Warum KI-Schulungen und KI-Strategien scheitern

Das ADEK-Modell für erfolgreiche Vermittlung und Integration Künstlicher Intelligenz

Als Nicht-Informatiker habe ich mich lange gefragt, warum eigentlich ausgerechnet ich KI-Schulungen halte. Wieso maße ich mir als ausgebildeter Englisch-, Geschichts- und Ethiklehrer, der keine einzige Programmiersprache beherrscht, an, Schulungen zum Thema KI durchzuführen? Lange Zeit hatte ich darauf keine Antwort. Ich dachte mir: fake it till you make it.

Ich dürfte aber irgendetwas richtig machen. Wir haben Mitte Mai und ich bin bis Jahresende fast gänzlich ausgebucht, ich habe bereits Anfragen für Dezember 2027, und die Evaluierungen meiner Schulungen sind exzellent. Wie kann das sein, wenn ich kein Fachexperte für KI bin?

Mittlerweile weiß ich, was hinter meinem Erfolgsrezept steckt. Und mir ist bewusst geworden, dass die Zutaten, die meinen Erfolg ausmachen, in vielen KI-Schulungen und -Strategien schlicht fehlen – und dass diese deshalb häufig scheitern. Um das greifbar zu machen, habe ich das ADEK-Modell entwickelt. Darum geht es in diesem Beitrag.

Mein Erfolgsrezept

Neben meinem persönlichen Charme und meiner dreifachen Redegeschwindigkeit lässt sich mein Erfolg als KI-Trainer auf drei Komponenten herunterbrechen:

KI-Wissen + Domänen-Expertise + Pädagogische Fähigkeiten

Obwohl ich regelmäßig als „KI-Experte“ angekündigt werde, verstehe ich mich selbst nicht so. Dafür weiß ich zu wenig über die technischen Details und habe keinerlei Erfahrung in der KI-Entwicklung. Außerdem beschäftige ich mich fast ausschließlich mit Generativer KI – also mit Sprachmodellen und Chatbots, nicht mit KI in all ihren Spielarten. Meine Stärke liegt nicht in der Tiefe einer einzelnen Disziplin, sondern darin, zu den drei genannten Bereichen genug zu wissen und sie zu verbinden.

Genau das ist der Punkt, an dem viele KI-Schulungen und -Strategien scheitern: Man kann die besten Referent:innen und Berater:innen für Künstliche Intelligenz engagieren – wenn diese mit der jeweiligen Domäne (Bildung, Medizin, Marketing oder was auch immer) nichts anfangen können oder kein pädagogisches Gespür mitbringen, wird wenig dabei rausschauen.

Sehen wir uns diese drei Bereiche der Reihe nach an.

KI-Expertise

Ich weiß nicht, ob es „die“ KI-Expertise überhaupt gibt. Das Feld wird seit Jahrzehnten erforscht – mit ELIZA gab es bereits in den 60er Jahren den ersten Chatbot. Heute geht es nicht mehr nur um Entwicklung, sondern um Anwendung, Tool-Design, Lehre, Strategie. Wenn wir also von „KI-Expert:innen“ sprechen, ist das ungenau. Es stellt sich immer die Frage: Welche Form der Expertise für welchen Teilbereich?

Das wird in Anfragen schnell zum Problem. Regelmäßig bekomme ich E-Mails von Firmen, die „KI A für Zweck X“ einsetzen wollen. Gemeint ist fast immer Copilot oder ChatGPT. Oft sind diese Tools für das eigentliche Ziel gar nicht geeignet. Wenn die meisten Menschen von KI sprechen, meinen sie KI-Chatbots auf Basis von Sprachmodellen – einen winzigen Ausschnitt aus dem, was „KI“ eigentlich umfasst.

Für die Auswahl von Referent:innen oder Berater:innen heißt das: Die Tiefe der Expertise ist meistens weniger entscheidend als ihr Fokus. Ich schule und berate zur Generativen KI, insbesondere Chatbots. Das kann ich liefern. Sobald es um Symbolische KI, Machine Learning, Deep Learning, AutoML oder Agentic AI im engeren Sinn geht, bin ich draußen und verweise auf andere.

Zur Tiefe selbst: Natürlich haben Informatiker:innen, die seit Jahren KI entwickeln, mehr Tiefe als ich. Aber diese Tiefe ist für die meisten Zielgruppen gar nicht nötig. Ich bin Pädagoge. Pädagog:innen haben nicht den Anspruch, die besten auf ihrem Fachgebiet zu sein. Deshalb gibt es ein Lehramtsstudium für das Fach Geschichte und ein separates Geschichte-Studium. Das eine bildet Geschichte-Lehrer:innen aus, das andere Historiker:innen. Wir Pädagog:innen haben den Anspruch, genug zu wissen, unsere Zielgruppe und deren Bedürfnisse zu kennen, das Wissen zugänglich aufzubereiten und ein Fundament zu legen, auf dem die Lernenden langfristig weiterbauen können.

Daher kann ich erfolgreiche KI-Schulungen abhalten, ohne jemals ein Informatik-Studium abgeschlossen oder ein KI-Modell entwickelt zu haben. Ich habe mir das alles im Selbststudium beigebracht, viel experimentiert, bin an vielen Dingen gescheitert und daraus gelernt. Genau das macht mich heute brauchbar: Ich weiß, was Menschen am Anfang des KI-Wegs beschäftigt und wo Hürden auftauchen, weil ich dieselben Hürden selbst hatte.

Jede Person und jede Organisation sollte sich also fragen: Welche Breite und welche Tiefe an KI-Wissen ist nötig, und wie stellen wir die sicher? Für Unternehmen folgen daraus mehrere Fragen: Beauftragen wir flächendeckende Schulungen? Schicken wir einzelne Mitarbeiter:innen in vertiefende Aus- und Fortbildungen? Stellen wir entsprechendes Personal ein? Holen wir uns Beratung – oder mehreres davon parallel?

Domänen-Expertise

Dass KI-Wissen wichtig ist, ist allen klar. Deshalb sind Leute wie ich aktuell auch so stark gefragt. Frustration mit KI im Nachgang einer Schulung lässt sich aber meistens auf eine andere Komponente zurückführen, die häufig fehlt: die Domänen-Expertise.

Ich meine damit drei Dinge. Erstens: die fachliche Expertise einer Branche. Wer KI im Controlling effektiv einsetzen will, sollte Controlling-Fachwissen mitbringen. Zweitens: die Erfahrung in der Branche. Wer KI im Marketing einsetzt, sollte die Marketing-Welt aus mehr als zwei Vorlesungen kennen. Und drittens: das Wissen über Personen, Strukturen und Prozesse in der konkreten Organisation. Wer KI im eigenen Krankenhaus implementieren will, muss das eigene Krankenhaus kennen.

Genau hier geraten externe Trainer:innen und Berater:innen schnell an ihre Grenzen.

Ein großer Teil meiner Schulungen ist für Lehrer:innen in der Sekundarstufe, Lehrende in der Hochschule und Studierende der Lehramtsausbildung. Da ich selbst Lehramt studiert habe, in der Sekundarstufe unterrichtet habe und an Hochschulen lehre, bringe ich für diese Gruppe alle drei Aspekte mit: fachliche Expertise (allgemein pädagogisch wie auch fachdidaktisch im Englischen), Branchenkenntnis (das Bildungssystem in seinen vielen Eigenheiten) und das Wissen um die Strukturen von Schule. Jede Schule ist anders, aber vieles ist eben doch gleich. Genau deshalb sind die Schulungen für Lehrende auch die, die mir am meisten Spaß machen – und ich glaube, die für meine Kursteilnehmenden am meisten Wirkung entfalten.

Bei anderen Branchen tue ich mir schwerer. Wenn mich ein Krankenhaus, eine Anwaltskanzlei oder ein Industriebetrieb anfragt, kann ich solides KI-Grundwissen liefern. Was ich nicht liefern kann, sind Antworten auf Fragen wie:

• „Gibt es eine KI, die in SAP X kann?“

• „Wie setzen wir in Prozess X Copilot ein?“

• „Welche unserer Daten dürfen wir in ChatGPT eingeben, welche nicht?“

Auf die erste habe ich keine Antwort, weil ich mich mit SAP nicht beschäftige. Auf die zweite keine, weil ich Prozess X nicht kenne. Auf die dritte nur eine sehr allgemeine, weil ich nicht weiß, wie sensibel die konkreten Daten sind und welche internen Richtlinien gelten.

Warum halte ich trotzdem Schulungen für Controlling-Teams, Architekt:innen, Pflegekräfte, Ärzt:innen und Jurist:innen ab? Weil es ein Fundament an KI-Kompetenz gibt, das domänenübergreifend nützlich ist: verstehen, wie ein Sprachmodell funktioniert, effektive Prompts schreiben können, die wichtigsten Funktionen kennen, für rechtliche und ethische Fragen sensibilisiert sein. Das kann ich liefern. Was ich bei jeder Anfrage außerhalb des Bildungsbereichs aber von Anfang an klarmache: Sobald es um den Einsatz in der spezifischen Domäne und im spezifischen Unternehmen geht, bin ich vermutlich der falsche. Ich verweise dann an Kolleg:innen, die KI- und Domänen-Wissen vereinen, oder biete an, die Organisation in einem längeren Prozess näher kennenzulernen.

Viele Organisationen hören das nicht gerne. Sie suchen die eierlegende Wollmilchsau – sowohl beim Tool als auch bei den Trainer:innen. Und es gibt leider immer Trainer:innen, Berater:innen und Beratungsorganisationen, die das Blaue vom Himmel versprechen. „KI in der Medizin? Aber natürlich, da haben wir genau das richtige Angebot für Sie.“ Auch wenn die Person Medizin nur aus der Sicht der Patient:innen im Wartezimmer kennt.

Hier scheitern Schulungen und Beratungen also ein zweites Mal: Entweder die Erwartungshaltung an die Schulung ist falsch, oder die Person, die schult, ist es.

Meine Empfehlung für viele Organisationen lautet deshalb: Ein:e externe:r Trainer:in legt das Fundament mit einer allgemeinen Schulung. Parallel schickt die Organisation einige Mitarbeitende in vertiefende Aus- und Fortbildungen, damit KI- und Domänen-Wissen intern zusammenwachsen. Das ist langfristig der einzig tragfähige Weg.

Pädagogische Fähigkeiten

Der Aspekt, der allein nicht ausreicht, aber aus einer Schulung, die okay war, eine macht, die wirklich etwas verändert, ist die pädagogische Kompetenz.

Ich möchte meinen Kolleg:innen in der Erwachsenenbildung (die Hochschule zähle ich hier mit) nicht zu nahe treten, aber es ist mir ein Rätsel, wie es so viele inkompetente Lehrende geben kann. Wie häufig ich als Teilnehmer in Vorträgen, Seminaren und Workshops saß und jede einzelne Sekunde als Verschwendung meiner Lebenszeit empfunden habe, möchte ich gar nicht beziffern.

Im Englischen gibt es die Redewendung Those who can, do; those who can't, teach. Diejenigen, die etwas nicht beherrschen, beginnen, es zu unterrichten. Ich befürchte, dass da etwas dran ist. Vielleicht könnte man das sogar ausweiten: Those who can, do; those who can't, consult.

Bevor ich jetzt von einem Mob an Pädagog:innen und Consultants gelyncht werde: Der Spruch ist natürlich Blödsinn, hat aber einen wahren Kern. Es geht in dem Spruch um jene, die nichts können – und nicht um alle, die unterrichten oder beraten. Es ist ein Venn-Diagramm: Es gibt eine Schnittmenge derer, die unterrichten oder beraten und nichts können. (Wir kennen alle diese eine Person, die mit einem Hobby oder Side-Hustle keinen Erfolg hat und dann plötzlich zum Trainer, Coach oder Consultant wird, um anderen Menschen zu zeigen, wie man es richtig macht.) Was damit nicht gemeint ist: Wer unterrichtet oder berät, ist nicht automatisch unfähig.

Worauf ich hinauswill: Gerade in der Erwachsenenbildung und Unternehmensberatung gibt es nicht nur viele Trittbrettfahrer:innen ohne KI- oder Domänen-Wissen, sondern auch sehr viele, die zwar eines davon (oder sogar beides) mitbringen, aber nicht das pädagogische oder strategische Werkzeug haben, um Wissen weiterzugeben oder in Organisationen zu verankern.

---

Zwischenfazit: Erfolgreiche KI-Schulungen und -Beratungen brauchen drei Kompetenzfelder. Genug Wissen über KI. Vertrautheit mit der Domäne (und idealerweise mit der konkreten Organisation). Und die Fähigkeit, das Ganze pädagogisch oder strategisch zu vermitteln.

Ich habe lange über diese drei Bereiche nachgedacht, bis mir aufgefallen ist: So etwas Ähnliches gibt es ja schon. Das Modell heißt TPACK (in der KI-Variante auch AIPACK). Ein kurzer Umweg dorthin – dann zurück zu meinem eigenen Modell.

Das TPACK- / AIPACK-Modell

TPACK steht für Technological Pedagogical Content Knowledge und geht auf Punya Mishra und Matthew Koehler zurück (aufbauend auf dem Pedagogical Content Knowledge-Modell von Lee Shulman). Das Modell besagt: Eine Lehrperson braucht drei Wissensbereiche, um Technologie sinnvoll in Lehr- und Lernsituationen einzusetzen: Technologisches Wissen (TK), pädagogisches Wissen (PK) und fachliches Wissen (CK).

Das TPACK-Modell. Bildqulle: https://tpack.org/tpack-image/

Spannend wird es bei den Schnittmengen – also dort, wo zwei oder alle drei Wissensbereiche zusammenkommen. TPK (Technological + Pedagogical Knowledge) beschreibt etwa das Wissen darüber, wie sich eine bestimmte Technologie didaktisch einsetzen lässt – also welche Lehr- und Lernformen sie ermöglicht, fördert oder behindert, unabhängig vom konkreten Fachinhalt. Analog dazu lassen sich auch die anderen Schnittmengen denken: zwischen Pädagogik und Fachinhalt (PCK), zwischen Technologie und Fachinhalt (TCK) und im Zentrum schließlich TPACK selbst.

So anschaulich das Modell ist – in der Praxis scheitert es oft an den Rahmenbedingungen. Das Lehramtsstudium, zumindest in der Form, wie ich es erlebt habe, stützt sich stark auf CK (Fachinhalte), solide auf PK (bildungswissenschaftliche Inhalte) und etwas auf PCK (Fachdidaktik). TK (technologisches Wissen) kommt kaum vor, von TPK und TCK (wie man Technolgie in die pädagogische Praxis integrieren kann) kann erst recht keine Rede sein. Wer also als Lehrperson die Universität verlässt, hat selten ein ausgewogenes TPACK-Profil.

Im KI-Kontext haben sich zwei Reaktionen herausgebildet. Manche erweitern TPACK, indem sie KI als Teil von TK auffassen. Andere argumentieren für ein eigenes Modell, etwa AIPACK. (Für mehr Infos siehe das Literaturverzeichnis am Ende des Artikels.)

Das TPACK-Modell soll hier aber nur eine Randnotiz bleiben. Denn obwohl es viele Gemeinsamkeiten zu meinem Modell gibt, verfolgt meines einen anderen Zweck. Und ja, natürlich brauche ich ein eigenes Modell. Those who can understand a model, use it; those who can't, create their own model.

Das ADEK-Modell

Das ADEK-Modell besteht aus drei Knowledge-Komponenten: AI, Domain und Enablement.

AI Knowledge bezeichnet das Wissen rund um KI. Im Kontext der Generativen KI gehört dazu, wie Sprachmodelle funktionieren, was Prompting bedeutet, welche Tools für welche Aufgabe geeignet sind und wo die Grenzen liegen. Das ist die offensichtlichste Komponente – und gleichzeitig die, auf die sich die meisten Schulungen fast ausschließlich konzentrieren, wie auch der Gastbeitrag von Armin Fradler von vor zwei Wochen auf meinem Substack veranschaulicht hat.

Domain Knowledge meint das Wissen über den Kontext, in dem KI angewendet werden soll: Branche, Unternehmen, konkreter Job. Eine Schulung für Lehrpersonen muss verstehen, wie Schule funktioniert. Eine Schulung für ein Controlling-Team muss wissen, welche Prozesse dort laufen und welche Entscheidungen täglich getroffen werden. Eine Schulung für Pflegekräfte muss berücksichtigen, wie die SOPs (Standard Operating Procedures) in diesem Krankenhaus aussehen. Ohne Domänenwissen bleibt KI-Wissen abstrakt.

Enablement Skills sind die Fähigkeiten, die nötig sind, damit AI Knowledge und Domain Knowledge bei den Adressat:innen auch wirksam werden. Für Trainer:innen sind das pädagogische Kompetenzen: Wie erkläre ich ein Konzept so, dass es sitzt? Auf welchem Niveau und mit welchen Beispielen? Wie gestalte ich eine Übung, die tatsächlich Transfer ermöglicht? Für Berater:innen oder Führungskräfte sind es strategische Kompetenzen: Wie unterstützen wir Unternehmen beim Aufsetzen und Implementieren einer KI-Strategie? Wie verankern wir KI-Nutzung in bestehenden Prozessen? Wie schaffen wir die organisationalen Voraussetzungen?

Das Modell ist bewusst an TPACK angelehnt. ADEK geht aber zwei Schritte weiter: Es löst sich vom Klassenzimmer und betrifft auch Trainer:innen, Berater:innen, Führungskräfte und alle, die KI an andere weitergeben oder in Organisationen verankern. Und es geht nicht nur um die eigene Praxis, also wie ich KI in meine Aufgaben integriere, sondern auch um die Weitergabe an andere und um die strategische Einbettung in Organisationen.

Trotz der Verwandtschaft mit TPACK ist ADEK deshalb für mich ein eigenes Modell – nicht weil ich akademische Lorbeeren sammeln möchte, sondern weil mir bisher kein vorhandenes Modell den Job abgenommen hat, KI-Vermittlung und KI-Integration jenseits der Schule sauber zu beschreiben.

Was heißt das in der Praxis?

Wenn die Annahmen meines Modells stimmen, ist die wichtigste Einsicht, dass die drei Komponenten erst dort etwas wert sind, wo sie sich überschneiden. Erfolgreiche KI-Schulungen und -Strategien entstehen genau in diesen Schnittmengen.

Wo AI Knowledge und Domain Knowledge zusammenkommen, entsteht anwendbare KI – also die Fähigkeit, KI-Tools auf konkrete Aufgaben zu übertragen. Etwa nachvollziehen zu können, wie ein KI-Chatbot beim Verfassen von Förderanträgen hilft oder wie er in der Qualitätssicherung eines Produktionsbetriebs eingesetzt werden kann.

Wo AI Knowledge und Enablement Skills zusammenkommen, entstehen effektive KI-Schulungen – also die Fähigkeit, KI-Wissen so aufzubereiten, dass es bei den Lernenden ankommt und auch bleibt.

Und wo Domain Knowledge und Enablement Skills zusammenkommen, entsteht kontextualisierte Wissensvermittlung – also das Verständnis dafür, wie Veränderungen in einer konkreten Organisation tatsächlich funktionieren: welche Widerstände es gibt, welche Hebel ziehen, wem man wann etwas sagen muss.

Wer alle drei Bereiche verbindet, kann KI-Bildung so gestalten, dass sie nicht mit der Schulung endet, und KI-Strategien so entwerfen, dass sie nicht als hübsche Slide Decks irgendwo in der Cloud verschwinden.

Daraus folgt für die drei Gruppen, die das hier vermutlich am ehesten betrifft, jeweils etwas anderes.

Für KI-Trainer:innen und Berater:innen: Wir sollten ehrlich zu uns und unseren Kund:innen sein. Wo sind wir stark, wo nicht? Was können wir tatsächlich bieten, was nicht? Wer ausschließlich AI Knowledge mitbringt, kann das tun – sollte es aber auch so kommunizieren. „Allgemeine KI-Grundbildung“ ist ein legitimes Produkt. „Maßgeschneiderte KI-Strategie für die Pflegebranche“ ist nur dann eines, wenn man die Pflegebranche tatsächlich kennt. Erwartungsmanagement gegenüber Kund:innen ist hier wichtiger als Akquise.

Für Organisationen: Hören Sie bitte auf, die eine Person zu suchen, die alles abdeckt. Die gibt es in den meisten Branchen nicht. Was funktioniert: ein Fundament durch eine allgemeine externe Schulung legen. Parallel ein paar interne Multiplikator:innen aufbauen, die KI- und Domänen-Wissen kombinieren. Und für die Strategie-Ebene gezielt Personen ins Haus holen, die alle drei ADEK-Komponenten vereinen. Das ist aufwändiger und teurer als eine einmalige Schulung. Aber es bleibt etwas davon übrig. Und wenn nach entsprechender Expertise gesucht wird, dann sollte es auch entsprechende Anreize geben. Wenn ich KI-Stellenausschreibungen lese, in denen die eierlegende Wollmilchsau gesucht wird – ein Profil, von dem es in Österreich vielleicht fünf Stück gibt – und im selben Inserat ein Jahresgehalt von 50.000 brutto steht, sagt das schon einiges über die Realitätsferne mancher Firmen aus.

Für die Branche: Es braucht andere Ausbildungsformate. Das KI-Trainer:innen-Feld besteht heute zu großen Teilen aus Quereinsteiger:innen – ich gehöre selbst dazu. Das ist unvermeidlich. Aber mittelfristig braucht es strukturierte Ausbildungen, die alle drei ADEK-Komponenten zusammenbringen und an konkrete Domänen koppeln. Also nicht nur „KI-Trainer:in“, sondern „KI-Trainer:in für die Gesundheitsbranche“, „KI-Berater:in für die Verwaltung“ und so weiter. Erste Microdegrees und Zertifikatslehrgänge gehen in diese Richtung, aber es ist viel zu wenig, viel zu langsam und noch immer viel zu breit. Natürlich hat jeder KI-Lehrgang, wie z. B. die Ausbildung zum:r KI-Manager:in Projekte, die individuelle Arbeiten zulassen, aber diese reichen beim besten Willen nicht aus, um den Domänen-Bereich abzudecken.

Fazit

Was bleibt am Ende? Im Kern drei Sätze.

KI-Schulungen ohne Domänenbezug sind ein Anfang, aber kein Ergebnis. KI-Strategien ohne Enablement bleiben PowerPoint im Sharepoint. Und KI-Beratungen ohne Wissen über die konkrete Organisation sind teurer Allgemeinplatz. (Da bringt eine Beratung durch Claude vermutlich mehr.)

Was es stattdessen braucht, ist die Verbindung der drei ADEK-Komponenten – in einer Person, in einem Team oder in einer ganzen Organisation. Das ist der Mehraufwand, der getätigt werden muss, um den ersten Hype und die bald darauf eintretenden Enttäuschungen zu überwinden.

Mein eigener Erfolg im Bildungsbereich ist keine geheime KI-Magie. Er ist die Folge einer „zufälligen“ Kombination, die in mir zusammenkommt: Pädagoge mit Schul- und Hochschulerfahrung, der sich KI aus Interesse selbst beigebracht hat. In anderen Branchen habe ich diese Kombination nicht und gebe das auch offen zu. Bisher hat sich darüber noch niemand beschwert – solange ich das von Anfang an transparent gemacht habe.

Weder ChatGPT-Tricks und Prompt-Vorlagen noch leere Versprechen bringen uns im Jahr 2026 weiter. Es braucht Ansätze, die die individuellen Rahmenbedingungen einer Organisation ernst nehmen – und das funktioniert nur, wenn alle drei ADEK-Komponenten zusammenkommen.

Und falls demnächst jemand auf LinkedIn schreibt, er biete „ganzheitliche ADEK-zertifizierte KI-Schulungen“ an: dann wissen Sie, dass die Idee es geschafft hat – und dass die ersten Trittbrettfahrer:innen aufgesprungen sind.

Literatur

Balta, N. (2025). Artificial Intelligence Pedagogical Content Knowledge. The European Educational Researcher, 8(1), 1-3. https://doi.org/10.31757/euer.811

Goldman, S., Carreon, A., & Smith, S. (2024). Exploring the Integration of Artificial Intelligence into Special Education Teacher Preparation through the TPACK Framework. Journal of Special Education Preparation, 4(2), 52–64. https://doi.org/10.33043/6zx26bb2

Lorenz, U., & Romeike, R. (2023). AI-PACK – Ein Rahmen für KI-bezogene Digitalkompetenzen von Lehrkräften auf Basis von DPACK. In Herausgeber et al. (Hrsg.), HDI 2023. Lecture Notes in Informatics (LNI) (S. 11 ff.). Gesellschaft für Informatik.

Mishra, P., & Koehler, M. J. (2006). Technological Pedagogical Content Knowledge: A Framework for Teacher Knowledge. Teachers College Record: The Voice of Scholarship in Education, 108(6), 1017-1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x

Mishra, P., Warr, M., & Islam, R. (2023) TPACK in the age of ChatGPT and Generative AI, Journal of Digital Learning in Teacher Education, 39:4, 235-251. https://doi.org/10.1080/21532974.2023.2247480

Shulman, L. S. (1986). Those who understand: Knowledge growth in teaching. Educational Researcher, 15(2), 4-14. https://doi.org/10.3102/0013189X015002004