KI-Feedback im Schreibunterricht: Motivationsschub oder Mogelpackung?
Sprachmodelle können Schülertexte in Sekunden bewerten. Aber motiviert das wirklich zum Überarbeiten – oder schafft es neue Probleme?
Carina Wezel
3 Min. Lesezeit
Erstellt mit Nano Banana Pro 2
Wer im Deutschunterricht schreibt, bekommt sein Feedback oft erst Wochen später – als rote Striche unter dem Aufsatz und eine Note am Rand. Dass das kaum zum Überarbeiten motiviert, überrascht niemanden. Doch was passiert, wenn Schülerinnen und Schüler stattdessen innerhalb von Sekunden eine kriteriengeleitete Rückmeldung von einer KI erhalten? Tools wie fellofish oder das Münchner Forschungstool PEER versprechen genau das. Die Frage ist: Hält das Versprechen?
Was KI-Feedback motivierend machen kann
Die Schreibforschung ist sich einig: Damit Feedback zum Überarbeiten anregt, muss es zeitnah, kriterienorientiert und handlungsleitend sein. Deutschlehrkräfte korrigieren im Schnitt über 400 Texte pro Schuljahr – formatives Feedback, das noch während des Schreibprozesses ankommt, ist unter diesen Bedingungen kaum leistbar.
Hier können KI-gestützte Feedbacktools tatsächlich punkten. Sie liefern sofort eine Rückmeldung, die sich an den vorher im Unterricht erarbeiteten Kriterien orientiert. Didaktisch durchdachte Systeme wie fellofish arbeiten dabei mit einer bewährten Struktur: Zuerst wird benannt, was im Text schon gut gelingt (Feedback), dann folgen konkrete Hinweise zur Verbesserung (Feedforward). Farbige Fortschrittsbalken zeigen auf einen Blick, wo der größte Überarbeitungsbedarf liegt.
Für die Motivation ist das dreifach relevant: Schülerinnen und Schüler erleben erstens ein Erfolgserlebnis, weil Stärken sichtbar werden. Zweitens können sie sofort in die Überarbeitung einsteigen, statt tage- oder wochenlang auf eine Rückmeldung zu warten. Und drittens wissen sie dank der Kriterienorientierung konkret, woran sie arbeiten können – statt vor einem pauschalen „Inhalt ausbaufähig" zu stehen.
Wo die Grenzen liegen
So überzeugend das klingt – die Forschung mahnt zur Vorsicht. Eine differenzierte Untersuchung von Fürstenberg (2025) zeigt, dass die Einschätzungen von KI-Systemen und menschlichen Expertinnen nur schwach übereinstimmen. Die KI bewertete denselben Textaspekt in aufeinanderfolgenden Durchläufen teils unterschiedlich, und einzelne Rückmeldungen enthielten sachlich fragwürdige Hinweise. Die Folge: Einige Schülerinnen und Schüler verloren das Vertrauen in das Feedback – und damit auch die Motivation, es umzusetzen.
Besonders kritisch wird es beim Erzählen. Ob eine Geschichte fesselt, ob der Spannungsbogen trägt, ob Figuren lebendig wirken – das sind Qualitäten, die sich nicht einfach in Regeln fassen lassen. KI-Systeme können prüfen, ob bestimmte sprachliche Mittel vorhanden sind (z. B. direkte Rede, sensorische Details). Ob diese Mittel aber tatsächlich die beabsichtigte Wirkung beim Leser entfalten, kann nur ein menschlicher Leser beurteilen.
Hinzu kommt: Jüngere Lernende (Klassen 5/6) sind von textlastigen KI-Rückmeldungen oft überfordert. Praxisberichte zeigen, dass leistungsstärkere Kinder von sofortigem KI-Feedback profitieren, während leistungsschwächere Kinder eine persönlichere, oft mündliche Begleitung brauchen.
Was das für die Praxis bedeutet
KI-Feedback funktioniert am besten, wenn es nicht allein steht, sondern als ein Baustein in einem mehrstufigen Rückmeldungsprozess eingebettet ist:
Stufe 1 – KI-Feedback als individueller Impuls: Schülerinnen und Schüler erhalten eine erste kriteriengeleitete Einschätzung und setzen sich mithilfe eines Reflexionsbogens aktiv damit auseinander – nicht als passive Empfänger, sondern als kritische Evaluierende.
Stufe 2 – Peer-Feedback in der Schreibkonferenz: Der Text wird von Mitschülerinnen und Mitschülern gelesen. Hier entsteht die echte Leserreaktion – „Hat mich deine Geschichte gefesselt?" –, die KI nicht liefern kann.
Stufe 3 – Lehrer-Feedback für die, die es brauchen: Die Lehrkraft wird durch die KI entlastet und kann sich gezielt um jene Lernenden kümmern, die zusätzliche Unterstützung benötigen.
Unser Fazit
KI-Feedbacktools können die Schreibmotivation steigern – vor allem durch Unmittelbarkeit und Sichtbarmachung von Stärken. Aber sie sind kein Ersatz für menschliches Feedback, sondern eine Ergänzung. Wer sie einsetzen möchte, sollte drei Dinge beachten: die Rückmeldungen transparent als maschinelle Textanalyse einordnen, Schülerinnen und Schüler zur kritischen Prüfung anleiten und das KI-Feedback in einen Prozess einbetten, der auch echte Leserinnen und Leser einschließt.
Die Frage ist nicht „KI oder Lehrkraft?", sondern: Wie gestalten wir den Rückmeldungsprozess so, dass alle davon profitieren?
Dieser Beitrag basiert auf aktuellen Erkenntnissen der Schreibdidaktik und KI-Feedbackforschung, u. a. auf Arbeiten von Fürstenberg (2025), Steinhoff (2023/2025), Haverkamp/Hecht/Schindler (2024) und Wild/Schilcher/Pissarek (2018).
KIFeedbackBewertungSchreibmotivation
Teilen:
KI-Feedback im Schreibunterricht: Motivationsschub?
Carina Wezel