ChatGPT lobt, die Prüfung fällt durch: KI richtig bewerten lassen im DaF-Unterricht

Ein Lerner zeigt dir stolz sein ChatGPT-Feedback: „Sehr gut geschrieben, kaum Fehler!" Du liest denselben Text und siehst sofort: Wortstellung falsch, Konnektoren fehlen, das wäre in der echten Prüfung höchstens TDN 3. Wer hat recht? Du.

Kurze Antwort

Sprachmodelle sind auf Gefallen trainiert, nicht auf Prüfungsmaßstäbe — sie loben tendenziell zu freundlich, besonders bei Texten, die inhaltlich Sinn ergeben, aber grammatisch schwach sind. Die Lösung ist nicht, KI aus dem Unterricht zu verbannen, sondern sie mit einer echten Bewertungsskala im Prompt zu füttern, statt sie frei einschätzen zu lassen.

Warum KI-Lob gefährlich ist

Stell dir folgenden B2-Text vor: Der Inhalt ist klar und logisch aufgebaut, aber es gibt Kasusfehler, keine Konnektoren außer „und" und „aber", und der Satzbau ist durchgehend Hauptsatz-Hauptsatz. ChatGPT ohne weitere Anweisung antwortet oft mit „Gut geschrieben, deine Argumentation ist klar!" — und erwähnt die Strukturprobleme höchstens als Randnotiz. Nach der echten TDN-Skala ist das aber ein Text, der an der Satzverknüpfung und Varianz scheitert — TDN 3, nicht TDN 4.

Das Problem: Ein Lerner, der sich auf dieses Lob verlässt, übt genau die falschen Dinge weiter und ist am Prüfungstag überrascht.

Wie du KI zur ehrlichen Bewertung zwingst

Der Unterschied liegt fast immer im Prompt, nicht im Modell. Drei Stellschrauben:

1. Skala vorgeben, nicht offen fragen. Statt „Wie ist dieser Text?" gib die echte Bewertungsskala mit (z. B. die TDN-Kriterien oder eine vereinfachte Rubrik) und verlange eine Einordnung genau danach.
2. Schwächen zuerst verlangen. Bitte explizit: „Nenne zuerst die drei größten Schwächen, danach erst Stärken." Das dreht die Grundtendenz zum Loben um.
3. Nach der Note fragen, nicht nach der Meinung. „Welche TDN-Stufe entspricht diesem Text und warum genau diese, nicht die nächsthöhere?" erzwingt eine begründete Einordnung statt eines Gefühls.

Ein Beispiel-Prompt für den Unterricht

Ein Prompt, den du direkt mit deiner Klasse nutzen kannst:

„Bewerte den folgenden Text nach der TestDaF-Schreibskala (TDN 3–5). Nenne zuerst drei konkrete Schwächen mit Textstelle, dann Stärken. Vergib abschließend eine TDN-Einschätzung und begründe, warum es nicht die nächsthöhere Stufe ist."

Der Unterschied zur offenen Frage ist verblüffend groß — probier es mit demselben Text einmal mit und einmal ohne diesen Rahmen aus, und zeig deiner Klasse den Unterschied. Das ist selbst eine gute Unterrichtseinheit: KI-Kompetenz konkret erlebbar machen.

Grenzen — KI ersetzt keine Prüferin

Auch mit gutem Prompt bleibt eine KI-Einschätzung eine Annäherung, keine Prüfungsentscheidung. Für echte Prüfungsvorbereitung braucht es eine Bewertung, die tatsächlich an offiziellen Prüfungsrubriken kalibriert ist — genau das ist der Unterschied zwischen einem generischen Chatbot und einem auf Prüfungskriterien trainierten Werkzeug. Wer seiner Klasse zusätzlich ein kalibriertes Bewertungstool zeigen will: germanexam.pro macht genau das für TestDaF, Goethe, telc und DSH.

FAQ

Funktioniert dieser Trick bei jedem KI-Modell gleich gut?

Die Grundtendenz zum Lob ist bei den meisten aktuellen Modellen ähnlich stark; ein klar vorgegebener Rahmen (Skala, „Schwächen zuerst") verbessert die Ehrlichkeit bei allen spürbar, auch wenn die Feinheiten variieren.

Kann ich das auch für andere Prüfungen als TestDaF nutzen?

Ja, das Prinzip überträgt sich 1:1 — die Rubrik im Prompt musst du nur gegen die jeweilige Prüfung austauschen (Goethe C1, telc, DSH haben je eigene Bewertungsraster).

Sollten Lernende das selbst anwenden dürfen?

Unbedingt — es ist eine gute Übung in KI-Kompetenz für Lernende selbst, solange sie wissen, dass es eine Annäherung bleibt und keine offizielle Bewertung ersetzt.

---

Dieser Artikel ist eine Einordnung für die Praxis, keine Rechtsberatung. Stand: 30. Juli 2026.