Die Ausgangslage
KI wurde genutzt wie an vielen Orten: informell, unkoordiniert und ohne gemeinsames Verständnis davon, was eigentlich riskant ist. Dies sollte die Anschaffung von Lizenzen, damit einhergehenden offiziellen Accounts und eine KI-Weisung ändern. Bevor die Mitarbeitenden eine offizielle ChatGPT erhalten, absolvieren sie eine Basis-Weiterbildung. Eine reine Regel-Schulung hätte das Problem nicht gelöst: Wer nicht versteht, warum eine Information heikel ist, vergisst die Regel, sobald der Alltag wieder zuschlägt. Gefragt war eine Weiterbildung, die Verständnis statt Auswendiglernen aufbaut und die Mitarbeitenden von der ersten Minute an selbst denken und formulieren lässt, statt sie nur zuhören zu lassen.
Der Aufbau: zwei Teile mit Praxisphase dazwischen
Die Weiterbildung gliedert sich in zwei Online-Termine, getrennt durch eine mehrtägige Phase, in der die Teilnehmenden ChatGPT selbstständig im eigenen Arbeitsalltag ausprobieren. Teil 1 legt das Fundament, Teil 2 vertieft und schliesst den Kreis zur echten Praxis.
Durchgehend gilt: erst selbst, dann Input
Statt Begriffe und Risiken einfach zu erklären, schreiben die Teilnehmenden zuerst selbst in den Chat, was sie schon wissen oder vermuten; die Definition kommt erst danach. Die Risiken einer KI-Nutzung erarbeiten sie nicht aus einer Liste, sondern im Gespräch mit einem eigens dafür formulierten Coaching-Prompt. Und in einem Rollenspiel mit Reflexions-Prompt erleben sie hautnah, wie schnell man im KI-Gespräch mehr preisgibt, als einem bewusst ist.
Warum das so gestaltet ist oder auch die Didaktik dahinter
Hinter der scheinbar einfachen Struktur stehen bewusste Entscheidungen, die auf aktueller Lernforschung beruhen. Die wichtigsten:
Zuerst selbst formulieren, dann Input erhalten
Konstruktivismus / Aktivierendes Lernen (Doolittle, Wojdak & Walters, 2023). Aktivierendes Lernen fördert nachweislich Behalten und Verständnis gegenüber reinem Zuhören. Deshalb steht am Anfang jedes Themenblocks eine eigene Auseinandersetzung: Begriffe selbst benennen, Risiken selbst herleiten, den eigenen Prompt selbst schreiben; sprich Inhalte werden selbst konstruiert und anschliessend durch mich ergänzt.
Lernen über Zeit verteilen statt in einer Sitzung bündeln
Spacing-Effekt (Latimier, Peyre & Ramus, 2021). Verteiltes Lernen verbessert die Behaltensleistung nachweislich gegenüber gebündeltem Lernen. Die zweigeteilte Struktur mit mehrtägiger Transferphase dazwischen festigt Wissen deshalb stärker als eine einzige, geballte Schulung. Teil 2 beginnt entsprechend nicht mit neuem Stoff, sondern mit dem Erfahrungsaustausch aus der Praxisphase.
Am konkreten Fall lernen statt an der abstrakten Regel
Fallbasiertes Lernen (Wijnia et al., 2024). Fallbasiertes Lernen steigert nachweislich Motivation und Engagement gegenüber lehrpersonenzentriertem Unterricht. Die Datenschutz-Fallbeispiele übersetzen abstrakte Regeln in konkrete, berufsnahe Szenarien, dadurch wird der Transfer in echte Arbeitssituationen wahrscheinlicher als bei allgemeinen Erklärungen. Gerade dieser Teil hat bei den Teilnehmenden nochmals viel Klarheit geschaffen, viel Diskussionen ausgelöst und wurde als besonders wertvoll empfunden.
Erleben statt nur hören
Erfahrungsbasiertes Lernen nach Kolb (Villarroel Henríquez, Castillo Rabanal & Santana Abásolo, 2025). Erfahrungsbasiertes Lernen fördert kritisches Denken und Problemlösefähigkeit, wenn die volle Erfahrungsschleife durchlaufen wird. Das Rollenspiel mit dem Reflexions-Prompt macht erlebbar, wie schnell man im KI-Gespräch mehr preisgibt, als einem bewusst ist; eine Erkenntnis, die eine blosse Warnung nie erzeugen könnte.
Das Ergebnis ist eine Weiterbildung, die nicht nur informiert, sondern befähigt, weil die Teilnehmenden das Verstandene selbst erarbeitet und im echten Alltag bereits erprobt haben.
Was Teilnehmende danach können
Am Ende der Weiterbildung können die Teilnehmenden nicht nur erklären, was ein LLM ist, sie haben eigene Prompts geschrieben, eigene GPTs erstellt und wissen aus eigener Erfahrung, wo im Arbeitsalltag Datenschutzrisiken lauern. Genau das war das Ziel: nicht Wissen über ein Tool, sondern die Fähigkeit, es souverän und regelkonform einzusetzen.
Lerntheoretische Grundlagen
Doolittle, P., Wojdak, K., & Walters, A. (2023). Defining active learning: A restricted systematic review. Teaching & Learning Inquiry, 11.
Konstruktivismus. (o. D.). Lernpsychologie. Abgerufen am 29. Juli 2026, von http://www.lernpsychologie.net/lerntheorien/konstruktivismus
Latimier, A., Peyre, H., & Ramus, F. (2021). A meta-analytic review of the benefit of spacing out retrieval practice episodes on retention. Educational Psychology Review, 33(3), 959–987.
Wijnia, L., Noordzij, G., Arends, L. R., Rikers, R. M. J. P., & Loyens, S. M. M. (2024). The effects of problem-based, project-based, and case-based learning on students' motivation: A meta-analysis. Educational Psychology Review, 36(1), Article 29.
Villarroel Henríquez, V., Castillo Rabanal, I., & Santana Abásolo, J. (2025). Applying Kolb's experiential learning cycle for deep learning: A systematic literature review. Social Sciences & Humanities Open, 12, 102096.