Transformationen in der beruflichen Bildung – Handlungsräume und Gestaltungsfelder der Wirtschafts- und Berufspädagogik.

1 Biographische Hinführung: Universitäre Lehre als Verbindung von Theorie und Praxis

Das Theorie-Praxis-Verhältnis ist ein Kernthema der Wirtschaftspädagogik (Euler & Sloane, 1998; Zabeck, 2006) und erlebt vor dem Hintergrund bildungspolitischer Herausforderungen immer wieder eine Renaissance. Aktuell wird das Theorie-Praxis-Verhältnis beispielsweise mit Blick auf die Lehrkräftebildung (Caruso et al., 2021) und im Hinblick auf die Implementation wissenschaftlicher Ergebnisse in die Bildungspraxis (Schrader et al., 2020) diskutiert. Auch der Jubilar dieser Ausgabe hat sich dem Thema der Theorie-Praxis-Verzahnung in seiner wissenschaftlichen Laufbahn gewidmet und dieses vor dem Hintergrund sich ändernder wissenschaftlicher und bildungspolitischer Diskussionen immer wieder aufgenommen (u. a. Kremer et al., 2023). Bereits seine Habilitationsschrift stand unter dem Titel Implementation didaktischer Theorie (Kremer, 2003). Im Zentrum steht bei ihm die Implementation von dringend benötigten Innovationen im Spannungsfeld von „Kontext- und Konzeptanpassung“ (Kremer, 2003, S. 216–217). Sowohl die Implementationsbedingungen in der Praxis als auch das wissenschaftliche Theorieangebot, aus dem innovative Konzepte entstehen können, sind Gestaltungsfelder. Entscheidend sind die Praktiker:innen selbst, die zu Co-Konstrukteuren von Innovation und Theorie werden.

Diese breite Perspektive auf das Theorie-Praxis-Verhältnis prägt sowohl die hochschuldidaktischen Arbeiten des Jubilars, in denen Forschungszugänge und praktisch-reflexive Zugänge für die Gestaltung von wirtschaftspädagogischen Modulen verzahnt werden (u. a. Kremer, 2019), als auch seine Forschungsarbeiten (z. B. Kremer, 2020). In den jüngsten Veröffentlichungen wird das relevante Thema der digitalen Transformation wieder prominent aufgenommen (u. a. Jenert et al., 2022), was der Jubilar bereits frühzeitig in seiner Promotion bearbeitet hat (Kremer, 1997).

Der vorliegende Beitrag greift die Theorie-Praxis-Verzahnung auf und diskutiert sie im Kontext der Entwicklungen rund um Künstliche Intelligenz (KI). KI führt zu weitreichenden Implikationen für die Berufsbildung: Angefangen bei der Gestaltung von beruflichen Lehr- und Lernprozessen durch Unterstützung mit KI-Anwendungen, über die Veränderung von Handlungsanforderungen durch KI im späteren Berufsleben (Gerholz, 2024) bis hin zu Veränderungen für Kooperations- und Kommunikationsprozesse zwischen Berufsbildungsakteuren unterschiedlicher Lernorte, die sich durch KI ergeben (Gössling et al., 2025). Letzteres möchten wir nachfolgend aufgreifen und mit diesem Beitrag zeigen, wie das Theorie-Praxis-Verhältnis im Kontext von Service-Learning und Lernortkooperationen aufgegriffen werden kann.

2 Didaktische Funktionen Künstlicher Intelligenz in der Hochschullehre

Künstliche Intelligenz ist in aller Munde. Stand dafür vor zwei Jahren noch stellvertretend der KI-basierte Chatbot ChatGPT, kann man inzwischen eine stetig wachsende Anzahl von KI-Anwendungen feststellen, welche den Arbeits- und Lebensalltag und auch den Alltag des Lehrens und Lernens unterstützen können. Dabei ist zu beachten, das digitale Innovationen häufig auch als didaktische Innovationen im Bildungsdiskurs aufgegriffen werden – diese Thematik ist nicht neu und hat auch in der Berufs- und Wirtschaftspädagogik eine lange Tradition (u. a. Kremer, 2003). Das Bildungssystem im Allgemeinen und die Hochschullehre im Besonderen stehen dabei aktuell vor der Herausforderung, sowohl die Potentiale von KI-Anwendungen zu prüfen und im Sinne einer zeitgemäßen Lehre einzusetzen (u. a. SWK, 2024) und gleichzeitig einen Umgang mit Problemen und Risiken zu finden, die sich aus bereits etablierten, teilweise problematischen Formen der Anwendung von KI in der Hochschule und anderen Gesellschaftsbereichen ergeben (u. a. Banerjee et al., 2021; Chiu et al., 2023). Darüber hinaus geht es darum, im Sinne der Förderung einer wissenschaftlich basierten Handlungskompetenz, Hochschullehre so zu gestalten, dass Studierende auf eine zukünftig digitale und KI-strukturierte Arbeitswelt und Gesellschaft vorbereitet werden (u. a. Kremer, 2017; Gerholz & Sloane, 2011).

So schillernd KI als Innovation aktuell daherkommt, gilt es ihre didaktischen Potentiale zunächst zu systematisieren. Ein erster Zugang kann in einer Klärung dessen bestehen, was unter KI verstanden werden soll. Die Geburtsstunde von KI wird i. d. R. auf 1956 datiert, bei welcher John McCarthy, ein Computerwissenschaftler aus Stanford, auf einer Konferenz im Dartmouth College den Begriff KI in den wissenschaftlichen Diskurs eingeführt hat und als die Wissenschaft von der Erschaffung intelligenter Maschinen definierte (Haenlein & Kaplan, 2019; McCorduck, 2004). Damit wird die Idee verbunden, dass Technologien die Fähigkeit haben, Aufgaben zu bewältigen, welche normalerweise menschliche Intelligenz erfordern. Für die Definition von KI wird somit als Referenzpunkt menschliches Handeln herangezogen. So definieren Rai et al. (2019, S. iii) KI als „the ability of a machine to perform cognitive functions that we associate with human minds, such as perceiving, reasoning, learning, interacting with the environment, problem solving, decision-making, and even demonstrating creativity”.

Ein anderer Zugang für die Bestimmung, was unter KI verstanden werden soll, setzt nicht beim menschlichen Handeln als Referenzpunkt an, sondern beim Umgang technischer Systeme mit Daten. Haenlein & Kaplan (2019, S. 1) definieren KI als die „ability to interpret external data correctly, to learn from such data, and to use those learnings to achieve specific goals and tasks through flexible adaption”. Dieses Verständnis von KI hat eine hohe Übereinstimmung mit den KI-Anwendungen, welche gegenwärtig vorzufinden sind. Die großen Sprachmodelle – Large Language Models – wie ChatGPT oder Gemini verstehen menschliche Sprache als Daten, analysieren diese und generieren darüber neue Sprache und damit neue Inhalte und Produkte. Die eigenständige Generierung von Inhalten ist eine zentrale Innovation, für die KI-basierte Systeme stehen. Diese Fähigkeit technischer Systeme wird auch umschrieben als generative KI.

Es gibt somit nicht die eine Definition von KI. Vielmehr wird KI in Abhängigkeit der technischen Machbarkeiten definiert (Collins et al., 2021), womit KI-Definitionen immer ein Abbild der vorhandenen Technologien sind. Didaktisch gewendet stellt sich damit aber die Frage, welche Potentiale die bereits verfügbaren oder im Entstehen begriffenen KI-Technologien aufweisen, um Lehr-Lernprozesse zu unterstützen. Werden die unterschiedlichen Einsatzmöglichkeiten systematisiert, können vier didaktische Funktionen von KI-Anwendungen für das Lehren und Lernen unterschieden werden: (1) Recherche- und Wissensunterstützung, (2) Informationstransformation, (3) Entscheidungsunterstützung und (4) Inhaltsgenerierung (Gerholz, 2024).

Abbildung 1: Didaktische Perspektiven auf den Einsatz von KI-Anwendungen (Gerholz, 2024, S. 33)

(ad 1) Recherche- und Wissensunterstützung: KI-Anwendungen können bei der Modulgestaltung dafür genutzt werden, Informationen bzw. Erkenntnisse zu einem Sachverhalt zu recherchieren und damit zur Wissenserweiterung dienen. Dies kann Lehrende insbesondere bei der Vorbereitung von Modulsitzungen und allgemein  bei der Lehrplanung unterstützen (z. B. für ein fachdidaktisches Modul neue Erkenntnisse von white papern oder Journalbeiträgen zum KI-Einsatz mit consensus oder semantic scholar recherchieren). Aus Lernendenperspektive können KI-Anwendungen ebenfalls zur Wissenserweiterung dienen (z. B. Recherchetools mit Quellenangabe wie perplexity).

(ad 2) Informationstransformationsunterstützung: Informationen zu transformieren, indem der Ausgangs- und Zielzustand in der Informationsdarbietung unterschiedlich ist, kann von KI-Anwendungen übernommen werden. Ein einfaches Beispiel sind Übersetzungsprogramme (z. B. Übersetzung eines englischen Textes in die deutsche Sprache mithilfe der KI-Anwendung deepl). Es kann aber auch darum gehen, sich Texte und Vorträge im Sinne einer Zusammenfassung transformieren zu lassen (z. B. mit der KI-Anwendung genei oder summari einen Vortrag mit über 30 Folien auf 5 Stichpunkte zusammenfassen lassen). Auch die Transkription von Audiofiles in Textform ist möglich (z. B. in einem forschungsmethodischen Modul sollen Interviews transkribiert werden). Weiterhin können Fallstudien für Studierende oder Informationstexte umformuliert werden mit KI-Anwendungen wie ChatGPT von OpenAI oder gemini von Google (z. B. eine Untersuchungsfallstudie komplexer und diffuser formulieren lassen). Für Studierende ist die Informationstransformation ebenfalls relevant, angefangen bei der Übersetzung von Texten in verschiedenen Sprachen über die Erstellung von Handlungsprodukten (z. B. Mitschriften nutzen für einen Posterentwurf) bis zur Reduktion größerer Texte zu einer Zusammenfassung (z. B. Wahlliteratur vorab zusammenfassen lassen).

(ad 3) Entscheidungsunterstützung: KI-Anwendungen können Lehrende bei didaktischen Entscheidungen in der Planung, Durchführung oder Kontrolle von hochschulischen Lehr-Lernprozessen unterstützen. So können für den Einstieg in eine Modulsitzung KI-Anwendungen Ideen geben (z. B. eine Anfrage mit entsprechenden Prompts bei perplexity, was das Thema der Modulsitzung mit zukünftigen beruflichen Handlungsfeldern der Studierenden zu tun hat). Entscheidungsunterstützung umfasst auch die Optimierung von Text-, Audio- und Videoelementen (z. B. mit der KI-Anwendung languagetool Informationstexte grammatikalisch verbessern – die Annahme der Verbesserung liegt bei den Lehrenden, deshalb Entscheidungsunterstützung). Studierende können KI-Anwendungen nutzen, um eigene Texte oder Aufgaben zu verbessern (z. B. mit der KI-Anwendung anschreibenai ein eigenes Anschreiben im Rahmen einer Bewerbung zu erstellen oder zu verbessern). Ein weiteres prominentes Beispiel im Bereich Entscheidungsunterstützung ist die Unterstützung bei der Korrektur von Texten wie Hausarbeiten mit KI-Anwendungen wie gradescope. Hier bekommen Lehrende eine Entscheidungsunterstützung bei der Benotung. Weiterhin kann die Plagiatserkennung bspw. mittels der KI-Anwendung scribbr genannt werden, um Lehrende dabei zu unterstützen, zu entscheiden, welche Eigenleistung die Studierenden erbracht haben und welche nicht.

(ad 4) Inhaltsgenerierung: KI-Anwendungen sind in der Lage, (neue) Inhalte und Produkte zu generieren. So ist es möglich, dass Lehrende sich von KI-Anwendungen Lernvideos zu bestimmten Inhalten produzieren lassen (z. B. Produktion eines Lernvideos zum Thema Lehrmethoden mit vidnoz oder synthesia). Auch ist die Erstellung von Bildern möglich, um Sachverhalte zu illustrieren (z. B. Bilder erstellen lassen mittels ChatGPT). Auch die Erstellung von Texten zu einem Themenbereich ist eine Form der Inhaltsgenerierung (z. B. ein Informationstext zu didaktischen Entscheidungen oder Forschungsergebnisse zu Effekten kooperativen Lernens mit KI-Anwendungen wie gemini oder perplexity). Eine weitere Form der Inhaltsgenerierung kann in der Erstellung und Verwendung von Chatbots gesehen werden. Mit der KI-Plattform landbot oder ChatGPT ist es Lehrenden möglich, eigene Chatbots für die Lehre zu erstellen und einzusetzen.

Die vier Funktionen lassen sich als Perspektiven für den Einsatz von KI-Anwendungen in der Hochschullehre verstehen. Dabei steht weniger die klare Trennung der Funktionen im Vordergrund, sondern vielmehr die flexible Anwendung entsprechend der didaktischen Intentionen. So könnte beispielsweise in einem Modul mit Theorie-Praxis-Verzahnung zunächst eine fundierte Recherche in der Studierendengruppe zu einem Problemkontext notwendig sein (Recherche- und Wissensunterstützung). Modulmaterialien können mit Unterstützung von KI-Anwendungen von den Lehrenden erstellt werden, etwa durch die Generierung eines gut strukturierten und sprachlich angepassten Informationstextes, der auch auf die Bedürfnisse internationaler Studierender eingeht (Informationstransformation). Im nächsten Schritt könnten Studierende unterschiedliche Darstellungsformen der Inhalte – wie ein Podcast, ein Video oder eine interaktive Präsentation – als ergänzendes Lernmaterial erhalten (Kreation und Inhaltsgenerierung). Dabei ist zu beachten, dass die didaktischen Potentiale von KI-Anwendungen jeweils auch kritisch-reflexiv zu betrachten sind. Der Einsatz von KI-Anwendungen in der Hochschullehre kann mit Nachteilen der mangelnden Transparenz, Informationsverzerrungen, Datenschutzproblemen oder ethischen Herausforderungen einhergehen (Schaeffler et al., 2024). In Studien finden sich außerdem Hinweise darauf, dass durch den Einsatz von KI die Urteilsfähigkeit der Lernenden beeinträchtigt werden kann (Banerjee et al., 2021). Es kommt also auf einen kritisch-reflektierten Umgang mit KI an, nicht nur für Hochschullehrende (Ng et al. 2021), sondern auch bei Studierenden. Da KI-Anwendungen längst zur studentischen Lebenswelt gehören, sie in hohem Maß auch informell (Gerholz & Passlack, 2025), teilweise produktiv, teilweise gegen die Lehrintention eingesetzt werden, ist es besonders wichtig KI-Kompetenzen zu fördern und damit einer Vergrößerung der digitalen Kluft durch KI entgegenzuwirken.

Auch für die Hochschullehre ist es daher wichtig, die Potentiale von KI-Anwendungen in den Mittelpunkt zu rücken und KI-Kompetenzen im Studium zu fördern. Im weiteren Verlauf gehen wir in diesem Zusammenhang fokussiert der Frage nach, welche Möglichkeiten sich aus dem Einsatz von KI für die didaktische Bearbeitung des Theorie-Praxis-Verhältnisses im Studium der Wirtschaftspädagogik ergeben. Dies wird im folgenden Schritt anhand der Gestaltung eines Service-Learning Moduls genauer diskutiert, in dem Lernortkooperation zwischen Universität und zivilgesellschaftlichen Organisationen ein zentrales Merkmal darstellt.

3 Service-Learning als Theorie-Praxis-Verzahnung in der Hochschullehre

Die Diskussion um das Theorie-Praxis-Verhältnis im Studium kommt nicht von ungefähr, da dieses Verhältnis einen zentralen Einfluss auf die Kompetenzentwicklung der Lernenden hat. Daher sind die Forderungen nach einer Verbindung von Studium und Praxis und die Umsetzung einer gut modellierten Lernortkooperation ein zentrales Thema für die wirtschaftspädagogische Forschung und Lehre. An den Standorten der Wirtschaftspädagogik finden sich dabei unterschiedliche Ansätze und Praxisprojekte, die den Studierenden die Möglichkeit geben, aktiv wie reflexiv zukünftige Berufspraxis – insbesondere schulische Praxis – zu erkunden und zu gestalten (u. a. Klauser, 2014, S. 1; Jenert et al., 2022). Damit dieser Theorie-Praxis-Dialog gelingen kann, hat sich aber in bisherigen Studien gezeigt, dass es eines partnerschaftlichen Handelns und enger Zusammenwirkungen zwischen Akteuren der beteiligten Lernorte bedarf (Ostendorf et al., 2017, S. 309). Ein erfolgversprechendes Lehr-Lern-Format stellt dabei Service-Learning dar, welches auch in der beruflichen Lehrkräftebildung zum Einsatz kommt (u. a. Gerholz & Slepcevic-Zach, 2015).

Service-Learning ist ein Format, bei dem Inhalte des jeweiligen Studiums mit gemeinnützigem Engagement der Studierenden verbunden werden. Die Studierenden sollen über die Reflexion der gemachten Erfahrungen ein elaboriertes Verständnis der Studieninhalte erreichen. Ebenso soll bei ihnen eine Sensibilisierung zur Frage der eigenen Position hinsichtlich des gesellschaftlichen Engagements angestoßen werden. Die Praxispartnerorganisationen haben einen Nutzen von den Kompetenzen der Studierenden und profitieren durch die Lernwirksamkeit bei der Weiterentwicklung ihrer Organisationen (u. a. Gerholz et al., 2018; Slepcevic-Zach, 2017). Die Lernenden arbeiten mit unterschiedlichen sozialen Organisationen zusammen, wobei diesen eine wichtige Funktion für die didaktische Modellierung zukommt. Service-Learning kann somit als Format umrissen werden, welches Elemente des erfahrungs-, problem- bzw. handlungsorientierten Lernens aufnimmt und diese mit dem Aspekt des gemeinnützigen Engagements verknüpft (Deeley, 2010; Kolb & Kolb, 2005; Schlicht & Slepcevic-Zach, 2016).

Die durchgeführten Projekte orientieren sich an der jeweiligen Ausrichtung des Studiums bzw. der Lehrveranstaltung. Beispielsweise könnten im Rahmen des Studiums der Wirtschaftspädagogik ein Marketingkonzept bzw. eine Verkaufsschulung für ein Projekt zur Wiedereingliederung von Langzeitarbeitslosen konzipiert und umgesetzt, eine Kostenrechnung für eine Behinderteneinrichtung eingeführt, ein Schulungskonzept für eine Sozialorganisation entwickelt, durchgeführt und evaluiert oder ein Finanzkonzept für eine Betreuungseinrichtung erstellt werden. Die Studierenden sind, in Abhängigkeit des Projekts und ihres Fortschritts im Studium, fachliche Expert:innen für die sozialen Organisationen.

Durch den Anspruch, den Lernprozess der Studierenden mit Problemstellungen sozialer Organisationen zu verbinden, ergeben sich besondere Anforderungen an die didaktische Modellierung von Service-Learning-Formaten. Zentral sind dabei, wie Godfrey et al. (2005) herausstreichen, die Elemente Realität, Reflexion und Gegenseitigkeit.

Der Aspekt Realität verweist darauf, dass Studierende mit realen Problemstellungen der Gesellschaft konfrontiert werden sollen, die möglichst unterschiedliche soziale Herausforderungen (z. B. Armut, Obdachlosigkeit) widerspiegeln, um die Vielfalt und Widersprüchlichkeiten von gesellschaftlichen Problemen zu erfahren. Für eine wirksame didaktische Umsetzung ist es ebenfalls notwendig, die Verknüpfung mit den Inhalten des Studiums herzustellen, was den Studierenden erst die Mitwirkung an der Lösung von gesellschaftlichen Problemen und das Erleben einer Handlungswirksamkeit ermöglicht. Die bei der Bearbeitung der Problemstellung erlebte Handlungswirksamkeit muss weiter reflektiert werden (Dewey, 1966). Dieser Reflexionsprozess soll dabei sowohl die gemachten Erfahrungen mit den Inhalten der Lehre verbinden als auch die Reflexion zur eigenen Person anregen. Gegenseitigkeit bedeutet zuletzt, dass es sich um eine partnerschaftliche Lernerfahrung von Lernenden und sozialen Organisationen handelt, in der beide ihr unterschiedlich gelagertes konzeptionelles Wissen einbringen. Bei der didaktischen Modellierung muss darauf geachtet werden, dass Lern- und Serviceprozess miteinander verknüpft werden (siehe Abbildung 2). Aus einer handlungstheoretischen Fundierung (Buschfeld, 2003; Sloane, 2007) sind dabei die Aspekte der Handlungssituation (‘action context’), des Handlungsprozesses (‘action process’) und des Handlungsergebnisses (‘action result’) zu beachten.

Abbildung 2: Didaktische Modellierung von Service-Learning (Gerholz et al., 2017)

Das Ziel von Service-Learning besteht somit darin, dass es den Lernenden gelingt, über die Reflexion der gemachten Erfahrungen zum einen ein elaboriertes Verständnis der Fachinhalte zu erreichen. Zum anderen soll eine Sensibilisierung zur Frage der eigenen Position in der Gesellschaft angestoßen werden (vgl. ausführlicher dazu Slepcevic-Zach & Gerholz, 2015).

Typischerweise wird der jeweilige Projektauftrag vor Beginn der Lehrveranstaltung mit den Organisationen besprochen, die jeweils zumindest eine Ansprechperson für die Studierenden über den ganzen Semesterverlauf zur Verfügung stellen. Am Semesterende werden die Ergebnisse oftmals in einer öffentlichen Abschlusspräsentation vorgestellt. Die konkrete Ausformung der didaktischen Modellierung hängt dann von den jeweiligen Gegebenheiten ab und kann sehr unterschiedlich aussehen. Diese Vielfalt des Service-Learning Konzepts, welche durch unterschiedliche Ausformungen und Schwerpunktsetzungen entstehen kann, darf aber nicht mit Beliebigkeit gleichgesetzt werden, sondern bietet die Möglichkeit auf die jeweiligen Lernenden und sozialen Organisationen zu reagieren. Dabei ist die dargelegte didaktische Modellierung als Rahmen zu beachten.

Service-Learning ermöglicht den Studierenden ihre im Studium zu erwerbenden bzw. bereits erworbenen Kompetenzen im Praxisfeld anzuwenden, indem sie mit Problemen aus möglichen künftigen beruflichen Praxisherausforderungen konfrontiert werden, gemeinsam mit sozialen Organisationen mögliche Problemlösungen erarbeiten, erproben und reflektieren (Slepcevic-Zach & Fernandez, 2021). Den sozialen Organisationen kommt dabei ein sehr wichtiger Part zu, da diese den Theorie-Praxis-Dialog erst ermöglichen. Auch die sozialen Organisationen profitieren von der Zusammenarbeit mit der Universität; selbst wenn die durchgeführten Projekte nicht immer zur nachhaltigen Umsetzung in den Organisationen führen, so tragen sie doch immer zu einer Veränderung der Sichtweisen und Denkhaltungen bei. Ein Transfer findet somit in beide Richtungen statt – von der Universität in die Zivilgesellschaft und von der Zivilgesellschaft in die Universität. Eine Service-Learning Veranstaltung kann somit nicht nach einem einfachen Schema modelliert werden, sondern es bedarf einer methodisch-didaktischen Planung und Durchführung. Die Hereinnahme der Praxis und der Umgang mit den hohen Anforderungen an die Lehrenden sind für diese Lernortkooperation besonders zu berücksichtigen. Genau hier kann der Einsatz von KI den Lehrenden Hilfestellung und neue Gestaltungsmöglichkeiten eröffnen.

4 Verzahnung von Theorie und Praxis durch Lernortkooperation zwischen Universität und Zivilgesellschaft

Ein Studium der Wirtschaftspädagogik findet nicht nur am Lernort Universität statt. Studentisches Lernen ist systematisch mit anderen Handlungsfeldern verbunden, die ebenfalls zu Lernorten werden. Dazu gehören neben schulischen und betrieblichen Handlungsfeldern zum Beispiel im Fall von Service-Learning-Modulen auch zivilgesellschaftliche Felder und soziale Organisationen für gemeinnütziges Engagement. Die erwünschte Kooperation zwischen den Lernorten ist jedoch herausfordernd und gelingt häufig aus Sicht der Studierenden nicht ausreichend, selbst nicht im Fall dualer Studiengänge, wie aktuelle Studien zeigen (Rahn et al., 2022). Aus Lernperspektive gibt es Probleme dabei, die Bedeutung und die Relevanz universitären Lernens für Handeln in schulischen, betrieblichen und auch zivilgesellschaftlichen Feldern zu erkennen. Umgekehrt fällt es vielen Studierenden auch schwer, Lernergebnisse aus praktischen Erfahrungen mit erworbenem wissenschaftlichen Wissen zu verbinden. Genau darauf kommt es jedoch an, wenn Studierende Praktiken, die sie in betrieblichen oder gesellschaftlichen Feldern kennengelernt haben, auch einer Kritik unterziehen sollen und dadurch Impulse für den Wissensaufbau mitnehmen, die es braucht, um Probleme zu lösen. Dieses Phänomen ist für die Berufs- und Wirtschaftspädagogik nicht neu. Strukturell ähnlich findet sich die Herausforderung der Verbindung von Theorie und Praxis bereits in der dualen Ausbildung – konkret in dem Konzept der Lernortkooperation (Dehnbostel, 2020).

Gegenstand ist hier insbesondere die Lernortkooperation zwischen Schule und Betrieb im Rahmen der dualen Berufsausbildung (Euler, 2003; 2004; Dehnbostel, 2020). Im internationalen Diskurs werden ähnliche Fragen im Rahmen der School-Workplace-Connectivity diskutiert (Guile & Griffiths, 2001; Tynjälä, 2008; Tynjälä et al., 2020). Die Studienlage zeigt seit vielen Jahren stabil, dass eine weitreichende Lernortkooperation zwischen Bildungs- und Arbeitsorganisationen zwar möglich ist, aber doch die Ausnahme bleibt (Gessler, 2017; Gössling et al., 2025; Walden, 2020). In der überwiegenden Zahl der Fälle fehlt insbesondere eine Zusammenarbeit auf Ebene der Didaktik und Ausbildungsinhalte. Damit kommen die Mikro-Ebene der Lehr- und Lernprozesse sowie die Perspektive der Lernenden häufig zu kurz (Ostendorf et al., 2017). Systematische, wechselseitige Bezugnahmen auf das Lernen am anderen Lernort finden überwiegend nicht statt. Stattdessen verlassen sich die Lernortkooperateur:innen auf eine implizite Koordiniertheit, die sich aus der losen Kopplung der Lernorte auf Ebene der Institutionen und Curricula im dualen Ausbildungssystem ergibt. Kontakte auf Mikro- und Meso-Ebene sind überwiegend auf sporadisches Informieren, eine defizitorientierte Abstimmung oder punktuelle organisatorische Zusammenarbeit, etwa bei der Durchführung gemeinsamer Veranstaltungen beschränkt (Gessler, 2017; Gössling et al., 2025; Walden, 2020). Vorliegende Studien zur Lernortkooperation im Rahmen von Studiengängen bestätigen diese Befundlage auch für die Zusammenarbeit von Hochschulen und Universitäten mit Unternehmen (Faßhauer & Anselmann, 2021; Meyer, 2019).

Diese eher ernüchternde Befundlage lässt die Frage aufkommen, inwiefern KI-Tools zur Verbesserung der Lernortkooperation eingesetzt werden können (Roll & Ifenthaler, 2020; Seufert & Guggemos, 2021; Seufert, 2023). Zur Beantwortung dieser Frage muss berücksichtigt werden, dass das Lernen längst nicht mehr nur an physischen Lernorten stattfindet, sondern auch in digitalen und virtuellen Lernräumen (Ertl, 2020, S. 3). Auffällig ist, dass diese virtuellen Lernorte häufig zunächst an ihre physischen Lernorte gebunden sind. Wenn Lehrende virtuelle Räume einrichten, sind diese überwiegend auf den eigenen Lernort begrenzt (Gössling et al., 2025). Das heißt, es gibt virtuelle Lernangebote für Studierende an Universitäten, für Schülerinnen und Schülern an Schulen, für Auszubildende und betrieblich Lernende im Betrieb. Diese digitalen Lernangebote sind von den Verantwortlichen in der Berufsbildung überwiegend bisher explizit nicht lernortübergreifend konzeptioniert. Das steht im Kontrast dazu, wie Lernortkooperation schon heute durch digitale Technologien erleichtert werden könnte (Seufert et al., 2025). Beispielsweise indem

• mit digitalen Kommunikations- und Kooperationstechnologien effizient und mit geringem Ressourcenaufwand lernortübergreifend zusammengearbeitet wird. Schon heute kommen in Schule, Betrieb, sozialen Organisationen vielfach die gleichen Technologien zum Einsatz. Wenngleich die entsprechenden Messenger-Dienste, Kollaborations- und Kommunikationsplattformen, Lernmanagementsysteme usw. bislang auf den eigenen Lernort beschränkt bleiben.
• die bereits digitalen oder digitalisierten Lernmedien verlustfrei über Lernortgrenzen hinweg geteilt werden. Erklärvideos, Lern- und Arbeitsaufträge, Endgeräte für mobiles Lernen können auch an Lernorten leicht aufgegriffen werden, wo sie nicht entstanden bzw. zur Verfügung gestellt werden, was wechselseitige Bezugnahmen und tiefes Lernen unterstützen kann.
• Formen Technik-gestützten Lernens auch lernortübergreifend eingesetzt werden. Das ermöglicht es mit E-Learning Modulen, Blended Learning Ansätzen, Planspielen und Simulationen, LernApps für Microlearning, Videotutorials, digitale Lernbegleitung und KI-Chatbots Brücken über die Lernortgrenzen zu bauen. Die in Echtzeit anfallenden Daten bieten Möglichkeiten unmittelbares Feedback zur Kompetenzentwicklung zu geben sowie die eigene, auch lernortübergreifende Bildungsarbeit zu evaluieren und weiterzuentwickeln.

Wie bereits erwähnt, werden diese Möglichkeiten vom Berufsbildungspersonal an den verschiedenen Lernorten noch nicht oder nur in wenigen Ausnahmefällen eingesetzt. Das heißt jedoch nicht, dass Studierende, genauso wie auch beruflich Lernende, technische Möglichkeiten zur Verbesserung des lernortintegrierenden Lernens ebenfalls ungenutzt lassen würden. Sie sind die Grenzgänger zwischen den Lernorten und erleben aus diesen komplexen Anforderungen einen unmittelbaren Handlungsbedarf. Allgemein können digitale Technologien, insbesondere KI-Anwendungen, die Kooperation zwischen den Lernorten unterstützen. Dabei nutzen Lernende wie Auszubildenden oder Studierende häufig informelle Technologien (‚Schatten-IT‘), etwa KI-Chatbots sowie Chatgruppen und Plattformen, um Lerninhalte zu teilen und zu diskutieren. Dies kann durchaus produktiv für die eigene Kompetenzentwicklung genutzt werden. Allerdings laufen diese Technologien bisher meist über zentrale Plattformen, die von privatwirtschaftlichen Unternehmen kontrolliert werden. Wenn Lehrende selbst den Einsatz von KI und anderen Technologien initiieren, können Sie auch dezentralen Plattformen verwenden, bei denen Akteure aus der Berufsbildung selbst Datenerhebung und -nutzung regeln (Seufert et al., 2025; Gössling et al., 2025).

5 Verzahnung von Theorie und Praxis mit KI-Anwendungen illustriert am Beispiel der Lernortkooperation im Service-Learning

In Bezug auf das Konzept des Service-Learning, als eine Variante einer Theorie-Praxis-Verzahnung im Studium, ist die Lernortkooperation zwischen den zivilgesellschaftlichen bzw. sozialen Organisationen und der Universität – also den Lehrenden und Lernenden in den Modulen – von zentraler Bedeutung. KI-Anwendungen können hier die Lernortkooperation, und damit sowohl die Lehrenden als auch die Lernenden, unterstützen. Zur Systematisierung können die in Kapitel 2 vorgestellten didaktischen Funktionen genutzt werden (s. Abbildung 1):

(1) Recherche- und Wissensunterstützung

Im Rahmen von Service-Learning Projekten können KI-Anwendungen Studierende dabei unterstützen, sich fundiert auf reale Problemstellungen der sozialen Organisationen vorzubereiten. Durch KI-Anwendungen wie perplexity oder consensus können relevante, wissenschaftlich fundierte Informationen zur Problembearbeitung recherchiert werden. KI-Anwendungen helfen dabei, dass sich Studierende einen wissenschaftlich-fundierten Überblick zur gesellschaftlichen Herausforderung in Bezug auf den Gegenstand ihres Service-Learning-Projektes verschaffen können. Dabei ist es von Bedeutung, gerade gesellschaftliche Herausforderungen wie Armut, Ängste vor dem sozialen Abstieg, Konsensfindung in demokratischen Prozessen, Obdachlosigkeit u. Ä. in den Service-Learning-Projekten aufzunehmen und auch wissenschaftlich reflexiv – unterstützt durch KI-Anwendungen – zu betrachten. Die Verbindung zur Lernortkooperation entsteht dann dadurch, dass die praktisch erlebten oder durch die Akteure der sozialen Organisationen geschilderten Herausforderungen wissenschaftlich reflexiv bearbeitet werden können. Gerade beim reflexiven Verbinden wissenschaftlicher Inhalte mit praktischen Problemen und Perspektiven tauchen jedoch Passungsprobleme, Widersprüche und Übersetzungsprobleme auf. Diese Probleme im Lernprozess zu bewältigen ist Ziel und Gegenstand tiefer Lernprozesse, die eine intensive Begleitung erfordern können. Diese Begleitung kann mittels KI unterstützt werden.

(2) Informationstransformation

Um die Vielschichtigkeit der realen Problemstellungen der Praxis zu vermitteln, können Informationen mithilfe von KI-Anwendungen in unterschiedlichen Formaten aufbereitet werden. So ist es möglich, aktuelle, wissenschaftliche Studien zum bearbeiteten Themenbereich im Service-Learning-Projekt mithilfe von NotebookLM in Form eines Podcast zielgruppenorientiert in Bezug auf die Studierenden zusammenfassen zu lassen. Hier unterstützen somit KI-Anwendungen den Lehrenden im Modul oder Praxispartner im Service-Learning-Projekt, ein Problemkontext zielgruppenadäquat auf die Voraussetzungen der Studierenden anzupassen. Darüber hinaus können bereits etablierte Technologien kritisch im Bildungsprozess aufgegriffen werden. Um in diesem Zuge auch Probleme lernortverbindender Kompetenzentwicklung aufzugreifen, eignen sich KI-basierte Assistenzsysteme, wie ChatGPT. Solche Systeme können zu persönlichen Trainingspartnern für die Studierenden werden, mit dem an jedem Lernort auch Schwierigkeiten bearbeitet werden können. Beispielsweise wenn universitär erworbenes Wissen im Sinne einer Informationstransformation rekontextualisiert werden muss, um Problemstellungen sozialer Organisationen zu lösen, die sich aus drängenden sozialen Anliegen ergeben.

(3) Entscheidungsunterstützung

Während der Bearbeitung des Service-Learning-Projektes können KI-Anwendungen Entscheidungsprozesse der Studierenden unterstützen. Studierende könnten z. B. mit KI-Anwendungen wie gemnini Texte oder Präsentationen entwickeln, die die Perspektive der Praxispartner – die Zielgruppe – fokussierter aufnehmen. Hierfür ist dann ein entsprechendes prompting von Bedeutung (z. B. Beschreibung des Kontextes der Akteure in deren sozialen Organisationen). Eine häufige Diskussion beim Service-Learning ist auch, inwiefern die Akteure der sozialen Organisationen, welche die Studierenden in ihren Lernprozessen ebenfalls begleiten, im Feedbackprozess – eventuell auch im Notengebungsprozess – eingebunden werden. Denkbar sind hierfür KI-Anwendungen wie gradescope für eine Vorbenotung, indem Kriterien von den Lehrenden der Universität und Akteuren der sozialen Organisationen aufgenommen werden. Im Rahmen solcher lernortübergreifenden Arrangements wie Service-Learning kann dann auch thematisiert werden, wie mit Schwächen und Grenzen von KI-Anwendungen umzugehen ist – sowohl im Studium als auch in den sozialen Organisationen –, um Fehlentscheidungen und Missbrauch zu vermeiden. Gerade im Kontext von Service-Learning können Verzerrungen (bias) deutlich werden, die sich daraus ergeben, dass die Trainingsdaten vieler KI-Systeme die Bedarfe ohnehin bereits marginalisierter Gruppen nicht hinreichend beachten.

(4) Inhaltsgenerierung

KI-Anwendungen können von den Akteuren der sozialen Organisationen oder den Lehrenden genutzt werden, um kreative und adäquate Lernmaterialien zu erstellen. So ist es denkbar, dass die sozialen Organisationen ChatGPT mit Vidnoz kombinieren, um ein Video für die zu bearbeitende Problemstellung zu produzieren und dabei für die Zielgruppe Studierende den sozialen bzw. gesellschaftlich-gemeinnützigen Kontext aufzubereiten. Lehrende können einen Chatbot mit ChatGPT oder landbot erstellen, welcher explizit auf die Service-Learning-Projekte fokussiert ist und dabei die Problemstellung mit Gegenständen des Studiums verbindet.

Die anhand der vier didaktischen Funktionen aufgezeigten Möglichkeiten – u. a. mit Beispielen unterlegt – machen deutlich, dass die Verzahnung der Lernorte Zivilgesellschaft und Universität durch KI-Anwendungen sowohl für die Lehrenden und Studierenden als auch für die Praxispartner in der Service-Projekten hilfreich sein können. Darüber hinaus können die für Service-Learning geforderten Aspekte der Realität, Reflexion und Gegenseitigkeit unterstützt werden. Insbesondere die Möglichkeit, Reflexionsprozesse mit KI-Anwendungen zu gestalten, um damit den Lern- und Serviceprozess verbinden zu können, scheint erfolgsversprechend. Quergelesen lässt sich feststellen, dass durch digitale und KI-basierte Kooperations- und Kommunikationstechnologien wechselseitige Bezugnahmen zum Lernen am jeweils anderen Lernort effizient vorgenommen werden können, was zur Entwicklung einer umfassenden Handlungskompetenz beiträgt (Virtanen et al., 2014).

6 Ausblick –KI-gestützte Verzahnung von Theorie und Praxis?

Theorie und Praxis sind nie ‚fertig‘ verzahnt. Vielmehr wird auch in Zukunft das Verhältnis von Theorie und Praxis im Studium – und insbesondere im (beruflichen) Lehramtsstudium – Raum für Diskussionen lassen. Dies vor allem, da wissenschaftliche Theorie und die komplexen Handlungsanforderungen der Praxis in einem bleibenden Spannungsverhältnis stehen und gerade neue Entwicklungen wie KI neue Sichtweisen eröffnen. Es sind jedoch gerade diese Unterschiede, die Lernprozesse im Studium produktiv werden lassen und daher entsprechend genutzt werden sollten. Das wird immer dann deutlich, wenn universitäres Wissen zur Lösung praktischer Probleme genutzt werden soll und gleichzeitig in Auseinandersetzung mit den Anforderungen aus der Praxis weiterentwickelt, erweitert und kontextualisiert wird. Diese Aufgaben sind motivierend, fordernd und für Lehrende und Lernende zuweilen herausfordernd. Praxisphasen im Studium benötigten daher schon immer eine professionelle Begleitung der Lernprozesse. Lernortkooperationen für die Umsetzung von Service-Learning schaffen hier Lernräume, die ein Theorie-Praxis-Verhältnis schon in sich tragen und damit diese Lernprozesse anregen können.

Die Digitalisierung und der Einsatz von KI eröffnen heute zusätzliche, neue Perspektiven für die Lernortkooperation zwischen Universitäten und Zivilgesellschaft bzw. sozialen Organisationen. Um die sich daraus ergebenden Möglichkeiten aktiv mitgestalten zu können braucht es eine abgestimmte Personal- und Organisationsentwicklung. Die Lehrenden brauchen die Kompetenzen, um gemeinsam mit ihren externen Partnern lernortübergreifende Arrangements zu gestalten. Die Studierenden sollen dadurch auf digitalisierte Handlungsfelder vorbereitet werden, in denen KI-Anwendungen schon heute fast allgegenwärtig sind, und diese Anwendungen zugleich für ihre Lernprozesse nutzen. Damit das gelingen kann, ist es elementar, die Universität selbst auch als lernende Organisation zu begreifen, in deren IT-Abteilungen, Studiengängen und anderen Organisationseinheiten bisher etablierte Arbeitsroutinen hinterfragt und Innovationen umgesetzt werden. Arbeiten im Kontext von Schule und Betrieb haben in diesem Zusammenhang gezeigt, dass es darauf ankommt, Schul- und Unterrichtsentwicklung zu verknüpfen (Gössling & Vötsch, 2025). Das ist wichtig, da Implikationen der KI für die Arbeitswelt auch fachdidaktisch verarbeitet werden müssen. Letztlich ist es ein Grundthema der Lernortkooperation, dass umfangreiches Lernen Einzelner immer auch mit organisationalem Lernen einhergeht. Organisationen, die lernortverbindende Kompetenzentwicklung umfassend ermöglichen wollen, lernen letztlich auch selbst. Das gilt dann auch für Universitäten, für Betriebe und für soziale Organisationen, die sich auf eine intensive Kooperation zum Beispiel im Sinne des Service-Learning einlassen, um damit die Lernprozesse der Studierenden begleiten zu können.

KI ist gekommen, um zu bleiben. Wie KI in verschiedenen Handlungsfeldern eingesetzt wird und wie eine kritische Auseinandersetzung damit aussehen kann, lässt sich am besten dort klären, wo diese Fragen auftauchen, das heißt in lernortverbindenden Arrangements, wie dem Service-Learning im Wirtschaftspädagogik Studium. Das Spannungsfeld von Theorie und Praxis wird sich auch durch KI nicht auflösen lassen, aber bei einem didaktisch gut überlegten Einsatz, kann KI helfen, die Verzahnung zwischen Theorie und Praxis für die Lernenden besser darzulegen.