Inklusiver Informatikunterricht: Evidenzbasierte Gestaltungsprinzipien für die Themen Programmieren und algorithmisches Denken

Programmieren und algorithmisches Denken sind in vielen Bildungssystemen zu verbindlichen Bestandteilen schulischer Curricula geworden. Mit dieser Entwicklung wächst die Verantwortung, diese Lernangebote so zu gestalten, dass alle Schülerinnen und Schüler gleichwertige fachliche Teilhabe erfahren. Insbesondere Lernende mit Lernbeeinträchtigungen stehen im Informatikunterricht vor spezifischen Herausforderungen, die sowohl aus den fachlichen Anforderungen als auch aus der didaktischen Gestaltung von Aufgaben, digitalen Lehrmitteln und Lernarrangements resultieren. Im Folgenden werden internationale empirische Befunde gebündelt und in konkrete Gestaltungsprinzipien für einen inklusiven Informatikunterricht übersetzt, der fachlich anspruchsvoll ist und zugleich Barrieren systematisch reduziert.

Inklusion als didaktische Gestaltungsaufgabe

Inklusion im Informatikunterricht bedeutet die bewusste und systematische Gestaltung von Unterricht, digitalen Lehrmitteln und sozialen Lernformen, sodass alle Schülerinnen und Schüler zentrale Praktiken des Programmierens wie das Entwerfen algorithmischer Lösungen, das Umsetzen von Programmen, das Prüfen von Ergebnissen und das systematische Beheben von Fehlern inhaltlich nachvollziehen und aktiv ausführen können (Israel et al., 2015; Stefik et al., 2024). Damit verschiebt sich der Fokus vom formalen Zugang zu Angeboten hin zur Qualität der Lerngelegenheiten im Unterricht.

Über verschiedene Studien hinweg zeigt sich, dass inklusives Programmieren nicht durch isolierte Unterstützungsmassnahmen erreicht wird. Entscheidend ist vielmehr das Zusammenspiel mehrerer Gestaltungsebenen, die sich an grundlegenden Prinzipien schulischer Inklusion orientieren. Dazu zählen die Verfügbarkeit geeigneter Lernangebote (Availability), deren tatsächliche Zugänglichkeit für unterschiedliche Lernvoraussetzungen (Accessibility), die fachliche Angemessenheit und Akzeptanz der Inhalte (Acceptability) sowie die Anpassungsfähigkeit an individuelle Lernbedürfnisse (Adaptability) (Tomaševski, 2001; United Nations, 2016).

In der Praxis zeigt sich schnell ein Kernproblem: Programmieraufgaben gehen mit einer hohen kognitiven Belastung einher. Algorithmische Probleme erfordern die gleichzeitige Koordination von Problemverständnis, Planung, formaler Notation und der Interpretation von Rückmeldungen digitaler Programme. Für Lernende mit Einschränkungen im Arbeitsgedächtnis, in der Aufmerksamkeit oder in exekutiven Funktionen kann diese Gleichzeitigkeit rasch zu Überforderung führen (Snodgrass et al., 2016). Aufgabe inklusiver Didaktik ist es daher, diese Anforderungen so zu strukturieren, dass sie schrittweise nacheinander bearbeitbar werden können, ohne den fachlichen Anspruch zu reduzieren.

Didaktische Strukturierung mit Universal Design for Learning

Für nach den Prinzipien des Universal Design for Learning gestaltete Lernumgebungen liegen robuste Hinweise auf ihren Nutzen vor. Lerninhalte werden dabei von Beginn an so geplant, dass unterschiedliche Zugangswege, Unterstützungsformen und Ausdrucksmöglichkeiten vorgesehen sind (Israel et al., 2020; UDL4CS, n.d.). Besonders wirksam sind Mehrfachrepräsentationen, bei denen algorithmische Konzepte systematisch über verschiedene Darstellungsebenen eingeführt werden.

Ein zentrales Element ist dabei der Einsatz von Pseudocode, also strukturierter, sprachlich formulierter Beschreibungen von Lösungswegen, die algorithmische Logik abbilden, ohne an eine konkrete Programmiersprache gebunden zu sein. Der Übergang von handlungsnahen Aktivitäten über grafische Modelle oder Pseudocode hin zu ausführbarem Code unterstützt den Aufbau stabiler mentaler Modelle von Sequenzen, Schleifen und Bedingungen (Israel et al., 2015; Levinson et al., 2021).

Ergänzend wirkt kleinschrittiges Scaffolding, bei dem komplexe Aufgaben in nachvollziehbare Teilhandlungen zerlegt, Unterstützungsangebote bereitgestellt und schrittweise zurückgenommen werden. Scaffolds sind dabei nicht als dauerhafte Hilfen zu verstehen, sondern als temporäre Lernstützen, die gezielt auf selbstständiges Problemlösen vorbereiten. Studien berichten, dass solche Strukturen nicht nur kurzfristige Lernerfolge begünstigen, sondern auch die Qualität von Strategien zur Fehlersuche verbessern, sofern der Abbau der Hilfen bewusst geplant ist (Snodgrass et al., 2016). Unter Debugging wird das systematische Analysieren, Lokalisieren und Beheben von Fehlern im Programmcode verstanden.

Digitale Lehrmittel und Zugänglichkeit

Neben der didaktischen Struktur spielt die Gestaltung der eingesetzten digitalen Lehrmittel eine zentrale Rolle. Blockbasierte Programmiersprachen gelten häufig als besonders zugänglich, doch neuere Forschung relativiert diese Annahme. Untersuchungen zu barrierearmen blockbasierten Programmierumgebungen zeigen, dass Tastatursteuerung, geeignete Navigationsmöglichkeiten, screenreader-kompatible Strukturen und verständliche Fehlermeldungen entscheidend dafür sind, ob Lernende programmieren, Programme lesen und Fehler systematisch bearbeiten können (Mountapmbeme et al., 2022). Visuelle Programmieroberflächen sind nur dann inklusiv, wenn ihre Interaktionslogik auch nicht-visuelle Zugangswege unterstützt, etwa für Lernende mit Sehbeeinträchtigungen oder eingeschränkter visueller Aufmerksamkeit (Stefik et al., 2024).

Damit wird deutlich, dass Zugänglichkeit keine nachträgliche Ergänzung ist, sondern eine didaktische Voraussetzung, die bereits in der Unterrichtsplanung berücksichtigt werden muss. Die Auswahl digitaler Programme beeinflusst unmittelbar, welche Lernhandlungen möglich sind und welche Lernenden strukturell benachteiligt werden. Forschungs- und Praxisarbeiten empfehlen daher eine systematische Prüfung digitaler Lehrmittel vor dem Einsatz im Unterricht, bei der Tastaturnavigation, Vorlesefunktionen und die Verständlichkeit von Fehlermeldungen berücksichtigt werden (Huff et al., 2020; Micro:bit Educational Foundation, 2023).

Kooperative Lernformen

Die soziale Organisation des Lernens stellt eine weitere zentrale Ebene inklusiver Gestaltung dar. Besonders gut untersucht ist strukturierte Paarprogrammierung, bei der zwei Lernende gemeinsam an einer Aufgabe arbeiten und die Zusammenarbeit über Rollen und Rollenwechsel organisiert wird. Wenn Rollen und Wechselregeln klar sind, berichten Studien von besseren fachlichen Ergebnissen, höherer Ausdauer und systematischeren Problemlösestrategien (ETR, 2019; Hsu et al., 2022). Entscheidend ist dabei, dass Rollen, zeitliche Rhythmisierung der Zusammenarbeit und Interaktionsregeln explizit festgelegt und eingeübt werden.

Studien zeigen zudem, dass klare Rollenverteilungen und sprachliche Impulse dazu beitragen, die kognitive und kommunikative Belastung gleichmässiger zu verteilen und die fachliche Auseinandersetzung mit algorithmischen Strukturen zu vertiefen (NCWIT, 2023). Ohne äussere Strukturierung besteht hingegen die Gefahr einer Festigung von Rollenasymmetrien, bei denen einzelne Lernende dauerhaft ausführende oder beobachtende Rollen einnehmen. In solchen Fällen bleibt das Potenzial kooperativer Lernformen für Inklusion gering und kann bestehende Leistungsunterschiede sogar verstärken.

Von der Handlung zum Code

Mehrere Arbeiten verweisen auf den Nutzen haptisch-visueller Brücken, die den Übergang von konkretem Handeln zu abstrakter Notation unterstützen. Unplugged-Aktivitäten bezeichnen Lernarrangements, in denen algorithmische Konzepte ohne digitale Geräte durch körperliche oder materielle Handlungen erfahrbar gemacht werden, um Logik und Ablauf vor dem Schreiben von Code zu klären. Darauf aufbauend ermöglichen Robotikaktivitäten, algorithmische Strukturen in einem physischen System umzusetzen und deren Wirkung unmittelbar zu beobachten (Hsu et al., 2022).

Entscheidend ist, dass der Übergang von der Unplugged-Aktivität zum Programmieren explizit angeleitet wird, zum Beispiel durch Hilfsmittel, die Arbeitsschritte sichtbar machen und Handlungen sprachlich oder grafisch darstellen. Solche Unterstützungen erleichtern den Transfer, indem sie zentrale Arbeitsschritte verdeutlichen und als externe Gedächtnisstützen fungieren (Menziltsidou et al., 2024). Damit erfüllen haptisch-visuelle Aktivitäten ihre Funktion dann am besten, wenn sie gezielt auf das spätere Arbeiten mit Code vorbereiten und nicht als isolierte Zusatzangebote eingesetzt werden.

Leistungsbewertung als Bestandteil inklusiver Unterrichtsgestaltung

Ein zentraler Aspekt inklusiver Informatikdidaktik betrifft die Leistungsbewertung. Forschungsergebnisse zeigen, dass produktorientierte Bewertungsformen, die primär das fertige Programm bewerten, bestimmte Lernende systematisch benachteiligen. Demgegenüber stärken prozessorientierte Bewertungsansätze die fachliche Auseinandersetzung mit Problemen, indem sie Denkwege, Strategien zur Fehlersuche und den Umgang mit Testfällen berücksichtigen (Israel et al., 2020; NCWIT, 2023).

Solche Bewertungsformate erlauben unterschiedliche Formen des Ausdrucks inhaltlicher Kompetenz, etwa durch mündliche Erläuterungen von Code, grafische Ablaufdarstellungen oder schriftliche Begründungen von Lösungswegen, ohne die Anforderungen an fachliche Richtigkeit oder argumentative Qualität zu senken. Sie tragen damit wesentlich zur Motivation und Selbstwirksamkeit der Lernenden bei.

Fazit und Ausblick

Zusammenfassend lässt sich sagen, dass inklusiver Informatikunterricht Abstimmungen zwischen verschiedenen Ebenen erfordert. Didaktische Struktur, Zugänglichkeit digitaler Lehrmittel im Sinne von Accessibility und soziale Routinen entfalten ihre Wirkung im Zusammenspiel. Nachhaltige Effekte entstehen dort, wo diese Ebenen systematisch aufeinander abgestimmt werden (Stefik et al., 2024). Für die Praxis bedeutet dies, Inklusion nicht als Sondermassnahme für einzelne Lernende zu trachten, sondern als Qualitätsmerkmal fachlich anspruchsvollen Informatikunterrichts für alle Schülerinnen und Schüler.

Die aktuelle Literatur zeigt, dass inklusiver Informatikunterricht auf klar identifizierbaren Gestaltungsprinzipien beruht. Zugleich sollten längsschnittliche Studien sowie Untersuchungen zur Wechselwirkung zwischen didaktischen Entscheidungen und der Gestaltung digitaler Lehrmittel dazu beitragen, die Nachhaltigkeit dieser Ansätze noch verlässlicher zu beurteilen.

Literatur

ETR. (2019). K–12 pair programming toolkit. ETR. https://www.etr.org
Hsu, T. C., Hwang, G. J., & Chang, S. C. (2022). Effects of a pair-programming educational robot-based board game activity on elementary learners’ computational thinking. Sustainability, 14(11), Article 6659. https://doi.org/10.3390/su14116659

Huff, E., Koushik, V., Ladner, R. E., Ludi, S., Milne, L., Mountapmbeme, A., Perkoff, M., & Stefik, A. (2020). Accessible tools and curricula for K–12 computer science education. Microsoft Research.

Israel, M., Jeong, G., Ray, M. J., & Lash, T. (2020). Teaching elementary computer science through Universal Design for Learning. In Proceedings of the 51st ACM Technical Symposium on Computer Science Education (pp. 1220–1226). Association for Computing Machinery. https://doi.org/10.1145/3328778.3366823

Israel, M., Wherfel, Q. M., Pearson, J., Shehab, S., & Tapia, T. (2015). Empowering K–12 students with disabilities to learn computational thinking and computer programming. Teaching Exceptional Children, 48(1), 45–53. https://doi.org/10.1177/0040059915594790

Levinson, T., Hunt, L., & Hassenfeld, Z. (2021). Including students with disabilities in the coding classroom. In Teaching computational thinking and coding to young children (pp. 236–246). IGI Global. https://doi.org/10.4018/978-1-7998-7308-2.ch012

Menziltsidou, S., et al. (2024). Supporting algorithmic thinking with display cards in microcontroller-based projects. Computers & Education, 198, 104742.

Micro:bit Educational Foundation. (2023). Accessibility – Help & support. https://support.microbit.org/support/solutions/articles/19000145079-accessibility

NCWIT. (2023). Access and inclusion in K–12 CS education: Inclusive mindsets and pedagogical practices. National Center for Women & Information Technology. https://ncwit.org

Snodgrass, M. R., Israel, M., & Reese, G. C. (2016). Instructional supports for students with disabilities in K–5 computing: Findings from a cross-case analysis. Computers & Education, 100, 1–17. https://doi.org/10.1016/j.compedu.2016.04.011

Stefik, A., Allee, W., Contreras, G., Kluthe, T., Hoffman, A., Blaser, B., & Ladner, R. (2024). Accessible to whom? Bringing accessibility to blocks. In Proceedings of the 55th ACM Technical Symposium on Computer Science Education. Association for Computing Machinery. https://doi.org/10.1145/3626252.3630770

Tomaševski, K. (2001). Human rights obligations: Making education available, accessible, acceptable and adaptable. Right to Education Initiative.

UDL4CS. (n.d.). Universal Design for Learning for Computer Science: UDL+CS Guidelines 2.0. University of Florida. https://udl4cs.education.ufl.edu

United Nations. (2016). General comment No. 4 on the right to inclusive education. Committee on the Rights of Persons with Disabilities.

Hinweis

Dieser Text ist ein Auszug aus dem derzeit begutachteten Fachartikel:

Nussbaumer, D. (under review). Inclusive Computer Science Education: Design Principles for Accessible Programming and Algorithmic Learning.

Eine vollständige Fassung kann auf Anfrage für persönliche Zwecke per E-Mail bereitgestellt werden: daniela.nussbaumer@hfh.ch