KI im LMS: Welche Lerndaten werden wirklich gebraucht?

Das Problem

Ein Lernmanagementsystem, kurz LMS, verwaltet Kursmaterialien und Lernaktivitäten. Frau Keller möchte darin mit KI passende Übungen empfehlen lassen. Der Anbieter schlägt vor, gleich alle vorhandenen Kursdaten zu verbinden: Namen, Ergebnisse, Nachrichten und Nutzungsverläufe.

Das klingt bequem, beantwortet aber nicht die pädagogische Frage: Welche Information hilft tatsächlich bei der nächsten Lernaufgabe? Eine lange Verweildauer kann gründliches Arbeiten, eine Unterbrechung oder ein offen gebliebenes Fenster bedeuten. Daraus lässt sich kein verlässliches Urteil über Motivation ableiten.

Datenminimierung bedeutet, die Bearbeitung auf die für den festgelegten Zweck notwendigen Angaben zu begrenzen. Frau Keller kann diese Klärung vorbereiten, auch ohne die Technik selbst einzurichten. Über die Freigabe entscheiden die verantwortlichen Stellen ihrer Organisation.

So lösen Sie es mit KI – Schritt für Schritt

1. Formulieren Sie den Lernzweck. Öffnen Sie ein leeres Dokument und schreiben Sie einen überprüfbaren Satz: «Das System soll zu einer ausgewählten Übung einen passenden Hinweis anbieten.» Vermeiden Sie unbestimmte Zwecke wie «Lernende besser kennenlernen». Halten Sie ausdrücklich fest, welche Entscheidungen die KI nicht treffen soll.
2. Beschreiben Sie eine sparsame Variante. Prüfen Sie zunächst, ob die Aufgabenkennung und der ausgewählte Hilfewunsch ausreichen. Vielleicht braucht die KI weder einen Namen noch den gesamten Lernverlauf. Lassen Sie eine Text-KI anhand erfundener Feldnamen Alternativen sammeln; echte Datenexporte sind dafür unnötig.
3. Erstellen Sie eine Feldliste. Öffnen Sie die Dokumentation Ihres LMS und erfassen Sie mögliche übermittelte Felder. Schreiben Sie daneben Zweck, Erforderlichkeit und eine weniger eingreifende Alternative. Ein Feld bleibt gesperrt, solange niemand erklären kann, welchen konkreten Lernschritt es ermöglicht.
4. Zeichnen Sie den Datenweg. Notieren Sie, welche Angaben vom LMS an welchen Dienst gelangen, wo Ergebnisse zurückkommen und wer sie lesen kann. Fragen Sie auch nach Protokollen, Sicherungen und weiteren beteiligten Dienstleistern. Die sichtbare Eingabemaske zeigt nicht zwangsläufig alle übertragenen Informationen.
5. Stellen Sie konkrete Anbieterfragen. Fordern Sie Angaben zu Speicherorten, Aufbewahrung, Löschung, Zugriffen und einer möglichen Verwendung für Training oder andere Zwecke an. Klären Sie, ob einzelne Felder und Funktionen abschaltbar sind. Antworten wie «sicher» oder «datenschutzkonform» ersetzen keine nachvollziehbare Beschreibung.
6. Testen Sie mit erfundenen Datensätzen. Lassen Sie die technische Betreuung kontrollieren, was tatsächlich übertragen wird. Prüfen Sie neben der normalen Nutzung auch Fehlermeldungen und Supportfälle. Vergleichen Sie eine sparsame Konfiguration mit dem gewünschten Lernnutzen, bevor Sie zusätzliche Angaben erwägen.
7. Dokumentieren Sie die Freigabe. Halten Sie Zweck, erlaubte Felder, Berechtigungen, zuständige Personen und den Überprüfungstermin fest. Informieren Sie Teilnehmende verständlich über den Einsatz. Bei einer Änderung des Zwecks oder Anbieters wird die Entscheidung erneut geprüft, statt den alten Zugang automatisch weiterzuverwenden.

Vorlage zum Kopieren

Hilf mir, eine Datenprüfung für eine KI-Funktion im LMS vorzubereiten.
Geplanter Lernzweck: [konkrete Lernhilfe]
Erfundene Feldliste ohne echte Werte: [Feldnamen]
Bekannte Datenwege: [Beschreibung ohne Zugangsdaten]

Erstelle eine Tabelle: Feld, möglicher Zweck, offene Begründung,
sparsamere Alternative und Frage an den Anbieter.
Unterstelle nicht, dass vorhandene Daten erforderlich sind.
Kennzeichne unbekannte Datenwege und mögliche Zweckänderungen.
Gib keine rechtliche Freigabe und keine Aussagen über einzelne Lernende.

Setzen Sie nur technische Feldbezeichnungen und eine allgemeine Funktionsbeschreibung ein, keine Listen realer Teilnehmender.

Worauf Sie achten müssen

• Pseudonyme sind nicht automatisch anonym: Eine Kennnummer kann weiterhin einer Person zugeordnet werden. Auch seltene Kombinationen aus Kurs, Rolle und Lernverlauf können eine Wiedererkennung ermöglichen.
• Recht fachlich prüfen: Der EDÖB hält fest, dass das DSG auch für KI gilt. Welche Anforderungen für Ihre private oder öffentlich getragene Bildungsorganisation gelten, einschliesslich kantonaler Vorgaben, muss im Einzelfall geklärt werden.
• Keine Schülerdaten in öffentliche Dienste: Das gilt auch für Testzwecke und für Kurse mit minderjährigen Teilnehmenden. Für die Vorbereitung genügen erfundene Beispiele; für den Betrieb braucht es einen ausdrücklich geprüften Rahmen.
• Fehldeutungen begrenzen: KI kann aus unvollständigen Aktivitäten überzeugende, aber falsche Erklärungen bilden. Lernhilfe darf nicht unbemerkt zur Leistungsüberwachung werden, und persönliche Schwierigkeiten gehören in ein menschliches Gespräch.
• Zugänglichkeit erhalten: Ein alternativer Lernweg verhindert, dass fehlende Geräte oder ungeeignete KI-Empfehlungen den Zugang einschränken. Prüfen Sie auch, ob Teilnehmende Empfehlungen korrigieren lassen können.

Ein Beispiel aus der Praxis

Ein Beispiel: Ein Weiterbildungsanbieter in Winterthur möchte Wiederholungsaufgaben empfehlen. Frau Keller erhält zunächst eine Liste mit sämtlichen LMS-Feldern. Darunter sind private Mitteilungen an die Kursleitung, die mit der Übungsauswahl nichts zu tun haben.

Gemeinsam mit der technischen Betreuung beschreibt sie einen engeren Ablauf: Die teilnehmende Person wählt ein Thema und eine Hilfestufe. Für diesen ersten Versuch braucht das externe Werkzeug keinen namentlichen Lernverlauf. Ob spätere Anpassungen zusätzliche Daten erfordern, wird anhand eines begründeten Lernzwecks separat entschieden.

Der Versuch kann zunächst ohne echte Personendaten stattfinden. Frau Keller prüft mit erfundenen Aufgabenfällen, ob die Hinweise passen, und dokumentiert die verbleibenden Fragen für die fachliche Freigabe.

So hilft Ihnen Alpasana

Mit der KI-Beratung und digitalen Transformation können Sie bestehende Abläufe aufnehmen, Schnittstellen konzipieren und einen begrenzten Pilot vorbereiten. Die Dokumentation der Umsetzung und die Entwicklung passender digitaler Arbeitsabläufe sind im Angebot beschrieben.

Für die Projektklärung sind eine Feldliste, ein eingegrenzter Lernzweck und offene Anbieterfragen hilfreich. Eine pauschale Rechtsfreigabe folgt daraus nicht; Ihre zuständigen Fachstellen müssen die konkrete Datenbearbeitung beurteilen.

Häufige Fragen

Ist ein Name für personalisierte Lernhilfe nötig?

Oft lässt sich eine Hilfe zunächst über die aktuelle Aufgabe und eine selbst gewählte Unterstützung gestalten. Ob eine dauerhafte Zuordnung benötigt wird, hängt vom konkreten Lernzweck ab und muss begründet werden.

Können wir vorhandene Chatprotokolle zur Verbesserung verwenden?

Das ist keine automatische Fortsetzung des ursprünglichen Zwecks. Prüfen Sie zuerst, ob allgemeine Fehlerkategorien oder erfundene Beispiele ausreichen; für einen Kurschatbot mit Quellenbindung sind diese häufig schon nützlich.

Was tun, wenn eine Empfehlung Lernende überfordert?

Ermöglichen Sie eine Korrektur und einen gut sichtbaren Kontakt zur Kursleitung. Der Ablauf zur menschlichen Unterstützung beim KI-Lerncoach sollte vor dem Einsatz feststehen.