„Pädagogischer Türsteher“: Offenes Framework SCAFFOLD ermöglicht sichere Schüler-KI-Interaktion
Große Sprachmodelle wie GPT eröffnen neue Möglichkeiten für den Unterricht: Sie können erklären, Fragen beantworten und Lernprozesse individuell begleiten. Gleichzeitig sind ihre Antworten jedoch nicht automatisch pädagogisch passend, sicher oder auf Lernziele und Gruppendynamik abgestimmt. Genau hier setzt SCAFFOLD an. Das Framework versteht sich als zusätzliche Kontroll- und Orchestrierungsschicht zwischen Lernenden und LLM und soll dafür sorgen, dass KI-Antworten nicht nur technisch funktionieren, sondern auch didaktisch sinnvoll eingesetzt werden.
Das modulare Framework wurde von den Forschenden Olga Muss, Luca. M. Leisten und Charles Edouard Bardyn der Universität Neuchåtel und ETH Zürich entwickelt.
Zum PDF mit der Lizenz CC BY 4.0
Zum frei zugänglichen Code auf GitHub
Audio erstellt mit der Audio Overview in Gemini Notebook
- Schülerin & Schüler spricht mit dem Roboter Marty.
- In Microsoft Azure wird Sprache in Text umgewandelt.
- SCAFFOLD verarbeitet den Turn über seine Frames.
- GPT-4.1-mini wird für inhaltliche Analyse und Generierung eingesetzt.
- Das Sprachmodell erzeugt einen Antwortentwurf.
- SCAFFOLD prüft den Entwurf nochmals über die Frame-Logik.
- Falls nötig, wird die Antwort korrigiert oder angepasst.
- Azure Text-to-Speech wandelt die finale Antwort in Audio um.
- Marty gibt die Antwort sprachlich an die Schüler aus.
Deterministische Leitplanken und LLM-Flexibilität
Ein zentraler Gedanke von SCAFFOLD ist die Trennung zwischen festem Code mit klaren Leitplanken und der flexiblen semantischen Bewertung durch ein LLM. Die Frames definieren im Code, welche Informationen gesammelt werden, welche pädagogischen Regeln gelten und was bei bestimmten Ergebnissen passieren soll. Für offene inhaltliche Fragen – etwa ob eine Schülerantwort zum Lernziel passt oder ob ein Antwortentwurf angemessen ist – kann innerhalb eines Frames ein Sprachmodell als variabler „Judge“ eingesetzt werden. Das LLM liefert dabei eine Einschätzung, aber die übergeordnete Entscheidung und Weiterverarbeitung bleibt in der Frame-Logik verankert. So kombiniert SCAFFOLD deterministische Leitplanken mit der Flexibilität eines Sprachmodells.
Ohne SCAFFOLD würde eine Schülerantwort im Wesentlichen direkt an das LLM weitergegeben und dessen Antwort anschließend ausgegeben. Beispiel: Ein Schüler sagt zu einem physikalischen Konzept: „Ich glaube, schwere Gegenstände fallen schneller als leichte.“ Ein LLM könnte darauf sofort mit einer fachlichen Erklärung reagieren. Mit SCAFFOLD wird diese Antwort dagegen zunächst durch die zuständigen Frames eingeordnet: Passt sie zur aktuellen Lernphase? Zeigt sie ein Missverständnis? Soll das System direkt korrigieren oder zunächst mit einer Rückfrage arbeiten?
Für die semantische Einschätzung kann dabei ein LLM genutzt werden, während die Frame-Logik vorgibt, wie mit dem Ergebnis pädagogisch umzugehen ist. Der daraus erzeugte Antwortentwurf wird anschließend nochmals geprüft und bei Bedarf angepasst, bevor er ausgegeben wird. Der Unterschied liegt also weniger darin, dass SCAFFOLD „besser weiß“, was richtig ist, sondern darin, dass es die LLM-Reaktion strukturiert, kontrolliert und an pädagogische Regeln bindet.
Tokenkosten im Vergleich
Bei den Token-Kosten entsteht ohne SCAFFOLD meist ein vergleichsweise einfacher Ablauf: Schülerinput wird an das LLM geschickt, das eine Antwort erzeugt – im Wesentlichen also ein zentraler LLM-Aufruf pro Turn. Mit SCAFFOLD können zusätzliche Kosten entstehen, weil Frames den Input analysieren, semantische Prüfungen durchführen und den erzeugten Antwortentwurf nochmals bewerten oder korrigieren lassen. Dadurch können pro Schülerturn mehrere LLM-Aufrufe nötig sein, was den Tokenverbrauch erhöht. Gleichzeitig kann SCAFFOLD durch regelbasierte Prüfungen auch verhindern, dass für jeden Kontrollschritt ein LLM benötigt wird. Die tatsächlichen Mehrkosten hängen deshalb stark davon ab, wie viele Frames aktiv sind und welche davon tatsächlich ein LLM aufrufen.
