Neuer Artikel: Automatisierte Korrektur mit KI? Wir testen zwei verbreitete Tools

KI-Tools versprechen, Lehrkräfte bei Korrektur, Feedback und Bewertung von Schülertexten zu entlasten. In unserem neuen Open-Access-Artikel in SEMINAR – Lehrerbildung und Schule testen Sean Quägwer und ich zwei verbreitete Systeme für automatisiertes Feedback und KI-gestützte Leistungsbewertung: FelloFish und Edaira.

Die Untersuchung knüpft an unsere frühere Studie zur Fobizz-Korrekturhilfe an und fragt, ob die dort beobachteten Probleme nur ein einzelnes Tool betreffen oder strukturell mit Bewertungssystemen auf Basis großer Sprachmodelle zusammenhängen. Das Ergebnis ist deutlich: Auch bei FelloFish und Edaira zeigen sich erhebliche Schwankungen bei identischen Eingaben, mangelnde Reproduzierbarkeit von Bewertungen und problematische Effekte bei der Überarbeitung von Texten anhand automatisierter Rückmeldungen. Besonders kritisch ist, dass wortgetreue Übernahmen automatisch vorgeschlagener Formulierungen teils besser bewertet werden als eigenständige, inhaltlich gleichwertige Verbesserungen.

Unsere Schlussfolgerung: Solche Tools können gegenwärtig nicht als eigenständige Systeme der Leistungsbewertung empfohlen werden. Wenn sie eingesetzt werden, dann allenfalls unterstützend, transparent und unter kritischer menschlicher Kontrolle.

Abstract: Die Studie untersucht die Gebrauchstauglichkeit KI-gestützter Korrektur- und Feedbacksysteme im schulischen Kontext anhand der Tools FelloFish und Edaira. Auf Basis kontrollierter Testreihen mit simulierten Schülertexten wird insbesondere die Konsistenz automatisierter Bewertungen und die Wirkung iterativer Überarbeitungen anhand des automatisierten Feedbacks analysiert. Die Ergebnisse zeigen erhebliche Bewertungsvolatilität bei identischen Eingaben, eine fehlende Reproduzierbarkeit von Urteilen sowie inkonsistente Effekte bei der Umsetzung von Verbesserungsvorschlägen. Zudem wird deutlich, dass die Systeme dazu tendieren, wortgetreue Übernahmen automatisch vorgeschlagener Formulierungen besser zu bewerten als inhaltlich gleichwertige, eigenständige Überarbeitungen. Insgesamt weisen die Befunde auf strukturelle Grenzen von Bewertungssystemen auf Basis großer Sprachmodelle hin. Die Autoren folgern, dass solche Tools derzeit nicht für eine eigenständige Leistungsbewertung geeignet sind, sondern allenfalls als unterstützende Werkzeuge unter kritischer menschlicher Kontrolle eingesetzt werden sollten.

Der Materialanhang zur Studie ist hier verfügbar.

Download und bibliographische Angaben

1. 

   Mühlhoff, Rainer, und Sean Quägwer. 2026. „Automatisierte Korrektur mit KI? Wir testen zwei verbreitete Tools“. SEMINAR – Lehrerbildung und Schule 2/2026: 62–76. doi:10.3278/SEM2602W007.

   Full text bibtex

   ×

   @article{Mü-Quägwer2026,
     title = {Automatisierte Korrektur mit KI? Wir testen zwei verbreitete Tools},
     author = {Mühlhoff, Rainer and Quägwer, Sean},
     year = {2026},
     journaltitle = {SEMINAR – Lehrerbildung und Schule},
     volume = {2/2026},
     pages = {62–76},
     doi = {10.3278/SEM2602W007},
     url = {https://www.wbv.de/shop/openaccess-direct/SEM2602W007},
     urldate = {2026-07-08},
     keywords = {KI-gestützte Leistungsbewertung; Automatisiertes Feedback; Bewertungsvolatilität; Sprachmodelle im Bildungsbereich; Digitale Bildung; EdTech},
     web_thumbnail = {/assets/images/publications/Mü-Quägwer2026.jpg},
     web_group = {papers},
     web_fulltext = {https://www.wbv.de/shop/openaccess-direct/SEM2602W007}
   }