Evidenzprüfung · Lehrempfehlungen Designausbildung unter KI-Bedingungen 2026
Ergebnis und Reichweite
Die Prüfung trägt mehrere konkrete Lehrentscheidungen mit unterschiedlichen Begründungsarten. Angeleitete Beispiele sind für eine eng bestimmte designbezogene Erkennungsaufgabe empirisch anschlussfähig. Selbsterklärung und Peer Assessment verfügen über breitere Forschungssynthesen. Für deren Übertrag auf KI-gestützte Designlehre bleiben fachliche Grenzen. Weitere Empfehlungen beruhen auf Theorie, Berufspraxis oder normativen Bildungszielen.
Die zwölf Empfehlungen R01–R12 stehen in Lehrempfehlungen - Designausbildung unter KI-Bedingungen. Sie beantworten konkrete Lehrentscheidungen. Eine vollständige wissenschaftliche Beantwortung der 223 Fragen wird hier nicht beansprucht.
Stand: 29.10.2026. Gezielte Literaturprüfung; kein systematischer Review. Metaanalysen sind als Synthesen ausgewiesen; ihre Einzelstudien wurden nicht vollständig neu geprüft. Eine Anzahl von Publikationen ist kein Ersatz für die Bewertung von Methode und Passung. Begründungsarten sind keine standardisierte Evidenzgraduierung.
Beleg- und Zugriffsmatrix
| Quelle | Tatsächlich geprüfte Belegstelle | Rolle | Grenze für die Empfehlung |
|---|---|---|---|
| Rourke & Sweller 2009 | Indexiertes Verlagsabstract; Metadaten beim Autor | R01, designnaher Befund | Volltext 403; Erkennen von Stilen |
| Dobres et al. 2016 | Originalvolltext, Methods und Versuchsaufgabe | R02, Wahrnehmungsstudie | Kurzzeitlesbarkeit unter bestimmten Bedingungen |
| Jonauskaite et al. 2020 | Original-Verlagsabstract | R02, kultureller Kontext | Farbwortassoziationen; Volltext beschränkt |
| Tai et al. 2018 | Originalvolltext, Definition und Discussion and conclusion | R03, Theorie | Konzeptioneller Beitrag |
| Double et al. 2020 | Verlagsvolltext, Overall Meta-analysis und Transfer-Kodierung | R03, empirische Synthese | Heterogenität; akademische Leistungsmaße |
| Bisra et al. 2018 | Original-Verlagsabstract | R04, empirische Synthese | Volltext beschränkt; fachlicher Übertrag |
| Fox et al. 2011 | Autorenabstract über PubMed | R05, empirische Synthese | Unterschiedliche Aufgaben und Protokolle |
| Schooler et al. 1993 | Indexierter Originalabstract | R05, Gegenfall | Früherer PDF-Link umgeleitet; Laboraufgaben |
| Carless & Boud 2018 | Autoren-PDF, Framework, enabling activities, implications | R06, Theorie | Keine eigene Interventionsstudie |
| Schmitt-Fumian et al. 2025 | Originalvolltext 3.1, Erhebung | R06, Designfeedback | Befragung/Interview zur Wahrnehmung |
| Kestin et al. 2025 | Indexierter Originalabstract und Verlags-PDF-Ausschnitt S. 3 | R06, günstiger Tutorbefund | Methoden nicht vollständig geprüft; Physiklehre |
| Liu et al. 2026 | Original-PDF 3.1–3.3, 5.1–5.2 | R06, Gegenprüfung | Preprint, Zugang und Nutzung unterscheiden |
| Lucero 2012 | Autoren-PDF, Abstract, Interviewstudie und Interpretation | R07, Berufspraxis | Keine KI- oder Lernintervention |
| Wadinambiarachchi et al. 2024 | Autorenvolltext, Method, Participants, Limitations | R08, kritischer KI-Befund | Einzelaufgabe mit damaligem Werkzeug |
| Hou et al. 2025 | Verlagsvolltext, 5.1–5.2 | R08, fachlicher Gegenbefund | Arbeitsleistung und Zeit; Lernwirkung offen |
| Karana et al. 2015 | Originalvolltext, Theoretical Foundation, MDD Method, Discussion | R09, fachliche Methode | Illustrativer Fall; Lernwirkung offen |
| Gmyrek et al. 2025 / ILO | Originalrepository und institutioneller Methodenbrief | R10, Arbeitsmarktrahmen | Modellierte Exposition |
| Miao et al. 2024 / UNESCO | Offizielle Zusammenfassung, Dimensionen und Stufen | R11, normativer Rahmen | Schulcurriculum; keine Designvalidierung |
| Hwang & Hwang 2025 | Originalabstract im DRS-Repositorium | R12, Messgrößen | Selbstauskunft und Expertenurteil |
| Bastani et al. 2025 | Originalpublikation, Abstract, Studiendesign; Originalkorrektur | R12, methodischer Übertrag | Schulmathematik, kurze Lernphase |
Gegenprüfung und Konsequenzen
- R01 bekommt angeleitete Beispiele als zusätzliche Lehrhandlung. Die Erkennungsaufgabe rechtfertigt keine pauschale Ersetzung offener Entwurfsarbeit.
- R04/R05 unterscheiden Lernhilfe und Erhebungsverfahren. Ein Fachbegriff kann Verständnis ausdrücken; sein Gebrauch allein belegt dieses Verständnis nicht.
- R03/R06 verbinden Kritik mit Weiterarbeit. Die positive Wahrnehmung einer Rückmeldung begründet keinen nachgewiesenen Lernfortschritt.
- R08 behandelt günstige und ungünstige KI-Befunde gemeinsam. Aufgaben, Expertise, Zeitpunkt und Ergebnismaße unterscheiden sich. Ein gemeinsamer kausaler Mechanismus ist damit nicht nachgewiesen.
- R09 begründet die Wahl gegenstandsangemessener Aufgaben. Die empirische Überlegenheit bestimmter Praxisanteile bleibt offen.
- R10/R11 unterscheiden wissenschaftliche Beschreibung und Bildungsentscheidung. Wirtschaftliche Nachfrage allein bestimmt kein vollständiges Bildungsziel.
- R12 braucht mehrere passende Nachweise. Ein fertiges Portfolio und ein Selbstrating reichen für manche individuellen Lernziele nur begrenzt aus.
Was vorerst offen bleibt
| Offene Lehrfrage | Vorläufige Entscheidung | Begründungsgrenze und nächster sinnvoller Schritt |
|---|---|---|
| Verbessert Fachsprache Bild-Prompting? | Fachsprache und inhaltliche Präzision am Ergebnis prüfen | Kein isolierter direkter Beleg in dieser Prüfung; konkrete Fälle und Systembedingungen dokumentieren |
| Muss man selbst produzieren können, um gut zu urteilen? | Produktion und Kritik im Curriculum verbinden | Notwendiger Mindestumfang und kausale Abhängigkeit offen; vorhandene Studien gezielt vertiefen |
| Wann soll KI erstmals eingesetzt werden? | Zeitpunkt nach Lernziel und Vorwissen begründen | Allgemeine frühe/späte Reihenfolge ungeklärt; einzelne lokale Aufgaben erproben |
| Fördern KI-Moodboards eine eigene Position? | Referenzen analysieren und Konzeptübertrag verlangen | KI-spezifischer Lernvorteil offen; Lucero trägt die berufliche Funktion |
| Welche Theorie verbessert Gestaltung? | Begriffe an konkreten Entscheidungen anwenden | Keine Rangfolge aller Theoriegebiete; Fach- und Aufgabenbezug prüfen |
| Wie viel manuelle Praxis ist nötig? | Gegenstandsangemessene eigene Erfahrung vorsehen | Keine belegte allgemeine Stundenzahl; nach Fach und Lernziel begründen |
| Wie verändern sich Honorare und Junioraufgaben? | Datierte Fälle und tatsächliche Tätigkeiten auswerten | Exposition reicht für diese Claims nicht aus; vorhandene Arbeitsmarktdossiers separat prüfen |
| Welche Studieninhalte können entfallen? | Vorerst keine pauschalen Streichungen | Aktuelle Modulziele, fachliche Funktion und verfügbare Studienzeit abgleichen |
| Ist die gesamte Lehrfolge wirksam? | Als transparent begründeten Entwurf verwenden | Keine Gesamtevaluation; kleine Anpassungserprobungen statt großer Studie |
Für Produkt/Raum liegt ergänzend ein Methodenbeleg vor. Film, Interaktion und Coding sind in den Empfehlungen gegenstandsbezogen berücksichtigt; eine vergleichbar vertiefte Wirksamkeitsprüfung ihrer Lehrmethoden fehlt. Diese Begrenzung bleibt in den Fachprofilen sichtbar.
Grenzen der Recherche und Quellenwahl
Vorhandene Karten, die Forschungskartierung vom 28.10.2026 sowie die Lehr- und Transfermethoden wurden gelesen und auf belegbare Originalquellen zurückgeführt. Neue Quellen wurden nach konkreten Lücken ausgewählt: Lernen an Designbeispielen, Peer Assessment, Feedback Literacy, Moodboards, Materialerfahrung und unterschiedliche Tutorbefunde. Vor Neuanlage erfolgte ein DOI-/Titelabgleich im Vault.
Suchwege: Webquellen ohne Browsertabs; Verlage, Autorenfassungen und
institutionelle Repositorien. Suchbegriffe umfassten
self explanation meta analysis Bisra,
Fox Ericsson Best think aloud,
design evaluative judgement Tai,
Rourke Sweller worked example designers styles,
Double peer assessment meta analysis,
Carless Boud feedback literacy,
Lucero mood boards,
Karana Material Driven Design,
AI tutoring Kestin und
course integrated AI tutoring Liu 18989. Presse, Blogs und
Aggregatoren dienten gegebenenfalls zum Auffinden von Originalquellen;
sie tragen keine fachlichen Claims dieser Synthese.
Scite war wegen fehlender Zugangsberechtigung nicht nutzbar. Die Untersuchung ersetzt keine systematische Datenbanksuche und keine vollständige Prüfung aller Zitations- und Retraktionshinweise. Die bekannte Bastani-Korrektur wurde am Original geprüft: Sie betrifft die Autorenzuordnung. Liu et al. werden ausdrücklich als Discussion Paper geführt. Abstractzugriff wird nicht als Volltextlektüre ausgewiesen. Ältere Quellen sind Grundlagen- oder historische Befunde, keine Tests aktueller Modelle.
Anschluss
- Lehrempfehlungen - Designausbildung unter KI-Bedingungen
- Fragenregister - 185 und 38 Fragen zur Designlehre unter KI-Bedingungen
- Forschungsplan Münster - Designlehre unter KI-Bedingungen neun Monate
- Recherche - Designlehre Wissen Artikulation und KI Oktober 2026
Literatur
- Bisra, K., Liu, Q., Nesbit, J. C., Salimi, F., & Winne, P. H. (2018). Inducing self-explanation: A meta-analysis. Educational Psychology Review, 30, 703–725. Originalquelle.
- Fox, M. C., Ericsson, K. A., & Best, R. (2011). Do procedures for verbal reporting of thinking have to be reactive? A meta-analysis and recommendations for best reporting methods. Psychological Bulletin, 137(2), 316–344. Originalquelle.
- Schooler, J. W., Ohlsson, S., & Brooks, K. (1993). Thoughts beyond words: When language overshadows insight. Journal of Experimental Psychology: General, 122(2), 166–183. Originalquelle.
- Tai, J., Ajjawi, R., Boud, D., Dawson, P., & Panadero, E. (2018). Developing evaluative judgement: Enabling students to make decisions about the quality of work. Higher Education, 76, 467–481. Originalquelle.
- Double, K. S., McGrane, J. A., & Hopfenbeck, T. N. (2020). The impact of peer assessment on academic performance: A meta-analysis of control group studies. Educational Psychology Review, 32, 481–509. Originalquelle.
- Carless, D., & Boud, D. (2018). The development of student feedback literacy: Enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325. Originalquelle.
- Rourke, A., & Sweller, J. (2009). The worked-example effect using ill-defined problems: Learning to recognise designers’ styles. Learning and Instruction, 19(2), 185–199. Originalquelle.
- Lucero, A. (2012). Framing, aligning, paradoxing, abstracting, and directing: How design mood boards work. DIS 2012, 438–447. Originalquelle.
- Karana, E., Barati, B., Rognoli, V., & Zeeuw van der Laan, A. (2015). Material driven design (MDD): A method to design for material experiences. International Journal of Design, 9(2), 35–54. Originalquelle.
- Wadinambiarachchi, S., Kelly, R. M., Pareek, S., Zhou, Q., & Velloso, E. (2024). The effects of generative AI on design fixation and divergent thinking. CHI 2024. Originalquelle.
- Hou, J., Wang, L., Wang, G., Wang, H. J., & Yang, S. (2025). The double-edged roles of generative AI in the creative process: Experiments on design work. Information Systems Research. Onlinepublikation. Originalquelle.
- Schmitt-Fumian, T. K., Tauscher, S., & Thoring, K. (2025). AI vs. human: Exploring the potential of generative AI as a feedback tool to support ideation in design education. Proceedings of the Design Society. Originalquelle.
- Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. Originalquelle.
- Liu, J., Sweet, T., Chen, M. H., Engelberg, J., Masters, M. C., Clark, M., Persaud, A., Lancaster, A., Hollingsworth, J. K., & Rice, J. K. (2026). The effects of course-integrated AI tutoring on student performance and engagement: A randomized university trial. IZA Discussion Paper 18989. Originalquelle.
- Hwang, Y., & Hwang, J. (2025). The effect of generative AI on design students’ critical thinking and creative achievement. IASDR 2025. Originalquelle.
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122. Originalquelle.
- Bastani, H., et al. (2025). Correction for Bastani et al. PNAS, 122(34), e2518204122. Originalquelle.
- Dobres, J., Chahine, N., Reimer, B., Gould, D., Mehler, B., & Coughlin, J. F. (2016). Utilising psychophysical techniques to investigate the effects of age, typeface design, size and display polarity on glance legibility. Ergonomics. Originalquelle.
- Jonauskaite, D., et al. (2020). Universal patterns in color-emotion associations are further shaped by linguistic and geographic proximity. Psychological Science. Originalquelle.
- Gmyrek, P., et al. (2025). Generative AI and jobs: A refined global index of occupational exposure. ILO Working Paper 140. Originalquelle.
- Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. Originalquelle.
Ergänzte Quellenkarten
- Quelle - Rourke Sweller 2009 Lernen an Designbeispielen
- Quelle - Double McGrane Hopfenbeck 2020 Peer Assessment
- Quelle - Carless Boud 2018 Feedback Literacy
- Quelle - Lucero 2012 Funktionen von Moodboards
- Quelle - Karana et al 2015 Material Driven Design
- Quelle - Kestin et al 2025 KI Tutor und aktives Lernen
- Quelle - Liu et al 2026 Kursintegrierter KI Tutor