Gastbeitrag von Lisa Born
Im Frühjahr 2026 habe ich (JF) auf diesem Blog elf Bewertungsraster für Unterricht und Prüfungen veröffentlicht. Sie sollen helfen, den oft unscharf gebrauchten Begriff der KI-Kompetenz greifbar zu machen, indem sie benennen, worauf es zum Beispiel beim Prompting, beim Analysieren von KI-Ergebnissen, beim Dokumentieren des Prozesses oder bei der metakognitiven Reflexion der KI-Nutzung ankommt. Solche Raster entfalten ihren Wert aber natürlich erst dann, wenn sie in konkrete Lehr-/Lernsettings übersetzt werden, und nicht als abstrakte Kompetenzlisten in der Schublade liegen bleiben.
Genau diese Übersetzung ist Lisa Born gelungen. Sie hat die Raster aufgegriffen und daraus eine Unterrichtseinheit entwickelt, in der ihre Schüler:innen einer 10. Klasse über mehrere Wochen einen eigenen KI-Lernpartner für die Ovid-Übersetzung bauen, testen und schrittweise überarbeiten. Entscheidend ist dabei der Perspektivwechsel: Die Lernenden nutzen KI nicht bloß, sondern sie konstruieren sie passend zu eigenen Lernzielen. Dabei feilen sie an Meta-Prompts, kämpfen mit fachlichen Ungenauigkeiten des Chatbots und mit der Frage, wie sich individuelle Latein-Schwierigkeiten überhaupt in Rolle, Ziel und Kontext übersetzen lassen. Dass die Einheit an die Stelle einer Klassenarbeit tritt, macht sie zusätzlich interessant, weil sie zeigt, wie sich diese Kompetenzen nicht nur fördern, sondern auch bewerten lassen.
Niederschwellig und zugleich fachlich anspruchsvoll
Besonders spannend finde ich einen Befund in Lisas Erfahrungsbericht: Bei besonders leistungsstarken Schüler:innen arbeitet der Lernpartner zu ungenau und „verbessert“ gute Übersetzungen zum Schlechten. Dass die Lernenden diese Grenze der Zusammenarbeit mit KI selbst erkennen und in ihrer Analyse festhalten, zeigt die Tiefe der Auseinandersetzung mit KI als Lernressource. Damit leistet der folgende Gastbeitrag genau das, was mir bei den Rastern vorschwebte: Er zeigt an einem Fach, wie sich KI-spezifische Kompetenzen im Zugang niederschwellig und zugleich fachlich anspruchsvoll fördern lassen. Vielen Dank an Lisa Born für die Einblicke in ihre Praxis und die Bereitschaft, ihre Erfahrungen öffentlich zugänglich zu machen!
Ausgangspunkt und Idee der Unterrichtseinheit
Ausgangspunkt für die Idee zu dieser Unterrichtseinheit war der Gedanke, dass KI immer stärker bei der Vorbereitung auf Überprüfungen genutzt wird. Doch auch zielführend? Handelt es sich dabei um echte Anwendung, bei der Lernen „passiert“? Herrscht ein Verständnis für die fachliche Unschärfe so mancher KI-Antwort oder verlässt man sich blind?
Diese Fragen haben mich dazu bewogen, gemeinsam mit meiner Klasse einen Tutor zu entwickeln, der die eigenen Übersetzungskompetenzen fördern kann. Gleichzeitig war es mir ein Anliegen, dass die Schülerinnen und Schüler auch die Grenzen des Tutors kennen und ihre KI-Kompetenzen gerade auch im Bereich KI-Kritik verbesserten.
Kurzbeschreibung: In dieser Unterrichtseinheit (ca. 12 Unterrichtsstunden) haben Schülerinnen und Schüler der 10. Klasse selbstständig einen eigenen KI-Lernpartner entwickelt, der sie individuell – insbesondere beim Übersetzen von lateinischen Texten (konkret: Dichtung, Ovid) – unterstützen soll. Es durfte nur der fobizz-Klassenraum genutzt werden. Alle Schritte mussten dokumentiert werden, da das Projekt die vierte Klassenarbeit im Schuljahr ersetzte.
Zeitliche Struktur der insgesamt 12 Unterrichtsstunden:
Stunde 1: Vorstellung des Projekts, Sammeln von Anforderungen an einen KI-Lernpartner für das Fach Latein im Plenum, Ergänzen um individuelle Anforderungen (ggf. Selbsteinschätzungsbögen zu Vokabel- und Grammatikkenntnissen nutzen).
Stunde 2: Selbsteinschätzung in den Kompetenzrastern, Bewertungsmaßstäbe darlegen.
Stunde 3: Begriffsklärung Meta-Prompt, gemeinsame Analyse verschiedener Meta-Prompts, eigene erste Versuche mit bereits vorliegenden Meta-Prompts oder Formulieren eigener Startprompts, die zu einem Meta-Prompt führen.
Stunde 4 – 5: Analyse der ersten Ergebnisse, Dokumentation mithilfe von Screenshots oder PDF des Chatverlaufs, eigene Stellungnahme zu den Ergebnissen; erste Ideen, an welcher Stelle der Prompt überarbeitet werden muss.
Stunde 6: Späteste Abgabe des IST-Standes für ein Feedback durch die Lehrkraft, Rückbezug auf die Kompetenzraster.
Stunde 7 – 10: Analyse des Lernpartners und Anpassen des (Meta-)Prompts mithilfe bekannter lateinischer Texte, individuelle Bedürfnisse an den Lernpartner berücksichtigen, Dokumentation; ggf. Überarbeitung nach Feedback durch die Lehrkraft.
Stunde 11 – 12: abschließende Analyse und Test des Lernpartners an einem bisher unbekannten Text, Abgabe.
Ziele und Kompetenzen:
Aufgabe der Lerngruppe (Klasse 10, 6. Lernjahr Latein) war es, in etwa einem Monat einen individuellen KI-Lernpartner für das Fach Latein zu entwickeln. Nötig waren sowohl klar formulierter Anforderungen an den Lernpartner als auch eine ebenso klare Vorstellung der eigenen individuellen Schwierigkeiten und Herausforderungen beim Übersetzen von Ovid-Texten.
Zu Beginn der Einheit sollten die Anforderungen an den Lernpartner gemeinsam gesammelt werden. Zu beachten ist dabei, wie viel Erfahrung die Lerngruppe bereits mit KI-Lernpartnern hat. Meine 10. Klasse kannte bereits die Arbeit mit einem Übersetzungscoach, den ich für sie im 9. Schuljahr auf der fobizz-Plattform erstellt hatte. So war schnell klar, welche Funktionen sie als wichtig erachten und welche Fehler immer wieder auftauchten, die sie vermeiden möchten. Ebenso hatten sie bereits ein Gespür dafür entwickelt, mit welchen grammatikalischen Strukturen KI-Systeme weniger gründlich umgehen und welche fachlichen Fehler dabei auftreten können.
Ohne Vorerfahrungen der Lerngruppe bietet es sich womöglich an, zunächst gemeinsam erste Erfahrungen mit einem vorgegebenen Lernpartner zu sammeln. Hierzu stehen bei fobizz verschiedene Assistenten zur Verfügung.
Jeder Schüler/ jede Schülerin startete den eigenen Prozess mit einem klaren Ziel zur Funktionsweise des KI-Lernpartners, das ggf. im Laufe der Einheit nochmals angepasst wurde. Dieses Ziel sollte sich auf die zuvor gesammelten Anforderungen an der Lernpartner beziehen und individuelle Ansprüche an diesen berücksichtigen.
Grundlegendes Ziel der Einheit war es, die Kompetenzen im Bereich Prompting und KI-Analyse zu schulen, ein weiterer Schwerpunkt lag auf der Dokumentation des Prozesses und der Metakognition. (Durch die regelmäßige Arbeit der Lerngruppe mit dem e-Portfolio sind gerade die letzten beiden genannten Kompetenzbereiche bekannt.)
Um ein Bewusstsein der Schülerinnen und Schüler für die erwarteten Kompetenzen zu schaffen und ihnen die Möglichkeit zu geben, diese selbst einzuschätzen, habe ich auf dem Blog von Joscha Falck vier Kompetenzraster ausgewählt: Prompt-Qualität, KI-Ergebnis analysieren, KI-Prozess dokumentieren, Metakognitive Reflexion. Diese Bereiche bildeten dementsprechend auch die Bewertungsgrundlage und dienten der Selbsteinschätzung der Schülerinnen und Schüler zu Beginn der Einheit.
Anmerkung JF: Die Kompetenzraster lassen sich mit Hilfe des interaktiver Raster-Builders individuell anpassen und auch kombinieren. Hier gelangt ihr direkt zum Builder.
Erste Schritte im fobizz-Klassenraum
Nachdem das Ziel klar benannt wurde, und die Kompetenzen, die es zu schulen galt, erörtert wurden, musste ein Bewusstsein für einen sogenannten Meta-Prompt geschaffen werden. Dazu schauten wir uns einen Meta-Prompt eines fobizz-Assistenten (Klaus – Klausurvorbereitungstutor) genauer an. Die Komplexität eines solchen Prompts war den Schülerinnen und Schüler weniger bewusst, weshalb wir diesen gemeinsam analysierten. Dabei wurde deutlich, dass der KI-Lernpartner eine klare Rolle braucht, dass Kontext und Ziel zentral sind. Ebenso deutlich wurde bereits vor einem ersten Test, welche Schwierigkeiten sich ergeben könnten, wenn der Lernpartner konkret beim Übersetzen lateinischer Texte genutzt werden soll und an welchen Stellen der Prompt demnach überarbeitet werden müsste.
Neben der Auswahl an fobizz-Prompts habe ich der Lerngruppe auch Meta-Prompts zur Verfügung gestellt, die mit anderen KI-Systemen (z.B. Chat GPT) erstellt wurden, um diese mit ihnen zu analysieren. Die Lerngruppe arbeitete allerdings aufgrund der Datenschutzvorgaben ausschließlich im fobizz-Klassenraum.
An dieser Stelle ist zu erwähnen, dass Meta-Prompts häufig auf Englisch zu finden sind und ggf., je nach Kenntnisstand der Lerngruppe, vorab übersetzt werden müssen.
Beispiel für erkannte Schwierigkeiten im Meta-Prompt: In einem analysierten Meta-Prompt wurden Vorgaben für den Start der Interaktion vorgegeben. Hierbei fiel auf, dass bereits bei den Startfragen des KI-Lernpartners an den Schüler/ die Schülerin individuelle Schwierigkeiten berücksichtigt werden sollten. Hat ein Schüler/ eine Schülerin beispielsweise Schwierigkeiten mit dem Erkennen des Prädikats, kann bereits im Meta-Prompt formuliert werden, dass in jedem Satz zunächst nach Subjekt und Prädikat gefragt werden soll, was für andere Lernende wiederum zu kleinschrittig wäre.
Nach der gemeinsamen Analyse eines Meta-Prompts standen den Schülerinnen und Schülern zwei Wege zur Auswahl. Sie starteten entweder mit einem bereits vorhandenen Meta-Prompt und passten diesen im Verlauf an oder sie formulierten mithilfe ihrer Ziele einen Startprompt, der zu einem Meta-Prompt führte. Der scheinbar fertige Meta-Prompt musste mehrfach überarbeitet werden. Es zeigte sich schnell, dass er die Aufgaben zu Beginn (noch) nicht einwandfrei erfüllte.
Analyse des KI-Lernpartners und Anpassen des Prompts
Die Schülerinnen und Schüler testeten und überarbeiteten ihre Lernpartner jeweils mithilfe bekannter Texte, die wir bereits gemeinsam übersetzt und sowohl inhaltlich als auch grammatikalisch analysiert hatten. So hatten alle die Chance, fachliche Fehler des Lernpartners zielsicherer zu erkennen und die Möglichkeit, ihre individuellen Schwierigkeiten zu berücksichtigen, die beim Übersetzen dieser Texte in der Vergangenheit aufgetreten waren. Zur Dokumentation ihrer Testphase machten sie entweder Screenshots oder luden PDF-Downloads des Chatverlaufs hoch. In jedem Fall musste von ihnen bewertet werden, inwieweit sie zufrieden mit der Interaktion waren, ob fachliche Fehler aufgetreten waren und an welcher Stelle ggf. der Prompt überarbeitet werden musste.
Beispiel einer fachlichen Ungenauigkeit: Der KI-Lernpartner duldete bei einigen Schülerinnen und Schüler nur eine mögliche Übersetzung des Konjunktivs im Hauptsatz, nämlich die Übersetzung mit dem Hilfsverb „mögen“. Andere denkbare Übersetzungen ließ er nicht zu. Teilweise wurde versucht, dies im Prompt anzupassen, mindestens wurde darauf hingewiesen, dass beim Übersetzen eines Konjunktivs besondere Vorsicht geboten ist. (Stichpunkt: KI-Kritik)
Beispiel für ungenaues Prompting: Ein KI-Lernpartner gab konsequent alle Vokabeln auf Deutsch an, ohne danach gefragt worden zu sein. Der Schüler formulierte den Prompt „nur Latein“ und bekam als Ergebnis einen Lernpartner, der nur noch in lateinischer Sprache antwortete. In der Analyse wurde deutlich, dass die Eingaben genauer und zielgerichteter sein müssen.
Beispiel für fehlende Passung: Der KI-Lernpartner geht sehr kleinschrittig vor, fragt jede Form und Vokabelbedeutung ab, obwohl die Schülerin diese Hilfe nicht benötigt, da sie selbst nach dem ersten Lesen schon eine Vorstellung vom Inhalt des Satzes hat. Im Meta-Prompt mussten die Start-Interaktionen angepasst werden. Die Schülerin wollte erst eine eigene Übersetzung versuchen, die der KI-Lernpartner anschließend anhand gewählter Kriterien kontrollieren sollte.
Nach der Testphase wurde der KI-Lernpartner an einem unbekannten Text erprobt und eine abschließende Bilanz gezogen.
Bewertung
Nach 5 bis 6 Unterrichtsstunden erhielt jeder Schüler/ jede Schülerin eine individuelle schriftliche Rückmeldung. Diese Rückmeldung bezog sich auf die Kriterien, die auch am Ende der Einheit Grundlage für die Bewertung waren:
- Formulieren eines klaren Ziels (Anforderungen an den KI-Lernpartner)
- Detaillierte Analyse seiner Funktionsweise
- Prompting (Rolle, Ziel und Kontext sind zu berücksichtigen)
- Dokumentation (nachvollziehbare Darstellung des Chatverlaufs und Erläuterungen)
- Prozess (Bewusstsein für individuelle Herausforderungen, Umgang mit Schwierigkeiten, Metakognition)
Vor der endgültigen Abgabe wurde die Lerngruppe gebeten, zu folgenden Fragen Stellung zu nehmen und diese abschließend ihrer Dokumentation anzufügen:
- Wie zufrieden bist du insgesamt mit dem Ergebnis? Kannst du dir vorstellen, deinen Lernpartner tatsächlich einzusetzen? Begründe!
- Schätze dich nochmals innerhalb der Kompetenzraster ein! In welchen Bereichen hast du Fortschritte gemacht? Worin hast du dich über- bzw. unterschätzt?
- Welche Kompetenzen hast du erworben, die du nun auch für das Erstellen von KI-Lernpartnern in anderen Fächern nutzen kannst?
- Gibt es Schulfächer, für die du dir den Einsatz eines solchen Lernpartners besser oder weniger vorstellen kannst? Begründe!
Neben dem schriftlichen Feedback gab es in jeder Unterrichtsstunde die Möglichkeit, sich ein mündliches Feedback einzuholen und damit aktiv am eigenen Prozess zu arbeiten.
Entscheidend war für mich während der Einheit, dass in der Lerngruppe ein Bewusstsein dafür herrschte, dass am Ende nicht der perfekte KI-Lernpartner zur Note „sehr gut“ führt, sondern dass die individuelle Verbesserung der oben genannten Kompetenzen zentral ist.
Die Bewertungspraxis:
Die anschließende Bewertung basierte auf meinen Beobachtungen während der Arbeitsphase, meinen Notizen zum mündlichen Feedback, der schriftlichen Rückmeldung nach 5 bis 6 Unterrichtsstunden sowie der abschließenden Dokumentation. Dabei legte ich den Schwerpunkt auf die Entwicklung, die für mich besonders gut durch den Vergleich der ersten Rückmeldung und der Abschlussdokumentation ersichtlich war.
War z. B. Punkt 2 (Analyse) zunächst noch sehr knapp, da nur ein Satz zur Analyse herangezogen wurde oder fachlich noch ungenau, da Fehler in der Übersetzung nicht erkannt wurden, und wurden dies im weiteren Verlauf der Reihe besonders berücksichtigt, floss diese Entwicklung entsprechend in die Bepunktung ein. Ähnlich verhielt es sich mit Punkt 3 (Prompting). Hier fanden sich zu Beginn noch häufiger wenig zielführende Prompts, deren Ergebnisse die Schülerinnen und Schüler selbst nicht zufriedenstellten. Wurde in der Folge dann z.B. besonders auf eine klare Formulierung der Rolle geachtet, wurde dies positiv berücksichtigt. Ebenso flossen erfolgreich umgesetzte mündliche Absprachen in die Bewertung ein, die vor allem nach dem ersten schriftlichen Feedback erfolgten.
Alle unter Bewertung genannten fünf Punkte wurden mit einer Rohpunktanzahl versehen, die wir gemeinsam vorab besprochen hatten.
- Formulieren eines klaren Ziels (Anforderungen an den KI-Lernpartner)
- Detaillierte Analyse seiner Funktionsweise
- Prompting (Rolle, Ziel und Kontext sind zu berücksichtigen)
- Dokumentation (nachvollziehbare Darstellung des Chatverlaufs und Erläuterungen)
- Prozess (Bewusstsein für individuelle Herausforderungen, Umgang mit Schwierigkeiten, Metakognition)
Ergebnisse:
Nicht alle Schülerinnen und Schülern war es möglich, einen Lernpartner zu entwickeln, der besonders gut zu den eigenen Kenntnissen und Fähigkeiten passte. Erwähnenswert ist hierbei, dass gerade bei Lernenden, die bereits sehr gute Übersetzungskompetenzen mitbringen, der KI-Lernpartner zu ungenau arbeitet und gute Übersetzungen zum Schlechten „verbessert“. Gerade die Erkenntnis, dass es hier deutliche Grenzen in der Kollaboration mit einem KI-System gibt, war ein echter Gewinn im Bereich der KI-Kritik und findet sich auch so in der Analyse der Lernenden wieder.
Bei Schülerinnen und Schüler, denen es noch schwerfällt, eine klare Struktur in den lateinischen Sätzen zu erkennen, war der KI-Lernpartner meist sehr hilfreich. Größte Aufgabe war es hier, die einzelnen Schritte der Abfrage individuell anzupassen. Ein sehr kleinschrittiges Vorgehen, das jede einzelne Form und Vokabel betrachtete, langweilte die Schülerinnen und Schüler schnell und führte zum Überlesen langer KI-Antworten.
Allen Lernenden ist gemeinsam, dass sie ihre Analysefähigkeiten verbessert und ein bewussteres Vorgehen beim Prompting entwickelt haben. Dabei haben mich in der Konzeption der Einheit die Kompetenzraster besonders unterstützt, da auch wir Lehrkräfte zunächst ein Bewusstsein bei uns selbst schaffen müssen, welche neuen und längst bekannten Kompetenzen bei der Arbeit mit KI-Systemen notwendig sind und gefördert werden sollten.
Die Schülerinnen und Schüler nutzen den KI-Assistenten nun vor allem für Sätze bzw. Text-passagen, bei denen sie keine eigene zufriedenstellende Lösung finden. Sie gebrauchen ihn nicht generell beim Übersetzen, da die tiefe Auseinandersetzung mit den einzelnen Satzelementen auch als „anstrengend“ beschrieben wird.
Für mich ist diese Erkenntnis, dass echte Auseinandersetzung mit einem Thema trotz oder gerade wegen der Verwendung von KI als „anstrengend“ wahrgenommen wird, ein echter Gewinn dieser Einheit. Da es ein Beispiel für die Lernenden darstellt, dass der Einsatz von KI uns in besonderem Maße fordert, gerade weil wir stets kritisch bleiben müssen.
Lisa Born ist Lehrerin für Chemie, Naturwissenschaften und Latein an einem Gymnasium in Rheinland-Pfalz. Auf ihrem instagram-Account @beziehungmachtschule teilt sie Ideen, wie der Prozess des Lernens z.B. mithilfe des Portfolios stärker im schulischen Alltag verankert wird. Weiterhin ist sie als Autorin für den Raabe-Verlag tätig und gibt regelmäßig Webinare zum E-Portfolio und dem selbstregulierten Lernen im Kursprogramm von Martina Braasch. Kontakt: born(at)regino-gym(dot)de
Veröffentlicht am 10. September 2026