Wo KI für die Bewertung eingesetzt werden kann und wo nicht

Die Frage nach KI in der Bewertung ist nicht einfach die Wahl zwischen einem vollständigen Verbot und völliger Automatisierung. Betrachten Sie die konkrete Handlung: ein Kriterium vorbereiten, bei der Formulierung einer Rückmeldung helfen, einen Ausschnitt einer Anforderung zuordnen oder eine endgültige Entscheidung treffen. Diese Handlungen haben unterschiedliche Folgen und benötigen unterschiedliche Belege. Eine sinnvolle Grenze liegt dort, wo ein unterstützendes Werkzeug keine überprüfbaren Materialien mehr anbietet und die Verantwortung der Lehrkraft durch eine unerklärte Schlussfolgerung ersetzt.

Dieser Artikel bietet einen didaktischen Rahmen und keine allgemeingültige Rechtsauslegung. Verfahren zum Umgang mit Daten, Noten und Lernmaterialien werden durch die Regeln der jeweiligen Einrichtung und die geltenden Anforderungen bestimmt. Wir betrachten fiktive Situationen: einen Rückmeldungsentwurf, eine umstrittene schriftliche Antwort und eine praktische Vorführung. Sie beschreiben keine durchgeführten Experimente. Ziel ist es, Kursverfassenden zu helfen, die richtigen Fragen zum KI-Einsatz zu stellen, ohne der KI ungeprüfte Fähigkeiten zuzuschreiben.

Benennen Sie zuerst die Entscheidung

„KI zur Bewertung einsetzen“ ist eine zu weit gefasste Formulierung. Ein Modell könnte lediglich einen bereits freigegebenen menschlichen Kommentar kürzen oder selbstständig eine Punktzahl vorschlagen. Im ersten Fall hat die Lehrkraft die inhaltliche Grundlage bereits festgestellt. Im zweiten beeinflusst das Werkzeug die Entscheidung. Beschreiben Sie den Prozess anhand konkreter Schritte und Befugnisse. Sonst können Lernende und Lehrteam dieselbe Aussage unterschiedlich auslegen, obwohl sie formal der Nutzung desselben Dienstes zustimmen.

Trennen Sie Aufgabenvorbereitung, Lesen der Arbeit, Formulieren der Rückmeldung und endgültige Entscheidung. Benennen Sie für jeden Schritt, was das Modell tut und wer das Ergebnis prüft. Wenn die Antwort unklar ist, ist der Prozess nicht einsatzbereit. Verbergen Sie Komplexität nicht hinter dem Wort „Assistent“. Ein Assistent kann unterschiedliche Zugangs- und Einflussstufen haben. Seine Rolle muss zur tatsächlichen Nutzung passen und nicht nur zu einer harmlos klingenden Formulierung in der Kursbeschreibung.

Das Eberly Center der Carnegie Mellon University empfiehlt, Beweggründe, Qualität, Daten und Kommunikation zu berücksichtigen , bevor generative KI für Bewertung und Rückmeldung eingesetzt wird. Dieser Rahmen hilft, mit der Lernaufgabe zu beginnen. Zeitersparnis kann eine Absicht sein, ist aber kein Eignungsbeleg. Wenn Rückmeldungen umfangreiche Korrekturen brauchen oder neue unbelegte Behauptungen einführen, verbessert die schnelle Generierung allein den Prozess nicht.

Geeignete Unterstützung bei der Vorbereitung

KI kann Kriterienentwürfe erstellen, wenn die verfassende Person diese mit Ziel und Aufgabenbedingungen abgleicht. Ein Modell kann helfen, ein unklares Wort zu finden, beobachtbare Merkmale vorzuschlagen oder einen fiktiven Grenzfall zu erstellen. Das endgültige Raster bleibt die Entscheidung der verfassenden Person. Zeigen Sie es den Lernenden vor der Aufgabenbearbeitung. Ergänzen Sie nach dem Lesen der Arbeiten nicht stillschweigend ein neues Kriterium, nur weil das Modell es wichtig oder professionell genannt hat.

Ein weiterer geeigneter Schritt ist die redaktionelle Prüfung einer Testfrage anhand einer geprüften Quelle. Bitten Sie um alternative Lesarten und die Grundlage der Musterlösung. Eine Person prüft die Schlussfolgerungen unabhängig. Wenn das Modell eine Tabelle oder ein Bild nicht sehen kann, ist seine Prüfung auf den verfügbaren Text begrenzt. Die Aufgabenvorbereitung wird dadurch nicht automatisch fehlerfrei, erhält aber eine weitere kontrollierte Perspektive. Dieser Schritt erfordert keine Übermittlung tatsächlicher Arbeiten von Lernenden, wenn fiktive Anschauungsbeispiele verwendet werden.

KI kann auch helfen, Anweisungen zu vereinfachen. Prüfen Sie, ob die Kürzung die Anforderung verändert hat. „Erklären Sie die Wahl“ ist nicht dasselbe wie „Nennen Sie die Option“. Sprachliche Bearbeitung beeinflusst die Lernhandlung, selbst wenn sie technisch erscheint. Verfassende müssen alte und neue Fassung vergleichen und diejenige freigeben, die die beabsichtigte Bedeutung bewahrt. Eine elegante Formulierung ist kein Vorteil, wenn die Lernenden nun eine andere Aufgabe ausführen.

Rückmeldungsentwürfe mit menschlicher Prüfung

Ein fiktiver Text einer lernenden Person enthält eine Schlussfolgerung, die über die Daten hinausgeht. Die Lehrkraft hat das Problem bereits erkannt und möchte es verständlich erklären. Ein Modell kann helfen, aus einer Notiz einen kurzen Kommentar mit Stelle, Begründung und nächster Handlung zu machen. Eine Person prüft jede Aussage vor dem Versenden. Wenn die KI ein Zitat oder eine psychologische Charakterisierung ergänzt, entfernen Sie dies. Die Aufgabe des Werkzeugs ist es, eine kontrollierte Mitteilung zu formulieren und keine unsichtbare Fehlerursache festzustellen.

Dafür genügen der relevante Ausschnitt, die Aufgabenbedingungen und das Kriterium. Übergeben Sie nicht die gesamte Vorgeschichte der lernenden Person, wenn sie nicht zur Erklärung des aktuellen Schritts beiträgt. Individuelle Rückmeldung entsteht aus konkreter Arbeit. Ein Modell darf Motivation, Aufmerksamkeit oder Fähigkeit nicht anhand eines einzigen Absatzes beurteilen. Die Rückmeldung soll eine Entscheidung betreffen, die die verfassende Person erneut betrachten kann. Der unterstützende Schritt bleibt dann innerhalb der Lernaufgabe, ohne ein unnötiges Personenprofil zu erstellen.

Wenn Lernende eine mit KI erstellte Rückmeldung erhalten, müssen sie wissen, wer für ihren Inhalt verantwortlich ist und wie sie eine Frage stellen können. Versenden Sie kein ungeprüftes Ergebnis als endgültige Entscheidung. Wenn die kursverfassende Person die Grundlage der Mitteilung nicht erklären kann, ist die Rückmeldung nicht fertig. Die Verantwortung wird nicht durch den Hinweis auf den Technologieeinsatz an ein Modell übertragen. Das Lehrteam übernimmt einen Text, den es anhand der tatsächlichen Arbeit und des angekündigten Kriteriums besprechen kann.

Ein unterstützender Vergleich ist keine endgültige Note

Ein Modell kann Stellen finden, die eine bestimmte Anforderung erfüllen, beispielsweise eine Behauptung und ihre Begründung identifizieren. Dies ist ein hilfreicher Ausgangspunkt für erneutes Lesen, wenn die Zitate echt sind. Es kann jedoch eine indirekte, aber ausreichende Erklärung übersehen oder dem Text eine stärkere Schlussfolgerung zuschreiben. Die Lehrkraft kehrt zum Original zurück. Die endgültige Entscheidung braucht Kontext: Arbeitsbedingungen, verfügbare Materialien, Niveau und Bewertungsverfahren.

Verwenden Sie eine Modellantwort nicht als uneingeschränktes Argument in einem Streitfall. „Die KI hat diese Stufe vergeben“ erklärt nicht, welches Merkmal sie stützt. Lernende können eine Stelle zeigen, die der Schlussfolgerung widerspricht. Eine Person muss sie berücksichtigen und die Entscheidung bei Bedarf ändern. Ein transparentes Verfahren ist wichtiger als das Beibehalten der ursprünglichen Punktzahl. Das Werkzeug unterstützt beim Lesen, erhält aber nicht die Befugnis, jede zulässige Antwort ohne verantwortliche Prüfung abschließend auszulegen.

Wenn das Lehrteam einen umfassenderen Einsatz erwägt, sind geprüfte Beispiele, abgestimmte Kriterien und laufende Kontrolle nötig. Ein gelungener Kommentar beweist keine Zuverlässigkeit bei allen Arbeiten. Unterschiedliche Formate schaffen unterschiedliche Grenzen. Eine schriftliche Notiz, ein Schaubild und eine Vorführung liefern nicht dasselbe Material. Benennen Sie genau, was geprüft wurde, und übertragen Sie ein örtlich begrenztes Ergebnis nicht auf ein gesamtes Fachgebiet. KI darf nicht allein deshalb eine umfassendere Rolle erhalten, weil ihre erste Antwort selbstsicher klingt.

Wo direkte Beobachtung erforderlich ist

Bei einer praktischen Vorführung können eine Handlungsfolge, eine Interaktion oder ein beruflich bedeutsames Verfahren bewertet werden. Eine Textbeschreibung beweist die Ausführung nicht. Wenn die KI nur einen Bericht sieht, sind ihre Schlussfolgerungen auf diesen Bericht begrenzt. Eine endgültige Entscheidung über eine Handlung erfordert geeignete Beobachtung und kompetente Prüfung. Ersetzen Sie diese nicht durch eine überzeugende Nacherzählung. Diese Grenze zu bewahren ist besonders wichtig, wenn die Bewertung den Zugang zu einer anschließenden verantwortungsvollen Praxis bestimmt.

Ein ähnliches Problem entsteht bei Gruppenarbeit. Das Endprodukt zeigt nicht automatisch den Beitrag jeder Person. Ein Modell weiß nicht, wer eine Lösung vorgeschlagen, den anderen zugehört oder einen bestimmten Schritt ausgeführt hat. Wenn diese Handlungen bewertet werden, organisieren Sie die nötigen Belege im Voraus. Lassen Sie die KI nicht ohne Grundlage individuelle Punktzahlen aus einer gemeinsamen Datei verteilen. Organisatorische Bequemlichkeit kann fehlende Daten über die bewertete Handlung nicht ausgleichen.

Bei einer mündlichen Antwort kann ein Transkript die Inhaltsprüfung unterstützen, zugleich aber wichtigen Kontext verlieren. Wenn Interaktion Teil des Ziels ist, werden die Äußerungen und der Gesprächsverlauf benötigt. Wenn nur die Argumentation bewertet wird, kann ein freigegebener Text ausreichen. Die verfassende Person legt die Grenze fest. KI darf aus einem Ausschnitt ohne Reaktion auf andere Teilnehmende nicht auf Kommunikationsfähigkeit schließen. Bewerten Sie genau das, was das Material tatsächlich zeigt.

Wo Stil allein keine Schlussfolgerung trägt

Eine ungewöhnliche Formulierung oder ausgefeilte Struktur belegt nicht, wie eine Arbeit entstanden ist. Wenn der Kurs Regeln für den KI-Einsatz hat, werden Fragen zur Urheberschaft in einem vereinbarten Verfahren anhand verfügbarer Grundlagen behandelt. Machen Sie die Vermutung eines Modells über „maschinellen Text“ nicht zum Beleg. Die Bewertung eines Produkts und die Prüfung der Regeleinhaltung sind unterschiedliche Aufgaben. Letztere braucht ein eigenes Verfahren, das über einen Stileindruck hinausgeht.

Lernende können ihre Argumentation erklären, Überarbeitungen zeigen oder eine Entscheidung besprechen, wenn die Bedingungen dies vorsehen. Diese Arbeit kann Verständnis belegen, ist aber keine allgemeingültige Methode, die gesamte Entstehungsgeschichte einer Datei zu beweisen. Versprechen Sie keine absolute Gewissheit. Kursverfassende müssen die geprüfte Lernhandlung und die vom Material erlaubten Schlussfolgerungen benennen. KI rekonstruiert einen unsichtbaren Prozess nicht automatisch, selbst wenn sie eine plausible Darstellung vorschlägt.

Wenn ein Werkzeug eine verdächtigende Charakterisierung einer Person vornimmt, unterbinden Sie diese Schlussfolgerung. „Die lernende Person neigt zum Täuschen“ ist keine fachliche Rückmeldung zu einem Absatz. Ebenso folgt „geringe Motivation“ nicht aus einer ausgelassenen Antwort. Betrachten Sie die konkrete Tatsache und das passende Klärungsverfahren. Ein Modell kann helfen, eine neutrale Frage zur Arbeit zu formulieren, darf aber kein persönliches Etikett schaffen, das anschließend alle Entscheidungen der Lehrkraft beeinflusst.

Daten und Befugnisse

Bestimmen Sie vor der Nutzung, welches Material nach den Regeln Ihrer Organisation an das gewählte Werkzeug übermittelt werden darf. Anonymisierung hilft, beseitigt aber nicht immer jedes Risiko: Ein Text kann wiedererkennbare Erlebnisse oder Daten anderer Menschen enthalten. Verwenden Sie den kleinsten erforderlichen Ausschnitt oder führen Sie die Prüfung ohne Übermittlung durch. Dieser Artikel ersetzt keine Prüfung konkreter Anforderungen. Berücksichtigen Sie didaktischen Nutzen und Zulässigkeit des Prozesses gemeinsam und nicht erst nach dem massenhaften Hochladen von Arbeiten.

Eine Sicherheitszusage eines Anbieters ist keine automatische Erlaubnis für jede Aufgabe. Bedingungen hängen von Dienst, Kontoumgebung und organisatorischen Verfahren ab. Übertragen Sie die Regeln einer Einrichtung nicht allein wegen desselben Produktnamens auf eine andere. Verfassende müssen wissen, wo der unterstützende Schritt stattfindet und welches Material dorthin gelangt. Wenn dies unklar ist, muss der Prozess vor dem Einsatz geklärt werden. Eine selbstsichere KI-Schlussfolgerung über allgemeine Regelkonformität genügt nicht.

Eine transparente Kursrichtlinie

Eine kurze Beschreibung kann zulässige Unterstützungsaufgaben, menschliche Prüfung und den Weg für Rückfragen benennen. Beispielsweise entwirft KI Kommentare zu Übungsfassungen, während die Lehrkraft jede Mitteilung freigibt. Dieses fiktive Beispiel muss an das tatsächliche Verfahren angepasst werden. Versprechen Sie keine automatische Rückmeldung, wenn das Werkzeug für diesen Modus nicht validiert ist. Die genannten Rollen müssen dem entsprechen, was das Team tatsächlich tut.

Erklären Sie auch die Grenzen der Nutzung durch Lernende. Wenn Strukturvorschläge erlaubt sind, eine eigenständige Begründung aber erforderlich ist, sagen Sie dies vor der Bearbeitung. Richtlinien für Lehrkräfte und Lernende können unterschiedlichen Aufgaben dienen, ihre Begründung muss jedoch klar sein. Schaffen Sie keine Situation, in der Lernenden Formulierungshilfe ohne Erklärung verboten wird, während Lehrkräfte ungeprüfte automatische Entscheidungen versenden. Transparenz unterstützt die Diskussion über das Lernziel und nicht nur über den Technologieeinsatz.

Legen Sie fest, wie Bedenken zu Rückmeldungen behandelt werden. Die Lernenden benennen Ausschnitt und Kriterium; die Lehrkraft erklärt die Grundlage und korrigiert die Entscheidung bei Bedarf. Nicht jede Frage muss zu einem großen förmlichen Streitfall werden. Der Kommunikationsweg muss jedoch tatsächlich bestehen und zugänglich sein. KI darf keine letzte Instanz werden, deren inhaltliche Aussagen Menschen nicht hinterfragen können. Verantwortliche Bewertung lässt Raum, Belege zu klären und eine zulässige Alternative zu berücksichtigen.

So entscheiden Sie über einen konkreten Schritt

Fragen Sie: Welches Ergebnis wird benötigt, welche Daten stehen zur Verfügung, lässt sich jede Schlussfolgerung prüfen, wer gibt die Mitteilung frei und welche Folgen hat ein Fehler? Wenn es für ein gefordertes Merkmal keine Belege gibt, darf die KI es nicht bewerten. Wenn die Grundlage überprüfbar und menschliche Kontrolle organisiert ist, kann ein unterstützender Schritt erwogen werden. Dies ist ein Rahmen für die Entscheidung der verfassenden Person und keine automatische Erlaubnis. Bewerten Sie den konkreten Prozess und nicht die Technologie als ein einziges unveränderliches Objekt.

Beginnen Sie mit einer kleinen Aufgabe ohne echte personenbezogene Daten, etwa der redaktionellen Prüfung einer fiktiven Rückmeldung. Prüfen Sie, ob das Werkzeug das Kriterium bewahrt und keine Vermutungen ergänzt. Entscheiden Sie anschließend, ob es Ihrem Kurs nützt. Skalieren Sie nicht allein deshalb, weil die erste Antwort gelungen klingt. Qualität liegt im geprüften Inhalt und nicht in Geschwindigkeit oder überzeugender Formulierung. Wenn der Prozess nicht hilft, kann er außerhalb der Bewertung bleiben.

Eine praktische Übersicht der Grenzen für eine Aufgabe

Es ist hilfreich, jeder Stufe dieser Übersicht eine verantwortliche Person zuzuordnen. Verlassen Sie sich nicht auf ein allgemeines „Das Team prüft“. Wenn Anweisungsverfassende und Prüfende der Arbeit unterschiedliche Personen sind, übergeben Sie freigegebene Kriterien und Material gemeinsam. Die Grenze der KI-Rolle bleibt dann sowohl im Prompt als auch im tatsächlichen Ablauf zwischen den Menschen erhalten, die die Lernentscheidung treffen.

Betrachten wir eine separate fiktive Aufgabe: Eine lernende Person erstellt eine kurze Erklärung zur Quellenwahl. Sie muss die Materialherkunft zeigen, die stützende Grundlage nennen und fehlende Daten anerkennen. Vor der Bearbeitung kann die Lehrkraft die KI bitten, die Anweisung auf Mehrdeutigkeit zu prüfen. Dies betrifft den Text der verfassenden Person und nicht die Note eines Lernenden. Das Ergebnis ist eine Liste möglicher Missverständnisse. Eine Person liest sie, übernimmt relevante Korrekturen und speichert die endgültigen Aufgabenbedingungen. Das Risiko ist bei diesem Schritt geringer, aber nicht null: Das Werkzeug kann eine neue Anforderung ergänzen.

Nach der Abgabe kann KI helfen, im schriftlichen Text die Stelle mit der Quellenangabe zu finden. Wenn sie keinen Ausschnitt findet, beweist dies jedoch nicht, dass er fehlt. Die verfassende Person könnte eine andere Form verwendet oder den Link in einem separaten Feld angegeben haben. Die Lehrkraft muss das vollständige Material prüfen. Eine hilfreiche Arbeitsnotiz lautet: „Das maschinelle Ergebnis ist ein Kandidat zum Nachlesen und keine endgültige Entscheidung.“ Diese kurze, aber wichtige Grenze verhindert, dass eine bequeme Suche zur automatischen Beschuldigung wird, eine Anforderung nicht erfüllt zu haben.

In der Rückmeldungsphase kann KI auf Grundlage einer bereits festgestellten menschlichen Schlussfolgerung mehrere kurze Formulierungen anbieten. Beispielsweise hat die Lehrkraft erkannt, dass die Quelle genannt, ihre Verbindung zur Behauptung aber nicht erklärt ist. Der Entwurf soll dann genau diese Verbindung verlangen. Das Werkzeug braucht ohne ausdrückliche Aufgabe keine Befugnis, die gesamte Arbeit neu zu bewerten. Wenn im Entwurf ein neuer Mangel auftaucht, erfordert er eine gesonderte Durchsicht. Gute Sprache macht eine ungeprüfte Behauptung nicht richtig und rechtfertigt nicht, sie in die Bewertung aufzunehmen.

Die endgültige Schlussfolgerung muss auf Aufgabenbedingungen, Kriterien und tatsächlicher Arbeit beruhen. Eine fiktive Dokumentation kann drei Felder enthalten: Was ist bestätigt, was muss korrigiert werden und was lässt sich nicht feststellen? Das dritte ist besonders hilfreich. Es erinnert daran, dass nicht jede Frage anhand des vorgelegten Textes geklärt werden kann. Wenn wir wissen müssen, wie eine lernende Person Material ausgewählt hat, zeigt ein schriftliches Produkt ohne Prozessbeschreibung dies nicht. Eine Schlussfolgerung zur Arbeitsweise braucht andere Belege oder eine geeignete Klärung und keine Modellannahme.

Fünf Abbruchbedingungen

Die erste ist eine nicht festgelegte Quelle der Kriterien. Wenn die KI nur die Arbeit und die Bitte „Bewerte die Qualität“ erhält, wendet sie ihre eigenen Vorstellungen an. Kehren Sie vor der Ergebnisnutzung zu den angekündigten Anforderungen zurück. Die zweite ist nur teilweise gelesenes Material. Ein erkannter PDF-Ausschnitt ist nicht die gesamte Aufgabe. Eine endgültige Schlussfolgerung ist nicht möglich, wenn wichtige Tabellen oder Anhänge unzugänglich sind. Es braucht lesbares Material oder eine andere zulässige Prüfmethode und keine selbstsichere Verallgemeinerung aus einem Fragment.

Die dritte ist eine Rückmeldung über Verhalten oder Absicht. „Mangelnde Arbeitsbereitschaft“ folgt nicht automatisch aus einer kurzen Antwort. Entfernen Sie dies und kehren Sie zur beobachtbaren Handlung zurück. Die vierte ist eine Entscheidung, die Kursbedingungen verändert. Ein Modell kann Punktabzüge für Unterstützung empfehlen, die zuvor nicht eingeschränkt war. Eine solche Regel darf nicht stillschweigend rückwirkend angewandt werden. Die fünfte sind Daten, die nicht an die gewählte Umgebung übermittelt werden dürfen. Hier ist der Abbruch Teil eines verantwortlichen Prozesses und keine technische Unannehmlichkeit, die umgangen werden sollte.

Ein Abbruch bedeutet nicht immer, KI für immer aufzugeben. Die Aufgabe kann verändert werden: mit fiktiven Antworten arbeiten, bereits freigegebene Rückmeldungen bearbeiten oder nur die Anweisung der verfassenden Person prüfen. Übertragen Sie einen unfertigen Prozess nicht auf ein neues Werkzeug, ohne die Ursache zu analysieren. Wenn das Hindernis Datenrechte betrifft, beseitigt ein anderer Dienst es nicht automatisch. Wenn das Problem ein unklares Raster ist, macht ein neues Modell es nicht von selbst transparent. Ändern Sie zuerst die Arbeitsgrundlage und wiederholen Sie anschließend den zulässigen Schritt.

So erklären Sie den Lernenden den Einsatz

Eine kurze Erklärung kann die konkrete Rolle benennen: „KI hat nach der Prüfung durch die Lehrkraft geholfen, die Rückmeldung sprachlich zu bearbeiten.“ Dies unterscheidet sich von „KI hat Ihre Arbeit bewertet“. Übertreiben Sie die Werkzeugbeteiligung nicht und verbergen Sie sie nicht. Teilnehmende müssen verstehen, wer entscheidet und wie sie nach einem sachlichen Fehler fragen können. Wenn der Kurs ein Einspruchsverfahren vorsieht, verweisen Sie auf die aktuelle Regel. Schaffen Sie nicht in einem einzelnen Kommentar ein neues Verfahren, nur weil die KI es als aufmerksamen Abschluss vorgeschlagen hat.

Prüfen Sie nach einer Rückfrage die Grundlage, statt den maschinellen Text zu verteidigen. Die lernende Person könnte einen übersehenen Ausschnitt, eine Fehlinterpretation oder ein geändertes Kriterium erkannt haben. Die Prüfung braucht die Arbeit und die angekündigten Aufgabenbedingungen. Wenn die Schlussfolgerung korrigiert wird, erklären Sie die Änderung anhand konkreter Belege. So erkennen die Beteiligten, dass Bewertung ein begründbarer Prozess ist. Vertrauen entsteht aus der Möglichkeit, eine Entscheidung zu prüfen und bei unvollständiger Grundlage zu korrigieren, und nicht aus einem Unfehlbarkeitsversprechen.

Eine Grenze, die Sie erklären können

Schreiben Sie vor dem Einsatz einen kurzen Satz zur Werkzeugrolle auf. Wenn daraus nicht klar hervorgeht, was beim Menschen bleibt, präzisieren Sie den Prozess. Bei unterschiedlichen Aufgaben kann KI redaktionell bearbeiten, Optionen vorschlagen oder beim Finden von Ausschnitten helfen. Die endgültige Entscheidung muss auf angekündigten Kriterien und tatsächlichen Belegen beruhen. Fehlende Daten werden nicht durch eine selbstsichere Vorhersage ausgeglichen und Verantwortung verschwindet nicht durch automatische Formulierungen.

Verknüpfen Sie in WeStudy Aufgabenbedingungen, Kriterien und freigegebene Rückmeldungen mit der entsprechenden Arbeit. Das WeStudy-LMS hilft bei der Lernorganisation, während das Kursteam die KI-Grenzen festlegt. Ein unterstützendes Werkzeug ist dort geeignet, wo sich sein Ergebnis prüfen und erklären lässt. Wo direkte Beobachtung, die erforderliche Befugnis oder eine Entscheidung über eine Person ohne verfügbare Grundlage betroffen sind, darf eine automatische Schlussfolgerung verantwortliche Bewertung nicht ersetzen.

Quellen und weiterführende Literatur

• Das Eberly Center der Carnegie Mellon University empfiehlt, Beweggründe, Qualität, Daten und Kommunikation zu berücksichtigen