ChatGPT als Unterstützung von Lehrkräften – Einordnung, Analyse und Anwendungsbeispiele

Um die gewünschten Ergebnisse zu erziehen, wurde sich für die Methode des Prompt-Engineerings entschieden. Prompt-Engineering ist ein strukturierter Ansatz, der darauf abzielt, durch präzise Formulierungen das gewünschte Ergebnis direkt zu erhalten. Im Gegensatz hierzu steht der konversationsbasierte Ansatz, der durch iterative Anfragen in Form eines Dialogs das gewünschte Ergebnis schrittweise zu erreichen versucht (Mollick 2023). Um Ausgaben durch ChatGPT zu generieren, ist es zunächst notwendig, ein spezifisches, an die Zielgruppe der Lehrkräfte angepasstes, Prompt-Design zu erstellen. Das Prompt-Design stellt einen möglichen methodischen Ansatz dar, um gezielt Antworten eines LLMs zu induzieren. In einem ersten Schritt wurde das Ziel des Prompts als die Erzeugung einer eindeutigen Ausgabe definiert. Die Ziele gliedern sich, analog zu den Aufgabenclustern, in drei Hauptkategorien: Der ersten Kategorie sind Prompts zugeordnet, die das Ziel verfolgen, eine didaktisch strukturierte und angemessen aufbereitete Aufgabe oder Unterrichtsstunde zu erzeugen (Primäraufgabe). Die zweite Kategorie umfasst Prompts mit klarem pädagogischem Bezug (Sekundäraufgaben). Abschließend umfasst die dritte Kategorie Prompts mit organisatorischem Fokus, deren Hauptziel in der effizienten Unterstützung der Lehrkräfte bei organisatorischen und administrativen Angelegenheiten (Tertiäraufgaben) liegt. Die endgültige Prompt-Struktur gliedert sich in fünf Komponenten (Rolle, Kontext, Aufgabe, Restriktion, Ausgabeformat), die entweder integraler Bestandteil des Prompts sind oder optional hinzugefügt werden können. Im Folgenden werden die einzelnen Komponenten erläutert.

Die vorgeschlagene Prompt-Struktur basiert auf der Struktur von White et al. (2023). Wir vernachlässigen den Aspekt der Eingabesemantik, der darauf abzielt, eine spezielle Metasprache für die Kommunikation mit dem LLM zu entwickeln. Erfahrungsgemäß ist dies nicht notwendig bzw. führt dazu, dass ggf. technisch weniger versierten Lehrkräften die Kommunikation mit dem LLM eher erschwert. Da pro Arbeitsanweisung nur eine Anfrage an das LLM erfolgen soll, wird auch der Bestandteil der Interaktion vernachlässigt, die auf einer mehrstufigen Kommunikation zwischen dem LLM und dem Nutzenden basiert. Um die didaktische Qualität zu gewährleisten, wird auch das Element der Fehlererkennung durch das LLM ausgeschlossen, da die Kontrolle der Ausgabe den Lehrkräften obliegen soll. In der Struktur wird der Aspekt der Ausgabe-Anpassung in die Elemente Rolle, Aufgabe und Kontext unterteilt. Der Bestandteil der Prompt-Verbesserung wird in dem Prompt durch die Restriktionen und das Ausgabeformat erfüllt. Durch den Kontext wird schließlich der Aspekt der Kontextkontrolle abgedeckt. Die Instanziierung der definierten Bausteine wird im Folgenden anhand eines durchweg positiv bewerteten Beispiels (Abb. 2) veranschaulicht, dass auch Bestandteil der Interviews war (Prompt 8: Förderstatus).

Um zu überprüfen, wie ChatGPT Lehrkräfte in ihrer täglichen Arbeit unterstützen kann, wurden qualitative Daten in Form von semi-strukturierten Interviews in dem Zeitraum 23.06.–17.07.2023 erhoben (siehe Online-Material Interviewleitfaden). Die Akquise der Lehrkräfte erfolgte über soziale Netzwerke wie LinkedIn und über die direkte Ansprache von Lehrkräften durch das Forschungsteam. Als Grundlage dessen dient der interpretativ-deduktive Ansatz von Benbasat et al. (1987), um Kontextinformationen aus den einzelnen Interviews herauszufiltern und eine allgemeingültige Aussage treffen zu können. Die Interviews dauerten zwischen 43 und 81 Minuten und folgten den Richtlinien von Myers und Newman (2007). Im Vorfeld erhielten die Lehrkräfte eine Datei mit 17 verschiedenen deutschsprachig, generierten Anwendungsbeispielen, die von den Versuchsleitenden mit Hilfe von ChatGPT auf Basis der aus der Fachliteratur abgeleiteten Aufgabenbereiche und schließlich der gebildeten Cluster generiert wurden (siehe Online-Material Anwendungsbeispiele). Anschließend erfolgte die Befragung der acht Lehrkräfte zu den verschiedenen Anwendungsbeispielen. Eine Übersicht der demografischen Daten ist Tab. 1 zu entnehmen. Da sich die Anwendungsbeispiele überwiegend auf eine 7. Klasse konzentrieren, wurden für die Interviews vorzugsweise Lehrkräfte ausgewählt, die u. a. diese Zielgruppe unterrichten. Das Durchschnittsalter (M = 37,63 Jahre) orientiert sich an aktuellen Zahlen, denn laut einer Umfrage des Statistischen Bundesamts (2023)waren die meisten Lehrkräfte im Schuljahr 2022/23 zwischen 35 und 39 Jahre alt. Alle Befragten kannten ChatGPT bereits vor dem Interview, allerdings hatten fünf von ihnen noch keine Erfahrung mit ChatGPT gesammelt, während die anderen drei Befragten ChatGPT bereits privat eingesetzt haben. Die Beispielszenarien bezogen sich auf verschiedene Schulfächer und Aufgaben, wie sie in deutschen Schulen vorzufinden sind, daher wurde zusätzlich darauf geachtet, Lehrkräfte zu befragen, die die abgebildeten Schulfächer unterrichten. Es gab keine Unterschiede bei der Bewertung der Anwendungsbeispiele in Hinblick auf die Vorerfahrung der Lehrkräfte. Die Information hierzu ist, aufgrund der kleinen Stichprobe, rein informativ und wird daher in den weiteren Ergebnissen nicht weiter berücksichtigt.

Nicht alle Aufgaben sind für eine Unterstützung durch ChatGPT geeignet, das betrifft insbesondere die Beispiele 6, 11 (Sekundäraufgaben), 12 und 15 (Tertiäraufgaben) aus der Kategorie der Verlierer. Sie sind aufwendig in der Umsetzung mit ChatGPT und erfordern daher einen hohen Zeit- und Arbeitsaufwand.

In Bezug auf Beispiel 6 erwähnte unter anderem Lehrkraft 6, dass hinter sensiblen Themen, die das psychische Wohlbefinden der Schülerinnen und Schüler betreffen, immer viel mehr stecke, als dass ein Computer diese Fragen beantworten könne. „Und dass man da supervorsichtig sein sollte und nicht alles, was der [Computer] da angegeben hat […] umsetzen sollte, weil das viel zu kritisch sein könnte.“ Darüber hinaus wiesen die Lehrkräfte darauf hin, dass dieses Beispiel datenschutzrechtliche Risiken berge und immer individuell betrachtet werden müsse. Außerdem würden sie bei pädagogischen Aufgaben, wie z. B. der Arbeit mit herausforderndem Verhalten, eher auf Erfahrungswerte zurückgreifen und weniger LLMs nutzen.

Das Anwendungsbeispiel 11 wurde von den Lehrkräften als zu allgemein und offensichtlich gesehen. Der Handlungsbedarf setze viel früher an und würde tendenziell von einer Funktionsstelle oder der Berufsberatung übernommen. „das wird […] von einer Funktionsstelle mehr oder weniger […] der Berufsorientierung komplett abgedeckt. […] Aber natürlich kann es durchaus sinnvoll sein, gerade wenn es eben keine institutionalisierte Berufsorientierung an der Schule gibt“ (Interview 4).

Beispiel 12 wurde insgesamt am schlechtesten bewertet. Die Ausgabe zu diesem Beispiel sei laut der befragten Lehrkräfte sehr optimistisch gestaltet, da es viele rechtliche Probleme berge: Die Umsetzung der genannten Handlungspunkte würde sich in der Praxis als nicht realistisch erweisen, da u. a. das erforderliche, geschulte Personal dafür fehle und die Punkte aus dem Anwendungsbeispiel (z. B. Verfügbarkeit vielfältiger Lehr- und Lernmaterialen) zu oberflächlich und unspezifisch seien. So in Interview 1: „Optimistisch, dass man das in 10 kleinen Punkten hinkriegt. […], das können wir vergessen. […] hier geht es ja um Rechtssachen und darauf kann ich mich nicht verlassen.“ Darüber hinaus erwähnte Lehrkraft 2, dass es „unrealistisch [sei], alles umzusetzen […] was auf jeden Fall […] fehlt, ist [..] auch immer Personal, also wirklich die Leute zu haben. Aber es ist einfach ein generelles Problem.“

Beispiel 15 betrifft vor allem das erweiterte Arbeitsumfeld der Lehrkräfte und beinhaltet eine E‑Mail-Formulierung bei dem es um die Benotung eines Schülers/einer Schülerin geht. Die Besprechung der Note sei laut der Lehrkräfte etwas sehr Persönliches und müsse individueller formuliert werden, um besser auf die einzelnen Seiten eingehen zu können. So rät Lehrkraft 3 „eher dazu, den Telefonhörer wieder in die Hand zu nehmen“. Ergänzend heißt es in Interview 4 „Da geht […] zwischen Eltern und Lehrern […] eine ganze Menge Vertrauen flöten“ und weiter, wenn ein Brief nötig sei „dann möchte ich ihn auch selbst schreiben oder so formulieren, dass ich auf das Kind eingehe, auf die Eltern eingehe, vielleicht auch auf die Beschwerden eingehe.“

Die Beispiele 1, 5 (Primäraufgaben) und 10 (Tertiäraufgaben) der Kategorie Zeitfresser sind weniger komplex, erfordern aber ebenfalls einen hohen Zeitaufwand bei der Umsetzung mit ChatGPT und müssten laut der Lehrkräfte immer noch einmal überarbeitet werden.

In Beispiel 1 wird darauf hingewiesen: „Also ein pädagogischer, ein didaktischer Aspekt fehlt mir da […] total“ (Interview 4). Die Ausgaben müssten noch einmal komplett überarbeitet werden. Ähnlich verhält es sich mit Beispiel 5 „man kann nicht einfach sieben Punkte ausdrucken lassen und die dann wie so Schritte durchgehen und dann kommt man zum Ziel. Da braucht es halt einfach das pädagogische Fingerspitzengefühl“, so weiterhin in Interview 4. Dennoch waren sich die Lehrenden einig, dass gerade für Berufseinsteigende Listen, wie in Beispiel 5, eine gute Unterstützung liefern könnten.

Beispiel 10 betrifft, wie auch Beispiel 15, den Bereich der E‑Mail-Formulierungen zu verschiedenen schulischen Themen. Eine befragte Lehrkraft (Interview 3) äußerte Bedenken dabei, dass der von ChatGPT formulierte Brief für die Eltern unverständlich sein könnte. Die Verwendung von ChatGPT stelle daher in diesem Zusammenhang einen größeren Mehraufwand als Nutzen dar, da die E‑Mails überarbeitet werden müssten. Trotz alledem wurde das Beispiel für eine Unterstützung als hilfreich angesehen: „Die Grundidee: super. Ich arbeite an einer Schule, wo wir 27 Nationen unter einem Dach haben und wir ja auch ständig irgendwelche Übersetzer oder so haben“, heißt es (Interview 3).

Eine Herausforderung seien die Beispiele 2 und 3 (Primäraufgaben) der Kategorie Herausforderer: Diese hätten einen geringen Zeitaufwand in der Umsetzung mit ChatGPT, seien aber sehr komplex in der Eingabe. Daher müsse bei diesen Beispielen immer ein kontrollierender Blick auf Eingabe und Ausgabe geworfen werden. Auch hier sei eine individuelle Anpassung an die Schülerschaft notwendig. Wichtig sei vor allem auch eine spezifischere Eingabe, damit die Operatoren (benennen, beschreiben, erklären, etc.) bzw. die damit verbundenen vorgegebenen Anforderungsbereiche (I bis III) in der von ChatGPT ausgegebenen Antwort (in der entsprechenden Reihenfolge) berücksichtigt werden können. So wurde in Interview 1 in Bezug auf Beispiel 2 geäußert, dass ChatGPT vorab keine inhaltlichen Erwartungen an die einzelnen Aufgaben stelle und die Charakterisierung der Aufgaben bereits einen Anforderungsbereich darstelle. Außerdem entspreche das Beispiel nicht den curricularen Vorgaben und erfülle nicht die Parameter, die alle berücksichtigt werden müssten.

Ähnlich verhielt es sich mit Beispiel 3. Hier hieß es: „Also da muss noch ein bisschen was reingesteckt [werden], denn da geht es um die Inhalte“ (Interview 8) oder weiter „das sind auch sehr viele Themen, die überhaupt mit reingebracht werden [müssen], da müsste man dem Programm glaub ich noch sehr viel sagen, dass er das wirklich anders machen müsste“ (Interview 5).

Die Beispiele 4 (Primäraufgaben), 7, 8, 9 als Teil der Sekundäraufgaben, sowie 13, 14, 16 und 17, die den Tertiäraufgaben zugeordnet sind, sind der Kategorie der Gewinner zugeordnet. Diese haben einen geringen Aufwand bei geringer Komplexität und können somit als Arbeitsentlastung und -unterstützung gesehen werden.

So könne ein Lehrplan in Listenform (Beispiel 4) hilfreich sein, um das Material zu strukturieren. Lehrkraft 2 formulierte es so: „Es macht […] auf jeden Fall Sinn. Wir haben auf einmal […] viel Material, und das muss irgendwie korrigiert werden […] du musst gucken, was willst du am Ende erreichen und arbeitest […] dann von hinten nach vorne und überlegst [eine] sinnvolle Struktur“. Trotzdem muss beachtet werden, dass der aufgeführte Lehrplan nicht vollständig übernommen werden könne: „Also man hat immer ein Lehrbuch und jede Einheit hat bestimmte Kompetenzen. Die würden hier schon mal fehlen.“ (Lehrkraft 3). Im Großen und Ganzen hieß es aber: „ich könnte mir da ein bisschen was von nehmen […] auch die Methoden, Aktivitäten […] als Ideensammlung super“ (Lehrkraft 3).

Das Ausgeben von niedrigschwelligen Listen oder Ablaufplänen zur Nachbereitung (7) oder Beispiel 14 können insbesondere für Berufseinsteigende, Quereinsteigende oder Lehramtsstudierende z. B. während eines Praktikums oder Lehrkräfte, die nicht täglich mit (Check)-Listen arbeiten, als Unterstützung dienen. Allerdings sei die Ausgabe sehr umfangreich und könne daher „auch ein bisschen reizüberflutend“ sein, „man muss [die Ausgabe] schon reduzieren, wenn man das jede Stunde machen würde […]“, so Interview 5.

Beispiel 8 sei „hilfreich für jemanden, der kein Förderschullehrer ist […]“ oder bisher wenig Erfahrung mit Förderbedarfen hat. Außerdem könne der Inhalt hilfreich sein, „um eben das Wissen wieder aufzufrischen“ (Lehrkraft 7). Allerdings solle die Liste nicht ausschließlich verwendet werden. Lehrkraft 1 machte jedoch auf eines aufmerksam: „Hörgeschädigte [sollten] nicht in Gruppenarbeit zusammenarbeiten“. Trotzdem würde sie teilweise mit einer solchen Liste arbeiten, jedoch nur als „Minimalstandard“.

Das Anwendungsbeispiel 9 wurde durchweg am besten bewertet: Die Arbeitserleichterung läge insbesondere darin, dass klare Schwerpunkte gesetzt werden können und schnell ein Orientierungsrahmen generiert werden könne, ohne die Notwendigkeit, Informationen über verschiedene Suchmaschinen zusammenzutragen. Besonders wichtig sei es, pädagogische Prinzipien zu beachten und den Plan individuell an die Interessen und Bedarfe der Schülerinnen und Schüler anzupassen.

Kontroverser waren die Meinungen der Lehrkräfte, wenn es um die Auflistung von Maßnahmen zur Konfliktbearbeitung (Beispiel 16) geht. Es „zeigt einen den Überblick, was man so machen muss. Aber […] im Großen und Ganzen ist vieles, was da steht, auch intuitiv in einer Lehrkraft drin, also das sollte es zumindest“ (Interview 7).

Einen themenspezifischen Workshop mithilfe von ChatGPT zu erstellen, z. B. über die Plattform TikTok (Beispiel 13), wurde von den Lehrkräften überwiegend als hilfreich bewertet. Lehrkraft 8 sprach davon, dass die generierte Ausgabe einfach an einen Kollegen weitergegeben werden könne. Dieses würde dann ausgedruckt und umgesetzt werden. Weiter heißt es in Interview 3: „Ich muss mir nichts großartig überlegen, ich muss vielleicht eine PowerPoint [zu den vorgebenden Inhalten] erstellen“. Auch Arbeitsblätter zum Arbeits- und Gesundheitsschutz in Schulen (17) ließen sich mit ChatGPT schnell erstellen.

Basierend auf den Ergebnissen in Kap. 5 wird empfohlen, ChatGPT tendenziell für Anwendungsbeispiele einzusetzen, die der Kategorie „Gewinner“ zugeordnet sind, und eher Beispiele umzusetzen, die der Kategorie „Herausforderer“ und weniger der Kategorie „Zeitfresser“ zugeordnet sind. Für die Herausforderer ist der Zeitaufwand bei der Nutzung von ChatGPT sehr gering, sodass schnell neue Ideen präsentiert werden können. Der Einsatz von ChatGPT für die Aufgaben der Verlierer wird nicht empfohlen, da weder ein zeitlicher Mehrwert entsteht noch die Eingabe niederschwellig erfolgen kann.

Darüber hinaus lassen sich, basierend auf den Interviews, weitere Implikationen für die Lehrkräfte in ihrem Schulalltag ableiten, die in Abb. 4 zusammengefasst werden.

Es wird empfohlen, den Einsatz von ChatGPT individuell zu erproben, die Ergebnisse dann im Kollegium auszutauschen und schließlich den gemeinsamen Einsatz und die Diskussion mit den Schülerinnen und Schülern im Unterricht vorzunehmen. So heißt es in Interview 2, dass eine andere Lehrkraft das LLM bereits „versucht hat das mal einzubringen in ihrem Unterricht aber eher so, dass die Schülerinnen und Schüler das Ausprobieren und das mit ihren eigenen Texten vergleichen, […] dass sie eine Aufgabe bekommen, das Bearbeiten und dann […] die Schüler dafür zu sensibilisieren: Was kann dieses Programm? Was kann es nicht? Ist [es] sinnvoll und so weiter“.

Darüber hinaus ist der Wissensstand der Lehrkräfte über ChatGPT sehr unterschiedlich. Es bestehen zum Teil noch viele Unsicherheiten bei den Befragten, daher wird empfohlen, sich untereinander auszutauschen und voneinander zu lernen. Die gemeinsame Nutzung und Diskussion im Unterricht kann das Bewusstsein für ChatGPT bei Lehrenden und Lernenden stärken. Die kritische Auseinandersetzung mit dem LLM sollte frühzeitig erfolgen, damit die Lehrkräfte mit den Entwicklungen der Digitalisierung im Bildungsbereich und den Schülerinnen und Schülern mithalten können. Daher wird weiterhin empfohlen, dieses Thema in die Ausbildung zukünftiger Lehrkräfte zu integrieren. Qualifizierungsmaßnahmen für Studierende, Lehrende und pädagogisches Personal sollten angeboten werden, um über Chancen und Risiken aufzuklären und Hilfestellungen für den richtigen Einsatz zu geben, da mit dem Einsatz digitaler Innovationen auch neue Anforderungen an die Ausbildung des Personals einhergehen (Hüllmann et al. 2023).

Der Einsatz von ChatGPT sollte jedoch als Ergänzung gesehen werden, denn die Ergebnisse zeigen, dass es die Arbeit der Lehrenden nicht ersetzen kann, da die Kompetenzvermittlung eine Anpassung an die Lerngruppe und eine zwischenmenschliche Interaktion erfordert (siehe Kap. 5).

Bei der Prompt-Erstellung zeigte sich, dass ChatGPT nicht automatisch die Themen für spezifische Klassenstufen oder Bildungsformen filtern kann. Ein Beispiel ist die anfängliche Empfehlung, das Buch „Faust“ als Klassenarbeit für die 7. Klasse im Fach Deutsch zu verwenden, obwohl dies den curricularen Vorgaben von Niedersachsen (2016) für die gymnasiale Oberstufe entspricht. Kontextinformationen werden in dem Zusammenhang bisher unzureichend berücksichtigt und Hinweise darüber fehlen. Zudem können logische Fehler bei der Zuordnung von Schülergruppen (leistungsstarke vs. leistungsschwache) wie in Beispiel 1 auftreten. ChatGPT sollte nach Einschätzung der Lehrkräfte nicht in allen Bereichen eingesetzt werden – insbesondere bei schwerwiegenden Themen im psychologischen Bereich sollte auf professionelle Hilfe (z. B. Schulpsychologen) zurückgegriffen werden. Dies ergibt sich aus den Aussagen der befragten Lehrkräfte, die darauf hinweisen, dass Lehrkräfte möglicherweise an ihre Grenzen stoßen können.

Wie alle Studien hat auch diese ihre Limitationen. Kritisch zu betrachten ist zum einen, dass die Anwendungsbeispiele im Vorfeld von der Forschungsgruppe auf Basis von Literaturrecherchen entwickelt und den Lehrkräften präsentiert wurden. Die Eingabe eines umfangreichen, korrekten Prompts erfordert nicht nur technisches Know-How in Bezug auf LLMs, sondern auch ein umfassendes Verständnis für den Berufsalltag der Lehrkräfte, das über die Literaturrecherche hinausgeht. Dies wurde durch die Einbeziehung von Didaktikern und Didaktikerinnen aus dem Forschendenteam versucht abzudecken. Zum anderen sollte in Zukunft auf eine repräsentativere Zusammensetzung der befragten Lehrkräfte geachtet werden, sodass Lehrkräfte verschiedener Schulformen gleichermaßen abgebildet werden. Darüber hinaus wurden quantitative Fragen in den Leitfragebogen der Interviews aufgenommen – hier ist es in Bezug auf allgemeingültige Aussagen für weitere Forschungsarbeiten empfehlenswert, die Stichprobengröße zu erhöhen. Der Umfang der Anwendungsbeispiele ergibt sich aus den Aufgabenclustern, die von den Forschenden aus den Aufgabenbereichen zusammengefasst wurden. Um ein noch umfassenderes Ergebnis zu erzielen, sollte diese Zusammenfassung in zukünftigen Arbeiten weiterentwickelt werden. Darüber hinaus wurde nicht explizit untersucht, ob bei den Lehrkräften eventuell generelle Unsicherheiten gegenüber neuen Technologien, bzw. explizit gegenüber ChatGPT, bestehen. Gerade unter dem Aspekt, dass mit dem Einsatz von LLMs Veränderungen im Bildungssektor einhergehen können und eine Reaktanz bei den Lehrkräften nicht auszuschließen ist, sollten potenzielle Störfaktoren ausgeschlossen werden.

Es wird festgehalten, dass das LLM ChatGPT zwar über ein breites Wissensspektrum verfügt, aber den menschlichen Aspekt des Lehrens und Lernens nicht vollständig ersetzen kann – insbesondere, wenn man bedenkt, dass die in unserer Studie verwendete Version nur eine Datenbasis bis 2021 hat. Dennoch werden ChatGPT und andere LLMs in Zukunft eine immer wichtigere Rolle im Bildungsbereich spielen. Gerade im Zuge der stetigen Weiterentwicklung ist zu erwarten, dass diese immer besser werden und in naher Zukunft zusätzliche Funktionen zur Verfügung stehen werden. Zum Zeitpunkt der Erstellung dieser Studie ist bereits die Generierung von Bildern mit ChatGPT möglich. Unter Berücksichtigung dieser Updates sind die Ergebnisse nur bis zum jetzigen Zeitpunkt gültig, sodass aufgrund der Dynamik das Thema weiter erforscht werden muss. Darüber hinaus liefern LLMs einen Mehrwert hinsichtlich Strukturierung, Gliederung, frühe Phasen der Texterstellung, aber: Der Einsatz von ChatGPT verleitet zur Trivialisierung von Lehr- und Lernformaten. Dies muss auch bei der (digitalen) Vorbereitung von (digitalgestütztem) Unterricht berücksichtigt werden. Somit ist die frühzeitige Auseinandersetzung von Lehrkräften und angehenden Lehrkräften mit derartigen LLM- und KI-Funktionen von entscheidender Bedeutung, um den Anschluss an die Technologie und Digitalisierung in der deutschen Bildungslandschaft nicht zu verpassen, denn, wie sich auch in dieser Studie gezeigt hat: Die Lehrkräfte sind neugierig auf die Arbeit mit ChatGPT, wissen aber noch zu wenig, ob und wie sie das LLM in ihren Unterricht integrieren können. Weitere Forschung sollte mögliche Wissenslücken im Bildungsbereich aufdecken, um diese schnellstmöglich zu schließen. Darüber hinaus sollte erforscht werden, inwieweit generative KI die Erstellung von Bildern für den Unterrichtsalltag unterstützen kann. Zudem sollte in zukünftigen Arbeiten unbedingt die Reaktanz bzw. Unsicherheit gegenüber neuen Technologien berücksichtigt werden, um weitere potenzielle Störfaktoren ausschließen zu können. Die Studie betrachtet die Seite der Lehrenden, eine weitere Betrachtung der Perspektive der Lernenden wäre ebenfalls interessant und sollte in weiteren Arbeiten untersucht werden.