SkillPilot Whitepaper (DE)
Version: 1.0.16 Datum: Februar 2026 Projekt: SkillPilot
Zusammenfassung
SkillPilot dockt an bestehende Curricula an und nutzt sie als Source of Truth (z.B. staatliche Lehrpläne, Modulhandbücher, Standards wie CEFR). SkillPilot ersetzt diese Standards nicht, sondern übersetzt sie in einen maschinenlesbaren Skill-Graph. Lernende, Lehrkräfte und ein KI-Tutor nutzen diesen als maschinenlesbare Landkarte. So kann der Lernende von seinem aktuellen Skill-Stand sicher zu seinen Skill-Zielen navigieren. Der KI-Tutor führt dabei dialogisch – und stützt sich für Lernstand, Regeln und nächste Schritte auf die exakte Backend-Logik.
Dazu erfasst das System Lernerfolge auf atomaren Skill-Zielen und leitet daraus den Beherrschungsgrad für übergeordnete Themen ab. Auf dieser Basis führt der Weg über die nächsten erreichbaren Skill-Ziele systematisch hin zu den individuellen Bildungszielen.
Die Qualitätssicherung erfolgt offen: über ein Champion-Programm aus der Praxis sowie über den Open-Source-Workflow (Issues/PullRequests).
1. Die Herausforderung: Individuelle Skill-Navigation skaliert nicht
Bildung folgt Curricula, die staatlich vorgegeben oder durch Akkreditierung definiert sind. In der Praxis klafft jedoch eine Lücke zwischen Curriculum und Lernrealität:
- Lernende starten nicht am selben Punkt (Vorwissen, Tempo, Lücken).
- Lehrende müssen trotzdem viele Personen parallel steuern – oft in großen Kohorten.
- Lernziele liegen meist als Text vor, aber nicht als navigierbare Struktur mit Abhängigkeiten und sinnvollen nächsten Schritten.
Das führt zu Überforderung bei einigen, Langeweile bei anderen – und zu hohem Aufwand, Lernstände und nächste Schritte sauber zu erfassen.
SkillPilot schließt diese Tool-Lücke: outcome-orientierte Navigation im Curriculum, ohne dass Lehrende zu „Buchhalter:innen“ werden. SkillPilot setzt dabei auf dem geltenden Curriculum auf – es schafft keine neuen Standards, sondern macht bestehende Standards operational und navigierbar.
2. Der Umbruch: Möglichkeiten moderner KI-Agenten nutzen
In den drei Jahren, seit ChatGPT im November 2022 online ging, hat sich die Welt der sprachbasierten KI rasant entwickelt. Ein Gefühl für dieses Tempo vermittelt der Blick auf Humanity's Last Exam, den bisher härtesten KI-Benchmark. Dieser wurde Anfang 2025 eingeführt, um KIs mit tausenden extremen Expertenfragen auf echtes logisches Denken statt bloßes Wissen zu prüfen. Während Spitzenmodelle zu Jahresbeginn noch fast völlig versagten (unter 10 % Erfolg), konnten führende KIs diese Leistung bis zum Jahresende auf etwa 50 % verfünffachen.
Stand Ende 2025 sind KIs damit fachlich und sprachlich vielen Themen gewachsen, die an Schulen und Universitäten gelehrt werden. Doch sie haben Grenzen: Sie sind keine ausgebildeten Pädagogen und arbeiten nicht wie algorithmisch exakte Buchhaltungsprogramme, die fehlerfrei rechnen und verwalten.
Um die für SkillPilot benötigte algorithmische Präzision bei der Navigation auf den Lernzielen zu sichern, kommt uns ein weiterer Trend zugute: Die Kopplung von Sprach-KIs an klassische Software. Es etablieren sich Standards, die es KIs wie ChatGPT ermöglichen, gezielt Schnittstellen (APIs) klassischer Programme aufzurufen.
Daraus ergibt sich der Ansatz für SkillPilot fast von selbst: Es entsteht als hybride Anwendung. Eine klassische, exakte Software übernimmt im Hintergrund die präzise „Buchführung“ und Navigation der Skill-Ziele. Führende Sprach-KIs werden so instruiert (als SkillPilot GPT), dass sie als einfühlsame Trainer mit den Lernenden sprechen, für den Lernfortschritt aber die exakte Logik der Software im Hintergrund nutzen.
3. Das Produkt: Wie SkillPilot funktioniert
3.1 Die Technologie: Der Skill-Graph (Source of Truth & Frontier)
SkillPilot ersetzt lineare Listen durch einen vernetzten Graphen.
Andocken an bestehende Curricula (Rohinput & Traceability)
SkillPilot „erfindet“ keine Curricula: Lehrpläne, Modulhandbücher oder Standards dienen als Rohinput und werden in einen Skill-Graph übersetzt.
Die Integrität des Graphen wird durch eine formale mathematische Spezifikation sichergestellt (Acyclicity, Effective Requires, Transitive Minimality), die Zirkelbezüge verhindert und Abhängigkeiten logisch validiert.
Dabei geht es um:
- Operationalisierung: Learning Outcomes werden in atomare Skill-Ziele zerlegt (ohne den Standard zu verändern).
- Traceability: Jeder Skill bleibt auf Quelle/Abschnitt/Version zurückführbar.
- Navigierbarkeit: Prereqs und Hierarchien werden explizit modelliert, damit Pfade planbar werden (didaktische Prereqs ggf. als Overlay). Der Graph erzwingt keine starren Pfade: Er unterstützt pädagogische Flexibilität. Der Optimistische Modus prüft Voraussetzungen nur innerhalb des gewählten Filters (z.B. Jahrgang), sodass ein Einstieg direkt im Themenjahr möglich ist, ohne dass Lücken aus Vorjahren blockieren. Erst wenn Lernende scheitern, schaltet der Tutor zur Diagnose in den Pessimistischen Modus, um die Lücke im Fundament zu finden.
- Governance: Änderungen laufen aktuell über GitHub (Issues/PRs), Versionierung über die GitHub-Historie (siehe Abschnitt 6).
Landkarte: Knoten & Kanten
- Knoten: atomare Skills („kann X erklären/anwenden“) und Cluster (Themen/Module).
- Kanten:
- Prerequisites: „A vor B“
- Contains/Part-of: „X umfasst Y und Z“
Drei Knotentypen in der Praxis
SkillPilot unterscheidet drei Knotentypen, die verschiedene Lernmodi abbilden:
- Verstehen: Alle Stoffthemen werden vom KI‑Tutor erklärt und eingeübt.
- Sich merken: Einzelne Fakten werden gezielt memoriert (modernes Karteikastenprinzip).
- Selbstständig Probleme lösen: Abitur‑Aufgaben werden selbstständig gelöst (z. B. auf einem Zettel, mit Handy fotographiert und hochgeladen), sofort bewertet (Punkte, bestanden/nicht bestanden, Fehler) und anschließend erklärt.
Im Curriculum Gymnasiale Oberstufe (DE, HE, G9, Sekundarstufe II) – Mathematik (QS Stufe 2) beispielsweise werden alle drei Knotentypen eingesetzt.
Formale Spezifikation: Die mathematische Definition des Graphen (u.a. Acyclicity, Effective Requires) ist öffentlich dokumentiert:
Graph-Definition
Frontier: Nächste erreichbare Schritte
SkillPilot berechnet die Frontier: Skills, deren Voraussetzungen erfüllt sind, die aber noch nicht beherrscht werden.
So werden Sprünge vermieden und Lernen bleibt im Bereich sinnvoller nächster Schritte. Diese Grenze des aktuellen Wissens nennen wir die Frontier (didaktisch: Zone der nächsten Entwicklung nach Wygotski). Sie markiert exakt die Skills, die als Nächstes lernbar sind.
Die Frontier ist keine KI-Empfehlung, sondern die mathematisch berechnete Menge aller logisch freigeschalteten Lernziele.
3.2 Der Interaktions-Layer: Der KI-Tutor
Der Skill-Graph liefert die Route, doch Lernende interagieren nicht mit Datensätzen, sondern brauchen einen Reiseleiter. Diese Rolle übernimmt der KI-Tutor (SkillPilot GPT). Er dient als intuitive Schnittstelle, die die abstrakten Instruktionen des Graphen in natürliche, motivierende Sprache übersetzt.
Der Tutor ist dabei keine „Black Box“, sondern agiert strikt auf Basis der Backend-Logik: Er empfängt vom Graphen das nächste Ziel und die erlaubten Übergänge, verpackt diese aber in einen didaktisch sinnvollen Dialog. So wird aus der „exakten Buchhaltung“ ein persönliches Lernerlebnis.
Fokus statt Ablenkung
Die in Kapitel 3.1 berechnete Frontier dient dem Tutor als Fokus-Filter: Aus der Gesamtmenge werden nur die Inhalte gezeigt, die zum Ziel und zum aktuellen Stand passen – der nächste machbare Schritt statt „alles auf einmal“.
Mastery: Fortschritt als Evidenzmodell
Mastery ist kein Logbuch, sondern ein abgeleiteter Status aus Lerninteraktionen. Für Anschlussfähigkeit hilft ein simples Evidenzmodell:
- Formativ: Tutor-Dialoge, Aufgaben im Gespräch, kurze Checks.
- Optional stärker: Quizzes, Aufgabenserien, Artefakte (Rechenweg/Code/Kurztext), mündliche Checks.
- Optional Review: Skills können später ein Re-Check verlangen.
SkillPilot macht Fortschritt sichtbar – die Institution entscheidet, welche Evidenz welche Konsequenz hat.
Lerngeschwindigkeit (Learning Velocity)
Learning Velocity zeigt, wie viele atomare Ziele pro Woche neu als gemeistert gelten – als einfacher Rhythmus- und Kontinuitätsindikator.
3.3 Der hybride Lernkreislauf: Verstehen + Memorieren + Üben
Nicht jedes Lernziel lernt man gleich: Konzepte brauchen Verständnis und Anwendung, Fakten brauchen Wiederholung – und viele Skills brauchen aktives Tun (z.B. Programmieren, Rechnen, Schreiben), und selbstständig ein Problem bearbeiten haben wir in den Prüfungen.
Während beim Verstehen oder auch bei der Bewertung und Erklären von Prüfungen die Interaktion mit einem Tutor hilfreich sind, funktioniert reines Auswendiglernen (Vokabeln, Formeln, Fakten) per modernem Karteikasten a la Spaced Repetition effizienter.
SkillPilot integriert dafür eine Flashcard Drill Engine (SRS):
- Kompetenz-Loop: Der Skill-Graph definiert, was als Nächstes dran ist.
- Memorisier-Loop: Die Drill Engine optimiert wie wiederholt wird (Intervalle, Priorisierung; z.B. SuperMemo-2).
Ergänzend braucht es weitere Lernmodi für „Doing“-Skills: Der Tutor soll Lernende in passende Practice-Formate schicken (z.B. Aufgabenserien, Programmieraufgaben, Schreib-/Sprechübungen) und sie anschließend im Chat bei Auswertung, Feedback und Transfer begleiten.
4. Vertrauensarchitektur: Security & Integrity
4.1 Datenansatz: Privacy by Design & Souveränität
Ein zentraler Pfeiler von SkillPilot ist Datentrennung.
Pseudonym statt Identität
Der SkillPilot-Server kennt Lernende ausschließlich als Pseudonym (skillpilotId).
Auf dem Server werden nur technisch notwendige Metadaten gespeichert, z.B. der Lernfortschritt im Graphen.
Dialoginhalt ist entkoppelt
Der Dialoginhalt (Tutor-Gespräche) ist vom SkillPilot-Server entkoppelt. So bleibt der zentrale Datenbestand minimal.
Empfehlung für Bildungsinstitutionen:
Klare Guidelines, welche Daten im Tutor-Chat nicht hineingehören (sensibles Privates) und wie Lernende sicher unterstützt werden.
Zuordnung in der Institution (lokal)
Die Zuordnung „Wer ist welches Pseudonym?“ liegt bei der Institution/Lehrkraft und wird lokal gespeichert (z.B. in geschützter Ablage) – nicht zentral.
KI-Frontend / Provider-Wahl (Souveränität)
Der Tutor-Dialog findet im jeweiligen KI-Frontend statt (aktuell: ChatGPT als Referenz-Integration) und unterliegt dessen Betriebs- und Datenschutzrahmen.
Für Kontexte mit höheren Souveränitätsanforderungen sind alternative KI-Backends bis hin zu lokalen Modellen vorgesehen. Voraussetzung ist, dass sie die benötigten Eigenschaften (Tool-Nutzung, Stabilität, Struktur, Didaktik) zuverlässig erfüllen.
4.2 Nachweiskette (Chain of Custody): Integrität & Nachvollziehbarkeit
Damit Lernstände portabel und prüfbar bleiben, nutzt SkillPilot ein Chain-of-Custody-Pattern.
- Tutor-Instanzen authentisieren sich gegenüber dem Backend.
- Schreibrechte für Fortschritts-Updates erhalten nur autorisierte Akteure (aktuelles Muster: der Tutor als schreibender Akteur).
Signierte Exporte
Lernende können Profil + Fortschritt exportieren.
Der Server signiert diese Exporte kryptografisch, sodass Offline-Manipulation erkennbar ist.
Herkunftsnachweis beim Import
Beim Import (z.B. Wechsel, Backup) kann die komplette Herkunftskette mitgeführt werden. So wird sichtbar, ob ein Stand weitergeführt oder von außen übernommen wurde.
Wichtig: Chain of Custody schützt Integrität und Herkunft – sie ist ein Transparenzwerkzeug, kein vollständiger Betrugsschutz.
5. Das Ökosystem: Inhalte & Standards
5.1 Status quo: Verfügbare Inhalte (Beispiele)
SkillPilot ist nicht nur Konzept: Es enthält bereits Curricula/Standards als Startpunkt. Wichtig ist dabei die Qualitätsstufe:
- Stufe 1 – KI-abgeleiteter Rohstand
Lernziele in SkillPilot sind aus öffentlich zugänglichen, amtlichen Curricula/Ordnungen abgeleitet. Wir geben die Quellen an; SkillPilot bietet eine eigene Strukturierung und Zusammenfassung – kein offizieller Wortlaut.
Ergebnis: Das Curriculum existiert und wird in der Oberfläche angezeigt. - Stufe 2 – QS durch Curriculum Champion
Ein Curriculum Champion hat ein Curriculum oder einen Baustein davon selbst in SkillPilot gemastered, die Fehler im Curriculum und SkillPilot bereinigt und ein QS-Häkchen vergeben. Von diesen QS-Häkchen kann es mehrere geben.
Aktueller Stand: Das Fach Mathematik für Gymnasiale Oberstufe (Hessen, G9, Sekundarstufe II) hat inzwischen Stufe 2 erreicht. Alle übrigen Curricula befinden sich derzeit in Stufe 1. Der aktuelle Stand ist im Curriculum-Verzeichnis einsehbar.
Curriculum Champions (Praxisanker):
- Champions übernehmen Verantwortung für ein Curriculum oder einen klaren Themen-Scope.
- Sie lernen das Curriculum durch, sammeln Praxisfeedback und bündeln es in Issues/PRs.
- Sichtbarkeit schafft Verantwortung: Champion-Profile zeigen Engagement (z.B. Issues/PRs) und Fortschritt.
Der QS-Prozess bezieht sich nicht nur auf Curricula: Der SkillPilot KI‑Tutor wird im laufenden Betrieb kontinuierlich qualifiziert, damit die Nutzung über reale Curricula hinweg zuverlässig und didaktisch sinnvoll bleibt.
Schule (Bayern & Hessen)
Bayern:
- Grundschule (Alle Fächer, Jgst 1–4)
- Mittelschule (Alle Fächer, Jgst 5–10)
- Realschule (Alle Fächer, Jgst 5–10)
- Gymnasium (Alle Fächer, Jgst 5–13)
- Fachoberschule & Berufsoberschule (FOS/BOS)
- Wirtschaftsschule
Hessen:
- Gymnasiale Oberstufe (G9, Sekundarstufe II)
- Gymnasiale Mittelstufe (G9, Sekundarstufe I)
Hochschule (Bologna-relevant)
- Uni Heidelberg: Bachelor Biowissenschaften, Master Molecular BioSciences, Physikum Medizin
- Uni Mannheim: Bachelor BWL, Bachelor Jura, Master Jura
- TU Darmstadt: Bachelor Informatik
- TU München: Bachelor Informatik, Bachelor Mathematik, Bachelor Physik, Master Quantenwissenschaft und -technologie, Master Theoretische und Mathematische Physik, Executive Master of Business Administration (MBA)
Sprachen (CEFR A1–C2)
- Englisch (A1–C2)
- Französisch (A1–C2)
Die hier gelisteten Curricula befinden sich damit aktuell in Stufe 1 (KI-abgeleitet). Der Prozess, sie in Stufe 2 zu überführen, läuft über den Curriculum Champion Prozess.
Wir laden dazu ein, diesen Prozess aktiv mitzugestalten: Werde Curriculum Champion und hilf dabei, die Qualität und Praxisnähe deines Fachbereichs sicherzustellen.
Die Inhalte sind erweiterbar und versioniert; Quellenbezüge sind dokumentiert, und Änderungen laufen aktuell über GitHub (Issues/PRs).
5.2 SkillPilot im Kontext Bologna/EHEA (Kurzüberblick)
Bologna/EHEA setzt im Hochschulraum den Rahmen für Outcomes, Transparenz, Anerkennung und Qualität. SkillPilot kann diese Ziele unterstützen – ersetzt aber keine institutionellen Entscheidungen.
- Learning Outcomes / Kompetenzen: Beitrag: Outcomes als Skill-Graph navigierbar machen; Fortschritt sichtbar. Grenze/Voraussetzung: Saubere Modellierung, Quellenbezug, Versionierung.
- Credits/Workload (ECTS-Logik): Beitrag: Pfade/Prereqs und Workload-Transparenz unterstützen. Grenze/Voraussetzung: Keine Credit-Vergabe; Regeln bleiben institutionell.
- Anerkennung/Mobilität: Beitrag: Evidenz + signierte Exporte als Vorbereitung/Unterstützung. Wie in Kapitel 4.2 beschrieben, liefern die signierten Exporte die technische Grundlage (Evidenz), um informelles Lernen in formale Anerkennungsprozesse zu überführen. Grenze/Voraussetzung: Anerkennung bleibt formaler Prozess.
- Qualitätssicherung: Beitrag: Signale über Hürden/Pfade für Lehrentwicklung. Grenze/Voraussetzung: QA-Prozesse + transparente KI-Regeln nötig.
6. Governance & Community: Open Source & Einladung
SkillPilot wird als Open Source unter der Apache-2.0-Lizenz veröffentlicht – als Einladung, bestehende Akteure einzubinden statt zu verdrängen:
- Institutionen behalten Souveränität über Curricula und Inhalte.
- Die Kopplung von Content an Skillziele ist perspektivisch möglich.
- Offene Schnittstellen ermöglichen Beiträge und Integration.
Governance & Qualitätssicherung (aktuell über GitHub + Champion-Programm):
- Feedback fließt über GitHub Issues und wird häufig durch Champions initiiert.
- Änderungen am Curriculum/Graph laufen über Pull Requests (Review in GitHub).
- Versionierung erfolgt über die GitHub-Historie; Curriculaquellen sind referenziert.
- Weitergehende Governance-Mechanismen (z.B. Fachreview-Gremien, QA-Prozesse, Overlays) sind perspektivisch möglich.
Initiator:
Träger ist die enpasos GmbH. Wir laden Partner ein, SkillPilot gemeinsam weiterzuentwickeln – fachlich, didaktisch und technisch.
Starten Sie sofort und anmeldefrei (ID-basiert) Ihren Piloten: Eine Anleitung für den 5-Minuten-Start finden Sie im Kurzstart.
Hinweis: Ihre ID ist der einzige Schlüssel zu Ihren Daten – speichern Sie sie gut.
Mehr Transparenz:
GitHub
Dokumentation
Graph-Definition