Für eine 45-minütige Geschichtsstunde zum Vichy-Regime schreibe ich heute mitunter nur noch: "Stbl+ und G+: Klasse 10, problemorientiert, Vorschlag für eine authentische Schlüsselquelle, urteilsorientierte Sicherung." Das ist ein sehr kurzer Prompt. Dahinter steht jedoch eine lange Vorgeschichte.
ChatGPT kennt in diesem Fall den fachlichen und didaktischen Rahmen des Projekts. Es findet dort meine Projektanweisungen, den Bildungsplan, Operatoren, fachliche Grundsätze, bereits verwendete Stundenblätter und Materialien aus meinem eigenen Fundus. Es weiß, was "Stbl+" in meiner Arbeitsweise bedeutet: kein ausufernder Referendariatsentwurf, sondern ein kompaktes Lehrer-Stundenblatt mit Zeiten, Phasen, Impulsen, möglichen Schülerantworten, Lösungen und Vorschläge für die Ergebnissicherung. Der kurze Befehl ersetzt also keinen Planungsprozess. Er ruft einen zuvor geordneten Prozess auf und erzeugt eine Vorlage, die von mir überprüft und verbessert wird.
Genau darin liegt der Nutzen von Workflows und Skills. Sie machen aus einem wiederkehrenden Gespräch mit ChatGPT eine belastbare Arbeitsroutine. Zugleich entsteht ein neues Risiko: Je reibungsloser das System arbeitet, desto leichter wirkt sein Ergebnis verlässlicher, als es ist.
Der Projektraum kommt vor dem Skill
Die Grundlage meiner Unterrichtsvorbereitung ist nicht der einzelne Prompt, sondern der kuratierte Projektraum. Für ein Fach, eine Klasse oder eine längere Unterrichtsreihe richte ich ein eigenes Projekt ein. Dort bündele ich die Informationen, die über mehrere Gespräche hinweg gelten sollen. Die offizielle Dokumentation von OpenAI beschreibt Projekte als gemeinsame Umgebung für Chats, Dateien, Quellen und Projektanweisungen. Das entspricht meiner Praxis, entscheidet aber noch nicht über die Qualität des Inhalts.
Ein Projektraum ist nur so gut wie seine Auswahl. Ich stelle dort nicht wahllos Arbeitsblätter, Internetfunde und alte Entwürfe ein. Vorrang haben Materialien, die ich selbst entwickelt, im Unterricht verwendet und später überarbeitet habe. Viele davon entstanden lange vor generativer KI. Sie enthalten Erfahrungen, die ein allgemeines Sprachmodell nur schwerlich kennen kann: Welche Quelle trägt eine Stunde? Welche Erklärung war zu abstrakt? Wo fehlte eine Zwischensicherung? Welche Aufgabe brachte Schüler tatsächlich zum Sprechen?
Hinzu kommen Projektanweisungen. Sie halten fest, welche fachlichen Prinzipien gelten, wie Ergebnisse aufgebaut sein sollen und was ausgeschlossen bleibt. Im Geschichtsunterricht gehören dazu Problemorientierung, Quellenkritik, Kontextualisierung und Urteilsbildung. Im Französischunterricht zählen das sprachliche Niveau, ein kommunikatives Handlungsziel, eine erkennbare Progression und realistische Sprechanteile.
In diesem Modell bleibt die KI hinter den Kulissen. Ich nutze sie ausschließlich für die Unterrichtsvorbereitung, nicht als Autorität oder handelndes System im Unterricht.
Datenschutz und Urheberrecht bilden dabei keine Fußnote. Der Projektraum enthält keine Namen, Noten, Diagnosen oder individuellen Förderprofile. Auch ohne Namen können Merkmalskombinationen einen Personenbezug herstellen. Deshalb beschreibe ich Lerngruppen nur abstrakt und nur so weit, wie es die Planung wirklich verändert. Ebenso lade ich keine Materialsammlung hoch, nur weil sie im Unterricht verwendet werden darf. Die Nutzung geschützter Werke für Unterricht und Lehre ist rechtlich geregelt, etwa in § 60a UrhG; daraus folgt aber keine pauschale Erlaubnis, beliebige Verlagsmaterialien in externe Systeme einzustellen. Rechte, Lizenzen und schulische Vorgaben müssen vorab geklärt sein.
Projekt, Workflow, Skill, Work - vier verschiedene Dinge
In der Praxis werden diese Begriffe leicht vermischt. Sie bezeichnen jedoch unterschiedliche Ebenen.
Ein Projekt hält den fachlichen Kontext zusammen. Es enthält die Quellen, Dateien und Anweisungen, die für mehrere Aufgaben gelten.
Ein Workflow beschreibt den Arbeitsweg. Mein Workflow "Stbl+" legt beispielsweise fest, welche Schritte zu einem Lehrer-Regieblatt führen und welche Bestandteile das Ergebnis enthalten muss. Ein Workflow ist zunächst eine fachliche Konstruktion. Er kann in einer Projektanweisung, einem Handbuch oder schlicht in einer gut erprobten Routine stehen.
Ein Skill macht eine solche Routine wiederverwendbar. Nach der OpenAI-Dokumentation zu Skills kann ein Skill Anweisungen, Vorlagen, Beispiele und weitere Ressourcen bündeln. ChatGPT kann ihn bei einer passenden Aufgabe auswählen; der Nutzer kann ihn auch ausdrücklich aufrufen. Ein Skill ist damit weder eine neue Fachkompetenz noch eine Garantie für richtige Ergebnisse. Er ist eine verpackte Arbeitsweise.
ChatGPT Work ist schließlich eine Arbeitsumgebung für umfangreichere Aufträge. OpenAI empfiehlt Work für Aufgaben, die mehrere Quellen, Werkzeuge oder Schritte verbinden und ein überprüfbares Endprodukt erzeugen. Das kann ein Unterrichtspaket mit Regieblatt, Materialseite und Infografik sein. Für die schnelle Änderung eines Arbeitsauftrags genügt dagegen meist ein normaler Chat. Wer jede Kleinigkeit an Work delegiert, macht die Vorbereitung nicht klüger, sondern schwerfälliger.
Daneben gibt es Plugins und verbundene Werkzeuge. Sie werden erst dann relevant, wenn ein Arbeitsgang auf externe Dateien, Dienste oder Aktionen zugreifen soll. Für ein gutes Stundenblatt braucht man nicht automatisch ein Plugin. Die wichtigste Verbindung bleibt oft die unspektakulärste: ein klarer Auftrag trifft auf einen gepflegten Projektraum.
WATS als persönliche Hintergrundarchitektur
Meine Workflows sind in WATS geordnet. WATS ist keine Funktion von ChatGPT, sondern der Name meiner projektübergreifenden Workflow-Architektur. Ein Masterregister erkennt Plus-Kürzel und leitet den Auftrag an die passende Fachroutine weiter. "G+" steht für Geschichte, "F+" für Französisch, "Stbl+" für das Lehrer-Regieblatt, "PPI+" für eine informationsreiche Grafik und "Stil+" für die Schlussredaktion eines journalistischen Textes.
Die Reihenfolge ist entscheidend: Der aktuelle Auftrag hat Vorrang. Danach folgen die Anweisungen des konkreten Projekts, die Regeln des jeweiligen Skills und erst am Ende allgemeine Standards. Das verhindert, dass eine globale Gewohnheit die besonderen Bedürfnisse einer Klasse oder eines Themas überfährt.
WATS ist damit eine Art Dispatcher. Es entscheidet nicht, was historisch wahr oder pädagogisch sinnvoll ist. Es sorgt dafür, dass ein kurzer Aktivierungsbefehl den richtigen Arbeitsgang aufruft. Aus "Stbl+ + G+" wird kein Zauberspruch, sondern eine Abkürzung zu bereits getroffenen methodischen Entscheidungen.
Diese Architektur hat einen handfesten Vorteil. Beim Diktieren muss ich nicht jedes Mal einen Romanprompt sprechen. Ich nenne Thema, Klasse, Zeit, Ziel, Material und Besonderheiten. Wiederkehrende Anforderungen liegen bereits im System. Das verringert nicht nur den Schreibaufwand. Es reduziert auch zufällige Auslassungen. Lösungen stehen dann nicht einmal im Anhang und beim nächsten Mal gar nicht, sondern konsequent an der Stelle, an der ich sie im Unterricht brauche.
Der Fundus wird nicht ersetzt, sondern neu befragt
Die Vorstellung, Lehrkräfte müssten mit KI jede Stunde neu erzeugen, geht an der Unterrichtspraxis vorbei. Wer ein Fach seit vielen Jahren unterrichtet, besitzt Reihen, Quellen, Arbeitsblätter, Tafelbilder und erprobte Aufgaben. Die eigentliche Frage lautet nicht: Was kann ChatGPT an deren Stelle produzieren? Sie lautet: Was lässt sich mit dem vorhandenen Material heute besser machen?
Ich nutze KI deshalb vor allem als Prüferin und Variantenbildnerin. Sie kann einen alten Stundenverlauf auf seine Stringenz untersuchen, Übergänge sichtbar machen, eine problemorientierte Leitfrage schärfen oder Alternativen für eine Sicherung entwerfen. Sie kann prüfen, ob ein Arbeitsauftrag wirklich zu dem erwarteten Ergebnis führt. Im Französischunterricht kann sie eine Aufgabe auf B1-Niveau sprachlich entlasten, ohne das kommunikative Ziel zu verlieren. In Geschichte kann sie mögliche Schülerantworten und Fehlvorstellungen antizipieren.
Das ist mehr als Kosmetik. Ein gewachsener Fundus enthält nicht nur Qualität, sondern auch Gewohnheiten. Manches Material hat sich erhalten, weil es vorhanden war, nicht weil es noch die beste Lösung bietet. KI kann solche Routinen produktiv irritieren. Voraussetzung ist allerdings, dass ich ihr nicht nur sage: "Verbessere das." Ich muss benennen, woran die Verbesserung zu messen ist - etwa an Problemorientierung, Lernprogression, sprachlicher Aktivierung, Zeitökonomie oder der Qualität der Ergebnissicherung.
Der Anspruch, KI-gestützte Materialien müssten hochwertiger sein als eine rasch selbst erstellte Fassung, ist deshalb ein sinnvolles Freigabekriterium. Er ist keine Produkteigenschaft. Wenn ChatGPT lediglich schneller Durchschnitt produziert, hat der Einsatz seinen Zweck verfehlt.
Zwei Beispiele aus der Praxis
Im Geschichtsunterricht könnte ein knapper Auftrag lauten: "Stbl+ + G+: 45 Minuten, Klasse 10, Vichy-Regime, Problemfrage zur Handlungsmacht Pétains, Vorschlag für eine authentische Schlüsselquelle, abschließendes Sachurteil." Der Workflow erstellt daraus einen chronologischen Vorschlag. Er kann einen Einstieg, Lehrerimpulse, Arbeitsphasen, erwartbare Antworten und eine Sicherung ordnen.
Die Auswahl und Edition der vorgeschlagenen Quellen selbst bleibt jedoch meine Sache. Ich prüfe Autor, Datum, Adressat, Überlieferung, Kontext und Fundstelle. ChatGPT darf eine historische Quelle weder erfinden noch sprachlich glätten und anschließend als Original ausgeben. In meiner Arbeit werden Quellentexte nicht stillschweigend adaptiert. Auch historische Fotografien werden auf Provenienz, Datierung und Aussagewert geprüft. Das Sprachmodell kann die Heuristik unterstützen. Es kann sie nicht verantworten.
Im Französischunterricht sieht der Auftrag anders aus: "Stbl+, F+: Klasse 9, B1, 45 Minuten, Subjonctif, kommunikatives Ziel: begründet Ratschläge geben; Lerngruppe mündlich sicherer als schriftlich." Der Skill kennt nun die gewünschte Form des Regieblatts. Er kann eine kommunikative Situation, sprachliche Hilfen, gestufte Aufgaben und erwartbare Äußerungen entwickeln. Er kann außerdem prüfen, ob die Grammatik tatsächlich dem Sprechziel dient oder nur als Übungsstoff nebenherläuft.
Auch hier entscheidet die Lehrkraft. Ein formal korrektes B1-Arbeitsblatt kann für eine konkrete Gruppe zu dicht, zu künstlich oder schlicht langweilig sein. Lernerpassung entsteht nicht durch ein Etikett, sondern durch genaue Kenntnis der Klasse. Dabei werden aber keine Daten, die auf konkrete Schüler oder eine konkrete Klasse schliessen lassen, übergeben. Die Lerngruppe könnte so an vielen Schulen existieren.
Wann Work einen Mehrwert bietet
ChatGPT Work wird interessant, wenn aus einer einzelnen Frage ein vollständiges, mehrstufiges Produkt werden soll. Ein Auftrag kann dann mehrere Projektquellen auswerten, den Entwurf erstellen, daraus getrennte Dateien erzeugen und die Ergebnisse gegeneinander prüfen. Die offizielle Einführung zu ChatGPT Work nennt genau solche Aufgaben: mehrere Quellen und Schritte, fertige Dateien und Ergebnisse, die der Nutzer anschließend kontrolliert und weiterverwendet.
Für meine Unterrichtsvorbereitung heißt das zum Beispiel: Work prüft zunächst die Projektanweisungen und den Materialfundus, entwirft dann ein Regieblatt, entwickelt eine passende Materialseite und erzeugt eine Infografik. Am Ende soll es kontrollieren, ob Leitfrage, Aufgaben, Erwartungshorizont und Sicherung tatsächlich zusammenpassen. Der Auftrag definiert auch den Haltepunkt: Nichts wird veröffentlicht oder an Schüler verteilt, bevor ich es geprüft habe.
Der Nutzen liegt weniger in einer angeblich autonomen Maschine als in der Entlastung bei zusammenhängenden Arbeitsschritten. Ich muss nicht jeden Zwischenschritt einzeln anstoßen und Dateien von Hand zusammenführen. Dafür muss der Auftrag klarer begrenzt sein. Die OpenAI-Hinweise zum Prompting für Work empfehlen, Ergebnis, Quellen, Zielgruppe, Format, Grenzen und Prüfschritte zu benennen. Ein Skill kann einen großen Teil dieser Angaben dauerhaft bereitstellen.
Die Standardisierung hat einen Preis
Skills erhöhen die Konsistenz. Das ist ihr größter Vorteil - und ihre gefährlichste Nebenwirkung. Ein fehlerhafter Workflow produziert nicht gelegentlich, sondern verlässlich Fehler. Eine zu starre Regel kann jede Stunde in dasselbe Muster pressen. Ein überladener Skill kann so viele Vorgaben enthalten, dass ChatGPT Prioritäten verliert oder Widersprüche nur noch oberflächlich ausgleicht.
Auch WATS kann zur Selbstbürokratisierung neigen. Kürzel sparen Zeit, solange ihre Bedeutung klar bleibt. Werden es zu viele, muss man das System häufiger verwalten, als man mit ihm arbeitet. Deshalb brauchen Workflows eine regelmäßige Revision. Überflüssige Module gehören gestrichen, Überschneidungen zusammengeführt, alte Projektquellen entfernt. Ein guter Skill ist eng genug, um zuverlässig zu arbeiten, und offen genug, um auf ein neues Thema zu reagieren. Ein via Site errichtetes Dashboard erleichtert mir die Übersicht über meine Workflows, Skills und Tasks.
Zu beachten gilt es auch deb bekannten Automationseffekt: Ein sauber formatiertes Regieblatt wirkt geprüft, obwohl es nur gut gesetzt ist. Zeitangaben können unrealistisch sein. Erwartete Schülerantworten können die Offenheit eines Gesprächs unterschätzen. Eine elegante Problemfrage kann historisch schief liegen. Deshalb muss die Endkontrolle nicht nur Rechtschreibung und Layout erfassen. Sie prüft Fakten, Quellen, Kausalität, Lernziel, Zeit, Niveau und die Rolle jedes Materials.
In der Praxis ist aber auch das so erstellte und danach persönlich überprüfte Stundenblatt nur der Orientierungsrahmen für die Stunde. Es wird nie sklavisch abgearbeitet. Jede Stunde hat ihre eigene Dynamik und ihren eigenen Verlauf. Die Regie liegt am Ende nicht beim Blatt, nicht bei der KI, sondern bei den Menschen im Klassenraum und erwächst aus der Interaktion der Lehrkraft mit der Lerngruppe.
Ein vernünftiger Einstieg für Lehrkräfte
Wer dieses System ausprobieren will, braucht zunächst keine eigene Architektur mit Dutzenden Kürzeln. Ein enger, häufig wiederkehrender Anwendungsfall genügt.
Ein Projekt für ein Fach, eine Klasse oder eine Unterrichtsreihe anlegen.
Nur eigene, rechtlich zulässige und fachlich geprüfte Materialien einstellen.
In den Projektanweisungen Zielgruppe, fachliche Prinzipien, Ausgabeformat und Ausschlüsse festhalten.
Einen wiederkehrenden Workflow beschreiben, etwa für ein kompaktes Stundenblatt.
Den Ablauf mit mehreren deutlich verschiedenen Themen in einem normalen Chat testen.
Erst einen stabilen Workflow als fokussierten Skill speichern.
ChatGPT Work nur dann einsetzen, wenn mehrere Quellen, Schritte oder fertige Dateien zusammengehören.
Jedes Ergebnis mit einem festen Freigabegate prüfen: fachlich, didaktisch, rechtlich, sprachlich und zeitlich.
Am Anfang steht am besten ein bereits gelungenes eigenes Stundenblatt. Es zeigt genauer als jede abstrakte Wunschliste, was das Ergebnis leisten soll. Danach lohnt ein Gegenbeispiel: ein Entwurf, der formal ordentlich aussieht, im Unterricht aber nicht funktioniert hat. Aus der Differenz entstehen die Regeln, die ein Skill wirklich braucht.
Meine Bewertung ist deshalb klar, aber begrenzt. Skills und Workflows erleichtern das Prompten erheblich. Sie machen Ergebnisse konsistenter und verwandeln berufliche Erfahrung in überprüfbare Routinen. ChatGPT Work kann daraus zusammenhängende, kontrollierbare Arbeitspakete erstellen. Nichts davon erzeugt automatisch guten Unterricht. Der Gewinn entsteht erst, wenn ein fachlich versierter Lehrer das System mit guten Materialien, klaren Kriterien und der Bereitschaft zum Verwerfen führt.
Die beste Automatisierung der Unterrichtsvorbereitung schafft mehr Zeit für den Teil des Unterrichts, der sich nicht automatisieren lässt. Und dieser Unterricht ist bei mir bewusst analog und verzichtet auf den Einsatz von KI im Unterrichtsgeschehen. Digitale Endgeräte sind nur auf der Kursstufe und hier nur als reine Notizgeräte und nur in Phasen der Sicherung zugelassen. Der Unterricht setzt auf den bewährten Mix aus sokratischem Gespräch, kurzen Lehrer-Inputs, Partnerarbeit, Kleingruppen-Arbeit, oft auf die Methode Think, Pair and Share und immer wieder auch auf Rollenspiele, Perspektivenwechsel und Simulationen. Schule und Unterricht sind wertvolle und durch den staatlichen Schulzwang bewirkte Kommunikationsräume mit physischer Präsenz aller Beteiligten, wertvolle Trainingsräume für direkte humane Interaktion ohne Handy und jenseits von Social Media. Sie sind ein notwendiger Gegenentwurf zur hyperdigitalisierten sonstigen Lebenswelt, in der wir und damit auch der junge Mensch lebt. Natürlich werden Schüler durch Medienbildung schulisch auch für diese Welt vorbereitet. Das bedeutet aber nicht, dass mein Unterricht nach den Prinzipien dieser Welt funktionieren muss. Es muss ein Ort geben, wo auch die Generation von morgen noch lernt, selbständig zu denken, eine begründete Meinung zu entwickeln und sich mit Menschen, die anders denken, auszutauschen.
Quellen und Literatur
Bundesministerium der Justiz/Bundesamt für Justiz (2026): Gesetz über Urheberrecht und verwandte Schutzrechte, § 60a - Unterricht und Lehre. Geltende Fassung, abgerufen am 9. August 2026.
Ministerium für Kultus, Jugend und Sport Baden-Württemberg (2026): Datenschutz an Schulen. Informationsangebot, abgerufen am 9. August 2026.
OpenAI (2026): Get started with ChatGPT Work. ChatGPT Learn, abgerufen am 9. August 2026.
OpenAI (2026): Projects and chats. ChatGPT Learn, abgerufen am 9. August 2026.
OpenAI (2026): Prompting. ChatGPT Learn, abgerufen am 9. August 2026.
OpenAI (2026): Skills & Plugins. ChatGPT Learn, abgerufen am 9. August 2026.
Autor und redaktionell verantwortlich: Volker Wacker
