Tencent WorkBuddy im Bildungsbereich: Warum PPT-Unterrichtsmaterialien, KI-Kurserstellung und Lehrer-Workflows zunehmend an AI-Agenten gehen

Wenn man den Wert von WorkBuddy im Bildungsbereich nur als "ein bisschen Unterrichtsplanung schreiben" oder "mal eben ein paar PPT-Seiten erzeugen" versteht, sieht man eigentlich nur die Oberfläche.

Ich habe mir diesmal mehrere öffentliche Beiträge angesehen, die direkt mit Unterrichtsplan-zu-Folien, automatischer PPT-Erstellung, KI-gestützter Kursproduktion und lehrergeführten KI-Lehrtools zu tun haben. Danach ist mein Urteil ziemlich klar:

Das Spannendste an WorkBuddy im Bildungssektor ist nicht, ob es Inhalte schreiben kann, sondern dass es in echte Produktions-Workflows für Unterrichtsmaterial hineinrutscht.

Denn was im Bildungsalltag am schwersten wiegt, ist oft nicht, dass Lehrkräfte nicht erklären können, sondern:

• die Erstellung von Folien zu viel Zeit frisst
• der Wechsel zwischen Inhalt und Layout zu kleinteilig ist
• die Produktionskette für Kursvideos zu lang ist
• Lehrtools für nicht-technische Lehrkräfte schwer wirklich nutzbar sind
• generierte Inhalte trotzdem unter Lehreraufsicht bleiben und manuell geprüft werden müssen

Genau deshalb halte ich den Bildungsbereich für ein sehr gutes Feld, in dem WorkBuddy-artige AI-Agenten früh echten Nutzen zeigen können.

Kurzfazit

• Stand 29. Juni 2026 liegen die überzeugendsten öffentlichen Beispiele für WorkBuddy im Bildungsbereich auf drei Linien:
  1. Automatische Generierung von PPT-Unterrichtsmaterial aus Unterrichtsplänen, Lehrwerken und Wissenspunkten
  2. Eine integrierte Produktionspipeline für PPT, Sprechtext, Untertitel und Video
  3. Lehrergeführte, KI-gestützte, auditierbare und wiederverwendbare Bildungsanwendungen
• Liest man die öffentlichen Aussagen aus der Tencent Cloud Developer Community und dem Tencent Research Institute zusammen, geht es hier nicht mehr um "mal kurz KI ausprobieren", sondern bereits um klar erkennbare:
  • Materialtypen für Unterrichtsinhalte
  • Strukturvorgaben für Folien
  • Skill-Orchestrierung
  • Python-Pipelines
  • Zustands-Persistenz und Fortsetzen nach Unterbrechungen
  • sowie klar definierte Grenzen für die manuelle Prüfung durch Lehrkräfte
• Wenn du heute an Schulunterricht, Weiterbildung, Educational Content Production, KI-Kursproduktion oder Lehrer-Workflows arbeitest, haben diese Beispiele deutlich mehr Praxiswert als normale KI-Office-Demos.

Warum der Bildungsbereich besonders schnell auf "prozessgetriebene KI" anspringt

Was Bildungsteams wirklich erschöpft, ist meist nicht fehlendes Wissen, sondern:

• Unterrichtsplan, Foliensatz, Sprechtext und Video sind ein mehrstufiger Prozess
• viele Aufgaben wiederholen sich, lassen sich aber nicht komplett standardisieren
• Detailanpassungen an Folien kosten unverhältnismäßig viel Zeit
• es gibt zu viele Tools, und Lehrkräfte wollen nicht jedes neue System lernen
• KI-Ergebnisse müssen am Ende trotzdem von Menschen freigegeben werden

Anders gesagt: Im Bildungsbereich fehlt selten Inhalt, sondern viel eher:

Die Kette von Unterrichtsmaterial über Folienskelett und Layout bis hin zu Sprechtext und Video ist schlicht zu lang.

Und genau darin fällt WorkBuddy in den öffentlichen Beispielen auf: Es ist kein isoliertes Chatfenster, sondern bewegt sich in Richtung dieser Glieder:

• Eingabe von Lehr- und Lernmaterialien
• Erstellung einer Gliederung für den Foliensatz
• Ausgabe einer PPT-Datei
• Auslösen von Skills
• mehrstufige Python-Pipeline
• Zustands-Persistenz
• lehrergeführte Freigabe

Dadurch wirkt es eher wie:

eine Automatisierungszentrale für Bildungsinhalte

und nicht wie:

ein Modellfenster, das nur Fragen beantwortet

Fall 1: Das größte Problem für Lehrkräfte ist nicht das Unterrichten, sondern der PPT-Aufwand

Der erste öffentliche Beitrag, der am ehesten nach echtem Produktionsumfeld aussieht, ist dieser aus der Tencent Cloud Developer Community:

WorkBuddy保姆级教程（十三）｜PPT一键生成——告别加班做课件

Der größte Wert dieses Beitrags liegt darin, dass er nicht fragt, ob Lehrkräfte KI nutzen wollen, sondern den konkretsten, alltäglichsten und sofort einsparbaren Schmerzpunkt trifft:

• morgen ist eine offene Unterrichtsstunde
• heute Nacht sitzt man noch an der PPT
• schwierig ist nicht der Inhalt
• sondern Layout, Ausrichtung, Illustrationen, Animationen und Seitenaufteilung

Der öffentliche Beitrag beschreibt die Situation sehr direkt:

• eine einzige Unterrichts-PPT
• 3 bis 4 Stunden Aufwand sind völlig normal
• weniger geübte Lehrkräfte sitzen leicht bis tief in die Nacht daran

Die Logik von WorkBuddy in diesem Beispiel lautet nicht "es hält den Unterricht für dich", sondern:

• du gibst die Lehrinhalte vor
• es übernimmt Design und Layout
• du führst Regie
• es übernimmt die gestalterische Ausarbeitung

Im Beitrag wird der Ablauf in drei klare Schritte zerlegt:

1. Material übergeben
   • Word-Unterrichtsplan
   • gescannte Lehrbuchseiten
   • Liste von Wissenspunkten
   • eine Textbeschreibung
2. Gliederung erzeugen
   • zuerst entsteht die Struktur der gesamten PPT
   • die Lehrkraft bestätigt Seitenzahl und Logik
3. .pptx generieren
   • danach wird die Datei im gewünschten Stil und passend zur Projektion ausgegeben

Das bedeutet: WorkBuddy schreibt hier nicht einfach nur einen Absatz, sondern greift bereits an diese Punkte:

• Verständnis von Unterrichtsmaterial
• Strukturdesign für Kursunterlagen
• seitenweises Output-Design
• Stilvorgaben

Das ist bereits sehr nah an realer Produktion von Unterrichtsmaterial und weit mehr als nur ein Chat.

Fall 2: Im Bildungsbereich geht es nicht um "vollautomatisch", sondern um lehrergeführte Kontrolle

Im selben Beitrag gibt es noch einen Punkt, den ich besonders wichtig finde:

• Die KI übernimmt rund 70 % der Arbeit
• die restlichen 30 % bleiben für Feinschliff durch die Lehrkraft

Das passt extrem gut zum Bildungsbereich.

Denn der öffentliche Beitrag sagt auch klar, dass nach der KI-Generierung weiterhin manuell nachgearbeitet werden muss:

• Reihenfolge der Animationen
• Austausch von Bildern
• Schriftgrößen
• Feinjustierung des Layouts

Gerade das macht das Ganze glaubwürdiger. Bildung ist eben kein Bereich, in dem man einfach alles vollständig an KI abgibt. Was Lehrkräfte wirklich brauchen, ist:

die wiederkehrende Fleißarbeit abgeben, den Teil mit pädagogischem Stil und fachlicher Handschrift aber behalten.

Darum ist an WorkBuddy im Bildungssektor nicht am wichtigsten, dass es "alles automatisch" macht, sondern:

dass es versteht, was automatisiert werden sollte und wo es für die finale Entscheidung stoppen muss.

Fall 3: Kursproduktion ist nicht nur PPT, sondern eine vollständige mehrstufige Pipeline

Der zweite öffentliche Artikel, der unbedingt in dieses Bildungsthema gehört, ist:

基于 WorkBuddy 的零门槛 AI 课程制作工具

Der Wert dieses Beitrags ist hoch, weil es eben nicht um "ein paar Folien generieren" geht, sondern darum:

wie man PPT, Sprechtext, Untertitel und Video zu einer vollständigen Pipeline verbindet.

Der Beitrag beschreibt die klassische Produktionskette für Kursvideos sehr klar:

• Gliederung schreiben
• PPT bauen
• Sprechtext schreiben
• Audio aufnehmen
• Video schneiden

Das eigentlich Schwierige ist also nicht ein einzelner Schritt, sondern:

eine durchgehende Kette über mehrere Tools, Formate und Produktionsphasen hinweg.

In diesem Beispiel ist WorkBuddy nicht "ein bisschen Schreibhilfe", sondern der Einstiegspunkt für die Orchestrierung über Skills:

• Nutzer starten Aufgaben per natürlicher Sprache
• WorkBuddy erkennt Triggerwörter
• lädt den passenden Skill
• der Skill leitet WorkBuddy an, Bash-Tools aufzurufen
• anschließend übernimmt eine mehrstufige Python-Pipeline die Folgeprozesse
• am Ende entsteht das Kursvideo oder ein verwandtes Ergebnis

Im öffentlichen Beitrag werden sogar mehrere Begriffe genannt, die stark nach echtem Engineering-Umfeld klingen:

• AI-Agent-Orchestrierung
• Python-Pipeline
• Zustands-Persistenz
• Fortsetzen nach Unterbrechungen

Genau das ist entscheidend, weil es zeigt: Im Bildungsbereich ist WorkBuddy nicht länger nur eine KI, die auf einer Seite antwortet, sondern beginnt Aufgaben wie diese zu tragen:

• Aufgaben-Orchestrierung
• Prozessverkettung
• Fehlerbehandlung und Wiederaufnahme
• Ausführung langer Workflows

also Dinge, die wirklich nach produktionsreifer Umsetzung aussehen.

Fall 4: Die größte Hürde in der Bildung ist nicht die Generierung, sondern dass auch nicht-technische Lehrkräfte die ganze Kette steuern können

Im gleichen Artikel steckt aus meiner Sicht noch ein besonders wertvoller Punkt:

• Lehrkräfte brauchen nur einen Satz in natürlicher Sprache, um die gesamte Backend-Pipeline anzustoßen

Das ist für den Bildungsbereich enorm wichtig. Denn die eigentlichen Hauptnutzer in Schulen und Weiterbildungsorganisationen sind meist keine Engineers, sondern:

• Lehrkräfte
• Fachdidaktik- und Curriculum-Teams
• Content-Produktionsteams

Wenn ein Tool zuerst ein Entwickler-Framework voraussetzt, wird die Einführung langsam. Wenn es die Komplexität aber hinter Skills und Pipelines versteckt und Lehrkräfte nur sagen müssen:

• "Hilf mir, ein Kursvideo zur Einführung in künstliche Intelligenz zu erstellen"

dann ist das Produkt deutlich näher an einem real ausrollbaren Education Tool und nicht bloß ein Spielzeug für Entwickler.

Fall 5: Aus Sicht des Tencent Research Institute ist Bildung ohnehin auf "lehrergeführt + auditierbare KI" ausgerichtet

Die dritte Quelle, die in diese Artikelserie gehört, ist:

2026腾讯云AI原生教育报告概述

Das ist zwar kein einzelner WorkBuddy-Praxisbericht, liefert aber einen wichtigen Rahmen:

• Der Bildungsbereich sucht derzeit nicht nach "KI ersetzt Lehrkräfte"
• sondern nach "Lehrkräfte führen, KI wird tief in den Prozess eingebettet"

Zu den wichtigen Signalen aus dem Beitrag gehören:

• Lehrkräfte steuern KI als Hauptpfad
• Knowledge-Graph-Engine
• Lehr- und Lernobjekte werden berechenbar gemacht
• Das WorkBuddy-Framework ermöglicht auch Nicht-Technikern den schnellen Bau von Bildungsanwendungen
• KI-generierte Vorschläge müssen manuell geprüft und angepasst werden

Das ist wichtig, weil es erklärt, warum die ersten beiden Beispiele funktionieren:

• Im PPT-Beispiel übernehmen Lehrkräfte die letzten 30 %
• in der Kurspipeline startet die Lehrkraft den gesamten Prozess per natürlicher Sprache

Die glaubwürdigste KI-Lösung im Bildungsbereich ist also nicht vollständige Ersetzung, sondern:

Lehrkräfte von wiederholter Produktionsarbeit befreien und ihnen gleichzeitig die Kontrolle über Qualität, Logik und Stil lassen.

Wie diese öffentlichen Beispiele reale Produktionsumgebungen im Bildungsbereich aussehen lassen

Wenn man die oben genannten Beiträge zusammennimmt, zeigt sich für WorkBuddy im Bildungsbereich bereits ein recht klares Produktionsbild:

• Es gibt echtes Unterrichtsmaterial, keine leeren Prompts
  • Word-Unterrichtspläne
  • gescannte Lehrbuchseiten
  • Listen mit Wissenspunkten
  • freie Textbeschreibungen
• Es gibt echte Outputs und nicht nur Textantworten
  • PPT
  • Sprechtexte
  • Untertitel
  • Kursvideos
• Es gibt echte Abläufe und keine einmalige Generierung
  • Gliederungsfreigabe
  • Stilvorgaben
  • Skill-Trigger
  • Pipeline-Ausführung
  • Fehlerwiederaufnahme
• Es gibt echte Mensch-Maschine-Grenzen und kein "KI macht alles"
  • manuelle Freigabe durch Lehrkräfte
  • Layout-Feinschliff
  • Erhalt des individuellen Unterrichtsstils

Darum wirkt es in diesem Sektor eher wie:

eine Automatisierungswerkbank für Bildungsinhalte

und nicht wie:

eine gewöhnliche Chat-KI

Für welche Bildungsteams es sich jetzt am ehesten lohnt

Teams, die es sofort testen sollten

• Teams für Unterrichtsmaterial in Schulen und Trainingsorganisationen
• Lehrkräfte mit hohem Volumen an PPT-, Sprechtext- und wöchentlichen Kurs-Outputs
• Teams, die Education Tools, Lernplattformen oder KI-Kurswerkstätten bauen
• Organisationen, die auch nicht-technische Kolleginnen und Kollegen lange Content-Workflows auslösen lassen wollen
• Teams, die "lehrergeführt + KI-Effizienz" brauchen und gerade nicht "volle Automatisierung"

Teams, die besser erst beobachten

• Teams ohne standardisierbaren Content-Produktionsprozess und mit extrem individueller Erstellung bei jedem Durchlauf
• Teams, die aktuell keine Gliederungen, Templates oder Output-Regeln definieren wollen
• Teams, die nur leichte Q&A-Szenarien wollen und KI nicht in die eigentliche Produktionskette einbinden möchten

Wenn du selbst testen willst, würde ich so vorgehen

1. Nimm zuerst einen standardisierten, hochfrequenten Workflow für die Unterrichtsproduktion und versuche nicht sofort, "die ganze Schule mit KI auszustatten".
2. Besonders geeignete Startpunkte im Bildungsbereich sind meist:
   • Unterrichtsplan zu PPT
   • Kursgliederung zu Foliensatz
   • Generierung von Sprechtexten und Untertiteln
   • Pipeline für kurze Videokurse
3. Beurteile nicht nur, ob etwas generiert werden kann, sondern vor allem:
   • ob die Gliederung stabil bleibt
   • ob Seitenzahl und Rhythmus kontrollierbar sind
   • ob der Änderungsaufwand für Lehrkräfte wirklich sinkt
   • ob sich Fehlerläufe wieder aufnehmen und fortsetzen lassen
4. Wenn ihr ohnehin an Bildungsprodukten baut, könnt ihr zusätzlich vergleichen:
   • welche Szenarien gut zu einem Workbench-Agenten wie WorkBuddy passen
   • und welche Szenarien sich eher weiterhin per API oder eigener Content-Pipeline orchestrieren lassen

Wenn dich gerade eher interessiert, wie man Tencent-Modelle, GLM, Kimi, DeepSeek, StepFun und andere Modelle in einen eigenen Agent-Workflow bringt, schau zuerst hier:

• Modellpreise
• API Key kaufen
• API-Dokumentation

Mein finales Urteil

Wenn ich meine Sicht auf die WorkBuddy-Bildungsfälle in einem Satz zusammenfassen müsste, dann so:

Entscheidend ist nicht, ob KI Lehrkräften ein paar Folien abnehmen kann, sondern dass sie bereits beginnt, in zusammenhängende Produktionsketten aus Unterrichtsplan, Foliensatz, Sprechtext, Untertitel und Video einzuziehen.

Das ist wesentlich wichtiger als die reine Frage, ob Inhalte generiert werden können. Denn die eigentliche Schwierigkeit in der Bildungsproduktion war nie nur eine einzelne PPT-Seite, sondern:

eine wiederholte, lange, toolübergreifende und dennoch manuell zu kontrollierende Prozesskette stabil zum Laufen zu bringen.

Wenn WorkBuddy genau dort funktioniert, ist seine Bedeutung für den Bildungssektor nicht bloß "etwas Zeitersparnis für Lehrkräfte", sondern:

ein Schritt dahin, manuell zersplitterte Produktionsabläufe für Unterricht in eine planbare, wiederverwendbare und dauerhaft betreibbare KI-Workbench zu überführen.

Referenzen

• WorkBuddy保姆级教程（十三）｜PPT一键生成——告别加班做课件
• 基于 WorkBuddy的零门槛AI课程制作工具
• 2026腾讯云AI原生教育报告概述