TandemLab

Collaborative learning with AI through structured exchange

Kollaboratives Lernen mit KI im strukturierten Austausch

AI2Schools · 4^th AI mini project
Teacher Workshop, Warsaw · 21 September 2026

The problem we started from

Students find asking an AI more comfortable than asking peers¹
Help-seeking becomes isolated — peer interaction declines^2, 3
Yet curricula list collaboration as a disposition to be practised⁴

AI is not the problem. Losing the conversation around it is.

Der Ausgangspunkt

KI zu fragen ist bequemer als Mitlernende zu fragen¹
Hilfesuche wird einsam — Peer-Interaktion geht zurück^2, 3
Curricula fordern Kollaboration als zu übende Disposition⁴

Nicht die KI ist das Problem, sondern das verlorene Gespräch darüber.

1 Hou et al. (2024), ACE '24 · 2 Hou et al. (2025), ITiCSE '25 · 3 Kiesler et al. (2025), ITiCSE '25 · 4 Clear et al. (2020), CC2020

The idea

AI as a starting point —
not as the answer.

Learners work with AI individually, on different material
Then they explain it to each other in a tandem
Explaining an AI's answer forces you to think differently than just reading it¹
And knowing you will have to explain changes how you work with the AI from the start²

1 Chi & Wylie (2014), Educational Psychologist 49(4) — ICAP: different forms of engagement trigger different cognitive processes · 2 Fiorella & Mayer (2013), Contemp. Educ. Psychol. 38(4) — the expectation of having to teach already changes how one learns

Die Idee

KI als Ausgangspunkt —
nicht als Antwort.

Lernende arbeiten einzeln mit KI an unterschiedlichem Material
Danach erklären sie es einander im Tandem
Eine KI-Antwort zu erklären verlangt anderes Denken, als sie nur zu lesen¹
Und weil man erklären muss, arbeitet man von Anfang an anders mit der KI²

1 Chi & Wylie (2014), Educational Psychologist 49(4) — ICAP: unterschiedliche Beteiligungsformen lösen unterschiedliche kognitive Prozesse aus · 2 Fiorella & Mayer (2013), Contemp. Educ. Psychol. 38(4) — schon die Erwartung, erklären zu müssen, verändert das Lernen

Five steps — as a student

1	Lobby — everyone joins with a password, no account. Groups A and B are assigned automatically.
2	Work phase (8–20 min) — A and B individually work on their group's material, with an AI chatbot of choice.
3	A explains to B (8–10 min)	Peer exchange
4	B explains to A (8–10 min)	Peer exchange
5	Reflection in plenary — optional questionnaire.

Fünf Schritte — aus Sicht der Lernenden

1	Warteraum — Beitritt per Passwort, kein Konto. Gruppen A und B werden automatisch zugeteilt.
2	Arbeitsphase (8–20 Min) — A und B arbeiten einzeln am Material ihrer Gruppe, mit einem KI-Chatbot nach Wahl.
3	A erklärt B (8–10 Min)	Peer-Austausch
4	B erklärt A (8–10 Min)	Peer-Austausch
5	Reflexion im Plenum — optionaler Fragebogen.

What the teacher prepares

One topic, two material sets — A and B, deliberately different
Material can be text, image, code or file
Optional hints per group, timers per phase
That is all — no installation, no accounts for learners

							Design rule: the task must stay challenging for learners and be solvable by common AI tools. Too easy → nothing left to explain.
						

Was die Lehrkraft vorbereitet

Ein Thema, zwei Materialsets — A und B, bewusst verschieden
Material als Text, Bild, Code oder Datei
Optional Tipps je Gruppe, Timer je Phase
Mehr nicht — keine Installation, keine Konten für Lernende

							Entwurfsregel: Die Aufgabe muss für Lernende herausfordernd bleiben und von gängigen KI-Werkzeugen lösbar sein. Zu leicht → es gibt nichts zu erklären.
						

Any subject, any level

Subject-independent — the material defines the content
STEAM and beyond: languages, ethics, social studies
Three levels of depth, set by the teacher through material choice:

Beginner
factual questions, guided prompts

Advanced
comparison, open questions

In-depth
source criticism, synthesis

Jedes Fach, jede Stufe

Fachunabhängig — das Material bestimmt den Inhalt
STEAM und darüber hinaus: Sprachen, Ethik, Gesellschaftslehre
Drei Tiefenstufen, von der Lehrkraft über das Material gesetzt:

Einstieg
Faktenfragen, geführte Prompts

Fortgeschritten
Vergleich, offene Fragen

Vertiefung
Quellenkritik, Synthese

What just happened

Jigsaw — only the knowledge gap makes the exchange necessary¹
Learning by teaching — everyone had to explain once²
ICAP — dialogue is interactive, the highest level of engagement³
Structure matters — free-form exchange does not reliably achieve this⁴
AI as object — in the work phase a tool, in the tandem an object of scrutiny⁵

Was gerade passiert ist

Jigsaw — erst der Wissensunterschied macht den Austausch nötig¹
Learning by teaching — jede Person musste einmal erklären²
ICAP — Dialog ist interactive, die höchste Beteiligungsstufe³
Struktur ist entscheidend — freier Austausch erreicht das nicht zuverlässig⁴
KI als Gegenstand — in der Arbeitsphase Werkzeug, im Tandem Prüfobjekt⁵

1 Aronson et al. (1978), The Jigsaw Classroom · 2 Fiorella & Mayer (2013), Contemp. Educ. Psychol. 38(4) · 3 Chi & Wylie (2014), Educational Psychologist 49(4) · 4 Weitzel et al. (2020), JSTE 31(1) · 5 Papert (1980), Mindstorms

ICAP — four modes of engagement

Learning outcomes rise from bottom to top. The mode is defined by what learners do, not by the method's label.

I	Interactive	dialogue in which both sides build on each other	explaining to a partner — and being questioned
C	Constructive	producing something that goes beyond the material	summarising in own words, asking the AI follow-ups
A	Active	manipulating the material	highlighting, copying, repeating
P	Passive	receiving only	reading, listening, watching

								In TandemLab: the work phase is constructive, the tandem phase is interactive. Reading an AI answer alone would stay passive.
							

ICAP — vier Stufen kognitiver Beteiligung

Der Lernerfolg steigt von unten nach oben. Entscheidend ist, was Lernende tun — nicht, wie die Methode heißt.

I	Interactive	Dialog, in dem beide Seiten aufeinander aufbauen	einer Partnerin erklären — und befragt werden
C	Constructive	etwas hervorbringen, das über das Material hinausgeht	in eigenen Worten zusammenfassen, bei der KI nachfassen
A	Active	das Material bearbeiten	markieren, abschreiben, wiederholen
P	Passive	nur aufnehmen	lesen, zuhören, zuschauen

								Im TandemLab: Die Arbeitsphase ist constructive, die Tandem-Phase interactive. Eine KI-Antwort allein zu lesen bliebe passive.
							

3 Chi & Wylie (2014), Educational Psychologist 49(4) — ICAP framework

Which AI competences this builds

Critical evaluation of AI output — plausibility, fact-checking DigComp 1.2
Prompting — formulation, follow-up, context DigComp 2.1 · DiKoLANKI
Communicating AI results in one's own words DigComp 2.4
Collaborative verification — peer validation DigComp 2.4
Phase-appropriate use — when AI helps, when it gets in the way AI Act Art. 4 · DigComp 5.4

Mandated by EU AI Act Art. 4 since February 2025.

Welche KI-Kompetenzen entstehen

Kritische Bewertung von KI-Ausgaben — Plausibilität, Faktenprüfung DigComp 1.2
Prompt-Kompetenz — Formulierung, Nachfassen, Kontext DigComp 2.1 · DiKoLANKI
KI-Ergebnisse in eigenen Worten kommunizieren DigComp 2.4
Gemeinsame Prüfung — Peer-Validierung DigComp 2.4
Phasengerechter Einsatz — wann KI trägt, wann sie stört AI Act Art. 4 · DigComp 5.4

Seit Februar 2025 durch EU AI Act Art. 4 verbindlich.

AI Act Verordnung (EU) 2024/1689, Art. 4 · DigComp Vuorikari et al. (2022) / JRC (2025) · DiKoLANKI Huwer et al. (2024), Waxmann · UNESCO AI Competency Frameworks for Students and Teachers (2024)

Fit with AI2Schools

WP3 — a mini project that works with any subject matter
WP2 — implements the Handbook's AI core concepts in a concrete setting
WP5 — evaluation mode delivers trial documentation by design
Available in German and English, translatable per school

							All materials are released under CC BY-SA 4.0 — free to translate, adapt and use in your own classroom.
						

Passung zu AI2Schools

WP3 — ein Mini-Projekt, das mit beliebigen Fachinhalten arbeitet
WP2 — setzt die AI Core Concepts des Handbuchs konkret um
WP5 — der Evaluationsmodus liefert die Erprobungsdokumentation gleich mit
Verfügbar auf Deutsch und Englisch, pro Schule übersetzbar

							Alle Materialien stehen unter CC BY-SA 4.0 — frei zum Übersetzen, Anpassen und Einsetzen im eigenen Unterricht.
						

Two scenarios — pick one

Same two-layer model of AI bias, two different subjects. We run both in parallel.

Scenario 1

Image AI

How AI images are made — and why they are never neutral.

Computer Science · ages 14–18

Scenario 2

Text AI

Genes, environment and the invisible rules of the machine.

Biology · ages 14–18

Two sessions run at the same time. Choose the one closer to your teaching — press ↓ for details.

Zwei Szenarien — eines auswählen

Dasselbe Zwei-Ebenen-Modell des KI-Bias, zwei verschiedene Fächer. Wir führen beide parallel durch.

Szenario 1

Bild-KI

Wie KI-Bilder entstehen — und warum sie nie neutral sind.

Informatik · 14–18 Jahre

Szenario 2

Text-KI

Gene, Umwelt und die unsichtbaren Regeln der Maschine.

Biologie · 14–18 Jahre

Beide Sessions laufen gleichzeitig. Wählt, was näher an eurem Unterricht liegt — Details mit ↓.

Scenario 1 — Image AI

The classic test („a doctor“) no longer works reliably¹. Bias moved to a second, invisible layer — and from the finished image you cannot tell which layer acted.

Group A — Prompt rewriting

GPT-4 rewrites every prompt before it reaches the image model. Documented by the provider — and not switchable.

Group B — Diversity rule

A system layer adds origin and gender when the prompt omits them. Gemini, Feb 2024: the rule fired where it must not².

Worksheets 1–3 · 90 min (45 possible) · needs an image generator for the opening experiment

⬇ Download material (EN, PDF) · Pipeline template (PPTX)

1 Weinmann, Messingschlager & Appel (2026), New Media & Society — 1,344 images, prompt „a competent person“ · 2 Google, official statement of 23 February 2024

Szenario 1 — Bild-KI

Der klassische Test („ein Arzt“) funktioniert nicht mehr zuverlässig¹. Der Bias ist auf eine zweite, unsichtbare Ebene gewandert — dem fertigen Bild sieht man nicht an, welche gewirkt hat.

Gruppe A — Prompt-Umschreibung

GPT-4 schreibt jeden Prompt um, bevor er das Bildmodell erreicht. Vom Anbieter dokumentiert — und nicht abschaltbar.

Gruppe B — Diversitäts-Regel

Eine Systemebene ergänzt Herkunft und Geschlecht, wenn der Prompt sie auslässt. Gemini, Feb. 2024: Die Regel griff, wo sie nicht durfte².

Arbeitsblätter 1–3 · 90 Min (45 möglich) · braucht einen Bildgenerator für den Einstieg

⬇ Material herunterladen (DE, PDF) · Pipeline-Vorlage (PPTX)

1 Weinmann, Messingschlager & Appel (2026), New Media & Society — 1.344 Bilder, Prompt „a competent person“ · 2 Google, Stellungnahme vom 23.02.2024

Putting it together — Scenario 1

Fill in the pipeline — in your own words, from both halves:

1
User input
(prompt)

2
Prompt
rewriting

3
Image
model

4
Diversity
rule

5
Output
to the user

dashed border = only kicks in sometimes

Zusammenführen — Szenario 1

Die Pipeline ausfüllen — in eigenen Worten, aus beiden Hälften:

1
Nutzereingabe
(Prompt)

2
Prompt-
Umschreibung

3
Bild-
modell

4
Diversitäts-
Regel

5
Ausgabe
an Nutzer:in

gestrichelter Rahmen = greift nur manchmal ein

Scenario 2 — Text AI

Pairs ask a chatbot why some people become aggressive — and sort the answer into four categories of causal attribution: genes only, environment only, both side by side, or genuine interaction¹.

Group A — The open answer

A real chatbot reply on aggression. Layer 1: what the training data carries — and why that is not automatically biased.

Group B — The refusal

The same system refuses to link crime to a religious group genetically. Layer 2: an invisible provider rule users cannot switch off.

Worksheets 1–3 · 45–90 min · needs nothing but a chatbot

⬇ Download material (EN, PDF)

Szenario 2 — Text-KI

Tandems fragen einen Chatbot, warum manche Menschen aggressiv werden — und ordnen die Antwort vier Kategorien kausaler Attribution zu: nur Gene, nur Umwelt, beides nebeneinander oder echte Wechselwirkung¹.

Gruppe A — Die offene Antwort

Eine echte Chatbot-Antwort zu Aggression. Ebene 1: was die Trainingsdaten tragen — und warum das nicht automatisch verzerrt ist.

Gruppe B — Die Verweigerung

Dasselbe System verweigert es, Kriminalität einer Religionsgruppe genetisch zu begründen. Ebene 2: eine unsichtbare Anbieterregel, nicht abschaltbar.

Arbeitsblätter 1–3 · 45–90 Min · braucht nur einen Chatbot

⬇ Material herunterladen (DE, PDF)

1 Hammann, Trommler & Krüger (2021), Genetics Education, ch. 8 · Rosenberg et al. (2002), Science 298(5602)

Let's try it

franke-lab.de/tandem-lab

Please use a laptop — you will need a second tab
Pick your session, enter the password
Enter any name — no account needed
Keep your AI chatbot open in that second tab

Scenario 1 — Image AI · password images

Scenario 2 — Text AI · password genes

Ausprobieren

franke-lab.de/tandem-lab

Bitte am Laptop — ihr braucht einen zweiten Tab
Session wählen, Passwort eingeben
Beliebigen Namen eintragen — kein Konto nötig
KI-Chatbot im zweiten Tab offen halten

Szenario 1 — Bild-KI · Passwort images

Szenario 2 — Text-KI · Passwort genes

We need your feedback

Wir brauchen eure Rückmeldung

Thank you

AI2Schools — AI in STEAM Education to develop a critical understanding of AI
Erasmus+ KA220-SCH · 2024-1-PL01-KA220-SCH-000245655

Funded by the European Union. Views and opinions expressed are however those of the author(s) only and do not necessarily reflect those of the European Union or the European Education and Culture Executive Agency (EACEA). Neither the European Union nor EACEA can be held responsible for them.

This material is licensed under CC BY-SA 4.0. · Legal notice · Privacy

Additional material

What we already found in the trial

Summer term 2026 — introductory programming, students without a CS background

They could describe problems and patterns — but lacked the technical terms
Compared to earlier cohorts: better at presenting code and explaining structure
Unchanged at explaining syntactic detail
Participants named the exchange with their partner as the highlight

Hardest part for us: designing tasks that are hard for humans and solvable by AI.

Zusatzmaterial

Was wir bereits in der Erprobung gefunden haben

Sommersemester 2026 — Einführung Programmieren, Studierende ohne Informatik-Hintergrund

Probleme und Muster konnten beschrieben werden — es fehlten die Fachbegriffe
Gegenüber früheren Kohorten: besser beim Präsentieren von Code und Erklären von Struktur
Unverändert beim Erklären syntaktischer Details
Der Austausch mit dem Gegenüber wurde als Höhepunkt genannt

Das Schwierigste für uns: Aufgaben, die für Menschen schwer und von KI lösbar sind.

Additional material

Data protection

No accounts, no e-mail addresses — a name and a password suffice
Evaluation is optional and declining has no consequences
Self-generated pseudonym code — reconstructable by the learner, not identifiable by us¹
Audio recording only with separate consent after listening
Servers in the EU, operated by us

1 Schnell, Bachteler & Reiher (2010), Field Methods 22(3) — standard procedure in longitudinal social research. Legal basis: GDPR, Declaration of Helsinki.

Zusatzmaterial

Datenschutz

Keine Konten, keine Mailadressen — Name und Passwort genügen
Die Evaluation ist freiwillig, Ablehnen hat keine Folgen
Selbstgenerierter Pseudonym-Code — für Lernende rekonstruierbar, für uns nicht identifizierbar¹
Audio-Aufnahme nur mit separater Einwilligung nach dem Anhören
Server in der EU, selbst betrieben

1 Schnell, Bachteler & Reiher (2010), Field Methods 22(3) — Standard der Längsschnitt-Sozialforschung. Rechtsgrundlagen: DSGVO, Deklaration von Helsinki.