The increasing datafication and algorithmization of educational practices require teacher educators to develop competencies in Data and Algorithmic Literacy to prepare future teachers to navigate the academic landscape critically and reflectively (Mandinach & Gummer, 2016; Dogruel et al., 2022; Moylan & Code, 2024). Data literacy encompasses the ability to collect, manage, evaluate, and apply data critically (Ridsdale et al., 2015), while algorithmic literacy involves understanding how algorithms function, recognizing their deployment in digital systems, and assessing their societal implications (Ridley & Pawlick-Potts, 2021).

Despite the recognized importance of these competencies, systematic knowledge about existing professional development offerings for teacher educators in this domain remains limited. European frameworks such as DigCompEdu (Redecker, 2017) provide general guidelines for digital competencies. Yet, the translation into targeted continuing education formats specifically addressing Data and Algorithmic Literacy for teacher educators at Universities of Teacher Education (PHs) – and thereby supporting their role as key actors in shaping a socially responsible digital transformation of education – requires empirical investigation. Understanding the current landscape of professional development offerings is essential for identifying gaps and developing evidence-based educational interventions that enable teacher educators to transfer these critical competencies to future teachers.

This study addresses the following research questions:

1. What continuing education offerings and formats related to Data and Algorithmic Literacy currently exist for teacher educators at Swiss Universities of Teacher Education?

2. What pedagogical-didactic approaches and content areas characterize these offerings?

3. What needs and development gaps do continuing education coordinators identify regarding Data and Algorithmic Literacy competencies for teacher educators?

We are conducting a qualitative interview study with teacher educators and continuing education coordinators at Swiss Universities of Teacher Education (PHs) between December 2025 and March 2026. Using semi-structured expert interviews (N = 8-10), we are exploring existing professional development offerings, their content, target groups, pedagogical formats, and perceived development needs in the domain of Data- and Algorithmic Literacy.

The interview guide was developed based on existing digital competence frameworks (DigCompEdu, DigComp 2.2) and the project's conceptual work on Data- and Algorithmic Literacy dimensions. Interviews were conducted online, recorded, and transcribed verbatim. Data analysis follows principles of qualitative content analysis (Mayring, 2015), combining deductive categories derived from theoretical frameworks with inductive categories emerging from the data. The study maps existing offerings and uncovers gaps between current provisions and identified needs.

Preliminary findings reveal a heterogeneous landscape of continuing education offerings related to Data and Algorithmic Literacy across Swiss PHs. While most institutions offer general digital competence training, targeted formats specifically addressing Data- and Algorithmic Literacy for teacher educators remain scarce. This indicates a mismatch between the growing societal relevance of data- and algorithm-related competencies and current professional development structures.

At the Conference, we will present the study's findings. These findings inform the development of evidence-based continuing education concepts within a project of the DEEP consortium, contributing to educational equity and the professionalization of teacher educators amid digital transformation. The study's practical significance lies in providing PHs with empirical evidence to develop their continuing education portfolios strategically, ultimately enhancing future teachers' preparedness for navigating increasingly datafied educational environments.

In den letzten zehn Jahren ist das Interesse an onlinebasierten Selbstlernangeboten (OSA) in der Weiterbildung von Lehrpersonen gestiegen. Besonders während der COVID-19-Pandemie hat sich der Bedarf und damit die Entwicklung solcher Weiterbildungsangebote stark beschleunigt (Brugha et al., 2024). Solche Angebote bieten Vorteile wie mehr Flexibilität, besseren Zugang und geringere Kosten für die Teilnehmenden (Morina et al., 2025). Untersuchungen zeigen zudem, dass Lernende den Kursstoff in Online-Kursen im Allgemeinen ebenso gut beherrschen wie in Präsenzkursen (Lay et al., 2020).

Es gibt jedoch Hinweise darauf, dass Charakteristika der Lernenden die Online-Lernerfahrung beeinflussen. So beeinflussen technologische Vorkenntnisse sowie Selbstregulationsfähigkeiten die Lernergebnisse. Zudem können Motivations- und Volitionsprobleme auftreten, da sich die Lernenden in reinen Online-Kursen möglicherweise weniger sozial integriert fühlen. Umgekehrt fördern positive Selbstregulierung oder intrinsische Motivation den Lernerfolg (Justus, 2017).

Trotz der zunehmenden Verbreitung von OSA bestehen Forschungslücken. Die Perspektive der Lehrpersonen, welche OSA absolvieren, wird bislang kaum berücksichtigt. Daher gibt es nur begrenztes Wissen über ihre Wahrnehmung von Online-Kursen sowie über bewährte Strategien für deren Gestaltung und Umsetzung. Zudem fehlen Untersuchungen zu kontextuellen Einflussfaktoren, wie persönlichen Merkmalen der Lehrpersonen oder dem schulischen Umfeld (Stavermann, 2025).

Vor diesem Hintergrund wurden im Rahmen des Projekts OSA für Praxislehrpersonen konzipiert, produziert und umfassend in einem Mixed-Methods-Design (N=183, davon männlich n=66) evaluiert. Mittels eines Online-Fragebogens konnten Einblicke in die Entwicklung, den wahrgenommenen Nutzen und die Lernergebnisse der teilnehmenden Praxislehrpersonen gewonnen werden. Die Befragung wurde zwischen Dezember 2023 und März 2024 durchgeführt und umfasste drei Messzeitpunkte: Der erste fand vor Beginn des Kurses statt (T1), der zweite unmittelbar nach Abschluss des Kurses (T2) und der dritte vier bis sechs Wochen später (T3). Dieses Messverfahren erlaubt es Informationen zu bisherigen Erfahrungen und Erwartungen der Teilnehmenden (T1), ihre Wahrnehmung der OSA (T2) und den Nutzen für ihre Lehrpraxis (T3) zu sammeln. Die Fragebögen wurden auf Basis etablierter Instrumente und Skalen konzipiert.

Dieser Beitrag konzentriert sich auf die folgenden Forschungsfragen:

(F1) Wie beurteilen Praxislehrpersonen, welche die OSA getestet haben, den Nutzen solcher Kurse und inwiefern konnten sie aus eigener Perspektive davon profitieren?

(F2) Gibt es Unterschiede in der Bewertung der OSA in Abhängigkeit von persönlichen Merkmalen der Studienteilnehmenden?

F1: Die Ergebnisse der T1-Befragung deuten darauf hin, dass sich die Studienteilnehmenden auf die Arbeit mit den OSA freuen (M=4.56; SD=0.63; Min=0; Max=5). Die Teilnehmenden erwarten, dass die Arbeit mit den OSA ihre Arbeitsbelastung an anderer Stelle reduziere (M=3.85, SD=1.06) und über 38% sind der Meinung, dass die OSA einen grösseren persönlichen Nutzen bieten als traditionelle Präsenzweiterbildungen. Zur T3-Erhebung geben über 72% der Teilnehmenden an, dass ihre Erwartungen an die OSA insgesamt erfüllt wurden (M = 3.77, SD = 0.99). Insgesamt zeigen die Ergebnisse eine hohe Zufriedenheit mit dieser Weiterbildungsform (M=3.88, SD=0.95) und würden sie weiterempfehlen (M=4.10, SD=0.91).

F2: Bestimmte persönliche Merkmale der Studienteilnehmenden scheinen jedoch ihre Wahrnehmung zu beeinflussen: Teilnehmerinnen bewerten diese Form der beruflichen Weiterbildung positiver als ihre männlichen Kollegen (d=.89, p=.049). Zudem äusserten sich Teilnehmende, die über höhere Selbstregulationsfähigkeiten berichten, zufriedener mit den OSA (p=.01, r=.17), ebenso wie Teilnehmende, die eine positivere Einstellung zu OSA haben (p<.001, r=.71). Es konnte jedoch kein Zusammenhang zwischen den selbst eingeschätzten digitalen Kompetenzen und der Zufriedenheit der Teilnehmenden mit den OSA festgestellt werden.

Die Ergebnisse zeigen, dass OSA eine sinnvolle Ergänzung zu Präsenzformaten darstellen und die berufliche Weiterentwicklung von Lehrpersonen und somit ihr lebenslanges Lernen wirksam unterstützen können. Die gewonnenen Erkenntnisse bieten konkrete Ansätze, um OSA zukünftig so zu gestalten und umzusetzen, dass sie noch besser auf die unterschiedlichen Voraussetzungen und Bedürfnisse der Teilnehmenden eingehen.

1. Einleitung

Die rasche Verbreitung generativer KI verändert Lehr- und Lernprozesse tiefgreifend und stellt neue Anforderungen an die professionelle Gestaltung von Unterricht. Lehrpersonen agieren in Lernumgebungen, in denen KI-Systeme hohe epistemische Performanz zeigen und zugleich sozial wirkmächtig auftreten können. Lernende wiederum neigen dazu, solchen Systemen menschliche Eigenschaften zuzuschreiben und deren Rückmeldungen unreflektiert zu übernehmen. Vor diesem Hintergrund gewinnt die Frage an Bedeutung, wie professionelle Handlungskompetenz entwickelt werden kann, um KI pädagogisch verantwortet und bildungstheoretisch fundiert einzusetzen. Der Beitrag entwickelt ein konzeptionelles Rahmenmodell für die Lehrerprofessionalisierung, welches das EThICAL AI Readiness Framework von Luckin et al. (2022) mit relationalen Ansätzen der Bildungstheorie verbindet, um die Human Agency zu stärken. Human Agency wird dabei nach dem AI Literacy Framework der OECD (2025) verstanden als die Entscheidungs- und Handlungsfähigkeit von Lehrenden und Lernenden, dafür zu sorgen, dass KI zu ihrem Nutzen wirkt und ihre Nutzung ethisch verantwortet und menschenzentriert bleibt.

2. Theoretischer Hintergrund und Forschungsfragen

Zwei theoretische Stränge werden integriert: (1) das EThICAL AI Readiness Framework, das ein partizipatives und verantwortungsorientiertes Vorgehen zur Einbettung von KI in Bildungsorganisationen beschreibt und Kompetenzen wie Kontextualisierung, Datenverständnis, Reflexion und ethische Beurteilung akzentuiert; (2) relationale Bildungstheorien, insbesondere das Konzept verteilter Kompetenz (Kerres & von Querfurth, im Druck), das Bildung als emergente Leistung hybrider Mensch-Technik-Netzwerke versteht. Ausgehend von diesen Perspektiven ergeben sich zwei forschungsleitende Fragen:

Forschungsfrage 1: Wie lässt sich ein konzeptionelles Modell entwickeln, das AI Readiness als Professionalisierungsstrategie für die verantwortete Gestaltung KI-gestützter Lernumgebungen beschreibt?
Forschungsfrage 2: Wie beeinflusst die Anwendung dieses Modells die Professionalisierungsstrategien von Lehrpersonen, Human Agency in KI-gestützten Lernprozessen zu sichern und Fehlzuschreibungen von Agency an KI-Systeme zu vermeiden?

Lehrpersonen sollen damit ein präziseres Unterscheidungsvermögen zwischen Performanz (KI) und Kompetenz (Mensch) entwickeln. Die Bereitschaft, KI „mitzudenken“, wird zu einem Indikator professioneller Handlungskompetenz.

3. Konzeptionelle Ergebnisse

Die theoretische Integration der sieben Schritte von AI Readiness mit relationaler Bildung erlaubt die Entwicklung eines Modells professioneller Handlungskompetenz, das beschreibt, wie Lehrpersonen KI nicht als (quasi-)sozialen Akteur, sondern als epistemisches Werkzeug in reflexive und verantwortungsvolle Gestaltungspraxen einbetten können. Die Analyse zeigt, dass Luckins Modell einen geeigneten Ordnungsrahmen bieten könnte, um KI-Integration als pädagogisch verantwortete und nicht primär als technologische Transformationsaufgabe zu begreifen. Die relationalen Perspektiven von Kerres & von Querfurth (im Druck) liefern wertvolle Impulse, betonen jedoch zu stark die Symmetrie von Mensch und Maschine; das hier entwickelte Modell markiert stattdessen die Asymmetrie als zentrale Bedingung pädagogischer Verantwortung. Diese Position wirft somit Fragen nach der kategorialen Differenz zwischen menschlicher und maschineller Agency auf und birgt das Risiko einer semantischen Vermenschlichung technischer Systeme. Wenn KI epistemisch gerahmt wird, erscheint sie nicht als sozialer Akteur, sondern als kognitives Artefakt, dessen Beiträge in menschliche Praktiken eingebettet bleiben. Dadurch entsteht ein professioneller Handlungsraum, in dem Lehrpersonen lernen, die epistemische Performanz der KI zu regulieren und in reflexive Prozesse zu integrieren. Professionalisierung bedeutet in diesem Zusammenhang, KI durch klare Rollenklärung didaktisch einzurahmen und Fehlzuschreibungen möglichst vorzubeugen oder als «productive failure» didaktisch zu nutzen (Puech et al., 2025). Sie umfasst die Kompetenz, KI funktional einzusetzen, ohne ihr eine pädagogische Subjektrolle zuzuschreiben.

4. Diskussion und Ausblick

Der Beitrag zeigt, dass AI Readiness ein tragfähiger Ansatz zur Professionalisierung von Lehrpersonen im Umgang mit generativer KI sein könnte und dass die Sicherung von Human Agency eine zentrale Dimension für die Gestaltung zukünftiger Lernumgebungen darstellt. Die entwickelten Forschungsfragen eröffnen empirische Anschlussmöglichkeiten, etwa zu Wirkmechanismen professioneller Entwicklungsprozesse, zur Rolle sozial-kognitiver Verzerrungen oder zur Gestaltung epistemischer Interaktionen mit KI im Unterricht. Das vorgeschlagene Rahmenmodell dient als Grundlage für weiterführende Diskussionen darüber, wie die Differenz zwischen menschlicher und maschineller Agency theoriegeleitet konturiert und zugleich für die Gestaltung verantworteter, relationaler Bildungsprozesse fruchtbar gemacht werden könnte.