DOI 10.24053/ FLuL-2025-0031 54 • Heft 2 Unter dem Stichwort „Augmentation statt Substitution“ geht die Computerwissenschaft davon aus, dass KI-Tools bestehende menschliche Fähigkeiten bereichern (augmentieren) und nicht ersetzen (substituieren). Dies könnte man auch im Kontext des Fremdsprachenunterrichts annehmen. Das fachlich korrekte und lernbiografisch-differenzierte Feedback mit all seinen transkulturellen Implikationen bleibt der Lehrkraft vorbehalten. Zwischenmenschlicher Diskurs wird weiterhin von der Lehrkraft initiiert, kuratiert und gesteuert. Dennoch, besonders in Bereichen wie jenen der automatisierten Generierung repetitiver Aufgabenformate, der adaptiven Steuerung basaler Lernprozesse durch hohe Responsivität sowie der multimodalen, barrierefreien Darstellung von Inhalten (z. B. in Text-, Audio- und Videoformaten) zeigt sich die KI gegenüber der Lehrkraft als leistungsstärker, unmittelbarer verfügbar und technisch skalierbar. Die Erstellung dieser Aufgaben durch den Lehrenden ist in diesem Zeitraum nicht machbar. Konkurrenz bei der Planung. Im aktuellen Forschungsdiskurs stehen sogenannte Teacher-Facing-Tools im Fokus. Hierbei handelt es sich um KI-gestützte Programme, die darauf abzielen, die Planung des Fremdsprachenunterrichts zu erleichtern. Diese mehrkanaligen KI-Tools haben für die Materialerstellung evidente Vorteile. Gerade bei der Erstellung von Arbeitsblättern mit standardisierten Formaten (Lückenübung, Multiple Choice, Zuordnungsübungen) können nach Eingabe eines Textes zu einem bestimmten Thema oder grammatikalischen Phänomen zielgruppenspezifische Arbeitsblätter produziert werden - im professionellen Layout mit punktgenauer Thematisierung von Phänomenen, die curricular zu erarbeiten sind. Durch Prompts auf Basis der Diagnosekompetenz der Lehrkraft werden weitere Arbeitsblätter produziert. Die Lehrkraft erspart sich Zeit, die man sonst in Internetrecherche (Suchen von Arbeitsblättern, Sammeln von Materialen) investiert hätte. Gerade für Fremdsprachenlehrkräfte am Beginn ihrer Karriere oder für Quereinsteigerinnen können solche Generatoren eine beträchtliche (zeitliche und ggf. didaktische) Entlastung bieten. Besonders bei der oftmals repetitiven Produktion standardisierter Übungsitems sind solche Tools nützlich. Visual Facilitators. Ein weiterer vorteilhafter Aspekt ist die schnelle Produktion visuell ansprechender Materialien. KI-Tools wie Napkin.ai ermöglichen es, Texte (Nachrichten, Webseiten, Lesetexte, Lieder, Reden) zu analysieren, um lexikalische und inhaltliche Korrelationen grafisch darzustellen. Solche generativen KIs agieren als visual facilitators, die Lernende unterstützen, komplexe Sachverhalte grafisch kontextualisiert besser zu verstehen. Podcast Generators. Im Bereich Hörverständnis können KI-gestützte Tools wie Google NotebookLM unterstützend agieren, indem sie fremdsprachliche Texte oder YouTube-Videos als adaptive Podcast generieren. Man kann dem System klare Anweisungen geben, wie der Podcast gestaltet werden soll. Ein Prompt könnte lauten: „Erstelle eine kurze unterhaltsame Radioshow mit zwei Moderator*innen, die das Thema in einfacher Sprache für 14-Jährige erklären.“ Presentation Evaluators. Gerade bei der Fähigkeit des Sprechens, der „Achillesferse“ des Sprachunterrichts, wenn es um zeitliche und organisationale Ressourcen geht, ist KI eine Konkurrenz zur Lehrperson. Es gibt Sprechperformanz-Analysetools, die das Gesprochene untersuchen. Der Microsoft PowerPoint Coach gibt Feedback zur Sprechgeschwindigkeit, Frequenz von Lückenwörtern und repetitiven Sprachmustern beim Vortragen. Wien T HOMAS S TRASSER KI i m F r e m d s pr a c h e n u nt e rri c ht: K o nkurr e n z s t a tt A s s i s t e n z f ür di e Le hrkr a f t ? Pro und Contra 125 54 • Heft 2 DOI 10.24053/ FLuL-2025-0031 Im Sommer 2024 führte eine private Schule in London das erste Klassenzimmer ganz ohne menschliche Lehrkräfte ein, namhafte Universitäten in den USA streichen bereits ganze Sprachstudiengänge - vor dem Hintergrund sich vermeintlich stetig selbst übertreffender technischer Entwicklungen in verschiedenen Bereichen künstlicher Intelligenz (KI) scheint die Sorge vor einem Arbeitsplatzverlust für Sprachlehrkräfte also zunehmend real. Doch basiert dieser (Re-)Aktionismus nicht vielmehr auf Prämissen, die hinterfragt werden sollten? Die erste Prämisse besteht darin, eine KI könne alle im fremdsprachlichen Lehrbetrieb aufkommenden Aufgaben und Herausforderungen erfüllen. Dass KI-Anwendungen Lehrkräfte bei zahlreichen Aufgaben entlasten oder diese gänzlich allein durchführen, ist dabei mehrheitlich unbestritten. Ihre Fähigkeiten in Statistik und der gezielten und schnellen Analyse von Daten, Zahlen und Zusammenhängen prädestinieren sie geradezu dafür: KI übernimmt z.B. lästige Verwaltungsaufgaben, vermag es Lernfortschritte zu analysieren, verfasst umfängliches und verständliches Feedback, unterstützt bei der Planung von Lehre oder der Erstellung binnendifferenzierender Lehrbzw. Lernmaterialien und verschafft so ihren Nutzer: innen vor allem eines: Zeit. Zeit für die soziale Interaktion mit den Lerner: innen. Eben diese ist es, die das Lehren am Ende so komplex werden lässt. Veränderbare und wechselnde Bedürfnisse, Ausgangslagen und Einflussfaktoren müssen gegeneinander abgewogen und situativ auf Basis geringster Indikatoren (z.B. Körpersprache, Tonfall) immer wieder neu bewertet werden. Eine solche Faktorenanalyse sollte eine einfache Aufgabe für eine KI darstellen, wäre da nicht die schiere Menge an geteiltem Wissen, unausgesprochenen Annahmen und Übereinkünften, die in den Interaktionen nicht (erneut) direkt kommuniziert werden (müssen) - zumal Sprache selbst historisch-biografisch gebunden ist und damit voller Bedeutungsdimensionen steckt. Während die Lehrperson wie auch die Lerner: innen die „Datenlage“ also direkt in sich und vor sich liegen haben und flexibel darauf reagieren können, muss sie einer KI erst zur Verfügung gestellt werden. Klammert man das offensichtlichste aller damit verbundenen Probleme, den Schutz personenbezogener Daten, einmal aus und ignoriert den mit einem solchen Datenaustausch verknüpften Aufwand an finanziellen, zeitlichen, natürlichen und personellen Ressourcen, so spielt auf der Ebene des Sprachenlernens eine weitere Prämisse hinein: Diese geht davon aus, dass das Wissen einer KI zu jeder Sprache und zu zeitgemäßer Sprachdidaktik bzw. -methodik so umfänglich ist, dass die KI als gleichwertige, wenn nicht sogar bessere Lehrperson agiert. Das ist jedoch, bei allem technischen Fortschritt der vergangenen Jahre, keineswegs flächendeckend der Fall und verweist auf die Komplexität und Biases innerhalb einer weitgehend unkuratierten Datenauswahl, die das Training der Algorithmen und deren Output maßgeblich beeinflussen: Sogenannte ressourcenstarke Sprachen wie auch vornehmlich tradierte, westliche Didaktiken verdrängen jene Sprachen und Perspektiven auf ein Sprachenlernen und -lehren, die innerhalb der Datenkorpora nicht- oder nur unterrepräsentiert sind. So mag KI zwar in einigen ausgewählten Bereichen durchaus in Konkurrenz zu Lehrenden treten (sofern diese der KI die hierfür notwendigen Daten zur Verfügung stellen), deren komplexe sozial(politisch)e Rolle gänzlich zu ersetzen, vermag sie jedoch derzeit nicht. Wien K ATRIN E NGELMAYR -H OFMANN