Unterrichtsdiskurs-Analyse & KI-gestütztes Lehrkräfte-Coaching

Unterrichtsbeobachtung durch eine Mentorin oder einen Mentor ist selten, subjektiv und teuer. Die meisten Lehrkräfte erhalten daher kaum Rückmeldung dazu, wie sie tatsächlich mit Schülerinnen und Schülern sprechen. Sprach-KI macht aus einer aufgezeichneten Stunde ein Transkript mit Sprechertrennung und klassifiziert pädagogische Diskurszüge: Wer spricht wie viel, welche Fragen werden gestellt, wie lange wartet die Lehrkraft, und werden Schülerideen aufgegriffen? Die Lehrkraft erhält einen privaten, formativen Bericht und Coaching-Impulse. In der EU muss sich das System auf Diskursmetriken beschränken: Emotionserkennung im Bildungsbereich ist nach Art. 5 der KI-Verordnung (AI Act) verboten.

Problem & Nutzen

• Heute: Rückmeldungen stammen aus gelegentlichen Hospitationen durch Kolleginnen, Kollegen oder die Schulleitung sowie aus Notizen von Praktikumsbetreuern, bewertet mit Rastern wie CLASS. Die Abdeckung ist gering, Beobachter urteilen unterschiedlich, und Lehrkräfte sehen selten Daten zu ihren eigenen Sprechmustern.
• KI-Nutzen: Jede aufgezeichnete Stunde lässt sich günstig und reproduzierbar analysieren. Lehrkräfte können in ihrem eigenen Rhythmus reflektieren, und Mentoren können sich auf die entscheidenden Momente konzentrieren, statt ganze Stunden anzusehen.
• Evidenz: Eine randomisierte kontrollierte Studie in einem großen Online-Kurs zeigte, dass automatisiertes Feedback zur Aufnahme von Schülerideen durch Lehrkräfte das Verhalten der Lehrkräfte veränderte (Demszky et al.) [1][2]. Die Wirkung auf Lernergebnisse in regulären Schulklassen ist weniger gesichert; betrachten Sie Herstellerversprechen als Hypothesen und messen Sie vor Ort.

Varianten

• Selbstreflexion im Dienst: Die Lehrkraft nimmt eigene Stunden auf und sieht ein privates Dashboard (nach Art von TeachFX).
• Praktikum in der Lehrerbildung: Anwärter laden Videos hoch und erhalten KI-Feedback vor der Auswertung durch den Betreuer (nach Art von Edthena).
• Instructional-Coaching-Programme: Coaches sehen aggregierte Trends für einwilligende Lehrkräfte.
• Hochschullehre und betriebliche Weiterbildung: Analyse von Redeanteilen und Fragetechnik in Vorlesungen und Workshops.
• Forschung: großflächige Kodierung von Diskurs für Bildungsstudien (z. B. NCTE-Transkripte) [2].
• Nicht im Umfang / verboten: Rückschlüsse auf Emotionen, Engagement oder Aufmerksamkeit von Schülern oder Lehrkräften aus Stimme oder Gesicht; Ranglisten von Lehrkräften für Bezahlung oder Entlassung (siehe Risiken).

So funktioniert es

1. Unterrichtsaudio/-video (mit Einwilligung, ein Gerät, Edge oder Upload)
2. Rauschunterdrückung + ASR (mehrsprachig, Kindersprache)
3. Diarisierung (Lehrkraft vs. Lernende vs. Gruppengespräch; keine Sprecheridentität von Kindern)
4. Äußerungssegmentierung + Klassifikation der Diskurszüge (Fragetyp offen/geschlossen, Wartezeit, Aufgreifen/Umformulieren, Redeanteil, Gespräch zwischen Lernenden)
5. Metrikaggregation je Unterrichtsstunde und im Zeitverlauf
6. LLM-Coaching-Schicht: 2-3 Momente mit Transkriptbeleg auswählen, Strategien vorschlagen
7. privates Dashboard der Lehrkraft
8. optionale Coach-Prüfung
9. Zielsetzung
10. Roh-Audio nach der Verarbeitung gelöscht (Aufbewahrungsrichtlinie)

• Klassifikation: feingetunte Encoder-Klassifikatoren oder per Prompt gesteuerte LLMs mit einem Codebuch; Modelle zur Erkennung von Aufnahme (Uptake) wurden auf menschlich annotierten Unterrichtstranskripten trainiert [3].
• Coaching-Text: Ein LLM muss jede Aussage mit dem Transkript belegen, um erfundenes Lob zu vermeiden.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Lehrkraft besitzt die Daten; Coach oder Mentor sehen sie nur mit Einwilligung. Metriken fließen nie automatisch in eine Beurteilung ein.

Datenaufbereitung

Kerndaten sind Audio- oder Videoaufnahmen des Unterrichts mit Einwilligung, dazu Unterrichtspläne, Metadaten zu Fach/Klassenstufe und das Beobachtungsraster (CLASS, Danielson, nationale Rahmenwerke). Aufnahmen liegen meist auf Handys, Schullaptops oder Tablets der Lehrkräfte; Raster und Unterrichtspläne liegen in Dateiablagen, Lernplattformen oder auf Papier. Typische Lücken: laute Räume und überlappende Kinderstimmen, uneinheitliche Dateiformate, fehlende Einwilligungsnachweise je Schüler und Eltern, kein vereinbartes Codebuch für Diskurszüge und unklare Zugriffsrechte zwischen Lehrkraft, Mentor und Schulleitung.

Schritte der Aufbereitung: - Legen Sie einen Aufnahmestandard fest (Gerät, Mikrofonposition, Dateiformat, Upload-Weg) und führen Sie ein Einwilligungsregister; zur Prüfung der Rechtsgrundlage siehe PREP-025. - Konvertieren und normalisieren Sie das Audio (ffmpeg) und testen Sie dann ASR und Sprechertrennung (Whisper, pyannote) an 10-20 echten Stunden. - Legen Sie ein schriftliches Codebuch für Fragetypen, Wartezeit und Aufnahme fest und bauen Sie einen kleinen, menschlich annotierten Testdatensatz auf, siehe PREP-018 und PREP-019. - Pseudonymisieren Sie Transkripte und legen Sie die Aufbewahrung fest: Rohaudio wird nach der Verarbeitung gelöscht, siehe PREP-022. - Beschränken Sie Dashboards so, dass nur die Lehrkraft die individuellen Berichte sieht.

Grober Aufwandsanteil: etwa 25-35 Prozent, vor allem für Einwilligungsmanagement, Aufnahmelogistik und den annotierten Referenzdatensatz. Die Transkription selbst wird in SPEECH-001 behandelt.

Umsetzungswege

Welcher Weg für wen

• Unternehmen (Schulträger, Weiterbildungsanbieter): Weg C, weil Unterrichtsaufnahmen von Minderjährigen und Leistungsdaten von Lehrkräften hochsensibel sind und Whisper plus offene Sprechertrennung auf HW2 laufen.
• Entwickler: Weg C, weil der offene ASR-/Sprechertrennungs-Stack volle Kontrolle über Aufbewahrung und Löschung von Rohaudio gibt.
• Öffentlicher Sektor (staatliche Schulen, Institute der Lehrerbildung): Weg C auf souveräner Infrastruktur, weil Vergaberegeln und schulrechtliche Datenhaltung eigenes oder staatlich betriebenes Hosting begünstigen; Weg A nur für Produkte mit dokumentierter, in der EU gehosteter DSFA-Grundlage.

Weg A — Kaufen (Standardsoftware)

• Analyse von Redeanteilen im Unterricht: TeachFX (USA, weit verbreitet für Redeanteile und Coaching) [4]; Edthena (Video-Coaching mit KI-Feedback, eingesetzt in der Lehrerbildung) [5].
• Plattformen für Videobeobachtung: Sibme, Swivl und Video-Coaching-Werkzeuge von Teachstone (CLASS).
• Prüfen: EU-Hosting oder ein Auftragsverarbeiter in der EU, AVV, keine Bewertung von Emotionen oder Engagement, Löschung der Aufnahmen, ASR-Qualität für Deutsch/Französisch/andere Sprachen, Genauigkeit bei Kinderstimmen, Unterstützung bei der DSFA.
• Es gibt nur wenige EU-eigene Produkte; US-Anbieter benötigen Garantien für Drittlandübermittlungen (Standardvertragsklauseln, EU-US DPF) und eine rechtliche Prüfung auf Schulebene.

Weg B — Auf Cloud-KI-Diensten aufbauen

• ASR mit Sprechertrennung: Azure AI Speech (EU-Regionen), Google Cloud Speech-to-Text (EU), AWS Transcribe (Frankfurt), Speechmatics (UK/EU), Mistral Voxtral (EU-Anbieter).
• Klassifikation und Coaching: ein Frontier-LLM (Claude, Gemini, GPT, Mistral) mit strukturierter Ausgabe gegen ein Codebuch; Betrieb an EU-Endpunkten.
• Orchestrierung: warteschlangenbasierte Pipeline plus eine Web-App für Lehrkräfte; speichern Sie nur Transkripte und Metriken.
• Wählen Sie B für eigene Raster, nationale Lehrpläne oder Sprachen, die Anbieter nicht abdecken.

Weg C — Selbst betreiben (Open Source) (empfohlen)

• ASR: Whisper large-v3 / faster-whisper, NVIDIA Parakeet/Canary oder Voxtral mit offenen Gewichten [6].
• Sprechertrennung: pyannote.audio, NVIDIA NeMo (Sortformer) [7].
• Klassifikatoren und LLM: feingetuntes Modell der BERT-Klasse für Diskurszüge; Open-Weight-LLM (Qwen-, Llama-, Mistral-Familien) über vLLM für den Coaching-Text.
• Hardware: HW2 bewältigt die täglichen Stunden eines Schulbezirks offline; die Verarbeitung vor Ort hält die Stimmen der Kinder innerhalb der Einrichtung.
• Laute Räume, überlappende Sprache und Kinderstimmen sind der Hauptaufwand in der Entwicklung.

Weg D — Eigenes Training

Lohnt sich für ein nationales oder hochschulweites Programm: ASR auf Unterrichts- und Kindersprache in der lokalen Sprache feintunen und Klassifikatoren für Diskurszüge auf einigen tausend Äußerungen trainieren, die von geschulten Pädagogen doppelt kodiert wurden. Die berichtete Übereinstimmung der menschlichen Kodierer (Inter-Rater-Agreement) setzt die Obergrenze.

Stand der Technik (2026)

• Transkription: Moderne offene und kommerzielle ASR ist bei Lehrersprache gut, doch Aufnahmen ganzer Klassen mit entfernten Mikrofonen, überlappenden Kindern und Dialekten zeigen weiterhin deutlich höhere Fehlerraten; die Sprechertrennung einzelner Kinder ist unzuverlässig und unnötig.
• Diskursklassifikation: Modelle für Aufnahme und Fragetypen nähern sich Fachkodierern an, erreichen sie aber nicht [3]; LLM-basierte Kodierung mit klarem Codebuch ist inzwischen die schnellste Ausgangsbasis.
• Coaching: LLM-generiertes, am Transkript verankertes Feedback wirkt am besten, wenn es kurz, konkret, nicht wertend und von der Lehrkraft angestoßen ist [1].
• Grenzen: Redeanteil ist keine Qualität; hoher Schüleranteil kann auch themenfremd sein. Metriken sind kontextblind (Fach, Gruppenarbeit, Sprachunterricht) und können Lehrkräfte jüngerer oder mehrsprachiger Klassen benachteiligen. Modelle können Sprecher falsch zuordnen und Coaching-Aussagen halluzinieren.

Gemeinsame Bausteine & Kombinationen

• Gemeinsamer Stack: asr + diarization + llm-general, identisch mit SPEECH-002 (Qualitätssicherung im Callcenter) und SPEECH-001 (Meeting-Transkription); ein selbst betriebener Server kann alle drei bedienen.
• Kombinieren mit: EDU-009 (Unterrichtsplanung, Kreis zwischen Plan und Durchführung schließen), EDU-010 (Rollenspiel-Übung für Anwärter), EDU-012 (Sprachbewertung von Schülern), EDU-007 (Lernanalytik, wegen der Zweckbindung bewusst getrennt gehalten).

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis zum Pilot; Lizenz pro Lehrkraft oder Schule. Hauptaufwand sind Einwilligung, Aufnahmetechnik und Change-Management.
• Weg B: 2-4 Monate inkl. DSFA; Kostentreiber sind ASR-Minuten und Prüfaufwand.
• Weg C/D: 4-9 Monate; GPU plus Annotation von Unterrichtsdaten.
• Kennzahlen: Anteil der eingeladenen Lehrkräfte, die teilnehmen und weiter aufnehmen, Stabilität der Metriken gegenüber menschlichen Beobachtern (Übereinstimmung), von Lehrkräften bewerteter Nutzen, Veränderung der anvisierten Praxis über ein Halbjahr, eingesparte Coach-Zeit. Lernzuwächse von Schülern nur in einer kontrollierten Evaluation.

Menschen & Veränderung

Beziehen Sie zuerst Leitung und Fachbereichsleitung (Schulleitung oder Programmleitung) ein, um den Zweck festzulegen: formatives Coaching, niemals Beurteilung. Binden Sie den Betriebsrat oder Personalrat zu Beginn ein, vor jedem Pilot: Das System protokolliert und analysiert das Verhalten von Lehrkräften, daher gilt die Mitbestimmung nach §87 Abs. 1 Nr. 6 BetrVG (die objektive Eignung zur Überwachung genügt nach dem BAG), §90 Abs. 1 Nr. 3 verlangt frühzeitige Unterrichtung, und §80 Abs. 3 erlaubt einen KI-Sachverständigen; an öffentlichen Schulen ist der Personalrat nach dem Landespersonalvertretungsgesetz zuständig. Eine Betriebsvereinbarung sollte die Nutzung für Beurteilungs- oder Disziplinarzwecke ausschließen. Die oder der Datenschutzbeauftragte muss früh eingebunden werden; eine Datenschutz-Folgenabschätzung (DSFA, Art. 35 DSGVO) ist wegen der systematischen Bewertung von Personen, der Stimmen von Kindern und der neuen Technik nötig, dazu ein Auftragsverarbeitungsvertrag (AVV, Art. 28 DSGVO) mit jedem Auftragsverarbeiter. Beziehen Sie die IT-Sicherheit für Speicherung und Löschung ein, die Personalabteilung für Verbindungen zur Weiterbildung sowie Eltern und Schüler für die Einwilligung.

Fördern Sie KI-Kompetenz (Art. 4 der KI-Verordnung verlangt von Arbeitgebern, sie zu fördern, ohne ein garantiertes Niveau) mit einem kurzen Workshop dazu, was die Metriken bedeuten und was nicht. Werben Sie freiwillige Lehrkräfte als Pilotgruppe, teilen Sie Ergebnisse nur mit ihnen und lassen Sie sie Aufnahmen jederzeit löschen. Typische Sorge ist Überwachung: Begegnen Sie ihr mit Transparenz, privaten Berichten und Opt-out. Der Mensch behält die Kontrolle; der Coach interpretiert, die KI schlägt nur vor.

Siehe GUIDE-004, GUIDE-005 und GUIDE-008.

Risiken, Regulierung & Compliance

• KI-Verordnung Art. 5 Abs. 1 Buchst. f: verboten. Das Ableiten von Emotionen von Personen in Bildungseinrichtungen (Schüler und Lehrkräfte) ist verboten, außer aus medizinischen oder Sicherheitsgründen; die Leitlinien der Kommission bestätigen, dass der Bildungsbereich erfasst ist [8]. Liefern Sie keine Erkennung von Stimmung, Begeisterung, Langeweile, Stress oder „Engagement“ aus Stimme oder Video aus. Textbasierte Diskurslabels (Fragen, Aufnahme) sind keine Emotionserkennung, doch der Funktionsumfang der Anbieter muss geprüft werden.
• Risikoklasse: Formatives, von der Lehrkraft verantwortetes Feedback ist typischerweise minimales oder begrenztes Risiko. Werden die Ergebnisse zur Leistungsbeurteilung oder Beförderung von Personal genutzt, sind wahrscheinlich die Hochrisiko-Pflichten nach Anhang III Nr. 4 (Beschäftigung, Personalmanagement) einschlägig [9]. Ihre Nutzung zur Bewertung von Lernergebnissen von Schülern würde Anhang III Nr. 3 berühren. Halten Sie die Nutzung vertraglich privat und formativ.
• DSGVO: Aufnahmen enthalten Stimmen von Minderjährigen (besonderer Schutz), Lehrkräften (Beschäftigtendaten) und möglicherweise laut ausgesprochene Inhalte besonderer Kategorien. Erforderlich sind eine Rechtsgrundlage (öffentliche Aufgabe oder Einwilligung; die Einwilligung von Beschäftigten ist schwach), DSFA, Transparenz gegenüber Eltern und Schülern, Datenminimierung, kurze Aufbewahrung, keine Zweckänderung und die Mitbestimmung von Betriebsrat oder Personalvertretung (in Deutschland BetrVG/PersVG sowie Schulgesetze der Länder).
• Sonstiges: KI-Kompetenz (Art. 4); Verzerrung gegenüber Akzenten und Dialekten; schleichende Ausweitung der Überwachung.
• Gegenmaßnahmen: Opt-in, Sichtbarkeit nur für die Lehrkraft, Audio nach der Transkription löschen, aggregierte Berichte mit Mindestgruppengrößen, veröffentlichte Zweckerklärung, regelmäßige Audits.

Erste Schritte

1. Klären Sie zuerst Zweck und Governance: nur formativ, Daten im Besitz der Lehrkraft, Zustimmung des Betriebsrats.
2. Führen Sie eine DSFA durch und wählen Sie Aufnahmeaufbau (ein Ansteck- oder Tischmikrofon) und Aufbewahrung.
3. Pilotieren Sie mit 5-10 freiwilligen Lehrkräften mit einem Werkzeug von Weg A oder einem Whisper-+-pyannote-Notebook.
4. Vergleichen Sie die KI-Metriken an 10 Stunden mit einem menschlichen Beobachter; passen Sie das Codebuch an.
5. Prüfen Sie die Feedbackqualität nach einem Halbjahr mit den Lehrkräften; erst dann skalieren oder anpassen.

Quellen

1. Demszky et al. — Can automated feedback improve teachers' uptake of student ideas? RCT — https://arxiv.org/abs/2105.07949
2. Stanford NLP / Demszky — M-Powering Teachers and the NCTE transcripts — https://github.com/ddemszky/classroom-transcript-analysis
3. Demszky et al. — Measuring conversational uptake (ACL 2021) — https://arxiv.org/abs/2106.03873
4. TeachFX — https://teachfx.com
5. Edthena — https://www.edthena.com
6. OpenAI Whisper — https://github.com/openai/whisper
7. pyannote.audio — https://github.com/pyannote/pyannote-audio
8. European Commission — Guidelines on prohibited AI practices — https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guidelines-prohibited-artificial-intelligence-ai-practices-defined-ai-act
9. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj