KI kann sofortiges, personalisiertes Feedback erzeugen – doch Lernende schätzen dessen Qualität schlecht ein und misstrauen allem, was als „KI“ gekennzeichnet ist. Formatives Feedback, neu betrachtet.
Formative Bewertung – jene, die beim Lernen hilft, statt zu sanktionieren – lebt von einer Sache: einer nützlichen Rückmeldung zum richtigen Zeitpunkt. Genau das kann KI in großem Maßstab liefern: sofortiges, detailliertes, personalisiertes Feedback zu einem Entwurf, einer Argumentation, einer Aufgabe. Doch die jüngere Forschung offenbart menschliche Feinheiten, die keine Generierungsgeschwindigkeit löst.
Die Wirksamkeitsbelege häufen sich. In einem kontrollierten Versuch in einer großen Universitätsvorlesung erstellten Studierende, die KI-vermitteltes Feedback erhielten, Überarbeitungen von deutlich höherer Qualität – mit wachsendem Effekt, je mehr die Tutoren die KI-Vorschläge übernahmen [1]. Theoretisch ermöglicht eine sorgfältige Gestaltung der Anweisungen es LLMs, vielfältige Hilfestellungen zu geben – metakognitive, motivationale –, die das selbstregulierte Lernen unterstützen [2].
Noch beunruhigender: Studierende schätzen die Richtigkeit des Feedbacks oft falsch ein. Eine Studie mit fast tausend von Hunderten Studierenden bewerteten Rückmeldungen zeigt, dass sie korrektes kaum von fehlerhaftem Feedback unterscheiden können und gern annehmen, das beste stamme von einem Menschen [4]. Anders gesagt: Man kann sich nicht darauf verlassen, dass die Lernenden die Fehler der KI herausfiltern.
Die Wirkung hängt stark davon ab, wie das Feedback genutzt wird. Eine Studie im Fach Physik zeigt, dass verpflichtende Hinweise schwächeren Lernenden helfen, aber die Selbstregulation der stärkeren beeinträchtigen, während eine Hilfe auf Abruf den Fortgeschritteneren nützt, aber die Autonomie der schwächeren untergraben kann [5]. Eine Befragung von Lehrkräften bestätigt, dass die Gewinne an Geschwindigkeit und Personalisierung durch Risiken der Verzerrung, des Datenschutzes und der Schwächung der pädagogischen Beziehung aufgewogen werden [6].
Gutes Feedback sagt nicht nur, was nicht stimmt; es befähigt die Lernenden, es beim nächsten Mal selbst zu erkennen.
Learnya-Synthese
Der aufkommende Konsens ist eindeutig: KI funktioniert besser als Ergänzung der Lehrkraft denn als Ersatz, wobei hybride Modelle am wirksamsten sind [7]. Neuro-symbolische Ansätze machen zudem die Verfolgung des Wissensstands besser interpretierbar, indem sie explizite pädagogische Regeln einbringen [8]. Schnell kann KI sein; vertrauenswürdig wird sie durch Gestaltung, menschliche Überprüfung und eine beherrschte Daten-Governance.
Feedback ist nur dann wertvoll, wenn es verstanden wird und Wirkung zeigt. Die Forschung offenbart jedoch ein doppeltes menschliches Hindernis: Lernende schätzen die Richtigkeit einer Rückmeldung falsch ein [4] und nehmen sie unterschiedlich wahr, je nachdem, ob sie einem Menschen oder einer KI zugeschrieben wird [3]. Mit anderen Worten: Ein hervorragendes KI-generiertes Feedback kann allein deshalb ignoriert werden, weil es das Etikett „KI“ trägt. Transparenz über die Herkunft und menschliche Begleitung werden damit ebenso zu Hebeln der Akzeptanz wie der Qualität.
Die Wirkung hängt auch fein von der Dosierung und dem Niveau der Lernenden ab. Verpflichtende Hinweise können den schwächeren helfen, aber die Selbstregulation der fortgeschritteneren beeinträchtigen, während eine Hilfe auf Abruf den umgekehrten Effekt erzeugt [5]. Es gibt keine universelle Einstellung: Ein gutes System passt Menge und Zeitpunkt der Unterstützung an und lässt die Lernenden schrittweise wieder selbst übernehmen. Das eigentliche Ziel formativen Feedbacks ist es, sich überflüssig zu machen.
Deshalb neigt der Konsens zu hybriden Modellen, in denen die KI die Arbeit der Lehrkraft verstärkt, statt sie zu ersetzen [7]. Die Lehrkraft bringt Urteilsvermögen, Beziehung und Kontextwissen ein; die KI bringt Schnelligkeit, Verfügbarkeit und Abdeckung. Besser interpretierbare Ansätze zur Verfolgung des Wissensstands [8] stärken zudem das Vertrauen, indem sie die Gründe einer Empfehlung nachvollziehbar machen. Schnell und glaubwürdig wird Feedback durch Gestaltung, Überprüfung und eine beherrschte Daten-Governance.
Unter allen Einsatzformen von KI in der Bildung ist die formative Rückmeldung vielleicht die vielversprechendste, weil sie am besten mit dem übereinstimmt, was Lernen ausmacht: eine nützliche, häufige Rückmeldung zum richtigen Zeitpunkt. Die KI beseitigt das wichtigste historische Hindernis – den Zeitaufwand –, indem sie ein nahezu sofortiges Feedback für jede lernende Person in jedem Schritt möglich macht.
Doch die jüngsten Erkenntnisse über Wahrnehmungsverzerrungen und das unzuverlässige Urteil der Lernenden erinnern daran, dass gutes Feedback sich nicht auf seine Erzeugung beschränkt. Es muss glaubwürdig, handlungswirksam und an das Niveau jedes Einzelnen angepasst sein und unter der Aufsicht einer Lehrkraft bleiben. Die Zukunft gehört nicht der KI, die die menschliche Rückmeldung ersetzt, sondern einem Bündnis, in dem jeder das einbringt, was er am besten kann – Schnelligkeit für die Maschine, Sinn und Beziehung für den Menschen.