ChatGPT lobt, die Prüfung fällt durch: KI richtig bewerten lassen im DaF-Unterricht

Von Margarita Votteler, C1-Prüferin seit 2009 · 30. Juli 2026 · 6 Min. Lesezeit

Rechtsstand dieses Artikels: 30. Juli 2026. Seit dem 27. Juli 2026 ist Art. 4 KI-VO eine Bemühens-Pflicht (Digital Omnibus) — kein garantiertes Niveau, kein Zertifikat vorgeschrieben, Dokumentation ja. Die aktuelle Einordnung steht auf der Startseite unter „Rechtsstand".

Ein Lerner zeigt dir stolz sein ChatGPT-Feedback: „Sehr gut geschrieben, kaum Fehler!" Du liest denselben Text und siehst sofort: Wortstellung falsch, Konnektoren fehlen, in der echten Prüfung wäre das höchstens TDN 3. Wer hat recht? Du.

Ich bewerte seit 2009 C1-Prüfungen, und diese Szene begegnet mir seit drei Jahren in immer neuen Varianten. Das Muster dahinter ist immer dasselbe: Sprachmodelle sind auf Gefallen trainiert, nicht auf Prüfungsmaßstäbe. Sie loben zu freundlich, besonders bei Texten, die inhaltlich Sinn ergeben, aber grammatisch schwach sind. Die Lösung ist nicht, KI aus dem Unterricht zu verbannen. Die Lösung ist, ihr eine echte Bewertungsskala in den Prompt zu geben, statt sie frei einschätzen zu lassen.

Warum das Lob gefährlich ist

Nimm einen typischen B2-Text: Inhalt klar und logisch aufgebaut, aber Kasusfehler, keine Konnektoren außer „und" und „aber", Satzbau durchgehend Hauptsatz-Hauptsatz. ChatGPT ohne weitere Anweisung antwortet auf so einen Text oft mit „Gut geschrieben, deine Argumentation ist klar!" und erwähnt die Strukturprobleme höchstens als Randnotiz. Nach der TDN-Skala scheitert derselbe Text an Satzverknüpfung und Varianz: TDN 3, nicht TDN 4.

Ein Lerner, der sich auf dieses Lob verlässt, übt die falschen Dinge weiter und ist am Prüfungstag überrascht. Ich habe Kandidaten erlebt, die bis zur Prüfung felsenfest überzeugt waren, schreiben zu können — die Maschine hatte es ihnen ja monatelang bestätigt.

Drei Stellschrauben für ehrliches KI-Feedback

Der Unterschied liegt fast immer im Prompt, nicht im Modell.

Skala vorgeben, nicht offen fragen. Statt „Wie ist dieser Text?" gib die echte Bewertungsskala mit (die TDN-Kriterien oder eine vereinfachte Rubrik) und verlange eine Einordnung genau danach.
Schwächen zuerst verlangen. „Nenne zuerst die drei größten Schwächen, danach erst Stärken." Das dreht die Grundtendenz zum Loben um.
Nach der Stufe fragen, nicht nach der Meinung. „Welche TDN-Stufe entspricht diesem Text, und warum nicht die nächsthöhere?" erzwingt eine begründete Einordnung statt eines Gefühls.

Der Prompt für deinen Unterricht

„Bewerte den folgenden Text nach der TestDaF-Schreibskala (TDN 3–5). Nenne zuerst drei konkrete Schwächen mit Textstelle, dann Stärken. Vergib abschließend eine TDN-Einschätzung und begründe, warum es nicht die nächsthöhere Stufe ist."

Probier es mit demselben Text einmal mit und einmal ohne diesen Rahmen aus und zeig deiner Klasse beide Antworten nebeneinander. Der Unterschied ist verblüffend, und die Doppelstunde dazu ist gleich mit geplant: KI-Kompetenz, konkret erlebbar gemacht.

Wo die Grenze bleibt

Auch mit gutem Prompt ist eine KI-Einschätzung eine Annäherung, keine Prüfungsentscheidung. Für echte Prüfungsvorbereitung braucht es eine Bewertung, die an offiziellen Rubriken kalibriert ist. Weil mich dieser Unterschied seit Jahren beschäftigt, habe ich mit germanexam.pro selbst einen Prüfungs-Agenten gebaut, der genau das für TestDaF, Goethe, telc und DSH tut. Und wie du als Lehrkraft im souveränen KI-Einsatz sicher wirst, ist der Kern der KI-DaF-Mitgliedschaft.

Dass Lernende den Skala-Prompt selbst anwenden, ist übrigens ausdrücklich erwünscht: Es ist eine der besten Übungen in KI-Kompetenz, solange klar bleibt, dass am Ende eine echte Prüfung mit echten Prüfern steht.

Stand: 26. August 2026.