WebUntis

Kurzfazit

WebUntis ist die Standardsoftware für Stundenplanung und Vertretungsverwaltung an deutschsprachigen Schulen, und in dieser Disziplin praktisch alternativlos für weiterführende Schulen mit komplexer Planung. Die Stärke ist die langjährige Reife, die EU-Datenhaltung mit ISO-27001 und ein offenes JSON-REST-API. Wichtige Einschränkung: WebUntis selbst enthält keine eigenen KI-Funktionen. Die KI-Relevanz entsteht erst durch den Datenexport in nachgelagerte Systeme, etwa Power BI für Vertretungsanalysen oder eigene ML-Modelle zur Personalplanung. Wer eine fertige KI-Schulsoftware erwartet, sucht hier vergebens; wer die strukturierten Schulverwaltungsdaten als Input für eigene KI-Workflows braucht, bekommt mit WebUntis eine der saubersten europäischen Datenbasen.

Für wen ist WebUntis?

Weiterführende Schulen (Gymnasien, Gesamtschulen, Berufskollegs): Hier ist WebUntis quasi gesetzt. Die Komplexität von Profilen, Wahlpflichtkursen, Lehrer-Deputaten und Vertretungsplänen lässt sich mit Excel oder kleineren Tools kaum sinnvoll abbilden. In den meisten deutschen Bundesländern ist Untis/WebUntis der De-facto-Standard.

Hochschulen und Akademien: Untis hat sich auch im Hochschulsegment etabliert, komplexe Modulpläne, Raumbelegung über Gebäude hinweg, Dozenten-Verfügbarkeiten. Wer hier ein neues System sucht, hat realistisch eine Handvoll Optionen, WebUntis ist eine davon.

Schulträger und Schulämter: Wer mehrere Schulen verantwortet (Kommune, Bezirk, Bundesland), profitiert von der API: Datenexport in zentrale Dashboards macht erstmals Quervergleiche möglich (Vertretungsquote, Klassenstärken, Auslastung). Das Hannover-Modell mit 100 Schulen unter einer Trägerlizenz zeigt, wohin sich der Markt entwickelt.

Schulleitungen mit Analyseinteresse: Wer wissen will, welche Lehrkraft tatsächlich wie viele Vertretungsstunden trägt, ob das Deputat eingehalten wird, wo die Belastungsspitzen liegen, bekommt mit WebUntis-Daten die Grundlage. Die Auswertung selbst passiert allerdings meist außerhalb des Tools.

IT-affine Schulen mit eigenem KI-Interesse: Wer Schul-spezifische ML-Modelle aufbauen will (z. B. Vorhersage von Vertretungsbedarf, automatisierte Schichtempfehlungen, Anomalie-Erkennung bei Fehlzeiten), bekommt über die API die nötigen Rohdaten, in einer Qualität und Struktur, die in vielen deutschen Schulsystemen sonst nicht existieren.

Weniger geeignet für: Kleine Grundschulen mit überschaubarer Planung (Schulmanager Online oder Excel reichen meist), Schulen, die primär Eltern-Kommunikation suchen (Sdui, Schoolfox sind dafür spezialisiert), Anwender, die eine “KI-Schulsoftware” out of the box erwarten (gibt es bei WebUntis nicht), und Träger ohne IT-Begleitung für die API-Nutzung.

Preise im Detail

Modul / Variante	Preis	Was du bekommst
Untis Stundenplan (Desktop)	Schullizenz auf Anfrage	Klassische Stundenplanung, einmalig oder im Wartungsvertrag
WebUntis Basis	Schullizenz auf Anfrage	Browserzugriff für Lehrkräfte, Eltern, Schüler; Vertretungsplan-Anzeige
WebUntis Module (Klassenbuch, Kursanmeldung, Mitteilungen, Termin, Buchung, Schulbuch, Anmeldung, Tagesunterricht …)	jeweils separat	Modulare Erweiterungen, Schule zahlt nur, was sie nutzt
Schulträger-/Bezirkslizenz	Mengenrabatt	Für mehrere Schulen unter einem Träger; Beispiel Hannover (100 Schulen)
Hochschullizenz	Eigene Preisliste	Komplexere Mengen-/Personenstruktur

Einordnung: WebUntis veröffentlicht kein öffentliches Pricing. Schulen und Träger müssen ein Angebot anfragen, was im Schulkontext üblich ist, im KMU-Vergleich aber intransparent wirkt. Die tatsächlichen Kosten hängen stark von Schulgröße, Modulwahl und Trägerverband ab. In Anwenderberichten liegt eine durchschnittliche Schullizenz für eine deutsche weiterführende Schule mit den üblichen Modulen (Klassenbuch + Vertretung + Mitteilungen) im niedrigen vierstelligen Bereich pro Jahr, was angesichts der Marktposition und der DSGVO-Konformität fair ist. Für kleine Grundschulen kann das Verhältnis kippen; dort sind günstigere Alternativen oft vernünftiger.

Stärken im Detail

Marktführer mit jahrzehntelanger Reife. Untis ist in Deutschland, Österreich und der Schweiz nahezu flächendeckend in weiterführenden Schulen im Einsatz. Über 30.000 Bildungseinrichtungen weltweit, eine etablierte Lehrerakademie, ein dichtes Netz von Schulungspartnern und ein Produkt, das die fachlichen Eigenheiten der DACH-Schulorganisation kennt (Halbjahre, Profile, Wahlpflichtbereiche, Lehrerdeputate, Mehrarbeitsregelungen). Das ist kein Glamour-Faktor, aber für ein Schulsystem ist Stabilität wichtiger als Marketing-Innovation.

EU-Datenhosting und ISO-27001-Zertifizierung. Untis ist ein österreichisches Unternehmen, die Daten liegen in europäischen Rechenzentren, ISO 27001 ist 2025 erneut zertifiziert worden. Für Schulen und Schulträger, die als öffentliche Stellen besonders strenger DSGVO unterliegen, sind das oft formale Mindestkriterien, die viele US-EdTechs schlicht nicht erfüllen.

Offene API als KI-Hebel. Das JSON-REST-API ist dokumentiert, es existieren Open-Source-Bibliotheken (Python, Node.js, etwa das webuntis-npm-Paket, und Java). Damit lassen sich Vertretungsdaten, Stundenpläne und Anwesenheiten programmatisch auslesen und in beliebige Auswertungen, Power-BI-Dashboards oder eigene KI-Modelle einspeisen. Das ist der Punkt, an dem WebUntis für die KI-Welt relevant wird, auch ohne native KI.

Substitutionsstatistik und Soll-Ist-Vergleich eingebaut. Wer als Schulleitung wissen will, wer im Schuljahr wie viele Vertretungsstunden hatte, bekommt das ohne Programmierkenntnisse aus den Bordmitteln. Auch ein wochenweiser Soll-Ist-Abgleich der gehaltenen Unterrichtsstunden ist möglich. Das ist die Grundlage für jede ernstgemeinte Personalplanung, ohne diese Datenbasis bleibt jede Diskussion über “gerechte Verteilung” anekdotisch.

Modulares Lizenzmodell. Statt einer All-inclusive-Lizenz zahlen Schulen nur die Module, die sie wirklich nutzen. Klassenbuch, Vertretung, Mitteilungen, Kursanmeldung, Buchung, Schulbuchverwaltung, alles separat zubuchbar. Das macht die Einstiegshürde für kleinere Schulen niedriger und erlaubt schrittweisen Ausbau.

Etablierter Support und Schulungspartner. Untis betreibt eine eigene Lehrerakademie, in den meisten Bundesländern gibt es spezialisierte Berater und Schulungspartner. Das ist im Schulkontext (wenig IT-Personal, hohe Mitarbeitendenfluktuation, Schuljahresrhythmus) ein praktischer Vorteil gegenüber jüngeren Wettbewerbern.

Trägermodelle für ganze Bezirke. Das Hannover-Modell (100 Schulen unter einer Trägerlizenz) zeigt, wie sich die Plattform für kommunale Träger skalieren lässt, mit Mengenkonditionen, zentralem Support und konsolidierter Datenbasis. Für KI-Anwendungen auf Träger-Ebene ist das die einzige saubere Konfiguration.

Schwächen ehrlich betrachtet

Keine native KI in WebUntis. Das ist die wichtigste Klarstellung: WebUntis selbst hat (Stand Mai 2026) keine generativen KI-Assistenten, keine automatisierte Stundenplan-Optimierung mit ML, keine Predictive-Vertretungsplanung. Was die Software anbietet, ist klassische deterministische Schulverwaltung. KI-Relevanz entsteht ausschließlich über den Datenexport in nachgelagerte Tools, und genau aus diesem Grund nehmen wir WebUntis als datenseitig relevantes Werkzeug auf, nicht als KI-Produkt im engeren Sinne.

Kein zentrales Multi-Schul-Reporting. Auch in Trägermodellen sind die Daten je Schule getrennt. Wer einen schulübergreifenden Vergleich (Vertretungsquote in Klassenstufe X über alle Realschulen einer Stadt) braucht, muss die Daten manuell oder per API in ein externes BI-Tool zusammenführen. Das ist machbar, aber nicht trivial und nicht in der Lizenz inkludiert.

API-Zugriff verlangt Entwickler-Skills. Die API ist offen, gut, aber rohe REST-Schnittstelle. Ohne mindestens einen Mitarbeitenden oder Dienstleister mit Python-/JavaScript-Kenntnissen bleibt das theoretisch. Die meisten Schulen haben diese Ressource nicht, was den realen Wert der API-Öffnung für kleine Häuser einschränkt.

Intransparentes Pricing. Es gibt keinen Preisrechner, keine öffentliche Liste. Jeder Lizenzvergleich ist ein Vertriebsprozess, was im Schulmarkt üblich, aber im KMU-Vergleich altmodisch wirkt. Für Schulträger ist das handhabbar, für interessierte einzelne Schulen eher hinderlich.

Datenmodule sind nicht automatisch vernetzt. Stundenplan, Vertretung, Anwesenheit, Klassenbuch, alles existiert, aber Auswertungen über Modulgrenzen hinweg (z. B. “Welche Lehrkraft hat überproportional viele Vertretungsstunden in Klassen mit hoher Krankenstandsquote?”) sind nicht out-of-the-box möglich. Das erfordert Datenintegration außerhalb von WebUntis.

Innovationsgeschwindigkeit eher gemächlich. Untis dominiert den Markt, und entsprechend gemächlich entwickelt sich das Tempo neuer Funktionen. Wettbewerber wie Sdui (Schulkommunikation), Schulmanager Online (kompakte Komplettlösung) oder edupool wirken in UX und Modernisierung agiler, kommen aber funktional an die Stundenplan-Tiefe von Untis (noch) nicht heran.

KI-Lücke wird auffälliger. Mit jeder Monat, in dem andere EdTech-Anbieter generative KI in Lehrerassistenz, Unterrichtsplanung und Lernanalyse integrieren, fällt das Fehlen entsprechender Funktionen bei WebUntis stärker auf. Bislang gibt es keine öffentliche Roadmap, die KI-Integration als Priorität markiert.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Eltern-Schüler-Kommunikation in den Mittelpunkt stellst	Sdui oder Schoolfox (keine eigenen Seiten bei uns)
Eine kompakte Komplettlösung für kleine Schulen suchst	Schulmanager Online (keine eigene Seite bei uns)
Aus WebUntis-Daten KI-Auswertungen bauen willst	Power BI plus Python oder Claude
KI-gestützte Unterrichtsplanung suchst	ChatGPT oder Claude für Lehrkräfte separat

Erwähnenswert ohne eigene Tool-Seite: edupool, Vidis (Bundes-EdTech-Föderationsdienst), iServ (insbesondere in Niedersachsen verbreitet), itslearning, Microsoft Teams for Education. In der Disziplin Stundenplanung bleibt Untis/WebUntis weitgehend konkurrenzlos, die Alternativen sind eher komplementäre Werkzeuge für angrenzende Aufgaben (Kommunikation, Lernmanagement, KI-Assistenz für Lehrkräfte). Wer WebUntis ersetzen will, sucht in der Regel keinen Ersatz, sondern eine Funktion, die WebUntis nicht abdeckt.

So steigst du ein

Schritt 1: Wenn deine Schule WebUntis schon nutzt, logge dich als Administrator oder Schulleitung ein und prüfe unter “Statistiken” die eingebauten Auswertungen. Die Substitutionsstatistik (Vertretungsstunden pro Lehrkraft, frei wählbarer Zeitraum) ist sofort nutzbar und liefert oft erste, überraschende Erkenntnisse über die tatsächliche Belastungsverteilung im Kollegium.

Schritt 2: Exportiere die für dich relevanten Datensätze als CSV (in den meisten Statistikansichten verfügbar). Lade die Daten in Power BI oder Excel und erstelle dein erstes Schulleitungs-Dashboard, Vertretungen, Klassenstärken, Soll-Ist-Vergleiche nebeneinander. Schon dieser einfache Schritt schafft eine personenbezogene Gesamtschau, die WebUntis selbst nicht bietet.

Schritt 3: Für tiefere Auswertungen und KI-Anwendungen die API-Anbindung einplanen. Open-Source-Bibliotheken (Python webuntis, npm webuntis) erleichtern den Einstieg, aber du brauchst mindestens einen technischen Ansprechpartner, entweder im Haus oder über einen Schulträger-IT-Dienstleister. Ein realistisches erstes KI-Projekt: Predictive-Modell für Vertretungsbedarf der Folgewoche auf Basis der historischen Vertretungs- und Krankheitsdaten. Beginne klein, mit einem Schuljahr Daten, einem Klassiker wie Random Forest, und ehrlicher Evaluation.

Ein konkretes Beispiel

Eine Gesamtschule in Nordrhein-Westfalen mit 62 Lehrkräften nutzt WebUntis seit acht Jahren für Stundenplanung und Vertretungsverwaltung. Die Schulleitung exportiert monatlich die Substitutionsstatistik als CSV und lädt diese in eine Excel-Auswertung. Nach einem halben Schuljahr zeigt sich: Drei Lehrkräfte haben jeweils mehr als doppelt so viele Vertretungsstunden übernommen wie der Durchschnitt, eine Verteilung, die im Tagesgeschäft niemandem aufgefallen war. In einem Folgeprojekt baut der IT-Beauftragte der Schule ein Python-Skript, das über die WebUntis-API wöchentlich Vertretungs-, Anwesenheits- und Stundenplandaten in ein Power-BI-Dashboard zieht. Auf dieser Basis trainiert er gemeinsam mit einem Lehrer-Datenanalyse-Team ein einfaches ML-Modell, das den voraussichtlichen Vertretungsbedarf der Folgewoche prognostiziert. Im zweiten Schuljahr lassen sich Vertretungsspitzen früher erkennen und gerechter verteilen. Mehraufwand: rund 30 IT-Stunden initial, 1 Stunde Pflege pro Woche. Effekt: messbar entlastete Dauervertreter, sichtbarere Personalplanung. WebUntis selbst tut hier nichts „Intelligentes”, aber liefert die Datengrundlage, ohne die nichts davon möglich wäre.

DSGVO & Datenschutz

• Anbieter: Untis GmbH, Stockerau, Österreich. Europäisches Unternehmen, EU-Recht direkt anwendbar.
• Datenhosting: EU-Rechenzentren. Kein Routing über US-Server in der Standardkonfiguration.
• Zertifizierungen: ISO 27001 (2025 erneuert), DSGVO-konforme Verarbeitung, Anbieter veröffentlicht Datenschutzhinweise und Trust-Informationen.
• Auftragsverarbeitung (AVV): Standard für jede Schullizenz. Deutschsprachige Fassung Standard. Für Schulträger eigenes Vertragswerk mit Mengenkonditionen.
• Datennutzung: Untis verarbeitet die Daten ausschließlich im Auftrag der jeweiligen Schule. Keine Weitergabe an Dritte für Werbe- oder Trainingszwecke.
• Pflichten der Schule: Schulen bleiben Datenverantwortliche im Sinne der DSGVO. Sie sind verpflichtet, Eltern und Schüler über die Verarbeitung zu informieren, Auskunftsrechte zu gewährleisten und Löschkonzepte zu implementieren. WebUntis stellt die technischen Mittel dafür bereit.
• Empfehlung für KI-Workflows: Wenn WebUntis-Daten in nachgelagerte KI-Tools fließen, muss jede Weiterverarbeitung in der DSFA dokumentiert sein. Besonders kritisch: Verarbeitung personenbezogener Lehrerdaten in US-Cloud-LLMs (ChatGPT, Claude) ohne anonymisierende Vorverarbeitung, das ist im Schulkontext praktisch immer ein Datenschutzproblem.

Gut kombiniert mit

• Power BI, WebUntis liefert die Schulverwaltungs-Rohdaten, Power BI baut daraus ein Schulleitungs-Dashboard. Klassische BI-Kombination, ohne die der Datenexport im CSV-Stapel verharrt.
• Python, für jede ernstgemeinte ML-Anwendung auf WebUntis-Daten (Predictive Vertretungsplanung, Anomalie-Erkennung bei Fehlzeiten, automatisierte Schichtempfehlungen). Open-Source-Bibliotheken erleichtern den Einstieg erheblich.
• Claude, für die Analyse anonymisierter Schulverwaltungsdaten und das Verfassen von Berichten an Schulgremien. Lehrer-Datenanalyse-Teams können mit Claude komplexe Auswertungen sprachlich aufbereiten, bei sorgfältiger Anonymisierung der Personenbezüge vor dem Prompt.

Unser Testurteil

WebUntis verdient 4 von 5 Sternen, mit einer wichtigen Einordnung: Das gilt für seine Kernfunktion (Stundenplanung und Schulverwaltung). Als reines Stundenplan- und Vertretungstool ist WebUntis in DACH praktisch alternativlos für weiterführende Schulen; die Reife, die EU-Datenhaltung und die ISO-Zertifizierung machen es zur seriösen Wahl. Den fünften Stern verliert es durch das Fehlen nativer KI-Funktionen, das intransparente Pricing, die für kleine Schulen aufwendige API-Nutzung und die spürbar gemächliche Innovationsgeschwindigkeit. Aus reiner KI-Perspektive, die wir hier anlegen, ist WebUntis nicht das KI-Tool, sondern die datenseitige Voraussetzung für KI-Anwendungen im Schulwesen. Wer die Daten exportieren und in nachgelagerten Tools verarbeiten will, bekommt eine der saubersten verfügbaren Datengrundlagen im deutschsprachigen Bildungswesen. Wer eine KI-Schulsoftware out of the box sucht, ist hier falsch.

Was wir bemerkt haben

• 2025, Untis erneuert seine ISO-27001-Zertifizierung und positioniert sich aktiv als DSGVO- und Datenschutz-Anker im Schul-EdTech-Markt. In einem Markt, in dem viele Anbieter US-Cloud-basiert arbeiten, ist das ein bewusst gepflegter Differenzierungs-Punkt.
• 2025, Pilotprojekt mit Bremen zur digitalen Arbeitszeiterfassung für Lehrkräfte gestartet. Aus den Daten dieser Erfassung könnten mittelfristig spannende Analytics- und KI-Anwendungen entstehen, vorausgesetzt, die Untis-Roadmap nimmt KI ernster, als sie es heute tut.
• 2024–2026, Hannover wechselt mit 100 Schulen unter eine zentrale Trägerlizenz. Das ist Modell-bildend für andere Großstädte und Bezirke, und verändert die Wirtschaftlichkeit der Untis-Nutzung für kommunale Träger erheblich.
• 2024–2026, Wettbewerber wie Sdui (Schulkommunikation), Schoolfox und Schulmanager Online holen funktional auf, vor allem im Bereich Eltern-Schüler-Kommunikation und Komplettlösungen für kleinere Schulen. Untis behält die Spitze bei der Stundenplanung, verliert aber in Komfort und UX Punkte gegenüber jüngeren Plattformen.
• Mai 2026, Keine öffentliche Ankündigung generativer KI-Funktionen direkt in WebUntis. Im sich rasch entwickelnden EdTech-Markt ist das auffällig, und macht WebUntis aus KI-Sicht zur „Datenbasis”, nicht zum „KI-Tool”. Wir empfehlen, diese Einordnung in jedem internen KI-Roadmap-Gespräch zu führen, um keine falschen Erwartungen aufzubauen.