Edo365 — Bildung zur Autonomie

tl;dr: Edo365 wendet Open Autonomy auf Unterricht an: Nicht Digitalisierung oder Scrum sind das Ziel, sondern das reale Vermögen von Schüler:innen, den eigenen Lernprozess zunehmend selbst zu steuern. Sprint, Flap, Daily Stand-up, Kompetenzdiagnostik und KI-Unterstützung sind dabei einzeln prüf- und verwerfbare Module, keine geschlossene Methode. Struktur tritt zurück, sobald Vermögen wächst — die Lehrkraft bleibt dabei zentral, verschiebt sich aber von Steuerung zu Diagnose und Begleitung. Auch Edo365 selbst bleibt eine prüfbare Hypothese.

1. Ausgangspunkt

Edo365 ist ein Bildungskonzept zur Erweiterung realer Autonomie.

Es geht nicht primär um Digitalisierung, selbstorganisiertes Lernen, Scrum, KI oder individualisierte Arbeitsblätter. Diese Dinge sind Werkzeuge.

Der Ausgangspunkt liegt tiefer:

Bildung soll das Vermögen eines Menschen erweitern, selbst zu lernen, zu entscheiden, zu prüfen, zu kooperieren und eigene Wege zu wählen.

Damit ist Edo365 eine praktische Anwendung von Open Autonomy auf Bildung.¹ Dessen drei Axiome bilden auch den Ausgangspunkt von Edo365:

Keine Idee steht über dem Einzelnen – auch nicht diese. Auch Edo365, seine Methoden und seine Software dürfen nicht zur fixen Idee werden.
Autonomie ist keine abstrakte Freiheit, sondern ein Vermögen. Freiheit kann gewährt werden; das Vermögen, sie tatsächlich zu nutzen, muss entwickelt werden. Struktur tritt zurück, wenn dieses Vermögen wächst.
Niemand kann alles prüfen. Aber jeder muss die Möglichkeit haben, sich die Fähigkeit anzueignen, alles prüfen zu können. Lernende sollen Behauptungen, Quellen, Materialien und KI prüfen sowie ihren eigenen Lernstand einsehen und hinterfragen können.

Ein Schüler ist nicht deshalb autonom, weil man ihm lediglich die Wahl lässt. Er ist autonomer, wenn er zunehmend die Fähigkeiten besitzt, sinnvoll wählen und handeln zu können.

Autonomie erschöpft sich nicht im Gewähren von Freiheit. Das Vermögen, diese Freiheit tatsächlich zu nutzen, muss entwickelt werden.

Edo365 ersetzt deshalb nicht einfach Kontrolle der Lehrkraft durch Freiheit der Lernenden. Es versucht, Lernende schrittweise zur Verfügung über den eigenen Lernprozess zu befähigen.

Psychologisch findet dieser Ansatz Anschluss an die Selbstbestimmungstheorie von Deci und Ryan. Sie beschreibt Autonomie, Kompetenz und soziale Eingebundenheit als grundlegende psychologische Bedürfnisse.² Open Autonomy wird daraus nicht abgeleitet; die Theorie bietet aber empirisch-psychologische Anschlussfähigkeit für Teile der philosophischen These.

2. Ein Angebot in kleinen Einheiten

Edo365 ist kein geschlossenes System, das als Ganzes eingeführt werden muss. Es ist ein Angebot.

Es ist modular und dezentral gedacht: Sprint, Flap, Daily Stand-up, Kompetenzdiagnostik, generative Aufgaben, KI-Lernbegleiter und Softwaremodule können einzeln geprüft, übernommen, verändert oder verworfen werden.

Das folgt aus Open Autonomy. Ein Bildungskonzept, das Autonomie fördern will, kann nicht verlangen, vollständig und unverändert übernommen zu werden.

Teile, die sich bewähren, werden weiterentwickelt. Andere fallen weg. Neue können hinzukommen. Das gilt für pädagogische Elemente ebenso wie für Software.

Edo365 wird nicht verordnet. Es wird angeboten, geprüft und angeeignet.

3. Das zentrale Problem: Autonomie kann nicht einfach gewährt werden

Offener Unterricht setzt Fähigkeiten voraus, die Schule häufig erst entwickeln soll. Lernende müssen unter anderem lernen,

den eigenen Lernstand einzuschätzen,
Aufgaben zu verstehen und auszuwählen,
Zeit einzuteilen,
Schwierigkeiten zu erkennen und Hilfe einzufordern,
Ergebnisse zu überprüfen,
mit anderen zusammenzuarbeiten,
Entscheidungen zu revidieren.

Fehlende Struktur erzeugt deshalb nicht automatisch Autonomie.

Struktur soll Autonomie ermöglichen und mit wachsendem Vermögen zurücktreten können.

Das ist der pädagogische Ausdruck des minimal Funktionalen. Die Lernforschung beschreibt ein verwandtes Prinzip als Scaffolding: vorübergehende, an den Lernstand angepasste Unterstützung, die mit wachsender Kompetenz zurückgenommen wird.³⁴ Der Expertise-Reversal-Effekt zeigt zudem, dass Anleitung, die Anfängern hilft, für Fortgeschrittene unötig oder hinderlich werden kann.⁵

4. Das Bildungsparadox

Edo365 arbeitet in einer Institution, die ein grundlegendes Spannungsverhältnis in sich trägt: Schule soll Autonomie erzeugen und ist zugleich eine Pflichtinstitution. Kinder und Jugendliche können sie nicht ohne Weiteres verlassen. Gemessen am Exit-Prinzip von Open Autonomy entstehen dadurch hohe, teilweise unvermeidbare Exit-Kosten.

Darin liegt das Bildungsparadox:

Wie kann eine Institution Autonomie hervorbringen, wenn die Teilnahme an ihr selbst nicht vollständig autonom ist?

Dieses Paradox lässt sich durch ein Unterrichtskonzept nicht auflösen. Es bleibt sichtbar bei Vorgaben der Lehrkraft, Diagnostik, KI und Bewertung.

Die tiefere Frage bleibt offen:

Darf man einen Menschen zur Bildung zwingen, damit er später selbst entscheiden kann? Und was geschieht, wenn gegenwärtiges Nicht-Wollen späteres Nicht-Können erzeugt?

Open Autonomy verlangt daraus nicht die Abschaffung von Schule. Eine bestehende Institution kann trotz ihrer Einschränkungen die derzeit beste verfügbare Lösung für ein reales Problem sein. Gerade eine Pflichtschule kann begründbar sein, wenn die Alternative das spätere Vermögen zur Autonomie stärker einschränken würde. Auch diese Begründung bleibt jedoch eine prüfbare Hypothese und kein Freibrief für beliebigen schulischen Zwang.

Edo365 akzeptiert deshalb den bestehenden institutionellen Rahmen als Ausgangspunkt, ohne ihn für unangreifbar zu erklären. Es versucht darin, vermeidbaren Zwang zu reduzieren, Vorgaben transparent zu machen und schrittweise mehr Verfügung über den eigenen Lernprozess zu ermöglichen.

Das Ziel besteht nicht darin, das Bildungsparadox aufzulösen, sondern innerhalb dieses Spannungsverhältnisses möglichst viel reales Vermögen zur Autonomie zu erzeugen.

5. So viel Struktur wie nötig

Die Lehrkraft gibt zunächst einen Rahmen aus Lernzielen, fachlichen Inhalten, Sprintstruktur, Materialien, Mindestanforderungen und Möglichkeiten zur Überprüfung vor. Auch die Sprintplanung erfolgt zunächst wesentlich durch sie.

Mit wachsendem Vermögen können Teile dieser Struktur an die Lernenden übergehen:

Fremdstrukturierung → unterstützte Selbstorganisation → zunehmende Eigenorganisation

Wie weit diese Verschiebung sinnvoll ist, hängt vom Lernenden und der jeweiligen Situation ab.

6. Der Sprint als temporäre Struktur

Der Sprint von etwa ein bis zwei Wochen ist kein Selbstzweck, und Edo365 ist kein Versuch, Scrum unverändert auf Schule zu übertragen. Es übernimmt vor allem die drei Säulen seines empirischen Prozessmodells: Transparenz, Überprüfung und Anpassung.⁶

Als pädagogischer Vorläufer zeigt eduScrum, wie agile Organisationsformen auf Unterricht übertragen werden können.⁷⁸ Edo365 unterscheidet sich davon durch leichtere Rollen, stärkere individuelle Diagnostik, generative Differenzierung, Open Autonomy als Grundlage und die ausdrückliche Verwerfbarkeit seiner eigenen Elemente.

Der Sprint macht einen Lernprozess zeitlich begrenzt, planbar und revidierbar. Seine Rückschau fragt:

Was wurde erreicht?
Was hat funktioniert?
Wo entstanden Schwierigkeiten?
Welche Struktur war hilfreich oder unötig?
Was sollte verändert werden?

Damit wird auch die Unterrichtsorganisation selbst zur prüfbaren Hypothese.

Die Lernenden erhalten dabei eine Stimme und können mit wachsendem Vermögen Regeln kommender Sprints mitgestalten. Unterricht wird so zu einem kleinen Übungsfeld für Recht von unten: Regeln entstehen, werden geprüft und verändert.

Das Gefälle zwischen Lehrkraft und Lernenden verschwindet dadurch nicht, erhält aber einen regelmäßigen Ort, an dem es kleiner werden kann.

7. Das Flap als Werkzeug der Aneignung

Das Flap ist nicht primär ein Aufgabenplan. Es soll einen von außen geplanten Lernprozess zunehmend zum eigenen Lernprozess machen.

Sprintziel, Aufgaben, Batterieanzeige, Probleme, Definition of Done, Definition of Fun und Reflexion machen unterschiedliche Aspekte des Lernens sichtbar.

Die Batterieanzeige ist eine niedrigschwellige Selbsteinschätzung der eigenen Fähigkeit beziehungsweise Kompetenz zu einem Thema. Die vertraute Darstellung als Ladezustand macht einen abstrakten Kompetenzgrad unmittelbar verständlich.

Damit treten neben Was soll ich machen? zunehmend Fragen wie:

Wo stehe ich?
Was kann ich?
Was fehlt mir?
Was behindert mich?
Was möchte ich erreichen?
Was ist mein nächster sinnvoller Schritt?

Die Definition of Fun ergänzt Was soll ich? und Was kann ich? um Was will ich? und macht damit den eigenen Willen im Lernprozess sichtbar.

Das Flap unterstützt so selbstreguliertes Lernen.⁹¹⁰ Dessen Zyklus aus Planen, Beobachten, Reflektieren und Anpassen findet sich im Zusammenspiel von Flap, Sprint und Rückschau wieder.

8. Daily Stand-up: Hilfe als verfügbare Alternative

Autonomie bedeutet nicht Isolation. Menschen erweitern ihr Vermögen auch durch Beziehungen.

Das Daily Stand-up am Ende einer Stunde macht Schwierigkeiten und verfügbare Hilfe sichtbar:

selbst weiterarbeiten → Material nutzen → Mitschüler fragen → KI-Lernbegleiter nutzen → Lehrkraft fragen

Ziel ist nicht die Unabhängigkeit von anderen, sondern die Verringerung der Abhängigkeit von einer einzigen Instanz und die Schaffung von Alternativen.

9. Das Team als Verein

Das Team dient seinen Mitgliedern und soll nicht selbst zur Zwangsstruktur werden.

Stärkere Lernende können erklären, andere Fragen stellen, unterschiedliche Fähigkeiten zusammenwirken. Gleichzeitig soll niemand künstlich am Weiterlernen gehindert werden, weil andere langsamer arbeiten. Rollen bleiben deshalb leicht, funktional und veränderbar.

Der OECD Learning Compass verbindet student agency mit co-agency, also gemeinsamem Handeln mit Lehrkräften, Mitschülern, Eltern und Gemeinschaft.¹¹ Forschung zum kooperativen Lernen zeigt darüber hinaus, dass gut gestaltete Kooperation fachliches Lernen, gegenseitige Unterstützung und gemeinsame Verantwortung fördern kann.¹²

Das Team ist damit zugleich Ressource und Lernraum — aber weiterhin Werkzeug des Lernens, nicht dessen Zweck.

10. Individuelle Förderung bedeutet Erweiterung von Vermögen

Binnendifferenzierung erhält dadurch eine präzisere Bedeutung. Die entscheidende Frage lautet:

Welche nächste Erfahrung erweitert das Vermögen dieses konkreten Lernenden?

Dafür muss bekannt sein, was ein Schüler bereits kann. Beobachtungen der Lehrkraft, Ergebnisse aus Aufgaben und edoquiz sowie Selbsteinschätzungen erzeugen ein fortlaufendes, korrigierbares Bild der Kompetenzentwicklung.

Diagnostik dient nicht primär der Klassifikation, sondern der nächsten Handlung. Sie ist formativ gedacht.¹³ Die Feedbackforschung fasst dies in drei Fragen: Wohin gehe ich? Wo stehe ich? Was ist der nächste Schritt?¹⁴

Auch das Universal Design for Learning verbindet learner agency mit Wahlmöglichkeiten, Zielsetzung, Überwachung des eigenen Fortschritts, unterschiedlichen Werkzeugen, schrittweiser Unterstützung und Zusammenarbeit.¹⁵

Zugleich berührt die Diagnostik das Bildungsparadox: Es werden Daten über Menschen erhoben, die sich der Schule nicht entziehen können. Umso wichtiger sind Transparenz und Datensparsamkeit.

11. Generative Aufgaben statt starrer Differenzierungsstufen

Klassische Differenzierung arbeitet häufig mit Kategorien wie leicht – mittel – schwer oder vorbereiteten Förder- und Erweiterungsaufgaben. Edo365 kann perspektivisch feiner arbeiten: Aus einem Kompetenzprofil können Aufgaben erzeugt werden, die gezielt eine bestimmte Unsicherheit bearbeiten.

Damit verändert sich die Logik:

Nicht der Lernende wird einer vorbereiteten Aufgabe zugeordnet. Die Aufgabe kann für den Lernenden erzeugt werden.

Ein klassischer Vorläufer ist Mastery Learning. Bloom verschob die Frage von „Wer kann das?“ zu der Frage, unter welchen Bedingungen und in welcher Zeit unterschiedliche Lernende ein Ziel erreichen können.¹⁶ Generative KI kann die Möglichkeiten, solche Anpassungen in größerem Umfang praktisch umzusetzen, erheblich erweitern.

Dabei bleibt KI Werkzeug. Sie entscheidet nicht, was Bildung sein soll, und besitzt keine pädagogische Autorität. Internationale und deutsche Bildungsgremien betonen entsprechend einen kritisch-konstruktiven Einsatz, bei dem pädagogische Verantwortung, Datenschutz und eigenes Denken erhalten bleiben.¹⁷¹⁸¹⁹

12. Der KI-Lernbegleiter soll sich selbst überflüssig machen

Aus Open Autonomy folgt eine zentrale Designentscheidung:

Ein guter Lernbegleiter erhöht die Fähigkeit des Lernenden, künftig ohne ihn weiterzukommen.

Seine Interventionen können deshalb abgestuft sein:

Orientierungsfrage → kleiner Hinweis → fachlicher Hinweis → Teilproblem → Lösungsstrategie → erst zuletzt ausführliche Lösung

Die entscheidende Optimierungsgröße lautet langfristig: Benötigt der Lernende bei vergleichbaren Aufgaben weniger Unterstützung?

Forschung zu intelligenten tutoriellen Systemen zeigt, dass insbesondere schrittbasierte Systeme unter bestimmten Bedingungen erhebliche Lernwirkungen erreichen können, die sich denen menschlicher Einzelbetreuung annähern.²⁰

Neuere Forschung zu generativer KI zeigt zugleich die Bedeutung der Gestaltung. In einem Feldexperiment mit knapp tausend Schülerinnen und Schülern verbesserte uneingeschränkter KI-Zugang zunächst die Übungsleistung, führte später ohne KI jedoch zu schlechteren Ergebnissen. Eine stärker pädagogisch begrenzte Variante reduzierte diesen negativen Effekt deutlich.²¹ In einer anderen randomisierten Studie erzielte ein lernwissenschaftlich gestalteter KI-Tutor in einem konkreten Hochschul-Physiksetting höhere Lerngewinne in kürzerer Zeit als die verglichene Active-Learning-Unterrichtsbedingung.²²

Der OECD Digital Education Outlook 2026 unterscheidet entsprechend zwischen besserer unmittelbarer Leistung durch KI und tatsächlichem Lernen. Pädagogisch gestaltete Systeme können Lernen unterstützen, während bloßes kognitives Auslagern es beeinträchtigen kann.²³²⁴ Andere Untersuchungen finden trotz positiver Wahrnehmung keinen signifikanten zusätzlichen Lerngewinn.²⁵

Die Evidenz spricht damit nicht für KI an sich, sondern für die pädagogische Gestaltung ihrer Verwendung.

Auch Aussagen der KI bleiben prüfbar. Lernende sollen Quellen verlangen, diese selbst untersuchen und Aussagen querprüfen. Erfahrene Faktenprüfer verlassen eine Quelle dafür gezielt und untersuchen, wer dahintersteht und was andere Quellen dazu sagen.²⁶

Welche Prüfstrategien für Lernende langfristig am besten funktionieren, bleibt angesichts der schnellen Entwicklung von KI offen. Edo365 behandelt diesen Bereich deshalb ausdrücklich als Hypothese.

Mit wachsendem Vermögen sollen Lernende zudem selbst entscheiden können, wie viel Hilfe sie anfordern. Auch ein Lernbegleiter, der Hilfe starr zurückhält, kann zur bevormundenden Instanz werden.

13. Auch die Lehrkraft soll sich teilweise überflüssig machen

Auch die Lehrkraft soll nicht dauerhaft notwendige Instanz jedes Lernschritts bleiben. Sie stellt Wissen, Orientierung, Rückmeldung und Unterstützung bereit und entwickelt zugleich das Vermögen der Lernenden, mehr davon selbst zu übernehmen.

Ihre Tätigkeit verschiebt sich damit von permanenter Steuerung und Routinekontrolle zu Beobachtung, Diagnose, Beratung, fachlicher Intervention und Gestaltung von Lernbedingungen.

Technik soll dabei nicht Beziehung, pädagogisches Urteil oder Verantwortung automatisieren. Sie kann Routinen übernehmen und dadurch menschliche Zeit dort freisetzen, wo menschliche Wahrnehmung und Interaktion erforderlich sind.

14. Gewonnene Zeit für das, was nur gemeinsam gelingt

Individualisierung, Mastery Learning, unmittelbare Rückmeldung und adaptive Unterstützung besitzen das Potenzial, bestimmte individuelle Lernprozesse effizienter zu gestalten.

Edo365 formuliert daraus eine weiterführende Hypothese:

Wenn individualisierte Lernprozesse durch adaptive Systeme effizienter werden, kann die gewonnene Zeit bewusst für jene Bildungsprozesse eingesetzt werden, die menschliche Interaktion benötigen: Kooperation, Projekte, Verantwortung, Kreativität und Führung.

Die Entwicklungslinie lautet: Mastery Learning → intelligente tutorielle Systeme → formative Diagnostik → adaptive Systeme → generative KI.

In Edo365 entsteht daraus: Kompetenzprofil → individuelle Aufgabe → abgestufte Hilfe → Diagnose → Anpassung.

Die mögliche Effizienzsteigerung ist nicht selbst das Bildungsziel. Sie soll Freiraum für Lernformen schaffen, bei denen menschliche Interaktion selbst Teil des Lerngegenstandes ist.

Ein aktuelles Praxisbeispiel für eine radikale Ausprägung dieser Idee ist die Alpha School in den USA. Dort sollen Kernfächer in etwa zwei Stunden personalisierten, mastery-basierten digitalen Lernens pro Tag bearbeitet werden; weitere Zeit wird unter anderem für Workshops, Projekte und praktische Kompetenzen verwendet.²⁷

Alpha School ist für Edo365 kein Wirksamkeitsbeleg, sondern ein gegenwärtiges Praxisexperiment. Die unabhängige Evidenz reicht bislang nicht aus, um die weitgehenden Erfolgsbehauptungen des Gesamtmodells kausal zu bestätigen.²⁷ Interessant ist die dort praktisch erprobte organisatorische Hypothese.

Das Ziel digitaler Effizienz ist nicht, Bildung zu verkürzen. Sie soll Zeit von standardisierbaren Lernprozessen zurückgewinnen, damit mehr Zeit für jene Formen von Bildung entsteht, die von menschlicher Interaktion, Kooperation, Kreativität und gemeinsamer Erfahrung leben.

15. Digitalisierung ist kein Ziel

Ein digitales Werkzeug ist nur dann sinnvoll, wenn es das Vermögen oder die verfügbaren Alternativen erweitert. Auch Bildungsforschung bewertet Technik danach, ob und wie sie Unterricht, Rückmeldung, Übung und Lernen tatsächlich verbessert.²⁸

Deshalb existieren edox und edotex nebeneinander. Aufgaben können digital bearbeitet oder als individuell erzeugtes PDF auf Papier verwendet werden.

Die Frage lautet nicht: Kann man das digitalisieren? Sondern: Welche Form unterstützt diesen Lernprozess am besten?

16. Open Source und Modularität sind pädagogisch konsequent

Ein Bildungssystem, das Autonomie fördern will, sollte möglichst wenig unötige Abhängigkeit von nicht kontrollierbaren technischen Systemen erzeugen.

Die Edo-Komponenten sind deshalb klein, kombinierbar und möglichst unabhängig. edodeck, edosheet, edoquiz und edokanban bilden keine monolithische Lernplattform; edowebbuild kann statische Lernumgebungen erzeugen, edotex einen alternativen Ausgabeweg über PDF und Papier.

Eine konstruktive Inspiration dafür sind modulare technische Systeme, unter anderem der Saab Gripen. Entscheidend ist das dahinterliegende Engineering-Prinzip: Komponenten besitzen begrenzte Funktionen und sollen möglichst unabhängig verändert oder ersetzt werden können.

Simon beschreibt komplexe Systeme als häufig aus relativ unabhängigen Teilsystemen aufgebaut.²⁹ Parnas überträgt dieses Prinzip auf Softwaremodule mit verborgenem Innenleben.³⁰ Baldwin und Clark zeigen, wie Modularität dezentrale Weiterentwicklung ermöglicht.³¹

Edo365 überträgt diese Idee auch auf Pädagogik. Ein Sprint benötigt beispielsweise nicht zwingend ein bestimmtes digitales Flap, sondern eine Möglichkeit für Ziel → Aufgaben → Fortschritt → Rückschau. Diagnostik benötigt nicht zwingend eine bestimmte App, sondern Beobachtung → Kompetenzzuordnung → Einschätzung → Förderentscheidung.

Damit entstehen pädagogische Schnittstellen: Werkzeuge können ersetzt werden, solange ihre Funktion erhalten bleibt.

Module sind Werkzeuge. Sie dürfen ersetzt werden. Auch Edo365 selbst darf nicht zur fixen Idee werden.

17. Daten dienen dem Lernenden

Daten sind kein Selbstzweck. Gesammelt werden sollte, was einer konkreten pädagogischen Funktion dient: Beobachtung → Diagnose → Förderung.

Das minimal Funktionale gilt auch hier:

So viele Daten wie für sinnvolle Förderung erforderlich, so wenige wie möglich.

Sein Lernstand gehört dem Lernenden und nicht der Plattform oder der Institution. Das ist ein normativer Anspruch und keine Behauptung juristischen Dateneigentums.

Lernende sollen sehen können, was über sie erfasst wird, Einschätzungen hinterfragen und ihre Daten grundsätzlich mitnehmen können. Innerhalb der rechtlichen Rahmenbedingungen sollen relevante Kompetenzinformationen beim Wechsel einer Lerngruppe oder Schule weiterverwendbar sein.

Das reduziert technische und institutionelle Exit-Kosten.

Ein Kompetenzmodell bleibt dabei ein Werkzeug und kein digitales Abbild des Menschen. Jede statistische Einschätzung ist eine korrigierbare Hypothese.

Auch Selbst- und Fremdeinschätzung müssen nicht zu einem vermeintlich objektiven Wert verschmolzen werden. Gerade ihre Differenz kann pädagogisch interessante Information liefern.

18. Fehler erhalten eine andere Funktion

Ein Fehler ist zunächst Information. Er zeigt eine Differenz zwischen aktuellem Vermögen und einer Anforderung.

Die erste Frage lautet deshalb nicht: Wie wird der Fehler bewertet? Sondern: Was erfahren wir dadurch über den nächsten sinnvollen Lernschritt?

Eine Inspiration dafür stammt aus dem Toyota Production System: Abweichungen und Probleme sollen sichtbar werden, damit ihre Ursachen untersucht und Prozesse verbessert werden können.³²³³

Edo365 überträgt ausdrücklich nicht die Logik industrieller Produktion auf Menschen. Der Lernende ist kein Produkt. Übernommen wird lediglich das Erkenntnisprinzip, eine sichtbare Abweichung als Information für die Verbesserung des nächsten Prozesses zu nutzen.

Leistungsbewertung bleibt aufgrund schulischer Rahmenbedingungen notwendig. Innerhalb dieses Rahmens ist eine Frage an Lehrkraft, Mitschüler oder KI aber kein Zeichen von Schwäche, sondern ein legitimer Versuch, das eigene Vermögen zu erweitern.

19. Edo365 ist selbst eine Hypothese

Edo365 darf keinen Anspruch auf eine endgültige Unterrichtsmethode erheben.

Sprint, Flap, Daily Stand-up, Teamarbeit, Kompetenzmodell, KI und Softwaremodule sind Hypothesen darüber, was Lernen verbessern könnte. Sie müssen sich im Unterricht bewähren:

Entwurf → Unterricht → Beobachtung → Kritik → Veränderung → erneuter Versuch

Elemente ohne erkennbaren Nutzen werden verändert oder entfernt. Neue können ergänzt werden. Auch zentrale Elemente dürfen verworfen werden.

Die Modularität ermöglicht, diese Prüfung nicht nur am Gesamtsystem, sondern an seinen einzelnen Teilen vorzunehmen.

Das gilt auch für die Frage der Leistungsmessung. Klausuren und zentrale Prüfungen bleiben im bestehenden institutionellen Rahmen zunächst bestehen; Edo365 ersetzt sie nicht eigenmächtig, sondern behandelt sie vorerst als gegebene Randbedingung. Gleichzeitig liefern sie nur einen punktuellen, oft verzögerten Rückblick auf den Lernstand und sagen wenig darüber aus, welcher nächste Schritt sinnvoll wäre. Langfristig soll deshalb ein eigenes, formatives Prüfmodell entstehen, das kontinuierliche Kompetenzdiagnostik mit den drei Fragen der Feedbackforschung verbindet: Wohin gehe ich? Wo stehe ich? Was ist der nächste Schritt?¹⁴ Auch dieses Modell bleibt jedoch, wie alle anderen Elemente von Edo365, eine prüfbare Hypothese und kein Ersatz für die rechtlich verbindlichen Formen der Leistungsbewertung.

20. Der Kern von Edo365

Edo365 ist ein offenes, modulares Bildungsangebot, das das reale Vermögen von Lernenden zur Verfügung über den eigenen Lernprozess schrittweise erweitern soll.

Dafür verbindet es

Struktur, damit Selbstständigkeit erlernbar wird,
Teamarbeit, damit andere Menschen das eigene Vermögen erweitern,
Diagnostik, damit Förderung vom tatsächlichen Lernstand ausgeht,
individuelle Materialien, damit unterschiedliche Lernwege möglich werden,
KI, um individuelle Unterstützung skalierbar zu machen,
Reflexion, damit Lernende zunehmend selbst über diesen Prozess verfügen.

Jeder Teil kann einzeln geprüft und übernommen werden. Software ist Infrastruktur, nicht Zentrum.

Open Autonomy fragt, unter welchen Bedingungen Menschen über ihr eigenes Leben verfügen können. Edo365 fragt, welche Bildung Menschen dazu befähigt.

Daraus ergibt sich der Leitsatz:

So viel Struktur wie nötig. So viel Autonomie wie möglich. Mit dem Ziel, dass immer weniger Struktur nötig wird.

Begriffe

Sprint: Lernabschnitt von etwa ein bis zwei Wochen mit Ziel, Planung und Rückschau.
Rückschau: Auswertung am Ende eines Sprints. Hier wird geprüft, was funktioniert hat, und die Lernenden gestalten mit wachsendem Vermögen kommende Sprints mit.
Flap: Planungs- und Reflexionsfläche mit Sprintziel, Aufgaben, Batterieanzeige, Problemen, Definition of Done, Definition of Fun und Reflexion.
Batterieanzeige: Niedrigschwellige Selbsteinschätzung der eigenen Fähigkeit beziehungsweise Kompetenz zu einem Thema.
Definition of Done: Kriterien, wann eine Aufgabe oder ein Sprintziel als erledigt gilt.
Definition of Fun: Macht neben „Was soll ich?“ und „Was kann ich?“ auch „Was will ich?“ sichtbar.
eduScrum: Übertragung von Scrum auf Unterricht mit selbstorganisierten Lernteams und Sprints.
Daily Stand-up: Kurzer Austausch am Ende einer Stunde über Fortschritt, Schwierigkeiten und verfügbare Hilfe.
Kompetenzprofil: Fortlaufendes, transparentes und korrigierbares Bild dessen, was ein Lernender bereits kann.
Bildungsparadox: Spannungsverhältnis zwischen dem Ziel, Autonomie zu erweitern, und einer Bildungsinstitution, deren Teilnahme und Regeln nicht vollständig autonom gewählt werden.
KI-Lernbegleiter: KI-gestützte Unterstützung mit abgestuften Hilfen, deren Ziel es ist, zunehmend weniger gebraucht zu werden.
Quellenarbeit: Herkunft, Belege und Glaubwürdigkeit einer Aussage prüfen, auch bei Aussagen einer KI.
Pädagogische Schnittstelle: Funktion, über die ein pädagogisches Modul mit anderen Teilen des Systems zusammenwirkt, ohne ein bestimmtes Werkzeug vorzuschreiben.
edox: Markdown-basiertes Zwischenformat mit Makros für HTML und LaTeX/PDF.
edotex: Ausgabeweg über LaTeX zu PDF und Papier.
edodeck: Modul für Präsentationen.
edosheet: Modul für digitale Arbeitsblätter.
edoquiz: Einbettbares Quizmodul.
edokanban: Kanban-Board zur Planung von Aufgaben.
edowebbuild: Erzeugt aus den Modulen statische Lernumgebungen.
Minimal funktional: So viel Struktur wie nötig, so wenig Fixierung wie möglich.
Exit-Kosten: Aufwand oder Verlust beim Verlassen einer Struktur, etwa einer Plattform oder Institution.

Quellen

Falkner, Benno (2026): Open Autonomy. Eine offene Philosophie radikaler Selbstbestimmung. falkner.xyz/openautonomy. ↩
Ryan, Richard M. / Deci, Edward L. (2000): „Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being.“ American Psychologist, 55(1), 68–78. ↩
Wood, David / Bruner, Jerome S. / Ross, Gail (1976): „The Role of Tutoring in Problem Solving.“ Journal of Child Psychology and Psychiatry, 17(2), 89–100. ↩
van de Pol, Janneke / Volman, Monique / Beishuizen, Jos (2010): „Scaffolding in Teacher–Student Interaction: A Decade of Research.“ Educational Psychology Review, 22(3), 271–296. ↩
Kalyuga, Slava / Ayres, Paul / Chandler, Paul / Sweller, John (2003): „The Expertise Reversal Effect.“ Educational Psychologist, 38(1), 23–31. ↩
Schwaber, Ken / Sutherland, Jeff (2020): The Scrum Guide. The Definitive Guide to Scrum: The Rules of the Game. Scrum Guides. ↩
Delhij, Arno / van Solingen, Rini (2013): The eduScrum Guide. The Rules of the Game. eduScrum. ↩
Wijnands, Willy / Stolze, Alisa (2019): „Transforming Education with eduScrum.“ In: Parsons, David / MacCallum, Kathryn (Hg.): Agile and Lean Concepts for Teaching and Learning. Singapore: Springer, 95–114. ↩
Zimmerman, Barry J. (2002): „Becoming a Self-Regulated Learner: An Overview.“ Theory Into Practice, 41(2), 64–70. ↩
Education Endowment Foundation (2025): Metacognition and Self-Regulated Learning. Guidance Report. 2. Auflage. London: EEF. ↩
OECD (2019): OECD Learning Compass 2030. A Series of Concept Notes. Paris: OECD. ↩
Johnson, David W. / Johnson, Roger T. (2009): „An Educational Psychology Success Story: Social Interdependence Theory and Cooperative Learning.“ Educational Researcher, 38(5), 365–379. ↩
Black, Paul / Wiliam, Dylan (1998): „Assessment and Classroom Learning.“ Assessment in Education: Principles, Policy & Practice, 5(1), 7–74. ↩
Hattie, John / Timperley, Helen (2007): „The Power of Feedback.“ Review of Educational Research, 77(1), 81–112. ↩
CAST (2024): Universal Design for Learning Guidelines version 3.0. Lynnfield, MA: CAST. ↩
Bloom, Benjamin S. (1968): „Learning for Mastery.“ Evaluation Comment, 1(2), 1–12. ↩
Kasneci, Enkelejda u. a. (2023): „ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education.“ Learning and Individual Differences, 103, 102274. ↩
UNESCO (2023): Guidance for Generative AI in Education and Research. Paris: UNESCO. ↩
Kultusministerkonferenz (2024): Handlungsempfehlung für die Bildungsverwaltung zum Umgang mit Künstlicher Intelligenz in schulischen Bildungsprozessen. Beschluss vom 10.10.2024. ↩
VanLehn, Kurt (2011): „The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems.“ Educational Psychologist, 46(4), 197–221. ↩
Bastani, Hamsa u. a. (2025): „Generative AI without Guardrails Can Harm Learning: Evidence from High School Mathematics.“ Proceedings of the National Academy of Sciences, 122(26), e2422633122. ↩
Kestin, Gregory u. a. (2025): „AI Tutoring Outperforms In-Class Active Learning: An RCT Introducing a Novel Research-Based Design in an Authentic Educational Setting.“ Scientific Reports, 15, 17458. ↩
OECD (2026): OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. Paris: OECD Publishing. ↩
Education Endowment Foundation (2026): Research Agenda Theme: EdTech. London: EEF. ↩
Slijepcevic, Nedim / Yaylali, Ali (2025): „Leveraging ‘Khanmigo’ Generative AI-Powered Tool for Personalized Tutoring to Learn Scientific Concepts.“ Journal of Teaching and Learning, 19(4), 155–178. ↩
Wineburg, Sam / McGrew, Sarah (2019): „Lateral Reading and the Nature of Expertise: Reading Less and Learning More When Evaluating Digital Information.“ Teachers College Record, 121(11). ↩
Scientific American (2026): „Alpha School’s AI Teaching Model Is Expanding. Does It Work?“ ↩
Education Endowment Foundation (2019): Using Digital Technology to Improve Learning. Guidance Report. London: EEF. ↩
Simon, Herbert A. (1962): „The Architecture of Complexity.“ Proceedings of the American Philosophical Society, 106(6), 467–482. ↩
Parnas, David L. (1972): „On the Criteria to Be Used in Decomposing Systems into Modules.“ Communications of the ACM, 15(12), 1053–1058. ↩
Baldwin, Carliss Y. / Clark, Kim B. (2000): Design Rules, Volume 1: The Power of Modularity. Cambridge, MA: MIT Press. ↩
Liker, Jeffrey K. (2004): The Toyota Way: 14 Management Principles from the World’s Greatest Manufacturer. New York: McGraw-Hill. ↩
Ohno, Taiichi (1988): Toyota Production System: Beyond Large-Scale Production. Portland, OR: Productivity Press. ↩

Alle Projekte →