Python im Unterricht: Mathematik interaktiv erleben mit Sidekick Server

Ein Partnerbeitrag von Saskia Moseke & Emilie Steens von der Tobit Software GmbH

Funktionen, Formeln, Datenreihen: In vielen Fächern arbeiten Schüler*innen mit abstrakten Konzepten, die sich nur schwer veranschaulichen lassen. Häufig bleibt das Gelernte rein theoretisch und damit für viele Schüler*innen schwer zu begreifen. Moderne KI-Lösungen bieten hier neue Möglichkeiten. Mit spezialisierten Werkzeugen können Lehrkräfte abstrakte Konzepte direkt erlebbar machen – dynamisch, flexibel und sofort nachvollziehbar.

1. KI mit Sidekick Server schultauglich machen 

Der Einsatz von Künstlicher Intelligenz im Unterricht ist bereits in vielen Schulen Thema und wird an vielen Stellen auch schon umgesetzt. Häufig bleibt es dabei aber bei ungezähmten KI-Modellen, mit den präzise gepromptet werden muss, um gute Ergebnisse zu erhalten. Stattdessen braucht es didaktische Leitplanken, mit denen sich KI-basierte Agents erstellen lassen, die als Unterstützer und Lernbegleiter mit speziellem Fachwissen und entsprechenden Vorgaben pädagogisch sinnvoll agieren. Genau hier setzt Sidekick Server an, um den Schüler*innen eine sichere und passgenaue KI-Lösung zur Verfügung zu stellen.

Auf Basis zahlreicher leistungsstarker KI-Modelle haben Lehrkräfte über Sidekick Server die Möglichkeit, eigene „Intelligent Agents“ zu erstellen. Gerade für den MINT-Bereich lässt sich die Modell-Vielfalt und die flexible Auswahl weiterer Tools wunderbar ausnutzen. Im Briefing eines solchen Agents definieren sie Rolle, Aufgabe und Vorwissen und binden Werkzeuge wie Webzugriff, Dateianalyse oder die Programmiersprache Python an. So folgen die Agents klaren pädagogischen Vorgaben, erklären Konzepte schrittweise und passen sich durch die Vorgaben der Lehrkraft den Bedürfnissen der Schüler*innen an.

2. Mit Python abstrakte Konzepte visualisieren 

Die Anbindung an Python innerhalb von Sidekick Server ist für die Anwendung von KI im MINT-Bereich ein besonders praktisches Werkzeug. Die Programmiersprache arbeitet mit exakten Algorithmen und eignet sich gut für mathematische Darstellungen. 

Anders als generative KI-Tools, die Bilder oder Texte auf Basis von Wahrscheinlichkeiten erstellen, liefert Python präzise, nachvollziehbare Ergebnisse – genau das, was im naturwissenschaftlichen Unterricht gebraucht wird. Während tabellarische Darstellungen unabhängig von der Python-Anbindung im KI-Chat dargestellt werden können, ermöglicht sie darüber hinaus noch die struktureirte Darstellung von Formeln mit LaTeX und die Generierung von anschaulichen Graphen, Diagrammen und Statisitiken.

Darüber hinaus lassen sich mit Hilfe der Python-Anbindung Dokumente wie PDF, Word, Excel und PPTs mit den gewünschten Inhalten generieren. Da die Dokumente KI-generiert sind, müssen Formatierung und Details häufig noch nachbearbeitet werden. Inhaltlich bieten sie jedoch eine solide Grundlage.

Dabei ist wichtig zu erwähnen, dass die Nutzer selbst keine Programmierkenntnisse benötigen, um Python nutzen zu können. Stattdessen formulieren sie wie üblich ihren Prompt an den Intelligent Agent und die Anfrage wird im Hintergrund über die Anbindung verarbeitet.

3. Das passende Sprachmodell wählen 

Generell ist die Wahl des Sprachmodells bei der Erstellung eines Agents immer sehr entscheidend. Viele Modelle sind für den Einsatz in mathematisch-naturwissenschaftlichen Fächern nur bedingt geeignet, da sie nicht darauf ausgelegt sind komplexe Berechnungen präzise durchzuführen. Die Folge sind häufig fehlerhafte Ergebnisse – mit ein Grund, weshalb KI in diesen Fächern bisher nur zurückhaltend eingesetzt wird.

Die derzeit leistungsstärksten Large Language Models (LLMs) im Bereich Mathematik, logisches Denken und Programmieren sind Gemini 2.5 Pro (Google), o4 mini (OpenAI), Claude 4.5 Sonnet (Anthropic), DeepSeek-R1 (DeepSeek) und Qwen/QwQ-32B (Alibaba). Diese Modelle überzeugen durch hohe Genauigkeit, starke mathematische Problemlösungsfähigkeiten und gut strukturierte Schritt-für-Schritt-Erklärungen. Besonders o4 mini und Gemini 2.5 Pro liefern sehr gute Ergebnisse. Unter den Open-Source-Modellen stechen DeepSeek-R1 und Qwen hervor, allerdings sind diese Modelle aufgrund mangelnder Datenschutzstandards für den Schulunterricht weniger geeignet.

4. Python sinnvoll in den Unterricht einbauen

Nach der Wahl des richtigen Modells stellt sich die praktische Frage: Wofür lohnt sich der Einsatz von Python überhaupt? Python bietet besonderen didaktischen Mehrwert bei der Funktionsanalyse und Visualisierung von Graphen, beim Vermitteln von Datenauswertung und Statistik sowie beim Fördern algorithmischen Denkens. Die Stärke liegt im experimentellen Lernen: Schüler*innen können Parameter verändern, Auswirkungen unmittelbar beobachten und so mathematische Zusammenhänge durch aktives Experimentieren verstehen.

Der Agent ersetzt somit nicht den Taschenrechner, sondern ergänzt den Unterricht dort, wo es um das Verständnis komplexer Zusammenhänge geht. Durch Python visualisiert er mathematische Prozesse und erstellt Simulationen und stellt Daten dynamisch dar – und fördert so das tiefere Verstehen statt das bloße Liefern von Ergebnissen.

5. Briefingstruktur an einem Beispiel-Agent

Ein konkretes Beispiel aus dem Mathematikunterricht macht das deutlich: Lina Gerade ist eine KI-Lernbegleiterin für lineare Funktionen. Ihr Ziel ist es, dieses Thema möglichst verständlich zu vermitteln. Dazu nutzt sie Python, um mathematische Konzepte zu visualisieren und erfahrbar zu machen.

In der Aufgabendefinition legen wir fest, dass Lina Schüler*innen der 7. Klasse beim Thema lineare Funktionen begleitet – vom Koordinatensystem über Wertetabellen bis zum Graphen mit Steigungsdreieck. Das fachliche Vorwissen berücksichtigt dabei das Niveau der Zielgruppe. Lina geht davon aus, dass Schüler*innen das Koordinatensystem grundsätzlich kennen, aber unsicher sein können. Sie folgt einem klaren didaktischen Aufbau: Beispiel – > Wertetabelle – > Koordinatensystem – > Graph – > Bedeutung von m und b.

Die Python-Nutzung ist dabei gezielt geregelt. Lina nutzt Python zum Zeichnen von Graphen, fragt aber vorher nach: „Wie soll das Koordinatensystem aussehen?“ Diese Reflexionsfrage regen Schüler*innen an, ihre Erwartungen zu formulieren und fördert aktives Lernen. Statt „Die Steigung ist 2“ fragt sie: „Was passiert mit dem y-Wert, wenn du auf der x-Achse einen Schritt nach rechts gehst?“ Ihre Antworten sind ermutigend: „Super, das ist genau der richtige Ansatz!“ Soll der Agent zusätzlich spezielle Aufgaben wie die Einzeichnung eines Steigungsdreiecks ausführen, müssen diese explizit im Briefing berücksichtigt werden.

Klar definiert ist auch, was vermieden werden soll. Lina gibt unter keinen Umständen fertige Lösungen für Hausaufgaben aus. Sie liefert keine direkten Antworten, sondern hilft schrittweise – der Lernweg steht im Mittelpunkt, nicht nur das Ergebnis.

6. Beispiel-Chat Lina Gerade

Ein Beispiel-Chat zeigt, wie die Interaktion zwischen Schüler*in und Agent in der Praxis aussieht. Die Aufgabe lautet: Zeichne die Funktion y = 2x – 1. Lina soll dabei unterstützen – allerdings nicht, indem sie einfach den fertigen Graphen liefert. Stattdessen führt sie die Schüler*innen Schritt für Schritt an eine eigene Ausarbeitung heran und fördert so echtes Verständnis.

Um zu testen, ob die Schülerinnen das Thema auch losgelöst von der aktuellen Gleichung begreifen, stellt Lina die gleiche Aufgabenstellung erneut an einer anderen Gleichung. Nachdem die Schüler*innen auch diese Frage richtig beantworten konnten, stellt sie eine etwas schwierigere Aufgabe. Lina passt sich also dem individuellen Lernniveau an und bindet die Schüler*innen dauerhaft im Unterrichtsgeschehen ein.

Falls die Schüler*innen selbstständig weiterarbeiten möchten, etwa zur Vorbereitung auf eine Klassenarbeit, kann Lina zusätzliche Übungsblätter erstellen. Diese werden beispielsweise als PDF-Dokument bereitgestellt.

Python macht abstrakte mathematische Konzepte sichtbar. Am Beispiel von Lina Gerade zeigt sich, wie Visualisierungen dabei helfen, lineare Funktionen nicht nur zu berechnen, sondern wirklich zu verstehen. Wenn Schüler*innen sehen, wie sich die Steigung im Graphen verändert oder wie das Steigungsdreieck funktioniert, wird aus einer abstrakten Formel eine greifbare Erkenntnis. Python dient dabei nicht als reines Rechenwerkzeug, sondern als didaktisches Mittel, das den Lernprozess unterstützt. Sidekick Server schafft dafür den notwendigen Rahmen und ermöglicht ein kontrolliertes Zusammenspiel von Künstlicher Intelligenz und Python mit didaktischem Mehrwert.

Über die Autorinnen