KI im Mathematikunterricht: Von der Spielerei zum didaktischen Präzisionswerkzeug

Die Diskussion um Künstliche Intelligenz im Lehrerzimmer pendelt oft zwischen unreflektierter Euphorie und pauschaler Ablehnung. Wer große Sprachmodelle (LLMs) ungesteuert bittet, Arbeitsblätter zu generieren, erhält meist didaktisch flaches und formal unbrauchbares Material. Brüche werden nicht sauber gesetzt, Zahlenwerte wiederholen sich sinnlos, und die kognitive Last der Aufgaben ist oft falsch austariert.

Diese fünfteilige Artikelserie zeigt einen konstruktiven Gegenentwurf: Wenn wir Sprachmodelle durch strukturiertes Prompting, fachdidaktische Leitplanken und das Textsatzsystem LaTeX steuern, verwandeln sie sich von unzuverlässigen Textgeneratoren in hochpräzise Werkzeuge für die Unterrichtsvorbereitung. Inspiriert von den Ansätzen des britischen Didaktikers Craig Barton überträgt diese Serie internationale Best Practices auf die deutsche Aufgabenkultur.

Alle fünf Teile stehen ab sofort als formatierte PDF-Dokumente zum Download und direkten Einsatz bereit.

Teil 1: Das Fundament – Mit strukturierten Prompts und LaTeX zu fehlerfreiem Arbeitsmaterial

Warum Standard-Prompts im Mathematikunterricht scheitern und wie man das Problem löst. Dieser Teil etabliert den grundlegenden Workflow: die Nutzung einer strikten, fünfstufigen Prompt-Architektur in Kombination mit LaTeX-Ausgaben, um formal fehlerfreie und optisch professionelle Dokumente zu generieren – inklusive eines direkt einsetzbaren Muster-Prompts.

📄 Download: Teil 1 – Das Fundament (PDF)

Teil 2: Elementarisierung und Sinnstiftung – Den Unterrichtseinstieg planen

Die Vorbereitung beginnt vor der Übungsphase. Dieser Artikel zeigt, wie KI dabei helfen kann, komplexe mathematische Algorithmen in lehrbare Mikro-Schritte (Atome) zu zerlegen. Zudem demonstriert er Prompting-Strategien, um Unterrichtseinstiege zu konstruieren, die durch einen gezielten „kognitiven Kopfschmerz“ echte Notwendigkeit für ein neues mathematisches Werkzeug erzeugen.

📄 Download: Teil 2 – Elementarisierung und Sinnstiftung (PDF)

Teil 3: Gezielte Diagnostik – Fehlervorstellungen aufdecken und nutzen

Fehler sind keine Zufälle, sondern basieren meist auf logisch konsistenten Fehlervorstellungen. Teil 3 illustriert, wie Sprachmodelle genutzt werden können, um messerscharfe diagnostische Multiple-Choice-Fragen zu erstellen, bei denen jeder Distraktor (falsche Antwort) exakt einen typischen Denkfehler abbildet. Ergänzend wird gezeigt, wie man über KI alltagsnahe Beispiele generiert, die kognitive Konflikte auslösen und Lernhürden nachhaltig abbauen.

📄 Download: Teil 3 – Gezielte Diagnostik (PDF)

Teil 4: Intelligentes Üben – Von der Automatisierung zur Mustererkennung

Traditionelle Arbeitsblätter fördern oft nur blindes Rechnen. Dieser Beitrag beleuchtet, wie sich Übungsreihen generieren lassen, die dem Prinzip der Variationstheorie folgen („Minimally different examples“). Durch gezielte, minimale Variationen zwischen den Aufgaben wird die Aufmerksamkeit der Lernenden auf die mathematischen Strukturen gelenkt. Zudem werden Formate wie „Completion Tables“ für multidirektionales Denken vorgestellt.

📄 Download: Teil 4 – Intelligentes Üben (PDF)

Teil 5: Problemlösen und Strukturfokus – Die kognitive Last steuern

Die Königsdisziplin: der Anforderungsbereich III. Dieser Abschlussartikel widmet sich Formaten, die die Problemlösekompetenz isoliert trainieren. Formate wie „Same Surface, Different Deep“ (SSDD) oder „No Number“-Probleme helfen den Lernenden, die Modellierung und die Werkzeugauswahl zu üben, ohne durch komplexe Rechnungen abgelenkt zu werden.

📄 Download: Teil 5 – Problemlösen und Strukturfokus (PDF)

Ausblick auf die technische Weiterentwicklung

Die Arbeit mit cloudbasierten Modellen ist ein guter Einstieg. Für den professionellen, datenschutzkonformen Einsatz – insbesondere bei der Verarbeitung eigener didaktischer Konzepte – liegt die Zukunft in lokalen Infrastrukturen. Die Kombination aus lokalen Open-Weights-Modellen und eigenen Vektordatenbanken (Retrieval-Augmented Generation, RAG) ermöglicht es künftig, eine vollständig private, hochspezialisierte didaktische Assistenz aufzubauen, die ausschließlich auf kuratierter Fachliteratur basiert.

Die kompletten Prompts aus den PDFs können direkt kopiert, an den eigenen Lehrplan angepasst und im Sprachmodell der Wahl iterativ verfeinert werden.