HHN
Prof. Dr. Hannes Helmut Nepper Professur Technik & ihre Didaktik · PH Schwäbisch Gmünd
CreatorLab Live
🎓 Technikdidaktik · Making · STEAM

Technische Welt verstehen,
deuten
und mitgestalten

Lernendenzentrierte, kontextualisierte Vermittlung technischer Artefakte, Systeme und Prozesse – verankert in empirischer Unterrichtsforschung und konstruktionistischer Didaktik.

MakingCreatorLab
THISTransfer Hub
3rdMission
🟣 CreatorLab · Twitch Livestream
twitch.tv/creatorlab_edu
Stream starten
maker_anna: 3D-Druck läuft! 🔥 tech_luca: Wie kalibriert ihr das Laserbett? phsg_student: Super Tutorial!
Prof. Dr.
Hannes Helmut Nepper
Inhaber der Professur für Technik und ihre Didaktik
Pädagogische Hochschule Schwäbisch Gmünd
🏛️
Institution
🔬
Forschungsfeld
Technikdidaktik · Maker Education · Lernendenvorstellungen · Lehrkräftebildung · Empirische Bildungsforschung
🎯
Methodik
Empirisch-qualitative Unterrichtsforschung · Empirisch-quantitative Methoden · Design-Based Research
📰
Herausgeber
Zeitschrift technik·education (tedu) Fachzeitschrift für Unterrichtspraxis und Unterrichtsforschung im allgemeinbildenden Technikunterricht

Technikdidaktik als eigenständige wissenschaftliche Disziplin

In meiner Forschung und Lehre befasse ich mich mit der lernendenzentrierten, kontextualisierten Vermittlung technischer Artefakte, Systeme und Prozesse. Mich interessiert vor allem die Frage, wie Lernende technische Welt verstehen, deuten und mitgestalten – und wie Unterricht diese Auseinandersetzung produktiv anleiten kann.

Meine Arbeit ist empirisch verankert und verbindet Unterrichtsentwicklung, Lehrkräftebildung und Bildungsforschung zu einem kohärenten Forschungsprogramm, das Technikdidaktik als eigenständige wissenschaftliche Disziplin stärkt.

🏗️
Maker Education → mehr
Konstruktionistisches Lernen durch Gestaltung physisch-digitaler Artefakte im schulischen und außerschulischen Kontext.
🧠
Lernendenvorstellungen → mehr
Erhebung und didaktische Nutzung von Präkonzepten und naiven Theorien Lernender über technische Artefakte, Systeme und Prozesse.
🧑‍🎓
Lehrkräftebildung → mehr
Entwicklung professioneller Handlungskompetenzen für Techniklehrkräfte in hybriden Lehr-Lernumgebungen.
🔭
Empirische Unterrichtsforschung → mehr
Qualitative und designbasierte Forschungsmethoden zur Analyse technikdidaktischer Lernprozesse.
👨‍🏫
Prof. Dr. Hannes Helmut Nepper
Professor · Inhaber der Professur
👩‍🔬
Dr.in Friederike Wolf
Akademische Rätin
👩‍💻
Nicole Angelmaier
Wissenschaftliche Mitarbeiterin
🔧
Dieter Bühler
Technischer Mitarbeiter
👩‍🎓
Nicole Hecher
Externe Doktorandin
👩‍💻
Katharina Hadlauer
Wissenschaftliche Mitarbeiterin
👩‍💻
Veronika Higelin
Wissenschaftliche Mitarbeiterin
👨‍💻
Till Lohse
Akademischer Mitarbeiter
👨‍💻
Damir Meta
Wissenschaftlicher Mitarbeiter
👨‍💻
Jochen Pfeifer
Akademischer Mitarbeiter
👨‍🏫
Dr. Armin Ruch
Lehrbeauftragter
👨‍🏫
Arian Eßwein
Lehrbeauftragter
👨‍🏫
Florian Wengert
Lehrbeauftragter

Techniklehrer*in werden

Die Pädagogische Hochschule Schwäbisch Gmünd bietet zwei Wege in den Techniklehrerberuf: im naturwissenschaftlich-technischen Sachunterricht der Grundschule sowie im Technikunterricht der Sekundarstufe I. Beide Studiengänge verbinden fachwissenschaftliche Grundlagen mit einer praxisorientierten, forschungsbasierten Didaktikausbildung – und werden durch das CreatorLab als hybridem Lehr-Lernlabor unmittelbar erfahrbar.

B.Ed.
+ M.Ed. konsekutiv –
zwei Abschlüsse, ein Weg
2
Studiengänge –
Primar- & Sekundarstufe
PH
Schwäbisch Gmünd –
Baden-Württemberg
🏫
Primarstufe · Grundschule
Naturwissenschaftlich-technischer Sachunterricht
Lehramt Grundschule · B.Ed. + M.Ed. · Fach Sachunterricht

Im Lehramtsstudium Grundschule wird Technik als Bestandteil des naturwissenschaftlich-technischen Sachunterrichts studiert. Ziel ist es, Kinder in der Grundschule zu befähigen, technische Phänomene und Artefakte aus ihrer Lebenswelt zu verstehen, zu erproben und zu reflektieren – im Sinne einer frühen technischen Grundbildung und anschlussfähiger STEAM-Orientierung.

Fachdidaktik Sachunterricht mit technikdidaktischem Schwerpunkt: Konzepte technischer Bildung im Primarbereich, Lernendenvorstellungen, handlungsorientierte Unterrichtsgestaltung
Fachwissenschaftliche Grundlagen: Technik, Naturwissenschaften und ihre didaktische Verschränkung – von einfachen Maschinen bis zur Digitaltechnik
Making & CreatorLab: Praxismodule im hybriden Makerspace – 3D-Druck, Elektronikprototyping, Konstruieren als genuine Lernform
Schulpraktika: Unterrichtserprobung in kooperierenden Grundschulen der Region – von der Planung über die Durchführung bis zur Reflexion
🎓 B.Ed. · Lehramt Grundschule
🎓 M.Ed. · konsekutiver Master of Education
🏭
Sekundarstufe I · Klassen 5–10
Technikunterricht
Lehramt Sekundarstufe I · B.Ed. + M.Ed. · Fach Technik

Das Fach Technik in der Sekundarstufe I ist in Baden-Württemberg ein eigenständiges Unterrichtsfach. Das Studium an der PH Schwäbisch Gmünd qualifiziert für das Unterrichten in den fünf technikdidaktischen Problem- und Handlungsfeldern: Arbeit & Produktion, Bauen & Wohnen, Transport & Verkehr, Versorgung & Entsorgung sowie Information & Kommunikation – verankert im Bildungsplan BW.

Technikdidaktik: Unterrichtsplanung, -durchführung und -reflexion in den fünf Handlungsfeldern; STEAM-Integration; Kompetenzorientierung nach Bildungsplan BW
Fachwissenschaft Technik: Grundlagen der Holz-, Metall- und Kunststoffbearbeitung, Elektrotechnik, Informatik/Digitaltechnik, Bautechnik und Haustechnik
CreatorLab & Digitale Fertigung: Hands-on-Ausbildung an realen Fertigungsmaschinen – Drechselbank, Lasercutter, 3D-Drucker, Lötstation, CNC
Forschungsorientierung: Empirische Unterrichtsforschung, Abschlussarbeiten in Kooperation mit der Professur Technik & ihre Didaktik
🎓 B.Ed. · Lehramt Sekundarstufe I
🎓 M.Ed. · konsekutiver Master of Education
💡
Warum Technik auf Lehramt an der PH Schwäbisch Gmünd?

Das Studium an der PH Gmünd verbindet Fachwissenschaft und Fachdidaktik in kleinen, persönlichen Studiengruppen. Die enge Anbindung an Kooperationsschulen und die Vernetzung mit außerschulischen Lernorten der Region ermöglichen frühe, intensive Praxiserfahrungen – von der Unterrichtsplanung bis zur eigenständigen Durchführung.

🪵Holzwerkstatt – Drehen, Sägen, Hobeln, Schleifen
🔩Metallwerkstatt – Feilen, Biegen, Löten, Schweißen
🏺Keramikwerkstatt – Aufbau, Drehen, Brennen
💻Informatiklabor – Programmierung, Robotik, Mikrocontroller
⚙️Maschinenräume – Drechselbank, Bandsäge, Fräse, CNC
🖨️CreatorLab – 3D-Druck, Lasercutting, Elektronikprototyping
🔓 Offene Werkstattzeiten – Alle Werkstätten und Labore stehen Studierenden in frei buchbaren Zeitfenstern für eigenständige Übungen, Projekte und Abschlussarbeiten offen.
Interesse am Technik-Lehramt?
Informationen zu Bewerbung, Studienstruktur und Zulassung auf der Website der PH Schwäbisch Gmünd.
Studiengänge & Bewerbung 📧 Studienberatung

Ein hybrider Makerspace als Dritter Ort

Das CreatorLab konstituiert sich als hybrider Lehr-Lernraum an der Schnittstelle von Hochschulforschung, Lehramtsausbildung und gesellschaftlicher Praxis. Im Sinne der Third-Mission-Konzeption vermittelt es akademisches Wissen in handlungsorientierten Making-Prozessen.

📡
Twitch Livestream
Synchrone Making-Sessions, in denen Lehramtsstudierende als Lernbegleiter*innen agieren und Schüler*innen live interagieren.
🎬
DIY-Tutorial-Videos
Persistente OER-Bibliothek auf YouTube: asynchron verfügbare How-to-Formate für selbstgesteuertes Lernen nach Papert (1980).
🖨️
3D-Druck & Lasercutting
Digitale Fertigungstechnologien als didaktische Werkzeuge zur Produktion öffentlich teilbarer Artefakte.
💬
Discord Community
Asynchrone Peer-to-Peer-Unterstützung und kollektive Dokumentation in einer Community of Practice (Lave & Wenger, 1991).
Elektronik-Prototyping
Entwicklung funktionaler Elektronikprototypen als Brücke zwischen abstrakter Theorie und konkreter Praxis.
🌐
Hybride Lernräume
Integration physischer Präsenz und virtueller Partizipation als komplementäre Dimensionen des Lernraums.
Theoretische Fundierung

Konstruktionismus als didaktisches Kernprinzip

Das didaktische Kernprinzip des CreatorLab folgt dem Konstruktionismus nach Papert (1980): Lernen vollzieht sich am wirksamsten, wenn Lernende öffentlich teilbare Artefakte erzeugen. Im Unterschied zum Kognitivismus, der Wissensaufbau als rein mentalen Prozess begreift, betont der Konstruktionismus die epistemische Funktion des Herstellens: Das Objekt – ob 3D-gedrucktes Bauteil, Elektronikschaltkreis oder produziertes Tutorial-Video – ist nicht nur Ergebnis, sondern Medium des Denkens selbst.

Das CreatorLab realisiert dieses Prinzip in einem hybriden Lernraum, der physisch-analoge und digital-virtuelle Dimensionen strukturell verschränkt. Theoretisch ist dies im Konzept des Dritten Ortes (Oldenburg, 1989) sowie in neueren Modellen hybrider Lernräume fundiert, die physische Präsenz und virtuelle Partizipation nicht als Gegensätze, sondern als komplementäre Dimensionen eines integrierten Lernorts begreifen. Der Twitch-Livestream, die Discord-Community und die YouTube-OER-Bibliothek bilden dabei die digitale Erweiterung des physischen Werkstattraums im Transfer Hub for Innovation in Society (THIS) der PH Schwäbisch Gmünd.

Ein konzeptionelles Kernmerkmal ist der explizite Rollenwechsel der Lehramtsstudierenden: Sie agieren nicht als instruktionale Wissensvermittler*innen, sondern als Lernbegleiter*innen im Sinne eines facilitated learning-Ansatzes (Rogers, 1969; Schön, 1983). In Anlehnung an das Konzept der Community of Practice (Lave & Wenger, 1991) positionieren sich Studierende als erfahrenere Peers innerhalb einer Schüler*innencommunity – ohne dabei den offenen, explorativen Charakter des Lernens zu schließen. Dieser Ansatz verbindet Lehrkräftebildung und Schulpraxis zu einem kooperativen Lernformat, das räumliche und institutionelle Grenzen überwindet.

📗
Papert, S. (1980)
Mindstorms: Children, Computers, and Powerful Ideas. Basic Books. — Grundlagenwerk des Konstruktionismus: Lernen durch Produktion öffentlich teilbarer Artefakte
📘
Lave, J. & Wenger, E. (1991)
Situated Learning: Legitimate Peripheral Participation. Cambridge University Press. — Community of Practice als Rahmen für kooperatives Lernen in authentischen Kontexten
📙
Rogers, C. R. (1969)
Freedom to Learn. Charles E. Merrill. — Facilitated Learning und personenzentrierte Pädagogik als Grundlage des Lernbegleitungskonzepts
📕
Schön, D. A. (1983)
The Reflective Practitioner: How Professionals Think in Action. Basic Books. — Wissen-in-der-Praxis und reflektives Handeln als Kernkompetenz professioneller Lernbegleitung
📒
Oldenburg, R. (1989)
The Great Good Place. Paragon House. — Konzept des Dritten Ortes als informeller Lernraum jenseits von Schule und Zuhause
📓
Brown, J. S., Collins, A. & Duguid, P. (1989)
Situated Cognition and the Culture of Learning. Educational Researcher, 18(1), 32–42. — Wissen als kontextgebundene Praxis: Grundlage des Situierten Lernens im CreatorLab
📔
Collins, A., Brown, J. S. & Newman, S. E. (1989)
Cognitive Apprenticeship: Teaching the Crafts of Reading, Writing, and Mathematics. In L. B. Resnick (Hrsg.), Knowing, Learning, and Instruction (S. 453–494). Lawrence Erlbaum Associates. — Modellieren, Coaching und Scaffolding als didaktische Prinzipien der Lernbegleitung

CreatorLab Livestream

Der Twitch-Kanal des CreatorLab bildet das digitale Herzstück des hybriden Lernraums. In synchronen Making-Sessions moderieren Lehramtsstudierende interaktive Lernsequenzen.

Stream starten
🟣 Auf Twitch folgen ▶️ YouTube-Archiv
📡 CreatorLab Live
Twitch-Kanal des CreatorLab der PH Schwäbisch Gmünd – hybride Making-Sessions für Schüler*innen, Studierende und Maker:innen.
STEAM3D-DruckMaker EducationDIY
creatorlab_edu
Twitch · Live-Streaming
Synchrone Making-Sessions mit Live-Chat-Interaktion.
CreatorLab YouTube
YouTube · OER-Bibliothek
Persistente DIY-Tutorial-Videos als Open Educational Resources.

STEAM · Situiertes Lernen · RANG

Das CreatorLab verbindet STEAM als integratives Bildungskonzept mit dem Situierten Lernen (Brown, Collins & Duguid, 1989) und den RANG-Kompetenzdimensionen nach Irion, Peschel & Schmeinck (2023): Reflexion, Analyse, Nutzung und Gestaltung analog-digitaler Artefakte bilden den Kompetenzrahmen, in dem STEAM-Lernen im CreatorLab situiert wird.

📍
Situated Learning · Brown, Collins & Duguid (1989)
Wissen ist untrennbar mit dem Kontext seiner Entstehung verbunden. Im CreatorLab sind Maschinen, Materialien, Mitlerner*innen und der Livestream die authentische Situation, in der Kompetenzen konstruiert werden.
🔢
RANG · Irion, Peschel & Schmeinck (2023)
Vier Kompetenzdimensionen Digitaler Grundbildung: Reflexion · Analyse · Nutzung · Gestaltung – als Orientierungsrahmen für Lehrkräfte und Lernende in der Digitalität.
S
Science
Naturwissen­schaft
RANG
Mehr erfahren
T
Technology
Digitale Werkzeuge
RANG
Mehr erfahren
E
Engineering
Konstruieren & Lösen
RANG
Mehr erfahren
A
Arts
Gestaltung & Kreativität
RANG
Mehr erfahren
M
Mathematics
Modellieren & Algorithmen
RANG
Mehr erfahren
RANG · VIER KOMPETENZDIMENSIONEN ANALOG-DIGITALER BILDUNG IM CREATORLAB
R
Reflexion
Kritisch-reflektierter Umgang mit Digitalität: Lernende hinterfragen Wirkungen, Motive und gesellschaftliche Folgen technischer Artefakte – im CreatorLab durch Diskussion von Livestream-Inhalten und Maker-Projekten.
A
Analyse
Verstehen digitaler Systeme und Prozesse: Lernende erkennen Algorithmen, Schaltkreise und informatische Grundprinzipien – durch Elektronikprototyping, Sensorik und CAD-Modellierung im Lab.
N
Nutzung
Souveräner Einsatz digitaler Werkzeuge: Lernende bedienen 3D-Drucker, Lasercutter, Slicer-Software und Mikrocontroller als epistemische Werkzeuge zur Problemlösung.
G
Gestaltung
Aktive Mitgestaltung der Digitalität: Lernende produzieren Livestreams, DIY-Videos, 3D-Artefakte und CAD-Designs – als öffentlich teilbare Konstrukte.
Praxisbeispiel
HC-SR04 Arduino LEDs Speaker Vibration 9V B@t-Detektor · CreatorLab
S · Science T · Technology E · Engineering A · Arts M · Mathematics

Konstruktion und Fertigung eines Fledermausdetektors

Der B@t-Detektor ist ein exemplarisches STEAM-Lernprojekt: Schüler*innen konstruieren eigenständig ein elektronisches Gerät, das Ultraschallrufe von Fledermäusen (20–100 kHz) in hörbare, sichtbare und haptische Signale wandelt. Das Projekt verbindet Biologie, Physik und Elektronik mit handwerklicher Fertigung und wird durch Gamification-Elemente (GamePad-Ästhetik, LED-Feedback, Vibration) didaktisch angereichert – im Sinne des Situierten Lernens in authentischen, bedeutsamen Kontexten.

S
Science
Ultraschallphysik, Echoortung und Ökologie der Chiroptera als naturwissenschaftlicher Kern
T
Technology
HC-SR04-Sensor, Arduino-Mikrocontroller, digitale Signalverarbeitung und Frequenzwandlung
E
Engineering
Löten, Schaltungsaufbau, Gehäusegestaltung und iteratives Prototyping mit Maker-Werkzeugen
A
Arts
GamePad-Design als ästhetisches Konzept: Gehäuseform, Farbgestaltung, Interface-Design
M
Mathematics
Frequenzberechnung, Schallgeschwindigkeit und Distanzformel d = v·t/2 im Anwendungskontext
📄
Publikation · DiMawe – Die Materialwerkstatt, 6(1), 2024
Pfeifer, J., Krebs, A.-K. & Nepper, H. H. (2024). Konstruktion und Fertigung eines Fledermausdetektors: Gestaltungsgrundlage für die Initiierung immersiver Lernerfahrungen mittels Gamification im Technik-Unterricht. DiMawe, 6(1), 62–88. https://doi.org/10.11576/dimawe-7468
🦇
Projekt · Digi'B@ts
Weiterführende Informationen zum Projekt Digi'B@ts – digitale Fledermauserfassung im Bildungskontext. digibats.de

How-tos aus dem CreatorLab

Sortiert nach den fünf technikdidaktischen Problem- und Handlungsfeldern bilden die How-tos eine strukturierte OER-Bibliothek für selbstgesteuertes Lernen.

Wissenschaftlicher Austausch & Kooperation

Anfragen zu Forschungskooperationen, Lehrveranstaltungen oder dem CreatorLab sind herzlich willkommen.

Pädagogische Hochschule
Schwäbisch Gmünd
Transfer Hub for Innovation in Society (THIS)
CreatorLab
Oberbettringer Str. 200
73525 Schwäbisch Gmünd
Baden-Württemberg, Deutschland
🆔 0009-0008-7350-9656 · ORCID iD
📸 Instagram ▶️ YouTube 🟣 Twitch
🎓 Für Studierende
Interesse an einer Abschlussarbeit oder einem Forschungspraktikum im Bereich Technikdidaktik oder Maker Education? Kontaktaufnahme jederzeit willkommen.
📋 Leitbild & Konzeption · CreatorLab

Das CreatorLab-Manifest:
Vom Novizen zum Experten

Ein bildungstheoretisches Fundament für den graduellen Kompetenzerwerb im hybriden Makerspace der PH Schwäbisch Gmünd – verankert im Leitgedanken des Bildungsplans Baden-Württemberg.

„Um sich in einer hochtechnisierten Welt zurechtzufinden, sind interdisziplinäre Denk- und Handlungsmuster notwendig. Deshalb müssen technische Systeme immer unter Einbeziehung ökonomischer, ökologischer und gesellschaftlicher Zusammenhänge betrachtet werden. Im Mittelpunkt steht das Verhältnis von Mensch, Technik und Umwelt." — Bildungsplan Baden-Württemberg · Leitperspektive Technische Bildung

Das triadische Grundverhältnis als Ausgangspunkt

Das CreatorLab versteht sich als Lernraum, in dem das im Bildungsplan BaWü formulierte Verhältnis von Mensch, Technik und Umwelt nicht nur theoretisch reflektiert, sondern praktisch erfahren und gestaltet wird. Making ist kein Selbstzweck – es ist der epistemische Weg, durch den Lernende das Wechselspiel technischer, ökologischer und sozialer Systeme handelnd begreifen.

👤
Mensch
Kreativität, Handlung und Reflexion stehen im Zentrum jedes Making-Prozesses. Der Mensch ist Gestalter*in, nicht bloße*r Anwender*in technischer Systeme.
⚙️
Technik
Artefakte, Systeme und Prozesse – vom 3D-Druck über elektronische Schaltungen bis zur Software – sind Gegenstand und Medium des Lernens zugleich.
🌿
Umwelt
Ökologie, Gesellschaft und Ökonomie bilden den Rahmen, in dem technische Entscheidungen immer reflektiert und verantwortet werden müssen.

Das Dreigespann ist kein statisches Schema, sondern ein dynamisches Spannungsfeld: Der Mensch gestaltet Technik, Technik prägt den Menschen, und beide sind eingebettet in eine Umwelt, die wiederum Rückwirkungen auf Gestaltungs- und Nutzungsentscheidungen hat. Diese wechselseitige Durchdringung – im Bildungsplan BaWü als interdisziplinäre Handlungskompetenz formuliert – ist der normative Kompass, an dem sich jedes Lernsetting im CreatorLab orientiert: von der ersten Lötübung bis zur Konzeption eines eigenen OER-Tutorials.

„Wer nur die Technik versteht, hat die Hälfte verstanden. Wer Technik im Zusammenhang von Mensch und Umwelt denkt, beginnt zu gestalten."

Subjektorientierung statt Stoffvermittlung

Das Leitbild des CreatorLab nimmt seinen Ausgang nicht beim Lerngegenstand, sondern bei der lernenden Person. Jede*r Lehramtsstudierende, jede*r Schüler*in, jede*r Workshopteilnehmer*in bringt eigene Vorerfahrungen, Interessen und Lernendenvorstellungen (Präkonzepte) mit – diese sind nicht Störfaktoren, sondern Ausgangspunkt jedes Lernprozesses. Das CreatorLab versteht sich daher explizit als subjektorientierter Lernraum: Die Wahl des Projekts, das Tempo der Bearbeitung und die Tiefe der Auseinandersetzung liegen so weit wie möglich in der Hand der Lernenden selbst.

Diese Haltung hat drei unmittelbare Konsequenzen für die Gestaltung des Lernraums. Erstens: Differenzierung ist Standard, nicht Ausnahme. Da Lernende mit völlig unterschiedlichen Vorkenntnissen – vom ersten Kontakt mit einem Lötkolben bis zur sicheren Beherrschung von Mikrocontroller-Programmierung – aufeinandertreffen, müssen Angebote so gestaltet sein, dass sie auf jeder Kompetenzstufe anschlussfähig sind. Zweitens: Fehler werden als legitimer Bestandteil des Lernwegs anerkannt (siehe These V „Fehler sind Daten") – die psychologische Sicherheit, scheitern zu dürfen, ist Voraussetzung für exploratives Lernen. Drittens: Selbstwirksamkeit wird aktiv gefördert. Wer im CreatorLab ein eigenes Artefakt fertigstellt – sei es noch so klein –, erlebt sich als handlungsfähig in einer technisierten Welt. Genau dieses Erleben von Selbstwirksamkeit ist, gerade für angehende Lehrkräfte, ein zentraler Baustein professioneller Identität: Nur wer selbst erfahren hat, wie sich Kompetenzaufbau anfühlt, kann diesen Prozess später bei Schülerinnen und Schülern glaubwürdig begleiten.

🧩
Vorwissen ernst nehmen
Lernendenvorstellungen werden nicht übergangen, sondern als Ausgangspunkt für Anschlussangebote genutzt – Lernen knüpft an, statt zu ersetzen.
🛤️
Individuelle Lernwege
Projektwahl, Tempo und Vertiefungsgrad sind flexibel – das CreatorLab bietet Korridore statt vorgegebener Pfade.
💪
Selbstwirksamkeit
Das eigenständige Fertigstellen von Artefakten stärkt das Vertrauen in die eigene Handlungsfähigkeit – auch über das CreatorLab hinaus.

Konkret bedeutet das für die Praxis im CreatorLab: Jedes Projekt – ob Fledermausdetektor, 3D-Druck-Workflow oder Twitch-Tutorial – wird daraufhin befragt, welche Ressourcen es verbraucht, welche gesellschaftlichen Bedürfnisse es adressiert und welche Kompetenzen es bei den Beteiligten ausbildet. So wird aus einem technischen Bastelraum ein Ort gesellschaftlich verantworteter Bildung.

Von der individuellen Fertigkeit zur gesellschaftlichen Wirkung

Das CreatorLab versteht den Erwerb technischer Kompetenzen nie als Selbstzweck. Wer lernt, eine Schaltung zu entwerfen, ein 3D-Modell zu konstruieren oder ein Lerntutorial zu produzieren, erwirbt zugleich die Fähigkeit, technische Entscheidungen in ihrer gesellschaftlichen Tragweite zu erkennen. Diese Verbindung von individueller Kompetenz und kollektiver Verantwortung ist im Leitgedanken Mensch-Technik-Umwelt des Bildungsplans BaWü explizit angelegt: Technische Bildung soll Menschen dazu befähigen, an gesellschaftlichen Aushandlungsprozessen über Technik – etwa zu Ressourcenverbrauch, Nachhaltigkeit oder digitaler Teilhabe – informiert und mündig teilzunehmen.

Konkret entfaltet sich diese Verantwortung im CreatorLab auf mehreren Ebenen. Auf der Ebene des Artefakts wird bei jedem Projekt reflektiert, woher Materialien stammen, wie langlebig ein Produkt ist und was nach dem Gebrauch damit geschieht – Reparierbarkeit, Materialwahl und Energieverbrauch sind feste Bestandteile der Projektplanung, nicht nachträgliche Zusätze. Auf der Ebene der Lehrkräftebildung erwerben Studierende nicht nur fachliche, sondern auch vermittelnde Kompetenz: Sie lernen, wie man technische Sachverhalte so aufbereitet, dass Schülerinnen und Schüler eigenständig urteilsfähig werden – eine Schlüsselkompetenz für mündige Teilhabe an einer demokratischen, technisierten Gesellschaft. Auf der Ebene der Öffentlichkeit schließlich macht die Sichtbarkeit über Twitch-Livestream und OER-Materialien das im CreatorLab erworbene Wissen über die Hochschule hinaus verfügbar – technische Bildung wird zu einem öffentlichen Gut, an dem auch Menschen außerhalb der PH Schwäbisch Gmünd teilhaben können.

♻️
Verantwortungsvolles Gestalten
Materialwahl, Energieverbrauch und Langlebigkeit von Artefakten werden von Anfang an mitgedacht – Nachhaltigkeit ist Designkriterium, nicht Nachgedanke.
🧑‍🏫
Mündigkeit vermitteln
Angehende Lehrkräfte üben, technische Sachverhalte so aufzubereiten, dass Schülerinnen und Schüler eigenständig urteils- und handlungsfähig werden.
🌍
Wissen als öffentliches Gut
Livestreams und OER-Materialien tragen die im CreatorLab erarbeiteten Kompetenzen über die Hochschule hinaus in die Gesellschaft.

In dieser Lesart schließt sich der Kreis des Leitbilds: Die einzelne lernende Person – mit ihren Vorerfahrungen, ihrem Tempo, ihrer Motivation – steht im Zentrum jedes Lernarrangements. Die im CreatorLab erworbenen Kompetenzen sind jedoch nie rein privater Besitz, sondern wirken in das Verhältnis von Mensch, Technik und Umwelt zurück: in die eigene Lebensführung, in den späteren Unterricht als Lehrkraft und in gesellschaftliche Debatten über die Gestaltung einer technisierten Welt. Das CreatorLab ist damit zugleich ein Ort persönlicher Entwicklung und ein Ort, an dem gesellschaftliche Verantwortung als gelebte Praxis eingeübt wird – nicht als abstrakte Forderung, sondern als direkte Konsequenz dessen, was man im Tun gelernt hat.

Vom Novizen zum Experten – ein gradueller Lernweg

Das CreatorLab folgt dem Modell der Cognitive Apprenticeship (Collins, Brown & Newman, 1989) sowie dem Dreyfus-Modell des Kompetenzerwerbs (1980). Lernen vollzieht sich nicht als linearer Wissenserwerb, sondern als situierter, gradueller Transformationsprozess – von regelgebundener Novizität zur situationsadäquaten Expertise. Lernende durchlaufen fünf distinkte Stufen, die jeweils spezifische Lernumgebungen, soziale Rollen und epistemische Praktiken erfordern.

1 🔍
Novize
Regelfolgen, Beobachten, Imitieren
2 🔧
Anfänger
Situationen erkennen, Scaffolding
3 ⚡
Kompetent
Planung, Priorisierung, Peer Teaching
4 🎯
Gewandt
Intuition, Lernbegleitung, Mentoring
5 🏆
Experte
Ganzheitlich, situativ, Expert Teaching
1
Stufe 1 · Novize
Regelgeleitetes Erkunden 🔍
Der Novize betritt das CreatorLab als Beobachter. Erste Begegnungen mit Maschinen, Materialien und Making-Prozessen sind von Regelorientierung und Imitation geprägt. Lernende folgen Schritt-für-Schritt-Anleitungen in DIY-Tutorial-Videos, nehmen am Twitch-Livestream rezeptiv teil und erleben Werkzeuge als fremd-vertraute Objekte. Der Leitgedanke des Bildungsplans BaWü – das Verhältnis von Mensch, Technik und Umwelt – füllt sich erst allmählich mit Bedeutung.
ImitationTutorialsBeobachtungRegelfolgen
2
Stufe 2 · Fortgeschrittener Anfänger
Situiertes Handeln & Scaffolding 🔧
Die erste eigene Produktion steht im Mittelpunkt: ein einfaches 3D-Modell, eine Grundschaltung, ein kurzes Tutorial-Video. Der Lernende erkennt situative Merkmale (Brown, Collins & Duguid, 1989) und unterscheidet zwischen Kontexten. Scaffolding durch Studierende als Lernbegleiter*innen ermöglicht produktives Scheitern in sicherer Umgebung. Die Discord-Community bietet niedrigschwellige Unterstützung.
ScaffoldingErste ArtefaktePeer-SupportDiscord
3
Stufe 3 · Kompetent
Planvolles Gestalten & Peer Teaching ⚡
Der kompetente Lernende plant Projekte eigenständig, priorisiert Teilziele und wählt Werkzeuge situationsadäquat. Konstruktionsentscheidungen beim Fledermausdetektor oder im 3D-Druck-Workflow werden bewusst reflektiert. Der Lernende beginnt, Novizen zu unterstützen – und erfährt, dass Lehren das Lernen vertieft. Das RANG-Kompetenzmodell wird gelebt: Reflexion, Analyse, Nutzung und Gestaltung greifen ineinander.
RANGEigenständige ProjektePeer TeachingReflexion
4
Stufe 4 · Gewandt
Intuitive Kompetenz & Lernbegleitung 🎯
Der gewandte Maker handelt zunehmend intuitiv und holistisch: Probleme werden nicht mehr schrittweise analysiert, sondern situativ erkannt und gelöst. Die Rolle wechselt – aus dem Lernenden wird ein Lernbegleiter im Sinne von Rogers (1969) und Schön (1983). Lehramtsstudierende auf dieser Stufe moderieren Twitch-Livestreams, produzieren OER-Videos und ko-konstruieren das CreatorLab-Curriculum. Das Verhältnis Mensch-Technik-Umwelt wird als gestaltbares Spannungsfeld begriffen.
IntuitionLernbegleitungTwitch-ModerationOER-Produktion
5
Stufe 5 · Experte
Ganzheitliche Expertise & systemisches Denken 🏆
Der Experte agiert ganzheitlich, situativ und kontextsensibel – ohne explizite Regelanwendung. Im CreatorLab bedeutet Expertise nicht nur technische Meisterschaft, sondern die Fähigkeit, technische Systeme in ihren ökonomischen, ökologischen und gesellschaftlichen Zusammenhängen zu denken und zu gestalten – genau im Sinne des BaWü-Bildungsplans. Der Experte produziert Wissen durch Forschung (Design-Based Research), reflektiert technikdidaktische Konzepte und trägt zur Weiterentwicklung des CreatorLab-Ökosystems bei. Expert Teaching: Er/Sie vermittelt nicht Regeln, sondern verkörpert eine Haltung.
DBRSystemisches DenkenExpert TeachingInnovation

Wichtig ist: Der Übergang zwischen den Stufen ist nicht linear-chronologisch, sondern projektabhängig und reversibel. Eine Person kann in einem vertrauten Bereich (z. B. 3D-Druck) auf Stufe 4 agieren, während sie sich in einem neuen Feld (z. B. Mikrocontroller-Programmierung) wieder als Novize erlebt. Das CreatorLab hält diese Gleichzeitigkeit unterschiedlicher Kompetenzstufen bewusst aus – sie ist Ausdruck eines lebendigen, heterogenen Lernraums.

STEAM × RANG × Mensch-Technik-Umwelt

Das CreatorLab integriert drei konzeptuelle Rahmen zu einem kohärenten Bildungskonzept: Die STEAM-Perspektive öffnet disziplinäre Grenzen, das RANG-Modell beschreibt Kompetenzdimensionen digitaler Grundbildung, und der BaWü-Leitgedanke verankert alles im gesellschaftlichen Auftrag technischer Bildung.

🔬
STEAM
Science · Technology · Engineering · Arts · Mathematics. Disziplinen werden im Projekt verschränkt statt isoliert unterrichtet – ein Fledermausdetektor verbindet Akustik, Elektronik, Programmierung, Design und Mathematik in einem Artefakt.
🧭
RANG
Reflexion · Analyse · Nutzung · Gestaltung (Irion, Peschel & Schmeinck, 2023). Diese vier Dimensionen digitaler Grundbildung greifen im CreatorLab ineinander: Wer gestaltet, muss zugleich analysieren, nutzen und reflektieren können.
🌱
Mensch · Technik · Umwelt
Der Leitgedanke des Bildungsplans BaWü bildet den normativen Rahmen, in dem STEAM- und RANG-Kompetenzen erworben und angewendet werden – technische Bildung als gesellschaftlicher Auftrag.

Die drei Rahmen sind nicht additiv, sondern wechselseitig konstitutiv: STEAM liefert die fachlich-methodische Breite, RANG strukturiert die Kompetenzentwicklung im Umgang mit digitalen Werkzeugen, und der BaWü-Leitgedanke sorgt dafür, dass technische Bildung nie l'art pour l'art bleibt, sondern stets auf gesellschaftliche Wirkung hin befragt wird. In der Praxis äußert sich diese Integration darin, dass jedes CreatorLab-Projekt von Beginn an entlang aller drei Achsen geplant wird.

🧱
Konstruktionismus
Lernen geschieht durch das Bauen öffentlich teilbarer Artefakte (Papert, 1980) – das Objekt ist Denkmedium, nicht nur Ergebnis.
📍
Situated Learning
Wissen entsteht untrennbar im Kontext seiner Anwendung (Lave & Wenger, 1991) – nicht abstrakt vor der Praxis.
🤝
Community of Practice
Novizen, Fortgeschrittene und Expert*innen lernen gemeinsam in einer Praxisgemeinschaft mit fluiden Rollen.
🎓
Cognitive Apprenticeship
Modeling, Coaching, Scaffolding und Fading begleiten den Übergang von angeleitetem zu selbstständigem Handeln.
🔀
Hybride Lernräume
Physische Werkstatt, Twitch-Livestream und Discord-Community verschmelzen zu einem durchgängigen Lernökosystem.
📐
Dreyfus-Progression
Der gradueller Kompetenzerwerb vom Novizen zum Experten strukturiert die Lernwege individuell und projektabhängig.
🏛️
Third Mission
Als Third-Mission-Institution der PH Schwäbisch Gmünd verbindet das CreatorLab Hochschulforschung, Lehrkräftebildung und gesellschaftliche Praxis zu einem kohärenten Ökosystem des lebenslangen Lernens – über die Grenzen von Schule und Hochschule hinaus.

Sieben Thesen des CreatorLab

Die folgenden sieben Thesen verdichten das bildungstheoretische Fundament des CreatorLab zu handlungsleitenden Grundsätzen. Sie sind weniger Regeln als Haltungen – Orientierungspunkte, an denen sich Entscheidungen über Projekte, Räume und Rollen im CreatorLab messen lassen.

🔨
I. Lernen ist Machen
Kognitive Konstruktion vollzieht sich durch die Herstellung öffentlich teilbarer Artefakte. Das Objekt ist nicht Ergebnis, sondern Medium des Denkens (Papert, 1980). Im CreatorLab denkt man mit den Händen.
🌐
II. Kontext ist Curriculum
Wissen entsteht untrennbar mit dem Kontext seiner Entstehung (Brown, Collins & Duguid, 1989). Der Twitch-Livestream, die Discord-Community, die Werkstattmaschinen – sie alle sind Lernmaterial.
🔄
III. Rollen sind fluid
Novizen werden zu Experten. Experten werden zu Lernbegleiter*innen. Lehramtsstudierende sind nicht Lehrende, sondern erfahrenere Peers in einer Community of Practice (Lave & Wenger, 1991).
🌿
IV. Technik ist eingebettet
Technische Systeme werden nie isoliert betrachtet, sondern immer in ihren ökonomischen, ökologischen und gesellschaftlichen Zusammenhängen – im Sinne des BaWü-Bildungsplans und des Leitgedankens Mensch-Technik-Umwelt.
🔬
V. Fehler sind Daten
Scheitern im CreatorLab ist kein Versagen, sondern epistemischer Erkenntnisgewinn. Die Fehlersuche an elektronischen Schaltungen, das Misslingen eines 3D-Drucks – beides ist produktives Lernen in situierten Kontexten.
📡
VI. Öffentlichkeit ist Motivation
Öffentlich teilbare Artefakte – Livestreams, OER-Videos, 3D-Objekte – erzeugen authentische Motivation. Die Öffentlichkeit des Twitch-Streams ist kein Beiwerk, sondern konstitutives Prinzip des CreatorLab-Lernformats.
🏛️
VII. Das CreatorLab ist ein Dritter Ort
Jenseits von Schule und Hochschule entsteht im CreatorLab ein informeller, offener Lernraum (Oldenburg, 1989), der institutionelle Grenzen überwindet. Als Third-Mission-Institution der PH Schwäbisch Gmünd verbindet es Hochschulforschung, Lehrkräftebildung und gesellschaftliche Praxis zu einem kohärenten Ökosystem des lebenslangen Lernens.
„Das CreatorLab ist kein Raum, in dem man Technik lernt. Es ist ein Raum, in dem man durch Technik lernt, die Welt zu verstehen und zu gestalten."

Quellen des CreatorLab-Manifests

Das CreatorLab-Manifest speist sich aus etablierten Theorien der Lern- und Bildungsforschung sowie aus aktuellen technikdidaktischen Arbeiten. Die folgende Liste dokumentiert die zentralen Bezugspunkte.

Bildungsministerium BW (2016). Bildungsplan Baden-Württemberg. Leitperspektive Technische Bildung. — Mensch, Technik, Umwelt als interdisziplinärer Leitgedanke
Collins, A., Brown, J. S. & Newman, S. E. (1989). Cognitive Apprenticeship. In Resnick (Hrsg.), Knowing, Learning, and Instruction (S. 453–494). LEA.
Dreyfus, H. L. & Dreyfus, S. E. (1980/1986). Mind over Machine. Free Press. — Stufenmodell vom Novizen zum Experten
Lave, J. & Wenger, E. (1991). Situated Learning: Legitimate Peripheral Participation. Cambridge University Press.
Brown, J. S., Collins, A. & Duguid, P. (1989). Situated Cognition and the Culture of Learning. Educational Researcher, 18(1), 32–42.
Irion, T., Peschel, M. & Schmeinck, D. (2023). RANG – Reflexion, Analyse, Nutzung, Gestaltung. Kompetenzdimensionen Digitaler Grundbildung.
Papert, S. (1980). Mindstorms: Children, Computers, and Powerful Ideas. Basic Books.
Oldenburg, R. (1989). The Great Good Place. Paragon House.
Nepper, H. H. (2023). Die situierte Fehlersuche an elektronischen Schaltungen im Anschluss an den Cognitive Apprenticeship Ansatz. [Dissertation] PH Ludwigsburg.
🎓
Technikdidaktik · PH Schwäbisch Gmünd

Leitfaden: Technikdidaktische
Abschlussarbeiten in Zeiten von KI

Wissenschaftliches Arbeiten, Forschungsdesign und verantwortungsvoller KI-Einsatz für Bachelor- und Masterarbeiten in der Technikdidaktik und Maker Education.

Forschung an der Schnittstelle von Technik, Didaktik und Empirie

Eine technikdidaktische Abschlussarbeit ist keine bloße Literaturarbeit – sie verbindet fachdidaktische Theorie mit empirischer Unterrichtsforschung oder konstruktiver Entwicklungsarbeit. Im Zentrum steht immer die Frage: Wie lernen Menschen technische Inhalte, und wie kann Unterricht diese Lernprozesse produktiv gestalten? Eine gute Arbeit trägt zur Weiterentwicklung der Technikdidaktik als Fachdisziplin bei – sie ist nicht nur Prüfungsleistung, sondern wissenschaftlicher Erkenntnisgewinn.

Die Professur für Technik & ihre Didaktik versteht Abschlussarbeiten als forschende Praxis: Studierende treten als Nachwuchsforschende in einen echten wissenschaftlichen Dialog mit dem Feld. Das bedeutet: Primärquellen lesen statt Sekundärzitate sammeln, Methoden begründen statt anwenden, Ergebnisse kritisch diskutieren statt deskriptiv berichten.

🧠
Lernendenvorstellungen (Conceptual Change): Welche Alltagsvorstellungen haben Schüler*innen zu technischen Systemen (Strom, Maschinen, Algorithmen)? Wie können Interventionen diese Vorstellungen produktiv verändern? Theoretische Basis: Posner et al. (1982), diSessa (1988), Nepper & Windelband (2022).
🔧
Maker Education & konstruktionistisches Lernen: Wie wirkt das Herstellen physischer Artefakte auf technisches Verständnis, Motivation und Selbstwirksamkeit? Theoretische Basis: Papert (1980), Hatch (2014), Martinez & Stager (2013).
💻
Digitale Fertigungstechnologien: Wie verändert der Einsatz von 3D-Druck, Lasercutter oder Elektronikentwicklung den Technikunterricht? Welche didaktischen Designs nutzen das Potential dieser Technologien? Forschung im CreatorLab der PH Schwäbisch Gmünd.
🌐
Situated Learning & Lernortkooperationen: Wie lernen Schüler*innen an außerschulischen Lernorten (Eule, Explorhino, Zukunftsakademie)? Welche Merkmale machen Lernortkooperationen didaktisch wirksam? Theoretische Basis: Brown et al. (1989), Lave & Wenger (1991).
📊
Wirksamkeit technikdidaktischer Interventionen: Wie verändert eine spezifische Unterrichtseinheit Kompetenz, Motivation oder Selbstwirksamkeit messbar? Prä-Post-Designs, randomisierte Kontrollgruppen (soweit in Schulkontexten realisierbar), Effektstärkenmessung.
🤖
KI im Technikunterricht: Wie verändern KI-Werkzeuge den Technikunterricht und das technische Denken von Schüler*innen? Welche Prompt-Kompetenzen braucht die nächste Lehrkräftegeneration? Aktuelles Forschungsfeld mit großem Entwicklungsbedarf.
🎯
Klare, beantwortbare Forschungsfrage: Eine gute Abschlussarbeit beginnt mit einer präzisen Frage, nicht einem Thema. „Wie beeinflusst der Einsatz von 3D-Druck die Entwicklung des technischen Systemverständnisses bei Schüler*innen der Klasse 7?" ist eine Forschungsfrage. „3D-Druck im Unterricht" ist ein Thema. Die Frage muss im Rahmen der Bearbeitungszeit tatsächlich beantwortbar sein – keine Fragen, die eine zehnjährige Längsschnittstudie erfordern würden.
📚
Theoretische Fundierung mit Primärquellen: Jede empirische Arbeit braucht einen theoretischen Rahmen. In der Technikdidaktik: Conceptual Change-Modell (Posner et al., 1982), Situated Learning (Brown et al., 1989), Cognitive Apprenticeship (Collins et al., 1989), Konstruktionismus (Papert, 1980), RANG (Irion et al., 2023). Pflicht: Primärquellen lesen – Sekundärzitate sind Ausnahme, nicht Regel.
🔬
Methodische Passung und Begründung: Die Methode folgt der Frage – nicht umgekehrt. „Wie erleben…" → qualitativ. „Wie stark verändert sich…" → quantitativ. „Wie muss gestaltet sein, damit…" → DBR. Jede Methodenwahl muss in der Arbeit explizit begründet werden: Warum diese Methode? Welche Alternativen wurden erwogen und warum verworfen?
🔍
Transparente Methodik und Nachvollziehbarkeit: Erhebungsinstrumente, Auswertungsverfahren und Kodierentscheidungen müssen so dokumentiert werden, dass ein*e unabhängige*r Forscher*in die Analyse nachvollziehen und replizieren könnte. Bei qualitativer Forschung: Interraterreliabilität dokumentieren (Cohens κ ≥ .70 anstreben).
📝
Wissenschaftliche Redlichkeit und KI-Transparenz: Vollständige Quellenangaben (APA 7), transparente Methodik, kritische Reflexion der Limitationen. Seit WS 2023/24: Alle eingesetzten KI-Werkzeuge müssen im Anhang vollständig deklariert werden (Tool, Version, Datum, Zweck, Umfang). Nicht-Deklaration gilt als Täuschungsversuch.
📄
Bachelorarbeit (B.Ed.): 40–60 Seiten Fließtext ohne Anhang · Bearbeitungszeit 3 Monate · APA 7th Edition · Exposé (3–5 Seiten) vor Beginn einreichen · empirischer Teil optional, aber empfohlen · Schriftgröße 12pt, 1,5-facher Zeilenabstand, Ränder 2,5 cm.
📄
Masterarbeit (M.Ed. / M.A.): 60–90 Seiten Fließtext ohne Anhang · Bearbeitungszeit 6 Monate · APA 7th Edition · Exposé (5–8 Seiten) vor Beginn Pflicht · empirischer Anteil mit eigenständiger Erhebung und Auswertung erwartet · Kolloquium nach Abgabe.
⚠️
Gliederungslogik beachten: Einleitung (Relevanz, Fragestellung, Aufbau) → Theoretischer Rahmen → Methodisches Vorgehen → Ergebnisse → Diskussion (Einordnung, Limitationen, Implikationen) → Fazit. Jedes Kapitel hat eine eigenständige Funktion – Überschneidungen zwischen Ergebnissen und Diskussion sind häufige Schwächen.
⚠️
KI-Deklarationspflicht im Anhang: Format: Tool · Version/Datum · Verwendungszweck · Umfang der Nutzung. Vollständige Vorlage im Tab „KI-Einsatz". Eigenständigkeitserklärung deckt die KI-Deklaration mit ab – beide müssen konsistent sein.
„Eine Abschlussarbeit ist kein Referat. Sie ist der erste eigene wissenschaftliche Beitrag – ein Stück neues Wissen über das Lernen mit und durch Technik. Wer sie ernst nimmt, betritt zum ersten Mal die Forschungsgemeinschaft."

Vom ersten Gespräch zur Abgabe – strukturiert vorgehen

Der Weg zur fertigen Abschlussarbeit lässt sich in sechs klar abgegrenzte Phasen gliedern. Jede Phase hat eigene Ziele, typische Tätigkeiten und – in modernen Arbeitsweisen – spezifische Möglichkeiten des KI-Einsatzes.

1
Orientierung & Themenfindung
Wochen 1–3 (BA) · Wochen 1–4 (MA)
Gespräch mit dem Betreuer: Forschungsinteresse eingrenzen, Themenfeld erkunden
Erste Literaturrecherche in Datenbanken (ERIC, FIS Bildung, Google Scholar, ResearchGate)
Formulierung einer vorläufigen Forschungsfrage (noch nicht final)
KI erlaubt: Brainstorming von Forschungsfragen, Erkundung von Themenfeldern, erste Literatursuche mit Perplexity oder Elicit
2
Exposé & Forschungsdesign
Wochen 3–6 (BA) · Wochen 4–8 (MA)
Präzisierung der Forschungsfrage und Hypothesen/Annahmen
Wahl des methodischen Rahmens (qualitativ/quantitativ/DBR) und Begründung
Erstellung des Exposés (3–5 Seiten BA, 5–8 Seiten MA) mit Zeitplan
KI erlaubt: Strukturierungshilfe für das Exposé, Feedback auf Argumentationslogik, Formulierungshilfe (mit Kennzeichnung)
KI nicht erlaubt: KI schreibt das Exposé ohne eigene intellektuelle Leistung
3
Theoretische Fundierung & Literaturarbeit
Wochen 5–10 (BA) · Wochen 7–16 (MA)
Systematische Literaturrecherche und -auswertung: Primärquellen lesen, nicht nur zitieren
Aufbau des theoretischen Rahmens: Definitionen, Modelle, Stand der Forschung
Literaturverwaltung mit Zotero oder Citavi
KI erlaubt: Zusammenfassungen von Texten zur eigenen Orientierung, Übersetzungshilfe bei englischsprachigen Quellen, Aufdecken von Forschungslücken
KI nicht erlaubt: KI-generierte Zusammenfassungen direkt in die Arbeit übernehmen ohne Lektüre des Originals
4
Empirische Erhebung & Auswertung
Wochen 8–16 (BA) · Wochen 14–22 (MA)
Datenerhebung: Interviews, Fragebögen, Unterrichtsbeobachtung, Artefaktanalyse
Transkription und Aufbereitung der Daten
Auswertung nach gewählter Methode (Inhaltsanalyse nach Mayring, Grounded Theory, statistische Verfahren)
KI erlaubt: Unterstützung bei Transkription (Whisper, notta.ai), erste Kategorienbildung als Diskussionspartner, Visualisierung von Ergebnissen
KI nicht erlaubt: KI interpretiert Daten eigenständig und Ergebnisse werden übernommen
5
Schreiben & Argumentieren
Wochen 10–18 (BA) · Wochen 16–24 (MA)
Verfassen der Arbeit in eigener Sprache: Einleitung, Theorie, Methode, Ergebnisse, Diskussion, Fazit
Konsequente Nutzung wissenschaftlicher Fachsprache der Technikdidaktik
KI erlaubt: Stilfeedback auf eigene Texte, Überprüfung logischer Kohärenz, Synonymvorschläge, Lektorat
KI nicht erlaubt: KI schreibt Abschnitte, die als eigene intellektuelle Leistung ausgegeben werden
Eigene Argumentationskette muss erkennbar und nachvollziehbar eigens entwickelt sein
6
Revision, Deklaration & Abgabe
Letzte 2 Wochen
Vollständige Durchsicht auf Konsistenz, Formatierung, Literaturverzeichnis
KI-Deklaration im Anhang erstellen: alle genutzten Tools mit Version, Datum, Zweck und Umfang
Eigenständigkeitserklärung unterschreiben (schließt KI-Deklaration ein)
Abgabe als PDF + DOCX-Quelldatei im Prüfungsamt

Wirksamkeit technikdidaktischer Maßnahmen empirisch untersuchen

Eine Interventionsstudie untersucht, ob und wie eine gezielt eingesetzte Lehr-Lern-Maßnahme das Lernen beeinflusst. Sie ist das Herzstück empirischer Abschlussarbeiten in der Technikdidaktik. Die Wahl des Forschungsdesigns hängt von der Fragestellung ab: Qualitative Designs erkunden Prozesse, quantitative Designs messen Effekte, und Design-Based Research (DBR) entwickelt Lernumgebungen iterativ.

🔍 Qualitativ
Qualitative Interventionsstudie
Verstehen, wie und warum
Methoden
Leitfadeninterview, Inhaltsanalyse nach Mayring, Concept Mapping, kleine Stichproben (n=4–20)
Beispiel BAWelche technischen Vorstellungen entwickeln Schüler*innen beim Arduino-Projekt? → Interviews + Inhaltsanalyse
📊 Quantitativ
Quantitative Interventionsstudie
Messen, wie stark
Methoden
Prä-Post-Design, validierte Fragebögen, t-Test, Effektstärke d, Stichprobe n≥30
Beispiel BA/MASteigert Gamification die Selbstwirksamkeit? → Fragebogen Prä-Post, Effektstärke Cohen d
🔄 DBR
Design-Based Research
Gestalten und Verstehen
Methoden
Iterative Zyklen: Design → Erprobung → Analyse → Redesign, Mixed Methods, ≥2 Zyklen
Beispiel MAEntwicklung einer Making-Lernumgebung zur Regelungstechnik → 2 Erprobungszyklen + Designprinzipien
1
Forschungsfrage präzisieren & Design wählen
„Wie erleben…" → qualitativ · „Wie stark verändert…" → quantitativ · „Wie gestalten, damit…" → DBR
2
Intervention entwickeln & theoretisch verankern
Welches Lernziel? Welche Theorie begründet das Design? Materialpaket dokumentieren.
3
Erhebungsinstrumente entwickeln & pilotieren
Qualitatv: Leitfaden + Pilotinterview · Quantitativ: Fragebogen + Itemanalyse (n≈5–10)
4
Ethik, Einwilligungen & Datenschutz klären
Elterneinwilligung, Pseudonymisierung, DSGVO, Schulamt informieren
5
Intervention durchführen & Daten erheben
Prä-Erhebung → Intervention → Post-Erhebung; standardisierte Bedingungen sicherstellen
6
Auswertung & Diskussion
Qualitativ: Transkription → Kodierung → Interraterreliabilität · Quantitativ: Deskriptiv → Inferenz → Effektstärke
„Die Frage entscheidet über die Methode – nicht umgekehrt. Wer zuerst die Methode wählt und dann eine passende Frage sucht, betreibt kein Forschungsdesign, sondern Methodentourismus."

Werkzeug, nicht Ghostwriter – KI verantwortungsvoll nutzen

KI-Sprachmodelle sind mächtige Werkzeuge, die wissenschaftliches Arbeiten erheblich unterstützen können – wenn sie als Denkwerkzeuge und nicht als Autorenersatz eingesetzt werden. Die entscheidende Frage ist nicht „Darf ich KI nutzen?", sondern „Welche intellektuelle Leistung bringe ich selbst ein?"

In der Technikdidaktik gilt, analog zum Lernbegriff nach Papert: Das Denken darf nicht ausgelagert werden. Wer KI das Denken übernehmen lässt, erwirbt keine Kompetenz – genau wie ein Lernender, der eine Maschine bedient, ohne ihren Prozess zu verstehen.

🔍
Perplexity AI
Literaturrecherche
Einstieg in neue Forschungsfelder, Überblick über Diskursstand, erste Quellenhinweise
Für Orientierungsrecherche geeignet
Quellen immer im Original prüfen – KI halluziniert Referenzen
📄
Elicit
Literaturanalyse
Systematische Literatursuche, Extraktion von Studienergebnissen aus Papers, Vergleich von Studien
Sehr geeignet für systematische Reviews
Nur peer-reviewed Quellen verwenden, immer selbst lesen
🤖
Claude / ChatGPT
Schreib- & Denkassistenz
Feedback auf eigene Texte, Umformulierungsvorschläge, Gliederungsdiskussion, Argumentationscheck
Als Denkpartner und Lektorat sehr nützlich
Nicht als Autor einsetzen – eigene Stimme muss erkennbar bleiben
🎙️
Whisper / notta.ai
Transkription
Automatische Transkription von Interviews und Unterrichtsaufnahmen
Erhebliche Zeitersparnis bei qualitativer Forschung
Transkripte immer manuell gegenlesen und korrigieren
📊
Julius AI / ChatGPT (Daten)
Datenanalyse
Unterstützung bei quantitativer Auswertung, Visualisierung von Ergebnissen, Codierung von Datensätzen
Für explorative Datenanalyse hilfreich
Statistische Ergebnisse immer mit SPSS/R verifizieren
📚
Zotero + KI-Plugins
Literaturverwaltung
Automatisches Anlegen von Literatureinträgen, APA-Formatierung, Zusammenfassungen von PDFs
Pflichtprogramm für jede Abschlussarbeit
APA-Ausgaben immer manuell überprüfen

Jede genutzte KI muss im Anhang der Abschlussarbeit nach folgendem Schema deklariert werden. Die Deklaration ist Bestandteil der Eigenständigkeitserklärung – fehlende oder unvollständige Angaben gelten als Täuschungsversuch im Sinne der Prüfungsordnung der PH Schwäbisch Gmünd.

Vorlage KI-Deklaration im Anhang (Pflichtformat)
Im Rahmen dieser Abschlussarbeit wurden folgende KI-gestützte Werkzeuge eingesetzt:

1. Claude Sonnet 4 (Anthropic, Stand: März 2025): Verwendet zur sprachlichen Überarbeitung einzelner Absätze in Kapitel 3 (Stilfeedback, Satzstruktur) sowie als Diskussionspartner zur Strukturierung des Theorieteils. Alle inhaltlichen Entscheidungen, Argumentationslinien und Formulierungen stammen von der Verfasserin. Umfang: ca. 8 Interaktionen über 3 Wochen.

2. Whisper v3 (OpenAI, Stand: Februar 2025): Eingesetzt zur automatischen Ersttranskription der vier Leitfadeninterviews (Gesamtdauer: 3 h 42 min). Alle Transkripte wurden anschließend vollständig manuell gegengehört, korrigiert und auf Anonymisierung geprüft.

3. Elicit (Elicit Inc., Stand: Januar 2025): Genutzt zur systematischen Literatursuche in Phase 1 der Recherche (Suchterms: „conceptual change technology education", „maker education empirical"). Alle 24 identifizierten Quellen wurden im Original gelesen und eigenständig ausgewertet. Kein KI-generierter Text in die Arbeit übernommen.

Die Eigenständigkeitserklärung umfasst ausdrücklich auch die korrekte und vollständige Deklaration aller eingesetzten KI-Hilfsmittel gemäß § [X] der Prüfungsordnung.

Nicht jeder KI-Einsatz ist gleich. Das folgende Modell unterscheidet drei Zonen, die helfen, den eigenen KI-Einsatz zu reflektieren und zu verorten:

🟢
Zone 1 – Produktive Nutzung (empfohlen): KI als Werkzeug, das Zeit spart und Qualität verbessert, ohne die intellektuelle Eigenleistung zu ersetzen. Transkription, Stilfeedback, Literaturüberblick, Übersetzungshilfe, Debugging von R-Code, Gliederungsdiskussion. Die eigene Denkleistung bleibt zentral und ist klar erkennbar.
🟡
Zone 2 – Grauzone (mit Vorsicht): KI generiert Entwürfe, die anschließend stark überarbeitet werden. Erlaubt, wenn die eigene Überarbeitung substanziell ist und die KI-Nutzung deklariert wird. Gefahr: KI-Sprache und KI-Logik schleichen sich ein, ohne dass es bemerkt wird. Eigene wissenschaftliche Stimme muss erkennbar bleiben.
🔴
Zone 3 – Nicht erlaubt (Täuschung): KI schreibt Kapitel, die als eigene Leistung ausgegeben werden. KI-generierte Literaturangaben ohne Prüfung übernehmen. KI interpretiert Forschungsdaten und Ergebnisse werden unverändert übernommen. KI-Einsatz wird nicht oder unvollständig deklariert. Forschungsfrage wird vollständig von KI formuliert ohne eigene intellektuelle Leistung.

APA 7th Edition – der Standard in der Professur

In der Professur für Technik & ihre Didaktik gilt APA 7th Edition als verbindlicher Zitierstil. Zotero mit dem APA-7-Stil ist die empfohlene Literaturverwaltung. Grundregel: Jede übernommene Aussage, jedes Modell, jede Grafik braucht eine Quellenangabe – ob wörtlich zitiert oder paraphrasiert.

Zeitschriftenartikel
Brown, J. S., Collins, A., & Duguid, P. (1989). Situated cognition and the culture of learning. Educational Researcher, 18(1), 32–42. https://doi.org/10.3102/0013189X018001032
Buchkapitel
Collins, A., Brown, J. S., & Newman, S. E. (1989). Cognitive apprenticeship: Teaching the crafts of reading, writing, and mathematics. In L. B. Resnick (Ed.), Knowing, learning, and instruction: Essays in honor of Robert Glaser (pp. 453–494). Lawrence Erlbaum Associates.
Monographie
Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books.
KI-Tool zitieren (APA 7)
Anthropic. (2025). Claude (Version claude-sonnet-4-5) [Large language model]. https://www.anthropic.com

Im Text: (Anthropic, 2025) – mit Hinweis im Anhang auf konkreten Verwendungszweck.
Sekundärzitate vermeiden: „Brown et al. (1989), zitiert nach Müller (2020)" ist nur erlaubt, wenn das Original nachweislich nicht zugänglich ist. In der Technikdidaktik sind fast alle Schlüsseltexte digital verfügbar (JSTOR, Google Scholar, ResearchGate, Bibliothekszugang der PH). Wer häufig sekundär zitiert, signalisiert: „Ich habe die Primärquelle nicht gelesen."
Wikipedia, Studyflix, Lernhelfer als Quelle: Für erste Orientierung nutzbar, aber wissenschaftlich nicht zitierbar. Konsequenz: Die dort genannte Originalliteratur suchen und direkt lesen. Gleiches gilt für Unterrichtsmaterialien, Lehrbücher ohne wissenschaftlichen Apparat und populärwissenschaftliche Artikel ohne Peer-Review.
KI-Outputs ohne Deklaration übernehmen: Texte und Formulierungen, die von KI-Modellen generiert oder maßgeblich verändert wurden, müssen im Anhang deklariert werden. Nicht-Deklaration gilt als Täuschungsversuch. Auch paraphrasierte KI-Outputs müssen deklariert werden – das „Umschreiben" von KI-Text ändert nichts an der Pflicht zur Offenlegung.
Falsche Seitenangaben: Bei wörtlichen Zitaten ist die Seitenangabe in APA 7 Pflicht (Smith, 2020, S. 45). Fehlt die Seite, ist das Zitat formal unvollständig. Bei E-Books ohne Seitenzahlen: Absatznummer oder Kapitelangabe verwenden (Abs. 3 oder Kap. 2).
Zu viele wörtliche Zitate: Eine wissenschaftliche Arbeit zeigt Verständnis durch Paraphrasierung – nicht durch Aneinanderreihung von Zitaten. Wörtliche Zitate sind sparsam einzusetzen: wenn die genaue Formulierung inhaltlich bedeutsam ist (z. B. Definitionen, terminologische Setzungen) oder wenn paraphrasiert etwas verloren ginge.
DOI immer angeben: Wo verfügbar, ist der DOI in APA 7 verpflichtend. Format: https://doi.org/10.xxxx/yyyy. Zotero übernimmt dies automatisch – trotzdem vor Abgabe gegenchecken, da Zotero gelegentlich fehlerhafte DOIs importiert.
Literaturverwaltung von Beginn an: Zotero von der ersten Quelle an nutzen – nicht erst am Ende. Alle Quellen beim ersten Lesen anlegen, PDF verknüpfen, Abstract und Schlüsselwörter eintragen. Zotero-Bibtex-Export und Word-Plugin für nahtlose Integration. Regelmäßige Backups der Zotero-Bibliothek.
Datenbanken systematisch nutzen: ERIC (Educational Resources Information Center), FIS Bildung Literaturdatenbank, Google Scholar, JSTOR, Springer Link, Elicit für empirische Studien. Suchbegriffe in Englisch und Deutsch kombinieren. Schneeballprinzip: Literaturverzeichnisse relevanter Artikel auf weitere Quellen prüfen.

Was funktioniert – was nicht

Die folgende Übersicht fasst zusammen, was in der Professur für Technik & ihre Didaktik als produktiver KI-Einsatz gilt – und was nicht. Der Maßstab ist immer: Liegt die intellektuelle Eigenleistung erkennbar bei der Autorin/dem Autor?

✅ Erlaubt & empfohlen
KI als Brainstorming-Partner für Forschungsfragen nutzen
Eigene Texte auf Stil, Klarheit und Kohärenz überprüfen lassen
Interviews mit KI-gestützter Transkription effizienter bearbeiten
Englischsprachige Texte mit KI leichter erschließen
Gliederungsentwürfe mit KI diskutieren und schärfen
Statistiksoftware-Code mit KI debuggen
Literaturrecherche mit Elicit oder Perplexity beschleunigen
KI-Nutzung vollständig und transparent deklarieren
✗ Nicht erlaubt
KI schreibt ganze Kapitel oder Abschnitte ohne eigene Überarbeitung
Forschungsfrage vollständig von KI formulieren lassen
KI-generierte Literaturangaben ohne Überprüfung übernehmen
Theoretischen Rahmen ausschließlich von KI zusammenstellen lassen
KI-Interpretation von Forschungsdaten als eigene ausgeben
KI-Einsatz verschweigen oder nicht deklarieren
Eigenständigkeitserklärung bei KI-Nutzung ohne Deklaration unterzeichnen
KI als Ersatz für das Lesen von Primärquellen nutzen
Thema statt Forschungsfrage: Viele Arbeiten beginnen mit „Thema: Maker Education" statt mit einer beantwortbaren Frage. Die Forschungsfrage ist das Rückgrat der Arbeit – alles andere (Theorie, Methode, Ergebnisse) dient ihrer Beantwortung.
Theorie und Empirie unverbunden: Häufige Schwäche: Der Theorieteil referiert Konzepte, die im empirischen Teil keine Rolle spielen – und umgekehrt. Der theoretische Rahmen muss die Erhebungsinstrumente, die Auswertungskategorien und die Diskussion der Ergebnisse direkt informieren.
Ergebnisse statt Diskussion: Ein häufiges Problem: Die Diskussion wiederholt die Ergebnisse, statt sie in den theoretischen Kontext einzubetten. Diskussion bedeutet: Ergebnisse vor dem Hintergrund des Forschungsstands interpretieren, Überraschungen erklären, Limitationen benennen, Implikationen für Praxis und Forschung ableiten.
Seiten statt Substanz: Seitenzahlen sind ein Mindestmaß, keine Qualitätssicherung. Eine 45-seitige Arbeit mit klarer Fragestellung, sauberem Design und substanziellem Erkenntnisgewinn ist einer 65-seitigen Arbeit ohne roten Faden vorzuziehen. Fülltext ist erkennbar und wird bewertet.
Limitationen im letzten Absatz verstecken: Grenzen der Studie (kleine Stichprobe, fehlende Kontrollgruppe, Selbstselektionsbias) gehören transparent in die Diskussion – nicht als Entschuldigung am Ende, sondern als wissenschaftliche Reflexion von Anfang an mitgedacht.
„KI ist im wissenschaftlichen Arbeiten wie ein 3D-Drucker im CreatorLab: ein mächtiges Werkzeug, das Kompetenz voraussetzt, nicht ersetzt. Wer den Drucker bedient, ohne den Prozess zu verstehen, produziert Kunststoffteile. Wer KI nutzt, ohne selbst zu denken, produziert Text. Beides ist kein Lernen."
📬
Kontakt aufnehmen: Interesse an einer Abschlussarbeit? Eine E-Mail mit einem kurzen Exposé-Entwurf (Thema, erste Forschungsfrage, methodische Idee, 1–2 Seiten) an hannes.nepper@ph-gmuend.de – Rückmeldung innerhalb von 2 Wochen.
📖
Einschlägige Zeitschriften lesen: Zeitschrift technik·education (tedu) · DiMawe – Die Materialwerkstatt · Journal of Technology Education · International Journal of Technology and Design Education · Empirische Studien finden sich zudem in ERIC und FIS Bildung.
🔧
CreatorLab aktiv erleben: Vor Beginn einer Abschlussarbeit im Bereich Maker Education, 3D-Druck oder Elektronik empfiehlt sich die aktive Teilnahme an einer Making-Session im CreatorLab der PH Gmünd. Technikdidaktik muss am eigenen Leib erfahren werden, bevor sie beforscht werden kann.
🎓
Abschlussarbeiten-Kolloquium besuchen: Im Rahmen der Seminare der Professur finden regelmäßig Kolloquien statt, in denen laufende Abschlussarbeiten vorgestellt und diskutiert werden. Teilnahme als Zuhörer*in ist möglich und sehr empfohlen – man lernt enorm viel aus dem Feedback anderer.
📋
Technikdidaktik · PH Schwäbisch Gmünd

Leitfaden: Unterrichtsentwurf Technik

Struktur, Lernzielformulierung, Stundenverlaufsplanung und Gefährdungsbeurteilung nach dem STOP-Prinzip für den Technikunterricht.

Gliederung & Qualitätsanforderungen

Mehr als ein Verlaufsplan – ein didaktisches Argument

Ein Unterrichtsentwurf ist keine bloße Ablaufbeschreibung. Er ist ein didaktisch begründetes Dokument, das zeigt, dass Sie die Unterrichtsstunde durchdacht, das Thema sachanalytisch durchdrungen und eine methodisch begründete Entscheidung für einen bestimmten Weg getroffen haben. Im Technikfach kommen Sicherheitsaspekte und die Beurteilung von Gefährdungen als Pflichtbestandteile hinzu. Der Entwurf ist auch ein Lernwerkzeug: Wer ihn sorgfältig schreibt, unterrichtet die Stunde gedanklich bereits einmal vor der Tür.

Der rote Faden ist entscheidend: Lerngruppe → Sachanalyse → didaktische Begründung → Lernziele → Methoden → SVV müssen aufeinander aufbauen. Wenn im Verlaufsplan eine Methode auftaucht, die in der didaktischen Analyse nicht begründet wurde, ist der rote Faden gebrochen. Das Dokument muss als kohärentes Ganzes gelesen werden können.

1
Deckblatt & Rahmendaten
½ Seite
2
Lerngruppe & Lernausgangslage
1–1,5 Seiten
3
Sachanalyse
1,5–2 Seiten
4
Didaktische Analyse & Begründung
1–1,5 Seiten
5
Lernziele (operationale Feinziele)
½–1 Seite
6
Gefährdungsbeurteilung (STOP-Prinzip)
Pflicht bei Praxis
7
Methodische Planung & Differenzierung
1 Seite
8
Stundenverlaufsplan (SVV)
Tabellenformat
9
Anhang (Materialien, Literatur)
variabel
„Ein Unterrichtsentwurf ist der Beweis, dass Lehren kein Improvisieren ist."
🧠
Technikdidaktik · Vorstellungsforschung

Leitfaden: Reaktionsmodi auf Lernendenvorstellungen

Sechs didaktische Reaktionsmodi für den technikbezogenen Unterricht – von der Diagnose über Konfrontation und Elaboration bis zur Reflexion. Mit Theorieverortung, Unterrichtsbeispielen, Diagnosetools und Sequenzierungshinweisen.

Schlüsselpublikation: Nepper, H. H., & Windelband, L. (2022). Mögliche Reaktionsmodi zu Lernendenvorstellungen im technikbezogenen Unterricht. In E. Eichelberger et al. (Hrsg.), Forschendes Lernen und Lehren im Textilen und Technischen Gestalten (S. 195–206). hep Verlag.
„Lernendenvorstellungen sind keine Fehler, die überschrieben werden müssen – sie sind die Ausgangsbedingung jedes Lernprozesses. Wer sie ignoriert, unterrichtet an den Lernenden vorbei."

Was sind Lernendenvorstellungen?

Schüler*innen kommen nicht als unbeschriebene Blätter in den Technikunterricht. Sie bringen Alltagsvorstellungen, subjektive Theorien und intuitive Konzepte mit – kognitiv kohärente Deutungsmuster, die aus Alltagserfahrungen, Medien, sozialen Interaktionen und dem Umgang mit Artefakten entstanden sind. Diese Vorstellungen sind keine bloßen Fehler; sie haben in ihrem Entstehungskontext oft sinnvolle Erklärungskraft und ermöglichen es Lernenden, sich als handlungsfähig zu erleben.

Didaktisch relevant sind sie aus zwei Gründen: Erstens blockieren wirkmächtige Fehlvorstellungen den Aufbau fachlich korrekter Konzepte. Zweitens bieten sie Anknüpfungspunkte – sie zeigen, wo Unterricht beginnen muss, um kognitiv anschlussfähig zu sein (Ausubel, 1968: „The most important single factor influencing learning is what the learner already knows.")

Typen von Lernendenvorstellungen
Präkonzeptionen
Vorwissen aus Alltagserfahrung, das vor dem Unterricht besteht. Oft funktional korrekt in alltäglichen Kontexten, aber fachlich unvollständig. Bsp.: „Strom fließt von der Batterie zum Lämpchen, dann ist er weg."
Fehlvorstellungen
Fachlich falsche Konzepte, die aktiv dem Lernen entgegenstehen. Resistent gegenüber einfacher Instruktion. Bsp.: „Wärme ist ein Stoff, der von warm nach kalt fließt."
Fragmentarisches Wissen
Isolierte, nicht vernetzte Wissensfragmente ohne kohärentes Konzept. Lernende können Fakten reproduzieren, aber nicht anwenden. Bsp.: Kennt „Ohm", kann aber Widerstand nicht auf Schaltungen anwenden.
Conceptual Change – Warum Vorstellungen so stabil sind

Das zentrale Theorem der Vorstellungsforschung: Lernendenvorstellungen sind wirkmächtig und stabil (Duit, 2009). Unterricht, der sie ignoriert, rauscht an ihnen vorbei – Schüler*innen geben in Prüfungen die erwarteten Antworten, denken aber weiterhin nach ihrer ursprünglichen Logik: Conceptual Change-Resistenz.

Posner et al. (1982) – Vier Bedingungen für Conceptual Change
1.Unzufriedenheit mit der alten Vorstellung
2.Verständlichkeit der neuen Konzeption
3.Plausibilität – die neue Konzeption muss wahr erlebbar sein
4.Fruchtbarkeit – neue Konzeption löst neue Probleme
Chi (2008) – Ontologische Fehlkategorisierungen
Chi unterscheidet schwachen CC (Wissensanreicherung innerhalb einer Kategorie) von radikalem CC (Wechsel der ontologischen Kategorie). Strom als „Substanz" statt als „Prozess" zu verstehen ist radikaler Change – besonders hartnäckig, da Lernende ihre alte Kategorie nicht freiwillig aufgeben.
Konsequenz für den Unterricht: Vorstellungsveränderung ist kein Überschreiben alter Information, sondern ein mühsamer Prozess der kognitiven Restrukturierung. Er braucht Zeit, Irritation, Elaboration und metakognitive Reflexion – und muss didaktisch begleitet werden. Genau hier setzen die sechs Reaktionsmodi von Nepper & Windelband (2022) an.

Die sechs Reaktionsmodi bilden kein starres lineares Skript, sondern ein didaktisches Repertoire – je nach Art der Vorstellung, Lerngruppe und Unterrichtssituation werden sie unterschiedlich kombiniert und gewichtet. Alle Modi bauen auf einer vorausgehenden Diagnose auf.

1
Modus 1 · Voraussetzung aller weiteren Modi
Diagnose
Vorstellungen sichtbar machen – ohne sofort zu werten oder zu korrigieren
Ziel
Subjektive Theorie der Lernenden explizit machen, bevor Unterricht beginnt oder an einem Knotenpunkt
Methoden
Concept Cartoons · halboffene Erkläraufgaben · Zeichnen & Beschriften · VBE-Protokoll · Think-aloud · Lerntagebuch-Einstieg
Technikunterricht
Schüler*innen skizzieren eine Schaltung, bevor sie aufgebaut wird · „Erkläre, wie ein Motor funktioniert" als Zeichenaufgabe
⚠️
Häufiger Fehler: Lernende geben die vermutete „richtige" Antwort statt ihrer tatsächlichen Vorstellung. Gegenstrategie: „Was glaubst du, was passiert?" statt „Was weißt du?" · Anonyme Kartenabfrage · Vorabzeichnung einfordern vor Fachbegriff-Nennung.
2
Modus 2 · Kognitive Dissonanz initiieren
Konfrontation
Die bestehende Vorstellung scheitert an einem konkreten Phänomen – Irritation als Lernchance

Konfrontation setzt gezielt kognitive Dissonanz ein: Die bestehende Vorstellung wird mit einem Phänomen konfrontiert, das sie nicht erklären kann. Ziel ist Posners erste Bedingung für Conceptual Change: Unzufriedenheit mit der alten Konzeption.

Methoden
Widerspruchsexperiment · Anomalie-Aufgabe · Voraussage schriftlich fixieren → Experiment → Diskrepanzanalyse · Gegenbeispiel · „Was würde passieren, wenn …?"-Szenario
Beispiel Stromkreis
Vorstellung: „Strom wird am Lämpchen verbraucht." → Amperemeter vor und nach dem Lämpchen zeigen gleichen Wert → Dissonanz erlebbar, nicht vorgeführt.
⚠️
Kritischer Punkt: Konfrontation muss als Entdeckung inszeniert werden, nicht als Ertappung. Eine beschämende Konfrontation erhöht Widerstände. Die Schüler*innen müssen die Diskrepanz selbst beobachten und benennen.
3
Modus 3 · Neues Konzept aufbauen und vernetzen
Elaboration
Das neue Konzept wird tief verarbeitet, mit Vorwissen verknüpft und in mehreren Kontexten erkundet

Nach der Konfrontation entsteht ein kognitives Vakuum: Die alte Vorstellung ist destabilisiert, eine neue noch nicht verfestigt. Elaboration füllt dieses Vakuum mit fachlich korrektem, vernetztem Wissen – durch aktive Konstruktion, Analogiebindung und elaboratives Encoding.

Analogiearbeit
Wasserkreislauf ↔ Stromkreis · Wärmefluss ↔ Informationsfluss · Rädertrieb ↔ Getriebeübersetzung. Analogien aktivieren vorhandene korrekte Schemata für neue Domänen.
Concept Mapping
Lernende erstellen eigene Begriffsnetze und ergänzen sie nach Unterrichtssequenzen. Sichtbarmachung von Vernetzungstiefe und Lücken.
Artefakt als Medium
Im Technikunterricht: Modellbau, Schaltungsaufbau, Prototyp. Das physische Artefakt ist Elaborationsmedium – der Körper denkt mit (embodied cognition).
4
Modus 4 · Konzeptuelle Restrukturierung
Veränderung
Die alte Vorstellung wird explizit dekonstruiert – Erweiterung, Ersetzung oder Restrukturierung

Veränderung kann drei Formen annehmen: Erweiterung (Vorstellung war in engem Kontext korrekt, wird ausgedehnt), Ersetzung (alte Vorstellung wird aufgegeben) und Restrukturierung (ontologische Kategorie wird gewechselt – der schwierigste Typ nach Chi).

Concept Change Journal
Schriftlich: „Vorher dachte ich … · Jetzt verstehe ich … · Verändert hat sich, weil …" – der Vergleich macht Bewegung sichtbar und schützt vor bloßer verbaler Zustimmung.
Typen im Überblick
Erweiterung: Strom als Fluss bleibt, wird aber als Kreislauf verstanden
Ersetzung: Wärme als Stoff → Wärme als Energie
Restrukturierung: Kraft als Eigenschaft → Kraft als Wechselwirkung
⚠️
Kritische Warnung: Verbale Zustimmung ist kein Indikator für Konzeptveränderung. Nur Aufgaben, die aktive Konstruktion verlangen (Erklären, Zeichnen, Anwenden auf neuen Kontext), zeigen, ob echte Veränderung stattgefunden hat.
5
Modus 5 · Transfer und Stabilisierung
Anwendung
Das neue Konzept wird in variierenden Kontexten geprüft – Transfer erzeugt Stabilität und verhindert Regression

Ein neues Konzept, das nicht in variierenden Kontexten angewendet wird, bleibt fragil. Unter Stress oder in neuen Situationen fällt das kognitive System auf die alte, automatisierte Vorstellung zurück (Regression). Variierender Transfer ist das wichtigste Mittel dagegen.

Near Transfer
Gleiches Konzept, leicht veränderter Kontext. Neue Schaltungsvariante aufbauen, Fehler im Schaltplan finden, Bauteile austauschen.
Far Transfer
Konzept auf fächerübergreifende Situationen übertragen: Stromkreis-Logik in hydraulischen Systemen oder Wärmeleitungsanalogien.
Teach-Back
Lernende erklären anderen (Peer-Teaching, Erklärfilm, Schautafel). Lücken im eigenen Verständnis werden dabei sichtbar.
6
Modus 6 · Metakognition und Lerneridentität
Reflexion
Der eigene Lernprozess wird zum Gegenstand – Woher kam meine Vorstellung? Was hat mich bewegt?

Metakognitive Reflexion ist die anspruchsvollste Stufe: Lernende wenden den Blick auf ihren eigenen Denkprozess. Sie fragen sich nicht nur was sie gelernt haben, sondern wie und warum sich ihre Vorstellung verändert hat. Dieser Modus stärkt epistemische Autonomie und zahlt auf wissenschaftspropädeutische Kompetenzen ein.

Methoden
Lernportfolio mit Before-After-Vergleich · Concept-Change-Essay · strukturierte Reflexionskarte · Peer-Feedback auf Lernentwicklung · Visualisierung des eigenen Lernpfads
Leitfragen für Lernende
„Woher kam meine ursprüngliche Vorstellung?"
„Was hat mich nicht überzeugt – und warum?"
„Wo könnte meine neue Vorstellung noch Lücken haben?"
„Was nehme ich für künftige Lernprobleme mit?"
Epistemische Dimension: Reflexion macht Lernende zu Forschenden ihrer selbst. Sie entwickeln ein differenziertes Bild davon, wie Wissen entsteht und wie wissenschaftliche Konzepte sich von Alltagsvorstellungen unterscheiden.

Diagnose ist Modus 1 und gleichzeitig Voraussetzung aller anderen Modi. Ohne fundierte Diagnose bleibt die Reaktion zufällig. Diese Übersicht stellt bewährte Diagnosewerkzeuge für den Technikunterricht vor, geordnet nach Aufwand und Erkenntnistiefe.

Diagnosewerkzeuge im Überblick
🃏
Concept Cartoons
SCHNELLKL. 5–12
Bildkarten zeigen mehrere Figuren mit unterschiedlichen (teils richtigen, teils falschen) Aussagen zu einem technischen Phänomen. Schüler*innen kreuzen an, wer Recht hat, und begründen schriftlich. Vorteil: Niedrigschwellig, nicht bedrohlich, aktiviert eigene Vorstellung ohne Prüfungscharakter. Technikbeispiel: Figuren streiten über die Funktion einer Sicherung, eines Transistors oder einer Übersetzung im Getriebe.
🧪
VBE – Voraussage · Beobachtung · Erklärung
MITTELKL. 7–10
Strukturiertes Protokoll in drei Schritten: (1) Schüler*innen notieren schriftlich, was sie erwarten. (2) Sie beobachten das Experiment. (3) Sie vergleichen Voraussage mit Beobachtung und erklären Diskrepanzen. Wichtig: Voraussage muss schriftlich vor dem Experiment erfolgen – sonst wird rückwirkend rationalisiert. Verbindet Diagnose direkt mit Konfrontation (Modus 2).
✏️
Zeichnen & Beschriften
SCHNELLAB KL. 5
Schüler*innen zeichnen und beschriften ein technisches System ohne Vorlage: Stromkreis, Motor, Getriebe, Wärmedämmung. Zeichnungen externalisieren mentale Modelle auf eine Weise, die verbale Erklärungen oft nicht leisten. Auswertung: Fehlende Pfeile, falsche Kausalrichtungen, fehlende Teile zeigen Vorstellungslücken. Zeichnungen aus verschiedenen Lernphasen vergleichen → Conceptual Change direkt sichtbar.
🗺️
Concept Mapping (diagnostisch)
AUFWÄNDIGAB KL. 8
Schüler*innen ordnen Begriffe (auf Karten) und verbinden sie mit beschrifteten Pfeilen. Zeigt nicht nur, welche Begriffe bekannt sind, sondern welche Relationen hergestellt werden. Besonders geeignet für Einheit-Beginn und Einheit-Ende im Vergleich. Software: CmapTools (kostenlos), Miro, Padlet-Variante. Auch handschriftlich auf großem Papier möglich.
🎙️
Klinisches Interview
INTENSIVSEMINAR / SE-ARBEIT
Offene Fragen, die Vorstellungen ohne Beeinflussung eruieren: „Erkläre mir, wie das funktioniert" · „Was passiert, wenn …?" · „Woher weißt du das?" Antworten nicht bewerten, sondern immer tiefer nachfragen (Piaget). Im Studium: Ideales Instrument für Seminar- und Abschlussarbeiten, Fallstudien zur Vorstellungsdiagnose.
Gütekriterien: Gute Diagnoseinstrumente vermeiden den Hawthorne-Effekt (Lernende zeigen Erwartungsverhalten statt eigene Vorstellung). Schlüssel: (1) Offene statt geschlossene Formate, (2) Begründung einfordern, (3) Formulierungen ohne implizite richtige Antwort, (4) psychologische Sicherheit herstellen – Diagnose ist keine Prüfung.

Die sechs Modi sind keine Checkliste, die linear abgearbeitet wird. Unterricht, der Vorstellungen ernst nimmt, ist ein adaptiver Prozess: Die Diagnose informiert, welche Modi in welcher Tiefe nötig sind. Die folgende Übersicht zeigt typische Muster realer Unterrichtssequenzen.

Typische Sequenzmuster
Sequenz A – Klassisches Conceptual-Change-Muster (2–3 Stunden · hartnäckige Fehlvorstellungen)
1 · Diagnose 2 · Konfrontation 3 · Elaboration 4 · Veränderung 6 · Reflexion
Geeignet für hartnäckige Fehlvorstellungen (Chi: ontologische Restrukturierung nötig). Konfrontation muss spürbar treffen – sonst wird Elaboration als abstrakt erlebt. Modus 5 (Anwendung) folgt in Nachfolgestunden.
Sequenz B – Elaborationsbetontes Muster (wenn Vorstellungen gut anschlussfähig sind)
1 · Diagnose 3 · Elaboration 5 · Anwendung 4 · Veränderung 6 · Reflexion
Wenn Diagnose zeigt, dass Vorstellungen nur unvollständig, aber nicht grundlegend falsch sind. Konfrontation wird übersprungen – stattdessen wird die vorhandene Vorstellung direkt elaboriert, in Aufgaben geprüft und dann explizit erweitert. Zeitsparend bei guter Lerngruppe.
Sequenz C – Iteratives Muster (mehrschichtige Vorstellungen · mehrere Unterrichtseinheiten)
1 2 3 1 (re) 2 (re) 4 5 6
Bei Vorstellungen, die aus mehreren Schichten bestehen (z.B. Energie: Substanz-Vorstellung + Verbrauchs-Vorstellung + falsches Erhaltungskonzept). Diagnose und Konfrontation werden mehrfach durchlaufen, da jede Konfrontation nur eine Schicht adressiert. Zeitaufwändig, bei radikalem CC unvermeidbar.
Planungshinweis für Unterrichtsentwürfe: Die Entscheidung für ein Sequenzmuster muss aus der Diagnose folgen – nicht aus dem Lehrbuch oder dem Lehrplan. Wer nicht weiß, welche Vorstellungen die Lerngruppe mitbringt, kann keine fundierte Sequenzentscheidung treffen. Diagnose ist daher stets der erste Planungsschritt – auch wenn er im Unterrichtsentwurf manchmal nur implizit sichtbar ist.

Technikdidaktik hat gegenüber der naturwissenschaftlichen Didaktik eine Besonderheit: Lernen vollzieht sich nicht nur über Konzepte, sondern auch über Artefakte, Handlungen und Konstruktionsprozesse. Die Reaktionsmodi erhalten damit eine materiale Dimension – Körper und Werkzeug werden Teil des Lernprozesses.

Typische Fehlvorstellungen im Technikunterricht
STROM
„Strom wird vom Lämpchen verbraucht"
Vorstellung: Strom fließt aus der Batterie, gibt am Lämpchen seine Energie ab – kein Rückfluss. Typ: Substanz-Vorstellung (Chi: ontologische Restrukturierung nötig). Konfrontation: Amperemeter vor und nach dem Lämpchen → gleicher Wert. Elaboration: Energie-Strom-Unterscheidung: Strom ist Ladungsfluss (bleibt erhalten), Energie wird in Wärme/Licht umgewandelt.
WÄRME
„Metall ist kälter als Holz bei gleicher Temperatur"
Vorstellung: Metall hat niedrigere Temperatur, weil es sich kälter anfühlt. Typ: Konfusion von Temperatur und Wärmeleitfähigkeit. Konfrontation: Thermometer auf Metall und Holz → gleiche Temperatur. Elaboration: Wärmeleitung als Materialeigenschaft – Metall leitet Wärme schnell von der Haut ab → fühlt sich kalt an.
GETRIEBE
„Ein größeres Zahnrad dreht sich schneller"
Vorstellung: Größe = Geschwindigkeit. Typ: Präkonzept aus Größen-Kraft-Alltagslogik. Konfrontation: Getriebe aufbauen, Umdrehungen zählen: das kleine Zahnrad dreht sich schneller. Elaboration: Übersetzungsverhältnis: Zähnezahl × Drehzahl = konstant. Kraft und Geschwindigkeit sind gegenläufig.
KRAFT
„Schwere Dinge fallen schneller"
Vorstellung: Fallgeschwindigkeit hängt vom Gewicht ab (Aristoteles). Durch Alltagserfahrung (Blatt vs. Stein) gestützt. Konfrontation: Gleiche aerodynamische Form, unterschiedliche Masse → fallen gleich schnell. Elaboration: Luftwiderstand als entscheidende Variable explizit thematisieren.
Das Artefakt als didaktischer Hebel
Als Diagnosemittel
Lernende bauen eine Schaltung aus der eigenen Vorstellung heraus auf. Die Schaltung externalisiert die mentale Vorstellung und macht sie analysierbar. Fehler in der Schaltung zeigen Denkfehler.
Als Konfrontationsmedium
Die falsch aufgebaute Schaltung funktioniert nicht – das ist die erlebte Konfrontation. Kein abstraktes Gegenbeispiel, sondern handfestes Scheitern des eigenen Modells.
Als Elaborationsmedium
Das korrekte Konzept wird in das Artefakt eingebaut – Schaltung reparieren, Getriebe optimieren. Embodied Cognition: Der Körper versteht, was der Kopf noch nicht ganz gefasst hat.
Als Transferprüfung
Modus 5: Lernende konstruieren ein neues Artefakt unter veränderten Bedingungen. Gelingt es, ist echtes Konzeptverständnis wahrscheinlich – nicht nur Auswendiglernen.

Die Reaktionsmodi von Nepper & Windelband (2022) sind eingebettet in ein breites Forschungsfeld: Conceptual Change-Forschung, Vorstellungsforschung in Naturwissenschaft und Technik sowie kognitivistische Lernpsychologie.

Nepper, H. H. & Windelband, L. (2022)
Mögliche Reaktionsmodi zu Lernendenvorstellungen im technikbezogenen Unterricht. In E. Eichelberger et al. (Hrsg.), Forschendes Lernen und Lehren im Textilen und Technischen Gestalten (S. 195–206). hep Verlag.
Inhalt: Primärquelle · Herleitung der sechs Modi für den technikbezogenen Unterricht · empirische Fundierung aus Unterrichtsstudien
Posner, G. J., Strike, K. A., Hewson, P. W. & Gertzog, W. A. (1982)
Accommodation of a scientific conception: Toward a theory of conceptual change. Science Education, 66(2), 211–227.
Inhalt: Klassisches Vier-Bedingungen-Modell für Conceptual Change · Grundlagentext der CC-Forschung
Chi, M. T. H. (2008)
Three types of conceptual change: Belief revision, mental model transformation, and categorical shift. In S. Vosniadou (Hrsg.), International Handbook of Research on Conceptual Change (S. 61–82). Routledge.
Inhalt: Unterscheidung schwacher vs. radikaler CC · ontologische Fehlkategorisierungen · Konsequenzen für Unterrichtsdesign
Duit, R. (2009)
Bibliography STCSE – Students' and Teachers' Conceptions and Science Education. IPN Kiel. (8. Aufl.)
Inhalt: Umfassendste Bibliographie zur Vorstellungsforschung · über 8.000 Einträge · auch für Technikvorstellungen relevant
Ausubel, D. P. (1968)
Educational Psychology: A Cognitive View. Holt, Rinehart & Winston.
Inhalt: Assimilation theory · „What the learner already knows" · Grundlage für anschlussfähigen Unterricht
Vosniadou, S. (Hrsg.) (2013)
International Handbook of Research on Conceptual Change. (2. Aufl.). Routledge.
Inhalt: Aktuellstes Standardwerk der CC-Forschung · Überblick über alle zentralen Theorieströmungen
Hinweis für Seminar- und Abschlussarbeiten
Studienarbeiten, die sich mit Lernendenvorstellungen im Technikunterricht befassen, sollten Nepper & Windelband (2022) als Primärquelle zitieren und in den Kontext der internationalen CC-Forschung (Posner, Chi, Duit) einordnen. Eine rein phänomenologische Beschreibung von Schülerfehlern ohne theoretische Rahmung ist für wissenschaftliche Arbeiten nicht ausreichend. Die Bibliographie von Duit (2009) liefert den Einstieg in domänenspezifische Vorstellungsforschung.
🤖
KI-Didaktik · PH Schwäbisch Gmünd

Leitfaden: Prompt Engineering für die Unterrichtsvorbereitung

Wie Lehrkräfte KI-Sprachmodelle gezielt für Planung, Differenzierung und Materialerstellung einsetzen – mit Prompt-Vorlagen für den Technikunterricht.

Was ist Prompt Engineering – und warum ist es eine Lehrerkompetenz?

Prompt Engineering bezeichnet die systematische Gestaltung von Eingaben (Prompts) an KI-Sprachmodelle, um qualitativ hochwertige, zuverlässige und aufgabengerechte Ausgaben zu erhalten. Ein Prompt ist nicht einfach eine Frage – er ist eine didaktische Instruktion an eine Maschine: präzise, kontextualisiert und auf ein definiertes Ziel ausgerichtet.

Für Lehrkräfte ist Prompt Engineering aus drei Gründen eine Schlüsselkompetenz: (1) Zeiteffizienz – differenzierte Materialien, Erwartungshorizonte und Planungen in Minuten statt Stunden. (2) Didaktische Kontrolle – wer Prompts beherrscht, steuert Niveau, Format, Fachsprache und pädagogische Ausrichtung. KI ohne Prompt-Kompetenz liefert Mittelmaß. (3) Vorbildfunktion – Lehrkräfte, die Prompt Engineering unterrichten können, befähigen Schüler*innen zur kritischen KI-Nutzung im Technikunterricht.

Die sechs Bausteine eines wirksamen Prompts

🔬 Muster-Prompt · Arbeitsblatt Stromkreis
ROLLEDu bist eine erfahrene Technikdidaktikerin für die Klassen 5–8 an einer Realschule in Baden-Württemberg.
KONTEXTKlasse 7b, 24 Schüler*innen, davon 6 mit Förderbedarf im Leseverständnis. Vorwissen: Leiter/Nichtleiter aus Klasse 6.
AUFGABEErstelle ein zweiseitiges Arbeitsblatt zur Unterscheidung von Reihen- und Parallelschaltung mit Lückentext, Zeichenaufgabe und Transferfrage.
FORMATFließtext für Word-Dokument. Nummerierte Aufgaben. Keine Markdown-Formatierung.
NIVEAUSprachniveau B1, Sätze max. 15 Wörter. Transferfrage auf Bloom-Stufe „Anwenden".
EINSCHRK.Keine Formeln. Alltagsbezug: Weihnachtsbeleuchtung. Erwartungshorizont als separaten Abschnitt.

Was jeder Baustein konkret leistet

Die sechs Bausteine sind keine starre Schablone, sondern ein Denkraster: Je mehr dieser Aspekte ein Prompt explizit macht, desto weniger muss die KI „raten" – und desto weniger Nachbearbeitung ist nötig.

ROLLE
Setzt den fachlichen und sprachlichen Rahmen. Ohne Rolle antwortet die KI als „generischer Assistent" – mit Rolle als Fachperson mit didaktischem Blick.
KONTEXT
Lerngruppe, Vorwissen, Förderbedarfe. Der häufigste fehlende Baustein – und der mit dem größten Effekt auf Passgenauigkeit.
AUFGABE
Was genau soll entstehen – mit Umfang, Struktur und Aufgabentypen. Vage Aufgaben („Mach was zu Stromkreisen") produzieren vage Ergebnisse.
FORMAT
Zielmedium (Word, Folie, Tabelle), Gliederung, Formatierungskonventionen. Verhindert nachträgliches Umformatieren.
NIVEAU
Sprachniveau, Satzlänge, kognitive Anforderungsstufe (z. B. Bloom). Macht Differenzierung explizit statt implizit.
EINSCHRÄNKUNGEN
Was vermieden werden soll (Formeln, Fachbegriffe), gewünschte Bezüge (Alltagskontext) und Zusatzanforderungen wie Erwartungshorizonte.

Fertige Prompt-Vorlagen für den Unterrichtsalltag

Die folgenden Vorlagen sind copy-paste-fertig – Platzhalter in eckigen Klammern [Thema] einfach durch die eigenen Inhalte ersetzen. Die Schwierigkeitsstufe gibt an, wie viel Nachschärfen typischerweise nötig ist – „Basis" liefert meist direkt verwendbare Ergebnisse, „Fortgeschritten" profitiert von ein bis zwei Iterationsrunden (siehe Tab „Workflow & Praxis").

📄
Arbeitsblatt erstellen
Basis
Du bist Technikdidaktiker*in für [Schulform] in BW. Erstelle ein Arbeitsblatt zu [Thema] für Klasse [Jahrgang]. - Drei Aufgaben: Wiederholung, Anwendung, Transfer - Sprachniveau [A2/B1/B2], Alltagsbezug: [Beispiel] - Kein Fachchinesisch ohne Erklärung - Erwartungshorizont als separaten Abschnitt
🔀
Differenzierung erzeugen
Mittel
Erstelle drei Versionen desselben Materials: VERSION A (Basis): Lückentexte, B1-Niveau, max. 10-Wort-Sätze VERSION B (Standard): wie vorhanden VERSION C (Erweiterung): Transferaufgabe Bloom-Stufe "Bewerten" Gleiche Seitenzahl für alle drei.
🪞
Unterrichtsentwurf reflektieren lassen
Fortgeschritten
Du bist eine erfahrene Fachleiterin für Technik. Analysiere meinen Unterrichtsentwurf kritisch: [Entwurf einfügen] Beantworte folgende Fragen konkret: 1. Sind die Lernziele operational und überprüfbar? 2. Passt die Methode zur Lerngruppe und zum Inhalt? 3. Ist die Zeitplanung realistisch (Sicherheitsunterweisung, Erarbeitungsphase, Sicherung, Aufräumen)? 4. Welche Differenzierungsmaßnahmen fehlen? 5. Was würde eine Seminarleitung bei der Lehrprobe als erstes kritisieren? Sei direkt und konkret. Kein allgemeines Lob.
🧠
Concept Cartoon / Vorstellungsdiagnose
Fortgeschritten
Du bist Technikdidaktiker*in mit Expertise in Lernendenvorstellungen. Erstelle einen Concept Cartoon zum Thema [Thema]. Format: Drei Sprechblasen für Max, Layla und Tom – alle drei Aussagen sind plausibel, aber unterschiedlich. Baue folgende typische Fehlvorstellungen ein: [Fehlvorstellung 1], [Fehlvorstellung 2]. Eine Aussage soll fachlich korrekt sein. Keine Aussage soll offensichtlich "richtig" wirken. Jede Aussage max. 2 kurze Sätze. Füge am Ende eine Lehrerkommentierung hinzu: Welche Vorstellung entspricht welcher Figur? Warum ist sie didaktisch wertvoll?
📊
Fragebogen / Erhebungsinstrument entwickeln
Mittel
Du bist Fachdidaktikerin mit Erfahrung in quantitativer Unterrichtsforschung. Entwickle einen Prä-Post-Fragebogen zum Thema [Thema, z.B. Selbstwirksamkeit beim Löten]. Anforderungen: - 8–10 Items auf einer 5-stufigen Likert-Skala - Orientierung an [validierter Skala, z.B. ASKU] - Sprache: B1, max. 15 Wörter pro Item - Je 4 positiv und 4 negativ formulierte Items (für interne Konsistenzprüfung) - Kein Fachjargon ohne Erklärung Füge am Ende Hinweise zur Auswertung (Cronbachs Alpha, Umkodierung) an.
🔬
Versuchsanleitung & Experiment entwickeln
Mittel
Du bist Technikdidaktiker*in mit Schwerpunkt Sicherheit im Werkraum. Entwickle eine Versuchsanleitung zum Thema [Thema, z.B. Lötversuch mit Lüsterklemme] für Klasse [Jahrgang], Gruppengröße [Anzahl]. Gliederung: 1. Lernziel (operationalisiert) 2. Materialliste mit Mengenangaben 3. Sicherheitshinweise (DGUV-konform, als separater hervorgehobener Abschnitt) 4. Durchführung in nummerierten Schritten 5. Beobachtungsaufgabe für Schüler*innen 6. Auswertungsfragen (Bloom-Stufe "Analysieren") Sprache B1. Zeitbedarf realistisch schätzen inklusive Auf- und Abbau.
Feedback & Bewertungsraster erstellen
Basis
Du bist Technikdidaktiker*in für [Schulform]. Erstelle ein Bewertungsraster (Rubric) für [Aufgabe, z.B. selbst gebautes Brückenmodell] in Klasse [Jahrgang]. - 4 Bewertungskriterien, klar von Schüler*innen selbst einschätzbar - 3 Niveaustufen je Kriterium (z.B. "ansatzweise erreicht / erreicht / über Erwartung") - Konkrete, beobachtbare Formulierungen statt vager Begriffe wie "gut" oder "ordentlich" - Tabellenformat: Kriterium | Stufe 1 | Stufe 2 | Stufe 3 Ergänze 2 Beispielsätze für individuelles Feedback je Niveaustufe, formuliert in Du-Form und wertschätzendem Ton.

Prompt-Strategien: Von einfach zu fortgeschritten

Nicht jede Aufgabe braucht die gleiche Prompt-Strategie. Die folgende Übersicht ordnet sechs gängige Strategien nach Komplexität und zeigt, wofür sie sich im Schulkontext besonders eignen. Mehrere Strategien lassen sich auch kombinieren – etwa Role Prompting mit Chain-of-Thought für eine Unterrichtsreflexion „aus Schülersicht, Schritt für Schritt".

StrategiePrinzipWann einsetzenBeispiel
Zero-ShotDirekte Aufgabe ohne BeispielEinfache, klar definierte Aufgaben„Erkläre Reihen- vs. Parallelschaltung."
Few-ShotAufgabe + 2–3 BeispieleWenn Format oder Stil wichtig ist„Erstelle Lernziele nach diesem Muster: [Beispiel 1]…"
Chain-of-ThoughtKI denkt Schritt für SchrittKomplexe Analysen, Planungsaufgaben„Denke Schritt für Schritt: Analysiere diesen Entwurf…"
Role PromptingKI übernimmt PerspektiveFeedback, Gegenlesen, Schüler*innenperspektive„Du bist Schüler*in Klasse 8. Was findest du unklar?"
Iteratives VerfeinernErgebnis in Folge-Prompts verbessernLange Materialien, mehrere Überarbeitungsrunden„Gut. Mache die Transferfrage anspruchsvoller."
Persona SplitZwei Perspektiven gleichzeitigBinnendifferenzierung auf einen Blick„Schreibe als Lehrkraft UND als Schüler*in der selben Aufgabe."

Strategien kombinieren – ein Beispiel

Für die Reflexion eines Unterrichtsentwurfs lassen sich Role Prompting und Chain-of-Thought verbinden: Die KI übernimmt die Perspektive einer Fachleitung und arbeitet die Analyse in nachvollziehbaren Schritten ab. Das Ergebnis liest sich wie ein strukturiertes Reflexionsgespräch statt wie eine pauschale Bewertung – und ist damit unmittelbar für die eigene Vorbereitung auf eine Lehrprobe nutzbar.

Vom ersten Prompt zum fertigen Material: ein iterativer Workflow

Der häufigste Fehler im Umgang mit KI-Sprachmodellen: den ersten Output als Endprodukt zu behandeln. Erfahrungsgemäß führt ein kurzer, iterativer Dialog in 3–4 Schritten deutlich schneller zu einem brauchbaren Ergebnis als ein einziger, überladener „Mega-Prompt".

1 📝
Grobentwurf anfordern
Mit den sechs Bausteinen (Rolle, Kontext, Aufgabe, Format, Niveau, Einschränkungen) einen ersten Entwurf erstellen lassen – bewusst noch ohne Detailwünsche.
2 🔍
Fachlich & didaktisch prüfen
Inhalte gegen Fachliteratur/Bildungsplan prüfen, Passung zur Lerngruppe einschätzen. Hier entscheidet sich, ob weiterverfeinert oder neu angesetzt wird.
3 🔁
Gezielt nachschärfen
Konkrete Folge-Prompts statt globaler Neuformulierung: „Mache Aufgabe 2 anspruchsvoller", „Kürze Einleitung auf 3 Sätze", „Ergänze ein Differenzierungsangebot".
4 ✅
Finalisieren & verantworten
Endkontrolle: Quellen, Zahlen und Sicherheitshinweise verifizieren, Formatierung für Zielmedium anpassen, eigene didaktische Note ergänzen.

Do's & Don'ts in der Praxis

✅ Empfehlenswert
  • Mit kurzen, konkreten Folge-Prompts iterieren statt alles neu zu formulieren
  • Eigene Beispiele/Materialien als Few-Shot-Vorlage mitgeben
  • Bei Unsicherheit gezielt nach Quellen oder Begründungen fragen
  • Ergebnisse für unterschiedliche Lerngruppen parallel generieren (Persona Split)
  • Eigene fachliche und didaktische Letztverantwortung bewusst wahrnehmen
❌ Vermeiden
  • Generierte Sicherheitshinweise oder Rechtsverweise ungeprüft übernehmen
  • Personenbezogene Schülerdaten in kommerzielle KI-Tools eingeben
  • Einen einzigen, sehr langen Prompt für mehrere unabhängige Aufgaben nutzen
  • KI-Output 1:1 als Erwartungshorizont ohne eigene Prüfung verwenden
  • Auf KI-generierte Statistiken oder Studienverweise ohne Beleg vertrauen

Transfer in den Unterricht: Schüler*innen Prompting beibringen

Der gleiche Sechs-Bausteine-Ansatz lässt sich altersgerecht vereinfachen, um Schüler*innen kritische KI-Nutzung beizubringen – etwa als Drei-Schritt-Modell „Wer? Was? Wie genau?" (Rolle/Kontext, Aufgabe, Format/Niveau). So wird Prompting selbst zum Unterrichtsgegenstand: Schüler*innen vergleichen unterschiedlich formulierte Prompts und deren Ergebnisse und entwickeln dabei ein Gefühl dafür, wie Sprache Maschinenausgaben steuert – eine Kompetenz, die weit über den Technikunterricht hinausreicht.

Grenzen, Risiken und Verantwortung

⚠️ Systematische Grenzen: KI halluziniert plausibel klingende Fakten, Quellen und Gesetzestexte – DGUV-Vorschriften, Bildungsplanverweise, Normen (DIN/ISO) und Sicherheitshinweise immer gegen Originalquellen prüfen. KI kennt Ihre Lerngruppe nicht und produziert Durchschnittsmaterialien. Datenschutz: Keine Schülernamen oder personenbezogenen Daten in kommerzielle KI-Systeme eingeben. Im Schülerbetrieb nur DSGVO-konforme Tools (z.B. fobizz). Die Lehrkraft trägt die pädagogische, fachliche und rechtliche Verantwortung für alle eingesetzten Materialien – unabhängig vom Erstellungsprozess.

Typische Risikofelder im Überblick

🧩
Halluzinationen
Erfundene Studien, falsche Normbezeichnungen oder veraltete Vorschriften wirken oft überzeugend formuliert. Gegenmittel: gezielt nach Quellen fragen und diese eigenständig verifizieren.
🔒
Datenschutz
Namen, Klassenlisten oder Leistungsdaten gehören nicht in kommerzielle Chat-Tools. Für den Einsatz mit Schüler*innen ausschließlich DSGVO-konforme, schulisch freigegebene Plattformen nutzen.
⚖️
Verantwortung
KI-generierte Inhalte sind Entwürfe, keine freigegebenen Materialien. Fachliche, pädagogische und rechtliche Verantwortung bleibt – unabhängig vom Erstellungsweg – bei der Lehrkraft.
📊
Durchschnittlichkeit
Ohne expliziten Kontext orientiert sich KI an statistischen Durchschnittswerten – die konkrete Lerngruppe mit ihren Besonderheiten muss aktiv eingebracht werden.

Checkliste vor dem Einsatz im Unterricht

  • Wurden alle Fakten, Zahlen und Quellenangaben gegen Originalquellen geprüft?
  • Sind Sicherheitshinweise (DGUV, Werkraumordnung) vollständig und korrekt?
  • Passt das Sprachniveau tatsächlich zur Lerngruppe – nicht nur theoretisch?
  • Wurden personenbezogene Daten zu keinem Zeitpunkt in das KI-Tool eingegeben?
  • Ist für den Schülereinsatz ein DSGVO-konformes Tool vorgesehen?
  • Trägt das Material eine erkennbare eigene didaktische Handschrift?
„KI macht Lehrkräfte nicht besser – sie macht gute Lehrkräfte effizienter."
🌤️

Wetter & Ausflugstipps

Live-Wetter Schwäbisch Gmünd · 7-Tage-Vorhersage · Stundenverlauf · Ausflugstipps & Maker-Projekt

°
Gefühlt °C
🦄
Schwäbisch Gmünd · Goldstadt im Ostalbkreis
~1162
Älteste Stauferstadt Deutschlands
63.000
Einwohner*innen · Kreisstadt
320 m
Höhe ü. NN · Remstal
🦄 1277
Erstes Einhorn-Wappen der Stadt

Schwäbisch Gmünd ist Europas Schmuckhochburg – seit Jahrhunderten Zentrum der Goldschmiedekunst und des Edelsteinhandels. Das gotische Heilig-Kreuz-Münster (1351–1521), geplant von Heinrich Parler, gilt als eine der bedeutendsten Hallenkirchen Süddeutschlands. Der Stadtgarten auf dem Laga-Gelände 2014 und die drei Stauferberge Hohenstaufen, Rechberg und Stuifen prägen das Stadtbild.

Die Pädagogische Hochschule mit dem CreatorLab verbindet Maker Education, Technologiedidaktik und Forschung an einem Ort. Der Ostalbkreis bietet einzigartige Naturräume: Schwäbische Alb, Welzheimer Wald, Härtsfeldebene und das Nördlinger Ries (UNESCO-Geopark).

🦄 Wappentier Einhorn: Seit einem Siegelabdruck von 1277 führt Schwäbisch Gmünd ein aufgerichtetes silbernes (weißes) Einhorn in Rot – eines der ältesten Stadtwappen Baden-Württembergs, 2025 mit „750 Jahre Einhorn" gefeiert. Warum gerade ein Einhorn gewählt wurde, ist nicht eindeutig überliefert; eine Deutung verweist auf die Staufer, eine andere auf die Gründungslegende der Johanniskirche. Als Freie Reichsstadt nutzten Gmünder Zünfte das Einhorn zudem als Eich- und Gütezeichen für Exportwaren. Genau dieses Wappentier markiert auch das CreatorLab als 🦄 auf den Mountainbike- und Wanderkarten.

⏳ Wetterdaten werden geladen…
🔧 CreatorLab Maker-Projekte · Wetter & Klima
🌡️
CreatorLab Projekt
Arduino-Wetterstation mit OLED-Display & Drucktrend

Eine voll funktionsfähige Wetterstation, die Temperatur, Luftfeuchtigkeit und Luftdruck misst, auf einem OLED-Display ausgibt und aus dem Druckverlauf eine einfache Wetterprognose berechnet. Ideal als Projektarbeit für Klassen 7–9 oder als CreatorLab-Seminararbeit. Alle Materialien sind im CreatorLab vorhanden.

Arduino UnoDHT22 SensorBMP280 (Luftdruck)0,96" OLED I2CJumperkabel + Breadboard3D-Druck GehäuseDauer: 4–6 h
1
Schaltung aufbauen: DHT22 an Pin D2, BMP280 über I2C (SDA=A4, SCL=A5), OLED ebenfalls am I2C-Bus (Adresse 0x3C). Alle Komponenten auf dem Breadboard verbinden und Kabelfarben systematisch verwenden (rot=5V, schwarz=GND, gelb=Daten).
2
Bibliotheken installieren: In Arduino IDE über Library Manager: „Adafruit DHT sensor library" (+ Adafruit Unified Sensor), „Adafruit BMP280 Library", „Adafruit SSD1306" und „Adafruit GFX Library". Alle Dependencies bestätigen.
3
Sensoren auslesen: DHT22 liefert Temperatur (°C) und relative Luftfeuchtigkeit (%), BMP280 den absoluten Luftdruck (hPa) und optional die Höhe (m ü. NN). Seriellen Monitor öffnen und Werte prüfen – typische Fehler: falsche I2C-Adresse, fehlende Pull-Up-Widerstände.
4
OLED-Anzeige programmieren: Adafruit_SSD1306-Bibliothek initialisieren (128×64 Pixel). Drei Zeilen ausgeben: Temperatur, Luftfeuchtigkeit, Luftdruck. display.clearDisplay() am Anfang jedes Update-Zyklus, display.display() am Ende. Schriftgröße 1–2 je nach Info.
5
Drucktrend berechnen: Alle 10 min den aktuellen Druck in ein Array schreiben (Ringpuffer, 6 Werte = 1 Stunde). Fällt der Mittelwert >4 hPa/3h → Regen wahrscheinlich → Regenschirm-Symbol auf OLED. Steigt er → Schönwetter-Symbol. Logik in eigenem Funktionsblock auslagern.
6
Gehäuse 3D-drucken: Im CreatorLab FDM-Drucker nutzen: Außengehäuse mit Belüftungsschlitzen für die Sensoren (damit Luftzirkulation gewährleistet ist), Sichtfenster für OLED, Öffnung für USB-Kabel. PETG-Filament empfohlen (temperaturbeständiger als PLA). Druckzeit ca. 3 h.
7
Erweiterung (optional): ESP8266 statt Arduino Uno → WLAN-Anbindung, Daten an MQTT-Broker oder Thingspeak senden, historische Daten auf SD-Karte loggen, Web-Dashboard mit Chart.js visualisieren. Für MA-Projektseminar ideal.
☀️
CreatorLab Projekt
UV-Index-Ampel mit Sonnenschutz-Warnsystem

Eine kompakte Ampel, die die aktuelle UV-Strahlung misst und über eine RGB-LED anzeigt, ob und welcher Sonnenschutz nötig ist. Sensibilisiert für Hautschutz und macht unsichtbare Strahlung sichtbar – ein dankbares Einstiegsprojekt für Klassen 5–7.

Arduino / ESP32GUVA-S12SD UV-SensorRGB-LED (WS2812)0,96" OLED I2C3D-Druck Gehäuse mit DiffusorDauer: 2–3 h
1
Sensor anschließen: GUVA-S12SD liefert eine analoge Spannung proportional zur UV-Intensität. Signal-Pin an einen Analogeingang (z. B. A0), Versorgung 3,3–5 V je nach Modul. Sensor möglichst ungehindert nach oben ausrichten (kein Gehäuse im Strahlengang).
2
Spannung in UV-Index umrechnen: Analogwert (0–1023) zunächst in Volt umrechnen, anschließend über eine lineare Näherungsformel aus dem Datenblatt in den UV-Index (0–11+) übersetzen. Werte über serielle Schnittstelle ausgeben und mit einem UV-Index-Online-Dienst zur Kalibrierung vergleichen.
3
Ampel-Logik programmieren: UV-Index in drei bis fünf Stufen einteilen (z. B. 0–2 grün, 3–5 gelb, 6–7 orange, 8+ rot). WS2812-LED entsprechend ansetzen (FastLED- oder Adafruit_NeoPixel-Bibliothek). Übergänge weich einblenden statt hart umschalten.
4
OLED-Anzeige ergänzen: Aktuellen UV-Index als Zahl sowie eine Klartext-Empfehlung anzeigen („Sonnencreme auftragen", „Mittagssonne vermeiden"). Empfehlungstexte als Array hinterlegen und passend zur Ampelstufe auswählen.
5
Gehäuse mit Diffusor drucken: 3D-gedrucktes Gehäuse mit transluzentem Diffusor-Element über dem UV-Sensor (z. B. dünnwandiger Bereich oder eingelegtes Stück Naturfilament) für gleichmäßigere Lichteinkopplung. Stabiler Standfuß für Außeneinsatz auf dem Schulhof.
6
Unterrichtsanknüpfung: Tagesverlauf des UV-Index protokollieren und mit Bewölkung, Jahreszeit und Tageszeit korrelieren. Diskussion: Warum ist UV-Strahlung auch bei bewölktem Himmel relevant? Bezug zu Hautkrebsprävention und Ozonschicht.
🌧️
CreatorLab Projekt
Niederschlagsmesser mit Kippwaagen-Sensor

Ein digitaler Regenmesser nach dem Kippwaagenprinzip, der jeden Niederschlagsimpuls zählt und daraus die Regenmenge in mm berechnet. Liefert über Wochen echte lokale Niederschlagsdaten – ein Klassiker der Citizen-Science-Wetterbeobachtung.

Arduino / ESP32Tipping-Bucket-SensorReed-KontaktmicroSD-Modul3D-Druck Trichter & WippeDauer: 5–7 h
1
Mechanik konstruieren: Trichter sammelt Regenwasser und leitet es auf eine kleine, im Gleichgewicht balancierte Wippe (Tipping Bucket). Ist eine Seite gefüllt, kippt sie, entleert sich und die andere Seite füllt sich – jedes Kippen entspricht einer definierten Wassermenge (z. B. 0,2 mm).
2
Reed-Kontakt einbauen: An der Wippenachse einen kleinen Magneten befestigen, darunter einen Reed-Kontakt fixieren. Jedes Kippen löst einen kurzen Schaltimpuls aus, der per Interrupt am Mikrocontroller gezählt wird – kein Polling nötig, dadurch energiesparend.
3
Kalibrieren: Definierte Wassermenge (z. B. 100 ml) langsam einfüllen und Anzahl der Kippvorgänge zählen. Daraus den mm-Wert pro Impuls berechnen und im Code als Konstante hinterlegen. Kalibrierung mit zwei bis drei Durchläufen absichern.
4
Datenlogging einrichten: Jeden Impuls mit Zeitstempel auf microSD schreiben (CSV: Datum, Uhrzeit, Impulszahl). Stündliche und tägliche Summen berechnen und separat ablegen – Grundlage für spätere Auswertung in Excel oder Python.
5
3D-gedrucktes Gehäuse: Trichter mit großem Durchmesser (für genaue Werte), Wippenkammer mit Lagerböcken aus PETG, Standfuß mit Bohrungen zur Befestigung. Wasserablauf so gestalten, dass kein Rückstau entsteht.
6
Unterrichtsanknüpfung: Eigene Tagessummen mit DWD-Stationsdaten der Umgebung vergleichen – wie stark unterscheiden sich Mikrostandorte? Niederschlagsreihen über ein Schuljahr als Grundlage für eine kleine Klimaanalyse nutzen.
💨
CreatorLab Projekt
Wind-Messstation: Anemometer & Windrichtung

Eine mechanische Windmessstation mit rotierenden Schalenkreuz-Anemometer für die Windgeschwindigkeit und einer Windfahne mit Magnetsensor für die Windrichtung. Ein anspruchsvolleres Projekt mit viel 3D-Druck- und Mechanikanteil.

Arduino / ESP32Hall-SensorMagnetwiderstands-Sensor (Richtung)Kugellager3D-Druck Schalenkreuz & WindfahneDauer: 8–10 h
1
Schalenkreuz drucken & montieren: Drei oder vier Halbschalen mit Armen 3D-drucken und auf einer drehbaren Achse mit Kugellager montieren. Die Schalen sorgen dafür, dass sich das Kreuz proportional zur Windgeschwindigkeit dreht.
2
Drehzahl per Hall-Sensor messen: Kleinen Magneten an der Drehachse befestigen, Hall-Sensor stationär darunter platzieren. Jede Umdrehung erzeugt einen Impuls; über ein festes Zeitfenster (z. B. 5 s) gezählt und in Umdrehungen pro Sekunde umgerechnet.
3
Kalibrierung der Windgeschwindigkeit: Umdrehungszahl in m/s umrechnen – idealerweise durch Vergleichsmessung mit einem Referenz-Anemometer oder durch bekannte Umfangsgeschwindigkeit bei definierter Antriebsdrehzahl (z. B. mit Akkuschrauber kalibrieren).
4
Windrichtung erfassen: Windfahne auf einer zweiten Achse montieren, an deren Unterseite mehrere Magnete in unterschiedlichen Positionen sitzen. Magnetwiderstands- oder Hall-Sensoren in 8 Himmelsrichtungen anordnen und auswerten, welcher Sensor aktiv ist.
5
Datenausgabe & Logging: Windgeschwindigkeit (m/s, Böenmaximum) und Richtung (8-stufige Windrose) auf OLED anzeigen und per microSD oder WLAN (ESP32) loggen. Mittelwert über 10 Minuten als Standardgröße für Wetterberichte berechnen.
6
Unterrichtsanknüpfung: Windrose über mehrere Tage erstellen und mit der Hauptwindrichtung am Standort vergleichen. Bezug zu Windenergie: Wie viel Energie steckt im gemessenen Wind (P ∝ v³)? Diskussion über Standortwahl für Windkraftanlagen.
🔋
CreatorLab Projekt
Solarbetriebene Mini-Klimastation mit Datenlogger

Eine autarke, solarbetriebene Klimastation für den Außeneinsatz über Wochen oder Monate – ohne Kabelverbindung. Kombiniert die Sensorik der Wetterstation mit Energiemanagement, Tiefschlafmodus und Langzeit-Datenlogging.

ESP32Solarpanel + LiPo-AkkuLade-/Schutzschaltung (TP4056)DHT22 + BMP280microSD-Modul3D-Druck WetterschutzgehäuseDauer: 6–8 h
1
Energieversorgung aufbauen: Solarpanel (5–6 V) über TP4056-Lademodul an LiPo-Akku (3,7 V) anschließen. ESP32 über den Akku versorgen. Spannungsteiler zur Akkuspannungsmessung an einen Analogeingang legen, um den Ladezustand zu überwachen.
2
Sensoren wie bei Projekt 1 anschließen: DHT22 und BMP280 wie in der Basis-Wetterstation verkabeln. Zusätzlich Lichtsensor (LDR oder BH1750) ergänzen, um Sonnenscheindauer grob abzuschätzen.
3
Tiefschlafmodus programmieren: ESP32 zwischen Messungen in Deep Sleep versetzen (z. B. alle 15 Minuten aufwachen, messen, loggen, wieder schlafen). Dadurch sinkt der Energieverbrauch drastisch – entscheidend für mehrwöchigen Solarbetrieb ohne Wartung.
4
Datenlogging auf microSD: Jede Messung mit Zeitstempel (z. B. via NTP bei kurzer WLAN-Verbindung oder internem RTC) als CSV-Zeile speichern. Dateigröße im Blick behalten – bei stündlichen Messungen reicht eine Karte für Jahre.
5
Wetterschutzgehäuse drucken: Gehäuse mit Strahlungsschutz (Lamellen oder Doppelwand wie bei einer Stevenson-Hütte) für die Sensoren, damit direkte Sonneneinstrahlung die Temperaturmessung nicht verfälscht. Solarpanel separat oben montieren, möglichst nach Süden ausgerichtet.
6
Unterrichtsanknüpfung: Standort mit wenig Infrastruktur wählen (z. B. Schulgarten, CreatorLab-Außenbereich) und über ein Schulhalbjahr Daten sammeln. Energiebilanz diskutieren: Wie viele Tage hält der Akku ohne Sonne? Bezug zu autarken Messnetzen in entlegenen Regionen.
🌍 Klimabildung · Vom Sensor zur Klimaperspektive
🌡️
Bildung für Nachhaltige Entwicklung · BNE
Fünf Sensoren, eine Frage: Wie verändert sich unser Klima?

Die fünf Maker-Projekte dieses Bereichs sind mehr als einzelne Bastelprojekte – zusammen ergeben sie ein eigenes kleines Messnetz. Wer eigene Daten zu Temperatur, UV-Strahlung, Niederschlag, Wind und Luftdruck erhebt, versteht intuitiv den Unterschied zwischen Wetter (tagesaktuell, lokal) und Klima (langjähriger Durchschnitt, global) – die Grundlage für jede gesellschaftliche Klimadebatte.

🌡️ Mikroklima & Stadtklima
Wetterstation (Projekt 1) und Solar-Klimastation (Projekt 5) parallel an verschiedenen Standorten betreiben: Schulhof vs. Stadtgarten vs. Waldrand. Wo ist es 3°C wärmer und warum? → Urban Heat Island mit eigenen Daten erlebbar machen.
📊 Datenkompetenz
CSV-Logs aller fünf Geräte mit Python (pandas) oder Excel auswerten: Durchschnitt, Extremwerte, Trendlinien, Korrelationen zwischen Luftdruck, Niederschlag und Wind. Visualisierung mit Chart.js oder Matplotlib – Klimawandel wird in Zahlen lesbar, direkt vor Ort in Schwäbisch Gmünd.
☀️ Strahlung, Wind & Energie
UV-Ampel (Projekt 2) und Wind-Messstation (Projekt 4) liefern Daten zu Sonneneinstrahlung und Windgeschwindigkeit. Erneuerbare Energien greifbar machen: Wie viele Sonnenstunden, wie viel Windenergie steckt im Jahresverlauf tatsächlich im eigenen Standort?
🌱 Handlungsorientierung
Niederschlagsmesser (Projekt 3) liefert reale Regendaten für den Schulgarten – von der Messung zur Wirkung: Lernende präsentieren ihre Daten im Gemeinderat oder auf der Schulwebsite. Citizen Science – eigene Messwerte ins DWD-Netz einspeisen (Netatmo-API, OpenWeatherMap Community). Technik als gesellschaftliche Teilhabe.
💡
Curricularer Anknüpfungspunkt: BNE-Leitperspektive (B) im BW-Bildungsplan – Kompetenzbereich „Welt verstehen und gestalten". Die fünf Projekte verbinden Technik (Sensorik, Programmierung, Energieversorgung), Naturwissenschaft (Atmosphäre, Thermodynamik, Strahlung) und Gesellschaft (Klimagerechtigkeit, politisches Handeln) in einem zusammenhängenden Maker-Curriculum – vom Einsteigerprojekt bis zur autarken Langzeitstation.
🚵

Mountainbike-Strecken

Trails & Touren im Ostalbkreis – von familienfreundlichen Forstwegen bis zu technischen Singletrails + CreatorLab Maker-Projekt

Der Ostalbkreis bietet eine außergewöhnlich vielfältige MTB-Landschaft: Vom sanften Remstal über die technischen Trails des Härtsfeldplateaus bis zu den flowigen Waldwegen des Welzheimer Waldes ist für alle Fahrstile etwas dabei. Die Region ist topografisch abwechslungsreich – Höhendifferenzen von 200 bis über 1.000 Höhenmetern pro Tour, naturbelassene Waldwege und historische Stauferberge als Kulisse.

Touren filtern nach Eignung
5 Top-Touren im Ostalbkreis
1
Schwäbisch Gmünd – Stauferland-Trail
📏 38 km↑ 820 Hm⏱ 3–4 h🟡 Mittel
Klassische Runde um Gmünd über die drei Stauferberge Hohenstaufen (684 m), Rechberg und den Welzheimer Wald. Kombination aus breiten Forstwegen und flowigen Trailabschnitten. Gut beschildert, mehrere Einkehrmöglichkeiten. Besonders schön im Herbst mit Laubfärbung.
👨‍👩‍👧 Familie (geübt)
📍 48.8006, 9.7942 · Parkplatz Stadtgarten Gmünd🚌 5 Min. Fußweg ab Bahnhof Gmünd zum Stadtgarten
2
Aalen – Härtsfeld-Singletrails
📏 52 km↑ 1.100 Hm⏱ 4–5 h🔴 Schwer
Die technisch anspruchsvollste Tour im Ostalbkreis – steinige Passagen über das Härtsfeldplateau, enge Kurven durch Wacholderheiden, kurze technische Drops. Das Härtsfeld (650–700 m) bietet grandlose Ausblicke über das Ries. Nur für geübte Fahrer*innen mit technischem Können. Gute Ausrüstung Pflicht (Helm, Protektor).
⚙️ Technisch & Anspruchsvoll
📍 48.8374, 10.0933 · Parkplatz Aalen-Waldhausen🚌 Bahnhof Aalen, dann Bus Richtung Waldhausen + ca. 15 Min. Fußweg
3
Lauterburg-Trail · Lorch
📏 18 km↑ 420 Hm⏱ 1,5–2 h🟢 Einfach–Mittel
Familienfreundliche Runde rund um Lorch mit herrlichem Blick auf das romanische Kloster Lorch (12. Jh.). Überwiegend breite Forstwege mit einzelnen schönen Trailpassagen. Lorch selbst lohnt eine kurze Besichtigung – Einkehr in der Klostergaststätte möglich. Ideal als erstes MTB-Abenteuer.
🌱 Einsteiger*innen👨‍👩‍👧 Familie
📍 48.7972, 9.6928 · Marktplatz Lorch🚌 Start direkt am Bahnhof Lorch (Remsbahn Stuttgart–Aalen)
4
Schwäbische-Alb-Überquerung (Segment)
📏 45 km↑ 950 Hm⏱ 4 h🟡 Mittel
Vom Albuch bei Dischingen über Heidenheim in Richtung Nördlinger Ries – herrliche Wiesentrails auf dem Albtrauf, Panoramablicke über das Ries und den Albvorland. Biketransport teils möglich. Gut für Bikepacking-Einsteiger*innen – moderates Gelände, schöne Abwechslung zwischen Albboden und Albkante.
🎒 Bikepacking
📍 48.6772, 10.1531 · Parkplatz Dischingen / Albuch🚌 Eingeschränkt – Bahnhof Heidenheim als nächstgrößerer Anschluss, von dort ca. 25 Min. Anfahrt
5
Welzheimer Wald – Flowtrail Murrhardt
📏 28 km↑ 650 Hm⏱ 2,5 h🟡 Mittel
Direkt an der westlichen Grenze des Ostalbkreises: schnelle, flowige Waldtrails durch den dichten Welzheimer Wald. Wenig technische Hindernisse, dafür viel Geschwindigkeit und schöne Waldatmosphäre. Beliebt bei Familien und Genussfahrer*innen. Der Wald bietet auch an heißen Tagen angenehm kühle Waldluft.
🌊 Flow👨‍👩‍👧 Familie
📍 48.9570, 9.5322 · Waldparkplatz Murrhardt-Fornsbach🚌 Bahnhof Murrhardt (Murrtalbahn), dann ca. 20 Min. Fußweg/Auffahrt nach Fornsbach
📅 Saisonale Empfehlungen
JahreszeitEmpfohlene Tour(en)Warum
🌱 FrühjahrLauterburg-Trail Lorch (3), Flowtrail Murrhardt (5)Waldböden sind nach der Schneeschmelze meist zuerst hier wieder fest befahrbar; moderates Profil schont aufgeweichte Trails.
☀️ SommerFlowtrail Murrhardt (5), Schwäbische-Alb-Überquerung (4)Schattige Waldabschnitte im Welzheimer Wald sorgen für Kühle; auf dem Albtrauf weht meist eine angenehme Brise.
🍂 HerbstStauferland-Trail (1), Härtsfeld-Singletrails (2)Trockene, griffige Böden und Laubfärbung machen die Stauferberge und das Härtsfeldplateau besonders reizvoll.
❄️ WinterStauferland-Trail (1, bei Trockenheit), sonst Indoor-AlternativenNaturbelassene Trails sind bei Frost/Nässe schnell stark in Mitleidenschaft gezogen – Forstwege auf dem Stauferland-Trail sind robuster, aber Vorsicht bei Schnee/Eis.
🔧 CreatorLab Maker-Projekte · Mountainbike
📷
CreatorLab Projekt
Automatische Trail-Kamera mit Bewegungserkennung & IP65-Gehäuse

Eine wetterfeste Kamera, die bei Bewegung automatisch Fotos oder Videos aufnimmt – ideal zur Tierbeoachtung oder als Streckenkamera auf MTB-Trails. Raspberry Pi Zero 2W als Herzstück, PIR-Sensor für Bewegungsdetektion, wetterfestes 3D-Druck-Gehäuse (IP65) für den Außeneinsatz. Perfekt als Projektarbeit für Klassen 8–10 oder als Seminararbeit.

Raspberry Pi Zero 2WPi Camera v2 (8 MP)PIR-Sensor HC-SR501LiPo-Akku 3.000 mAhmicroSD 64 GB3D-Druck PETG (IP65)Dauer: 6–8 h
1
Raspberry Pi einrichten: Raspberry Pi OS Lite (64-bit) mit Raspberry Pi Imager auf microSD flashen. SSH aktivieren (ssh-Datei im Boot-Ordner anlegen), WLAN-Zugangsdaten in wpa_supplicant.conf eintragen. Kamera-Interface in raspi-config aktivieren: „Interface Options → Camera → Enable".
2
PIR-Sensor anschließen: HC-SR501: VCC an 5V (Pin 2), GND an GND (Pin 6), OUT an GPIO17 (Pin 11). Empfindlichkeit (linkes Poti: Reichweite 3–7 m) und Verzögerungszeit (rechtes Poti: 5–300 s) mit Schraubenzieher einstellen. Test: GPIO-Ausgang per Python abfragen.
3
Python-Aufnahmeskript: Bei PIR-Auslösung → Kamera startet 10-Sekunden-H264-Video (picamera2-Bibliothek). Dateiname mit Zeitstempel (datetime.now().strftime). Dateien in /home/pi/clips/ ablegen. Skript als systemd-Service einrichten, damit es beim Boot automatisch startet.
4
Energiesparmodus: Zwischen Aufnahmen CPU-Takt drosseln (cpufreq-set -g powersave), WLAN und HDMI deaktivieren (Skript beim Start). Standby-Verbrauch: ~0,1 W → Akkulaufzeit 48–72 h. LED am PIR-Sensor ausbauen oder mit Tape abkleben (Tarnung im Gelände).
5
IP65-Gehäuse im CreatorLab bauen: Außengehäuse aus PETG (wetterfest bis -20°C) im FDM-Drucker: Kameraöffnung mit Acrylglas (3 mm, Lasercutter), Kabeldurchführungen mit Gummistopfen abdichten. Montagehalterung für Baumschraubung mitdrucken. Gesamtdruckzeit: ca. 4 h.
6
Erweiterung – KI-Klassifikation: TensorFlow Lite auf dem Pi installieren, vortrainiertes MobileNet-Modell für Tier/Mensch/Fahrrad-Klassifikation laden. Jedes Videoclip automatisch labeln und nur relevante Clips speichern → deutlich reduzierter Speicherbedarf. Für Projektarbeiten mit KI-Schwerpunkt ideal.
🚨
CreatorLab Projekt
Sturz- & Notfall-Tracker mit Beschleunigungssensor

Ein kompaktes Gerät am Lenker oder Helm, das anhand abrupter Beschleunigungs- und Lageänderungen einen Sturz erkennt und per LED/Buzzer Alarm gibt – mit optionaler GPS-Standortmeldung. Sensibilisiert für sichere Trails und ist ein lehrreiches Projekt zu Sensorik und Schwellenwert-Algorithmen.

ESP32MPU6050 (Beschleunigung + Gyroskop)GPS-Modul NEO-6MBuzzer + LEDLiPo-Akku 1.000 mAh3D-Druck Lenker-/HelmhalterungDauer: 6–8 h
1
MPU6050 anschließen: MPU6050 über I2C (SDA/SCL) mit dem ESP32 verbinden, Versorgung über 3,3 V. Bibliothek (z. B. Adafruit_MPU6050) installieren und Rohdaten von Beschleunigung (g) und Drehrate (°/s) auf allen drei Achsen über den seriellen Monitor prüfen.
2
Normalfahrt aufzeichnen: Während einer Testfahrt kontinuierlich die Gesamtbeschleunigung (Vektorbetrag aus x/y/z) loggen. Typische Werte bei normaler Fahrt, Bremsen und kleinen Sprüngen notieren – diese Daten bilden die Basis für sinnvolle Schwellenwerte.
3
Sturz-Erkennungslogik: Ein Sturz äußert sich meist durch (a) einen sehr hohen kurzen Beschleunigungsausschlag (Aufprall) gefolgt von (b) einer ungewöhnlichen, dauerhaften Neigung (Rad liegt auf dem Boden). Beide Bedingungen kombinieren, um Fehlalarme bei normalen Schlaglöchern zu vermeiden.
4
Alarmkette programmieren: Bei erkanntem Sturz: Buzzer- und LED-Alarm sofort auslösen, anschließend 15 Sekunden Wartezeit mit Abbruchtaste („Ich bin okay"). Erfolgt keine Bestätigung, GPS-Position erfassen und für eine spätere Übertragung (z. B. SMS via SIM800L oder WLAN-Notify) vorbereiten.
5
GPS-Modul einbinden: NEO-6M über UART anschließen, TinyGPS++-Bibliothek nutzen, um Längen- und Breitengrad zu parsen. Position als Google-Maps-Link formatieren (https://maps.google.com/?q=lat,lng), damit er direkt weitergegeben werden kann.
6
Gehäuse & Befestigung drucken: Kompaktes, stoßfestes Gehäuse mit Gummidichtung für Lenker- oder Helmmontage 3D-drucken. Schwerpunkt tief halten, damit das Gerät die Sensorwerte nicht verfälscht. Diskussion im Unterricht: Grenzen automatischer Sturzerkennung und Datenschutz bei Standortdaten.
🛞
CreatorLab Projekt
Reifendruck-Frühwarnsystem (TPMS) für MTB

Ein einfaches Reifendrucksystem, das den Luftdruck in Vorder- und Hinterreifen überwacht und bei zu niedrigem Druck warnt – wichtig für Trail-Sicherheit (Durchschläge, Reifenschäden) und Effizienz. Verbindet Drucksensorik mit drahtloser Übertragung zwischen zwei kleinen Sendeeinheiten und einer Anzeige am Lenker.

2× ESP32-C3 (Sender)1× ESP32 (Empfänger/Display)2× Drucksensor (0–6 bar)0,96" OLED I2CKnopfzellen-Akkus3D-Druck Ventil-Adapter & HalterungenDauer: 7–9 h
1
Drucksensor am Ventil adaptieren: Kleinen Drucksensor (analog oder I2C, je nach verfügbarem Modell) über einen 3D-gedruckten Adapter mit dem Schraderventil verbinden. Dichtungsring (O-Ring) verwenden, um Luftverlust zu vermeiden – Druckprobe vor dem Einsatz zwingend.
2
Sender-Firmware schreiben: ESP32-C3 liest den Drucksensor regelmäßig aus (z. B. alle 30 s), wandelt das Signal in bar/PSI um und sendet den Wert per ESP-NOW (verbindungslos, sehr energiesparend) an die Empfängereinheit. Geräte-ID mitschicken, um Vorder- und Hinterrad zu unterscheiden.
3
Empfänger & Display: Empfänger-ESP32 nimmt beide Sender-Pakete entgegen und zeigt Vorder- und Hinterreifendruck gleichzeitig auf dem OLED an. Soll-Druckbereich (z. B. 1,8–2,2 bar) hinterlegen und bei Über-/Unterschreitung farblich bzw. mit Warnsymbol hervorheben.
4
Energie- und Gehäusekonzept: Sendereinheiten möglichst klein und leicht halten (Knopfzellen, Deep-Sleep zwischen Messungen). 3D-gedruckte, vibrationsfeste Gehäuse für die Sender an der Felge/Speiche, robuste Lenkerhalterung für das Display drucken.
5
Kalibrierung & Test: Sensorwerte mit einer mechanischen Standluftpumpe mit Manometer abgleichen, Offset im Code korrigieren. Testfahrt mit bewusst leicht zu niedrigem Druck durchführen, um die Warnfunktion zu überprüfen.
6
Unterrichtsanknüpfung: Diskussion zu Reifendruck, Rollwiderstand und Pannenrisiko – Bezug zu Physik (Druck, Volumen, Temperaturabhängigkeit nach Gay-Lussac). Datenreihen über mehrere Fahrten als Einstieg in Sensordatenauswertung nutzen.
📈
CreatorLab Projekt
Trail-Schwierigkeits-Logger: Neigung, Vibration & GPS

Ein Datenlogger fürs Fahrrad, der Neigungswinkel, Erschütterungen und Geschwindigkeit entlang einer Strecke aufzeichnet und daraus automatisch ein Schwierigkeitsprofil erstellt – z. B. für eine selbst erstellte Trail-Karte des CreatorLab oder zur Dokumentation neuer Streckenabschnitte.

ESP32MPU6050 (Neigung + Vibration)GPS-Modul NEO-6MmicroSD-ModulLiPo-Akku 2.000 mAh3D-Druck RahmenhalterungDauer: 6–8 h
1
Sensorik aufbauen: MPU6050 für Neigung (Pitch/Roll) und Vibration (Beschleunigungsvarianz), GPS-Modul für Position und Geschwindigkeit, alles über ESP32 ansteuern. Komponenten mittig am Rahmen (z. B. Unterrohr) montieren, um Verwindungen zu minimieren.
2
Datenstruktur festlegen: Pro Sekunde eine CSV-Zeile schreiben: Zeitstempel, GPS-Position, Geschwindigkeit, Neigungswinkel, Vibrationskennwert (z. B. Standardabweichung der Beschleunigung über 1 s). Diese Struktur ist Grundlage für die spätere Auswertung.
3
Aufzeichnung & Logging: Daten kontinuierlich auf microSD schreiben (eine Datei pro Tour, Dateiname mit Datum/Uhrzeit). Auf ausreichend Schreibgeschwindigkeit der Karte achten (Class 10 oder besser), um Datenverlust bei hoher Aufzeichnungsrate zu vermeiden.
4
Schwierigkeitsindex berechnen: Nach der Tour: Strecke in kurze Segmente (z. B. 20 m) unterteilen, pro Segment durchschnittliche Steigung und Vibrationskennwert berechnen, zu einem Schwierigkeitsindex kombinieren (z. B. gewichtete Summe). Index in Kategorien (leicht/mittel/schwer) übersetzen.
5
Visualisierung: GPX-Track mit Schwierigkeitsindex je Segment in einer Karten-App (z. B. mit Python/Folium oder QGIS) farblich darstellen – grün/gelb/rot entlang der Strecke. Ergebnis als Grundlage für eine CreatorLab-eigene Trail-Karte nutzen.
6
Unterrichtsanknüpfung: Vergleich subjektiver Einschätzung („fühlte sich schwer an") mit objektiven Messwerten. Diskussion: Welche Faktoren machen einen Trail „schwer" – Steigung, Untergrund, Kurvenradius? Datengestützte vs. erfahrungsbasierte Einstufung von Trails.
☀️
CreatorLab Projekt
Solar-Ladestation für Trail-Rastplätze

Eine robuste, freistehende Solarstation für Rastplätze entlang von MTB-Strecken, die per USB Smartphones, GPS-Geräte oder Lichter lädt – nützlich für lange Touren und ein Beitrag zur Infrastruktur am Trail. Kombiniert Energiemanagement mit Outdoor-tauglichem Gehäusebau.

Solarpanel 10–20 WLaderegler (MPPT/PWM)LiFePO4-Akku 12 VUSB-Powerbank-Modul (5V/12V)Wetterfestes 3D-Druck-/HolzgehäuseDauer: 8–10 h
1
Energiekreislauf planen: Solarpanel → Laderegler → Akku → Verbraucher (USB-Ausgänge). Laderegler verhindert Überladung und Tiefentladung des Akkus. Dimensionierung gemeinsam berechnen: Wie viel Energie liefert das Panel an einem durchschnittlichen Tag, wie viele Ladevorgänge sollen möglich sein?
2
Komponenten verkabeln: Solarpanel an Laderegler-Eingang, Akku an Batterieausgang des Reglers, USB-Powerbank-Modul (mit eigenem Tiefentladeschutz) an den Lastausgang. Sicherungen zwischen den Hauptkomponenten einplanen, Kabelquerschnitte passend zur Strombelastung wählen.
3
Mess- & Anzeigeeinheit: Kleines Display oder LED-Anzeige für Akkustand und aktuelle Solarleistung ergänzen (z. B. mit einem einfachen Spannungs-/Strommessmodul). Hilft Nutzenden zu erkennen, ob die Station gerade lädt oder der Akku knapp ist.
4
Outdoor-Gehäuse bauen: Wetterfestes Gehäuse aus PETG-3D-Druck oder kombiniert mit lasergeschnittenem Multiplex bauen: Solarpanel fest und nach Süden geneigt montieren, USB-Buchsen mit Klappdeckel/Dichtung vor Regen schützen, Akku gut belüftet aber geschützt unterbringen.
5
Standortwahl & Montage: Gemeinsam mit Forst- oder Wegeverantwortlichen einen geeigneten, sonnenexponierten Standort an einem bestehenden Rastplatz auswählen. Station diebstahlsicher und stabil befestigen (z. B. an einem Pfosten), Genehmigung einholen.
6
Unterrichtsanknüpfung: Reale Messdaten zu Sonnenstunden und Ladeleistung über mehrere Wochen sammeln und mit dem berechneten Energiebedarf vergleichen. Diskussion über dezentrale, erneuerbare Energieversorgung im öffentlichen Raum und Maker-Beiträge zu lokaler Infrastruktur.
🌍 Klimabildung · Wald, Trail & Klimawandel
🌲
Bildung für Nachhaltige Entwicklung · BNE
Der Trail als Messstrecke – Mountainbiken mit Forschungsblick

Die fünf Maker-Projekte dieses Bereichs verwandeln das Mountainbike vom reinen Sportgerät zum mobilen Messsystem. Wälder im Ostalbkreis stehen durch Hitze, Trockenheit und Borkenkäfer unter Druck – Trail-Kamera, Sensorik am Rad und Solartechnik machen diesen Wandel sichtbar, messbar und diskutierbar. Citizen-Science-Ansatz: Lernende werden zu Forschenden in ihrer eigenen Umgebung.

📷 Waldbeobachtung im Zeitverlauf
Trail-Kamera (Projekt 1) über mehrere Monate am gleichen Standort im Welzheimer Wald oder Stauferwald. Zeitrafferserie dokumentiert Laubaustrieb, Trockenperioden und Kronenschäden. Phänologie selbst messen – verschiebt sich der Laubaustrieb gegenüber historischen Referenzwerten?
🦊 Artenvielfalt & Lebensraum
Welche Tierarten nutzen den Trail noch? Mit der Trail-Kamera Wildtierkorridore kartieren, Aktivitätsmuster (Tag/Nacht, Jahreszeit) analysieren. Biodiversitätsverlust als lokales Phänomen begreifen – Kameradaten mit iNaturalist-Beobachtungen verknüpfen.
🚵 Trail-Profile & Nutzungskonflikt
Trail-Schwierigkeits-Logger (Projekt 4) zeigt, wie Steigung und Untergrund die Belastung des Bodens beeinflussen – kombiniert mit Trail-Kamera-Daten zu Nutzungszeiten entsteht eine faktenbasierte Grundlage für Wegekonzepte, statt Meinung gegen Meinung im Naturschutzkonflikt.
🔋 Energie & Materialkreislauf am Trail
Solar-Ladestation (Projekt 5) macht Energieerzeugung im Wald sichtbar erfahrbar, Sturz-Tracker (Projekt 2) und Reifendruck-TPMS (Projekt 3) sensibilisieren für Ressourcenschonung – weniger Reifenschäden, weniger Pannenmüll, sicherere Touren. Diskussion: Welche Technik braucht es wirklich am Trail, welche ist Komfort?
💡
Curricularer Anknüpfungspunkt: BNE-Leitperspektive (B), Fächerverbund Mensch–Natur–Kultur (MNK) und Technik Kl. 7–10. Die fünf Projekte verbinden Ökologie (Waldkunde, Artenvielfalt), Technik (Embedded Systems, Sensorik, Energieversorgung) und Gesellschaft (Naturschutzrecht, Klimaanpassung, Verkehrssicherheit) zu einem ganzheitlichen Maker-Curriculum rund um Trail und Wald.
🧗

Wanderrouten im Ostalbkreis

Schönste Wanderwege von gemütlichen Tälern bis zum Albtrauf + CreatorLab Maker-Projekt für GPS-begeisterte Wanderer*innen

Der Ostalbkreis ist eine der wanderreichsten Regionen Baden-Württembergs. Drei Naturräume überlagern sich: die Schwäbische Alb mit ihren markanten Albtraufkanten, der Welzheimer Wald mit dichten Buchenwäldern und stillen Bachläufen, und das Nördlinger Ries – ein UNESCO-Geopark in einem 25-km-weiten Meteoritenkrater. Dazu kommen die historisch bedeutsamen Stauferberge rund um Schwäbisch Gmünd als lohnende Nahziele.

Routen filtern nach Eignung
5 Top-Wanderrouten im Ostalbkreis
1
Drei-Kaiserberge-Weg
📏 22 km↑ 550 Hm⏱ 6 h🟡 Mittel
Überquerung aller drei Stauferkegel Hohenstaufen (684 m), Rechberg (707 m) und Stuifen (757 m) – einer der schönsten Panoramarundwege im Ostalbkreis. Bei gutem Wetter Fernsicht bis zu den Alpen. Historisch: die Stammberge des Kaisergeschlechts der Staufer. Einkehrmöglichkeiten an allen drei Gipfeln (saisonal). Bestens beschildert.
🏃 Trailrunning
📍 48.6678, 9.7336 · Parkplatz Hohenstaufen-Aufstieg🚌 Bus 1 ab Bahnhof Gmünd → Hohenstaufen, Fußweg ca. 15 Min.
2
Remstaler Weinwanderweg
📏 12 km↑ 280 Hm⏱ 3,5 h🟢 Einfach
Gemütliche Weinwanderung durchs Remstal zwischen Gmünd und Lorch – durch Obstwiesen, Weinberge und idyllische Dörfer. Im Herbst besonders attraktiv: Besenwirtschaften entlang des Weges laden zur Einkehr ein. Familienfreundlich, kinderwagentauglich auf weiten Abschnitten. Kloster Lorch (12. Jh.) als kulturelles Highlight am Ende der Tour.
👨‍👩‍👧 Familie🚶 Senior*innen♿ Weite Abschnitte barrierefrei
📍 48.7985, 9.8018 · Stadtbrücke Schwäbisch Gmünd🚌 Start 5 Min. Fußweg ab Bahnhof Gmünd, Rückweg ab Bahnhof Lorch (Filsbahn/Remsbahn)
3
Albtrauf-Steig · Heubach–Rosenstein
📏 16 km↑ 480 Hm⏱ 4,5 h🟡 Mittel
Entlang des dramatischen Albtraufs mit Ausblicken über das gesamte Albvorland. Wacholderheide, bizarre Felsenformationen (Rosenstein, 684 m) und mittelalterliche Burgruinen prägen das Bild. Besonders im Frühjahr (Orchideenblüte) und Herbst empfehlenswert. Der Rosenstein bietet eine der besten Aussichten der gesamten Schwäbischen Alb.
🏃 Trailrunning
📍 48.7939, 9.9337 · Parkplatz Heubach / Albtrauf🚌 Bahnhof Heubach (Schwäbische Alb-Bahn Aalen–Schorndorf), dann ca. 25 Min. Fußweg zum Albtrauf
4
Teufelsmühle – Welzheimer Wald
📏 9 km↑ 180 Hm⏱ 2,5 h🟢 Einfach
Entspannte Waldwanderung durch den urwüchsigen Welzheimer Wald zur historischen Teufelsmühle. Mehrere Bäche zum Queren, Kletterfelsen für Kinder, schattige Waldwege. Ganzjährig gut begehbar. Perfekt für Familien mit jüngeren Kindern oder als Feierabendtour nach der PH. Die Teufelsmühle (18. Jh.) ist ein restauriertes Mühlengebäude mit kleiner Gastronomie.
👨‍👩‍👧 Familie🚶 Senior*innen♿ Hauptweg gut befahrbar
📍 48.8820, 9.6340 · Waldparkplatz Welzheim-Ost🚌 Bus ab Bahnhof Welzheim (Wieslauftalbahn) bis Welzheim-Ost, ca. 10 Min. Fußweg
5
Riesrand-Panoramaweg · UNESCO-Geopark
📏 19 km↑ 350 Hm⏱ 5 h🟡 Mittel
Am östlichen Rand des Ostalbkreises: Wanderung entlang des Rands des Nördlinger Ries – eines der am besten erhaltenen Meteoritenkrater der Erde (UNESCO-Geopark, 15 Mio. Jahre alt, 25 km Durchmesser). Aussichtsturm Wallerstein (383 m) mit 360°-Panorama über das Ries. Geo-Infotafeln entlang des Weges erklären die Entstehungsgeschichte.
🏃 Trailrunning
📍 48.8893, 10.4780 · Parkplatz Wallerstein / Riesrand🚌 Bahnhof Nördlingen (Ries-Bahn), dann ca. 35 Min. Fußweg zum Riesrand bei Wallerstein
📅 Saisonale Empfehlungen
JahreszeitEmpfohlene Route(n)Warum
🌱 FrühjahrAlbtrauf-Steig (3), Remstaler Weinwanderweg (2)Orchideenblüte auf der Wacholderheide, Obstbaumblüte im Remstal – beide Wege zeigen die Landschaft im Aufbruch.
☀️ SommerTeufelsmühle (4), Riesrand-Panoramaweg (5)Schattige Waldwege im Welzheimer Wald bieten Kühle; am Riesrand sorgt klare Fernsicht für beste Aussicht.
🍂 HerbstRemstaler Weinwanderweg (2), Drei-Kaiserberge-Weg (1)Besenwirtschaften im Remstal, Laubfärbung und besonders klare Fernsichten von den Stauferbergen.
❄️ WinterDrei-Kaiserberge-Weg (1, bei Schneelage mit Grödeln), Teufelsmühle (4)Kaiserberge bieten bei klarer Luft Fernsicht bis zu den Alpen; die Teufelsmühle-Runde ist ganzjährig gut begehbar.
🔧 CreatorLab Maker-Projekte · Wandern
🗺️
CreatorLab Projekt
GPS-Wandertracker mit E-Paper-Display & GPX-Export

Ein tragbarer GPS-Tracker, der Position, Höhe, Geschwindigkeit und zurückgelegte Strecke auf einem stromsparendem E-Paper-Display anzeigt, alle Wegpunkte als GPX-Datei auf microSD speichert und optional Luftdruck und Temperatur misst. Kompatibel mit Komoot, AllTrails und OpenStreetMap. Perfekt für Klassen 8–10 und als Seminarprojekt an der PH.

ESP32 TTGO T-BeamGPS Ublox NEO-6M (integriert)2,9" E-Paper DisplayBME280 (Temp/Druck/Feuchte)18650-Akku (3.400 mAh)3D-Druck Handgelenk-HalterDauer: 6–8 h
1
TTGO T-Beam einrichten: In Arduino IDE die Boards-URL für ESP32 eintragen (Espressif). Board „TTGO T-Beam" wählen, Treiber installieren (CP2102). Bibliotheken über Library Manager: TinyGPS++, GxEPD2 (E-Paper), Adafruit BME280, SPI, Wire. Ersten Sketch zum Testen der seriellen GPS-Ausgabe hochladen.
2
GPS auslesen und verarbeiten: TinyGPS++ parst NMEA-Strings vom integrierten Ublox NEO-6M Modul. Auslesen: gps.location (lat/lng), gps.altitude (m), gps.speed (km/h), gps.satellites (Anzahl). Satellitenanzahl auf Display anzeigen – Fix erst ab ≥4 Satelliten zuverlässig. Fix-Wartezeit im Freien: 30–90 Sekunden.
3
E-Paper-Display anzeigen: GxEPD2-Bibliothek initialisieren (SPI-Verbindung). Dashboard mit vier Feldern: Position (Koordinaten), Höhe, Geschwindigkeit, Strecke. Update alle 30 s – E-Paper behält Bild ohne Strom, daher idealer Energieverbrauch. Partial-Update für Felder verwenden (schneller, kein vollständiges Flackern).
4
GPX-Track auf microSD loggen: SD-Bibliothek einbinden, GPX-Datei mit ISO-8601-Zeitstempel öffnen. Alle 10 s einen Wegpunkt (trkpt) schreiben: lat, lon, ele, time. GPX-Datei korrekt öffnen und schließen (trkType, trkseg). Fertige GPX-Datei ist direkt kompatibel mit Komoot, AllTrails, OSM und Google My Maps.
5
Wetter integrieren: BME280 über I2C anbinden (Adresse 0x76 oder 0x77). Temperatur, Luftfeuchtigkeit und absoluten Luftdruck messen. Luftdruck-Trendpfeil auf Display: Vergleich mit Wert vor 3 h → Druckabfall >4 hPa → Regenwetter-Warnung. Höhe alternativ aus Luftdruck berechnen (Barometerhöhenformel).
6
Ergonomisches Gehäuse 3D-drucken: Handgelenk-Halter mit Schnellverschluss-System im CreatorLab aus PETG (wetterfest) drucken. Separates Fach für 18650-Akku mit Ladeplatine (TP4056). Schaltfläche als Taster für Display-Update. Gesamtgehäuse spritzwassergeschützt (IP54) durch dichte Passung. Druckzeit ca. 3,5 h.
🔍
CreatorLab Projekt
Digitale Schnitzeljagd: Geocaching-Boxen mit NFC/QR

Eine Reihe von 3D-gedruckten, wetterfesten Cache-Boxen mit NFC-Tags oder QR-Codes, die entlang einer Wanderroute versteckt werden. Beim Scannen öffnet sich ein digitales Rätsel, eine Zusatzinfo oder ein OER-Lerninhalt – ideal als Klassen- oder CreatorLab-Projekt zur Verbindung von Wandern und digitalem Lernen.

NFC-Tags (NTAG215)Smartphone (Scan-App)Wetterfeste 3D-Druck-BoxenStatische Webseite / QR-GeneratorLogbuch (Papier)Dauer: 4–6 h (+ Routenplanung)
1
Konzept & Route festlegen: Gemeinsam eine bestehende Wanderroute (z. B. aus dem CreatorLab-Wanderkatalog) auswählen und 4–6 sinnvolle Stationen bestimmen – an markanten Punkten wie Aussichten, Infotafeln oder Kreuzungen. Jede Station erhält ein Thema (Geologie, Geschichte, Naturkunde, Rätsel).
2
Inhalte pro Station erstellen: Für jede Station eine kurze digitale Seite gestalten (Text, Bild, ggf. kurzes Video oder Audio) – z. B. als einfache HTML-Seite oder über einen kostenlosen Linkdienst. Inhalte sollten zum jeweiligen Ort passen und einen kleinen Lerneffekt oder eine Aufgabe enthalten.
3
NFC-Tags beschreiben & QR-Codes erzeugen: NTAG215-Tags mit einer Smartphone-App (NFC Tools o. ä.) mit der jeweiligen URL beschreiben; parallel QR-Codes als Fallback erzeugen (für Geräte ohne NFC). Beides auf das Cache-Behältnis aufbringen – wasserfest laminiert oder unter transparentem Deckel.
4
Cache-Boxen 3D-drucken: Kleine, unauffällige Boxen mit Deckel und Dichtlippe drucken (PETG empfohlen). Platz für NFC-Tag/QR-Code, ein kleines Logbuch und optional einen Stempel oder Sticker vorsehen. Farbgebung dem Gelände anpassen (Tarnung), aber klar als „CreatorLab-Cache" markieren.
5
Auslegen & Dokumentation: Boxen an den gewählten Stationen sicher befestigen (z. B. mit Spanngurt an Pfosten, nicht im Naturschutzgebiet). Koordinaten aller Stationen dokumentieren und in einer Übersichtskarte zusammenführen – z. B. mit der bestehenden Routenkarte verknüpfen.
6
Unterrichtsanknüpfung: Schnitzeljagd mit einer Klasse testen: Wie verändert die digitale Ebene das Wandererlebnis? Reflexion zu Medienkompetenz, Standortbezug von Lerninhalten und nachhaltigem Umgang mit Outdoor-Technik (Wartung, Rückbau, Wetterfestigkeit).
📋
CreatorLab Projekt
Selbstbau-Infotafel mit QR-Code zu OER-Material

Eine modulare, wetterfeste Infotafel für den Wegesrand, die kurze gedruckte Basisinformationen mit einem QR-Code zu vertiefendem OER-Material verbindet – etwa zur Entstehung des Nördlinger Ries, zur Geschichte der Stauferberge oder zur Ökologie des Welzheimer Waldes. Verbindet Lasercutting, Layout-Arbeit und OER-Erstellung.

Lasercutter (Holz/Acryl)Wetterfeste DruckfolieQR-Code-GeneratorOER-Plattform (z. B. eigene Seite)3D-Druck Rahmen & PfostenhalterungDauer: 5–7 h
1
Thema & Standort festlegen: Einen konkreten Ort entlang einer Route auswählen, der eine Geschichte erzählt (z. B. Geo-Stopp am Riesrand, Burgruine an den Stauferbergen, Bachlauf im Welzheimer Wald). Inhalt auf das Wesentliche reduzieren: eine zentrale Aussage plus ein bis zwei unterstützende Fakten.
2
Layout gestalten: Tafel-Layout in einem Vektorprogramm erstellen: Titel, kurze Erklärung, eine einfache Illustration oder Karte, und ein gut sichtbarer QR-Code-Bereich. Schriftgrößen und Farbkontraste für Außenlesbarkeit (auch bei Sonneneinstrahlung) testen.
3
OER-Inhalt erstellen: Vertiefendes Material als offen lizenziertes (OER) Web-Dokument aufbereiten – z. B. eine kurze Seite mit zusätzlichen Erklärungen, einem Quiz oder einem Audioguide-Snippet. Inhalt unter einer freien Lizenz (z. B. CC BY) veröffentlichen und Lizenzangabe auf der Tafel ergänzen.
4
QR-Code generieren & einplanen: QR-Code zur OER-Seite erzeugen, Größe so wählen, dass er aus normaler Lesedistanz (ca. 30–50 cm) gut scannbar ist. Kontrastreiche Farbgebung (z. B. schwarz auf hellem Grund) für zuverlässiges Scannen auch bei schlechtem Licht.
5
Tafel lasercutten & laminieren: Trägerplatte aus wetterfestem Material (z. B. beschichtetes Multiplex oder Acryl) im Lasercutter zuschneiden und gravieren/bedrucken. Druckfolie wetterfest laminieren oder direkt ins Material gravieren, um Verblassen durch UV-Strahlung zu minimieren.
6
Rahmen drucken & montieren: 3D-gedruckten Rahmen mit Pfostenhalterung konstruieren, der die Tafel sicher und diebstahlgeschützt fixiert. Vor der Montage Genehmigung der zuständigen Stellen (Forst, Gemeinde) einholen – Bezug zu rechtlichen und planerischen Aspekten von Outdoor-Projekten.
⏱️
CreatorLab Projekt
Höhenmesser-Lernuhr mit Barometer & E-Ink-Display

Eine kompakte Armbanduhr, die über einen Luftdrucksensor die aktuelle Höhe über dem Meeresspiegel anzeigt, den Höhenverlauf einer Wanderung aufzeichnet und auf einem stromsparenden E-Ink-Display darstellt. Ein gutes Einsteigerprojekt zu Sensorik, Kalibrierung und tragbarer Elektronik – ohne GPS, mit Fokus auf Luftdruckphysik.

ESP32-C3 (klein/leicht)BMP280/BME280 (Luftdruck)Kleines E-Ink/OLED-DisplayLiPo-Akku 400–500 mAhArmband (3D-gedruckt/textil)Dauer: 4–5 h
1
Grundprinzip verstehen: Luftdruck nimmt mit der Höhe ab – über die barometrische Höhenformel lässt sich aus dem gemessenen Druck (und einem Referenzdruck auf Meereshöhe) die ungefähre Höhe berechnen. Im Unterricht: Formel herleiten/diskutieren, bevor sie im Code verwendet wird.
2
Sensor anschließen & kalibrieren: BMP280/BME280 über I2C an den ESP32-C3 anschließen. Vor der Wanderung am Startpunkt die bekannte Höhe (z. B. aus einer Karte) eingeben – der Sensor berechnet daraus den aktuellen Referenzluftdruck (QNH) für genauere relative Höhenangaben.
3
Höhe berechnen & anzeigen: Aus aktuellem Druck und Referenzdruck die Höhendifferenz berechnen und auf dem Display anzeigen – sowohl absolute Höhe (m ü. NN) als auch Höhengewinn/-verlust seit Start. Update alle 5–10 s, um Akku zu schonen.
4
Höhenprofil aufzeichnen: Höhenwerte mit Zeitstempel in einem internen Array oder auf einer kleinen SPI-Flash-/SD-Lösung speichern. Am Ende der Tour Gesamtanstieg, Gesamtabstieg und höchsten/tiefsten Punkt berechnen und anzeigen.
5
Tragbares Gehäuse gestalten: Leichtes, am Handgelenk tragbares Gehäuse 3D-drucken oder mit textilem Armband kombinieren. Display gut ablesbar positionieren, Taster für Kalibrierung und Moduswechsel (aktuelle Höhe / Profil-Zusammenfassung) integrieren.
6
Unterrichtsanknüpfung: Eigene Höhenmessung mit Kartenangaben oder GPS-Höhenwerten vergleichen – wo entstehen Abweichungen und warum (Wetterlage, Druckänderungen über den Tag)? Verbindung zu Physik (Gasdruck, Atmosphärenschichten) und Orientierung im Gelände ohne GPS.
🌿
CreatorLab Projekt
Pflanzen- & Vogel-Bestimmungshelfer mit Kamera & KI

Ein handliches Gerät mit Kamera, das Fotos von Pflanzen, Blättern oder Vögeln aufnimmt und mit einem einfachen On-Device-KI-Modell eine erste Bestimmung vorschlägt – inklusive kurzer Zusatzinfo. Verbindet Naturbeobachtung auf Wanderungen mit praktischer KI-Bildung und Citizen-Science-Plattformen wie iNaturalist.

Raspberry Pi Zero 2W / ESP32-CAMKameramodulKleines Display (OLED/TFT)TensorFlow Lite ModellLiPo-Akku3D-Druck HandgehäuseDauer: 8–10 h
1
Hardware vorbereiten: Raspberry Pi Zero 2W (mehr Rechenleistung für TensorFlow Lite) oder ESP32-CAM (einfacher, aber eingeschränkter) mit Kameramodul und kleinem Display verbinden. Stromversorgung über LiPo-Akku mit Lademodul für mehrstündigen Außeneinsatz auslegen.
2
Vortrainiertes Modell auswählen: Ein bestehendes, offen lizenziertes TensorFlow-Lite-Modell zur Pflanzen- oder Vogelerkennung (z. B. auf Basis von MobileNet, trainiert auf einem Pflanzen-/Vogel-Datensatz) auswählen und auf das Gerät übertragen. Modellgröße und Geschwindigkeit gegeneinander abwägen.
3
Erkennung programmieren: Beim Drücken eines Auslösers ein Foto aufnehmen, auf die vom Modell erwartete Größe skalieren und durch das Modell laufen lassen. Die Top-2/3-Vorschläge mit Wahrscheinlichkeitswerten auf dem Display anzeigen – bewusst als „Vorschlag", nicht als sichere Bestimmung kommunizieren.
4
Zusatzinfos hinterlegen: Für die häufigsten erkannten Arten der Region (z. B. typische Pflanzen/Vögel im Ostalbkreis) kurze Infotexte lokal hinterlegen – Lebensraum, Besonderheiten, Schutzstatus. Diese werden passend zur Erkennung angezeigt.
5
Citizen-Science-Anbindung: Option zum Speichern von Foto + GPS-Position (falls vorhanden) + Erkennungsergebnis vorsehen, sodass Funde später z. B. bei iNaturalist hochgeladen werden können – dort erfolgt dann eine fachlich geprüfte Bestimmung durch die Community.
6
Gehäuse & Ethik-Reflexion: Robustes, handliches Gehäuse mit Kameraschacht und Auslösetaster 3D-drucken. Im Unterricht reflektieren: Grenzen automatischer Bestimmung, Umgang mit Fehlklassifikationen, Datenschutz bei Standortdaten und Bedeutung von Citizen-Science-Communities für den Naturschutz.
🌍 Klimabildung · Wandern als Klimaerkundung
🥾
Bildung für Nachhaltige Entwicklung · BNE
Jeder Schritt ein Datenpunkt – Landschaft lesen lernen

Die fünf Maker-Projekte dieses Bereichs verwandeln eine klassische Wanderung in eine wissenschaftliche Feldexkursion. Die Schwäbische Alb ist ein Hotspot des Klimawandels: Trockenrasen, Wacholderheiden und Buchenmischwälder reagieren sensibel auf Temperatur- und Niederschlagsveränderungen. Mit selbst gebauter Technik – von GPS über Geocaching bis zur KI-gestützten Artbestimmung – werden diese Veränderungen messbar und vermittelbar.

🗺️ Landschaftswandel kartieren
GPX-Tracks des Wandertrackers (Projekt 1) mit geotaggten Fotos und Beobachtungen anreichern. Vegetation entlang der Route dokumentieren: Wo wächst was? Im Jahresvergleich: verschieben sich Arten bergwärts? Drei-Kaiserberge-Weg als langfristiges Transekt nutzen.
📈 Höhe & Klimazonen
Höhenmesser-Lernuhr (Projekt 4) macht den Temperaturabfall mit der Höhe (Adiabate ~0,6°C/100m) am eigenen Handgelenk erlebbar. Wie verändert sich die Temperatur zwischen Talstadt Gmünd (320 m) und Stuifen-Gipfel (757 m)? Höhenprofil und Temperaturverlauf gemeinsam auswerten.
🌿 Artenvielfalt & Wasserkreislauf
Pflanzen- & Vogel-Bestimmungshelfer (Projekt 5) macht Citizen-Science direkt am Wegesrand möglich – Funde bei iNaturalist hochladen und über Jahre Verschiebungen beobachten. Vor-Ort-Beobachtung: Sind Quellen ausgetrocknet, die früher flossen? Hydrogeologie und Biodiversität der Alb gemeinsam erfahren.
📋 Wissen teilen & Landschaft erklären
Selbstbau-Infotafeln mit OER-QR-Code (Projekt 3) und Geocaching-Stationen (Projekt 2) machen gesammelte Klimadaten und Landschaftswissen für andere Wandernde zugänglich. Ernährungssicherheit und Landnutzung als globale Frage – lokal erfahrbar zwischen Getreidefeldern und Streuobstwiesen auf der Wanderroute.
💡
Curricularer Anknüpfungspunkt: BNE-Leitperspektive (B), Geographie Kl. 5–10 sowie Fächerverbund Welt–Zeit–Gesellschaft (WZG). Die fünf Projekte verbinden Geographie (Physische Geographie, Klimageographie), Technik (GPS, Sensorik, KI, Datenvisualisierung) und Gesellschaft (Klimagerechtigkeit, globale Ernährung, Naturschutz, Wissensvermittlung) zu einer mehrtägigen Projekteinheit im Gelände.