KI-Assessment in der Schule - Diagnostik und Feedback meistern


KI-Assessment in der Schule - Diagnostik und Feedback meistern
KI-Assessment in der Schule: Diagnostik und Feedback meistern
Einleitung
KI-Assessment in der Schule bedeutet, dass Künstliche Intelligenz eingesetzt wird, um Lernstände besser zu erkennen, Lernprodukte gezielter auszuwerten und lernförderliches Feedback schneller, differenzierter und verständlicher zu gestalten. Dabei ersetzt KI nicht die pädagogische Verantwortung der Lehrkraft, sondern unterstützt sie bei Diagnostik, formativem Assessment, Feedbackkultur, Differenzierung und Lernbegleitung.
Dieser aiMOOC richtet sich an Lehrkräfte, Fachschaften, schulische Steuergruppen und Fortbildungsgruppen. Du lernst, wie Du KI für Unterrichtsdiagnostik und Rückmeldung professionell nutzen kannst, ohne Datenschutz, Fairness, Transparenz und pädagogische Verantwortung aus dem Blick zu verlieren. Im Mittelpunkt steht die Frage: Wie kann KI helfen, Lernen sichtbar zu machen, ohne Menschen auf Datenpunkte zu reduzieren?
{{#ev:youtube| https://www.youtube.com/watch?v=OfYPPPbepuQ |500|center}}

Lernziele
Nach diesem aiMOOC kannst Du den Begriff KI-Assessment erklären, Chancen und Grenzen KI-gestützter Diagnostik einschätzen, datensensible Arbeitsabläufe für Feedback planen, Prompts für pädagogische Rückmeldungen formulieren und Kriterien entwickeln, mit denen KI-Ausgaben fachlich, didaktisch und ethisch geprüft werden. Du kannst außerdem unterscheiden, wann KI als Hilfsmittel sinnvoll ist und wann Entscheidungen zwingend bei der Lehrkraft bleiben müssen.
Grundbegriffe: Assessment, Diagnostik und Feedback
Assessment umfasst Verfahren, mit denen Lernstände, Kompetenzen, Lernprozesse oder Leistungen sichtbar gemacht werden. In der Schule kann Assessment diagnostisch, formativ oder summativ eingesetzt werden. Diagnostik fragt: Wo steht eine lernende Person gerade? Formatives Assessment fragt: Was ist der nächste sinnvolle Lernschritt? Summatives Assessment fragt: Welche Leistung wird am Ende eines Lernabschnitts bewertet?
Feedback ist lernwirksam, wenn es sich auf klare Lernziele bezieht, verständlich formuliert ist und konkrete nächste Schritte anbietet. Gute Rückmeldung beantwortet drei Fragen: Wohin soll gelernt werden? Wo stehst Du gerade? Was ist der nächste Schritt? KI kann diese Fragen vorbereiten, strukturieren und sprachlich variieren. Die pädagogische Deutung bleibt jedoch menschliche Aufgabe.

Was KI im Assessment leisten kann
Generative KI kann Texte zusammenfassen, typische Fehlermuster beschreiben, Hinweise zu Kriterienrastern geben, Rückmeldungen in verschiedenen Sprachniveaus formulieren oder Lernende beim Überarbeiten unterstützen. Maschinelles Lernen kann große Datenmengen nach Mustern durchsuchen, etwa bei Lernplattformen, Quizsystemen oder adaptiven Übungen. In der Schule sollte KI vor allem dort eingesetzt werden, wo sie Lernprozesse begleitet und Lehrkräfte entlastet, ohne selbstständig über Noten, Abschlüsse oder Bildungschancen zu entscheiden.

Professioneller Workflow für KI-Assessment
Ein verantwortungsvoller Workflow beginnt nicht mit dem Tool, sondern mit dem pädagogischen Ziel. Kläre zuerst, welche Kompetenz sichtbar werden soll. Lege dann Kriterien fest, wähle geeignete Aufgaben, entscheide über zulässige Hilfsmittel, minimiere personenbezogene Daten und prüfe jede KI-Ausgabe fachlich. Danach formulierst Du Feedback so, dass Lernende damit handeln können.
- Lernzielklärung: Formuliere, welche Kompetenz, welches Wissen oder welche Strategie sichtbar werden soll.
- Kriterienraster: Entwickle transparente Kriterien, die Lernende vor der Bearbeitung kennen.
- Datensparsamkeit: Nutze keine unnötigen personenbezogenen Daten und anonymisiere Beispiele, wenn möglich.
- Prompting: Gib der KI Rolle, Ziel, Kriterien, Niveau, gewünschte Feedbackform und Grenzen vor.
- Plausibilitätsprüfung: Vergleiche KI-Ausgaben mit Fachwissen, Unterrichtskontext und Schülerleistung.
- Feedbackgespräch: Nutze KI-Rückmeldungen als Grundlage für menschliche Lernberatung.
- Reflexion: Prüfe, ob das Verfahren fair, transparent, lernförderlich und datenschutzkonform war.

Diagnostik mit KI vorbereiten
KI kann Dir helfen, diagnostische Aufgaben zu entwickeln. Du kannst zum Beispiel typische Fehlvorstellungen zu einem Thema sammeln lassen, Aufgaben auf unterschiedlichen Niveaustufen entwerfen oder Antwortbeispiele mit erwartbaren Denkwegen erzeugen. Besonders hilfreich ist KI, wenn Du sie nicht nach einer fertigen Bewertung fragst, sondern nach möglichen Beobachtungskategorien, Rückfrageideen und Förderwegen.
Ein guter diagnostischer Prompt könnte lauten: Erstelle für das Thema Bruchrechnung fünf kurze Aufgaben, mit denen typische Fehlvorstellungen sichtbar werden. Gib zu jeder Aufgabe an, welche Fehlvorstellung erkennbar werden kann und welche Anschlussförderung möglich ist. Bewerte keine Lernenden. So wird KI zur didaktischen Planungsassistenz und nicht zur automatischen Bewertungsinstanz.
Feedback mit KI formulieren
KI-gestütztes Feedback sollte konkret, kriterienbezogen, wertschätzend und handlungsorientiert sein. Ungeeignet sind pauschale Aussagen wie Gut gemacht oder Du musst genauer arbeiten. Besser sind Hinweise, die auf ein Lernprodukt bezogen sind und den nächsten Schritt sichtbar machen. Lehrkräfte können KI nutzen, um Rückmeldungen zu entwerfen, zu vereinfachen, zu übersetzen oder in Ich-kann-Sätze zu übertragen.
Ein sinnvoller Feedback-Prompt lautet: Formuliere zu diesem anonymisierten Schülertext ein formatives Feedback. Nutze die Kriterien Argumentationslogik, Belegnutzung und sprachliche Klarheit. Gib keine Note. Nenne zwei Stärken, zwei konkrete Überarbeitungsschritte und eine kurze Lernfrage. Danach prüfst Du, ob die Rückmeldung fachlich richtig, fair, angemessen und für die konkrete Lerngruppe passend ist.
Rubrics und Kriterienraster
Rubrics oder Kriterienraster machen Erwartungen sichtbar. Sie helfen, Rückmeldungen nachvollziehbar und vergleichbar zu machen. KI kann ein erstes Raster vorschlagen, doch die Lehrkraft muss entscheiden, ob die Kriterien zum Bildungsplan, zur Aufgabe, zur Jahrgangsstufe und zu den Lernvoraussetzungen passen. Ein gutes Raster beschreibt beobachtbares Verhalten, vermeidet unklare Wertungen und unterscheidet Kompetenzstufen nachvollziehbar.
Grenzen, Risiken und Verantwortung
KI-Systeme können Fehler machen, unpassende Rückmeldungen erzeugen, Vorurteile aus Trainingsdaten fortschreiben oder zu sicher klingen, obwohl die Aussage unsicher ist. Dieses Problem wird oft als Halluzination bezeichnet. Außerdem können KI-Systeme Lernende benachteiligen, wenn Sprache, Kultur, Behinderung, soziale Herkunft oder technische Ausstattung nicht berücksichtigt werden. Deshalb braucht KI-Assessment immer menschliche Aufsicht, transparente Regeln und eine kritische Prüfung.

Datenschutz und Fairness
In schulischen Kontexten sind Datenschutz, Informationssicherheit und Datensparsamkeit zentral. Schülerarbeiten enthalten häufig personenbezogene Daten, Leistungsinformationen oder sensible Hinweise. Vor dem Einsatz eines KI-Tools muss geklärt sein, ob die schulischen Vorgaben, die Datenschutz-Grundverordnung, landesrechtliche Regeln und schulinterne Beschlüsse eingehalten werden. Eine einfache Praxisregel lautet: Keine personenbezogenen Schülerdaten in externe KI-Systeme eingeben, wenn dafür keine klare schulische Freigabe besteht.
Fairness bedeutet, dass KI-gestützte Verfahren nicht heimlich, willkürlich oder diskriminierend eingesetzt werden. Lernende sollten wissen, wann KI verwendet wird, wofür sie eingesetzt wird und welche Rolle die Lehrkraft bei der abschließenden Entscheidung behält. Besonders bei Leistungsbewertung gilt: KI kann Hinweise liefern, aber pädagogische Bewertung, Verantwortung und Begründung müssen bei der Lehrkraft bleiben.
KI und Prüfungsformate
Durch generative KI verändern sich Aufgaben und Prüfungen. Reine Reproduktionsaufgaben können leichter automatisiert beantwortet werden. Deshalb gewinnen Aufgaben an Bedeutung, die Prozess, Reflexion, Anwendung, persönliche Begründung, mündliche Erläuterung, Quellenkritik, lokale Daten, Experimente oder kooperative Lernprodukte einbeziehen. Sinnvoll ist eine klare Unterscheidung zwischen Aufgaben ohne KI, Aufgaben mit KI als Hilfsmittel, Aufgaben über KI und Aufgaben, in denen der Umgang mit KI selbst Teil der Kompetenz ist.

Prompt-Bausteine für Lehrkräfte
Ein guter Prompt für KI-Assessment enthält meist fünf Bausteine: Rolle, Ziel, Kriterien, Kontext und Ausgabeformat. Beispiel: Du bist eine erfahrene Deutschlehrkraft. Ziel ist formatives Feedback für Klasse 8. Nutze die Kriterien These, Begründung, Beispiel und sprachliche Klarheit. Verwende keine Note. Gib drei konkrete Verbesserungsschritte in einfacher Sprache. Je klarer die Kriterien sind, desto besser kann die KI eine brauchbare Vorstruktur liefern.
Unterrichtspraktisches Beispiel
Eine Klasse schreibt argumentative Kurztexte. Du anonymisierst drei Beispieltexte und entfernst Namen, Orte und private Details. Dann lässt Du Dir von einer freigegebenen KI zu jedem Text ein kriterienbezogenes Feedback ohne Note erstellen. Anschließend prüfst Du die Vorschläge, korrigierst fachliche Ungenauigkeiten und wählst Formulierungen aus, die für Deine Lerngruppe verständlich sind. Im Unterricht vergleichen die Lernenden Feedbackbeispiele, markieren hilfreiche Hinweise und überarbeiten ihre Texte. So wird KI nicht zur Bewertungsmaschine, sondern zum Anlass für Metakognition, Selbstregulation und Feedbackkompetenz.
Qualitätscheck für KI-Feedback
Bevor KI-Feedback an Lernende geht, solltest Du es mit einem kurzen Qualitätscheck prüfen. Ist die Rückmeldung fachlich korrekt? Bezieht sie sich wirklich auf die Kriterien? Enthält sie konkrete nächste Schritte? Ist sie wertschätzend formuliert? Vermeidet sie unzulässige Zuschreibungen über Persönlichkeit, Intelligenz oder Motivation? Ist sie datenschutzkonform entstanden? Erst wenn diese Fragen positiv beantwortet werden können, ist die Rückmeldung für den Lernprozess geeignet.
Orientierungsrahmen und Quellenhinweise
Für schulische Praxis sind neben den Vorgaben Deines Bundeslandes besonders die Kultusministerkonferenz, europäische Leitlinien zu KI und Daten in Bildung, die Datenschutz-Grundverordnung sowie internationale Empfehlungen zur verantwortungsvollen Nutzung generativer KI relevant. Nutze diese Quellen nicht als Ersatz für schulrechtliche Beratung, sondern als Orientierung für professionelle Entscheidungen.
- KMK-Handlungsempfehlung zum Umgang mit Künstlicher Intelligenz in schulischen Bildungsprozessen
- Europäische Leitlinien zum ethischen Einsatz von KI und Daten in Lehren und Lernen
- EUR-Lex: Regeln für vertrauenswürdige KI in der EU
- UNESCO: Guidance for generative AI in education and research
Interaktive Aufgaben
Quiz: Teste Dein Wissen
Was bedeutet KI-Assessment in der Schule am treffendsten? (KI unterstützt Diagnostik und Feedback unter Verantwortung der Lehrkraft) (!KI ersetzt die Lehrkraft vollständig bei der Bewertung) (!KI vergibt automatisch rechtssichere Schulnoten) (!KI macht Lernziele und Kriterien überflüssig)
Welche Funktion hat formatives Assessment? (Es begleitet Lernprozesse und zeigt nächste Lernschritte) (!Es ersetzt jede Unterrichtsplanung) (!Es dient ausschließlich der Abschlussnote) (!Es sammelt Daten ohne Rückmeldung)
Was gehört in einen guten Feedback-Prompt? (Kriterien, Ziel, Kontext und gewünschtes Ausgabeformat) (!Nur der Satz Bewerte diese Aufgabe) (!Möglichst viele Namen der Lernenden) (!Eine Aufforderung zur geheimen Notenvergabe)
Warum ist Datensparsamkeit beim KI-Einsatz wichtig? (Sie reduziert Risiken für personenbezogene Daten) (!Sie verhindert jedes Lernen mit digitalen Medien) (!Sie macht fachliche Prüfung unnötig) (!Sie erlaubt die Eingabe beliebiger Schülerdaten)
Welche Aussage zur KI-gestützten Leistungsbewertung ist pädagogisch sinnvoll? (KI kann Hinweise liefern, die Verantwortung bleibt bei der Lehrkraft) (!KI sollte allein über Zeugnisnoten entscheiden) (!KI ist immer objektiver als Menschen) (!KI-Feedback muss nicht geprüft werden)
Was ist eine Rubrik im Assessment? (Ein Kriterienraster mit beschriebenen Kompetenzstufen) (!Eine zufällige Sammlung von Kommentaren) (!Ein technischer Speicherort für Schülerdaten) (!Ein Ersatz für Lernziele)
Was bezeichnet man bei KI häufig als Halluzination? (Eine überzeugend klingende, aber falsche oder erfundene Ausgabe) (!Eine sichere Lernstandsdiagnose) (!Ein rechtlich geprüfter Bewertungsmaßstab) (!Eine Form der mündlichen Prüfung)
Welche Rückmeldung ist am lernförderlichsten? (Deine Begründung ist klar, ergänze nun ein konkretes Beispiel) (!Du bist schlecht in diesem Fach) (!Falsch) (!Mach es einfach besser)
Wann sollten Lernende über KI-Einsatz informiert werden? (Wenn KI zur Erstellung, Analyse oder Rückmeldung von Lernmaterial genutzt wird) (!Nur wenn eine Beschwerde vorliegt) (!Nie, damit das Verfahren objektiv bleibt) (!Erst nach der Zeugnisvergabe)
Was ist ein sinnvoller Umgang mit KI bei Prüfungsformaten? (Aufgaben so gestalten, dass Eigenleistung, Prozess und Reflexion sichtbar werden) (!Alle Hausaufgaben abschaffen) (!Nur noch Multiple-Choice-Aufgaben einsetzen) (!KI-Nutzung grundsätzlich geheim halten)
Memory
| Diagnostik | Lernstand sichtbar machen |
| Feedback | Nächsten Lernschritt klären |
| Rubrik | Kriterien transparent machen |
| Datensparsamkeit | Nur notwendige Informationen nutzen |
| Halluzination | Falsche KI-Ausgabe erkennen |
| Prompt | Arbeitsauftrag an die KI formulieren |
| Fairness | Benachteiligungen vermeiden |
| Metakognition | Über das eigene Lernen nachdenken |
Drag and Drop
| Ordne die richtigen Begriffe zu. | Thema |
|---|---|
| Lernziel klären | Ausgangspunkt des KI-Assessments |
| Kriterien formulieren | Grundlage für nachvollziehbares Feedback |
| Daten minimieren | Schutz personenbezogener Informationen |
| KI-Ausgabe prüfen | Sicherung fachlicher Qualität |
| Feedback besprechen | Menschliche Lernbegleitung im Unterricht |
Kreuzworträtsel
| Diagnostik | Wie heißt das pädagogische Erkennen von Lernständen? |
| Feedback | Wie nennt man eine lernförderliche Rückmeldung? |
| Rubrik | Wie heißt ein Kriterienraster mit Kompetenzstufen? |
| Datenschutz | Welcher Schutz ist bei Schülerdaten besonders wichtig? |
| Bias | Wie heißt eine mögliche Verzerrung in KI-Ausgaben? |
| Transparenz | Was braucht es, damit Lernende KI-Einsatz nachvollziehen können? |
LearningApps
Lückentext
Offene Aufgaben
Leicht
- Begriffskarte: Erstelle eine Begriffskarte zu KI-Assessment, Diagnostik, Feedback, Rubrik und Datenschutz mit je einem Beispiel aus Deinem Unterricht.
- Feedbackanalyse: Vergleiche drei kurze Rückmeldungen und markiere, welche davon konkrete nächste Lernschritte enthalten.
- Prompt-Bausteine: Formuliere einen Prompt, der ausdrücklich keine Note vergibt, sondern nur formative Hinweise erstellt.
- Datenschutz-Check: Sammle Beispiele für personenbezogene Daten in Schülerarbeiten und notiere, welche Angaben vor einer KI-Nutzung entfernt werden müssten.
Standard
- Kriterienraster: Entwickle für eine Aufgabe aus Deinem Fach ein einfaches Raster mit drei Kriterien und drei Kompetenzstufen.
- KI-Feedback prüfen: Lasse zu einem anonymisierten Beispieltext ein KI-Feedback erstellen und überprüfe es auf Fachlichkeit, Fairness, Verständlichkeit und Handlungsorientierung.
- Aufgabenentwicklung: Überarbeite eine bestehende Hausaufgabe so, dass Eigenleistung, Prozess und Reflexion trotz möglicher KI-Nutzung sichtbar werden.
- Feedbackkonferenz: Plane eine kurze Unterrichtsphase, in der Lernende KI-Feedback mit Peer-Feedback vergleichen und daraus Überarbeitungsschritte ableiten.
Schwer
- Schulisches Konzept: Entwirf einen Leitfaden für Deine Fachschaft, der regelt, wann KI für Diagnostik und Feedback genutzt werden darf und wann nicht.
- Fallanalyse: Analysiere einen Fall, in dem KI-Feedback eine Schülerin oder einen Schüler unfair behandelt, und entwickle Schutzmaßnahmen.
- Fortbildungsdesign: Gestalte einen 30-minütigen Lehrerfortbildungssnack zu KI-Assessment mit Einstieg, Praxisphase, Reflexion und Transferaufgabe.
- Evaluation: Entwickle ein Verfahren, mit dem Du nach vier Wochen prüfst, ob KI-gestütztes Feedback tatsächlich zu besseren Überarbeitungen geführt hat.

| <inputbox>
type=create break=no preload=CHAT GPT TEXT HIER EINFÜGEN default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox> |

Lernkontrolle
- Transferaufgabe: Erkläre an einem Beispiel aus Deinem Fach, wie KI-Feedback Lernprozesse unterstützen kann, ohne die pädagogische Verantwortung der Lehrkraft zu ersetzen.
- Fallbewertung: Eine Lehrkraft möchte vollständige Schüleraufsätze mit Namen in ein externes KI-Tool eingeben. Beurteile die Situation aus Sicht von Datenschutz, Fairness und Unterrichtsqualität.
- Promptkritik: Verbessere den Prompt Bewerte den Text und gib eine Note so, dass er für formatives Feedback geeignet ist.
- Prüfungsdesign: Entwickle eine Aufgabe, bei der KI-Nutzung erlaubt ist, aber Eigenleistung durch Reflexion, Begründung und Prozessdokumentation sichtbar bleibt.
- Feedbackqualität: Vergleiche ein pauschales Feedback mit einem kriterienbezogenen Feedback und erkläre, warum eines lernwirksamer ist.
- Schulentwicklung: Skizziere drei Regeln, mit denen eine Schule KI-Assessment transparent, fair und rechtssicherer organisieren kann.
Lernnachweis
Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Begriffe erklären kannst, sondern ein pädagogisch begründetes, datensensibles und praxistaugliches KI-Assessment-Verfahren planst. Dein Lernnachweis sollte zeigen, dass Du Lernziele formulierst, Kriterien transparent machst, einen geeigneten Prompt entwickelst, KI-Ausgaben kritisch prüfst, Datenschutz beachtest und Feedback so gestaltest, dass Lernende konkrete nächste Schritte erkennen.
- Konzeptpapier: Beschreibe ein KI-Assessment-Szenario für Dein Fach mit Ziel, Lerngruppe, Aufgabe, Kriterien, KI-Rolle und menschlicher Kontrolle.
- Promptdokumentation: Dokumentiere mindestens zwei Prompt-Versionen und begründe, warum Du sie verbessert hast.
- Feedbackbeispiel: Lege ein anonymisiertes Lernprodukt mit geprüftem, kriterienbezogenem Feedback vor.
- Reflexion: Erkläre, welche Risiken Du erkannt hast und wie Du Datenschutz, Fairness und Transparenz sicherst.
- Transfer: Beschreibe, wie Dein Verfahren auf ein anderes Thema oder eine andere Lerngruppe übertragen werden kann.
OERs zum Thema
Links
Zusammenfassung der wichtigsten Punkte
- KI-Assessment: KI kann Diagnostik und Feedback unterstützen, aber pädagogische Verantwortung bleibt bei der Lehrkraft.
- Diagnostik: Lernstände werden sichtbar, wenn Aufgaben gezielt Fehlvorstellungen, Strategien und Kompetenzen erfassen.
- Feedback: Gute Rückmeldungen sind kriterienbezogen, wertschätzend und auf konkrete nächste Schritte ausgerichtet.
- Datenschutz: Personenbezogene Daten dürfen nur nach schulischen Vorgaben und mit Datensparsamkeit verarbeitet werden.
- Fairness: KI-Ausgaben müssen auf Verzerrungen, unpassende Zuschreibungen und Benachteiligungen geprüft werden.
- Prüfungskultur: Aufgaben sollten Eigenleistung, Prozess, Reflexion und verantwortliche KI-Nutzung sichtbar machen.
- Professionalisierung: Lehrkräfte brauchen gemeinsame Regeln, Fortbildung, Austausch und Evaluation.
aiMOOC-Projekte
Schulfach+


aiMOOCs



aiMOOC Projekte


THE MONKEY DANCE





{{#ev:youtube | https://youtu.be/rFhZlg38Zf8?si=9KdMNZYRkRD81YTo%7C 500 | center}}
|
{{#ev:youtube | https://youtu.be/Ob7etf9QuBo?si=t_NBA71bWg3Rq3LI%7C 500 | center}}
| <inputbox>
type=create break=no preload=MOOCit Vorlage default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox> |