RAKETE - das Prompting Framework für die Schule

felixurban1990
29. Dez. 2025
2 Min. Lesezeit

Der produktive Umgang mit Künstlicher Intelligenz zählt laut der Ständigen Wissenschaftlichen Kommission der Kultusministerkonferenz (SWK) zu den zentralen Zukunftskompetenzen. In ihrem aktuellen Impulspapier (SWK, 2024) fordert die Kommission, dass Schülerinnen und Schüler lernen müssen, KI als „Denkwerkzeug“ zielgerichtet in einer „versierten Koaktivität“ zu nutzen.

Ein Baustein, um diese komplexe Anforderung im schulischen Alltag pragmatisch umzusetzen kann das RAKETE-Framework sein – ein Werkzeug, das speziell dafür entwickelt wurde, diese geforderte KI-Kompetenz im Klassenzimmer greifbar zu machen. Es operationalisiert komplexe Prompt-Engineering-Konzepte und ist das erste Framework im deutschsprachigen Raum, das explizit visuell und didaktisch für die Schule gestaltet wurde.

RAKETE in der Praxis

Damit dieser Ansatz nicht graue Theorie bleibt, erhalten Sie in diesem Artikel nicht nur das methodische Rüstzeug, sondern auch sofort einsetzbare, schülerfreundliche Materialien sowie Zugang zum interaktiven Prompting-Bot. Dieser didaktische Kniff ermöglicht ein „Learning by Doing“: Schüler benötigen keine isolierten Vorkenntnisse, sondern erwerben die Kompetenz der „versierten Koaktivität“ intuitiv im Dialog mit dem Bot.

Deswegen ist er im Netzwerk der didaktischen KI-Agenten an unserer Schule der Ausgangspunkt für die Interaktion zwischen Schüler und KI. Der Bot verbessert den Prompt mit dem Schüler zusammen und fügt anschließend die jeweils passenden KI-Agenten in den Chat hinzu, um ihn bestmöglich auszuführen. Wir haben dazu für die meisten schulisch relevanten Anwendungskontexte bereits didaktische Agents mit unterschiedlichen Kompetenzen entwickelt, die auf diverse KI-Modelle und -Anwendungen zugreifen.

Der RAKETE-Bot im Einsatz an unserer Schule

Wissenschaftliche Fundierung

Das Fundament des Frameworks bildet dabei die Wissenschaft: Jeder Buchstabe des Akronyms R-A-K-E-T-E steht für eine Variable, deren positiver Einfluss auf die Ausgabequalität von Sprachmodellen in aktuellen Studien (u. a. Kong et al., 2024; Madaan et al., 2023) belegt wurde. Durch Elemente wie Kontextsetzung, Few-Shot-Prompting (Exempel) und schrittweiser Herleitung (Erklärung) übersetzt das Framework technische Best-Practices in eine schulgerechte Handlungsanweisung, die sofort zu besseren Ergebnissen führt.

Das komplette Material und den Link zum interaktiven Bot kannst du hier herunterladen:

Solltest du keine weiteren Inhalte zum Thema KI in der Schule verpassen wollen, freue ich mich über ein Abonnement meines Newsletters!

Kommentare