Die Nutzung von Large Language Models (LLM) wie ChatGPT im schulischen Kontext birgt große Potenziale, insbesondere für eine personalisierte Lernbegleitung oder zeitnahes Feedback. Allerdings ist die erfolgreiche und lernwirksame Nutzung von Tools, die auf künstlicher Intelligenz (KI) basieren, nicht voraussetzungsfrei. Vielmehr ist diese stark von personenbezogenen Merkmalen der Schüler:innen – insbesondere von ihren sprachlichen Kompetenzen – abhängig. Dies schlägt sich auch in ersten empirischen Befunden nieder, die zeigen, dass eine schulische LLM-Nutzung nicht unbedingt kompensatorisch wirkt, sondern zum Digital Divide beitragen könnte. Der vorliegende Beitrag illustriert die Effekte sprachlich unterschiedlicher Ausgansvoraussetzungen bei der LLM-Nutzung anhand von Chatverläufen von Schüler:innen und formuliert auf Basis dieser Beispiele Empfehlungen für die Gestaltung von Eingabeaufforderungen (Prompts). Ziel ist hierbei, einer KI-basierten Verstärkung von Bildungsungleichheiten entgegenzuwirken und eine gewinnbringende sowie lernförderliche LLM-Nutzung für alle Schüler:innen zu ermöglichen, indem diese auch im Deutschunterricht angebahnt wird.