Neue Version · Schweizer Berufsbildung
Von der Lernfeld-Analyse zum selbstorganisierten Lernen — in einem durchgängigen Werkzeug.
Die Lernpfad-Pipeline erstellt aus einem Lernfeld vollständige, didaktisch strukturierte Unterrichtsmaterialien nach dem RITA-Lernprozessmodell — für die Lehrperson und als selbstorganisiertes Lernangebot mit KI-Lernbegleitung und Moodle-Export.
Funktionsumfang
Was das Werkzeug leistet
Die Pipeline deckt den ganzen Weg ab: Analyse des Lernfelds, Generierung des Lernpfads, Aufteilung in fokussierte Sub-Lernpfade, Anreicherung mit Medien und Export in gängige Formate.
Master-Lernpfad nach RITA
Aus Beruf, Lernfeld und Lernzielen entstehen vollständige Materialien über alle fünf Lernprozessphasen — mit Zeitplanung, Arbeitsblättern und Folienbeschreibungen. In Phase R ist ein Productive-Failure-Einstiegsszenario zwingend.
Sub-Lernpfade mit Wiederverwendung
Die KI schlägt eine thematische Aufteilung in fokussierte Sub-Lernpfade vor. Deren Aktivitäten übernehmen Übungen und das PF-Szenario 1:1 aus dem lektorierten Master — neu generiert wird nur, was fehlt.
Interaktive Aktivitäten
Lerntexte, Lernkarten, Übungen mit Sofort-Feedback (Multiple-Choice, Mehrfachauswahl, K-Prim, Lückentext, Zuordnung) und offene Aufgaben mit Musterlösung — direkt im Browser bearbeitbar.
Videos & Wikipedia
Der I-Teil wird auf Wunsch mit passenden, geprüften YouTube-Videos und mit Wikipedia-Inhalten samt Bildern angereichert — als eigene «Weiterführende Medien»-Aktivität bzw. Abschnitt.
KI-Lernbegleiter:in
Ein sokratischer Tutor pro Sub-Lernpfad — verrät nie die Lösung, führt über eine Hinweis-Leiter. Läuft auf einem lokalen LLM; Lernende treten datensparsam mit Code und Pseudonym bei.
Lösungen fotografieren & prüfen
Lernende fotografieren ihren handschriftlichen Lösungsversuch mit dem Handy — die Übergabe vom Computer läuft per QR-Code. Der Tutor prüft ihn gegen die Aufgabe und gibt sokratische Korrekturhilfe, ohne die Lösung zu verraten. Das Foto wird nach der Prüfung sofort gelöscht.
Moodle, HTML, Word & mehr
Ein Klick erzeugt ein Moodle-Kurs-Backup (.mbz) mit echten Moodle-Modulen inklusive eingebettetem Lernbegleiter — dazu interaktive HTML-Seiten, druckbare Handouts und Word-Dokumente.
Formeln, Diagramme, Tabellen
Mathematische Formeln (LaTeX/MathJax, inkl. Chemie), Mermaid-Diagramme und Tabellen werden überall sauber gerendert — in der Vorschau, den Exporten und der interaktiven Lernseite.
Mandantenfähig
Zugriff und Daten sind nach Organisation (Schule/Institution) getrennt. Anmeldung und Rollen laufen über Clerk-Organisationen; Lernpfade und Lernstände bleiben org-isoliert.
Didaktisches Fundament
RITA-Lernprozessmodell & Productive Failure
Jeder Lernpfad folgt dem Lernprozessmodell nach Schubiger. Der Einstieg setzt bewusst auf «Productive Failure» (nach Kapur): Lernende ringen zuerst selbst mit einem Problem, bevor Instruktion folgt.
Ressourcen aktivieren
Einstiegsproblem, Vorwissen wecken — Productive Failure zuerst.
Wissen aufbauen
Neue Inhalte erarbeiten, verknüpfen, mit Medien anreichern.
Üben & Festigen
Anwenden in vielen kleinen Aufgaben mit Sofort-Feedback.
Transfer
Übertragen auf neue, realistische Berufssituationen.
Auswerten
Handlungskompetenz-orientierte Kontrolle & Selbstreflexion.
Die KI ist entlang dieser Didaktik geführt: Phase R erzwingt das Einstiegsproblem ohne vorweggenommene Lösung, Phase U liefert nur Übungen (kein neuer Stoff), Phase A prüft handlungskompetenzorientiert. Der Lernbegleiter arbeitet maieutisch — er löst nichts, er fragt.
Ablauf
Von der Idee zum Klassenzimmer
Ein durchgängiger Prozess — die Lehrperson bleibt in Kontrolle und lektoriert, die KI übernimmt die Fleissarbeit.
Lernfeld wählen
Beruf, Semester und Lernfeld auswählen; eigene Materialien (PDF, Word, Bilder) hochladen — sie fliessen via RAG in die Generierung ein.
Master generieren
Phase für Phase mit Claude erzeugen, im Prompt-Editor steuern und lektorieren.
Aufteilen
KI-Vorschlag für fokussierte Sub-Lernpfade übernehmen oder anpassen.
Aktivitäten & Medien
Strukturierte Selbstlern-Aktivitäten generieren (1:1-Reuse aus Master) und mit Videos/Wikipedia anreichern.
Exportieren
Als Moodle-Kurs (.mbz), interaktive HTML-Seite, Handout oder Word-Dokument ausgeben.
Lernende begleiten
Lernende arbeiten selbstorganisiert; der KI-Lernbegleiter unterstützt — auch beim Prüfen fotografierter, handschriftlicher Lösungen —, das Cockpit zeigt freigegebene Lernstände.
Lernbegleiter:in
Ein sokratischer Tutor, der auf dem eigenen Gerät läuft
Pro Sub-Lernpfad steht Lernenden ein KI-Tutor zur Seite — geerdet auf genau diesen Lernpfad, aber ohne die Lösungen zu verraten. Die eigentliche Sprachverarbeitung läuft auf einem lokalen LLM; unser Server liefert nur eine lösungsfreie Grundierung und die Persistenz.
- Datensparsam: Beitritt per Code + selbstgewähltem Pseudonym — kein Klarname, geeignet für Minderjährige.
- Lokal: Der Chat läuft im Browser gegen ein lokales LLM (z. B. via LM Studio) — Gesprächsdaten bleiben auf dem Gerät.
- Maieutisch: Hinweis-Leiter statt Lösung; die Person macht den entscheidenden Schritt selbst.
- Handschrift-Scan: Lernende fotografieren ihren Lösungsversuch mit dem Handy (QR-Übergabe vom Computer); der Tutor gibt sokratische Korrekturhilfe zur konkreten Aufgabe und verwirft das Foto sofort.
- Adaptiv & mehrschichtig: Nach jedem Austausch destilliert ein günstiges Modell den Lernstand — pro RITA-Phase (Sicherheit je Lernziel, Stolpersteine, offene Fragen) und als Gesamt-Synthese, die in die nächste Begleitung zurückfliesst.
- Cockpit: Lehrpersonen sehen freigegebene Lernstände mit Ampel je Lernziel — aufklappbar bis auf die einzelnen RITA-Phasen. Die Freigabe steuern die Lernenden selbst.
- Moodle-ready: Der Begleiter-Link steckt automatisch im .mbz-Export und ist im Moodle-Kurs einbettbar.
Exporte
In jedes Zielformat
Moodle-Kurs (.mbz)
Vollständiges Kurs-Backup: Phasen werden zu Themen, Aktivitäten zu echten Moodle-Modulen — Lerntext → Page, Übungen → Quiz (mit Fragenbank), Aufgabe → Assignment, Lernkarten → H5P-Dialogcards. Import über «Kurs wiederherstellen».
Interaktive HTML-Lernseite
Selbstenthaltende Seite mit Sofort-Feedback bei Übungen, Formeln und Diagrammen — offline nutzbar und teilbar.
Handout (druckbar)
Zusammenhängendes, A4-druckoptimiertes Dokument über alle Phasen — wahlweise mit oder ohne Lösungen (per Browser als PDF).
Word (DOCX)
Bearbeitbares Dokument des gesamten Lernpfads inkl. Diagramme — für die Weiterverarbeitung in gewohnten Werkzeugen.
HTML-Präsentation
Visuelle Phasen-Präsentation mit Navigation und Diagrammen für den Unterricht.
Moodle-Fragen (XML)
Assessment-Fragen im Moodle-XML-Format für die direkte Aufnahme in die Fragensammlung.
Technische Hintergründe
Tech-Stack
Modernes Next.js-Full-Stack-Setup, serverlos auf Vercel. Strukturierte KI-Ausgaben laufen konsequent über Tool-Use (garantiert valides JSON), nicht über frei geparste Textblöcke.
Framework & UI
- Next.js 16 App Router, Serverless-Routen
- React 19 · TypeScript 5
- Tailwind CSS 4
Künstliche Intelligenz
- Anthropic Claude Sonnet: Generierung · Haiku: Lernstand
- Claude Vision Handschrift-Scan: Foto → sokratische Korrekturhilfe (provider-agnostisch)
- Tool-Use strukturierte JSON-Outputs
- Lokales LLM LM Studio/Ollama, OpenAI-kompatibel — für den Lernbegleiter
Daten & Suche
- Neon Postgres serverless, mit pgvector
- Voyage Embeddings RAG über hochgeladene Materialien
- Vercel Blob Persistenz exportierter Dateien
Auth & Betrieb
- Clerk Auth & Organisationen (Mandanten)
- Vercel Deployment & Serverless Functions
Export & Dokumente
- JSZip Moodle .mbz & H5P-Pakete
- docx Word-Export
- marked + KaTeX Markdown & Formeln
- Mermaid Diagramme
- qrcode QR-Übergabe Desktop → Handy (Scan)
Import & externe APIs
- pdf-parse · mammoth · xlsx PDF/Word/Excel einlesen
- YouTube Data API v3
- MediaWiki API Wikipedia-Inhalte & Bilder
Datenschutz & Sicherheit
Bewusst datensparsam gebaut
Gerade beim Einsatz mit Lernenden — oft minderjährig — ist Zurückhaltung bei Daten zentral. Die Architektur trägt das mit.
- Keine Klarnamen: Lernende identifizieren sich über Code + Pseudonym.
- Lokale Verarbeitung: Der Lernbegleiter nutzt ein lokales LLM — der Chat verlässt das Gerät nicht.
- Lösungsfrei: Die an den Client gesendete Grundierung enthält keine Musterlösungen.
- Fotos werden nicht gespeichert: Ein gescannter Lösungsversuch dient nur der Prüfung und wird unmittelbar danach verworfen — kein Ablegen, kein Blob.
- Mandanten-Isolation: Zugriff strikt nach Organisation getrennt; alle Endpunkte prüfen Anmeldung und Zugehörigkeit.
- Selbstbestimmte Freigabe: Lernstände werden Lehrpersonen nur nach expliziter Freigabe der Lernenden sichtbar.