KI-gestütztes, kriterienbasiertes Feedback zu studentischen Seminararbeiten in der Ausbildung von Lehrpersonen

Im Studiengang Sekundarstufe I der Pädagogischen Hochschule St.Gallen dienen Seminararbeiten dazu, wissenschaftliche Schreibkompetenzen von Beginn des Studiums an systematisch aufzubauen. Zentrales Element ist ein individuelles, kriterienbasiertes Feedback durch Dozierende, das den Studierenden Orientierung für die Weiterentwicklung ihrer Texte gibt. Dieses Feedback ist didaktisch wertvoll, aber personell sehr zeitaufwändig.

Der Use Case zeigt, wie ein KI-Assistent formatives Text-Feedback generieren kann, das Studierende beim selbstgesteuerten Überarbeiten unterstützt und Feedbackprozesse ergänzt, ohne die pädagogische Verantwortung der Lehrenden zu ersetzen. 

Voraussetzungen

• Zugang zur bereitgestellten KI-Anwendung 

• Information der Studierenden und Schulung der Dozierenden: Grundlegende Einführung in Kriterienraster und Feedbackverständnis 

Eckdaten

Fachgebiet	Lehrer:innenbildung, Wissenschaftssprache, Schreibdidaktik  (Übertragbar auf weitere Studiengänge und textbasierte Leistungsnachweise)
Lehrformat	Der Use Case ist im Modul «Wissenschaftssprache» zu Beginn des Masterstudiums für Lehrpersonen der Sekundarstufe I verankert. Ziel des Moduls ist der Aufbau und die Vertiefung wissenschaftlicher Schreibkompetenzen. Der KI-Assistent ist dabei didaktisch integriert und wird in unterschiedlichen Lehrformaten eingesetzt: Szenario 1: Selbstgesteuertes Überarbeiten – asynchrones Selbststudium – individuelle Einzelarbeit – iterative Textüberarbeitung mit KI-Feedback  Szenario 2: Dialogisches Feedback – synchrones Präsenz- oder Online-Format – individuelles Feedbackgespräch – gemeinsame Einordnung des KI-Feedbacks  Szenario 3: KI-gestützte Feedbackvorbereitung – individuelle Textarbeit der Studierenden – KI-Einsatz auf Seiten der Dozierenden – transparente, begleitete Feedbackpraxis
Zeitrahmen	Über mehrere Wochen im Rahmen der Seminararbeit
Zielgruppe	Studierende der Sekundarstufe I zu Beginn des Studiums, Dozierende und Schreibberatende
Gruppengrösse	Pilotdurchführung im Frühjahrssemester 2026 mit Studierenden des Moduls «Wissenschaftssprache» (ca. 40 Studierende)
Assessment	Der Use Case hat eine ausschliesslich formative Funktion und dient dem gezielten Aufbau wissenschaftlicher Schreibkompetenzen im Rahmen der Seminararbeit. Ein direktes Assessment oder eine Bewertung des KI-Einsatzes findet nicht statt, ebenso erfolgt keine automatisierte Beurteilung durch die KI. Der Lerngewinn zeigt sich indirekt in der Qualität der überarbeiteten Seminararbeit, die gemäss dem bestehenden Kriterienraster von den Dozierenden beurteilt wird.
Mögliche Tools	Lokales Large Language Model auf hauseigenem Server sowie GPT von OpenAI (für Szenario 1)

Lernziele

Die Studierenden können

• eigene wissenschaftliche Texte entlang vorgegebener Kriterien überarbeiten und sprachlich, strukturell sowie argumentativ verbessern

• KI-basiertes Feedback gezielt nutzen, um Stärken und Schwächen ihres Textes zu erkennen und konkrete Überarbeitungsschritte abzuleiten

• KI-Feedback mit eigenen Einschätzungen und gegebenenfalls mit Rückmeldungen von Dozierenden kritisch vergleichen und begründet übernehmen, anpassen oder verwerfen

• die Rolle von KI im wissenschaftlichen Schreiben differenziert beurteilen

KI-Kompetenzrahmen

Dieser Use Case zahlt in die folgenden Dimensionen des St.Galler KI-Kompetenzrahmens ein:

Evaluieren, Anwenden & Verantworten

Ablauf

Der Use Case umfasst drei Einsatzszenarien eines KI-Assistenten für kriterienbasiertes Text-Feedback, die je nach didaktischem Ziel unterschiedlich eingesetzt werden. 

Szenario 1: Selbstgesteuertes Überarbeiten 

Studierende nutzen den KI-Assistenten eigenständig, um zu ihrer Seminararbeit formatives, kriterienbasiertes Feedback zu erhalten. Sie können dieses Feedback mehrfach abrufen und gezielt für die Überarbeitung ihres Textes nutzen. Der Fokus liegt auf dem Aufbau wissenschaftlicher Schreibkompetenzen durch selbstgesteuertes Lernen ohne frühzeitiges Bewertungssetting. 

Szenario 2: Dialogisches Feedback 

Das KI-Feedback dient als Grundlage für ein Feedbackgespräch zwischen Studierenden und Dozierenden. Gemeinsam werden Rückmeldungen eingeordnet, ergänzt oder korrigiert und konkrete Überarbeitungsschritte vereinbart. Die KI unterstützt hier die Strukturierung des Feedbackprozesses und fördert das Verständnis der Bewertungskriterien. 

Szenario 3: KI-gestützte Feedbackvorbereitung 

Dozierende verwenden den KI-Assistenten zur Voranalyse von Seminararbeiten. Das KI-Feedback dient als Orientierung und wird durch das fachliche Urteil der Dozierenden ergänzt. Die Studierenden werden transparent über den unterstützenden KI-Einsatz informiert. Ziel ist eine effizientere und zugleich konsistente Feedbackpraxis. 

Alle Szenarien werden durch kurze Reflexionsaufgaben ergänzt, in denen die Studierenden den Nutzen und die Grenzen des KI-Feedbacks kritisch einschätzen. 

Vorteile

• Zeitliche Entlastung von Dozierenden 

• Mehr und früheres individuelles Feedback für Studierende 

• Förderung von Selbststeuerung und Schreibkompetenz 

• Konkreter Beitrag zur AI Literacy durch reflektierte Nutzung 

Nachteile

• Qualität und Angemessenheit des Feedbacks müssen überprüft werden 

• Gefahr unkritischer Übernahme von KI-Rückmeldungen 

• Datenschutz und Transparenz gegenüber Studierenden sind zentral

Weitere Aspekte

Der Use Case verbindet technologische Innovation mit didaktischer Verantwortung. KI wird nicht als Ersatz, sondern als Lern- und Reflexionsinstrument eingesetzt. Der Use Case eignet sich besonders zur Diskussion von Rollenverschiebungen zwischen Mensch und KI in der Hochschullehre.