Wenn der ChatBot Fragen liefert statt Antworten: Wie TreadEd KI-Tutoren für aktives Lernen entwickelt

Im Gespräch mit Daniel Kaulbach, einem der Gründer von TreadEd

Viele KI-Systeme sind darauf ausgelegt, Fragen möglichst schnell zu beantworten. Für das Lernen kann genau darin ein Problem liegen: Wer eine fertige Lösung übernimmt, muss nicht mehr selbst denken. TreadEd verfolgt deshalb einen anderen Ansatz. Der KI-Tutor stellt Rückfragen, gibt Hinweise und führt Lernende Schritt für Schritt zur eigenen Lösung. Daniel Stöckel sprach mit Daniel Kaulbach über die Idee hinter TreadEd, die Rolle von Lehrkräften und darüber, warum gute Didaktik auch im Zeitalter großer Sprachmodelle nicht automatisiert werden kann.

Daniel Stöckel: Daniel, TreadEd setzt bewusst einen Kontrapunkt zu klassischen Chatbots. Wie seid ihr auf die Idee gekommen, dass eine KI beim Lernen vor allem Fragen stellen sollte?

Daniel Kaulbach: Wir haben zunächst geschaut, wie wir selbst mit KI lernen. Wir alle im Team sind Menschen, die sich viel autodidaktisch beigebracht haben. Wir haben uns gefragt: Wie sieht ein guter Lernprozess aus? Wann sollte eine Frage gestellt werden, welche Ziele werden verfolgt und wie merkt man, ob jemand wirklich weitergekommen ist?

Eine KI, die Fragen beantwortet, hat natürlich einen Mehrwert. Aber sie bildet die menschliche Komponente eines guten angeleiteten Lernens nur unvollständig ab. Ein Mensch bringt fachliche und didaktische

Erfahrung, Kreativität und Urteilsvermögen ein. Genau diese Verbindung wollen wir mit KI abbilden: menschliche Expertise gibt die Richtung vor, die KI setzt sie im Dialog um.

Von der Idee im Studium zum Lernprodukt

Daniel Stöckel: Du hast in unsrem Vorgespräch ein Beispiel aus deinem Mathematikstudium genannt. Kannst Du das nochmals erläutern?

Daniel Kaulbach: Ja, gerne. Eine Aufgabe ist mir aus dem Studium besonders im Gedächtnis geblieben: Ein Würfel mit einer Kantenlänge von einem Zentimeter soll einen Elefanten aufnehmen – wie viele Dimensionen müsste dieser Würfel haben? Die Aufgabe ist zunächst absurd, führt aber in ein hochdimensionales Denken hinein. Auf so eine ungewöhnliche, kreative Aufgabe kommt eine KI nicht unbedingt von allein. Ein Mensch, der ein Thema schon oft vermittelt hat, kann solche Ideen entwickeln und einschätzen, wann sie didaktisch sinnvoll sind. Diese Extras wollen wir in den Lernprozess hineinbringen.

Daniel Stöckel: Wie habt ihr als Team zusammengefunden?

Daniel Kaulbach: TreadEd ist aus der Uni heraus entstanden. Christoph Kenntemich hat im Rahmen seiner Promotion und seines anschließenden Postdoc-Projekts an der Idee eines Lerntools gearbeitet. Kjell Stein war zunächst sein Mitarbeiter an der Universität. Kjell ist technisch sehr versiert, baut unsere Datenbanken und bringt gleichzeitig breite Interessen und viel praktische Erfahrung mit.

Ich selbst hatte schon vorher die Motivation, im Bildungsbereich zu gründen, und bin auf die beiden gestoßen. Wir hatten ähnliche Vorstellungen, aber unterschiedliche Perspektiven. Es hat sehr schnell gepasst, und innerhalb einer Woche war die Entscheidung gefallen, gemeinsam weiterzumachen. Heute bringt das Team verschiedene Schwerpunkte zusammen. Das führt natürlich zu Diskussionen – aus didaktischer, fachlicher und technischer Sicht gibt es bei einem solchen Produkt nicht immer ein klares Richtig oder Falsch.

Die Lehrkraft bleibt Kuratorin und Gestalterin

Daniel Stöckel: Es gibt inzwischen viele KI-Lernsysteme. Sie versprechen nicht nur den Lernern tolle Ergebnisse, sondern auch den Lehrkräften eine erhebliche Reduzierung des Aufwands bei der Kursvorbereitung. Wie arbeitet eine Trainerin oder ein Trainer konkret mit TreadEd?

Daniel Kaulbach: Die Trainerin bringt ihre Didaktik, ihr Fachwissen und ihre kreativen Ideen ein. Die Erstellung eines Kurses findet dabei in einem KI-gesteuerten Dialog statt. Unsere KI stellt gezielte Fragen: Was soll in diesem Kurs vermittelt werden? Wer ist die Zielgruppe? Was ist der wichtigste Punkt, der verstanden werden muss? Wenn Informationen fehlen, fragt sie nach.

Im ersten Schritt wird festgelegt, was vermittelt werden soll. Dafür entsteht eine klar abgegrenzte „Ground Truth“, also eine verbindliche Faktengrundlage. Sie soll so ausführlich sein, dass die wichtigen Fragen des Kurses beantwortet werden können, aber zugleich überschaubar bleiben. Die Erstellerin oder der Ersteller soll sie in wenigen Minuten lesen und bestätigen können. Im zweiten Schritt wird festgelegt, wie die Inhalte vermittelt werden: mit welcher Didaktik und in welchen Lernschritten.

Das ist aus unserer Sicht ein wesentlicher Unterschied zu einem System, dem man nur ein Thema nennt und das daraufhin automatisch einen kompletten Kurs „ausspuckt“. Bei TreadEd muss die Lehrkraft ihre Gedanken einbringen. Die KI unterstützt den Prozess, nimmt der Lehrkraft aber nicht die Verantwortung für Inhalt und Lernweg ab.

Daniel Stöckel: Woran erkennt TreadEd, ob ein Lerner auf dem richtigen Weg ist, er etwas verstanden hat?

Daniel Kaulbach: Das System gleicht mehrere Dinge ab: die Ground Truth, die Äußerungen der lernenden Person und den Erwartungshorizont, der für den jeweiligen Lernschritt definiert wurde. Dabei arbeiten mehrere KI-Modelle zusammen. Ein Evaluationsmodul prüft zunächst, wo die lernende Person steht. Ein separates Antwortmodul erhält anschließend den Auftrag, die nächste Frage so zu formulieren, dass diese zum Weiterdenken anregt.

Die entscheidende Frage lautet also nicht: Welche Antwort kann ich ausgeben? Sondern: Was hat die Person bereits verstanden, wo besteht noch eine Wissenslücke und welche Frage hilft ihr, den nächsten Schritt selbst zu machen? Wenn die Lernziele erfüllt sind, zeigt ein Fortschrittsbalken den Abschluss an. Danach kann man noch vertiefen oder zum nächsten Lernschritt wechseln.

Hinweise statt Lösungen – und unterschiedliche Schwierigkeitsgrade

Daniel Stöckel: Kann ich den KI-Tutor durch Hartnäckigkeit und Penetranz dazu bringen, mir doch die Antwort „auszuspucken“?

Daniel Kaulbach: TreadEd ist didaktisch einstellbar. In der Regel sind Hinweise sinnvoll, damit Lernende, die Schwierigkeiten haben, Unterstützung bekommen. Wir empfehlen eine Art „Scaffolding“ einzubauen, eine Lernhilfe, wie sie auch eine menschliche Lehrkraft dem Lernenden geben würde. Es ist aber auch möglich, einen anspruchsvolleren Kurs zu gestalten, der weniger Hilfestellungen gibt. Das ist eine didaktische Entscheidung der Person, die den Kurs erstellt.

Wenn jemand vom Lernweg abweicht oder mit einer absurden Idee um die Ecke kommt, kann der Tutor darauf eingehen und trotzdem wieder zum eigentlichen Thema zurückführen. Das macht den Dialog lebendig. Gleichzeitig bleibt klar: Eine absolute Garantie gegen jede falsche Ausgabe gibt es bei KI nicht. Ein gut abgegrenzter Kontext, eine belastbare Faktengrundlage und ein passendes Modell reduzieren das Risiko deutlich. Die Verantwortung für die Inhalte bleibt bei der Organisation und bei denjenigen, die den Kurs kuratieren.

Chat, Voice und visuell-interaktives Lernen

Daniel Stöckel: Bleibt TreadEd beim Text-Chat oder sind weitere Formate geplant?

Daniel Kaulbach: Wir bieten neben dem Chat auch Voice-to-Voice-Dialoge an. Das ist beispielsweise für Verkaufstrainings oder im Kundenservice interessant, weil man nicht beliebig lange über eine Antwort nachdenken kann. Auch unterschiedliche Stimm-Persönlichkeiten und Schwierigkeitsgrade lassen sich einstellen. Ein künstlicher Video-Avatar ist dagegen derzeit nicht geplant. Für uns ist zum aktuellen Zeitpunkt der didaktische Mehrwert entscheidend, nicht eine besonders menschlich wirkende Oberfläche.

In den nächsten Entwicklungsschritten geht es uns daher vor allem darum, weitere Medien didaktisch sinnvoll einzubetten. Bilder und Videos sollen nicht bloß angezeigt werden, sondern an der richtigen Stelle im Lernprozess auftauchen und interaktiv nutzbar sein. Mit dem Lab-Feature lassen sich bereits visuelle Elemente und Animationen erstellen, mit denen Lernende experimentieren können. Manche Zusammenhänge müssen die Lernenden sehen und ausprobieren können, insbesondere in technischen Schulungen.

Daniel Stöckel: Lass uns ein wenig in die Zukunft blicken. Was bedeuten Deiner Meinung nach Entwicklungen wie Euer KI-Tutor für den Bereich der Erwachsenenbildung?

Daniel Kaulbach: Für Bildungseinrichtungen und Unternehmen liegt der Mehrwert aus meiner Sicht in drei Punkten: Erstens kann die Expertise einer Trainerin oder eines Trainers in einen individuellen Dialog übersetzt werden. Zweitens bleibt der Lernweg an konkreten Lernzielen und einer kuratierten Faktengrundlage ausgerichtet. Drittens entsteht ein Format, das zwischen selbstständigem Lernen und persönlicher Begleitung vermittelt. Ganz ausdrücklich möchte ich aber auch betonen: das alles ersetzt keine gute Lehrkraft. Es kann aber dabei helfen, deren didaktische Ideen auch dann zugänglich zu machen, wenn nicht jeder Lerner zeitgleich persönlich betreut werden kann.

Daniel Stöckel: Lässt sich der Lernerfolg durch TreadEd auch quantifizieren?

Daniel Kaulbach: Eine umfassende Analytics-Schicht, mit der Organisationen Lernverläufe systematisch auswerten und Kurse kontinuierlich verbessern können, gibt es bei TreadEd zum aktuellen Zeitpunkt noch nicht. Das Thema steht auf unserer Entwicklungsliste. Zugleich ist ein verantwortungsvoller Umgang mit Auswertungen wichtig, gerade im Hinblick auf den EU AI Act und die Grenze zwischen Lernunterstützung und Bewertung.

Der beste Einstieg: erst selbst lernen, dann selbst bauen

Daniel Stöckel: Wie kann eine Akademie oder ein Unternehmen mit TreadEd starten?

Daniel Kaulbach: Der erste Schritt ist, sich zu melden und gemeinsam zu schauen, welche Kurse und Themen sich eignen. Üblicherweise testen Interessierte zunächst die Lernperspektive. Sie erleben also, wie sich ein solcher Dialog anfühlt. Anschließend zeigen wir, wie der KI-Tutor erstellt wird. Dann wird schnell verständlich, warum er auf eine bestimmte Weise reagiert und welche didaktischen Entscheidungen dahinterstehen. Danach kann man gemeinsam einen eigenen Anwendungsfall aufbauen und zügig loslegen.

Daniel Stöckel: Das heißt, zuerst lernt man TreadEd aus der Sicht eines Lerners kennen?

Daniel Kaulbach: Ja, unbedingt. Ich glaube, genau dieser Perspektivwechsel ist wichtig. TreadEd ist keine Maschine und soll auch keine Maschine sein, die man drückt und … plumps, die fertige Bildung fällt heraus. Unser Ansatz funktioniert dann gut, wenn Organisationen bereit sind, über Lernziele, Inhalte und gute Fragen nachzudenken. Die KI unterstützt anschließend dabei, daraus einen individuellen Lernweg zu machen.

Daniel Stöckel: Von Daniel zu Daniel: Vielen Dank für Deine Zeit und die interessanten Einblicke in Eure Arbeit. Ich freue mich, dass Ihr eine Lösung entwickelt, die unser Denken nicht abschalten, sondern anregen soll. Energie zu sparen macht sicherlich Sinn, wenn es um unsere Kühlschränke, Waschmaschinen und KI-Rechenzentren geht. Auf die Energie für das eigenständige Denken sollten wir aber besser nicht verzichten.