Indiens Tinkering Labs bekommen einen KI-Unterrichtsassistenten, angetrieben durch Gemini

Wichtigste Punkte

• Google DeepMind und Indiens Atal Innovation Mission starteten am 14. Juli 2026 ATL Saathi, eine auf Gemini basierende Web-App für Lehrkräfte in Atal Tinkering Labs.
• Das Pilotprogramm umfasst 100 Schulen, die Teil eines Netzwerks sind, das über 11 Millionen Schüler in Indien erreicht.
• Der Assistent generiert altersgerechte Projektideen, schrittweise Montageanleitungen, Schaltpläne und Sicherheitsvorkehrungen.
• Der Start erfolgt in acht indischen Sprachen mit Platz für weitere.
• Er läuft auf Gemini 3.5 Flash, Googles schnellerem, kostengünstiger Modell für schnelle Reaktionen.

Indien hat Jahre damit verbracht, Atal Tinkering Labs auszubauen – kleine Schulwerkstätten mit 3D-Druckern, Sensoren und grundlegenden Robotik-Bausätzen. Es gibt jetzt genug davon, um über 11 Millionen Schüler zu erreichen. Die eigentliche Herausforderung war nie die Hardware. Es war, Lehrkräfte zu finden, die selbstbewusst einen neugierigen 13-Jährigen durch die Verdrahtung eines Bodenfeuchte-Sensors führen können, ohne das Klassenzimmer in Brand zu setzen.

Genau diese Lücke versucht Google DeepMind mit ATL Saathi zu füllen – eine Web-App für Lehrkräfte, die am 14. Juli 2026 in die Pilotphase ging.

Man kann sich das als geduldigen Co-Lehrer vorstellen, der nie schläft. Eine Lehrkraft öffnet die App, wählt ein Modul aus dem offiziellen Tinkering-Curriculum und erhält eine kurze Zusammenfassung, eine Infografik, einen Video-Überblick und ein kurzes Quiz. Kein zweistündiges Schulungsvideo. Kein 80-seitiges PDF.

Der interessantere Teil ist, was passiert, wenn Schüler mit einer Idee auftauchen.

Angenommen, ein Schüler möchte ein Gerät bauen, das einen Bauer warnt, wenn ein Wassertank fast leer ist. Die Lehrkraft gibt das Problem in ATL Saathi ein. Die App, die auf Gemini 3.5 Flash läuft (Googles schnelle, kostengünstige Version des Haupt-KI-Modells, die Technologie hinter Chatbots wie Gemini und ChatGPT), gibt einen Projektplan aus. Dieser Plan enthält, welche Komponenten aus dem Regal zu nehmen sind, einen Schaltplan, der zeigt, wie man sie verbindet, Montageschritte und Sicherheitshinweise zu Dingen wie lockeren Batterien und freiliegenden Drähten.

Es funktioniert auch anders herum. Wenn eine Lehrkraft eher Ideen anstoßen möchte, als auf sie zu reagieren, generiert die App Projektvorschläge, die zum Schuljahr des Schülers und zum aktuellen Lehrplan passen.

Entscheidend ist, dass sie all das in acht indischen Sprachen beim Start leistet. Eine Lehrkraft in einer Tamil-Medium-Schule in ländlichen Tamil Nadu erhält den gleichen Schaltplan und die gleichen Sicherheitswarnungen wie eine Lehrkraft in einer English-Medium-Schule in Delhi. Die Curriculum-Materialien befinden sich in NotebookLM, Googles dokumentengestütztem KI-Tool, sodass der Assistent aus dem offiziellen Playbook der Atal Innovation Mission antwortet, anstatt aus dem offenen Internet.

Die Atal Innovation Mission sitzt innerhalb von NITI Aayog, dem Richtlinien-Thinktank der indischen Regierung. Ihr erklärtes Ziel ist es, eine Million indische Kinder in das umzuwandeln, was sie als „neoteric innovators" bezeichnet. Die Partnerschaft wurde zunächst auf dem AI Impact Summit im Februar 2026 angekündigt, und Google DeepMind sagt, dass der heutige Start das erste funktionierende Produkt dieser Zusage ist.

Was ändert sich tatsächlich für einen Klassenzimmer?

Es verlagert die Arbeit der Lehrkraft von der Informationssuche zum Anleiten eines Schülers durch sie. Ein Physiklehrer, der noch nie ein Arduino-Board angefasst hat – die kleine programmierbare Schaltplatine, die Schüler für Elektronikprojekte nutzen – kann jetzt mit einem ausgedruckten Plan, einer Teileliste und einer in Minuten generierten Sicherheitsprüfliste ins Labor gehen.

Vergleichen Sie das mit der menschlichen Alternative. Ein spezialisierter Mentor, der jedes der Tausenden Tinkering Labs in Indien besucht, ist im Maßstab des Landes nicht finanzierbar. Selbst ein Besuch pro Schule pro Trimester würde erhebliche Kosten und Logistik bedeuten. Ein Software-Assistent, der pro Abfrage Pfennige kostet und auf einem Modell läuft, das für kostengünstigen Hochvolumen-Einsatz ausgelegt ist, ist ein ganz anderes Wirtschaftsproblem.

Es gibt echte Fragen, die das Pilotprogramm beantworten muss. Funktionieren die Schaltpläne tatsächlich, wenn sie gebaut werden? Halten die Sicherheitswarnungen stand, wenn ein 12-Jähriger sie ignoriert? Wie oft erfindet das Modell eine Komponente, die nicht im Bausatz des Labs vorhanden ist?

Die 100-Schulen-Kohorte ist die Quelle dieser Antworten. Wenn Google DeepMind und die Atal Innovation Mission zeigen können, dass Lehrkräfte weniger Zeit mit Paperwork verbringen und mehr Zeit mit tatsächlicher Überwachung von Bauprojekten, wird der Fall für eine Skalierung auf das gesamte Tinkering-Lab-Netzwerk viel einfacher zu argumentieren.

Zunächst haben die Tinkering Labs einen neuen Mitarbeiter. Dieser antwortet um 2 Uhr morgens, spricht acht Sprachen und wird nie müde von der gleichen Frage zu Widerständen.