Netidee Blog Bild
Verifikation von KI‑Arbeitsblätter in der Theorie
Was meine eine erste Lehrkrafts‑Umfrage verrät (20.04.2025)
Förderjahr 2024 / Stipendium Call #19 / ProjektID: 7326 / Projekt: Advancing Education with AI: Developing and Evaluating a Personalized Learning Environment

Im Rahmen meiner Masterarbeit entwickle ich eine RAG‑Plattform (Retrieval‑Augmented‑Generation), die Lehrkräften erlaubt, mit wenigen Klicks passgenaue Arbeitsblätter zu erzeugen. Dabei verknüpfen wir offene Lehr‑ und Lernmaterialien mit europäischen und DSGVO-Konformen KI‑Modellen von Mistral AI. Um herauszufinden, welche Qualitäts­kriterien für den Unterricht wirklich zählen, habe ich im von Jänner bis März eine kurze Online‑Umfrage unter Pädagog*innen durchgeführt.

Teilnehmer*innen: 11 Lehrkräfte aus AHS, MS und BHS – Alters­gruppe der Schüler*innen überwiegend 10‑14 J. Fragebogen: 7 Likert‑Skalen (1 = stimme gar nicht zu, 5 = stimme voll zu) plus zwei offene Fragen.

(Leider hat noch niemand eigenes Unterrichts­material hochgeladen; als Test‑Korpus verwende ich daher zunächst frei verfügbare OER‑Quellen.)

 

Ergebnisse auf einen Blick

Ergebnisse der ersten Umfrage

 

 

 

Die hohen Werte für Richtigkeit und Relevanz zeigen: Pädagog*innen akzeptieren KI‑Input nur dann, wenn er fachlich korrekt und lehrplan­nah ist. Gleichzeitig liegt der niedrigste – wenn auch immer noch positive – Wert bei der Zeiteffizienz. Offenbar fürchten manche, dass KI‑Aufgaben länger dauern als geplant.

 

Was uns die Freitexte verraten

  • Verifikation ist Pflicht: Mehrfach wurde betont, dass jede KI‑Aufgabe vor dem Einsatz verifiziert werden müsse („Vier-Augen-Prinzip“).

  • Adaptivität gewünscht: Lehrkräfte wollen Schwierigkeitsgrade feiner steuern können – am besten mit Beispielen aus ihrem eigenen Unterricht.

  • Mehr Fächer, mehr Formate: Englisch‑ und Geografie‑Lehrer*innen fragten nach Vokabel‑ bzw. Karten­aufgaben.

 

Konsequenzen für die Plattform

  1. Verifizierungs‑Workflow einbauen

    • Jeder neu generierte Task wird zunächst als unverifiziert gekennzeichnet.

    • Erst nach einem Klick auf „Bestätigen“ (oder „Verbessern“ ➜ Regeneration + Kommentar) landet er in der globalen Datenbank / Vektor‑Suche.

  2. Feingranulare Tags & Embeddings

    • Tags werden weiterhin einzeln eingebettet, zusätzlich aber der Problem‑Text selbst (Problem‑Embedding) – das erhöht die Trefferqualität ohne den Tag‑Overhead explodieren zu lassen.

  3. Öffentliche OER‑Basis

    • Bis genügend Materialien hochgeladen sind, importiere ich offene Sammlungen als Startbestand

 

9 von 11 Befragten möchten die Plattform in einer Beta‑Phase testen. Ich plane daher, im Juni eine offene Pilotgruppe zu starten. Wer Interesse hat, kann sich schon jetzt per E‑Mail (steven.ludwig.school@gmail.com) melden!

 

Fazit

Die Umfrage bestätigt: KI kann Lehrkräfte entlasten – vorausgesetzt, die erstellten Inhalte werden sorgfältig verifiziert. Genau darauf legt meine RAG‑Plattform den Fokus: ein klarer Prüf‑Workflow, transparente Qualitäts­kriterien und die Möglichkeit, Aufgaben mit wenigen Klicks zu verbessern oder abzulehnen. Mit dieser Basis gehen ich jetzt in die nächste Test­runde – ich freue mich auf euer Feedback!

 

Tags:

Open Educational Resources Teaching Education

Steven Ludwig

Profile picture for user steven.ludwig

Skills:

Softwareentwicklung
,
Artificial Inteligence
,
Workshops mit Kindern und Lehrkräften
CAPTCHA
Diese Frage dient der Überprüfung, ob Sie ein menschlicher Besucher sind und um automatisierten SPAM zu verhindern.