KI-Strategie für Sprachschulen: Leitfaden, Regeln und 90-Tage-Plan
12. September 2026
Eine KI-Strategie für Sprachschulen ist kein Tool-Verzeichnis. Sie ist ein verbindlicher Entscheidungsrahmen dafür, wofür KI eingesetzt wird, welche Daten verarbeitet werden dürfen, wer Ergebnisse prüft, welche Kompetenzen Mitarbeitende benötigen und wann ein Einsatz gestoppt wird. Für Sprachschulen ist die didaktische Qualität besonders wichtig: Ein technisch plausibles Ergebnis kann sprachlich korrekt wirken und trotzdem nicht zum GER-Niveau, Lernziel oder Aufgabentyp passen.
ⓘ INFO
Das typische Sprachschulproblem: 30 Lehrkräfte, 30 Arten, KI einzusetzen, und 30 unterschiedliche Regeln für Lernende. Eine Lehrkraft erlaubt ChatGPT bei Hausaufgaben, eine andere verbietet es. Eine lässt Texte vollständig korrigieren, eine andere nur Fehler erklären. Genau hier beginnt die Aufgabe einer institutionellen KI-Strategie.
Die strategische Kurzform
Nicht fragen: „Welche KI wollen wir nutzen?“ Sondern: „Welches konkrete Problem wollen wir lösen, welches Risiko entsteht dabei und wie prüfen wir die Qualität?“
Ein sinnvoller Einstieg besteht aus 1 bis 3 klar begrenzten Anwendungsfällen, einem kleinen Pilotteam, definierten Qualitätskriterien und einer Auswertung nach 30 bis 90 Tagen. Erst danach sollte die Schule Tools breiter ausrollen.
Inhaltsverzeichnis
Das Wichtigste in Kürze
- Strategie vor Toolwahl: Erst Ziele, Prozesse und Risiken definieren, dann Produkte auswählen.
- Didaktik bleibt menschliche Verantwortung: KI kann Entwürfe liefern, aber Lernziel, GER-Passung, Progression und Bewertung müssen fachlich geprüft werden.
- Datenregeln müssen konkret sein: Mitarbeitende brauchen Beispiele dafür, was eingegeben werden darf und was nicht.
- KI-Kompetenz muss zur Unterrichtspraxis passen: Lehrkräfte brauchen klare Standards dafür, wie sie KI-Ergebnisse prüfen, Lernendendaten schützen, die GER-Passung beurteilen und Lernenden verständlich erklären, welche KI-Nutzung bei einer Aufgabe erlaubt ist.
- Pilotieren statt flächendeckend einführen: Wenige Anwendungsfälle mit messbaren Kriterien testen.
- Nicht nur Zeitersparnis messen: Auch Fehler, Überarbeitungsaufwand, didaktische Qualität, Akzeptanz und Datenschutz berücksichtigen.
- Stop-Regeln definieren: Eine Strategie braucht Kriterien, wann ein KI-Einsatz nicht sinnvoll ist.
Was bedeutet „KI-Strategie“ für eine Sprachschule?
Eine KI-Strategie verbindet pädagogische Ziele, Governance, Datenschutz, Qualitätskontrolle, Kompetenzentwicklung und Evaluation. Sie beantwortet nicht nur, welche Systeme eingesetzt werden, sondern vor allem, wer wofür verantwortlich bleibt.
Für Sprachschulen kommen Besonderheiten hinzu: Lernende produzieren Texte, Audio und persönliche Inhalte. Sprachliche Fehler sind Teil des Lernprozesses und dürfen nicht einfach „wegkorrigiert“ werden. Aufgaben müssen zum GER-Niveau und Lernziel passen. Prüfungsnahe Aufgaben erfordern besondere Sorgfalt. Lehrkräfte brauchen deshalb nicht nur technische, sondern auch didaktische KI-Kompetenz.
UNESCO empfiehlt für generative KI in Bildung einen menschenzentrierten Ansatz, der Datenschutz, menschliche Handlungsfähigkeit, Inklusion und pädagogische Validierung berücksichtigt. Das ist für Sprachschulen ein sinnvoller strategischer Ausgangspunkt.
Der Schnelltest: Hat Ihre Sprachschule bereits eine KI-Strategie?
Wenn Sie mehrere dieser Fragen nicht eindeutig beantworten können, haben Sie wahrscheinlich einzelne KI-Nutzungen, aber noch keinen gemeinsamen strategischen Rahmen.
- Welche KI-Anwendungen sind offiziell freigegeben?
- Für welche Aufgaben dürfen sie verwendet werden?
- Welche Daten dürfen niemals eingegeben werden?
- Wer prüft KI-generierte Unterrichtsmaterialien?
- Wie wird die GER-Passung kontrolliert?
- Wie gehen Sie mit KI bei Hausaufgaben und Prüfungen um?
- Welche AI-Literacy-Maßnahmen gibt es für Mitarbeitende?
- Wer entscheidet über neue Tools?
- Nach welchen Kriterien wird ein Tool wieder abgeschafft?
Die 8 Bausteine einer tragfähigen KI-Strategie
| Baustein | Leitfrage | Ergebnis |
|---|---|---|
| Ziele | Welches Problem soll KI lösen? | Priorisierte Ziele |
| Use Cases | Wo ist KI sinnvoll? | Freigegebene Anwendungsfälle |
| Daten | Was darf verarbeitet werden? | Datenampel |
| Qualität | Wie werden Ergebnisse geprüft? | Prüfchecklisten |
| Rollen | Wer entscheidet und prüft? | Verantwortungsmatrix |
| Kompetenz | Was müssen Mitarbeitende können? | AI-Literacy-Plan |
| Transparenz | Was müssen Lernende wissen? | Nutzungsregeln |
| Evaluation | Woran erkennen wir Nutzen? | KPIs und Stop-Kriterien |
1. Ziele definieren: vom Tool zur Aufgabe
Der häufigste strategische Fehler ist ein Start mit Produktnamen: „Wir wollen ChatGPT einsetzen.“ Das ist keine Zielsetzung. Besser ist eine konkrete Aufgabe mit erwarteter Verbesserung.
Schwach: Lehrkräfte sollen mehr KI nutzen.
Besser: Lehrkräfte sollen für vorhandene A2-Lesetexte in maximal 10 Minuten drei niveaugerechte Differenzierungsvarianten erstellen können, die anschließend mit einer festen Qualitätscheckliste geprüft werden.
Nicht jedes Problem braucht KI. Wenn eine Vorlage, ein LMS-Workflow oder eine vorhandene Materialdatenbank zuverlässiger funktioniert, ist das häufig die bessere Lösung.
2. Use Cases priorisieren: Nutzen × Risiko × Prüfaufwand
| Use Case | Potenzial | Risiko | Prüfaufwand | Start |
|---|---|---|---|---|
| Ideen für Sprechanlässe | hoch | niedrig | niedrig | gut für Pilot |
| Aufgabenvarianten | hoch | mittel | mittel | gut mit Checkliste |
| Feedback auf anonymisierte Lerntexte | mittel bis hoch | mittel | hoch | nur mit klarer Didaktik |
| Automatische Einstufung | hoch | hoch | sehr hoch | nicht als Einstieg |
| Automatische Prüfungsbewertung | hoch | sehr hoch | sehr hoch | nur nach Fach-, Rechts- und Prüfungsprüfung |
✓ PRAXIS
Starten Sie dort, wo ein Fehler leicht erkannt und korrigiert werden kann. Beginnen Sie nicht mit Entscheidungen, die Lernende unmittelbar bewerten, einstufen oder benachteiligen können.
3. Daten schützen: eine Datenampel statt abstrakter Verbote
Grün: in der Regel unkritischer
- selbst formulierte Beispielsätze ohne Personenbezug
- fiktive Lernendenprofile
- öffentlich zugängliche Informationen
- anonymisierte Aufgabenentwürfe ohne Rückschluss auf Personen
Gelb: nur nach geklärtem Prozess
- Lerntexte, auch wenn Namen entfernt wurden
- interne Dokumente
- Unterrichtsaufzeichnungen und Audio
- Leistungsdaten in pseudonymisierter Form
Rot: nicht in nicht freigegebene externe Systeme
- Klarnamen und Kontaktdaten
- Pass- oder Aufenthaltsdaten
- Gesundheitsinformationen
- personenbezogene Prüfungsergebnisse
- vertrauliche Personalinformationen
- Daten Minderjähriger ohne geklärte Rechtsgrundlage und Schutzmaßnahmen
Welche Verarbeitung rechtlich zulässig ist, hängt vom Standort, Vertrag, Tool, Kontotyp und Prozess ab. Die Strategie sollte deshalb festlegen, wer Datenschutzfragen verbindlich prüft, statt Lehrkräfte mit Einzelfallentscheidungen allein zu lassen.
4. Qualität sichern: der DaF-Check
Generative KI produziert häufig sprachlich glatte Ergebnisse. Genau das macht Qualitätskontrolle anspruchsvoll. Ein Text kann korrekt sein und trotzdem didaktisch ungeeignet.
- Lernziel: Übt die Aufgabe tatsächlich das beabsichtigte Können?
- GER-Passung: Sind Wortschatz, Grammatik, Textlänge und Anforderung niveaugerecht?
- Input: Ist die Sprache natürlich, korrekt und verständlich?
- Aufgabenlogik: Ist eindeutig, was Lernende tun sollen?
- Lösung: Ist sie korrekt und gibt es mehrere vertretbare Antworten?
- Progression: Passt die Aufgabe zum bereits eingeführten Stoff?
- Fakten: Sind Sachinformationen überprüft?
- Bias: Werden Gruppen klischeehaft dargestellt?
- Datenschutz und Rechte: Darf das Ausgangsmaterial verwendet werden?
- Lernaktivität: Denken und produzieren Lernende selbst oder erledigt die KI den Lernschritt?
Eine ausführliche Prüfroutine finden Sie in Wie kontrolliere ich KI-generierte Unterrichtsmaterialien?.
5. Rollen festlegen: Wer trägt welche Verantwortung?
| Rolle | Typische Verantwortung |
|---|---|
| Leitung | Ziele, Budget, Freigaben, organisatorische Verantwortung |
| Didaktische Leitung | Use Cases, Qualitätskriterien, GER-Passung, Evaluation |
| Datenschutz / Recht | Datenflüsse, Verträge, Rechtsgrundlagen, Aufbewahrung |
| IT | Konten, Zugänge, Sicherheit, technische Konfiguration |
| Lehrkräfte | Fachprüfung, dokumentierte Anwendung, Praxisfeedback |
| KI-Projektverantwortung | Toolregister, Pilotdokumentation, Änderungen, Schulungskoordination |
Kleine Sprachschulen können mehrere Rollen in einer Person bündeln. Entscheidend ist, dass Zuständigkeiten sichtbar und nachvollziehbar sind.
6. KI-Kompetenz wird zur Aufgabe der Sprachschule
Wenn eine Sprachschule KI systematisch einsetzt, reicht es nicht, Lehrkräften Zugang zu einem Tool zu geben. Sie müssen auch wissen, wo dessen Grenzen liegen, welche Daten sie eingeben dürfen und wie sie KI-generierte Materialien fachlich und didaktisch prüfen.
Für eine Sprachschule bedeutet KI-Kompetenz deshalb beispielsweise:
- GER-Passung von KI-generierten Aufgaben und Texten prüfen
- plausible, aber sprachlich oder inhaltlich falsche KI-Antworten erkennen
- Lernendendaten und vertrauliche Informationen schützen
- KI-generiertes Feedback auf Lernwirksamkeit und Angemessenheit prüfen
- unterscheiden, wann KI unterstützt und wann sie die eigentliche Lernleistung übernimmt
- die Regeln der Sprachschule gegenüber Lernenden klar erklären
- wissen, wann KI für Unterricht, Einstufung oder Bewertung ungeeignet ist
Das ist zunächst eine Frage der Unterrichtsqualität und der institutionellen Verantwortung. Für Einrichtungen, die in den Anwendungsbereich des EU AI Act fallen, kommt eine rechtliche Ebene hinzu. Die konkrete Ausgestaltung von KI-Kompetenz sollte zum Kontext, den eingesetzten Systemen und den betroffenen Personengruppen passen.
Für die Sprachschule ist deshalb nicht entscheidend, ob Lehrkräfte „ChatGPT bedienen können“. Sie braucht ein Kompetenzkonzept, das zu ihren tatsächlichen KI-Anwendungen, ihren Lernenden und ihren didaktischen Qualitätsstandards passt.
✓ PRAXIS
Nutzt eine Lehrkraft KI nur zur Ideenfindung für Sprechanlässe, braucht sie andere Kompetenzen als eine Lehrkraft, die KI für Feedback auf Lerntexte einsetzt. Je näher ein Einsatz an personenbezogenen Daten, Leistungsbewertung oder zentralen Lernzielen liegt, desto höher müssen Prüfung, Kompetenz und institutionelle Kontrolle sein.
KI-Regeln nach GER-Niveau: Warum A1 andere Grenzen braucht als B2
Die Frage „Ist KI erlaubt?“ ist für Sprachschulen zu ungenau. Entscheidend ist: Welche KI-Unterstützung ist bei dieser Aufgabe, diesem Lernziel und diesem GER-Niveau didaktisch vertretbar? Je niedriger das Sprachniveau und je zentraler die selbstständige Sprachproduktion für das Lernziel ist, desto genauer sollte geprüft werden, ob KI unterstützt oder den eigentlichen Lernschritt übernimmt.
| GER | Sinnvolle KI-Unterstützung | Kritischer Punkt |
|---|---|---|
| A1 | Wortbedeutungen klären, sehr kurze Dialoge üben, Aussprache trainieren | KI darf elementare Sprachproduktion und das aktive Abrufen grundlegender Strukturen nicht ersetzen. |
| A2 | Eigene Sätze prüfen, Dialoge simulieren, zusätzliche Übungen erstellen | Korrektur sollte möglichst zur Selbstkorrektur führen statt fertige Lösungen zu liefern. |
| B1 | Feedback auf eigene Texte, Gesprächssimulation, Wortschatz differenzieren | Vollständiges Umschreiben kann verschleiern, was Lernende tatsächlich selbst können. |
| B2 | Register vergleichen, Argumentation analysieren, differenziertes Feedback nutzen | Lernende sollten KI-Vorschläge begründet prüfen und nicht nur übernehmen. |
| C1/C2 | Stil, Nuancen, komplexe Argumentation, Varianten und Register untersuchen | Sprachliche Plausibilität ist nicht automatisch fachliche oder pragmatische Richtigkeit. |
ⓘ INFO
Wichtig: Diese Tabelle ist keine Vorgabe des GER. Der Gemeinsame europäische Referenzrahmen schreibt nicht vor, welche KI-Anwendungen auf A1, A2, B1 oder anderen Niveaus erlaubt sind. Die Einteilung ist eine didaktische Ableitung für die institutionelle KI-Praxis einer Sprachschule. Grundlage für die Niveaubeschreibungen sind der GER und der CEFR Companion Volume.
Für die Strategie folgt daraus ein wichtiger Grundsatz: KI-Regeln sollten nicht nur nach Tool, sondern auch nach Lernziel und erwarteter Eigenleistung formuliert werden. Dieselbe Funktion kann in einer freien B2-Diskussion didaktisch sinnvoll sein und in einer A1-Schreibaufgabe genau die Leistung ersetzen, die Lernende selbst aufbauen sollen.
7. Regeln für Lernende: Was ist Hilfe und was ist Eigenleistung?
Sprachschulen brauchen Regeln, die Lernende verstehen. „KI ist erlaubt“ oder „KI ist verboten“ ist zu grob. Eine bessere Regel unterscheidet nach Lernziel.
Schreiben: Wenn das Lernziel darin besteht, selbst einen A2-Text zu formulieren, kann KI nach dem ersten eigenen Entwurf für Feedback genutzt werden. Sie sollte nicht den vollständigen Text erzeugen, wenn dadurch die zu prüfende Eigenleistung entfällt.
Sprechen: Ein KI-Sprachmodus kann zusätzliche Übungszeit schaffen. Aussprachefeedback und inhaltliche Korrekturen sollten nicht automatisch als verlässliche Bewertung behandelt werden.
Prüfungsvorbereitung: KI kann Übungssituationen simulieren. Sie ersetzt weder offizielle Prüfungsinformationen noch eine qualifizierte Bewertung prüfungsrelevanter Leistungen.
8. Evaluation: Was sollte eine Sprachschule wirklich messen?
Reine Nutzungszahlen sind schwach. „80 Prozent der Lehrkräfte nutzen Tool X“ sagt nichts darüber aus, ob Unterricht besser oder Arbeit effizienter wird.
- Zeit: Minuten für Erstellung plus Überarbeitung vor und nach Einführung
- Qualität: Zahl und Art der gefundenen Fehler
- Didaktische Passung: Anteil der Entwürfe, die Lernziel und GER-Kriterien erfüllen
- Nachbearbeitung: Wie viel muss eine Lehrkraft ändern?
- Akzeptanz: Würden Lehrkräfte den Prozess weiterverwenden?
- Lernendenperspektive: Ist die Nutzung verständlich, zugänglich und transparent?
- Risiko: Datenschutz-, Rechte- oder Bewertungsprobleme
- Kosten: Lizenzkosten plus Schulungs- und Kontrollaufwand
Einfache Pilotkennzahl: Netto-Zeitgewinn = bisheriger Aufwand − (KI-Erstellung + Prüfung + Überarbeitung).
Beispiel: Dauert ein Arbeitsblatt bisher 20 Minuten, der KI-Entwurf 3 Minuten und die Korrektur 18 Minuten, beträgt der Netto-Zeitgewinn nur 1 Minute. Das ist strategisch eine andere Aussage als „KI erstellt das Material in 3 Minuten“.
Der 90-Tage-Plan für Sprachschulen
Tage 1 bis 15: Bestandsaufnahme
- verwendete KI-Systeme erfassen
- Schattennutzung sichtbar machen
- 5 bis 10 Use Cases sammeln
- Risiken markieren
- Verantwortliche benennen
Ergebnis: Toolregister, Use-Case-Liste, erste Datenampel.
Tage 16 bis 30: Priorisieren und Regeln bauen
- 1 bis 3 Pilotfälle auswählen
- Qualitätscheck je Use Case definieren
- Datenregeln festlegen
- Lernendenregeln formulieren
- Baseline für Zeit und Qualität erfassen
Ergebnis: Pilotsteckbrief mit Messkriterien.
Tage 31 bis 60: Pilot durchführen
- kleine Gruppe von Lehrkräften
- gleiche Aufgaben mehrfach testen
- Fehlerarten dokumentieren
- Überarbeitungszeit messen
- problematische Ergebnisse sammeln
- wöchentlich kurz auswerten
Ergebnis: reale Daten statt Tool-Versprechen.
Tage 61 bis 90: Entscheiden
Jeder Pilot endet mit einer von vier Entscheidungen: freigeben, anpassen, begrenzen oder stoppen.
Ergebnis: Version 1.0 der KI-Richtlinie und ein begründeter Toolkatalog.
Vorlage: Pilotsteckbrief zum Kopieren
Problem: Welche konkrete Aufgabe soll verbessert werden?
Zielgruppe: Wer nutzt den Prozess?
Tool: Welches System wird getestet?
Eingabedaten: Welche Daten werden verarbeitet?
Nicht erlaubt: Welche Daten oder Aufgaben sind ausgeschlossen?
Qualitätscheck: Wer prüft was?
Baseline: Wie lange dauert der Prozess bisher und welche Fehler treten auf?
Pilotdauer: Wann beginnt und endet der Test?
KPIs: Zeit, Fehler, Überarbeitung, Akzeptanz, Kosten, Risiken.
Stop-Kriterium: Wann wird der Test beendet?
Entscheidung: Freigeben, anpassen, begrenzen oder stoppen.
Vorlage: Minimaler KI-Regelkatalog
- Wir setzen KI nur für definierte Aufgaben ein.
- Personenbezogene oder vertrauliche Daten werden nur in ausdrücklich freigegebenen Prozessen verarbeitet.
- KI-generierte Unterrichtsmaterialien werden vor dem Einsatz fachlich geprüft.
- Einstufung, Bewertung und andere folgenreiche Entscheidungen werden nicht ungeprüft automatisiert.
- Lernende erfahren, welche KI-Nutzung bei einer Aufgabe erlaubt ist.
- Lehrkräfte bleiben für die didaktische Entscheidung verantwortlich.
- Freigegebene Tools, Kontotypen und Zuständigkeiten werden zentral dokumentiert.
- Neue Systeme durchlaufen vor breiter Nutzung einen Pilot.
- Mitarbeitende erhalten rollenbezogene AI-Literacy-Maßnahmen.
- Regeln und Tools werden regelmäßig überprüft und bei Bedarf zurückgezogen.
Fünf typische Fehler bei der Einführung
1. Die Strategie ist eine Tool-Liste
Tools ändern sich schnell. Ziele, Qualitätskriterien und Zuständigkeiten sind stabiler.
2. Zeitersparnis wird behauptet, aber nicht gemessen
Die Generierung ist nur ein Teil des Aufwands. Prüfung und Korrektur gehören in die Rechnung.
3. Datenschutz bleibt ein PDF
Eine Datenampel und konkrete Beispiele sind handlungsnäher als abstrakte Formulierungen.
4. Prompting wird mit KI-Kompetenz verwechselt
Gute Eingaben helfen. Entscheidend ist, Ergebnisse, Risiken und Grenzen beurteilen zu können.
5. Lernende bekommen keine klaren Regeln
Unklare Erwartungen erzeugen Konflikte bei Hausaufgaben, Prüfungen und Eigenleistung.
Wann sollte eine Sprachschule KI bewusst nicht einsetzen?
- wenn der Lernschritt gerade darin besteht, dass Lernende selbst formulieren, erinnern oder aushandeln
- wenn personenbezogene Daten nicht sicher verarbeitet werden können
- wenn eine verlässliche menschliche Prüfung nicht möglich ist
- wenn Fehler schwer erkennbar wären und hohe Folgen hätten
- wenn der Kontrollaufwand den Nutzen übersteigt
- wenn eine einfachere, transparentere Lösung bereits funktioniert
Bewusstes Nicht-Einsetzen ist Teil einer guten KI-Strategie.
Häufige Fragen zur KI-Strategie in Sprachschulen
Braucht jede Sprachschule eine eigene KI-Richtlinie?
Sie braucht zumindest einen eigenen, zur Organisation passenden Rahmen. Allgemeine Leitlinien ersetzen keine lokalen Entscheidungen zu Tools, Daten, Rollen, Lernzielen und Prüfungen.
Muss eine Sprachschule alle KI-Tools zentral freigeben?
Eine kleine Liste freigegebener Systeme und Kontotypen ist in der Praxis leichter zu steuern als völlig freie Toolwahl. Entscheidend ist ein nachvollziehbarer Prüf- und Freigabeprozess.
Wer sollte die KI-Strategie verantworten?
Die Leitung sollte die organisatorische Verantwortung tragen. Didaktik, Datenschutz beziehungsweise Recht, IT und Lehrkräfte sollten entsprechend ihrer Rollen beteiligt sein.
Wie oft sollte die Strategie überprüft werden?
Mindestens bei wesentlichen Änderungen von Tools, Verträgen, Funktionen, Rechtslage oder Einsatzbereichen. Zusätzlich ist ein fester Review-Zyklus sinnvoll, zum Beispiel halbjährlich.
Reicht eine KI-Schulung für Lehrkräfte?
Nein. Schulung ist ein Baustein. Ohne Regeln, Qualitätsprozesse, Zuständigkeiten und Evaluation bleibt die Nutzung individuell und schwer steuerbar.
Was ist ein guter erster KI-Use-Case?
Ein guter erster Use Case hat erkennbaren Nutzen, geringe Risiken und leicht prüfbare Ergebnisse. Ideenfindung oder Varianten vorhandener Übungen eignen sich häufig besser als Einstufung oder Bewertung.
Fazit
Eine belastbare KI-Strategie für Sprachschulen beginnt nicht mit der Frage, welches Tool am meisten kann. Sie beginnt mit Lernzielen, Verantwortung und überprüfbaren Prozessen.
Problem → Use Case → Risiko → Daten → Qualitätscheck → Pilot → Messung → Entscheidung.
Damit wird KI weder zum Selbstzweck noch pauschal ausgeschlossen. Sie wird dort eingesetzt, wo sie einen nachweisbaren Nutzen schafft und wo Menschen die Qualität verantwortlich beurteilen können.
✓ PRAXIS
Der nächste sinnvolle Schritt: Nutzen Sie den 90-Tage-Plan zunächst für einen klar begrenzten Anwendungsfall. Für die fachliche Prüfung führt der DaF-Qualitätscheck für KI-generierte Unterrichtsmaterialien weiter.