11 Module für einen Moodle-Selbstlernkurs. Über 200 interaktive Übungen — Quizzes, Drag-and-Drop, Fallvignetten, Textseiten, Glossare. Zielgruppe: Grundschullehrkräfte.
Das Projekt läuft seit Februar. Wir entwickeln alles selbst — vom Grob- und Feinkonzept über die Drehbücher bis zu den fertigen Moodle-Aktivitäten. Die technische Umsetzung übernimmt großteils Claude Code, eine KI auf unserem eigenen Server. Sie greift per Notion-API auf unsere Projektdokumentation zu, liest und schreibt Kursinhalte über die Moodle Web Service API und lädt per Playwright H5P-Pakete hoch. Kolleginnen einer Pädagogischen Hochschule prüfen die Drehbücher fachlich gegen.
Ohne Feinkonzept produziert die KI beliebigen Content
Ohne sauberes Feinkonzept mit Lernzielen, Phasenstruktur und Quellenangaben produziert die KI beliebigen Content. Mit durchdachtem Konzept werden daraus konkrete Aufgaben, die fachlich stimmen. Das Feinkonzept ist die eigentliche Arbeit — nicht die Produktion. Schon bei dessen Erstellung prüft Claude jede Faktenbehauptung gegen unsere Projektquellen in einer ChromaDB — einer Vektordatenbank mit über 13.000 Chunks aus Fachartikeln, Praxisleitfäden und Methodenkarten.
Von der Assetliste zum fertigen Moodle-Kurs
Aus dem Feinkonzept leitet Claude eine Assetliste ab und formuliert jedes Asset vollständig aus — jede Quiz-Frage mit Antwortoptionen und Feedback, jeden Seitentext, jede Fallvignette. Auch hier wird jede Aussage gegen die ChromaDB geprüft. Was nicht belegt ist, wird markiert. Aus diesen Assets baut Claude die fertigen Moodle-Aktivitäten: H5P-Pakete als content.json geschrieben und gezippt, Textseiten mit kundenspezifischen CSS-Klassen als HTML formatiert. Über die Moodle Web Service API werden Inhalte gelesen, Dateien hochgeladen und Einstellungen gesetzt — was die API nicht abdeckt, erledigt Playwright im Browser.
Zwei Prüfinstanzen statt blindem Vertrauen
Danach prüft Notion AI die Inhalte gegen die im Workspace hinterlegten Originaldokumente und erstellt einen Prüfbericht mit konkreten Korrekturanweisungen. Claude liest diese Berichte aus Notion, arbeitet die Korrekturen ein und aktualisiert die Inhalte. So greifen zwei unabhängige Prüfinstanzen ineinander. Das hat mehrfach erfundene Quellenangaben und falsche Methodenzuordnungen abgefangen, bevor sie im Kurs gelandet sind.
Was ich unterschätzt habe
Die KI meldet regelmäßig eine Aufgabe als erledigt, obwohl das Ergebnis nicht stimmt. Schriftgrößen falsch, Antwortoptionen ungleich lang, Inhalte am falschen Ort. Automatische Prüfschritte nach jeder Änderung sind deshalb Pflicht geworden.
Skaliert über ein Kanban-Board
Der Workflow steht und skaliert. Wir steuern die Produktion über ein Notion-Kanban-Board — Annika oder ich legen Tasks an, ein Orchestrator-Script pollt die Datenbank alle zwei Minuten und startet Claude für jeden offenen Task automatisch. Ergebnisse landen zurück im Board, wir prüfen und geben frei. Kein manuelles Eingreifen mehr zwischen Aufgabe und Ergebnis.