ChatGPT Prompting für Lehrende: Teach Anything to Anyone

7.02.2026 in Jura & Lehre

Ein Prompt-Template, das die Lehrplanung beschleunigt – und dabei didaktisch sauber bleibt

Generative KI (ChatGPT & Co.) kann Unterrichtsvorbereitung massiv vereinfachen – wenn Sie nicht „irgendwas“ fragen, sondern die KI gezielt in eine fachlich-didaktische Rolle setzen und klare Output-Erwartungen definieren. Genau dafür eignen sich Prompt-Templates: wiederverwendbare Textbausteine mit Variablen, die Sie je nach Thema, Zielgruppe und Zeitbudget austauschen.

Der Vorteil: Sie gewinnen Tempo bei der Erstellung von Unterrichtsstruktur, Methodenmix und Bewertungskriterien, ohne jedes Mal bei Null zu starten. Der Haken: Ohne didaktische Leitplanken produziert die KI gern „glatte“ Pläne, die zwar ordentlich aussehen, aber zentrale Aspekte wie Kompetenzorientierung, Aktivierung, Diagnostik oder faire Leistungsbewertung nur oberflächlich abdecken. Gute Prompt-Templates schließen diese Lücke.

Im Folgenden erhalten Sie ein praxistaugliches Template, eine kurze Anleitung zur Anpassung – und didaktische Hinweise, wie Sie die Ergebnisse zuverlässig auf Qualität trimmen.

Das Prompt-Template

Kopieren Sie den folgenden Muster-Prompt und ersetzen Sie die Variablen in eckigen Klammern:

Prompt:

„Du bist eine erfahrene Lehrkraft für [Fachgebiet] und unterrichtest seit 15 Jahren Themen wie [2–3 Beispielthemen].
Deine Aufgabe ist es, (1) einen detaillierten Unterrichtsplan, (2) eine didaktische Strategie zur Vermittlung dieses Themas und (3) ein Bewertungsschema zu erstellen.
Das ist für eine Unterrichtseinheit von [Dauer in Stunden] Stunden für Lernende im Alter von [Alter] Jahren.
Thema: [konkretes Thema].

Anforderungen:
– Formuliere Lernziele (kompetenzorientiert) und ordne sie den Phasen der Stunde zu.
– Plane aktivierende Lernaktivitäten und nenne jeweils Material/Tools und Sozialform.
– Baue Formatives Feedback (z. B. Checks, Mini-Quizzes, Peer-Feedback) ein.
– Gib Differenzierungsoptionen (Unterstützung/Vertiefung) an.
– Erstelle am Ende ein transparentes Bewertungsschema (Kriterien + Punkte/Notenlogik).“

Warum ich die „Anforderungen“ ergänzt habe: Ohne diese Leitplanken liefert die KI oft eine reine Ablauf-Liste. Mit den Zusätzen steuern Sie Richtung Kompetenzorientierung, Aktivierung, Diagnostik und Fairness.

So nutzen Sie das Template Schritt für Schritt

Template kopieren und in ChatGPT oder ein anderes LLM einfügen.
[übergeordnetes Fachgebiet] ersetzen (z. B. „Musik“, „Biologie“, „Verwaltungsrecht“).
[2–3 Beispielthemen] ergänzen (damit die KI einen plausiblen Erfahrungsrahmen bekommt).
Zeit und Alter eintragen (das beeinflusst Methoden, Taktung und Sprache).
[konkretes Thema] festlegen (je präziser, desto besser: „Kausalität in der Gefahrenabwehr“ ist besser als „Polizeirecht“).
Output prüfen und nachschärfen (siehe Qualitätsregeln unten).

Didaktischer Feinschliff: 6 Qualitätsregeln für KI-generierte Unterrichtspläne

1) Lernziele nicht nur als „Wissen“, sondern als Handlungsfähigkeit formulieren
Achten Sie darauf, dass Ziele nicht bei „Die Lernenden kennen …“ stehen bleiben, sondern Verben enthalten wie analysieren, anwenden, begründen, beurteilen. Das ist kompatibel mit kompetenzorientierter Planung und erleichtert später auch die Bewertung. (BLOOM)

2) Aktivierung braucht Aufgaben – nicht nur Methodenetiketten
„Gruppenarbeit“ ist keine Aktivierung, wenn unklar bleibt, was die Gruppe tut. Verlangen Sie (im Prompt oder in der Nacharbeit) konkrete Arbeitsaufträge inklusive Produkt (z. B. „Entscheidungsbaum“, „Kurzvotum“, „Falllösung in 5 Schritten“).

3) Formatives Assessment einplanen (und nicht erst am Ende prüfen)
Kurze Lernstandschecks sind der Hebel, um Fehlkonzepte früh zu erkennen: One-Minute-Paper, Abstimmung, Mini-Fall, Peer-Review. UNESCO betont in ihrer GenAI-Leitlinie u. a. die Notwendigkeit, GenAI so einzusetzen, dass Lernen unterstützt und nicht bloß Output produziert. (UNESCO)

4) Differenzierung: Unterstützung und Vertiefung parallel anbieten
Bitten Sie die KI explizit um zwei Spurbreiten:

Support: Satzstarter, Strukturhilfen, Beispiel-Lösung, Glossar
Stretch: Transferfall, Gegenargument, Perspektivwechsel, Variantenprüfung

5) Bewertung: Kriterienbasiert, transparent, mit Beispielen
Bewertungsschemata sollten Kriterien (z. B. „Subsumtion“, „Argumentationslogik“, „Quellenarbeit“) plus Punktlogik enthalten. Ergänzen Sie idealerweise Ankerbeispiele (Kurzbeschreibung, wie „gut“ vs. „sehr gut“ aussieht). EDUCAUSE weist in der Hochschullehre u. a. auf den Bedarf klarer Policies und Guidelines im Umgang mit KI hin – Transparenz ist hier zentral. (EDUCAUSE)

6) KI als „Planungsassistenz“, nicht als pädagogische Autopilot-Funktion
Aktuelle Analysen betonen: GenAI kann gute Didaktik verstärken – aber ebenso schlechte. Die OECD argumentiert ähnlich und empfiehlt intendierten, lernwirksamen Einsatz sowie bevorzugt pädagogisch „purpose-built“ Tools. (OECD)

Ein konkretes Beispiel (damit Sie die Stellschrauben sehen)

Nehmen wir als beispielhafte Befüllung:

Fachgebiet: „Öffentliches Recht“
Beispielthemen: „Verwaltungsakt, Ermessenslehre, Rechtsschutz“
Dauer: „2“
Alter: „20“
Konkretes Thema: „Begründungspflichten und Ermessensausübung im Verwaltungsverfahren“

Damit erhalten Sie typischerweise:

eine strukturierte Phasenplanung (Einstieg – Erarbeitung – Anwendung – Sicherung – Transfer),
aktivierende Elemente (Kurzfall, Think–Pair–Share, Peer-Feedback),
und ein Bewertungsschema (z. B. für ein Kurzvotum oder eine Falllösung).

Wichtig: Die erste Version ist selten final. Der größte Nutzen entsteht, wenn Sie danach gezielt nachpromten, z. B.:

„Ersetze die Gruppenarbeit durch ein aktivierendes Format für große Gruppen (60 TN).“
„Baue eine Fehlvorstellungsdiagnose ein: typische Irrtümer und passende Rückfragen.“
„Erstelle zwei Fallvarianten: eine Basis- und eine Transfer-Variante.“

Typische Stolpersteine (und wie Sie sie vermeiden)

Halluzinierte Quellen / falsche Rechtsstände: Lassen Sie sich nie blind auf Normzitate verlassen. Verlangen Sie: „Wenn du Normen nennst, markiere sie als ‚zu prüfen‘.“
Überladene Stundenplanung: KI plant gern zu viel. Kürzen Sie radikal: lieber weniger Inhalte, dafür mehr Anwendung.
Bewertung ohne Lernzielbezug: Prüfen Sie, ob jedes Kriterium wirklich auf ein Lernziel einzahlt.

Gerade im Bildungsbereich sind zudem Datenschutz, Urheberrecht und Transparenz wichtig. Praxisnahe Leitlinien und „Guardrails“ werden zunehmend eingefordert, etwa in K–12-Kontexten. (Common Sense Media)

Fazit

Dieses Prompt-Template ist ein robustes Werkzeug, um Unterrichtsvorbereitung zu standardisieren: Sie definieren Rolle, Kontext, Zeit, Zielgruppe und Output-Formate – und erhalten schnell ein verwertbares Grundgerüst. Die didaktische Qualität sichern Sie, indem Sie konsequent auf Kompetenzorientierung, Aktivierung, formatives Feedback, Differenzierung und kriteriales Bewerten achten.

Wenn Sie das Template einmal sauber für Ihre typischen Lehrformate (Vorlesung/Seminar/Übung/Online) angepasst haben, entsteht ein wiederverwendbares Set an „Planungs-Prompts“, das Ihre Vorbereitung deutlich entlastet – ohne pädagogische Kontrolle abzugeben.

Links zur Vertiefung (Auswahl)

UNESCO – Guidance for generative AI in education and research (2023, Updates): https://unesdoc.unesco.org/ark:/48223/pf0000386693 (unesdoc.unesco.org)
OECD – Emerging governance of generative AI in education (Kapitel im Digital Education Outlook 2023): https://www.oecd.org/en/publications/oecd-digital-education-outlook-2023_c74f03de-en/full-report/emerging-governance-of-generative-ai-in-education_3cbd6269.html (OECD)
OECD Blog (Jan 2026) – How to effectively use Generative AI in education: https://www.oecd.org/en/blogs/2026/01/how-to-effectively-use-generative-ai-in-education.html (OECD)
EDUCAUSE – 2024 Horizon Report: Teaching and Learning Edition: https://library.educause.edu/resources/2024/5/2024-educause-horizon-report-teaching-and-learning-edition (EDUCAUSE Library)
Common Sense – Generative AI in K–12 Education (White Paper, Aug 2024): https://www.commonsensemedia.org/sites/default/files/research/report/generative-ai-in-k-12-education-white-paper-updated-aug-2024-final-2.pdf (Common Sense Media)

by Andreas Dormann