Vol. I · 2026 Bedienungsanleitung
Bedienungsanleitung · Klassenarbeiten Tool

Handbuch.

Wie die fünf Werkbänke funktionieren, was sie leisten, und wie Daten zwischen ihnen wandern.

01 · Konzept

Fünf Werkbänke, ein Workflow.

Das Klassenarbeiten Tool besteht aus fünf eigenständigen Werkzeugen. Vier bilden zusammen den vollen Workflow einer schriftlichen Klassenarbeit ab, von der ersten Reflexion bis zur Rückmeldung; die Sprechprüfung ist die mündliche Alternative, die eine Klassenarbeit ersetzen kann. Jedes Modul funktioniert für sich, kann aber mit den anderen verkettet werden. Planer, Builder und Feedback unterstützen sowohl die Sekundarstufe I (Noten 1–6) als auch die gymnasiale Oberstufe (Notenpunkte 00–15); der Modus wird pro Projekt gewählt (siehe Kapitel Planen).

Die fünf Werkbänke im Überblick

01 · Reflektieren
Planen
Eine KA gedanklich strukturieren: Kompetenzen, Items, AFB, Verstehensebenen, Bewertungsplan. Vor dem Ausformulieren der Aufgaben.
02 · Erstellen
Bauen
Aus dem Plan werden konkrete Aufgaben: Texte, Items mit Distraktoren, Erwartungshorizont, Word-Export.
03 · Digitalisieren
Transkribieren
Handschriftliche Schülertexte als Foto erfassen und mit KI-Hilfe in lesbaren Text überführen.
05 · Mündlich prüfen
Sprechprüfung
Die Sprechprüfung als Ersatz für eine Klassenarbeit: Aufgabensets (Interview, Monolog, Dialog) bauen, Paare auslosen, Zeitplan und kriterienbasierte Bewertung (GeR-Raster), komplettes Set als Word-ZIP.

Wie Daten zwischen den Modulen wandern

Die Module reden nicht direkt miteinander, sondern über JSON-Dateien, die manuell zwischen ihnen weitergegeben werden. Das hat zwei Gründe: Eigenständigkeit (jedes Tool funktioniert auch ohne die anderen) und Datenschutz (man hat die Hoheit über die Datei und kann sie löschen, wann man will).

Eine Plan-JSON aus dem Planer enthält etwa folgende Struktur (gekürzt):

{ "schemaVersion": 2, "stage": "planung", "metadaten": { "titel": "KA Year 8 · School Life", "sprache": "EN", "jahrgang": "8", "niveau": "B1", "klasse": "8c" }, "kompetenzen": ["LV", "SCH"], "aufgaben": [ /* … */ ] }

Diese Datei lädt man in den Builder hoch, der die Plan-Daten übernimmt und die konkrete Aufgabenerstellung darauf aufbaut. Der Builder erweitert die JSON um Volltexte, Items und Erwartungshorizonte und exportiert dann Word-Dokumente plus eine erweiterte JSON für das spätere Feedback-Modul.

Wo Daten gespeichert werden

Sämtliche Daten der Tools liegen im Browser, genauer gesagt in einer technischen Schublade namens IndexedDB. Diese Schublade gehört zur Browser-Installation und ist an Browser, Gerät und Profil gebunden. Wenn man auf einem Schulrechner arbeitet und am nächsten Tag zu Hause weitermachen möchte, exportiert man die Datei als JSON, schickt sie sich selbst per E-Mail oder Cloud-Speicher und lädt sie zu Hause wieder ein.

Datenschutz: Es werden keine Schülerdaten an externe Server gesendet. Schriften (Google Fonts) werden zwar von einem CDN geladen, enthalten aber selbstverständlich keine Inhalte. Wenn KI-Funktionen genutzt werden (etwa für Distraktoren-Vorschläge im Planer), passiert das ausschließlich auf explizite Aktion und mit eigens eingegebenem API-Key oder per kopiertem Prompt.
02 · Planen

Eine KA vordenken.

Der Planer ist ein Reflexionswerkzeug. Bevor die erste Aufgabe formuliert wird, hilft er dabei, die Klassenarbeit erlasskonform zu strukturieren: Kompetenzen, Items, Verstehensebenen, Anforderungsbereiche, Gewichtung. Was hier gut durchdacht ist, spart im Builder später viel Korrekturschleifen.

Beispiel-KA, das durch die Anleitung zieht

Year 8 · Klasse 8c · Englisch · B1 · Thema „School Life in the English-speaking world". Geplant sind 90 Minuten Bearbeitungszeit, eine rezeptive Kompetenz (Leseverstehen) und eine produktive Kompetenz (Schreiben).

Was der Planer leistet

Der Planer fragt in vier Schritten alle Größen ab, die für eine erlasskonforme KA nötig sind, und prüft jede Eingabe live gegen den Erlass des MK Niedersachsen von 2015 sowie die ergänzenden Hinweise vom 22.11.2018. Die Prüfungen erscheinen rechts in der Sidebar als „Erlasskonformität"-Block.

Was der Planer nicht tut: keine Volltext-Aufgaben formulieren, keine Hör- oder Lesetexte erfassen, keinen Erwartungshorizont schreiben. Das alles ist Sache des Builders.

Ablauf in vier Schritten

  1. Rahmenbedingungen

    Im ersten Schritt werden Titel, Datum, Sprache, Jahrgang, Niveau, Klasse und Themenfeld eingetragen. Optional kommen Schule und Lehrkraft dazu (für den späteren Word-Header).

    Im Beispiel: KA 2 · Year 8 · School Life als Titel, EN als Sprache, B1 als Niveau, 8c als Klasse.

  2. Teilkompetenzen

    Pro Spalte (rezeptiv, produktiv) lässt sich genau eine Kompetenz wählen. Eine KA kombiniert in der Regel eine rezeptive (HV / HSV / LV) mit einer produktiven (SCH / SM) Teilkompetenz, mehr als zwei sind nach KC ausgeschlossen.

    Im Beispiel: Leseverstehen (LV) und Schreiben (SCH).

    Hinweis: Sobald eine Kompetenz aktiviert wird, wird automatisch eine erste Teilaufgabe in Schritt 3 angelegt. Bei rezeptiven Kompetenzen können beliebig viele weitere Teilaufgaben hinzukommen, bei produktiven bleibt es bei einer.

  3. Aufgaben planen

    Die Aufgaben werden nach Kompetenz gruppiert dargestellt. Bei Leseverstehen kann es etwa drei Teilaufgaben geben, jede mit einem eigenen Text und eigener Itemgruppe. Bei Schreiben gibt es nur eine Aufgabe.

    Pro Teilaufgabe sind diese Größen einzutragen:

    • Geplante Punkte (BE): nur bei rezeptiven Aufgaben, ganzzahlig.
    • Geplante Zeit: Minuten, sollte zusammen mit den anderen Aufgaben in etwa der Gesamtzeit entsprechen.
    • Verstehensebenen (rezeptiv): Globalverstehen, Selektivverstehen, Detailverstehen. Eine valide Prüfung deckt mehrere Ebenen ab, die Verteilung kann auf die Teilaufgaben verteilt werden.
    • Items pro Format (rezeptiv): wie viele Multiple-Choice, Kurzantworten, Zuordnungen, Tabellenvervollständigungen, und beim Leseverstehen zusätzlich Richtig/Falsch mit Beleg.
    • Texteinheiten (rezeptiv): wie viele Texte für diese Teilaufgabe.
    • Textsorte, Operator, AFB, Adressat, Kontext (produktiv): siehe Tipps in der Sidebar.
    • Bewertungsplan (produktiv): eigene Gewichtung Inhalt/Sprache, geplante Kriterien, Ziel-Niveau.
    Wichtig zum Verständnis der Mindestmengen: Die Item-Mindestanzahl je Niveau (B1: mindestens 22) gilt aggregiert über alle Teilaufgaben einer rezeptiven Kompetenz. Drei LV-Teilaufgaben mit je 8 Items ergeben 24 Items insgesamt, also erlasskonform, auch wenn die einzelne Teilaufgabe für sich allein die 22 nicht erreicht.

  4. Bewertungsrahmen

    Im vierten Schritt wird der KA-weite Rahmen festgelegt: Skala (Sek I 1–6 oder Sek II 0–15) und Gewichtung Inhalt/Sprache. Diese gilt als Default für alle produktiven Aufgaben, kann aber pro Aufgabe in Schritt 3 überschrieben werden.

    Das eigentliche Bewertungsraster wird im Builder erstellt, der Planer hält nur den Rahmen fest.

Validator: drei Schweregrade

Rechts in der Sidebar erscheinen Hinweise zu allem, was nicht ganz erlasskonform aussieht:

Jeder Hinweis verweist auf seine Quelle (KC, Erlass, Materialband). Über die kleinen ↗ Quelle-Links lässt sich die jeweilige Stelle im Kompendium-Popup nachlesen.

Testtheorie- und Planungs-Tipps

Unter dem Validator erscheint je nach Auswahl eine Tipps-Karte mit didaktischen Hilfsmitteln: Distraktoren bei Multiple Choice, Authentische Kommunikationssituation beim Schreiben, Sprachmittlung als adressatenorientierte Aufgabe, und so weiter. Jede Tipps-Karte hat einen Prompt-Vorlage-Knopf: Mit einem Klick wird ein vorgefertigter, auf die aktuelle KA zugeschnittener Prompt in die Zwischenablage kopiert. Den kann man dann in das KI-Werkzeug der Wahl (fobizz, ChatGPT, Claude) einfügen, um zum Beispiel Distraktoren oder Beispielaufgaben generieren zu lassen.

Sek I und Sek II: der Modus

Der Planer kennt zwei Regelwerke. Für die Sekundarstufe I gelten die Kerncurricula und der Erlass von 2015; für die gymnasiale Oberstufe schaltet der Planer auf ein zweites Regelwerk um. Der Modus wird pro Projekt festgelegt (Feld Skala im Bewertungsrahmen) und ab Jahrgang 11 automatisch vorbelegt; er lässt sich jederzeit im Planen-Schritt umschalten.

In Sek II erscheinen zwei zusätzliche Felder:

Was sich in Sek II ändert
  • Punktesystem: Notenpunkte 00–15 statt Noten 1–6; „ausreichend" = 05 Punkte. (§ 7 Abs. 2 VO-GO)
  • Rezeptive Aufgaben: Umrechnung über die Abitur-Prozentkurve (45 % = 05, 75 % = 11 Punkte). (ZA-Erlass fortgef. FS)
  • Produktive Aufgaben: Gewichtung Sprache 60 % / Inhalt 40 %. (ZA-Erlass fortgef. FS)
  • Anforderungsbereiche: alle drei vertreten, Schwerpunkt AFB II (gA akzentuiert I+II, eA II+III); keine Prozentquote. Der Planer schlägt den AFB passend zum gewählten Operator vor. (Bildungsstandards fortgef. FS)
  • Klausurdauern: E-Phase bis 2 Unterrichtsstunden, Q-Phase eA 2–4 / sonst 2–3 Stunden; unter Abiturbedingungen die festen Abitur-Minuten. Der Validator warnt außerhalb des Rahmens. (EB-VO-GO Nr. 8.13/10.9)
Belegt, nicht geraten: Alle Sek-II-Regeln stammen aus den niedersächsischen Vorgaben (VO-GO/AVO-GOBAK, ZA-Erlass, Kerncurricula Oberstufe, KMK-Bildungsstandards). Wo die Vorgaben nur einen Rahmen setzen (etwa Klausurdauern), warnt der Planer, statt hart zu blockieren.

Speichern und Exportieren

Der Planer speichert automatisch im Browser, ein „Speichern"-Knopf ist nicht nötig. Nach jeder Eingabe wird mit kleiner Verzögerung ins lokale IndexedDB geschrieben. Beim erneuten Öffnen ist der Plan da.

Drei Export-Formate stehen zur Verfügung:

Planen öffnen →

03 · Bauen

Aus dem Plan wird eine echte KA.

Der Builder ist die Werkbank, an der konkrete Aufgaben entstehen: Hör- und Lesetexte, Items mit Distraktoren, Schreibanlässe mit Adressat, Sprachmittlungstexte, Erwartungshorizonte. Am Ende stehen drei Word-Dokumente, die direkt ausgedruckt oder weiter angepasst werden können.

Plan importieren oder leer beginnen

Beim ersten Aufruf gibt es zwei Möglichkeiten: einen Plan aus dem Planer importieren (Knopf Plan importieren) oder eine leere KA neu anlegen. In beiden Fällen erscheint danach im linken Editor eine Reiterleiste mit allen Aufgaben (rezeptive Aufgaben zuerst, produktive danach).

Beispiel: Import aus dem Plan

Die Plan-JSON aus dem vorherigen Abschnitt enthält zwei Aufgaben (LV und SCH). Beim Import erzeugt der Builder zwei Tabs in der Aufgaben-Reiterleiste: LV·1 und SCH. Die Plan-Items (etwa „6 MC, 4 KA") sind als Plan-Vorgaben sichtbar, müssen aber jetzt konkret befüllt werden.

Aufgaben füllen

Pro Aufgabe sind verschiedene Felder anzulegen:

Aufgabenstellung

Der Volltext, wie ihn die Schülerinnen und Schüler lesen sollen. In der Zielsprache. Pflichtfeld.

Texteinheiten (rezeptiv)

Pro rezeptive Aufgabe lassen sich beliebig viele Texte erfassen. Jede Texteinheit hat einen Kurztitel (z. B. „Radio interview, Part 1") und den Volltext. Beim Word-Export werden die Texte sauber gegliedert dargestellt.

Items (rezeptiv)

Items sind die einzelnen Frage-Antwort-Paare. Pro Item wird ein Format gewählt, dann der Stamm formuliert und die Lösung beziehungsweise die Distraktoren angegeben. Auf dem späteren Aufgabenblatt erscheinen die Items in der Reihenfolge, in der sie hier angelegt wurden.

Wer nicht bei null anfangen will, nutzt ✨ Items entwerfen neben „+ Item". Der Knopf liest die eingegebene Texteinheit sowie die geplanten Formate und Verstehensebenen und kopiert einen Prompt; eine KI der Wahl liefert daraufhin im Chat einen Entwurf der Items mit plausiblen, textbasierten Distraktoren. Wie überall in der Werkstatt ist das ein Entwurf, den die Lehrkraft prüft und selbst in die Item-Felder überträgt; nichts wird automatisch übernommen, und die Aufgabe verlässt den Rechner nur, wenn die Lehrkraft den Prompt bewusst in ein KI-Werkzeug einfügt.

FormatWas reinkommt
MC Stamm + 3 bis 4 Antwortoptionen, eine als korrekt markiert. Kein Wahr/Falsch, das ist nicht erlasskonform.
KA Stamm + erwartete Kurzantwort (1 bis 5 Wörter).
ZUO Mehrere Paare aus „Element links" und „Element rechts", die einander zugeordnet werden.
TAB Tabellenzeilen mit einer Vorgabe-Spalte und einer Spalte, die ergänzt werden soll.
RFB Nur bei Leseverstehen: eine Aussage, die richtig oder falsch ist, plus erwarteter Beleg aus dem Text. Das ist nicht mit reinem Wahr/Falsch zu verwechseln, weil die Belegleistung produktiv ist.

Erwartungshorizont (EWH)

Zwei Felder: Inhalt und Sprache. Der Inhalt-Block beschreibt, was sachlich erwartet wird. Der Sprache-Block beschreibt, welche Strukturen, welcher Wortschatz und welche Textsortenmerkmale anvisiert sind. Bei rezeptiven Aufgaben ist der Sprachblock oft kürzer.

Musterlösung (optional)

Eine ausformulierte Beispiellösung. Vor allem bei produktiven Aufgaben hilfreich für die Korrekturschiene.

Notizen (intern)

Freie Notizen, die nicht in die Schülerdokumente kommen. Etwa Korrekturhinweise für sich selbst.

Word-Export: drei Dokumente

Aus der fertig gefüllten KA erzeugt der Builder drei Word-Dateien:

Was im Word-Header steht

Auf jeder Seite der Schüler-Dokumente steht eine Kopfzeile mit Name-Feld (zum Eintragen), Klasse und Datum sowie Seitenzahl. Auf Seite 1 zusätzlich oben: Schule, KA-Titel, Teil-Label und Bearbeitungszeit.

Anpassbar: Die Word-Dateien sind reguläre .docx-Dokumente. Schriftart, Farben, Layout. Alles lässt sich nach dem Export in Word weiter anpassen, falls die Schule eigene Vorlagen hat.

Sidebar-Validator

Auch im Builder läuft eine Vollständigkeitsprüfung. Sie schreit nicht so laut wie der Erlass-Validator des Planers, sondern weist eher hin: „Aufgabenstellung fehlt", „Nur 5 von 22 geplanten Items angelegt", „MC-Item ohne korrekte Antwort markiert". Bei einem Item mit weniger als drei ausgefüllten Optionen wird gewarnt, weil das nicht valide wäre.

Bauen öffnen →

04 · Transkribieren

Handschrift in lesbaren Text.

Die Klausur-Werkbank (Modul 3) unterscheidet sich strukturell von den anderen: Sie ist eine lokale App, die auf dem eigenen Rechner installiert wird, kein Browser-Tool.

Was sie tut

Pro Klausur wird eine Sammlung angelegt. Pro Schülerin oder Schüler werden Foto-Seiten der handgeschriebenen Antwort hinzugefügt. Auf Knopfdruck landet das Bild zusammen mit einem vorbereiteten Prompt in der Zwischenablage. Die eigentliche Transkription erfolgt dann im KI-Werkzeug der Wahl (fobizz, ChatGPT, Claude). Die Antwort wird in den Editor zurückgespielt und korrigiert.

Wer einen eigenen API-Key (Mistral, OpenAI, Anthropic) einsetzen möchte, kann den Bridge-Schritt entfallen lassen, dann läuft die Transkription ohne manuelles Hin und Her. Ein Klassensatz wird dabei in mehreren Bahnen gleichzeitig abgearbeitet, und der Lauf geht im Hintergrund weiter, sodass die ersten Arbeiten schon geprüft werden können, während die übrigen noch gelesen werden. Ein am Kopierer eingelesenes Sammel-PDF teilt sich auf Wunsch selbst auf, wenn beim Scannen je ein leeres Blatt zwischen die Arbeiten gelegt wurde.

Unsichere Stellen prüfen

Wörter, bei denen die KI sich nicht sicher ist, markiert sie im Transkript, statt zu raten. Beim Öffnen einer noch nicht abgeschlossenen Arbeit erscheint dafür eine Prüfleiste über Scan und Text: Sie zeigt die fragliche Stelle im Satzzusammenhang, daneben nummerierte Vorschläge und ein mit dem besten Vorschlag vorbelegtes Eingabefeld. Stimmt der oberste Vorschlag, genügt die Eingabetaste; einen anderen wählt man mit Alt (Mac) bzw. Strg (Windows) und der Ziffer, sonst tippt man das richtige Wort. Die Eingabetaste übernimmt und springt zur nächsten Stelle, Tab und Umschalt-Tab blättern vor und zurück. Die jeweilige Stelle wird im Transkript gelb hervorgehoben und mittig gescrollt.

Die Vorschläge stammen aus drei Quellen: den alternativen Lesarten, die die KI beim Transkribieren gleich mitliefert, dem Themenwortschatz des angedockten Planer-Builds und den bereits geprüften Transkripten der übrigen Schüler:innen derselben Klausur. Die letzte Quelle trägt besonders weit, weil alle zum selben Thema schreiben: ein Fachwort, das anderswo sauber dasteht, ist ein starker Kandidat für dieselbe schwer lesbare Stelle. Diese drei Quellen kosten nichts. Für hartnäckige Fälle lässt sich zusätzlich eine einzelne Stelle gezielt noch einmal an die KI schicken; das ist ein zusätzlicher, kostenpflichtiger Aufruf und wird deshalb ausdrücklich bestätigt.

Datenschutz

Sämtliche Daten verbleiben lokal im Unterordner klausuren/. Klartextnamen werden, sofern überhaupt eingetragen, ausschließlich in einer lokalen meta.json gehalten. An externe Dienste geht ungeachtet dessen ausschließlich die anonyme Schüler-ID. Nach der Notenkonferenz reicht das Löschen des entsprechenden Klausur-Ordners.

Ausführliche Anleitung

Die Klausur-Werkbank hat eine eigene, sehr detaillierte Anleitung mit Installationsschritten für Mac und Windows, Bridge-Modus, API-Modus, Updates und Troubleshooting:

→ Zur Klausur-Werkbank-Anleitung

Den Download und einen Überblick gibt es auf der Werkbank-Startseite.

Browser: Empfohlen wird Chrome. Die Werkbank läuft auch in Safari, Firefox und Edge, aber das Kopieren von Bildern in die Zwischenablage ist erfahrungsgemäß in Chrome am robustesten. Auf Mac startet die Werkbank Safari als Standard; bei Problemen einfach http://127.0.0.1:8765 in Chrome öffnen.
05 · Feedback

Vom Transkript zur Rückmeldung.

Das vierte Modul schließt den Workflow. Es nimmt einen Build aus dem KA-Builder und die Schülertexte entgegen, unterstützt die Lehrkraft bei der Korrektur im Dialog mit einer KI und liefert pro Schüler:in ein Word-Dokument mit strukturiertem Feedback und Arbeitsauftragsblatt. Die Bewertung trifft die Lehrkraft, die KI ist Korreferent.

Didaktische Grundlage

Das Modul setzt das Verfahren der de-implementierten Korrektur um (Truscott 2007 ff.). John Truscotts Meta-Analyse zeigt, dass das verbreitete Anstreichen einzelner Fehler den Lernzuwachs eher verringert als steigert: Lernende, die korrigierte Texte zurückbekommen, verbessern sich in folgenden Textproduktionen geringfügig weniger als Vergleichsgruppen ohne Korrekturen (Effektstärke rund minus 0,2 Standardabweichungen). Die Form der Korrektur (direkt, indirekt, fokussiert, unfokussiert) ändert daran nichts. Wirksam sind stattdessen kommentierende Hinweise zu Inhalt, Klarheit oder wiederkehrenden Fehlerhäufungen, kombiniert mit der Aufforderung zur eigenen Überarbeitung. Die Schüler:innen müssen die konkreten Fehler selbst identifizieren, genau das ist der Lernschritt.

Drei Konsequenzen prägen das Tool:

  • Kein Anstreichen im Schülertext. Stattdessen pro Schüler:in ein strukturiertes Feedback (Stärken zuerst, 2 bis 3 priorisierte Entwicklungsbereiche) plus konkreter Überarbeitungsauftrag.
  • Verpflichtende Überarbeitung. Aufträge wirken nur, wenn die Überarbeitung tatsächlich eingesammelt und besprochen wird. Truscott und Russell/Spada (2006) sind sich an dieser Stelle einig: ohne aktive Auseinandersetzung kein Lernzuwachs.
  • Klassen-Berichtigung als Kern. Die gemeinsame Übung an Häufungsfehlern (Klassenfeedback-Tab im Tool) ist der eigentliche Lernschritt nach der Korrektur, nicht die Rückgabe selbst. Dylan Wiliam dazu prägnant: „Feedback sollte mehr Arbeit für die Empfänger als für die Sender bedeuten."
Warum die KI keine Note vorschlägt

Neben der lernpsychologischen Grundlage gibt es messtheoretische Indizien. Mühlhoff und Quägwer (2026) haben zwei im deutschsprachigen Schulkontext verbreitete KI-Korrektursysteme explorativen Testreihen unterzogen und dabei drei auffällige Muster beobachtet. Erstens streuen die erzeugten Bewertungen erheblich: Identische Texte erhalten bei wiederholter Einreichung Gesamtbewertungen, die um bis zu 35 %-pkt auseinanderliegen, wobei die Streuung gerade bei Texten mittlerer Qualität am größten ausfällt. Zweitens führt die Einarbeitung der maschinell generierten Verbesserungsvorschläge nicht verlässlich zu besseren Bewertungen; die Urteile oszillieren oder verschlechtern sich. Drittens deutet sich an, dass die wörtliche Übernahme der maschinellen Formulierungsvorschläge höher bewertet wird als eine eigenständig formulierte Überarbeitung. Die Autoren folgern, dass solche Systeme derzeit keine eigenständige Bewertungsinstanz sein können, sondern allenfalls als unterstützende Werkzeuge unter kritischer menschlicher Kontrolle vertretbar sind.

Die Reichweite dieser Beobachtungen ist begrenzt, und das gehört zur Redlichkeit dazu: Die Studie zieht keinen menschlichen Vergleichsmaßstab heran, und auch menschliche Bewertungen identischer Texte streuen bekanntlich (eine Meta-Analyse automatisierter Bewertung englischer Lernertexte nennt eine mittlere Übereinstimmung mit menschlichen Urteilen von r = .78, Yun 2023). Die Streuung widerlegt damit das Objektivitätsversprechen der Anbieter, sie belegt aber nicht, dass die Maschine unzuverlässiger urteilt als der Mensch. Getragen wird die Architektur des Moduls deshalb nicht von dieser Studie, sondern von der lernpsychologischen Befundlage sowie der rechtlichen und didaktischen Begründung; die Testreihen stützen diese Linie, sie begründen sie nicht.

Die Rollenverteilung liegt dem Modul unabhängig davon zugrunde: Die KI diagnostiziert und formuliert; die Bewertung trifft die Lehrkraft. Eine maschinell erzeugte Note entsteht im Workflow an keiner Stelle, und da die Diagnose ausschließlich verortbare, am Text überprüfbare Einzelbefunde liefert, bleibt jedes Urteil der Kontrolle der Korrigierenden zugänglich. Dass die Schüler:innen überdies zu keinem Zeitpunkt maschinelle Formulierungsvorschläge zu Gesicht bekommen, sondern ihre Fehler im Zuge der Überarbeitung selbst identifizieren, hält auch dem dritten, vorsichtiger zu lesenden Muster die Angriffsfläche fern.

Mühlhoff, R. & Quägwer, S. (2026). Automatisierte Korrektur mit KI? Wir testen zwei verbreitete Tools. SEMINAR, 32(2), 62–76. ↗ DOI
Yun, J. (2023). Meta-analysis of inter-rater agreement and discrepancy between human and automated English essay scoring. English Teaching, 78(3), 105–124. ↗ DOI

Was das Modul leistet

Stiltrennung im Feedback (seit v0.2)

Innerhalb eines Schülerfeedbacks laufen zwei Tonebenen bewusst getrennt:

  • Schülerfeedback und Überarbeitungsaufträge in der Du-Form, kollegial-fördernd, ressourcenorientiert (Stärken zuerst), mit konkreten Verortungen statt Markierungen („im zweiten Absatz, beim Wechsel ins Simple Past"). Aktivierende Verben in den Aufträgen. Jeder Überarbeitungsauftrag ist dreiteilig und selbst überprüfbar: benannte Textstelle, konkrete Handlung, Erfolgskriterium zum Selbstprüfen; mindestens ein Auftrag liegt auf der Inhalts- oder Adressatenebene, nicht nur auf der Sprachebene.
  • Notenbegründungen in akademisch-formaler Gutachtensprache: Konjunktiv, Passiv, Substantivierungen, sachliche Distanz, keine Du-Form. Die Note erscheint verbalisiert mit Ziffer in Klammern („mit ausreichend (4) zu bewerten", „mit 7 Punkten zu bewerten"). Damit ist die rechtliche Funktion der Notenbegründung sprachlich vom didaktischen Feedback abgehoben.

Der Feedback-Prompt (Schritt 2) instruiert die KI explizit zu dieser Trennung. Beispiel-Formulierungen sind im Prompt enthalten.

Drei-Farben-Markierung auf dem Feedbackbrief

Im Arbeitsauftragsblatt (Word-Export Seite 2) werden die Schüler:innen angeleitet, das Feedback selbst farbig zu gewichten. Sie markieren auf Seite 1:

  • GRÜN alles, was laut Feedback gelungen ist (Ressourcen für das nächste Schreiben).
  • GELB die Hinweise, die sie kurzfristig in der Überarbeitung angehen.
  • ROSA die wiederkehrenden Lernfelder, an denen sie langfristig arbeiten.

Der Markier-Akt selbst ist bereits ein Lernschritt: Die Schüler:innen gewichten, ordnen ein, entscheiden. Anschließend können sie zu jedem gelb oder rosa markierten Punkt die entsprechenden Stellen im eigenen Text suchen. Das eigenständige Auffinden ist konsistent mit der de-implementierten Korrektur: die Lehrkraft markiert nicht im Schülertext, sondern formuliert Kategorien, an denen die Schüler:innen selbst arbeiten.

Workflow im Tool

  1. Build importieren

    Den Build aus dem KA-Builder (Stage „erstellung") als JSON importieren. Die Materialien (Aufgabenstellung, EWH, Musterlösung) werden ins Feedback-Tool übernommen.

  2. Schüler:innen anlegen

    Pro Person eine Karteikarte. Name (lokal, wird vor KI-Calls automatisch durch „Schüler:in" ersetzt), erreichte BE bei rezeptiven Aufgaben, Schülertext einfügen.

  3. Schritt 1: Diagnose-Prompt mit der KI durchgehen

    Knopf „Diagnose-Prompt kopieren" generiert einen Markdown-Block mit Rahmen, Materialien, Prinzipien der de-implementierten Korrektur und dem anonymisierten Schülertext. In das KI-Werkzeug der Wahl einfügen (fobizz, ChatGPT, Claude). Pro Schüler:in einen neuen KI-Chat starten und diesen Chat offen lassen: Schritt 2 wird im selben Verlauf weitergeführt, damit die KI den Diagnose-Kontext behält.

    Die KI schlägt keine Note vor. Sie listet sprachliche und inhaltliche Stärken und Auffälligkeiten auf, fragt nach jedem Schritt nach Bestätigung und fragt am Ende nach der Lehrkraft-Note. Die Bewertungshoheit bleibt zwingend bei der Lehrkraft, das ist rechtlich und didaktisch notwendig.

    Dialog ist gewollt: Die KI liefert immer nur einen Block (zuerst Sprache, dann Inhalt) und fragt nach Bestätigung. Nicht alles am Stück abarbeiten lassen, sondern Stelle für Stelle prüfen, umformulieren, vertiefen. Das schrittweise Vorgehen ist der eigentliche Mehrwert: man bleibt in der pädagogischen Verantwortung, statt einen vorgefertigten Block zu übernehmen.

  4. Note festlegen und ins Tool eintragen

    Auf Basis der Diagnose und des eigenen pädagogischen Urteils: Note Sprache und Note Inhalt im Tool eingeben (mit Begründung). Erst danach den Feedback-Prompt nutzen.

  5. Schritt 2: Feedback-Prompt im selben Chat nachschieben

    Knopf „Feedback-Prompt kopieren" generiert einen Block, der die festgelegten Noten als fixierte Parameter enthält. Diesen Block im selben Chat wie den Diagnose-Prompt einfügen, nicht in einem neuen Tab. So bleibt der Diagnose-Kontext aus Schritt 1 verbunden mit der jetzt festgelegten Note.

    Die KI formuliert daraus iterativ das ausformulierte Feedback Abschnitt für Abschnitt mit Rückfrage, in der oben beschriebenen Stiltrennung: Schülerfeedback und Überarbeitungsaufträge in der Du-Form, Notenbegründungen in akademisch-formaler Gutachtensprache. Die Note wird nicht in Frage gestellt. Aus dem KI-Dialog die Formulierungen ins Tool zurückkopieren oder eigene Akzente setzen. Nicht 1:1 abschreiben: Im Dialog bleiben, hinterfragen, anpassen lassen.

    Tipp 1 (Projekt anlegen): Wer regelmäßig Klassenarbeiten korrigiert, legt in Claude oder ChatGPT einmalig ein Projekt an und hinterlegt EWH, Musterlösung und Bewertungsraster als Projekt-Wissen (Claude: „Project Knowledge", ChatGPT: „Custom GPT" oder Projekt-Dateien). Dann startet jeder neue Schüler:innen-Chat schon mit dem Kontext, ohne dass die Materialien jedes Mal mitkopiert werden müssen. Der Schülertext kommt dann pro Person dazu.
    Tipp 2 (Voice-to-Text): Tools wie Wispr Flow oder ParaSpeech beschleunigen den iterativen Dialog mit der KI deutlich, weil das Tippen entfällt. „Passt", „kürzer", „mehr zur Argumentation": das spricht sich schneller als es sich tippt.

  6. Word-Export und Klassenliste

    Pro Schüler:in eine Word-Datei mit zwei Seiten exportieren. Am Ende der Klasse die CSV-Klassenliste exportieren – Spalten: Name, Rezeptiv, Produktiv, Gesamt.

Datenschutz

Sensibel: In diesem Tool werden Schülernamen und individuelle Texte verarbeitet. Sämtliche Daten bleiben im Browser (IndexedDB). Schülernamen werden lokal als Klartext gehalten, aber bei der Generierung des KI-Prompts automatisch durch „Schüler:in" ersetzt – die KI sieht den Namen nicht. Im Word-Export ist der Klartext-Name dann wieder drin (für die Rückgabe an die Schüler:in).

Empfehlung: Vor dem Hochladen von Schülertexten in fremde KI-Dienste mit der/dem Datenschutzbeauftragten der Schule sprechen, oder eine lokal arbeitende KI verwenden. Im Zweifel: lieber Copy-Paste mit anonymisierten Texten als API-Key-Direktanfrage.

Klassenfeedback und interaktive HTML-Übungsseite

Im Klassenfeedback-Tab werden nach abgeschlossenen Einzelkorrekturen die Notenverteilung visualisiert und alle Überarbeitungsaufträge aggregiert. Die Lehrkraft destilliert daraus (manuell oder mit Hilfe des Klassenanalyse-Prompts) sprachliche und inhaltliche Schwerpunkte sowie Übungsaufträge für die Berichtigungsstunde.

Aus diesen Feldern lässt sich anschließend per Knopfdruck (HTML-Übungsseite-Prompt kopieren) ein vollständiger Prompt erzeugen. Eingefügt in eine KI (Claude, ChatGPT, fobizz) generiert diese eine eigenständige HTML-Datei mit interaktiven Übungen zu genau diesen Häufungsfehlern: Lückentext, Multiple Choice, Satzumformung, Drag-and-Drop, Zuordnungsaufgaben, jeweils mit kontextspezifischen Beispielsätzen, Self-Check und kurzen Erklärungen beim Auflösen. Am Ende koppelt die Seite die Übung an den eigenen Text: die Schüler:innen werden aufgefordert, die Stelle in ihrer eigenen Arbeit zu suchen, an der ihnen genau dieser Fehler passiert ist, und den Satz neu zu schreiben. Die Datei läuft offline im Browser und kann den Schüler:innen für die Berichtigungsstunde oder als Hausaufgabe zur Verfügung gestellt werden.

Tipp: Wer regelmäßig solche Übungsseiten erzeugt, hinterlegt in der KI ein Vorlagen-HTML (Design, Layout, Übungstypen) als Projekt-Wissen. Dann sind die generierten Übungsseiten optisch und didaktisch konsistent über alle Klassenarbeiten hinweg.

Was noch kommt

In künftigen Versionen geplant: BYOK-API-Modus (direkter Zugriff auf Anthropic oder OpenAI ohne Copy-Paste), erweiterte Berichtigungsseite-HTML aus den gesammelten Überarbeitungsaufträgen, Klassenarbeit-Trends über mehrere Lerngruppen.

Feedback öffnen →

06 · Sprechprüfung

Die mündliche Prüfung, erlasskonform gebaut.

Die Sprechprüfung (Modul 5) ist ein eigenständiges Format: die mündliche Prüfung, die eine schriftliche Lernkontrolle ersetzt – in der Sekundarstufe I (Jg. 5–10) ebenso wie in der Oberstufe / im Abitur. Ein Stufen-Umschalter im Rahmen stellt Niveau-Vorauswahl, Zeiten, KI-Set-Prompt und Bewertungsbögen passend um. Du baust die Aufgabensets, lost die Prüfungspaare aus, erzeugst den Zeitplan und exportierst das komplette Set als Word-Dateien. Die Bewertung selbst trägst du von Hand auf den ausgedruckten Bewertungsbögen ein (nicht am Bildschirm).

Der feste Aufbau

Eine Sprechprüfung ist stark formalisiert und besteht grundsätzlich aus drei Teilen:

Rahmenregeln (Erlass)
  • Keine Vorbereitungszeit, keine Hilfsmittel – geprüft wird spontanes Sprechen. (RdErl. MK 02.11.2015)
  • Partner- (2) oder Dreiergruppenprüfung, keine Einzelprüfung; die Paare werden gelost. (ebd. · IGS-Erlass 2017)
  • Prüfungsdauer als Richtwert nach Niveau (A1 8–10 · A2 12–13 · B1 15–16 Min.). (ebd.)
  • Oberstufe / Abitur (Richtwert gA, neu beginnend): 15 Min. Prüfung + 10 Min. Beratung je Paar; Interview 5–6 · Monolog je Prüfling 2 · Dialog 5–6 Min.; beim Set-Wechsel 15 Min. Pause. (Zentralabitur 2026 Spanisch, Ablaufplan/EWH)

Aufgabensets bauen und auslosen

Du legst so viele Sets an, wie du parallel brauchst. Jedes Set enthält die drei Teile mit Fragenliste, Monolog-Aufträgen und Dialogszenario. Für den Monolog liefert das Tool ein Feld für einen KI-Bildprompt: den Prompt kopierst du in dein Bildwerkzeug, erzeugst das Bild und lädst es direkt hoch (bis zu zwei je Auftrag) – es wird automatisch an der richtigen Stelle und Größe ins Word-Dokument eingesetzt. Ohne Upload bleibt ein Platzhalter zum späteren Einfügen. Anschließend trägst du die Namen ein und lässt Prüfungspaare und Set-Zuordnung auslosen.

Beim Bauen hilft ein KI-Set-Assistent: Du gibst Rahmenthema, Dialog-Thema und Fragenzahl an, kopierst den fertigen Prompt in dein KI-Werkzeug, und der zurückgelieferte JSON-Block füllt ein neues Set automatisch (der empfohlene Aufbau je Jahrgang ist eingewoben; in den frühen Jahrgängen kann der Monolog entfallen). Optional trägst du je Set einen Erwartungshorizont ein (Interview, Monolog, Dialog), der nur im Prüferskript erscheint; auch ihn kann die KI gleich mitliefern.

Der Zeitplan rechnet die Prüfungsdauer automatisch aus dem gewählten Niveau und der tatsächlichen Gruppengröße (Erlass-Höchstwerte, A1 kürzer, B2 länger), schlägt einen frei einstellbaren Bewertungspuffer auf (in der Oberstufe die Beratungszeit, Richtwert 10 Min.) und berechnet Pausen und Endzeit. Ein separates Vorbereitungsblatt (Redemittel, inhaltliche Anforderungen, Prüfungstipps, ebenfalls mit KI-Hilfe) gibt es für die Schüler:innen zum Üben vorab.

Bewertung

Bewertet wird kriterienbasiert nach dem Erlass-Raster: die vier Kriterien der Protokollant/in (kommunikatives Handeln, sprachliche Flexibilität und Kohärenz, Wortschatz, Aussprache) plus der Gesamteindruck der Prüfer/in, je 0–5 Punkte.

Punkte und Note

A = Summe der Kriterien 1–4 (max. 20), B = Gesamteindruck × 2 (max. 10), Summe = /30 → Note über den Erlass-Schlüssel (Sek I: 1 = 30–28 … 6 = 5–0). In den Jahrgängen 5–8 der IGS/KGS genügt eine Lehrkraft; dann greift die Ein-Prüfer-Variante mit drei Kriterien (Summe × 2). Das GeR-Niveau steuert die Referenzdeskriptoren.

RdErl. 02.11.2015 S. 9–11 · Bewertungsraster A1–B2 · IGS-Erlass 2017
Oberstufe / Abitur: Notenpunkte (0–15)

Im Oberstufenmodus erzeugt das Tool den Bewertungsbogen nach Anlage 3: dieselben fünf Kriterien und die Summe /30, aber mit der offiziellen Umrechnung /30 → Notenpunkte (0–15) als abgedruckter Tabelle (30 = 15 Punkte … 5–0 = 0 Punkte) und dem Feld für die zusammenfassende Begründung. Dazu kommen die beiden Referenzblätter (Gesamteindruck-Raster der Prüfer/in, Anlage 1, und Protokollant-Raster für das gewählte Niveau, Anlage 2). Je Prüfling sind drei Dokumente der Prüfungsakte beizulegen (§ 24 AVO-GOBAK).

Erlass 15.07.2014 (Anlagen 1–3) · Zentralabitur 2026 Spanisch, EWH/Ablaufplan

Word-Export (ein Klick)

Der Export bündelt das komplette Prüfungsset als ZIP:

Stufe: Über den Umschalter im Rahmen wählst du Sekundarstufe I (Note 1–6) oder Oberstufe / Abitur (Notenpunkte 0–15). Die Stufe steuert Jahrgang und Niveau-Vorauswahl, die Zeitlogik (Beratungszeit statt Bewertungspuffer), den KI-Set-Prompt und die Bewertungsbögen. Sprachen: Englisch, Spanisch, Französisch.

Sprechprüfung öffnen →

07 · FAQ

Häufige Fragen.

Stolperfallen, typische Verständnisfragen und Hinweise zu Datenschutz und Datenmigration.

Bedienung

Wo werden meine Daten gespeichert? Browser-Cache?

Nein, nicht im Browser-Cache. Die Daten landen in einer eigenen Browser-Datenbank namens IndexedDB. Das ist eine andere technische Schublade als der Cache. Cache ist für temporäre Web-Ressourcen wie Bilder oder Skripte und wird oft beim „Cache leeren" entfernt. IndexedDB ist für persistente App-Daten und bleibt auch nach „Cache leeren" erhalten – sie wird in der Regel nur über die Option „Cookies und Site-Daten löschen" geleert.

Die IndexedDB ist an Browser, Profil und Gerät gebunden. Wer auf einem anderen Rechner oder mit einem anderen Browser arbeitet, sieht dort eine leere App. Die Daten sind nicht weg, sie liegen am ursprünglichen Ort.

Auf macOS Chrome liegt die Datenbank physisch unter ~/Library/Application Support/Google/Chrome/Default/IndexedDB/, bei Safari analog unter ~/Library/WebKit/Storage/. Auf Windows entsprechend im Browser-Profilordner.

Was passiert mit hochgeladenen Klausur-Dateien (DOCX, PDF) im Feedback-Tool?

Anhänge werden ebenfalls in der IndexedDB gespeichert, als Binär-Daten (Blob). Sie sind nicht im normalen Browser-Cache und gehen beim Cache-Leeren nicht verloren. Standardmäßig sind sie nicht im JSON-Export enthalten, weil das die Datei stark aufblähen würde. Wer die Anhänge mit auf einen anderen Rechner nehmen oder ein vollständiges Backup machen will, nutzt die ZIP-Backup-Funktion (siehe nächste FAQ).

Die maximale Dateigröße pro Anhang liegt bei 20 MB. Das reicht für übliche DOCX, PDF mit Scans und Bilder.

Wie mache ich ein vollständiges Backup mit Anhängen?

Im Feedback-Tool gibt es im Header den Knopf „Backup als ZIP". Damit wird die Korrekturrunde zusammen mit allen hochgeladenen Anhängen in eine einzige ZIP-Datei verpackt und heruntergeladen. Die ZIP enthält:

  • eine feedback.json mit allen Schüler-, Feedback- und KA-Daten
  • einen Ordner attachments/ mit den Originaldateien (DOCX, PDF, Bilder)
  • ein Manifest, das die Dateien zu den Anhang-IDs zuordnet

Diese ZIP-Datei kann sich die Lehrkraft selbst per E-Mail oder Cloud-Speicher zuschicken, auf einen anderen Rechner kopieren oder als Sicherung archivieren.

Wie spiele ich ein ZIP-Backup wieder ein?

Im Feedback-Tool den Knopf „Build / JSON / ZIP laden" klicken und die ZIP-Datei auswählen. Das Tool erkennt automatisch, dass es sich um ein Backup handelt: Es entpackt die feedback.json, schreibt die KA-Daten zurück in die IndexedDB und stellt alle Anhänge in der richtigen Zuordnung wieder her. Eine Toast-Meldung bestätigt anschließend, wie viele Schüler:innen und Anhänge wiederhergestellt wurden.

Hinweis: Wenn auf dem Zielrechner bereits eine Korrekturrunde mit derselben ID existiert (etwa weil das Backup einmal schon importiert wurde), wird sie überschrieben. Bei Unsicherheit vorher die vorhandene Runde sichern oder umbenennen.

Wie nehme ich meine KA-Planung oder einen Builder-Stand auf einen anderen Rechner?

Im Planer und Builder gibt es jeweils einen JSON-Export-Knopf („Plan als JSON" beziehungsweise „Build als JSON"). Diese JSON-Datei lässt sich auf dem Zielrechner über den entsprechenden Import-Knopf wieder einlesen. Der Planer enthält keine Anhänge; im Builder gibt es derzeit keinen Anhang-Mechanismus, deshalb genügt der JSON-Export. Im Feedback-Tool ist die ZIP-Variante zu bevorzugen, wenn Anhänge dabei sind.

Was passiert, wenn ich den Browser-Cache leere?

Cache leeren betrifft normalerweise nur temporäre Web-Ressourcen – die App-Daten in IndexedDB bleiben erhalten. Erst wenn man explizit „Cookies und andere Site-Daten" für die Domain löscht, gehen auch die App-Daten verloren. Vor einer kompletten Site-Daten-Bereinigung sicherheitshalber JSON- oder ZIP-Backup ziehen.

Eine JSON-Datei lässt sich nicht importieren.

Der Builder akzeptiert sowohl Plan-JSON (aus dem Planer, Stage „planung") als auch Build-JSON (aus dem Builder selbst, Stage „erstellung"). Andere JSON-Strukturen werden abgelehnt. Falls eine Datei abgelehnt wird, lohnt es sich zu prüfen, ob sie vielleicht aus einem anderen Tool stammt oder ob ihre Struktur durch manuelles Bearbeiten beschädigt wurde.

Der Word-Export sieht in Word komisch aus.

Die Dokumente sind reguläre .docx-Dateien und sollten in Word, LibreOffice oder Pages problemlos öffnen. Falls etwas verschoben aussieht: möglicherweise ist die verwendete Schrift nicht installiert, dann fällt Word auf einen Default zurück. Standardmäßig wird Cambria genutzt, das sollte überall vorhanden sein. Layout, Schriftgrößen, Farben sind anschließend in Word frei anpassbar.

Datenschutz und KI

Werden Schülerdaten an externe Server gesendet?

Nicht durch das Tool selbst. Die Apps laufen vollständig im Browser, speichern lokal in IndexedDB und übertragen nichts an einen Server. Externe Verbindungen beschränken sich auf das Laden von Schriften (Google Fonts CDN) und Hilfs-Libraries (docx, mammoth, JSZip von unpkg) – alle ohne Inhalts-Übertragung.

Der einzige Moment, in dem Schülerinhalte an einen externen Dienst gehen, ist, wenn die Lehrkraft den vorbereiteten Korrekturprompt manuell in eine KI einfügt. Was dort passiert, hängt vom KI-Anbieter ab und liegt außerhalb der Tool-Kontrolle (siehe nächste FAQ).

Was muss ich beim KI-Workflow datenschutztechnisch beachten?

Das Tool übergibt keinerlei Daten automatisch an eine KI. Erst der manuelle Klick auf „Korrekturprompt kopieren" und das anschließende Einfügen in einer KI-Konversation übergibt Schülertexte an den jeweiligen Anbieter.

Empfohlenes Vorgehen:

  • Mit der Datenschutzbeauftragten der Schule sprechen, bevor Schülertexte produktiv in fremde KI-Dienste fließen.
  • Anbieter mit Auftragsverarbeitungsvertrag für Schulen bevorzugen, etwa fobizz, statt direkt zu OpenAI, Anthropic, Google oder Microsoft.
  • Texte vor dem Übergeben sichten: Die Namens-Anonymisierung des Tools ersetzt nur den Schülernamen. Andere personenbezogene Inhalte (Wohnort, Familie, Lehrkräfte, Schule) müssen ggf. manuell ersetzt werden, wenn der Anbieter nicht DSGVO-konform ist.
  • Daten löschen nach der Notenkonferenz: Im Tool über „Diese Korrekturrunde löschen" oder über das Browser-Site-Daten-Löschen.

Die Verantwortung für die DSGVO-Konformität liegt bei der Lehrkraft beziehungsweise der Schule, nicht beim Tool selbst.

Wie funktioniert die Anonymisierung in den KI-Prompts?

Beim Klick auf einen der vier Prompt-Knöpfe (Diagnose, Feedback, Klassenanalyse, HTML-Übungsseite) wird der eingegebene Schülername automatisch durch „Schüler:in" ersetzt, sowohl im Prompt-Header als auch innerhalb des Schülertexts (sofern der Name dort vorkommt). Das ist eine einfache String-Ersetzung, keine semantische Erkennung anderer personenbezogener Inhalte.

Eine erweiterte Anonymisierung (Orte, Daten, Schulnamen, Bezugspersonen) ist als Feature für eine künftige Version geplant. Bis dahin gilt: Vor dem Einfügen in eine nicht DSGVO-konforme KI den Text überfliegen und manuell anonymisieren, falls personenbezogene Inhalte enthalten sind.

Wieso schlägt die KI im Diagnose-Prompt keine Note vor?

Bewusst nicht. Die Bewertungshoheit liegt zwingend bei der Lehrkraft – rechtlich, weil sie die Noten verantwortet, und didaktisch, weil ein zu früh fixierter KI-Vorschlag Anchoring-Effekte erzeugt und der Lehrkraft die Verantwortung nimmt.

Der Workflow ist deshalb in zwei Schritte geteilt: Schritt 1 ist die Diagnose (KI listet Auffälligkeiten auf, fragt nach jedem Punkt nach Bestätigung, fragt am Ende nach der Lehrkraft-Note). Schritt 2 ist das Feedback (KI formuliert mit der festgelegten Note als fixiertem Parameter). Wenn die KI im Schritt 1 dennoch eine Note nennt, hat der Prompt seinen Zweck verfehlt – gib ihr den Hinweis „bitte keine Notenvorschläge" und arbeite weiter.

Hinzu tritt ein messtheoretisches Indiz. Mühlhoff und Quägwer (2026) beobachten in explorativen Testreihen, dass dieselbe Abgabe bei wiederholter automatischer Bewertung erheblich abweichende Ergebnisse erhalten kann, am stärksten bei Texten mittlerer Qualität. Belastbar ist daran die Widerlegung des Objektivitätsversprechens, mit dem solche Tools beworben werden, nicht dagegen der Nachweis, dass die Maschine unzuverlässiger urteilt als der Mensch: Ein menschlicher Vergleichsmaßstab fehlt der Studie, und auch menschliche Bewertungen streuen (Yun 2023). Für den Workflow zählt ohnehin ein anderes Argument: Eine maschinell erzeugte Zahl entsteht hier gar nicht erst, während eine Diagnose, deren Einzelbefunde sich am Text überprüfen lassen, der Kontrolle der Lehrkraft zugänglich bleibt.

Warum die ständige Frage „passt das so oder umformulieren"?

Der iterative Dialog ist Absicht. Wenn die KI alles in einem Wurf liefert, neigen Lehrkräfte zum 1:1-Abschreiben – und genau das ist das Anti-Pattern, das wir vermeiden wollen. Im Schritt-für-Schritt-Modus bleibt die Lehrkraft Akteurin, hinterfragt, justiert, setzt eigene Akzente.

Tipp: Voice-to-Text-Tools wie Wispr Flow oder ParaSpeech machen diesen Dialog deutlich schneller. „Passt", „kürzer", „mehr zur Argumentation", „Tonfall freundlicher" – das spricht sich schneller, als es sich tippt.

Geteilte Schul-Computer – wie sicher ist das?

Wenn mehrere Personen dasselbe Browser-Profil nutzen, haben alle Zugriff auf die IndexedDB-Inhalte. Auf geteilten Geräten daher entweder ein eigenes Browser-Profil verwenden oder am Ende der Session die Site-Daten gezielt löschen. Auf Privatgeräten ist das unkritisch.

Browser-Sync (Chrome-Sync, Edge-Sync, Safari-iCloud) synchronisiert IndexedDB nicht standardmäßig. Anders als Lesezeichen oder Passwörter bleiben Korrekturdaten geräte-lokal.

Was ist mit den Validator-Quellen, KCs und Erlassen?

Die Hinweise des Validators verweisen auf die Kerncurricula Englisch (2015, eine Neufassung für 2026 ist in Vorbereitung), Spanisch (2024) und Französisch (2025) sowie auf den Erlass des MK Niedersachsen von 2015 und die ergänzenden Hinweise des MK Niedersachsen vom 22.11.2018. Der Fokus liegt auf der Sekundarstufe I, Sekundarstufe II wird mitversorgt aber nicht primär adressiert.

Kontakt

Feedback, Bugs, Verbesserungsvorschläge

Bei Fragen, gefundenen Fehlern oder Wünschen für künftige Versionen freuen wir uns über eine Nachricht:

info@languageteachercrew.com

Diese Anleitung wird laufend ergänzt. Stand: August 2026.