KI-Feedback für Studierende — nüchtern betrachtet.

Sprachmodelle sind gut in strukturellen Urteilen über Text. Ob eine Fragestellung eingegrenzt ist, ob auf eine Behauptung ein Beleg folgt, ob das Fazit etwas schließt oder nur wiederholt, ob ein Abschnitt zum angekündigten Thema gehört — das sind Muster, und Muster erkennen sie verlässlich.

Dazu kommt eine Eigenschaft, die kein Mensch mitbringt: Ermüdungsfreie Wiederholung. Die zwölfte Fassung wird mit derselben Aufmerksamkeit gelesen wie die erste, um drei Uhr nachts genauso wie am Vormittag. Für Studierende ist genau das der eigentliche Gewinn — nicht die Qualität einer einzelnen Rückmeldung, sondern dass es überhaupt eine gibt, bevor abgegeben wird.

Die gefährlichste Eigenschaft von KI-Feedback ist nicht, dass es falsch liegt, sondern dass es souverän klingt, während es falsch liegt. Drei Fälle sollte man kennen:

• Fachliche Richtigkeit

  Ob eine Aussage im Fach stimmt, ist keine Textfrage. Ein Modell kann einen sauber formulierten, gut belegten und inhaltlich falschen Absatz für gelungen halten. Die fachliche Prüfung bleibt bei Menschen.

• Quellen

  Ein Modell sieht, ob zitiert wird, und ob das Format einheitlich ist. Ob es die Quelle gibt und ob sie das hergibt, was ihr zugeschrieben wird, sieht es nicht.

• Anspruchsniveau

  „Gut für eine Proseminararbeit“ und „gut für eine Masterarbeit“ sind verschiedene Maßstäbe. Ohne hinterlegte Kriterien rät ein Modell — und rät tendenziell zu freundlich.

Aus dem dritten Punkt folgt die wichtigste Konstruktionsregel: KI-Feedback wird brauchbar in dem Maß, in dem der Maßstab von außen kommt. Ohne Rubrik bewertet das Modell nach einem Durchschnitt, den niemand bestellt hat.

Es gibt dafür ein pädagogisches und ein rechtliches Argument, und beide zeigen in dieselbe Richtung.

Pädagogisch: Eine Note ist eine Entscheidung über einen Menschen, getroffen von jemandem, der den Kurs kennt, den Anspruch gesetzt hat und dafür einsteht. Ein Modell kennt weder den Kurs noch den Anspruch, sondern nur den Text vor sich. Rechtlich: Eine Prüfungsentscheidung braucht eine verantwortliche Person, und die Bewertung muss sich begründen und anfechten lassen.

Praktisch heißt das: Was ein Werkzeug liefert, ist eine Einordnung entlang der Kriterien — eine Voranalyse. Die Bewertung bleibt bei der Lehrperson, die dieselbe Rubrik vor sich hat und abweichen kann. In LearningArc ist das keine Empfehlung, sondern gebaut: Es gibt keinen Weg, auf dem eine Modellausgabe zu einer Note wird.

Vier Festlegungen entscheiden darüber, ob KI-Feedback im Kurs funktioniert oder Ärger macht:

• Der Maßstab ist Ihrer.

  Das Werkzeug prüft gegen die hinterlegte Rubrik, nicht gegen eine allgemeine Vorstellung von gutem Schreiben.

• Der Zeitpunkt liegt vor der Abgabe.

  Feedback auf einen Entwurf ist Lernhilfe, Feedback auf die Endfassung ist Notenbegründung. Nur das erste ändert etwas.

• Es ist offen kommuniziert.

  Studierende müssen wissen, dass und wie KI beteiligt ist, welche Daten dabei verarbeitet werden und dass die Note davon unberührt bleibt.

• Der Datenweg ist geklärt.

  Wohin der Text geht, wer ihn sehen kann, was gespeichert wird — das gehört beantwortet, bevor der erste Entwurf hochgeladen wird.

Zum letzten Punkt: In LearningArc verlassen keine personenbezogenen Daten von Studierenden den Kurs Richtung Modell — in den Prompt gehen der Entwurfstext und die Rubrik, nicht Name, Matrikelnummer oder E-Mail-Adresse. Betrieb und Datenbank liegen in der EU-Region Frankfurt. Die Einzelheiten stehen unter Datenschutz und EU-Hosting.

KI-Feedback ist kein Schreibservice. Wer sich Formulierungen liefern lässt, gibt einen Text ab, der nicht seiner ist — mit allen prüfungsrechtlichen Folgen, die das an der eigenen Hochschule hat. Wer sich Rückmeldung auf einen selbst geschriebenen Entwurf holt, macht dasselbe wie jemand, der eine Freundin um Gegenlesen bittet.

Der praktische Unterschied liegt in der Frage, die man stellt. „Schreib mir die Einleitung“ führt in die erste Kategorie. „Erfüllt meine Einleitung das Kriterium Fragestellung und These?“ in die zweite. Ein kriterienbasiertes Werkzeug lässt ohnehin nur die zweite Frage zu: Es bekommt den fertigen Entwurf und antwortet entlang der Rubrik, es schreibt nicht mit.