TutoKi

🏎️ TL;DR - Wir haben …

⚠️ Problemstellung

Jedes Kind lernt anders – Tempo, Vorkenntnisse, Motivation und Umfeld unterscheiden sich spürbar. In einer idealen Welt bekäme jedes Kind genau die Zeit und Zuwendung, die es braucht. In der Realität treffen Lehrkräftemangel, große Klassen und viele Nebenaufgaben aufeinander: In einer 45‑Minuten‑Stunde mit 30 Schüler:innen bleiben rein rechnerisch höchstens 1,5 Minuten pro Kopf – und davon gehen noch Hausaufgabenkontrolle, Organisatorisches und Verspätungen ab. Ergebnis: Persönliche Unterstützung fällt zu kurz, stille oder unsichere Kinder rutschen leichter durch, Lernlücken bleiben länger unentdeckt und Unterricht wird reaktiver statt vorausschauend.

Das Problem im System

In diesem System-Visualisation-Diagram werden einige Abhängigkeiten deutlich.

• R1: Eine höhere Anzahl an Lehrkräften würde die Qualität der Betreuung verbessern und die Individualität jedes Schülers unterstützen, wodurch auch der Druck auf Lehrkräfte sinken würde
• R2: Eine Höhere Anzahl an Lehrkräften reduziert sowohl Schüler:innen und Fächer pro einzelner Lehrkraft, wodurch der Zeitaufwand sinkt und die Arbeitsbedingungen sich verbessern
• R3 & R4: Sowohl die Qualität der Betreuung, als auch die des Unterrichts wirken sich positiv auf Schüler:innen aus, wodurch sie sich selbst engagieren.

Jedoch wirken sich einige äußere Faktoren negativ auf diesen Kreislauf aus. Der Bedarf steigt an und fertig ausgebildete Lehrkräfte gibt es zu wenig, insbesondere in MINT-Fächern. Genau diese Lücke zwischen individuellem Bedarf und verfügbarer Aufmerksamkeit adressiert TutoKi.

🗺️ Strategie

TutoKi verbindet die Stärke von KI – skalierbare, individuelle Unterstützung in Echtzeit – mit dem pädagogischen Rahmen der Schule. Ziel: Schüler:innen zur richtigen Lösung führen (nicht vorsagen), Lehrkräfte entlasten (nicht ersetzen) und Zwischenmenschlichkeit erhalten. Dafür steuert TutoKi den Grad der Hilfe situationsabhängig und macht transparent, warum welcher Schritt vorgeschlagen wird.

• Führen statt Vorsagen: Hinweise, Gegenfragen und Lösungswege statt fertiger Antworten – Kompetenzaufbau vor Ergebnis.
• Mensch im Loop: Lehrkräfte setzen Ziele, priorisieren Fälle, können Vorschläge anpassen und Einsätze begrenzen.
• Adaptiv nach Bedarf: Hilfestufen richten sich nach Aufgabentyp, Fehlermuster, Selbstwirksamkeitssignalen und System‑Unsicherheit.
• Scaffolding: Feedback wird stückweise gegeben, um Schüler:innen nicht zu überfordern.
• Transparenz & Selbstkontrolle: Lernende sehen, warum ein Hinweis kommt und können Hilfe dosieren oder Lehrkraft anfordern.

🔎 Research und Prototyping

Kurzziel: Bedürfnisse verstehen, Fokus der Hilfe steuern, Risiko „Antwort statt Lernen“ vermeiden.

Interviews

Wir führten Gespräche mit Lehrkräften und Schüler:innen, leiteten Needs/Pains ab und verdichteten sie zu Personas (je Rolle, Lernstand, Zeitdruck).

Ergebnisse in Kürze:

• Lehrkräfte: Zeitknappheit, Überblick über Lernstände, mehr Zeit für individuelle Betreuung.
• Schüler:innen: Wunsch nach Hilfe, wenn Aufgaben frustrierend werden und Lösungen

Prototypen

Drei aufeinander aufbauende Prototypen, jeweils mit klarer Testfrage.

• Proof of Concept – Feedback als Projektion direkt auf das Aufgabenblatt. Realisiert durch Mini-Beamer und Miro.
• Scribble – mit Hilfe-Overlay Vier Screens: gelöste Aufgabe + eingeblendetes Feedback als Overlay, um Sichtbarkeit und Eingriffsintensität zu prüfen.
• Interaktiver Prototyp – ChatGPT mit klar zugewiesener Rolle und Regeln als Basis für UX-Test.

Zu lösen waren zwei Deutsch-Aufgaben, eine mit und eine ohne TutoKi-Hilfe. Beobachtungsschwerpunkt: Mimik, Gestik, genaue Handlungsschritte.

Chancen und Gefahren

Chancen und Gefahren

KI eröffnet reale Hebel für besseren Unterricht – wenn wir sie didaktisch führen und klar begrenzen.

Top 3 Chancen

1. Adaptive Personalisierung: Diagnostik, dynamische Aufgaben, passgenaue Hinweise – mehr Motivation und schnellere Lernfortschritte.
2. Formatives Feedback & Entlastung: Korrigieren, Erklären, Übungsdesign – Lehrkräfte gewinnen Zeit für Beziehung und gezielte Förderung.
3. Neue Lernformate: Rollen-/Abenteuerszenarien und Simulationen – aktives, kontextnahes Lernen statt reiner Reproduktion.

Top 3 Gefahren

1. Erosion von Kernkompetenzen: KI darf grundlegende Lernprozesse nicht ersetzen; Risiko von Abhängigkeit und oberflächlichem Verständnis.
2. Ethik & Datenschutz: Unklare Verantwortung, Bias, Datenzugriffe – erfordern klare Leitplanken und lokale/gesicherte Lösungen.
3. Schlechte Integration: Überdominante Hilfe, Curriculums‑Mismatch, ungleicher Zugang – ohne didaktische Steuerung sinkt Wirksamkeit.

📱 Die App: Zwei Seiten, ein Lernfluss

TutoKi besteht aus einer Lehrkräfte‑App für Aufgabenmanagement und Analysen und einer Schüler:innen‑App als Bibliothek und Fokus‑Editor.

Zusammenspiel

Für Lehrkräfte

• Aufgaben: sammeln, als Vorlagen speichern, als Hausaufgabe oder Aufgabe im Unterricht zuweisen (Klasse/Gruppe/individuell), Abgaben und Deadlines steuern.
• Feedback: Lernfortschritt, Schwächen und Stärken für Klasse, als auch individuell einsehbar
• Analyse: Visuelle Lernstands‑Dashboards nach Klasse, Thema und Aufgabe; Empfehlungen zu Förderbedarf und nächsten Schritten.

Für Schüler:innen

• Bibliothek: alle zugewiesenen Aufgaben, Status und Fälligkeiten auf einen Blick.
• Editor: ablenkungsarm, mit Schritt‑für‑Schritt‑Hinweisen; Reihenfolge der Hilfe bewusst gesteuert – erst Inhalt, dann Aufbau, zuletzt Stil/Sprache.
• Lernfluss: Fortschrittsanzeige, gespeicherte Zwischenstände, verständliche Rückmeldungen statt Lösungen.

In ausführlicher Form im User Flow zu betrachten:

🎨 UI & Visual Design

🥂 Outcome

• Erhöhte Sichtbarkeit von Lernlücken durch Mustererkennung in Abgaben → gezieltere Interventionen und differenzierte Förderung.
• Entlastete Lehrkräfte durch teilautomatisierte Korrekturen, strukturierte Analysen und Unterstützung in Betreuung von Schüler:innen.
• Fokussiertere Schüler:innen dank ablenkungsarmem Editor und gestuften Hilfen → weniger Frust, mehr Selbstwirksamkeit.
• Höhere Quote individueller Betreuung durch persönliche Unterstützung und direktes Feedback.