← Neueste Arbeiten
💻 computer science

The Future of Feedback: How Can AI Help Transform Feedback to Be More Engaging, Effective, and Scalable?

Dieser Bericht fasst die Perspektiven von 50 Wissenschaftlern aus verschiedenen Disziplinen zusammen, die die Chancen und Risiken generativer KI für die Skalierung, Wirksamkeit und Engagement von Feedback in digitalen Lernumgebungen diskutieren und dabei Konsenspunkte, Debatten sowie zukünftige Forschungsrichtungen identifizieren.

Ursprüngliche Autoren: Jennifer Meyer (University of Vienna, Vienna, Austria), Olaf Köller (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Thorben Jansen (Leibniz Institute for Science,Mathematics Educ
Veröffentlicht 2026-03-16
📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

Ursprüngliche Autoren: Jennifer Meyer (University of Vienna, Vienna, Austria), Olaf Köller (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Thorben Jansen (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Johanna Fleckenstein (University of Hildesheim, Germany), Michael W. Asher (Carnegie Mellon University, USA), Sarah Bichler (Universität Passau, Passau, Germany), Laura Brandl (LMU Munich, Germany), Jasmin Breitwieser (DIPF | Leibniz Institute for Research,Information in Education, Frankfurt, Germany), Kai S. Cortina (University of Michigan, USA), Mutlu Cukurova (University College London, United Kingdom), Martin Daumiller (University of Freiburg, Germany), Hannah Deininger (University of Tübingen, Germany), Frank Fischer (LMU, Germany), Dragan Gašević (Monash University, Clayton, VIC, Australia), Jeanine Grütter (LMU Munich, Germany), Anna Hilz (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Ioana Jivet (CATALPA, FernUniversität in Hagen, Germany), Jelena Jovanović (University of Belgrade, Serbia), Rene F. Kizilcec (Cornell University, USA), Livia Kuklick (Humboldt Universität zu Berlin, Berlin, Germany), Marlit Annalena Lindner (Leibniz Institute for Science,Mathematics Education,Europa-Universität Flensburg, Germany), Anastasiya Lipnevich (NBME,the Graduate Center, City University of New York, USA), Ute Mertens (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Detmar Meurers (Leibniz Institut für Wissensmedien, Tübingen, Germany), Kou Murayama (University of Tübingen, Germany), Tanya Nazaretsky (EPFL, Switzerland), Knut Neumann (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Ernesto Panadero (Dublin City University,Deusto University), Maciej Pankiewicz (University of Pennsylvania, USA), Zachary A. Pardos (UC Berkeley, USA), Chris Piech (Stanford University, USA), Hannah Pünjer (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Nikol Rummel (Ruhr-University-Bochum,CAIS, Bochum, Germany), Marlene Steinbach (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Olga Viberg (KTH Royal Institute of Technology, Sweden), Naomi Winstone (University of Surrey, UK)

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

🤖 Die Zukunft des Feedbacks: Wie KI den Lernprozess revolutionieren kann

Stellen Sie sich vor, Sie lernen einen neuen Sport, etwa Klavierspielen. Früher mussten Sie wochenlang warten, bis Ihr Lehrer Ihre Übung gehört hat, Ihnen gesagt hat, wo Sie falsch lagen, und Ihnen eine neue Aufgabe gegeben hat. Das war oft langsam, teuer und nicht für jeden möglich.

Heute haben wir Künstliche Intelligenz (KI). Diese Technologie verspricht, uns sofort zu sagen: „Hier hast du den Takt verpasst, hier war die Note falsch, und hier ist eine Übung, die dir hilft." Aber wie genau funktioniert das? Und ist das wirklich gut für uns?

Ein großes Treffen von 50 Experten aus der ganzen Welt (Lehrer, Psychologen, Programmierer) hat sich genau diese Fragen gestellt. Hier sind die drei wichtigsten Erkenntnisse, einfach erklärt:

1. Der „Thermomix" für Lernen: Effizienz und Qualität

Das Problem: Gutes Feedback zu geben, ist wie das Kochen eines komplexen Gerichts. Es braucht Zeit, Können und Aufmerksamkeit. Lehrer sind oft so ausgelastet, dass sie kaum Zeit für individuelle Tipps haben.

Die KI-Lösung: Die KI wird hier als ein super-leistungsfähiger „Thermomix" beschrieben.

  • Was er kann: Ein normaler Mixer macht nur Püree. Ein Thermomix kann kochen, backen, rühren und mixen – alles in einem Gerät. Genauso kann die KI verschiedene Arten von Feedback in einem System vereinen: Sie kann sofort korrigieren, motivierende Worte finden, Erklärungen geben und den Lernfortschritt verfolgen.
  • Der Vorteil: Sie spart enorm viel Zeit. Lehrer werden nicht durch die KI ersetzt, sondern entlastet. Sie müssen nicht mehr jede einzelne Aufgabe korrigieren (das macht der „Roboter-Assistent"), sondern können sich darauf konzentrieren, den Schülern zu helfen, das Feedback wirklich zu verstehen und anzuwenden.
  • Die Gefahr: Wenn man sich zu sehr auf den „Thermomix" verlässt, lernt man vielleicht nicht mehr selbst zu kochen. Schüler könnten zu faul werden und alles der KI überlassen, anstatt selbst nachzudenken. Das nennt man „kognitives Auslagern".

2. Der „Gastgeber" und der „Gast": Wie wir Feedback annehmen

Das Problem: Feedback ist wie ein Geschenk. Aber wenn der Gast (der Schüler) das Geschenk nicht annimmt oder es gar nicht erst öffnet, bringt es nichts. Oft ignorieren Schüler Feedback oder fühlen sich durch harte Kritik entmutigt.

Die KI-Lösung:

  • Vertrauen und Persönlichkeit: Die KI kann Feedback so formulieren, dass es motivierend wirkt. Sie kann zum Beispiel nicht nur sagen: „Falsch!", sondern: „Fast richtig! Du hast den richtigen Weg gewählt, nur hier war ein kleiner Fehler. Versuch es noch einmal."
  • Das Glaubwürdigkeits-Problem: Aber hier kommt der Haken. Wenn ein Roboter lobt, wirkt das oft weniger echt als wenn ein Mensch es tut. Ein Schüler könnte denken: „Der Computer sagt das nur, weil er programmiert wurde."
  • Die Lösung: Wir müssen lernen, mit KI umzugehen. Schüler müssen verstehen, dass die KI ein Werkzeug ist, kein allwissender Guru. Sie müssen lernen, die KI zu „lesen" und zu prüfen, ob das Feedback Sinn ergibt. Das nennt man KI-Literacy (Kompetenz im Umgang mit KI).

3. Das große Experiment: Feedback für alle

Das Problem: Bisher wissen wir oft nicht genau, was bei wem funktioniert. Ein Feedback-System, das in einer amerikanischen High School super funktioniert, könnte in einem deutschen Dorf oder in einer Universität völlig anders wirken.

Die KI-Lösung:

  • Der „Flughafen-Test": Stellen Sie sich vor, Sie testen ein neues Flugzeug. Sie können es nicht nur in einer einzigen Testhalle fliegen lassen. Sie müssen es auf verschiedenen Strecken, bei verschiedenen Wetterbedingungen und mit verschiedenen Piloten testen.
  • Die KI als Werkzeug: KI kann helfen, Feedback an tausenden Schülern gleichzeitig zu testen. Sie kann beobachten: „Bei Schüler A funktioniert die Video-Erklärung besser, bei Schüler B lieber ein kurzer Text."
  • Die Herausforderung: Damit das funktioniert, müssen Forscher, Lehrer und Tech-Firmen zusammenarbeiten. Es darf nicht nur darum gehen, eine App zu verkaufen, sondern darum, wirklich zu lernen, was funktioniert. Und wir müssen sicherstellen, dass die Daten der Schüler sicher sind und niemand sie missbraucht.

🎯 Das Fazit: Ein Teamwork für die Zukunft

Die Experten sind sich einig: KI ist kein Zauberstab, der alles allein löst.

  • KI ist das Werkzeug, das uns hilft, schneller und persönlicher zu lernen.
  • Der Mensch (Lehrer und Schüler) ist der Dirigent, der entscheidet, wie das Instrument gespielt wird.

Wenn wir KI klug einsetzen, können wir sicherstellen, dass jeder Schüler – egal wo er wohnt oder wie viel Geld seine Schule hat – Zugang zu erstklassigem, persönlichem Feedback bekommt. Aber wir müssen aufpassen, dass wir nicht die Lust am Lernen selbst verlieren und dass wir verstehen, was die KI uns sagt.

Kurz gesagt: Die KI ist der perfekte Koch-Assistent, aber wir müssen immer noch selbst entscheiden, was wir essen wollen und wie wir es genießen.

Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?

Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.

Digest testen →