© iStock.com/filo

In der Literatur wird der Begriff der Adaptivität sehr unterschiedlich verwendet, etwa als technisches Konzept algorithmischer Systemanpassung (Pane et al., 2017), als pädagogisches Ideal differenzierter Förderung (Tomlinson, 2001) oder als organisatorisches Prinzip institutioneller Anpassungsfähigkeit (Kezar, 2018). Diese konzeptuelle Unschärfe ist in der Hochschullehre insofern besonders problematisch, als Hochschulen spezifische Bildungsziele verfolgen – etwa die Befähigung zu wissenschaftlichem Denken, kritische Reflexion und disziplinäre Sozialisation (Barnett, 1992) –, die über bloße Vermittlung von Wissen hinausgehen. Adaptivität muss daher im Hochschulkontext anders gedacht werden als in anderen Bildungsbereichen, etwa in der Schule oder in der betrieblichen Weiterbildung.

Historische und theoretische Einordnung

Die Idee, Lehre und Lernen „adaptiv“ an die Bedürfnisse der Lernenden anzupassen, beginnt mit der Geschichte der Pädagogik und findet sich von Rousseaus Émile (1762) bis zur Aptitude-Treatment-Interaction (ATI, Cronbach & Snow, 1977). Diese lange Geschichte zeigt deutlich: Es gibt keine universell optimale Lehrmethode. Die Wirksamkeit didaktisch-methodischer Maßnahmen ist relativ zu den Dispositionen der Lernenden. Behavioristische, kognitivistische, konstruktivistische (z. B. Arnold, 2005) und selbstregulationstheoretische Traditionen betonen je unterschiedliche Aspekte, wie die Anpassung von Verstärkungsschemata, die Reduktion kognitiver Last, die Unterstützung der nächsten Entwicklungsphase oder die Förderung von Metakognition und Selbstregulation. Systemtheoretisch lassen sich zudem die Hochschulen selbst als komplexe adaptive Systeme verstehen, die sich immer wieder den aktuellen Gegebenheiten anpassen, zugleich aber institutionelle Trägheiten mitbringen – adaptive Lehre findet nicht im Vakuum statt, sondern in institutionellen Kontexten mit eigenen Anreizstrukturen bzw. Systemlogiken. (Ein aus den genannten Traditionen abgeleitetes integratives Minimalkonzept, das vor allem darauf eingeht, auf welche Aspekte – vom Schwierigkeitsgrad über die Medienauswahl bis zu sozialen Faktoren – sich Adaptivität beziehen kann, wird unten genauer erläutert.)

Bereits mit der Einführung der ersten elektronischen Lernprogramme wurde die Hoffnung verbunden, dass eine individuelle Unterstützung der Lernenden nicht nur persönlich, durch Lehrende oder Tutoren, erfolgen kann, sondern durch Lernsysteme, die sich an Eigenschaften von Nutzenden anpassen und ihnen entsprechende Rückmeldungen oder Hilfestellungen geben können (z. B. Lusti, 1992; Lehmann, 2010). Allerdings haben sich trotz der nachgewiesenen Effekte (z. B. Vanderwaetere et al., 2011; Contrino et al., 2024) und der großen Erwartungen adaptive Systeme noch kaum an Hochschulen etabliert. Eine zentrale Ursache dafür ist die sehr aufwändige Entwicklung.

Vor diesem Hintergrund liegt es gerade im Hochschulkontext nahe, die Diskussion nicht nur auf die systemseitige Adaptivität – also die Anpassung des Lernangebots durch das System – zu begrenzen, sondern verstärkt auch die „lernseitige“ Adaptivität in den Blick zu nehmen, eine Diskussion, die ebenfalls bereits früh begann (z. B. Kerres, 2001; Schulmeister, 2004). Diese beginnt damit, dass Systeme „adaptierbar“ sind, also Lehrenden und Lernenden die Möglichkeit bieten, die Systeme selbst anpassen zu können (z. B. durch Wahlmöglichkeiten) und reicht bis zu der Fähigkeit und Bereitschaft der Lernenden, den eigenen Lernprozess anzupassen, also Selbstregulation im weitesten Sinne. Systemseitige Adaptivität zielt auf Effizienz und Effektivität; Adaptierbarkeit und lernseitige Adaptivität zielt auf Metakognition und Selbstregulation bzw. darauf, dass Lernende die Fähigkeit erwerben, den eigenen Lernprozess zu steuern (Schwartz, 2025). Für die Hochschullehre ist lernseitige Adaptivität von besonderer Bedeutung, weil sie ein genuines Bildungsziel des Hochschulstudiums darstellt. Adaptive Systeme sollten deshalb in diesem Kontext nicht nur reaktiv sein, sondern darauf ausgerichtet werden, Metakognition, Selbstdiagnose und Lernstrategiekompetenz durch eine schrittweise Reduktion systemseitiger Führung im Verlauf des Studiums zu fördern.

Ansätze zur Umsetzung und Stand der Forschung

Häufig wird im Zusammenhang mit der Umsetzung von Adaptivität zunächst an Intelligente tutorielle Systeme gedacht. Deshalb wird auch hier dieser Ansatz etwas ausführlicher dargestellt. Jedoch wird ebenfalls gezeigt, dass es auch andere Möglichkeiten gibt, Adaptivität umzusetzen.

(1) Technologische Ansätze

Werden bei Lernsystemen, die sich selbständig an Nutzereigenschaften (etwa Wissensstand oder Vorgehensweisen) anpassen und darauf abgestimmte Hilfestellungen geben, Verfahren der Künstlichen Intelligenz angewendet, handelt es sich um Intelligente tutorielle Systeme (ITS). Zu deren Beschreibung wurden verschiedene Modelle entwickelt. Dabei wird beispielsweise unterschieden zwischen den (technisch sehr aufwändigen) mikroadaptiven Systemen (die sich dem Unterstützungsbedarf der Lernenden selbständig anpassen) und makroadaptiven Systemen (bei denen die Anpassungen durch Eingriffe der Lehrenden erfolgen). Bezüglich des Zwecks kann unterschieden werden zwischen einem Fördermodell (das zusätzliche Lerneinheiten bereitstellt, um Defizite abzubauen), einem Kompensationsmodell (das Hilfestellungen leistet, um Defizite zu vermindern) und einem Präferenzmodell (das die Stärken der Lernenden für den Lernprozess nutzen soll) (Leutner, 2002). Ein zentrales Merkmal von ITS ist, dass sie über mindestens eine Diagnosekomponente verfügen, anhand derer das Verhalten der Lernenden analysiert wird. Solche Diagnoseinstrumente enthalten mehrere idealtypisch modellierte Komponenten: ein Modell der Wissensdomäne, ein Modell der Lernenden sowie ein tutorielles Modell. Diese Konzepte werden als Verhaltensziele zugrunde gelegt, die einen Vergleich des Lernenden-Modells mit dem Domänenmodell ermöglichen. ITS gleichen die Eingaben der Lernenden mit dem Modell des Wissensgebiets und der Lernenden ab; darauf basierend wählen sie dem tutoriellen Modell entsprechend Aufgaben aus und geben differenziertes Feedback in Echtzeit. Metaanalysen belegen konsistent positive Effekte auf Lernergebnisse, vergleichbar mit Einzelunterricht (Kulik & Fletcher, 2016).

Generative KI-Modelle erweitern dieses Potenzial: Sie können individuelle Erklärungen generieren und Lernende durch komplexe Problemlöseprozesse begleiten (Li et al., 2024). Allerdings bestehen erhebliche Risiken: Algorithmische Biases können Studierendengruppen systematisch benachteiligen (Mayfield et al., 2019), und KI-gestützte Adaptivität optimiert tendenziell auf messbare, kurzfristige Lernergebnisse, während schwerer messbare Ziele wie kritisches Denken oder disziplinäre Sozialisation vernachlässigt werden. Die Integration generativer KI wirft zudem erhebliche Fragen zu Datenschutz, Qualitätssicherung und pädagogischer Kontrolle auf (Li et al., 2024).

(2) Adaptive Lernpfade

Ein wesentliches Beispiel dafür, wie ein System sich an die spezifischen Bedürfnisse von Lernenden anpassen kann – etwa in Bezug auf den Schwierigkeitsgrad –, sind adaptive Lernpfade, die durch ein Lernsystem vorgeschlagen werden. Während der Bearbeitung erkennt das System deren erworbenen Wissensstand der Lernenden und macht ihnen Vorschläge bezüglich des weiteren Lernwegs. (Jedoch können auch selbstreguliertes Lernen sowie personalisierte Tests und Aufgaben als „Lernpfade“ verstanden werden. So schlägt Brod (2024) vor, die „drei Lernpfade“ der Selbstregulation, der personalisierten Unterstützung und adaptiver Lernpfade zu kombinieren.)

Eine zentrale Frage in Hinblick auf die Struktur adaptiver Lernpfade ist, ob alle Pfade zum selben Mindeststandard führen sollen oder ob es einen schweren Pfad geben sollte, der zu stärker ausgeprägten Kompetenzen führt. Aus Mastery-Learning-Perspektive (Bloom, 1984) ist ersteres sinnvoller; aus begabungsfördernder Perspektive letzteres. Für die Hochschullehre empfiehlt sich eine Kombination: Ein klar definierter Mindeststandard wird durch optionale Vertiefungsangebote ergänzt. Dies erfordert zugleich eine curriculare Architektur, die Kern- und Erweiterungskompetenzen explizit unterscheidet und gleichzeitig für beide Anreize schafft.

(3) Pädagogische Ansätze

Neben technologischen Ansätzen existiert eine reiche pädagogische Tradition, die auf Differenzierung und Scaffolding setzt. Differenzierte Instruktion (Tomlinson, 2001) ermöglicht Lernenden durch variierende Inhalte, Prozesse und Produkte unterschiedliche Zugänge zu denselben Lernzielen – realisierbar durch differenzierte Aufgabenstellungen, gestufte Lernmaterialien oder flexible Prüfungsformate. Scaffolding bedeutet, temporäre Unterstützungsstrukturen bereitzustellen, die mit zunehmendem Kompetenzzuwachs schrittweise zurückgezogen werden (Wood et al., 1976). Im Hochschulkontext ist dies speziell in der Studieneingangsphase relevant, da die Heterogenität der Studierendenschaft hier besonders hoch ist (Schmitt, 2020).

(4) Fachspezifische Adaptivität

Adaptivität sollte fachspezifisch ausgestaltet werden. In MINT-Fächern mit klaren hierarchischen Kompetenzstrukturen sind technologische Systeme besonders wirksam (Contrino et al., 2024; Vandewaetere et al., 2011). Dagegen sind in den Geistes- und Sozialwissenschaften Lernziele komplexer und schwerer operationalisierbar – technologische Schwierigkeitsgradadaptivität stößt hier an ihre Grenzen. Auch die Studienphase spielt eine Rolle: Frühe Phasen mit Grundlagenvermittlung eignen sich eher für strukturierte adaptive Systeme; spätere Phasen, in denen wissenschaftliche Eigenständigkeit gefordert ist, erfordern Raum für offene, exploratorische Lernprozesse.

Dimensionen von Adaptivität

Adaptivität lässt sich anhand verschiedener analytisch unterscheidbarer Dimensionen beschreiben. Sie beziehen sich jeweils auf unterschiedliche Aspekte des Lehr-Lern-Prozesses und können in der Praxis in wechselnden Kombinationen auftreten.

• Schwierigkeitsgradadaptivität bezieht sich auf die Anpassung des Anforderungsniveaus an das aktuelle Kompetenzniveau der Lernenden. Zu unterscheiden sind reaktive Adaptivität, die den Schwierigkeitsgrad auf Basis von Leistungsrückmeldungen anpasst, und proaktive Adaptivität, die das Kompetenzniveau auf Basis von Vorwissenstests oder Lernhistorien antizipiert. Reaktive Adaptivität birgt das Risiko einer Abwärtsspirale, proaktive Adaptivität setzt valide Diagnoseinstrumente voraus. Für die Hochschullehre erscheint deshalb eine Kombination sinnvoll: ein klar definierter Mindeststandard, der auf allen Pfaden erreichbar ist, ergänzt durch optionale Vertiefungsangebote für leistungsstarke Studierende.
• Inhaltliche Adaptivität bezieht sich auf die Anpassung der Tiefe und Breite der Lerninhalte an Lernziele, Vorwissen und Interessen. Zu unterscheiden sind adaptive Inhaltsauswahl (Wahl zwischen thematischen Schwerpunkten) und adaptive Inhaltstiefe (Bearbeitung desselben Themas auf unterschiedlichen Abstraktionsniveaus). Besonders relevant ist diese Dimension in interdisziplinären Studiengängen, wo Studierende mit unterschiedlichen fachlichen Hintergründen verschiedene inhaltliche Zugänge benötigen.
• Mediale Adaptivität bezieht sich auf die Anpassung der Darstellungsform und der verwendeten Medien an individuelle Präferenzen oder situative Anforderungen. Dabei ist eine aufgabenorientierte Medienadaptivität sinnvoller als eine lernstilbasierte: So können bestimmte Inhalte besonders gut durch bestimmte Medien vermittelt werden – etwa animierte Demonstrationen für mathematische Prozeduren oder Video-Tutorials für praktische Fertigkeiten. Im Hochschulkontext stellt Medienkompetenz selbst ein Lernziel dar, weshalb adaptierbare Medienauswahl auch auf die Entwicklung von Medienkompetenz ausgerichtet sein sollte.
• Temporale Adaptivität bezieht sich auf die Anpassung der Lerngeschwindigkeit und der verfügbaren Lern- oder Aufgabenbearbeitungszeit an individuelle Lernrhythmen. Zwei Modelle stehen dabei zur Wahl: Beim Modell der Acceleration schreiten schnellere Lernende durch denselben Stoff rascher voran; beim Modell des Enrichment erhalten sie stattdessen tiefere, reichhaltigere Erfahrungen mit demselben Stoff. Enrichment entspricht eher dem Bildungsideal, das an Hochschulen verfolgt wird. Konsequent umgesetzt, bedeutet temporale Adaptivität für Hochschulen als Institutionen weitere Veränderungen, beispielsweise flexible Studienzeiten, unterschiedliche Modultempi und Credit-Transfer-Systeme für außercurricular erworbene Kompetenzen.
• Soziale Adaptivität bezieht sich auf die Anpassung der Betreuungsintensität, der Gruppenkonstellationen und der Interaktionsformen an individuelle Bedürfnisse und Lernziele. Sie ist die am wenigsten technologisierbare Dimension, da sie auf menschlicher Interaktion und pädagogischem Urteilsvermögen beruht. Heterogene Lerngruppen können unter bestimmten Bedingungen lernförderlich sein, da sie gegenseitiges Erklären und Perspektivenwechsel fördern; allerdings können sie unter ungünstigen Bedingungen auch das Erreichen von Lernzielen erschweren und ggf. leistungsstarke Studierende belasten, wenn diese de facto Lehraufgaben übernehmen (Slavin, 1990).
• Pfadadaptivität schließlich ist die integrierende Dimension, die alle anderen Dimensionen in einem kohärenten Lernpfad zusammenführt. Dies kann auf unterschiedlichen Ebenen geschehen: auf der Mikroebene einzelner Lerneinheiten, der Mesoebene von Modulen und Kursen sowie der Makroebene des gesamten Studiums. Auf der Makroebene kann dies bedeuten, dass unterschiedliche Studienpfade für unterschiedliche Ziele – etwa forschungsorientiert versus anwendungsorientiert – mit unterschiedlichen Kompetenzschwerpunkten zum selben Abschluss führen können.

Hinweise zum praktischen Einsatz

Fachspezifisch differenzierter Einsatz

• In MINT-Fächern mit klar hierarchischen Kompetenzstrukturen sind technologische Schwierigkeitsgrad- und Pfadadaptivität besonders geeignet. Hier ist es sinnvoll, die reaktive Schwierigkeitsgradadaptivität für Grundlagenveranstaltungen zu nutzen und proaktive Pfadadaptivität in fortgeschrittenen Kursen einzusetzen bzw. temporale Adaptivität in Form von Acceleration, damit Lernende, die Grundlagenkonzepte schnell beherrschen, rasch zu anspruchsvolleren Inhalten übergehen können.
• In den Geistes- und Kulturwissenschaften sind Lernziele interpretationsoffener und schwerer hierarchisierbar. Hilfreich kann hier mediale Adaptivität (unterschiedliche Textzugänge, multimodale Materialien) sein, kombiniert mit sozialer Adaptivität (differenzierte Betreuungsformate, flexible Gruppenkonstellationen). Auch inhaltliche Adaptivität durch Wahlmöglichkeiten zwischen thematischen Schwerpunkten entspricht der disziplinären Kultur.
• In den Sozial- und Wirtschaftswissenschaften empfiehlt sich technologische Schwierigkeitsgradadaptivität für methodische Grundlagenveranstaltungen und pädagogische Adaptivität (Scaffolding, differenzierte Aufgabenstellungen) für theoretische und empirische Seminare; Pfadadaptivität auf der Makroebene – Wahl zwischen quantitativem und qualitativem Forschungsschwerpunkt – ist ebenfalls sehr sinnvoll.
• In den Gesundheits- und Pflegewissenschaften sowie der Medizin verbinden sich hohe Anforderungen an Faktenwissen (dessen Erwerb technologisch förderbar ist) mit komplexen klinischen Urteilsfähigkeiten – hier erscheint pädagogische Begleitung erforderlich. Simulationsbasiertes Lernen mit adaptiven Elementen und differenziertes klinisches Mentoring sind hier besonders vielversprechend.
• Im Lehramt und in der Pädagogik ist lernseitige Adaptivität zentral: Lehramtsstudierende sollen selbst lernen, ihre spätere Lehre anzupassen. Entsprechend sollten adaptive Lernumgebungen Adaptivität daher zum Gegenstand der Reflexion machen, beispielsweise durch metakognitive Übungen, Reflexionstagebücher und Peer-Teaching-Formate.

Phasenspezifische differenzierter Einsatz

• In der Studieneingangsphase (1.–2. Semester Bachelor) ist die Heterogenität der Studierendenschaft am größten. Deshalb erscheint hier eine Kombination aus diagnostischer Adaptivität (Eingangsdiagnostik und Placement), proaktiver Schwierigkeitsgradadaptivität und intensiver sozialer Adaptivität (Tutoring, Mentoring, Peer-Learning-Gruppen) sinnvoll. Wenn Studierende noch nicht über ausreichende Selbstregulationsfähigkeiten verfügen, kann systemseitige Adaptivität in dieser Phase unterstützend wirken.
• In der fortgeschrittenen Studienphase (3.–6. Semester Bachelor) empfiehlt es sich, systemseitige Adaptivität schrittweise zu reduzieren und lernseitige Adaptivität gezielt zu fördern. Adaptive Systeme sollten durch bedarfsorientiertes formatives Feedback, Ressourcenempfehlungen und Reflexionsanlässe weniger führen und mehr unterstützen. Inhaltliche Adaptivität und durch Wahlmöglichkeiten adaptierbare Systeme gewinnen in dieser Phase an Bedeutung.
• In der vertiefenden Studienphase (ab 7. Semester Bachelor / Master / Promotion) steht die wissenschaftliche Eigenständigkeit im Vordergrund. Adaptivität bedeutet hier vor allem Pfadadaptivität auf der Makroebene: individuelle Forschungsschwerpunkte, flexible Studienverläufe, differenzierte Betreuungskonzepte für Qualifikationsarbeiten. Studierende sollen ihren Lernprozess mit Hilfe lernseitiger Adaptivität vollends eigenständig steuern.

Grenzen und kritische Aspekte adaptiver Lehre

Neben den positiven Aspekten der Adaptivität gibt es auch kritische Faktoren. Dazu gehören beispielsweise das Risiko der Überadaptivität (produktives Scheitern und 'desirable difficulties' werden vermieden), die Gefahr der Standardisierung durch gleichförmige kommerzielle Systeme, das Risiko der Datifizierung des Lernens (Reduktion komplexer Bildungsprozesse auf messbare Datenpunkte) und die Entprofessionalisierung der Lehre durch Übertragung pädagogischer Kernaufgaben an Systeme.

Ein weiterer Aspekt ist das Exklusionsrisiko durch ungleiche digitale Infrastruktur und Medienkompetenz. Denn adaptive Systeme versprechen, Bildungsungleichheiten zu reduzieren; insbesondere für Lernende mit geringem Vorwissen oder aus bildungsfernen Milieus sind positive Effekte belegt. Gleichzeitig birgt Adaptivität das Risiko, bestehende Ungleichheiten zu festigen. Systeme können Lernende auf Basis von Leistungsdaten in niedrige Schwierigkeitspfade einordnen und dort halten, ohne strukturelle Ursachen von Leistungsunterschieden zu adressieren. Nicht alle Studierenden haben gleichen Zugang zu relevanten Ressourcen wie digitalen Endgeräten und stabilen Internetverbindungen (DaVinci, 2023). Bildungsgerechte Adaptivität erfordert daher eine aktive Strategie, die sich nie zu genau mit einzelnen Studierenden befassen könnte, um sicherzustellen, dass alle Studierenden gleichermaßen von adaptiven Angeboten profitieren.

Fazit

Adaptivität ist ein mehrdimensionales Konzept, das technologische und pädagogische Perspektiven integriert. Die konzeptuelle Analyse zeigt: Adaptivität kann mithilfe verschiedener unterschiedlicher Modelle bzw. unterschiedlicher analytisch unterscheidbarer Dimensionen beschrieben werden, deren Relevanz je nach Fachrichtung und Studienphase unterschiedlich sein kann. Die Unterscheidung zwischen systemseitiger und lernseitiger Adaptivität bzw. Adaptierbarkeit ist dabei zentral. Lernseitige Adaptivität bzw. die Fähigkeit zu selbstreguliertem Lernen ist für die Hochschullehre ein genuines Bildungsziel.

Aus dieser Perspektive sollte Adaptivität nicht primär als technologisches, sondern als pädagogisches Thema verstanden werden. Die entscheidende Frage ist nicht, welches System am besten adaptiert, sondern welche Form der Adaptivität für welchen Lehrkontext, welche Lernziele und welche Studierenden(gruppe) am geeignetsten ist. Lehrende sollten für die verschiedenen Dimensionen und Möglichkeiten von Adaptivität und Adaptierbarkeit sensibilisiert werden. Die Implementierung adaptiver Systeme sollte stets von einer kritischen Evaluation begleitet werden, die Gerechtigkeitsaspekte, Datenschutz und Auswirkungen auf die Lehrprofessionalität berücksichtigt.

Weitere Informationen

Das Themenspecial „Lernen unterstützen durch Adaptivität und Adaptierbarkeit“ auf e-teaching.org bietet mit einer Online-Eventreihe und mehreren weiteren Beiträgen weiterführende Informationen, beispielsweise zur Definition grundlegender Begriffe und Praxisbeispiele für die Umsetzung adaptiver Systeme und Lernpfade.