Wenn derzeit über den Einsatz generativer KI im Bildungsbereich gesprochen wird, etwa in Form von Chatbots wie ChatGPT, steht meist die Perspektive der Lernenden im Vordergrund. KI wird als Tutor*in für Schülerinnen und Schüler diskutiert: als Werkzeug für individualisiertes Üben, zur Unterstützung bei Hausaufgaben oder als Schreibpartner*in beim Schreiben.
Ebenso spannend ist die Frage: Wie kann KI nicht nur Lernende, sondern auch Lehrpersonen als Tutor*in unterstützen? Was passiert, wenn nicht nur Schülerinnen und Schüler, sondern auch ihre Lehrpersonen im Klassenzimmer mit einem digitalen Assistenten zusammenarbeiten, sei es bei der Unterrichtsplanung, der Diagnostik oder der Leistungsbeurteilung?
Ein konkretes Anwendungsfeld: die Beurteilung
Wie Neumann et al. (2024) zeigen, kann generative KI die Lehrperson in allen Phasen des Unterrichts unterstützen: von der Planung über die Durchführung bis hin zur Reflexion. Potenzial gibt es auch beim Einsatz von Anwendungen Künstlicher Intelligenz im Bereich der Bewertung. Der Bildungsexperte Michael Lutz hat auf LinkedIn anschaulich gezeigt, wie sich mit Hilfe grosser Sprachmodelle differenzierte Bewertungsraster erstellen lassen, schnell, flexibel und individualisierbar. Lutz ist Geschäftsinhaber von Lutz Education, Experte für digitale Bildung und beschäftigt sich intensiv mit Künstlicher Intelligenz im Bildungsbereich.
Worum geht’s im Prompt von Michael Lutz?
Der Prompt von wurde entwickelt, um mithilfe generativer KI strukturierte und transparente Bewertungsraster für den Unterricht zu erstellen. Die KI übernimmt dabei die Rolle eines erfahrenen Didaktik-Expert*in und generiert basierend auf Klassenstufe, Fach, Aufgabenstellung und Format ein vollständiges Bewertungsschema in Tabellenform.
Das Ergebnis ist ein detailliertes Raster mit 4 bis 7 klar definierten Kriterien, einer vierstufigen Skala (von «ungenügend» bis «sehr gut») und konkreten Leistungsbeschreibungen (Deskriptoren) für jede Stufe. So entsteht ein differenziertes, nachvollziehbares Beurteilungsinstrument, welches verständlich formuliert und direkt im Unterricht einsetzbar ist.
Kompetenzorientierte Beurteilung als Einsatzfeld für KI
Der Lehrplan 21 fordert eine Beurteilung, die Lernen fördert und nicht nur Leistungen misst. Neben der summativen Bewertung betont er insbesondere die formativen Rückmeldungen, die den Lernprozess begleiten. Entscheidend ist: Beurteilung soll kompetenzorientiert, konstruktiv und nachvollziehbar sein. Mit den entsprechenden Beurteilungsrastern und den jeweiligen Deskriptoren können Beurteilungen transparent und nachvollziehbar gemacht werden, allerdings ist das Erstellen sehr zeitaufwendig und mit dem Unterrichtsalltag nicht vereinbar.
Gerade hier eröffnet generative KI neue Möglichkeiten. Wie Lutz auf LinkedIn gezeigt hat, lassen sich mit Sprachmodellen differenzierte Bewertungsraster generieren – flexibel, anpassbar und auf Kompetenzziele ausgerichtet. Solche automatisiert erstellten Rastern können die Grundlage für individuelle Rückmeldungen bilden.
Hast du den Prompt bereits ausprobiert? Wir sind gespannt von deinen Erfahrungen zu hören.
Quellen:
Engelmann, S. (2024). Leistungsbewertung und Künstliche Intelligenz – Pädagogische Perspektiven auf ein spannungsreiches Verhältnis. [19.6.25]
Jansen, T. (2024). Künstliche Intelligenz als Beurteilungshilfe: Wie genau können KI-Urteile sein und wie können sie helfen? [19.6.25]
Kanton Bern (o.J.) Beurteilung und Übertritte. [19.6.25]
Lehrplan 21 (2015). Lern- und Unterrichtsverständnis. [19.6.25]
Middendorf, W.(2024). Zur Möglichkeit digital gestützter Leistungsbewertung mithilfe Künstlicher Intelligenz in der Schulpraxis. [19.6.25]
Neumann, K., Kuhn, J. & Drachsler, H (2024). Generative Künstliche Intelligenz in Unterricht und Unterrichtsforschung – Chancen und Herausforderungen. [19.6.25]