Von Margarita Votteler, erfahrene C1-Prüferin seit 2009
TestDaF-Text mit dem Agenten erarbeiten
Schreib einen Text zu diesem Thema — dein Agent bewertet ihn ehrlich wie die echte Prüfung und übt mit dir, bis du bestehst.
Wenn ich die Note einer KI gegenlese, sehe ich immer wieder dieselben Fehler. Und der gefährlichste ist nicht, dass die KI zu streng ist. Es ist, dass sie sich sehr sicher anhört und trotzdem danebenliegt. Du kopierst deinen Aufsatz in ChatGPT oder Gemini, schreibst „Bewerte das wie ein TestDaF-Prüfer, welche Note?", bekommst eine Zahl, und richtest deine ganze Vorbereitung danach aus. Das Problem ist nicht, dass du fragst. Das Problem ist, dass die Antwort fast immer falsch ist, und du es nicht merkst.
Zwei Arten danebenzuliegen, beide kosten dich die Prüfung
Zu streng. Die KI zerreißt deinen Text und gibt dir „B1, nicht bestanden". Du verlierst den Glauben an dich, übst verbissen das Falsche oder meldest dich gar nicht erst an. Dabei war dein Text vielleicht längst gut genug.
Zu mild. Das ist der teurere Fehler. Die KI lobt dich sehr und sagt „klingt wie C1", und du fühlst dich sicher. In der Prüfung fällst du dann an den Kriterien durch, die der Chatbot nie geprüft hat.
Beides passiert aus demselben Grund. Die KI bewertet nach einem Gefühl, nicht nach den echten Maßstäben der Prüfung. Und ein Gefühl ist mal zu hart und mal zu weich.
Was eine allgemeine KI beim Benoten übersieht
Wenn ich die Bewertungen einer KI kontrolliere, fallen mir immer dieselben Lücken auf.
Ob deine Argumente logisch zusammenhängen. Eine KI lobt oft Sätze, die schön klingen, aber inhaltlich nicht verbunden sind. Ein einfaches Beispiel: „Bildung ist wichtig für die Zukunft. Außerdem sind soziale Netzwerke heute überall." Das sind zwei richtige Sätze, aber sie haben nichts miteinander zu tun. Eine KI lobt beide als gutes Deutsch. Ein Prüfer sieht sofort, dass der Gedanke nicht weiterläuft. Bei einem hoch bewerteten Text habe ich genau das an den Rand geschrieben: Die Argumente schließen nicht logisch aneinander an, der Verbindungsschritt fehlt.
Ob eine Behauptung überhaupt stimmt. In einem anderen Text stand eine Aussage, die schlicht nicht stimmte. Die KI hatte sie einfach übernommen. Ein schön formulierter, aber unlogischer oder falscher Gedanke trägt deine Argumentation nicht.
Ob ein Text zu glatt ist. Umgekehrt habe ich gesehen, wie eine KI selbst bei einem völlig fehlerfreien Text noch Punkte abzog, ohne sagen zu können, warum. Mal zu hart, mal zu weich, ohne festen Maßstab. Das ist das Muster.
Ob du das Thema wirklich triffst. Eine allgemeine KI merkt oft nicht, wenn ein Text am Thema vorbeigeht, solange er flüssig klingt. In der Prüfung ist eine Themenverfehlung einer der teuersten Fehler überhaupt, und ein Chatbot warnt dich nicht davor.
Ob dein Wortschatz wirklich zu deinem Niveau passt. Eine KI freut sich über seltene, schwierige Wörter, auch wenn sie falsch benutzt sind. Ein Prüfer sieht, ob ein Wort sitzt oder nur eingebaut wurde, um klug zu wirken. Ein einzelnes hochgestochenes Wort hebt deine Note nicht. Ein falsch benutztes kann sie sogar senken.
Ein Selbsttest, den du sofort machen kannst
Es gibt einen einfachen Weg, eine KI-Bewertung zu prüfen. Frag nach der Zahl weiter: „An welchem Kriterium genau hakt es, und woran siehst du das in meinem Text?" Bekommst du eine klare Antwort mit Beispielen aus deinen eigenen Sätzen, ist das ein gutes Zeichen. Bekommst du nur allgemeine Ratschläge wie „achte auf deine Grammatik" oder „strukturiere es besser", dann hat die KI geraten. Ein echter Maßstab kann dir immer zeigen, wo im Text das Problem steht, und warum.
Woran du gutes Feedback erkennst
Eine Bewertung ist nur so gut wie die Maßstäbe, auf die sie sich stützt. „Bewerte wie ein Prüfer" reicht nicht, weil die KI das echte Bewertungsraster nie gesehen hat. Ein Bewertungsraster ist die feste Liste von Punkten, nach denen ein Prüfer eine Note vergibt.
Frag dich bei jedem Feedback nur eine einzige Sache: Sagt es dir nur, ob dein Text gut ist? Oder sagt es dir, woran es hakt, also an welchem Kriterium? Nur das Zweite bringt dich weiter. Welche Kriterien das beim TestDaF sind, steht in den TestDaF-Bewertungskriterien.
Genau deshalb haben wir die KI von GermanExam.pro an den offiziellen Bewertungsrastern geeicht, statt sie raten zu lassen. Du schickst deinen Text ein und siehst in etwa 30 Sekunden, an welchem Kriterium es hakt, nicht nur eine Zahl. Eine verbindliche Note ist das trotzdem nicht, die gibt nur das Prüfungsinstitut. Aber du bekommst einen ehrlichen Maßstab statt eines Gefühls. Einen Überblick über die anderen Werkzeuge und ihre Grenzen findest du in Die beste TestDaF-Vorbereitung.
GermanExam.pro ist ein unabhängiges Lernwerkzeug. Wir haben keine Verbindung zu TestDaF, telc, Goethe, DSH oder anderen Prüfungsinstituten.
Kurz beantwortet
Kann ChatGPT meinen Text überhaupt einschätzen?
Für einen ersten Eindruck ja. Für eine verlässliche Note nein. Ohne das echte Bewertungsraster rät ein allgemeiner Chatbot, mal zu streng, mal zu mild.
Die KI hat meinen Text schlecht bewertet. Soll ich mir Sorgen machen?
Nicht sofort. Frag nach, an welchem Kriterium es hakt. Kann die KI das nicht klar sagen, nimm die Note nicht zu ernst. Hol dir lieber ein Feedback, das an echten Kriterien misst.
Warum widersprechen sich zwei KIs bei meinem Text?
Weil keine von ihnen einen festen Maßstab hat. Jede rät nach ihrem eigenen Gefühl. Deshalb bekommst du bei ChatGPT leicht eine andere Note als bei Gemini. Ein echtes Bewertungsraster gibt dagegen immer dieselbe, nachvollziehbare Antwort.