vor, der Vertrauen, Kontinuität der Unterstützung und Ko-Regulation zählt statt Kontaktstunden. Zwei ihrer Behauptungen übersetzen sich direkt: freigemachte Zeit wird als zusätzliche Anforderung wieder absorbiert, wenn die Institution nicht formell verlangt, dass sie reinvestiert wird, und konversationelle Agenten können leise zu einem reibungsarmen Ersatz für die schwierigen menschlichen Verhandlungen werden, die Wachstum erzeugen. Ihr Framework ist eine Heuristik, keine getestete Kausalbehauptung.

Die institutionellen Bedingungen entscheiden mehr als das Curriculum

Das ist der Befund, den Sie in eine Leitungsbesprechung mitbringen. In derselben Studie berichteten kasachische Fakultätsmitglieder höhere Baseline-Bereitschaft als ihre chinesischen Gegenüber auf allen sieben Dimensionen, mit den größten Lücken in disziplinärem Transfer, Promptdesign und grundlegendem Verständnis. Doch in hierarchischer Regression fiel der Kasachstan-Koeffizient – für sich klar signifikant – auf Nicht-Signifikanz, eine Reduktion um etwa vier Fünftel, sobald frühere GenAI-Nutzung, jüngstes KI-Training, institutionelle Unterstützung, wahrgenommene Erlaubnis, mehrsprachiger Ressourcenzugang, Richtlinienklarheit und Risikosensitivität eingegeben wurden. Institutionelle Unterstützung und wahrgenommene Erlaubnis trugen das meiste positive Gewicht. Risikosensitivität war der einzige Prädiktor, der gegen Bereitschaft wirkte. Mehr als doppelt so viele kasachische wie chinesische Fakultätsmitglieder berichteten KI-bezogenes Training in den vorherigen sechs Monaten.

Für eine Programmleitung sind die Hebel deshalb lokal und nah: praktische Übung, explizite Erlaubnis zum Experimentieren, Materialien in den Sprachen, in denen Ihre Fakultät tatsächlich arbeitet, und sichtbare Rückendeckung durch die Einheit. Nationale Politikrahmung trägt Bereitschaft nicht von allein. Wo Risikosensitivität beißt, ist die Antwort nicht, Vorsicht herunterzureden, sondern ihr einen Ort zu geben, an dem sie ausgeübt wird – Rubrikdesign und Verifikationsroutinen sind, wie Nervosität zu Urteil wird.

Zwei praktische Reibungen gehören in dasselbe Gespräch. Fortführungs-Absicht war die höchstbewertete Zufriedenheitsdimension in Bi et al. (2026), während Werkzeugnutzbarkeit die niedrigste war, also ist ein Teil von dem, was wie Zurückhaltung aussieht, Plattformreibung. Und Aponte et al. (2026) lokalisieren die harte Grenze: KI kann chronische Überlastung, strafende Rechenschaftskulturen, schwache Führung oder das Fehlen geschützter Zeit nicht kompensieren. Wenn das Ihre Bedingungen sind, wird ein besserer Workshop sie nicht beheben.

Die Skeptiker und die Ängstlichen sind der Punkt, nicht das Hindernis

Laidlaw (2026) argumentiert aus einem autoethnografischen Bericht, dass Widerstand kein Fähigkeitsdefizit ist. Fakultätsmitglieder, die fragen, was der Sinn des Lehrens in einer GenAI-Welt sei, fragen nicht, wie man ein Werkzeug sicher nutzt; die Frage ist ontologisch. GenAI als Schwellenkonzept zu lesen – transformativ, schwierig, irreversibel, integrativ, begrenzt –, schließt sie, dass Angst, Widerstand und Verwirrung notwendige Teile des Überschreitens sind statt zu korrigierende Probleme, und ihre Empfehlungen kehren den Standard-Workshop um: mit Identitätsfragen eröffnen statt mit Demonstrationen, disziplinspezifische Kohorten führen, verschiedene Zeitlinien erlauben, und prinzipielle Nichtannahme, begründet in disziplinären Werten, als legitim behandeln. Sie warnt außerdem, dass das Kommunizieren von Regeln in eine „Durchsetzungsillusion" abgleiten kann, die Compliance-Botschaften durch Unterstützung ersetzt.

Es gibt hier auch ein Designargument für Anpassung. In Bai und Hsieh (2026) sagte professionelle Identität innovatives Verhalten bei seltenen KI-Nutzenden fast doppelt so stark vorher wie bei täglichen Nutzenden – ein Grenzergebnis, aber es legt nahe, dass Identitätsarbeit sich am meisten bei den Leuten auszahlt, die die Werkzeuge kaum berühren. Sutedjo und Kollegen argumentieren für absichtsvolles disziplinspezifisches Programmieren, weil Expertise nicht überträgt; Laidlaw will disziplinspezifische Kohorten als Rahmen für Identitätsgespräche; und Bai und Hsieh schlagen Differenzierung nach Erfahrung vor, wobei seltene Nutzende grundlegende Anleitung brauchen und häufige Nutzende mehr aus interdisziplinären Projekten ziehen.

Für die ängstliche Teilnehmerin oder den ängstlichen Teilnehmer fügen Aponte et al. (2026) eine Governance-Bedingung statt einer motivationalen hinzu: trennen Sie Wohlbefindensunterstützung von Managementbewertung, minimieren Sie Daten, begrenzen Sie den Zweck, halten Sie Teilnahme freiwillig, und garantieren Sie menschliche Aufsicht. Das ist, was es sicher macht, Unsicherheit in einem KI-vermittelten Raum zuzugeben.

Die affektive Schicht hat jetzt ihr eigenes Instrument. Vassallo (2026) befragte 109 Akademikerinnen und Akademiker und identifizierte einen „KI-Schuldkomplex": 35% sorgten sich, dass KI-Nutzung ihre Glaubwürdigkeit untergräbt, und 26% berichteten, sich zu fühlen, als würden sie „betrügen", wobei antizipatorische Schuld über Glaubwürdigkeit Reue nach der Nutzung überstieg, sodass die Notlage sozio-professionell statt privat ist. Vier Profile traten hervor – Komfortable Annehmende (27%), Schuldige Nicht-Nutzende (29%), Vorsichtige Nutzende (28%) und moralisch notleidende Vermeidende (16%) –, was heißt, dass ein einzelnes Programm vier verschiedene Probleme adressiert, und die 29%, die Schuld fühlen, während sie die Werkzeuge nicht nutzen, brauchen etwas anderes als eine Demonstration. Das Ausmaß der institutionellen Aufgabe ist sichtbar in der AAC&U/Elon-Befragung von 1.057 Fakultätsmitgliedern (Watson und Rainie 2026): 68% sagten, ihre Schulen hätten die Fakultät nicht darauf vorbereitet, generative KI für Lehren und Mentoring zu nutzen, und ein ähnlicher Anteil für Wissenschaft, während 26% der Antwortenden die Werkzeuge überhaupt nicht nutzen – einschließlich 40% der Fakultät in Geisteswissenschaften –, und 82% Widerstand von Kollegen als Barriere für Übernahme in der Abteilung benennen.

Es jemandem beweisen, der es finanziert

Das Gerüst, an dem sich auszurichten wert ist, ist Crompton, Burke und Nickel (2026), deren Design-Based Research über zwei Makrozyklen und 114 Teilnehmende – Fakultät von 28 US-amerikanischen Institutionen und 11 Ländern, plus Direktoren von Zentren für Lehren und Akkreditierungskoordinatoren – sechs Standards erzeugte, die die gesamte akademische Rolle umspannen statt nur ihre Unterrichtsscheibe: Instructor, Coordinator, Leader, Researcher, Learner und Contributor. Die Lücke ist real: vorhandene Frameworks und Pädagogische Standards adressieren K-12 (Primar- und Sekundarstufe)-Lehrkräfte oder nur Lehren. Standards dieser Art lassen ein Entwicklungszentrum sein Angebot an Leistungsbewertung und Akkreditierung ausrichten, statt zusammenhangslose Workshops zu veranstalten, was auch das Argument ist, das eine Budgetprüfung überlebt.

Seien Sie vorsichtig, wie Sie evaluieren, weil das meiste dieser Literatur Selbstauskunft misst. Bi et al. (2026) maßen selbstauskunftbasierte Bereitschaft, nicht ausgeübtes Unterrichten oder studentisches Lernen, und ihre Gruppen wurden durch freiwillige Anmeldung und institutionelle Planung gebildet statt durch Randomisierung, also sind ihre Ergebnisse Assoziationen statt Kausalschätzungen. Bai und Hsieh (2026) ist querschnittlich und selbstselegiert, stützte sich auf acht Universitäten in einem Land, und maß jedes Konstrukt von denselben Antwortenden zu einer Zeit; ihre Innovationsskala behielt außerdem die Formulierung eines allgemeinen Innovationsmaßes. Sutedjo und Kollegen können keine Richtung der Kausalität etablieren, was bedeutsam ist, weil ihre stärkste Behauptung – dass technologisches Wissen als Tor fungiert – genau das ist, was ein querschnittliches Design nicht klären kann. Talebzadeh (2026) berichtet sehr große Effekte ohne Randomisierung, Nachverfolgung oder Aufschlüsselung nach Disziplin, also sollte d = 2.36 als kurzfristig gelesen werden statt als Beleg dauerhafter Praxis. Laidlaw (2026) ist eine autoethnografische Reflexion, und Aponte et al. (2026) halten fest, dass ihr Framework konzeptuell ist.

Eine vertretbare Evaluation misst deshalb Artefakte statt Meinungen: die Kursmaterialien, die ein Teilnehmender überarbeitete, die geschriebenen Rubriken, die designten Aufgaben. Sie testet mit Verzögerung, weil die Lücke in Bi et al. (2026) nur bei der Nachverfolgung erschien, wo die konventionelle Gruppe zerfallen war und die strukturierte nicht. Sie behandelt Zufriedenheit und Selbstsicherheit als schwache Signale – Pishtari und Kollegen (2026) halten fest, dass Qualitätsgewinne allein nicht Verinnerlichung belegen, da steigende Designqualität gleichermaßen das Auslagern routinierter Arbeit oder das Akzeptieren KI-generierter Struktur widerspiegeln kann. Und sie fügt mindestens einen relationalen Indikator hinzu, im Gefolge von Aponte et al. (2026), weil Artefakte zu verbessern, während Teilnehmende isoliert werden, nicht das ist, was das Programm behauptete.

Drei Einwände, beantwortet

„Wir haben die Stunden nicht." Dann geben Sie sie anders aus, statt sie hinzuzufügen. Der Vergleich in Bi et al. (2026) hielt die Kontaktzeit konstant bei vier 90-minütigen Sitzungen; der strukturierte Arm übertraf im selben Budget. Sechs Stunden als Artefaktzyklus angeordnet schlagen sechs Stunden Demonstrationen, und ein kürzeres Format, das auf Assessment-Rubriken verwendet wird, adressiert den schwächsten Bereich in Talebzadeh (2026).

„Unsere Fakultät wird nicht kommen, oder die Skeptiker werden es sprengen." Rekrutieren Sie die Skeptiker nicht in eine Demonstration. Eröffnen Sie mit Identitätsfragen, führen Sie disziplinspezifische Kohorten durch, erlauben Sie verschiedene Zeitlinien, und sagen Sie laut, dass prinzipielle Nichtannahme eine legitime Position ist –, das ist die Empfehlung von Laidlaw (2026), und sie entfernt das Argument über Compliance aus dem Raum. Erwarten Sie, dass Identitätsarbeit bei seltenen Nutzenden am meisten zählt, gemäß Bai und Hsieh (2026).

„Wir können Leute nicht zum Handeln bringen." Größtenteils können Sie das nicht, aber Sie können verändern, was die Institution signalisiert. Wahrgenommene Erlaubnis und institutionelle Unterstützung trugen in Bi et al. (2026) das meiste positive Gewicht, nachdem der Nationalhintergrund-Effekt zusammenbrach, also sind die brauchbaren Schritte die kostengünstigen: feststellen, dass Experimentieren sanktioniert ist, die Zeit formell schützen, damit sie nicht wieder absorbiert wird, Materialien in den Arbeitssprachen der Fakultät bereitstellen, und Plattformreibung entfernen, die die niedrigstbewertete Dimension in derselben Studie war.

Checkliste für Programmdesigner

• Verankern Sie jede Sitzung in einem echten Kursartefakt – Ziele, Rubrik oder Bewertungsaufgabe –, das Teilnehmende mitbringen und überarbeiten, bevor sie gehen.
• Setzen Sie Verifikation, Offenlegung und Risikokontrolle in die Arbeitsvorlage, statt Ethik als Abschlusseinheit hinzuzufügen.
• Führen Sie es lange genug durch, und paaren Sie das Programm mit mentorbasierter Nachverfolgung; erfahrenes Personal berichtet, dass kurze Formate tief verwurzelte Gewohnheiten nicht verschieben können.
• Bauen Sie disziplinspezifische Kohorten und differenzieren Sie nach Erfahrungsniveau, statt einen universalen Workshop zu führen.
• Eröffnen Sie mit Identitätsfragen vor Demonstrationen, und behandeln Sie prinzipielle Nichtannahme als legitime professionelle Position.
• Sichern Sie institutionelle Unterstützung, wahrgenommene Erlaubnis, geschützte Zeit und Zugang in den Arbeitssprachen der Fakultät; diese tragen mehr Gewicht als nationale Politikrahmung.
• Evaluieren Sie mit Artefakten, verzögerter Messung und mindestens einem relationalen Indikator; berichten Sie Effektstärken ehrlich gegen Selbstauskunfts- und Querschnittsdesigns.

Für das Kompetenzziel selbst siehe Welche Kompetenzen braucht die Fakultät in Bezug auf KI?; dafür, KI in einen Kurs statt in einen Workshop zu strukturieren, siehe Wie sollte KI in die Lernerfahrung designed werden?; und für das breitere institutionelle Bild siehe Was sind die Top 10 Befunde aus der Forschung zu KI in der Bildung, die Lehrkräfte kennen sollten?.