MOOCit

FELIX

Version vom 6. September 2025, 07:42 Uhr von Glanz (Diskussion | Beiträge)



FELIX



FELIX – Feedbackkultur mit KI

Abbildung: FELIX kann zur Kurzform FIX werden (ohne E und L).

Vorwort

Dieses Buch entfaltet mit FELIX und der Kurzform FIX eine wissenschaftlich begründete, praxistaugliche Architektur für Feedbackkultur im Zeitalter der Künstlichen Intelligenz (KI). Im Zentrum steht Lernen als sozial eingebetteter, kognitiv anspruchsvoller und zielgerichteter Prozess, der durch geeignete Rückmeldungen sichtbar, steuerbar und nachhaltig wird. Forschung zu formativer Beurteilung und Feedback zeigt konsistent: Rückmeldungen sind dann wirksam, wenn sie früh ansetzen, an expliziten Zielen ausgerichtet sind, sich auf beobachtbare Merkmale beziehen, handlungsleitend formuliert sind und zeitnah in Überarbeitung münden.[1][2][3]

FELIX beschreibt fünf ineinandergreifende Stufen: Free Learning (strukturierte Lernumgebungen mit Sofort-Rückmeldung), Evaluation (Peer-Feedback), Learning Mentor (gezielte Expertenstütze), Interactive Feedback (KI-gestützte Impulse) und Xpert (reflektierende Lehrkraft). FIX ist die pragmatische Kurzform ohne E und L, wenn Peer- oder Mentorenstrukturen situativ fehlen. Der Name FELIX verweist etymologisch auf felix = der Glückliche/Erfolgreiche/Fruchtbare und steht sinnbildlich für eine Lernkultur, die Freude, Wirksamkeit und Wachstum ermöglicht.

KI wird in diesem Rahmen als Verstärker genutzt, nicht als Ersatz pädagogischer Professionalität. Sie kann Fehlermuster identifizieren, Beispiele variieren, Kriterien operationalisieren und adaptive Aufgaben vorschlagen; dafür braucht es Leitplanken zu Transparenz, Korrektheit, Fairness, Datenschutz und Barrierefreiheit sowie ein kompetenzbasiertes Zugangsmodell (Vertrauensstufen).[4][5][6]

Als strukturgebende Lernumgebung dienen aiMOOCs mit integrierten Interaktionen und Sofort-Rückmeldungen; sie werden über spezialisierte Prompts/GPTs erzeugt, fachlich gerahmt und offen publiziert und unterstützen adaptives Lernen, Mehrfachdifferenzierung und ressourcenschonende Unterrichtsvorbereitung.[7][8]

Teil I: Grundlagen der Feedbackkultur

Warum Feedback der Motor von Lernen ist

Rückmeldungen sind allgegenwärtig, doch ihre Wirkung ist nicht selbstverständlich. Unpräzise, verspätete oder überladene Hinweise erzeugen kognitives Rauschen und bleiben folgenlos. Wirksam wird Feedback, wenn es an expliziten Zielen ansetzt, sich auf überprüfbare Merkmale von Produkten oder Prozessen bezieht, priorisiert ist und in konkrete Revisionen führt. Dieses Dreischritt-Muster wird als Verbindung von Zielklärung (Feed Up), Standortbestimmung (Feed Back) und Handlungsplanung (Feed Forward) beschrieben.[9] Formative Rückmeldung begleitet Lernprozesse; summative Rückmeldung bilanziert Leistung. Beide können koexistieren, erfüllen aber unterschiedliche Zwecke. Formatives Feedback ist zielbezogen, evidenzbasiert, knapp und handlungsleitend und wird zeitnah gegeben, um die Lücke zwischen Handlung und Korrektur zu schließen.[10]

Theoretische Fundamente und Implikationen

Lernen ist ko-konstruiert: Sozial-konstruktivistische Ansätze betonen die dialogische Aushandlung von Bedeutung; folglich ist Rückmeldung als nachvollziehbarer Dialog über Kriterien zu gestalten.[11] Die Zone der nächsten Entwicklung (ZPD) zeigt, dass Lernfortschritt unter stützender Begleitung gelingt; Scaffolding durch Peers, Mentor:innen und Lehrkraft reduziert Überforderung und beschleunigt Fortschritt.[12] Die Selbstbestimmungstheorie erklärt, warum Rückmeldungen dann motivierend wirken, wenn sie Autonomie unterstützen, Kompetenz sichtbar machen und soziale Eingebundenheit respektieren; daraus folgen Anforderungen an Tonalität, Wahlräume und kompetenzorientierte Formulierungen.[13] Modelle selbstregulierten Lernens betonen Metakognition; Lernjournale, kurze Plan–Reflex–Schleifen und explizite Strategiewechsel erhöhen die Wirksamkeit von Feedback, weil Lernende Ziele setzen, überwachen und anpassen können.[14] Die Theorie kognitiver Belastung macht deutlich, dass Arbeitsgedächtnis knapp ist; wenige, priorisierte Hinweise mit klarer Reihenfolge sind lernwirksamer als umfangreiche, unsortierte Kataloge.[15] Die Feedback-Interventionstheorie warnt vor personenbezogenen Rückmeldungen, die Aufmerksamkeit vom Lernziel weg lenken; kriterienfokussierte Hinweise sind überlegen.[16] Als Querschnittsthema gewinnt Feedback-Literacy an Gewicht: Lernende müssen Rückmeldungen verstehen, bewerten und in Handlungen übersetzen können.[17]

Designprinzipien wirksamer Rückmeldung

Ziele und Kriterien werden vorab transparent gemacht und mit Beispielen veranschaulicht; Rückmeldungen docken an diese Kriterien an, verweisen auf beobachtbare Merkmale, bleiben präzise und priorisieren einen machbaren nächsten Schritt; kurze, verlässliche Schleifen ersetzen unregelmäßige Großereignisse; jede Rückmeldung endet in einer kleinen, zeitnahen Revision. Verdichtete Heuristik ohne Zeilenumbrüche:

  1. Ziele/Kriterien klären
  2. Hinweise an Kriterien binden
  3. Belege nennen
  4. einen nächsten Schritt priorisieren
  5. Revision dokumentieren. Diese Prinzipien werden in Überblicksarbeiten zu formative assessment gestützt.[18][19]

Aufgabenqualität als Dreh- und Angelpunkt

Ohne gute Aufgaben keine gute Rückmeldung. Aufgaben sollen Denken erzwingen, nicht nur Reproduktion, und natürliche Feedbackpunkte enthalten. Eine praktikable Progression lautet Verstehen – Anwenden – Transfer; jede Phase besitzt einen vorgesehenen Rückmeldeanlass und eine dokumentierte Anschlussaktion. In digitalen Kursen wie aiMOOCs lassen sich Sofort-Rückmeldungen zu Struktur oder Basisrichtigkeit einbetten; vertiefende Rückmeldungen folgen dialogisch durch Peers, Mentor:innen, KI und Lehrkraft.[20][21] Aufgabenqualität ist auch eine Frage der kognitiven Laststeuerung: Teilaufgaben, Beispiel–Gegenbeispiel-Paare und fokussierte Kriterienraster reduzieren Extraneous Load und erhöhen Germane Load.[22]

Prozessarchitektur eines lernwirksamen Zyklus

Ein vollständiger Zyklus umfasst Ziel- und Kriterienklärung, Entwurf, mehrstufige Rückmeldungen und Revision. Eine praxistaugliche Abfolge ist: eingebettete Mikrohints im aiMOOC (formale/strukturbezogene Checks), kriteriengeleitete Peer-Hinweise, optional ein kurzes Mentoring-Fenster (Strukturhilfe), KI-Impulse zu genau einem priorisierten Aspekt, abschließende Fokushinweise der Lehrkraft. Wesentlich ist die Verbindlichkeit der Überarbeitung: Jede Rückmeldung führt zu einer kleinen, zeitnahen Revision, dokumentiert im Lernjournal (Sichtbarkeit und Selbstregulation).[23] Ein Minimalstandard lautet: Zwei Stärken – ein nächster Schritt – Frist – Evidenznachweis.

Rollen und geteilte Verantwortung in FELIX/FIX

Rollen werden klar beschrieben und greifen ineinander: Lernende bringen Ziele und Entwürfe ein, reflektieren Rückmeldungen und dokumentieren Revisionen; Peers erhöhen die Dichte und Vielfalt kriterienorientierter Hinweise; Mentor:innen liefern kurzzeitige, fachlich fokussierte Strukturhilfe; KI-Assistenten erzeugen diagnostische Impulse, Beispiele und Vorschläge für nächste Schritte, die transparent gemacht und fachlich geprüft werden; die Lehrkraft (Xpert) priorisiert, validiert und reflektiert und sichert Anschluss an Standards, Passung, Fairness und Datenschutz.[24][25][26]

KI als Verstärker: Potenziale, Grenzen und Leitplanken

KI kann typische Fehlermuster erkennen, Beispiele generieren, Kriterien operationalisieren und adaptive Lernpfade vorschlagen. Damit daraus Lerngewinn entsteht, braucht es Leitplanken: Transparenz über Einsatz und Grenzen (Kennzeichnung), fachliche Prüfung kritischer Punkte durch die Lehrkraft, Schutz personenbezogener Daten und Datensparsamkeit, Bias-Achtsamkeit und barrierearme Formate sowie kompetenzbasierte Zugänge (Vertrauensstufen wie Tablet-/KI-Führerschein).[27] KI ersetzt nicht die pädagogische Entscheidung; sie erweitert die Handlungsfähigkeit aller Beteiligten, wenn sie in prüfbare Routinen eingebettet ist.

Häufige Missverständnisse und Gegenstrategien

Irrtümer: „Mehr ist besser“ (wirksam sind wenige, priorisierte Hinweise), „Lob genügt“ (Wertschätzung ersetzt keine Kriterienarbeit), „Die KI macht es schon“ (ohne didaktische Rahmung und Revision bleibt Feedback folgenlos). Gegenstrategien: transparente Kriterien, kurze Schleifen, explizite Überarbeitungsaufträge, Lernjournale, Schulung in Feedback-Literacy.[28][29]

Teil II: Das Modell FELIX im Detail

F – Free Learning (aiMOOCs mit Sofort-Feedback)

Ziel und Logik – Lernende arbeiten selbstgesteuert in kuratierten aiMOOCs. Eingebettete Interaktionen liefern unmittelbare, häufig automatisierbare Rückmeldungen (Format, Struktur, Grundlagenrichtigkeit). So wird eine Basisqualität gesichert, bevor soziale und professionelle Rückmeldungen anschließen.[30]

Inputs/Outputs – Input: Lernziel, Kriterien, Aufgabenpfad; Output: Entwurf mit Protokoll der Systemrückmeldungen, markierte Überarbeitungen. Qualitätskriterien – Kriterienklarheit im Kurs, kleinschrittige Aufgabenprogression, klare Trigger für Mikrohints, Vermeidung von Überfrachtung (Cognitive Load).[31]

Didaktische Routinen – Vorab Kriterien sichtbar machen; Beispiel–Gegenbeispiel anzeigen; Mikrohints limitieren; verpflichtende Mini-Revision (z. B. „Markiere eine Änderung und begründe sie“). Typische Fehlsteuerungen – Zu viele Hints, unklare Kriterien, fehlende Anschlussaufträge. Gegenmittel – Minimalheuristik ohne Zeilenumbruch:

  1. Kriterium zuerst
  2. maximal 2 Hints
  3. ein nächster Schritt
  4. Revision belegen.

E – Evaluation (Peer-Feedback)

Ziel und Logik – Peers prüfen an Kriterien, erweitern Perspektiven und trainieren Feedback-Literacy. Sie liefern keine Noten, sondern Entwicklungsimpulse.[32][33]

Qualitätssicherung – Kurzes Training; Satzstarter („Ich sehe Beleg für Kriterium … in …“), ein priorisierter nächster Schritt, Zeitfenster kurz halten. Artefakt – Peer-Feedback-Karte (Kriterium – Evidenz – nächster Schritt). Fallstricke – Allgemeinplätze, Personbezug, „Gefälligkeitsfeedback“. Gegenmittel – Kriterienstarter, Beispiel–Gegenbeispiel, Selbstcheck.

L – Learning Mentor (gezielte Expertenstütze)

Ziel und Logik – Mentoring bietet zeitlich begrenzte, fachlich vertiefte Strukturhilfe jenseits des Peer-Niveaus (ZPD).[34] Prozesse – Matching nach Bedarf, 10–15-Minuten-Slots, schriftliche Kurzdiagnose, maximal zwei Interventionen, Follow-up nach einer Revision. Abgrenzung – Kein Korrektorat, kein dauerhaftes Tutoring, sondern gezieltes Scaffolding. [35]

I – Interactive Feedback (KI-gestützte Impulse)

Ziel und Logik – KI liefert hochfrequente, kriteriennahe Impulse ohne Lösungsvorwegnahme; sie unterstützt Diagnose, Beispielgenerierung und Formatchecks.[36] Leitplanken – Kennzeichnung, fachliche Prüfung kritischer Hinweise, Datensparsamkeit, Barrierefreiheit, stufenweise Freischaltung (Vertrauensstufen).[37]

Prompt-Bausteine – kompakt und ohne Zeilenumbruch:

  1. „Prüfe Kriterium X/Y, nenne 2 Stärken und 1 nächsten Schritt – ohne Lösung zu verraten“
  2. „Formuliere 3 Leitfragen, die mich zu einer Verbesserung von Abschnitt Z führen“
  3. „Gib ein Minimal- und ein Gegenbeispiel für Konzept Q“.

X – Xpert (Lehrkraft als letzte Instanz)

Ziel und Logik – Die Lehrkraft gewichtet, priorisiert, rahmt und verbindet die Ebenen; sie verantwortet fachliche Korrektheit, Passung, Fairness und Transfer. Werkzeuge – Kurzrubriken, 5-Minuten-Konferenzen, Lernpfad-Empfehlungen, Portfolio-Sichtung. Meta-Feedback – Fokussiert auf Lernstrategien, Fehlerkategorien, Qualitätsmerkmale, Transfergelegenheiten.[38]

Hinweis: FIX als Kurzform

Die Stufen E – Evaluation und L – Learning Mentor sind optional und können – wenn sie im konkreten Setting fehlen oder nicht angemessen erscheinen – übersprungen werden; die Logik bleibt erhalten. Aus FELIX wird das Drei-Schritt-Modell FIX. FIX ist doppelt passend: Es ist schneller umsetzbar (umgangssprachlich „fix“) und „to fix“ bedeutet etwas beheben/festigen – das reduzierte Modell ermöglicht unmittelbares maschinelles Feedback und professionelle Rahmung, sodass Lernhindernisse gezielt „gefixt“ werden.

Teil III: Umsetzung in der Schule

Einführung und Skalierung

Schulentwicklung verläuft iterativ: Pilotkurse auswählen, Kriterienraster und Lernjournal standardisieren, Kollegiale Hospitationen vereinbaren, Fortbildung in Feedback-Literacy und KI-Leitplanken durchführen, curriculare Verankerung vornehmen, Qualitätssicherung etablieren. Zuständigkeiten klären (Steuergruppe, Technik, Datenschutz, Fachgruppen). Policy-Bausteine: Vertrauensstufen, Führerscheine, Vorlagenpool. Erfolgsindikatoren kompakt:

  1. Transparenz
  2. Frequenz
  3. Passung
  4. Wirkung
  5. Sicherheit.

Unterrichtsdesign mit FELIX/FIX

Szenario Sprache – aiMOOC „Analyse Kurzgeschichte“ (Sofort-Feedback zu Struktur), Peer-Feedback an Kriterien, optional Mentoring für Argumentation, KI-Impuls zu Kohärenz, Lehrkraft-Meta-Feedback; Szenario Mathematik – aiMOOC „Quadratische Funktionen“ (Fehlermusterdiagnose), Mentoring zu Umformungstechnik, KI-Beispielfamilien, Lehrkraft priorisiert Übungsset; Szenario NaWi – Projektaufgabe mit Kriterienraster, Peer-Poster-Reviews, KI-Check zu Datenangaben, Lehrkraft-Transferauftrag. Zeitbudgets werden pro Stufe geplant; Risiken (Überfrachtung, unklare Kriterien) durch Checklisten minimiert.

Dokumentation, Kommunikation und Gerechtigkeit

Lernjournal – Ziel, Hinweis, Aktion, Evidenz; Feedback-Log – Quelle, Kriterium, Beleg, Frist; Kompetenzfortschritt – Meilensteine/Ampel. Kommunikation nach außen fokussiert Prinzipien statt Tools. Equity – Barrierearme Formate, Mehrsprachigkeit, Alternativen zu reinen Textformaten, Offline-Optionen für begrenzte Infrastruktur. Datenschutz – Datensparsamkeit, klare Speicherfristen, Rollenrechte.

Teil IV: Varianten, Risiken, Qualitätssicherung

Varianten

Fachspezifische Anpassungen (z. B. stärker produktorientiert in Sprachen, prozessdiagnostisch in MINT), Altersstufen (primar: stärker geleitete Peer-Formate; sekundar: mehr Autonomie), Infrastruktur (Offline-KI mit reduzierter Leistungsfähigkeit vs. Online-KI mit strengeren Leitplanken).

Risiken und Gegenmaßnahmen

Überabhängigkeit von KI – Mensch-im-Loop, Stichprobenprüfungen, KI-Hinweise als Vorschläge kennzeichnen. Datenrisiken – Minimierung personenbezogener Daten, lokale Speicherung, begrenzte Retention. Bias – Kuratierte Beispiele, Diversitäts-Checks, Reflexionsfragen. Cognitive Overload – Priorisierung, Maximalzahl an Hinweisen, klare Reihenfolge. Ungleichheit – Differenzierte Zugänge, Zusatzzeitfenster, analog-digitale Doppelstrukturen. Diese Gegenmaßnahmen entsprechen Kernbefunden der Feedback-, Motivations- und Cognitive-Load-Forschung.[39][40][41]

Qualitätssicherung als Routine

Kollegiale Hospitationen mit Fokus auf Sichtbarkeit von Zielen/Kriterien, Taktung der Schleifen, Dokumentation von Revisionen; kurze Auswertungsrunden; Portfolio-Sichtungen; Schulinterne Fortbildungen mit Mikro-Design-Sprints (Aufgabe – Kriterium – Hinweis – nächster Schritt). Qualität ist kein Ereignis, sondern eine wiederkehrende Mini-Praxis.

Teil V: Vorlagen, Glossar, Literatur

Vorlagen (erweiterte Auswahl)

Kriterienraster „Gute Rückmeldung“ – Dimensionen: Bezug zum Ziel, Beleg, nächster Schritt, Tonalität, Aktivierung; Skala 0–3; Anwendung: zwei Dimensionen gezielt stärken. Peer-Feedback-Karte – Feld „Kriterium“, Feld „Evidenz“, Feld „Ein priorisierter nächster Schritt“; Satzstarter. Mentoring-Protokoll – Problem – Intervention – Wirkung – Follow-up (max. 2 Interventionen). Lernjournal-Seite – Ziel – Hinweis – Aktion – Evidenz – Reflexion. Prompt-Bausteine für I – ohne Zeilenumbrüche:

  1. „Prüfe Zielkriterien X/Y, nenne 2 Stärken und 1 nächsten Schritt – ohne Lösung zu verraten“
  2. „Formuliere 3 Leitfragen zur Verbesserung von Abschnitt Z“
  3. „Gib ein Minimal- und ein Gegenbeispiel für Konzept Q“
  4. „Schlage eine Transferaufgabe vor, die dasselbe Kriterium in neuem Kontext prüft“.

Glossar (ausgewählt)

Formative Rückmeldung – prozessbegleitende, handlungsleitende Rückmeldung; Feedback-Literacy – Kompetenz, Rückmeldungen zu verstehen, zu bewerten und umzusetzen; Scaffolding – zeitweilige, strukturierende Unterstützung in der ZPD; aiMOOC – offener, KI-gestützter Lernkurs mit Interaktionen und Sofort-Feedback; Vertrauensstufen – kompetenzbasierte Zugänge zu KI-Funktionen; Lernjournal – verdichtete Dokumentation von Ziel – Hinweis – Aktion – Evidenz; Feed Up / Back / Forward – Zielklärung, Standortbestimmung, nächster Schritt.

FELIX als Wegweiser für zukunftsfähige Feedbackkultur

FELIX ist mehr als eine Methode; es ist eine robuste Architektur, die wissenschaftliche Evidenz mit schulpraktischer Umsetzbarkeit verbindet. Die Kombination aus freiem Lernen (F), sozialer Evaluation (E), Lernmentorenschaft (L), intelligenter, individueller, interaktiver Rückmeldung (I) und reflektierter Expertise (X) erzeugt verlässliche Lerngewinne, stärkt Beziehungen und fördert Lernfreude. FIX sichert dieselben Wirkprinzipien unter engen Ressourcen. Entscheidend sind transparente Kriterien, kurze Schleifen und dokumentierte Revisionen – damit Lernen sichtbar wird und Fortschritt verlässlich gelingt. Die Grundhaltung entspricht dem Forschungsstand: Feedback wirkt, wenn es zielklar, spezifisch, zeitnah und handlungsleitend ist und von Lernenden aktiv aufgenommen und in Revision überführt wird.[42][43]


Abbildungen

Abbildung: FELIX kann FIX werden.


Quellen und weiterführende Literatur

Die folgenden Werke bilden die theoretische Grundlage des Modells und seiner Umsetzung.

  1. ↑ Black, P.; Wiliam, D. (1998): Assessment and Classroom Learning. Assessment in Education, 5(1), 7–74.
  2. ↑ Hattie, J.; Timperley, H. (2007): The Power of Feedback. Review of Educational Research, 77(1), 81–112.
  3. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  4. ↑ Carless, D.; Boud, D. (2018): The development of student feedback literacy. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
  5. ↑ Deci, E. L.; Ryan, R. M. (2000): The “What” and “Why” of Goal Pursuits. Psychological Inquiry, 11(4), 227–268.
  6. ↑ Sweller, J. (1988): Cognitive load during problem solving. Cognitive Science, 12(2), 257–285.
  7. ↑ Glanz, Udo (2019): MOOCs selbst erstellen – P4P MOOCs in Schule, Ausbildung, Studium. Glanz-Verlag.
  8. ↑ Glanz, Udo (2025): KI-Bildungsbuffet – aiMOOCs in der Praxis. Glanz-Verlag.
  9. ↑ Hattie, J.; Timperley, H. (2007): The Power of Feedback. Review of Educational Research, 77(1), 81–112.
  10. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  11. ↑ Black, P.; Wiliam, D. (1998): Assessment and Classroom Learning. Assessment in Education, 5(1), 7–74.
  12. ↑ Vygotsky, L. S. (1978): Mind in Society. Harvard University Press.
  13. ↑ Deci, E. L.; Ryan, R. M. (2000): The “What” and “Why” of Goal Pursuits. Psychological Inquiry, 11(4), 227–268.
  14. ↑ Zimmerman, B. J. (2002): Becoming a Self-Regulated Learner. Theory Into Practice, 41(2), 64–70.
  15. ↑ Sweller, J. (1988): Cognitive load during problem solving. Cognitive Science, 12(2), 257–285.
  16. ↑ Kluger, A. N.; DeNisi, A. (1996): The effects of feedback interventions on performance. Psychological Bulletin, 119(2), 254–284.
  17. ↑ Carless, D.; Boud, D. (2018): The development of student feedback literacy. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
  18. ↑ Black, P.; Wiliam, D. (1998): Assessment and Classroom Learning. Assessment in Education, 5(1), 7–74.
  19. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  20. ↑ Glanz, Udo (2019): MOOCs selbst erstellen – P4P MOOCs in Schule, Ausbildung, Studium. Glanz-Verlag.
  21. ↑ Glanz, Udo (2025): KI-Bildungsbuffet – aiMOOCs in der Praxis. Glanz-Verlag.
  22. ↑ Sweller, J. (1988): Cognitive load during problem solving. Cognitive Science, 12(2), 257–285.
  23. ↑ Zimmerman, B. J. (2002): Becoming a Self-Regulated Learner. Theory Into Practice, 41(2), 64–70.
  24. ↑ Carless, D.; Boud, D. (2018): The development of student feedback literacy. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
  25. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  26. ↑ Hattie, J.; Timperley, H. (2007): The Power of Feedback. Review of Educational Research, 77(1), 81–112.
  27. ↑ Glanz, Udo (2024): Vertrauensstufen mit KI-Einsatz in der Bildung. Glanz-Verlag.
  28. ↑ Carless, D.; Boud, D. (2018): The development of student feedback literacy. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
  29. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  30. ↑ Glanz, Udo (2019): MOOCs selbst erstellen – P4P MOOCs in Schule, Ausbildung, Studium. Glanz-Verlag.
  31. ↑ Sweller, J. (1988): Cognitive load during problem solving. Cognitive Science, 12(2), 257–285.
  32. ↑ Topping, K. J. (1998): Peer assessment between students. Review of Educational Research, 68(3), 249–276.
  33. ↑ Carless, D.; Boud, D. (2018): The development of student feedback literacy. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
  34. ↑ Vygotsky, L. S. (1978): Mind in Society. Harvard University Press.
  35. ↑ Glanz, Udo (2024): KI-Medienmentoren – Eine Einführung in Medienbildung mit KI. Glanz-Verlag.
  36. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  37. ↑ Glanz, Udo (2024): Vertrauensstufen mit KI-Einsatz in der Bildung. Glanz-Verlag.
  38. ↑ Hattie, J.; Timperley, H. (2007): The Power of Feedback. Review of Educational Research, 77(1), 81–112.
  39. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  40. ↑ Deci, E. L.; Ryan, R. M. (2000): The “What” and “Why” of Goal Pursuits. Psychological Inquiry, 11(4), 227–268.
  41. ↑ Sweller, J. (1988): Cognitive load during problem solving. Cognitive Science, 12(2), 257–285.
  42. ↑ Hattie, J.; Timperley, H. (2007): The Power of Feedback. Review of Educational Research, 77(1), 81–112.
  43. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.












ZWEITER VERSUCH










FELIX



FELIX – Feedbackkultur mit KI

Abbildung: FELIX kann zur Kurzform FIX werden (ohne E und L).

Vorwort

Dieses Buch entfaltet mit FELIX und der Kurzform FIX eine wissenschaftlich begründete und praxistaugliche Architektur für Feedbackkultur im Zeitalter der Künstlichen Intelligenz (KI). Im Zentrum steht Lernen als sozial eingebetteter, kognitiv anspruchsvoller und zielgerichteter Prozess, der durch geeignete Rückmeldungen sichtbar, steuerbar und nachhaltig wird. Forschung zu formativer Beurteilung und Feedback zeigt konsistent: Rückmeldungen sind dann wirksam, wenn sie früh ansetzen, an expliziten Zielen ausgerichtet sind, sich auf beobachtbare Merkmale beziehen, handlungsleitend formuliert sind und zeitnah in Überarbeitung münden.[1][2][3] FELIX beschreibt fünf miteinander verzahnte Stufen: Free Learning (strukturierte Lernumgebungen mit Sofort-Rückmeldung), Evaluation (Peer-Feedback), Learning Mentor (gezielte Expertenstütze), Interactive Feedback (KI-gestützte Impulse), Xpert (reflektierende Lehrkraft). FIX ist die pragmatische Kurzform ohne E und L, wenn Peer- oder Mentorenstrukturen situativ fehlen. Der Name FELIX verweist etymologisch auf felix = der Glückliche/Erfolgreiche/Fruchtbare und steht sinnbildlich für eine Lernkultur, die Freude, Wirksamkeit und Wachstum ermöglicht. KI wird in diesem Rahmen als Verstärker genutzt, nicht als Ersatz pädagogischer Professionalität. Sie kann Fehlermuster identifizieren, Beispiele variieren, Kriterien operationalisieren und adaptive Aufgaben vorschlagen; dafür braucht es Leitplanken zu Transparenz, Korrektheit, Fairness, Datenschutz und Barrierefreiheit sowie ein kompetenzbasiertes Zugangsmodell (Vertrauensstufen).[4][5][6] Als strukturgebende Lernumgebung dienen aiMOOCs mit integrierten Interaktionen und Sofort-Rückmeldungen; sie werden über spezialisierte Prompts/GPTs erzeugt, fachlich gerahmt und offen publiziert und unterstützen adaptives Lernen, Mehrfachdifferenzierung und ressourcenschonende Unterrichtsvorbereitung.[7][8]

Teil I: Grundlagen der Feedbackkultur

1. Warum Feedback der Motor von Lernen ist

Rückmeldungen sind allgegenwärtig, doch ihre Wirkung ist nicht selbstverständlich. Unpräzise, verspätete oder überladene Hinweise erzeugen kognitives Rauschen und bleiben folgenlos. Wirksam wird Feedback, wenn es an expliziten Zielen ansetzt, sich auf überprüfbare Merkmale von Produkten oder Prozessen bezieht, priorisiert ist und in konkrete Revisionen führt. Dieses Dreischritt-Muster wird als Verbindung von Zielklärung, Standortbestimmung und Handlungsplanung beschrieben (Feed Up – Feed Back – Feed Forward).[9] Unterrichtliche Realität ist geprägt von Heterogenität und Zeitknappheit; eine belastbare Feedbackkultur reagiert darauf mit klaren Rollen, transparenten Kriterien und kurzen, planbaren Schleifen.

2. Begriffsklärungen: Feedback, Evaluation, Überarbeitung

Formative Rückmeldung begleitet Lernprozesse; summative Rückmeldung bilanziert Leistung. Beide können koexistieren, erfüllen aber unterschiedliche Zwecke. Formatives Feedback ist zielbezogen, evidenzbasiert, knapp und handlungsleitend und wird zeitnah gegeben, um die Lücke zwischen Handlung und Korrektur zu schließen.[10] Evaluation bezeichnet hier die kriteriengeleitete Beurteilung durch Lernpartner:innen oder Mentor:innen zur Qualitätssteigerung eines Lernprodukts; sie ersetzt nicht die Note, sondern ist Teil eines Entwicklungszyklus. Überarbeitung ist konstitutiv: Rückmeldung ohne anschließende Revision bleibt pädagogisch folgenlos.

3. Theoretische Fundamente und Implikationen

Sozial-konstruktivistische Ansätze verstehen Lernen als ko-konstruierten Prozess; Rückmeldungen sind dialogisch zu gestalten und an gemeinsam verstandene Kriterien zu binden.[11] Die Zone der nächsten Entwicklung zeigt, dass Lernfortschritt unter stützender Begleitung gelingt; Scaffolding durch Peers, Mentor:innen und Lehrkraft reduziert Überforderung und beschleunigt Fortschritt.[12] Die Selbstbestimmungstheorie erklärt, warum Rückmeldungen dann motivierend wirken, wenn sie Autonomie unterstützen, Kompetenz sichtbar machen und soziale Eingebundenheit respektieren; Tonalität, Wahlräume und kompetenzorientierte Formulierungen sind zentral.[13] Modelle selbstregulierten Lernens betonen Metakognition; Lernjournale, kurze Plan–Reflex–Schleifen und explizite Strategiewechsel erhöhen die Wirksamkeit von Feedback, weil Lernende Ziele setzen, überwachen und anpassen können.[14] Die Theorie kognitiver Belastung macht deutlich, dass Arbeitsgedächtnis knapp ist; wenige, priorisierte Hinweise mit klarer Reihenfolge sind lernwirksamer als umfangreiche, unsortierte Kataloge.[15] Die Feedback-Interventionstheorie warnt vor personenbezogenen Rückmeldungen, die Aufmerksamkeit vom Lernziel weg lenken; kriterienfokussierte Hinweise sind überlegen.[16]

4. Designprinzipien wirksamer Rückmeldung

Ziele und Kriterien werden vorab transparent gemacht und mit Beispielen veranschaulicht; Rückmeldungen docken an diese Kriterien an, verweisen auf beobachtbare Merkmale, bleiben präzise und priorisieren einen machbaren nächsten Schritt; kurze, verlässliche Schleifen ersetzen unregelmäßige Großereignisse; jede Rückmeldung endet in einer kleinen, zeitnahen Revision. Verdichtete Heuristik ohne Zeilenumbrüche:

  1. Ziele/Kriterien klären
  2. Hinweise an Kriterien binden
  3. Belege nennen
  4. einen nächsten Schritt priorisieren
  5. Revision dokumentieren.

5. Aufgabenqualität als Dreh- und Angelpunkt

Ohne gute Aufgaben keine gute Rückmeldung. Aufgaben sollen Denken erzwingen, nicht nur Reproduktion, und natürliche Feedbackpunkte enthalten. Eine praktikable Progression lautet Verstehen – Anwenden – Transfer; jede Phase besitzt einen vorgesehenen Rückmeldeanlass und eine dokumentierte Anschlussaktion. In digitalen Kursen wie aiMOOCs lassen sich Sofort-Rückmeldungen zu Struktur oder Basisrichtigkeit einbetten; vertiefende Rückmeldungen erfolgen dialogisch durch Peers, Mentor:innen, KI und Lehrkraft.[17][18]

6. Prozessarchitektur eines lernwirksamen Zyklus

Ein vollständiger Zyklus umfasst Ziel- und Kriterienklärung, Entwurf, mehrstufige Rückmeldungen und Revision. Eine praxistaugliche Abfolge ist: eingebettete Mikrohints im aiMOOC (formale/strukturbezogene Checks), kriteriengeleitete Peer-Hinweise, optional ein kurzes Mentoring-Fenster (Strukturhilfe), KI-Impulse zu genau einem priorisierten Aspekt, abschließende Fokushinweise der Lehrkraft. Wesentlich ist die Verbindlichkeit der Überarbeitung: Jede Rückmeldung führt zu einer kleinen, zeitnahen Revision, dokumentiert im Lernjournal (Sichtbarkeit und Selbstregulation).[19]

7. Rollen und geteilte Verantwortung in FELIX/FIX

Rollen werden klar beschrieben und greifen ineinander: Lernende bringen Ziele und Entwürfe ein, reflektieren Rückmeldungen und dokumentieren Revisionen; Peers erhöhen die Dichte und Vielfalt kriterienorientierter Hinweise; Mentor:innen liefern kurzzeitige, fachlich fokussierte Strukturhilfe; KI-Assistenten erzeugen diagnostische Impulse, Beispiele und Vorschläge für nächste Schritte, die transparent gemacht und fachlich geprüft werden; die Lehrkraft (Xpert) priorisiert, validiert und reflektiert, sichert Anschluss an Standards, Passung, Fairness und Datenschutz.[20][21][22]

8. KI als Verstärker: Potenziale und Leitplanken

KI kann typische Fehlermuster erkennen, Beispiele generieren, Kriterien operationalisieren und adaptive Lernpfade vorschlagen. Damit daraus Lerngewinn entsteht, braucht es Leitplanken: Transparenz über Einsatz und Grenzen (Kennzeichnung, Quellenlage), fachliche Prüfung kritischer Punkte durch die Lehrkraft, Schutz personenbezogener Daten und Datensparsamkeit, Bias-Achtsamkeit und barrierearme Formate, kompetenzbasierte Zugänge (Vertrauensstufen, z. B. Tablet-/KI-Führerschein).[23]

9. Häufige Missverständnisse und Gegenstrategien

Häufige Irrtümer sind: „Mehr ist besser“ (tatsächlich wirken wenige priorisierte Hinweise stärker), „Lob genügt“ (Wertschätzung ersetzt keine Kriterienarbeit), „Die KI macht es schon“ (ohne didaktische Rahmung und Revision bleibt Feedback folgenlos). Gegenstrategien sind transparente Kriterien, kurze Schleifen, explizite Überarbeitungsaufträge, Lernjournale und systematische Schulung in Feedback-Kompetenz.[24][25]

Teil II: Das Modell FELIX im Detail

F – Free Learning (aiMOOCs mit Sofort-Feedback)

Schüler:innen arbeiten selbstorganisiert mit individuell generierten aiMOOCs z. B. auf MOOCit.de oder aiMOOC.org. aiMOOCs sind Massive Open Online Courses, die über spezialisierte Prompts bzw. den aiMOOC-GPT erzeugt, fachlich geprüft und offen publiziert werden. Sie enthalten Texte, Bilder, Videos sowie offene und interaktive Aufgaben; eingebettete Checks (z. B. Multiple Choice, Memory-Zuordnung, Kreuzworträtsel) liefern das erste, unmittelbare Feedback, ohne dass Lernende direkt mit einer KI interagieren. Das aiMOOC-Bildungsnetz ermöglicht adaptives Lernen mit Selbstdifferenzierung bzw. Mehrfachdifferenzierung für Blended Learning und Flipped Classroom. Diese Online-Lernkurse sind die Arbeitsblätter der Zukunft: individuell, klimafreundlich, kostenlos.[26][27]

E – Evaluation (Peer-Feedback)

Die nächste Form des Feedbacks erfolgt im sozialen Lernraum durch Peer-Feedback. Evaluation wird nicht als beiläufige Unterstützung verstanden, sondern als kriteriengeleitetes, strukturiertes Element kooperativen Lernens. Sie fördert fachliches Verständnis, Kommunikationsfähigkeit, Verantwortungsübernahme und Feedback-Literacy. Qualität entsteht durch klare Kriterien, kurzes Training in konstruktiver Rückmeldung und schlanke Dokumentation (z. B. „2 Stärken – 1 nächster Schritt“).[28][29]

L – Learning Mentor (gezielte Expertenstütze)

Wenn Peer-Feedback nicht ausreicht, bieten Mentor:innen kurzzeitige, fachlich fokussierte Strukturhilfe. Die Rolle unterscheidet sich vom Peer-Feedback durch höhere fachliche Sicherheit, klar definierte Zeitfenster und dokumentierte Interventionen (Problem – Intervention – Wirkung – Follow-up). Das Prinzip „Lernen durch Lehren“ wird gezielt genutzt; Mentoring stärkt zudem das soziale Gefüge der Lerngruppe.[30]

I – Interactive Feedback (KI-gestützte Impulse)

Spezialisierte GPTs – z. B. der Feedback-Schulaufgabe-GPT – liefern formative Impulse, ohne Lösungen vorzugeben: Fehlerdiagnose, nächste Lernschritte, Beispiele, Format-Checks. Künftig übernehmen AI Companions eine dauerhafte Rolle: Sie dokumentieren Lernprozesse, personalisieren Feedback, erkennen Entwicklungspotenziale und fördern Motivation. Diese Ebene sollte durch abgestufte Vertrauensstufen abgesichert sein; direkter Online-KI-Kontakt nach bestandenem Tablet-Führerschein und KI-Führerschein.[31]

X – Xpert (Lehrkraft als letzte Instanz)

Die Lehrkraft greift nach den vorangehenden Stufen beratend, reflektierend und gewichtend ein. Sie priorisiert Hinweise, trifft fachliche Urteile, moderiert Zielanpassungen und empfiehlt nächste Schritte. Damit schließt sich der Kreis zu einem ganzheitlichen, menschlich fundierten Lernprozess. Nach dem Lernen ist vor dem Lernen: Die Lehrkraft empfiehlt weitere Vorgehensweisen und unterstützt individuelle Lernpfade.[32]

Hinweis: FIX als Kurzform

Die Stufen E – Evaluation und L – Learning Mentor sind optional und können, wenn sie aktuell nicht vorhanden sind oder es dem Lernenden nicht angemessen erscheint, übersprungen werden; die Logik bleibt erhalten. Aus FELIX wird dann das 3-Schritt-Modell FIX. FIX ist doppelt passend: Es ist schneller umsetzbar (umgangssprachlich „fix“) und „to fix“ bedeutet etwas beheben/festigen – das reduzierte Modell ermöglicht unmittelbares maschinelles Feedback und professionelle Rahmung, sodass Lernhindernisse gezielt „gefixt“ werden.

Teil III: Umsetzung in der Schule

Einführung und Skalierung

Schulentwicklung verläuft iterativ: Pilotieren in einzelnen Kursen, kollegiale Auswertung, Fortbildung, curriculare Verankerung, Qualitätssicherung. Zuständigkeiten werden geklärt (Steuergruppe, Technik, Datenschutz, Fachgruppen). Policy-Bausteine umfassen Vertrauensstufen, Führerscheine, Vorlagen für Lernjournal, Feedback-Log und Kriterienraster. Erfolgskriterien sind Transparenz, Frequenz, Passung, Wirkung und Sicherheit.

Unterrichtsdesign mit FELIX/FIX

Drei typische Szenarien: Deutsch (Analyseaufgabe im aiMOOC, Peer-Feedback, KI-Impuls, Lehrkraft-Coaching), Mathematik (Fehlermusterdiagnose durch KI, Mentoren-Sprechstunde, Transferaufgabe), AES/NaWi (praxisnahe Aufgaben mit Kriterienraster; bei Zeitdruck FIX). Zeitbudgets werden pro Stufe vorab geplant; Risiken (Überfrachtung, unklare Kriterien) werden durch schlanke Checklisten adressiert.

Dokumentation und Kommunikation

Lernjournal (Ziele, Hinweise, nächste Schritte), Feedback-Log (Quelle, Kriterium, Evidenz), Kompetenzfortschritt (Ampel/Meilensteine). Kommunikation nach außen (Eltern, Kollegium) fokussiert Prinzipien statt Tools: klare Kriterien, kurze Zyklen, dokumentierte Revisionen.

Teil IV: Varianten, Risiken, Qualitätssicherung

Varianten

Fach- und stufenspezifische Anpassungen (z. B. stärker produktorientiert in Sprachen, stärker prozessorientiert in MINT). Offline-KI-Lösungen (lokale Modelle) als Datenschutz-Option mit funktionalen Grenzen; Online-Companions mit höherer Leistungsfähigkeit, aber strengeren Leitplanken.

Risiken und Gegenmaßnahmen

Überabhängigkeit von KI wird durch Mensch-im-Loop und Stichprobenprüfungen begrenzt; Datenrisiken durch Datensparsamkeit, Rollenrechte, klare Speicherfristen; Bias durch kuratierte Beispiele und Diversitätschecks; Barrierefreiheit durch medienarme Alternativen und klare Sprache. Qualitätssicherung erfolgt über kollegiale Hospitationen mit Fokus auf Kriterien-Transparenz, Taktung und dokumentierte Revisionen.

Teil V: Vorlagen, Glossar, Literatur

Vorlagen (Auszug)

Kriterienraster „Gute Rückmeldung“ (Dimensionen: Bezug zum Ziel, Beleg, nächster Schritt, Tonalität, Aktivierung); Peer-Feedback-Karte („2 Stärken – 1 Schritt“); Mentoring-Protokoll (Problem – Intervention – Wirkung – Follow-up); Lernjournal-Seite (Ziel, Hinweis, Aktion, Evidenz). Kompakte Prompt-Bausteine für I – Interactive Feedback ohne Zeilenumbrüche:

  1. „Prüfe Zielkriterien X/Y, nenne 2 Stärken und 1 nächsten Schritt – ohne Lösung zu verraten“
  2. „Formuliere 3 Leitfragen zur Verbesserung von Abschnitt Z“
  3. „Gib ein Minimal- und ein Gegenbeispiel für Konzept Q“.

Glossar (Auswahl)

Formative Rückmeldung (prozessbegleitende, handlungsleitende Rückmeldung); Feedback-Literacy (Kompetenz, Rückmeldungen zu verstehen, zu bewerten und umzusetzen); Scaffolding (zeitweilige, strukturierende Unterstützung); aiMOOC (offener, KI-gestützter Lernkurs mit Interaktionen); Vertrauensstufen (kompetenzbasierte Zugänge zu KI-Funktionen); Lernjournal (verdichtete Dokumentation von Ziel – Hinweis – Aktion – Evidenz).

FELIX als Wegweiser für zukunftsfähige Feedbackkultur

FELIX ist mehr als eine Methode; es ist eine robuste Architektur, die wissenschaftliche Evidenz mit schulpraktischer Umsetzbarkeit verbindet. Die Kombination aus freiem Lernen (F), sozialer Evaluation (E), Lernmentorenschaft (L), intelligenter, individueller, interaktiver Rückmeldung (I) und reflektierter Expertise (X) erzeugt verlässliche Lerngewinne, stärkt Beziehungen und fördert Lernfreude. FIX sichert dieselben Wirkprinzipien unter engen Ressourcen. Entscheidend sind transparente Kriterien, kurze Schleifen und dokumentierte Revisionen – damit Lernen sichtbar wird und Fortschritt verlässlich gelingt.

Quellen und weiterführende Literatur

Die folgenden Werke bilden die theoretische Grundlage des Modells und seiner Umsetzung.

  1. ↑ Black, P.; Wiliam, D. (1998): Assessment and Classroom Learning. Assessment in Education, 5(1), 7–74.
  2. ↑ Hattie, J.; Timperley, H. (2007): The Power of Feedback. Review of Educational Research, 77(1), 81–112.
  3. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  4. ↑ Carless, D.; Boud, D. (2018): The development of student feedback literacy. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
  5. ↑ Deci, E. L.; Ryan, R. M. (2000): The “What” and “Why” of Goal Pursuits. Psychological Inquiry, 11(4), 227–268.
  6. ↑ Sweller, J. (1988): Cognitive load during problem solving. Cognitive Science, 12(2), 257–285.
  7. ↑ Glanz, Udo (2019): MOOCs selbst erstellen – P4P MOOCs in Schule, Ausbildung, Studium. Glanz-Verlag.
  8. ↑ Glanz, Udo (2025): KI-Bildungsbuffet – aiMOOCs in der Praxis. Glanz-Verlag.
  9. ↑ Hattie, J.; Timperley, H. (2007): The Power of Feedback. Review of Educational Research, 77(1), 81–112.
  10. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  11. ↑ Black, P.; Wiliam, D. (1998): Assessment and Classroom Learning. Assessment in Education, 5(1), 7–74.
  12. ↑ Vygotsky, L. S. (1978): Mind in Society. Harvard University Press.
  13. ↑ Deci, E. L.; Ryan, R. M. (2000): The “What” and “Why” of Goal Pursuits. Psychological Inquiry, 11(4), 227–268.
  14. ↑ Zimmerman, B. J. (2002): Becoming a Self-Regulated Learner. Theory Into Practice, 41(2), 64–70.
  15. ↑ Sweller, J. (1988): Cognitive load during problem solving. Cognitive Science, 12(2), 257–285.
  16. ↑ Kluger, A. N.; DeNisi, A. (1996): The effects of feedback interventions on performance. Psychological Bulletin, 119(2), 254–284.
  17. ↑ Glanz, Udo (2019): MOOCs selbst erstellen – P4P MOOCs in Schule, Ausbildung, Studium. Glanz-Verlag.
  18. ↑ Glanz, Udo (2025): KI-Bildungsbuffet – aiMOOCs in der Praxis. Glanz-Verlag.
  19. ↑ Zimmerman, B. J. (2002): Becoming a Self-Regulated Learner. Theory Into Practice, 41(2), 64–70.
  20. ↑ Carless, D.; Boud, D. (2018): The development of student feedback literacy. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
  21. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  22. ↑ Hattie, J.; Timperley, H. (2007): The Power of Feedback. Review of Educational Research, 77(1), 81–112.
  23. ↑ Glanz, Udo (2024): Vertrauensstufen mit KI-Einsatz in der Bildung. Glanz-Verlag.
  24. ↑ Carless, D.; Boud, D. (2018): The development of student feedback literacy. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
  25. ↑ Shute, V. J. (2008): Focus on Formative Feedback. Review of Educational Research, 78(1), 153–189.
  26. ↑ Glanz, Udo (2019): MOOCs selbst erstellen – P4P MOOCs in Schule, Ausbildung, Studium. Glanz-Verlag.
  27. ↑ Glanz, Udo (2025): KI-Bildungsbuffet – aiMOOCs in der Praxis. Glanz-Verlag.
  28. ↑ Carless, D.; Boud, D. (2018): The development of student feedback literacy. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
  29. ↑ Topping, K. J. (1998): Peer assessment between students. Review of Educational Research, 68(3), 249–276.
  30. ↑ Glanz, Udo (2024): KI-Medienmentoren – Eine Einführung in Medienbildung mit KI]]. Glanz-Verlag.
  31. ↑ Glanz, Udo (2024): Vertrauensstufen mit KI-Einsatz in der Bildung. Glanz-Verlag.
  32. ↑ Hattie, J.; Timperley, H. (2007): The Power of Feedback. Review of Educational Research, 77(1), 81–112.







FELIX


Video laden
YouTube

FELIX – Feedbackkultur mit KI

Der Name FELIX steht für ein zukunftsweisendes, fünfstufiges Modell der Feedbackkultur im schulischen Kontext. Die Buchstaben symbolisieren zentrale pädagogische Prinzipien und sind zugleich methodisch aufeinander abgestimmt. FELIX ist dabei nicht nur ein Akronym – der Name selbst stammt aus dem Lateinischen und bedeutet „der Glückliche“, „der Erfolgreiche“, „der Fruchtbare“. Dieses positive Bildungsbild steht sinnbildlich für eine Schule, in der Lernen durch Feedback gelingt: frei, partizipativ, unterstützend, intelligent und reflektiert.


Abbildung: FELIX kann FIX werden.



F – FREE LEARNING

Schüler:innen arbeiten selbstorganisiert mit individuell generierten aiMOOCs z.B. auf MOOCit.de oder aiMOOC.org. aiMOOCs sind Massive Open Online Courses (MOOCs), welche durch einen aiMOOC-GPT (eine komplexe Anweisung) von einer künstlichen Intelligenz (ai) für individuelle Bedürfnisse erstellt werden. Die Hauptbestandteile eines aiMOOCs sind Texte, Bilder, Videos, offene und interaktive Aufgaben, die von einer KI erstellt, von Experten geprüft und auf einem frei zugänglichen Kultur- und Bildungs-Wiki publiziert werden. Die interaktiven Aufgaben (Multiple Choice, Memory-Zuordnung, Kreuzworträtsel usw. beinhalten das erste Feedback für die Lernenden, ohne dass diese mit der KI direkt in Kontakt kommen. Das aiMOOC-Bildungsnetz ermöglicht adaptives Lernen mit Selbstdifferenzierung bzw. Mehrfachdifferenzierung z.B. für das Blended Learning oder Flipped Classroom. Diese Online-Lernkurse sind die Arbeitsblätter der Zukunft: individuell, klimafreundlich, kostenlos! Lernende können z.B. Satzglieder mit einem Lernkurs nach ihren Interessen erlernen. Ein Lernkurs könnte heißen: "Satzglieder mit dem FC Bayern lernen".[1][2]

E – EVALUATION

Die nächste Form des Feedbacks erfolgt im sozialen Lernraum durch das Peer-Feedback, also der Evaluation durch den Lernpartner. Peer-Feedback wird dabei nicht als beiläufige Unterstützung verstanden, sondern als strukturell verankertes Element kooperativen Lernens. Dieser Austausch fördert nicht nur fachliches Verständnis, sondern auch Kommunikationsfähigkeit, Verantwortungsübernahme und eine wertschätzende Feedbackkultur.

L – LEARNING MENTOR

Bei weiterführendem Unterstützungsbedarf kommen Lernmentor:innen ins Spiel – thematisch versierte Expert:innen aus der eigenen oder einer anderen Lerngruppe. Diese übernehmen eine begleitende Funktion, geben individuelle Impulse und stärken das soziale Gefüge. Das Prinzip „Lernen durch Lehren“ wird hier aktiv gelebt.[3]

I – INTERACTIVE FEEDBACK

Nun greift die KI aktiv ein: Über spezialisierte GPTs wie den Feedback-Schulaufgabe-GPT, einen KI-Companion (derzeit z.B. OpenAI / ChatGPT: "Study Mode", Google / Gemini: "Learning Coach", Khan Academy: Khanmigo) oder andere Intelligente Tutorielle Systeme (ITS) erhalten die Lernenden gezielte Impulse zur Weiterarbeit – ohne Lösungen vorzugeben. Dieses KI-Feedback kann individueller sein, wenn die Lernenden mehr von sich und ihrem Lernen Preis geben. Dies stellt noch eine große (Datenschutz-)Herausforderung im Einsatz der KI im Bildungssektor dar. Offline-Lösungen (GPT4ALL) sind eine noch nicht ganz so starke Alternative. Künftig übernehmen aber sicherlich diese AI-Companions die Rolle des interaktiven maschinellen Feedbacks dauerhaft: Sie dokumentieren Lernprozesse, personalisieren Feedback, erkennen Entwicklungspotenziale und fördern Motivation. Diese KI-basierte Ebene sollte durch ein abgestuftes Vertrauenssystem abgesichert werden. Direkter Kontakt zur Online-KI sollte erst stattfinden, wenn ein Tablet-Führerschein und ein KI-Führerschein bestanden wurde.[4]

HINWEIS: Die Stufen E – Evaluation und / oder L – Learning Mentor sind optional und können, wenn sie z.B. aktuell nicht vorhanden sind oder es dem Lernenden nicht angemessen erscheint, übersprungen werden; die Logik des Modells bleibt dadurch erhalten. Aus FELIX wird dann das 3-Schritt-Modell FIX. Der Begriff FIX ist in mehrfacher Hinsicht passend: Zum einen steht er im Sinne des englischen Wortes für „schnell“ – das Modell wird durch den Verzicht auf die Stufen Evaluation und Learning Mentor schlanker und kann zügiger umgesetzt werden. Zum anderen bedeutet „to fix“ auch „etwas beheben, reparieren oder festigen und verankern“ – genau das leistet das reduzierte Modell: Es ermöglicht zielgerichtetes, unmittelbares Feedback durch KI, wodurch Lernhindernisse schnell erkannt und bearbeitet werden können.

X – (E)XPERT

Als letzte Instanz bringt sich die Lehrkraft als Experte ein: nicht als Korrekturinstanz, sondern als reflektierende, beratende Expertin, die nach der KI-gestützten und kollegialen Vorarbeit gezielt unterstützt, moderiert und die Lernentwicklung gemeinsam mit dem Lernenden analysiert. Hier schließt sich der Kreis zu einem ganzheitlichen, menschlich fundierten Lernprozess. Nach dem Lernen ist vor dem Lernen: Die Lehrkraft empfiehlt eine weitere Vorgehensweise und unterstützt die Lernenden in ihrem individuellen Weg.


FELIX als Wegweiser für zukunftsfähige Feedbackkultur

FELIX ist mehr als ein technisches Modell – es ist eine pädagogische Vision: Lernen wird als lebendiger Prozess verstanden, der durch gezieltes Feedback strukturiert, gestützt und vertieft wird. Dabei verbindet FELIX moderne Technologien mit menschlicher Nähe, Eigenverantwortung mit Gemeinschaft und Struktur mit Offenheit.

Durch die Kombination von freiem Lernen (F), sozialer Evaluation (E), Lernmentorenschaft (L), intelligenter, individueller, interaktiver Rückmeldung (I) und reflektierter Expertise (X) entsteht ein System, das nicht nur Wissen vermittelt, sondern Kompetenzen aufbaut, Beziehungen stärkt und Lernfreude entfaltet.

FELIX gibt Schulen ein handlungsorientiertes Modell an die Hand, um die Potenziale von KI in der Bildung verantwortungsvoll und wirksam zu nutzen – als Fundament einer neuen Feedbackkultur, die Lernen zum Erfolg und Schüler:innen zu selbstwirksamen Gestalter:innen ihrer Bildungswege macht.





Abbildungen

Quellen und weiterführende Literatur

Die folgenden Werke bilden die inhaltliche und theoretische Grundlage für das dargestellte Konzept zu KI in der Schulkommunikation, aiMOOCs und KI-gestützter Feedbackkultur. Sie sind auf MOOCit.de frei zugänglich:

  1. ↑ Glanz, Udo (2019): MOOCs selbst erstellen – P4P MOOCs in Schule, Ausbildung, Studium, Glanz-Verlag. ISBN 978-3940320285.
  2. ↑ Glanz, Udo (2025): KI-Bildungsbuffet – aiMOOCs in der Praxis. Glanz-Verlag. ISBN 979-8307450833.
  3. ↑ Glanz, Udo (2024): KI-Medienmentoren – Eine Einführung in Medienbildung mit KI. Glanz-Verlag. ISBN 979-8305196504.
  4. ↑ Glanz, Udo (2024): Vertrauensstufen mit KI-Einsatz in der Bildung. Glanz-Verlag. ISBN 979-8305088038.






Abgerufen von „https://moocit.de/index.php?title=FELIX&oldid=90257“