Einschätzung und Bewertung KI-spezifischer Kompetenzen
In Fortbildungen zur KI-Integration im Unterricht treibt Lehrkräfte eine Frage immer wieder erkennbar um: Wie können wir fair und transparent bewerten, was Schüler:innen mit KI geleistet haben? Dabei geht es neben fachlichen Kompetenzen um neue KI-Kompetenzen (z.B. beim Prompting), aber auch um Anforderungen, die wir hinsichtlich der Dokumentation und der Reflexion einfordern.
In früheren Beiträgen auf diesem Blog habe ich dazu beschrieben, wie eine solche Verschränkung mit Aufgaben aussehen kann. Dazu steht unter anderem eine Planungsvorlage zur Aufgabenkultur mit KI und ein Modell bereit, dass Lernen mit KI als verschränkten Prozess erklärt. Zusätzlich wurde gezeigt, wie sich der KI-Einsatz anhand schulischer Operatoren reflektieren und bewerten lässt. Was noch fehlt, ist eine ausführliche Darstellung möglicher Bewertungsraster für verschiedene Anforderungsbereiche. Mit diesem Beitrag möchte ich diese Lücke schließen, die Überlegungen fortführen und elf Bewertungsraster für unterschiedliche KI-Aufgaben in Unterricht und Prüfungskontext vorstellen.
Von Operatoren zu KI-spezifischen Anforderungen
Zum Hintergrund: Der konzeptionelle Ausgangspunkt der Raster ist nicht die KI selbst, sondern die Aufgabe und die in sie eingeschriebenen Kompetenzerwartungen. In schulischen Anforderungssituationen arbeiten wir dabei mit Operatoren, die bestimmte Tätigkeiten und kognitive Leistungen greifbar machen: Lernende sollen zum Beispiel beschreiben, analysieren, bewerten, überarbeiten, vergleichen oder begründen. Werden diese Operatoren auf KI-gestütztes Arbeiten angewendet, entstehen sogenannte Meta-KI-Aufgaben: Aufgaben, die nicht fachliche Inhalte allein im Blick haben, sondern die Art und Weise, wie Schüler:innen mit KI umgehen. Die KMK nennt das „versierte Koaktivität“.
Beispiel: Der Operator „überarbeiten“ führt bei einer Meta-KI-Aufgabe zu einer Aufgabenstellung wie „Überarbeite deinen Text-Entwurf gezielt mit KI-Unterstützung. Zeige und erkläre anschließend an zwei Beispielen, warum du Vorschläge von der KI übernommen hast.“ Hinter dieser Aufgabe stecken mehrere Teilkompetenzen: der Entwurf selbst, die Nutzung der KI als Überarbeitungs-Tool, die dazu eingegebenen Prompts, die Auswahl der Vorschläge, die Überarbeitungsleistung, die Reflexion und die Qualität der Begründung. Um diese Schüler:innenleistung beurteilen zu können, benötigen Lehrkräfte eine Vorstellung davon, was hierbei eine anspruchsvolle/gute Leistung sein kann und was nicht – sie benötigen einen KI-bezogenen Erwartungshorizont. Solche Erwartungshorizonte inkl. Punkteverteilung helfen bei der Bewertung und machen diese gleichzeitig transparent.
Entscheidend dabei ist: Diese KI-spezifische Dimension ergänzt die fachliche Bewertung, sie ersetzt sie nicht. Wer einen argumentierenden Text bewertet, bewertet weiterhin den formalen Aufbau und die inhaltliche Qualität der Argumente. Das KI-spezifische Raster fügt nun jedoch eine zweite Frage hinzu: Wie reflektiert wurde dabei mit KI gearbeitet – insofern bei der Aufgabenstellung die Zusammenarbeit mit KI möglich bzw. eingefordert war. Beide Dimensionen können auseinanderfallen, eine fachlich starke Argumentation kann mit einem schwachen KI-Einsatz verbunden sein und umgekehrt.
Ein Anforderungsbereich – zwei Perspektiven
Jedes der elf Raster liegt in zwei Versionen vor: einer Lehrkraft-Version für die Fremdeinschätzung und einer Schüler:innen-Version für die Selbsteinschätzung. Die Selbsteinschätzung ist dabei nicht einfach eine sprachlich vereinfachte Version der Lehrkraft-Tabelle, sondern ein eigenständiges Instrument. Sie spricht Schüler:innen in der Ich-Form an und ist so formuliert, dass sie anschlussfähig an das eigene Erleben des Arbeitsprozesses ist.
Im Unterricht empfehle ich, die Selbsteinschätzung nicht erst am Ende einzusetzen, sondern schon früher – also während des Lernprozesses. Wer beim Prompten oder beim Überarbeiten bereits weiß, woran eine gute Leistung erkannt wird, arbeitet bewusster. In Prüfungssituationen bzw. bei der Korrektur danach übernimmt die Lehrkraft-Version die Hauptfunktion: Sie macht Anforderungen transparent und bietet eine strukturierte Grundlage für eine nachvollziehbare Beurteilung.
Aufbau der Raster
Alle Raster folgen demselben Grundprinzip. Sie bestehen aus einer Tabelle mit vier Kriterien, die die zu bewertenden Kompetenzen aus vier unterschiedlichen Perspektiven beschreiben. Jedes Kriterium ist in vier Stufen unterteilt, die von „nicht erfüllt“ bis „vollständig erfüllt“ reichen. In der Lehrkraft-Version sind den Stufen Punkte zugeordnet (0 / 1–2 / 3–4 / 5), sodass sich pro Kriterium fünf Punkte und insgesamt eine Maximalpunktzahl von 20 Punkten ergeben. In der Schüler:innen-Version sind die Stufen in der Ich-Form formuliert: „Das kann ich noch nicht sicher“ bis „Das kann ich sehr sicher.“
Die 11 Raster im Überblick
Raster 01 (Prompt-Qualität) bewertet, wie präzise, zielorientiert und reflektiert Schüler:innen Prompts formulieren. Kriterien sind Klarheit und Präzision, die Kontextualisierung des Prompts, die iterative Optimierung und die Reflexion des eigenen Vorgehens. Dieses Raster eignet sich für alle Aufgaben, in denen Prompten selbst Teil der Leistung ist.
Raster 02 (KI-Prozess dokumentieren) richtet den Fokus nicht auf das Endergebnis, sondern auf den Weg dorthin. Bewertet werden Vollständigkeit und Struktur der Dokumentation, die Qualität der Prompt-Dokumentation sowie die Reflexion des Prozesses. Das Raster eignet sich besonders für Portfolioarbeit oder für Aufgaben, bei denen der Arbeitsweg explizit Bestandteil der Bewertung ist.
Raster 03 (KI-Ergebnis analysieren) setzt voraus, dass Schüler:innen ein von der KI generiertes Ergebnis vorliegen haben und dieses kritisch prüfen. Kriterien sind Fehleridentifikation, Einschätzung der Gesamtqualität, das Erkennen von KI-spezifischen Grenzen und die Begründung der Analyse. Besonders geeignet für Aufgaben, in denen KI absichtlich mit Fehlern oder Lücken eingesetzt wird, um kritisches Lesen zu schulen.
Raster 04 (KI-Ergebnis bewerten und auswählen) geht einen Schritt weiter: Hier wird nicht nur analysiert, sondern entschieden. Schüler:innen bewerten ein oder mehrere KI-generierte Ergebnisse anhand von Kriterien und begründen ihre Entscheidung. Zentral ist dabei die Eigenständigkeit der Auswahl, die Frage also, ob Schüler:innen tatsächlich eigenständig urteilen oder die KI-Empfehlung lediglich bestätigen.
Raster 05 (KI-Ergebnis überarbeiten) bewertet die gezielte, qualitätsorientierte Überarbeitung eines KI-Textes oder -Entwurfs. Die Kriterien erfassen die Tiefe und Wirksamkeit der Überarbeitung, den Eigenleistungsanteil, die Überarbeitungsstrategie sowie die Begründung der vorgenommenen Änderungen. In Schreibaufgaben, bei denen das Überarbeiten eines KI-Erstentwurfs ein eigenständiger Schritt im Schreibprozess ist, lässt sich dieses Raster besonders produktiv einsetzen.
Raster 06 (Mit-/Ohne-KI-Vergleich) ist von seiner Anlage her das anspruchsvollste der analytischen Raster. Schüler:innen vergleichen eine mit KI erstellte Arbeit explizit mit einer ohne KI erstellten, reflektieren die Unterschiede und ziehen eine begründete Schlussfolgerung über den Mehrwert des KI-Einsatzes. Das Raster eignet sich für Reflexionsaufgaben oder für Unterrichtsgespräche über die Frage, wann KI tatsächlich hilft.
Raster 07 (Metakognitive Reflexion) richtet den Blick nach innen: Wie gut können Schüler:innen den eigenen KI-gestützten Lernprozess beobachten, beschreiben und einschätzen? Kriterien sind Selbstwahrnehmung, Prozessreflexion, Lernzuwachs und Transferfähigkeit. Dieses Raster empfiehlt sich für reflexive Schreibaufgaben, Lerntagebücher oder den Abschluss einer Unterrichtseinheit, in der KI durchgehend genutzt wurde.
Raster 08 (Urteilsvermögen über KI-Sinnhaftigkeit) bewertet die Fähigkeit, situationsabhängig einzuschätzen, ob und wie KI bei einer gegebenen Aufgabe sinnvoll eingesetzt werden sollte. Kriterien sind die Situationseinschätzung, das Erkennen von Stärken und Grenzen der KI in diesem Kontext, die Begründung des Einsatzes und die Qualität des Urteils. Ein Raster, das besonders dann wertvoll ist, wenn Schüler:innen lernen sollen, nicht jede Aufgabe reflexartig an die KI zu delegieren.
Raster 09 (Ethische KI-Nutzung) deckt den normativen Bereich ab: Transparenz und Kennzeichnung von KI-Nutzung, Datenschutz und Verantwortungsbewusstsein, Urheberrecht und Quellenangabe sowie ethische Reflexion. Ethische Kompetenz im Umgang mit KI muss eingeübt und rückgemeldet werden, wenn sie sich entwickeln soll.
Raster 10 (KI im Lernprozess (Portfolio)) ist das einzige der zehn Raster, das einen längeren Zeitraum in den Blick nimmt. Bewertet werden die Kontinuität und Vielfalt des KI-Einsatzes, die Entwicklung der Kompetenz, die Reflexionstiefe im Portfolio sowie Eigenverantwortung und Planung. Dieses Raster ist kein Instrument für einzelne Aufgaben, sondern für Portfolios, Projektarbeiten oder längerfristige Reflexionsformate.
Raster 11 (KI-Einsatz planen) wird als einziges nicht nach der Arbeit eingesetzt, sondern davor. Während mit den zehn anderen Rastern retrospektiv eingeschätzt wird, was in der Auseinandersetzung mit KI geleistet wurde, setzt Raster 11 an einem früheren Punkt an: Schüler:innen planen explizit, wie sie eine Aufgabe mit KI angehen wollen. Kriterien sind die Aufgabenanalyse, die Zielsetzung, die Prompt-Planung und die Antizipation möglicher Grenzen.
Download der KI-Bewertungsraster
Alle 11 Raster stehen hier als ZIP-Download bereit (PDF – druckfertig); in der Lehrkraft-Version und in der Schüler:innen-Version.
Alle Dateien sind lizenziert unter CC-BY 4.0 Joscha Falck. Damit ist die Nutzung, die Überarbeitung, die Anpassung und die Weitergabe erlaubt, es wird aber um die Angabe der Ursprungsquelle gebeten.
Mit den Rastern arbeiten: Drei Möglichkeiten
Die elf Raster sind als Ausgangspunkt gedacht, nicht als abgeschlossenes System. Ich gehe davon aus, dass Lehrkräfte sie für ihre Fächer, Lerngruppen und Aufgabenformate anpassen werden. Konzeptionell sind die Raster fachunabhängig gehalten, sie lassen sich deshalb in jedem Schulfach einsetzen und durch fachspezifische Ergänzungen anreichern. An manchen Stellen müssen – je nach Aufgabe – sicher auch Kompetenzerwartungen unterschiedlicher Raster miteinander kombiniert werden oder auch nur Teile eines Rasters verwendet werden.
Möglichkeit 1: Da die Raster auch als editierbare DOCX-Dateien vorliegen, können sie sofort verändert werden. Wer Kriterien umbenennen, Stufen anders formulieren oder ein Raster auf eine spezifische Aufgabe zuschneiden will, kann das ohne technische Hürden tun.
Möglichkeit 2: Der zweite Weg ist für Lehrkräfte gedacht, die eigene Raster neu erstellen wollen, weil kein vorhandenes/keine vorhandenen Formulierungen passen. Dafür habe ich einen Systemprompt entwickelt, der mit allen gängigen KI-Chatbots funktioniert (ChatGPT, Claude, Gemini, Le Chat etc.). Der Systemprompt führt durch einen strukturierten Prozess und stellt sicher, dass die generierten Raster denselben Qualitätsstandards folgen wie die hier vorgestellten.
Systemprompt-Download: https://prompt-bib-jf.netlify.app/share.html?id=1775412281763
Der KI-Bewertungsraster-Builder
Möglichkeit 3: Der dritte Weg führt auf eine eigens entwickelte Website: den KI-Bewertungsraster-Builder. Wer ein vorhandenes Raster übernehmen und anpassen will, findet alle elf Raster direkt auf der Startseite, kann sie in beiden Versionen vorab ansehen und per Klick als DOCX oder PDF herunterladen.
Wer ein Raster verändern möchte, öffnet es im integrierten Builder, ändert Titel, Fach, Jahrgangsstufe und Perspektive, bearbeitet einzelne Formulierungen, verschiebt Kriterien per Drag-and-Drop oder fügt neue hinzu. Das entspricht konzeptionell dem ersten Weg, aber mit einer strukturierten Oberfläche statt freier Bearbeitung im Textprogramm. Wer auf der Website feststellt, dass er gerne eine selbst generierte Vorlage in den Builder laden und anpassen möchte, kann den auf der Seite hinterlegten Prompt dafür nutzen. Das Raster wird automatisch in alle Felder eingetragen und kann anschließend weiter bearbeitet werden.
Hinzu kommt ein weiterer praktischer Aspekt, den die ersten beiden Wege nicht abdecken. Wer ein Raster im Builder entdeckt und teilen möchte, kann Kolleginnen und Kollegen einen Vorschau-Link und/oder einen Bearbeitungs-Link teilen, der direkt auf die Website führt.
Zur interaktiven Website: https://joschafalck.github.io/ki-raster-builder
Lizenzhinweis zur Website
Der KI-Raster-Builder ist ein Open Educational Resource (OER)-Projekt. Die Website enthält keine Werbung und erhebt keine Nutzungsdaten. Alle Inhalte sind lizenziert unter CC BY 4.0 – das heißt: frei verwendbar, teilbar und weiterentwickelbar, mit Namensnennung. Die Materialien können ohne weitere Genehmigung im Unterricht, in der Schulentwicklung oder in der Lehrkräftefortbildung eingesetzt werden.
Zudem sind Rückmeldungen ausdrücklich erwünscht: Wer Fehler entdeckt, Verbesserungsvorschläge hat oder einfach berichten möchte, wie die Raster eingesetzt werden – ich freue mich über jede Nachricht.
Fazit: Raster als Vorschlag und Vorlage
Die elf Raster sind Vorschlag und Vorlage dafür, KI-Kompetenz zusätzlich zu fachlichen Kompetenzen einzuschätzen und zu beurteilen. Im Unterricht können sie Lernende unterstützen, KI-Kompetenz in Bezug auf Fachinhalte aufzubauen und weiterzuentwickeln. In Prüfungssituationen helfen sie, Anforderungen transparent zu machen und Bewertungen nachvollziehbar zu begründen.
Die Konsequenz der Raster liegt aber nicht allein in der Bewertung, sondern in der Aufgabenkultur. Wenn KI-Kompetenz bewertet werden soll, dann müssen Aufgaben so gestaltet sein, dass diese Kompetenz auch sichtbar wird. Diese Veränderung der Aufgabenkultur halte ich für eine der wichtigsten Entwicklungen, die eine ernsthafte KI-Integration im Unterricht mit sich bringt.
Verwandte Beiträge auf diesem Blog:
KI-Einsatz reflektieren und bewerten
Prüfungsaufgaben mit KI
KI-Didaktik
Lernen mit KI als verschränkter Prozess
KI-Leitfaden Prüfen & Bewerten
IQES-Bereich zur Aufgaben- und Prüfungskultur mit KI
Kaffeekasse: Die Materialien meines Blogs sowie dieses Artikels, aber auch der interaktive KI-Bewertungsraster-Builder, sind kostenlos und bleiben es auch. Wer die Arbeit dahinter dennoch unterstützen möchte, kann das gerne über die Kaffeekasse tun – herzlichen Dank!
Veröffentlicht am 21. April 2026