MOOCit

FELIX

Version vom 1. Dezember 2025, 08:51 Uhr von Glanz (Diskussion | Beiträge)
(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)



FELIX



Video laden
YouTube


FELIX – Feedbackkultur mit KI

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:

  1. Free Learning (strukturierte Lernumgebungen mit Sofort-Rückmeldung),
  2. Evaluation (Peer-Feedback),
  3. Learning Mentor (gezielte Expertenstütze),
  4. Interactive Feedback (KI-gestützte Impulse) und
  5. (E)Xpert (reflektierende Lehrkraft).
Video laden
YouTube




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]


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


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

Feedback ist kein Zusatz, sondern die zentrale Steuergröße wirksamen Unterrichts. Lernende bewegen sich beständig zwischen einem aktuellen Leistungsstand und einem angestrebten Kompetenzziel; Feedback schließt die Lücke, indem es Orientierung gibt, Fehlerbilder sichtbar macht und konkrete nächste Schritte ausweist. Forschung zu formativer Beurteilung zeigt über Fächer und Stufen hinweg, dass nicht die Menge der Rückmeldungen, sondern deren Qualität und Einbettung in Lernhandlungen über den Lernerfolg entscheidet: Wirksam ist Feedback, wenn es zielklar, spezifisch, zeitnah und handlungsleitend ist – und wenn es in eine nachfolgende Überarbeitung mündet.[9][10][11] Dieses Verständnis rahmt FELIX: Rückmeldung ist kein Ereignis am Ende, sondern ein Zyklus aus Zielklärung, Diagnose und gezielter Weiterarbeit.

Begriffsklärungen: Feedback, Evaluation, Überarbeitung

In diesem Buch bezeichnet Feedback die kriterienbezogene Rückkopplung zwischen einem Lernprodukt oder Lernprozess und einem transparent gemachten Zielzustand. Formative Rückmeldung begleitet das Lernen, indem sie den Weg zum Ziel strukturiert; summative Rückmeldung bilanziert Leistungen zu einem Stichtag. Beide Formen können koexistieren, erfüllen aber unterschiedliche Zwecke. Für Lernwachstum ist die formative Funktion entscheidend, denn sie liefert präzise Hinweise, die Lernende unmittelbar in Verbesserungen übersetzen können.[12] Evaluation wird hier eng gefasst als kriteriengeleitete Einschätzung durch Lernpartner:innen (Peer-Feedback) oder Mentor:innen, mit dem Ziel, Qualität zu erhöhen – nicht, Noten zu vergeben. Überarbeitung schließlich ist konstitutiver Bestandteil jeder Rückmeldung: Ohne eine sichtbare Revision bleibt Feedback pädagogisch folgenlos. FELIX macht diese drei Elemente explizit und verteilt sie auf Rollen und Stufen, sodass aus punktuellen Rückmeldungen eine verlässliche Kultur entsteht.

Theoretische Fundamente und Implikationen

Lernen ist in weiten Teilen sozial eingebettet. Sozial-konstruktivistische Perspektiven betonen, dass Bedeutung in Interaktionen entsteht; Rückmeldungen sind deshalb als nachvollziehbarer Dialog über Kriterien zu gestalten, in dem Beispiele, Gegenbeispiele und Belege eine zentrale Rolle spielen.[13] Wygotskys Zone der nächsten Entwicklung unterstreicht, dass Fortschritt dort besonders gut gelingt, wo Lernende knapp jenseits ihres aktuellen Kompetenzniveaus arbeiten und stützende Hilfen (Scaffolds) erhalten – sei es durch Peers, Mentor:innen, KI-Impulse oder Lehrkraft.[14] Die Selbstbestimmungstheorie erklärt die motivationalen Bedingungen wirksamen Feedbacks: Autonomie (Wahlmöglichkeiten und Verantwortung), Kompetenz (sichtbare Fortschritte) und soziale Eingebundenheit (wertschätzende Beziehung) müssen adressiert werden, damit Rückmeldungen nicht als Kontrolle, sondern als Unterstützung erlebt werden.[15] Modelle selbstregulierten Lernens zeigen, dass Lernende Strategien zum Planen, Überwachen und Anpassen ihres Handelns benötigen; gut gestaltete Rückmeldungen initiieren genau diese metakognitiven Prozesse und werden in Lernjournalen dokumentiert.[16] Schließlich begrenzt die kognitive Belastbarkeit, wie viel Information sinnvoll verarbeitet werden kann: Wenige priorisierte Hinweise, die an Kriterien andocken und in eine konkrete Aktion münden, sind lernwirksamer als breite, unsortierte Kommentierungen.[17] Die Feedback-Interventionstheorie ergänzt: Rückmeldungen, die Aufmerksamkeit von der Aufgabe weg auf die Person lenken, können Leistung mindern; kriterienfokussierte, aufgabennahe Impulse sind überlegen.[18]

Designprinzipien wirksamer Rückmeldung

Aus diesen Fundierungen ergeben sich klare Gestaltungsprinzipien für Unterricht und Materialentwicklung. Erstens verlangt wirksames Feedback eine transparente Ziel- und Kriterienarbeit: Lernende müssen wissen, woran Qualität erkennbar ist; Beispiele und Gegenbeispiele helfen, Kriterien zu operationalisieren. Zweitens sollten Hinweise sich auf beobachtbare Merkmale beziehen, nicht auf Intuitionen – etwa auf Textstruktur, Argumentationsqualität, Belegführung, Rechenwege oder Messprotokolle. Drittens gilt das Prioritätsprinzip: Ein einziger nächster Schritt ist oft produktiver als fünf gleichzeitige Forderungen. Viertens ist Zeitnähe zentral: Je kürzer die Lücke zwischen Handlung und Rückmeldung, desto höher die Umsetzungswahrscheinlichkeit. Fünftens schließt jeder Zyklus mit einer sichtbaren Überarbeitung und einem kurzen Reflexionsimpuls (Was wurde geändert? Warum? Welche Evidenz stützt die Änderung?). Eine kompakte Heuristik lautet:

  1. Ziel und Kriterium benennen
  2. beobachtbare Evidenz anführen
  3. genau einen nächsten Schritt priorisieren
  4. Änderung dokumentieren. Diese Logik entspricht dem Dreischritt Feed Up – Feed Back – Feed Forward und wird in Übersichtsarbeiten zu formativer Beurteilung breit gestützt.[19][20]

Aufgabenqualität als Dreh- und Angelpunkt

Aufgaben sind der Motor jeder Feedbackkultur. Sie definieren den Erkenntnisraum, in dem Kriterien bedeutsam werden, und erzeugen die natürlichen „Ankerpunkte“ für Rückmeldungen. Gute Aufgaben erzwingen Denken statt bloßer Reproduktion, lassen verschiedene Lösungswege zu und enthalten eingebettete Checkpunkte, an denen Zwischenstände sinnvoll überprüft werden können. Eine robuste Progression besteht aus drei Phasen: In der Verstehensphase werden Konzepte geklärt und diagnostische Kurzaufgaben genutzt, um Fehlvorstellungen sichtbar zu machen; in der Anwendungsphase wird mit Kriterien gearbeitet, die Qualität von Produkten oder Problemlösungen messbar machen; in der Transferphase wird das Gelernte auf neue Kontexte übertragen. Digitale aiMOOCs erleichtern diese Architektur, indem sie Sofort-Rückmeldungen für formale und grundlegende Aspekte bereitstellen (z. B. Format, Struktur, Basiskorrektheit), während anspruchsvollere Qualitätsmerkmale (z. B. Argumentationslogik, empirische Angemessenheit, Modellgüte) über Peer-Dialoge, Mentoring, KI-Impulse und Lehrkraft-Feedback adressiert werden.[21][22] Aus Sicht der kognitiven Belastung bewähren sich dabei kleinschrittige Aufgabenketten, Beispiel–Gegenbeispiel-Paare und fokussierte Kriterienraster, die extrinsische Belastung reduzieren und die aufgabenrelevante Verarbeitung stärken.[23]

Prozessarchitektur eines lernwirksamen Zyklus

Ein zielführender Feedbackzyklus in FELIX beginnt mit einer kurzen Ziel- und Kriterienklärung, die nicht nur verbal, sondern mit Artefakten (Beispiel, Gegenbeispiel, Kurzrubrik) abgesichert wird. Es folgt ein Erstentwurf oder eine Erstlösung; eingebettete Systemhinweise (z. B. im aiMOOC) prüfen formale Mindeststandards. Darauf baut eine dialogische Sequenz auf: ein kurzer, kriteriengeleiteter Peer-Austausch mit einer priorisierten Empfehlung; bei Bedarf ein 10–15-minütiges Mentoring-Fenster für strukturierende Unterstützung; anschließend ein KI-Impuls zu genau einem fokussierten Aspekt (z. B. Klarheit von Definitionen, Kohärenz eines Beweisschrittes, Angemessenheit einer Datenvisualisierung); schließlich das Meta-Feedback der Lehrkraft, das gewichtet, priorisiert und auf Transferchancen hinlenkt. Jede Rückmeldestufe endet mit einer konkret geplanten Änderung, die im Lernjournal dokumentiert wird (Ziel – Hinweis – Aktion – Evidenz – Reflexion). Diese Architektur verbindet hohe Frequenz mit kognitiver Steuerbarkeit und macht Fortschritt sichtbar.[24][25]

Rollen und geteilte Verantwortung in FELIX/FIX

FELIX verteilt Verantwortung auf fünf Rollen, die sich ergänzen und gegenseitig absichern. Lernende sind aktive Akteure: Sie bringen Ziele, Zwischenstände und Belege ein, entscheiden mit, welchen Hinweis sie zuerst umsetzen, und dokumentieren ihre Änderungen. Peers steigern die Dichte und Vielfalt von Rückmeldungen; richtig angeleitet, erhöhen sie die Kriteriensensibilität der ganzen Lerngruppe und professionalisieren die Sprache des Feedbacks.[26][27] Mentor:innen bieten über das Peer-Niveau hinaus strukturierende Kurzinterventionen in der ZPD; sie helfen, Denkwege zu ordnen, ohne Lösungen vorzugeben.[28] KI-Assistenten liefern hochfrequente, kriteriennahe Impulse, generieren Beispiele, prüfen Formate und schlagen nächste Schritte vor – stets gekennzeichnet, fachlich geprüft und in didaktische Routinen eingebettet.[29] Die Lehrkraft fungiert als Xpert: Sie priorisiert, gewichtet und rahmt, sorgt für Anschluss an Standards, Fairness, Datenschutz und Barrierefreiheit und behält den langfristigen Kompetenzaufbau im Blick.[30]

KI als Verstärker: Potenziale, Grenzen und Leitplanken

KI kann diagnostische Präzision und Rückmeldefrequenz deutlich erhöhen. Sie erkennt Muster in Texten, Rechnungen oder Messdaten, generiert Vergleichsbeispiele und operationalisiert Kriterien, etwa indem sie typische Fehlerschritte markiert und Alternativen aufzeigt. Doch gerade weil KI leistungsfähig ist, braucht sie pädagogische Leitplanken: Transparenz über ihren Einsatz (Kennzeichnung, Quellenlage), fachliche Prüfung kritischer Hinweise, Datensparsamkeit und klare Speicherfristen, Bias-Achtsamkeit (z. B. Diversitätschecks bei Beispielen) sowie barrierearme Formate. Ein kompetenzbasiertes Zugangsmodell – Vertrauensstufen – stellt sicher, dass Lernende Funktionen schrittweise freischalten, wenn sie zeigen, dass sie Feedback verantwortungsvoll nutzen (z. B. nach bestandenem Tablet- und KI-Führerschein).[31] So wird KI zum Verstärker einer bereits tragfähigen Feedbackkultur – nicht zu deren Ersatz.

Häufige Missverständnisse und Gegenstrategien

Drei verbreitete Missverständnisse behindern wirksame Rückmeldungen. Erstens: Mehr ist besser. Empirisch belastbar ist das Gegenteil – wenige, priorisierte Hinweise mit hohem Umsetzungsgrad schlagen umfangreiche Kommentarlisten.[32] Zweitens: Lob genügt. Wertschätzung ist wichtig, ersetzt aber keine kriteriengeleitete Anleitung zur Verbesserung. Drittens: Die KI macht es schon. Ohne didaktische Rahmung, Kriterienklarheit und eine verbindliche Überarbeitungsphase produziert selbst gute KI-Rückmeldung kaum Lerngewinn. Gegenstrategien sind transparente Kriterienarbeit, kurze, planbare Schleifen, explizite Überarbeitungsaufträge, Lernjournale sowie eine systematische Schulung in Feedback-Literacy, damit Lernende Rückmeldungen verstehen, bewerten und in Handlungen überführen können.[33]

Übergang zu Teil II

Die in Teil I entwickelten Prinzipien bilden das Fundament für das Modell FELIX. In Teil II werden die fünf Stufen – Free Learning, Evaluation, Learning Mentor, Interactive Feedback und Xpert – im Detail entfaltet. Jede Stufe erhält klare Ziele, typische Inputs und Outputs, Qualitätskriterien, wiederkehrende Routinen sowie konkrete Gegenmittel gegen häufige Fehlsteuerungen. Zugleich wird die Kurzform FIX erläutert, die – wo Ressourcen fehlen oder Passung nicht gegeben ist – die Logik von Ziel – Diagnose – nächster Schritt mit drei Stufen aufrechterhält.




Teil II: Das Modell FELIX im Detail

F – Free Learning (aiMOOCs mit Sofort-Feedback)

Ziel und didaktische Logik. Free Learning ist das Eingangstor der FELIX-Architektur. Lernende arbeiten selbstgesteuert in strukturierten, offen zugänglichen Lernkursen (aiMOOCs), die Inhalte, Aktivitäten und unmittelbar wirksame Mikrorückmeldungen verbinden. Die Stufe F schafft einen verlässlichen Grundtakt: Vor jeder sozialen oder professionellen Rückmeldung wird Basisqualität hergestellt (Form, Struktur, elementare Richtigkeit). Dadurch werden spätere Feedbackressourcen (Peers, Mentor:innen, Lehrkraft) entlastet und können sich auf höherwertige Qualitätsmerkmale konzentrieren – Argumentationslogik, Problemstrategien, Modellgüte. Diese Vorstrukturierung entspricht der Einsicht, dass kurze, häufige und kriteriennahe Rückmeldeschleifen die lernwirksamsten sind.[34][35]

Struktur und Ablauf. Ein aiMOOC beginnt mit einer expliziten Ziel- und Kriterienklärung, illustriert durch Beispiel und Gegenbeispiel. Es folgt eine Folge kleiner Aufgaben, die jeweils einen eingebetteten Check enthalten (z. B. Formatprüfung, Strukturhinweis, grundlegende Richtigkeitskontrolle). Lernende erhalten sofortige, knappe Mikrohints, setzen eine Mini-Revision um und dokumentieren diese im Lernjournal (Ziel – Hinweis – Aktion – Evidenz). Auf diese Weise entstehen beobachtbare Spuren des Lernens, die in den Folgestufen (E, L, I, X) aufgegriffen und verdichtet werden. Die aiMOOC-Umgebung eignet sich dafür, weil sie Interaktion, offene Publikation und differenzierbare Pfade verbindet.[36][37]

Qualitätskriterien und Heuristiken. Wirksam ist F, wenn Kriterien sichtbar und operationalisiert sind, Aufgabenprogression kleinschrittig verläuft und Mikrohints strikt auf ein Merkmal zielen. Eine kompakte Heuristik lautet:

  1. Kriterium zuerst sichtbar machen
  2. maximal zwei Mikrohints pro Aufgabe
  3. genau ein nächster Schritt
  4. Mini-Revision mit Evidenz. Diese Fokussierung schont Arbeitsgedächtnisressourcen und erhöht die Wahrscheinlichkeit, dass Hinweise umgesetzt werden.[38]

Häufige Fehlsteuerungen und Gegenmittel. Typische Probleme sind überfrachtete Aufgaben, unklare Kriterien oder zu lange Hints. Gegenmittel sind eine klare Kriterienkarte am Aufgabenbeginn, Beispiel–Gegenbeispiel-Paare, strikte Längenbegrenzung für Hints und verpflichtende Mini-Revisionen. F dient nicht der Vollkorrektur, sondern der Basisstabilisierung; alles Weitere folgt in E, L, I, X.

Dokumentation und Anschluss. Jede Aufgabe erzeugt eine kurze Spur im Lernjournal. Diese Dokumentation erlaubt späteren Rollen (Peers, Mentor:innen, Lehrkraft), gezielt dort einzusetzen, wo der Lernprozess stockt, und verhindert redundante Rückmeldungen.

E – Evaluation (Peer-Feedback)

Ziel und didaktische Logik. Evaluation ist kriteriengeleitetes Peer-Feedback als strukturierte, soziale Qualitätsprüfung. Sie erweitert Perspektiven, trainiert Feedback-Literacy und verankert die Sprache der Kriterien im Klassenraum. Dabei ersetzt sie keine Bewertung, sondern liefert handlungsleitende Entwicklungshinweise. Das dialogische Moment ist zentral: In der ko-konstruktiven Auseinandersetzung über Belege und Qualitätsmerkmale verdichten Lernende ihr Verständnis von „guter Arbeit“. Forschung zeigt, dass Peers – gut angeleitet – sowohl Leistung als auch Metakognition positiv beeinflussen können.[39][40]

Struktur und Ablauf. Nach F bringt jedes Team ein Zwischenprodukt mit klar benannter Ziel-Kriterium-Kombination ein. Peers prüfen an genau diesem Fokus, benennen eine evidenzbasierte Stärke und einen priorisierten nächsten Schritt, der in der verfügbaren Zeit realistisch ist. Der Austausch ist zeitlich knapp gehalten und folgt Satzstartern („Ich sehe Kriterium X belegt in …; ein nächster Schritt wäre …, weil …“). Anschließend setzen Lernende einen einzigen Verbesserungsschritt um und dokumentieren ihn.

Qualitätskriterien und Heuristiken. Qualität entsteht über Fokussierung, Sprachstützen und Evidenzpflicht. Eine verdichtete Heuristik lautet:

  1. ein Kriterium
  2. ein Beleg
  3. ein nächster Schritt
  4. sofortige Umsetzung. Diese Regel verhindert „Gefälligkeitsfeedback“ und vage Allgemeinplätze und lenkt Aufmerksamkeit auf das, was den größten Lerngewinn verspricht.

Häufige Fehlsteuerungen und Gegenmittel. Gefahren sind Personenbezug, ausufernde Diskussionen und Multi-Topic-Feedback. Gegenmittel: Kriterienstarter, zeitliche Taktung (z. B. 2 + 2 + 1 Minuten für Beleg – Schritt – Vereinbarung), Peer-Checklisten mit Minimalanforderungen (Belegpflicht) und die explizite Trennung von Würdigung und Diagnose.

Dokumentation und Anschluss. Die Peer-Feedback-Karte (Kriterium, Evidenz, nächster Schritt) wird dem Lernjournal beigefügt. Sie ist Ausgangspunkt für L oder I und ermöglicht der Lehrkraft in X, Prioritäten transparent nachzuvollziehen.

L – Learning Mentor (gezielte Expertenstütze)

Ziel und didaktische Logik. Learning Mentors sind thematisch versierte Lernende oder geschulte Schüler-Expert:innen, die über das Peer-Niveau hinaus kurzzeitige Strukturhilfe bieten. Sie wirken als „Brücke“ in der Zone der nächsten Entwicklung: Wenn Peers an Grenzen stoßen (z. B. bei komplexer Argumentation oder Modellierung), strukturieren Mentor:innen Denkwege, ohne Lösungen vorzugeben. Das Prinzip „Lernen durch Lehren“ steigert zugleich das Verständnis der Mentor:innen selbst.[41][42]

Struktur und Ablauf. Mentoring erfolgt in klar begrenzten 10–15-Minuten-Slots. Vor Beginn formuliert die Ratsuchende Person einen fokussierten Bedarf (z. B. „Kriterium: Kohärenz der Argumentation; Problem: Sprung zwischen Beleg A und Schluss B“). Die Mentor:in liefert maximal zwei Interventionen: eine Strukturierung (z. B. Argument-Template) und eine Leitfrage. Nach der Sitzung wird eine einzige Änderung vereinbart und nach kurzer Zeit kontrolliert (Follow-up).

Qualitätskriterien und Heuristiken. Wirksam ist L, wenn es fokussiert, zeitlich knapp und evidenzorientiert bleibt. Eine Heuristik – ohne Zeilenumbruch – lautet:

  1. Bedarf präzisieren
  2. zwei Interventionen maximal
  3. eine Änderung vereinbaren
  4. Follow-up terminieren. So wird verhindert, dass Mentoring in umfangreiche Nachhilfe ausufert.

Häufige Fehlsteuerungen und Gegenmittel. Risiken sind Überbetreuung (Reduktion der Eigenaktivität), Lösungsvorwegnahme oder Rollenvermischung mit der Lehrkraft. Gegenmittel: Rollenklarheit (Scaffolding statt Korrektorat), Protokollpflicht (Problem – Intervention – Wirkung – Follow-up) und zyklische Rotation der Mentor:innen zur Fairness.

Dokumentation und Anschluss. Das Mentoring-Protokoll wird dem Lernjournal beigefügt; es zeigt, welche Strukturhilfe gegeben wurde und welche Wirkung erwartet wird. Diese Transparenz erleichtert den Übergang zu I und X.

I – Interactive Feedback (KI-gestützte Impulse)

Ziel und didaktische Logik. In I liefert KI kriteriennahe, hochfrequente Impulse, ohne Lösungen vorwegzunehmen. Sie diagnostiziert Fehlermuster, erzeugt Gegenbeispiele, prüft Formatkriterien und schlägt nächste Schritte vor. Ihr größter Vorteil liegt in der Taktung: Hinweise erscheinen genau dann, wenn sie gebraucht werden, und können individualisiert werden – stets unter pädagogischer Rahmung und mit klarer Kennzeichnung als KI-Hinweis.[43]

Struktur und Ablauf. Lernende übergeben der KI einen gezielten Auftrag, der an Kriterien andockt (z. B. „Prüfe Kohärenz meiner Begründung gemäß Kriterium X“). Die KI antwortet in einem festen Format: zwei Stärken, ein priorisierter nächster Schritt, optional eine Leitfrage oder ein Minimal-/Gegenbeispiel. Die Lehrkraft definiert vorher, welche Aspekte automatisiert geprüft werden dürfen und wo menschliche Prüfung zwingend ist. Optional kommen spezialisierte GPTs (z. B. der Feedback-Schulaufgabe-GPT) zum Einsatz; in sensiblen Kontexten sind Offline-Varianten sinnvoll. Vertrauensstufen regeln, welche Funktionen Lernende nutzen dürfen und wann (z. B. nach bestandenem Tablet-Führerschein und KI-Führerschein).[44]

Qualitätskriterien und Heuristiken. Damit I lernwirksam bleibt, gelten klare Leitplanken: Kennzeichnung aller KI-Hinweise; Bezug auf Kriterien und beobachtbare Evidenz; keine Lösungsvorwegnahme; ein einziger, machbarer nächster Schritt; verpflichtende Mini-Revision. Eine kompakte Prompt-Heuristik – ohne Zeilenumbruch – lautet:

  1. „Prüfe Kriterium X/Y an meinem Abschnitt Z
  2. nenne 2 Stärken
  3. formuliere 1 nächsten Schritt
  4. stelle 1 Leitfrage – ohne die Lösung zu verraten“.

Häufige Fehlsteuerungen und Gegenmittel. Risiken sind Überabhängigkeit („KI wird schon richten“), zu breite Hinweise, fehlende Anschlussaktionen oder Datenschutzprobleme. Gegenmittel: Mensch-im-Loop-Prinzip (Lehrkraft priorisiert kritische Punkte), strenge Längenbegrenzung, Pflicht zur Revision mit Nachweis, Datensparsamkeit und klare Speicherregeln. KI ergänzt, ersetzt aber keine professionelle Entscheidung.

Dokumentation und Anschluss. KI-Hinweise werden im Lernjournal als solche markiert, die umgesetzte Änderung wird kurz begründet. Diese Spur ist Ausgangspunkt für X und verhindert, dass in der Lehrkraft-Konferenz Altes wiederholt wird.

X – Xpert (Lehrkraft als letzte Instanz)

Ziel und didaktische Logik. X bündelt, gewichtet und rahmt: Die Lehrkraft sichtet die Spuren aus F, E, L und I, priorisiert Hinweise, trifft fachliche Urteile, moderiert Zielanpassungen und empfiehlt nächste Lernschritte. Sie ist Garantin für fachliche Korrektheit, Passung, Fairness, Datenschutz und Barrierefreiheit und verknüpft die aktuelle Aufgabe mit längerfristigen Kompetenzzielen. Die Forschung ordnet diese Meta-Feedback-Rolle zentral ein: Sie entscheidet darüber, ob Rückmeldungen in nachhaltigen Kompetenzaufbau münden.[45]

Struktur und Ablauf. Eine 5-Minuten-Lernkonferenz pro Team reicht oft: Kurzdiagnose anhand der Journalspuren, zwei Fokuspunkte (eine Stärke, ein Entwicklungsfeld), eine konkrete Empfehlung (z. B. „Wiederhole Argumentbaustein B und belege ihn, dann wähle Aufgabe T zur Transfersicherung“), Verabredung einer Frist. Wenn nötig, ordnet die Lehrkraft die Reihenfolge künftiger Lernpfade und verweist auf Ressourcenkacheln (Beispiele, Rubriken, Kurzhilfen).

Qualitätskriterien und Heuristiken. X ist wirksam, wenn es knappe, strategische Impulse liefert, die an Ziele und Kriterien andocken, Anschluss an Standards sichern und den Transfer vorbereiten. Eine Heuristik – ohne Zeilenumbruch – lautet:

  1. Diagnose aus Spuren
  2. ein strategischer Fokus
  3. ein Transferauftrag
  4. klare Frist und Evidenzform.

Häufige Fehlsteuerungen und Gegenmittel. Gefahren sind Detailversinken, „Überkommentieren“ und Doppelung bereits gegebener Hinweise. Gegenmittel: strikte Orientierung an Journalspuren, Verzicht auf Wiederholung, Fokus auf Strategien statt Kleinstfehler, Transferorientierung (neue Situation, gleiches Kriterium).

Dokumentation und Anschluss. Das Xpert-Feedback schließt den Zyklus mit einer sichtbaren Entscheidung: Was bleibt, was wird geändert, was wird transferiert? Mit dieser Entscheidung beginnt die nächste Runde – FELIX ist ein Rhythmus, kein einmaliger Akt.

Hinweis: FIX als Kurzform

Die Stufen E – Evaluation und L – Learning Mentor sind optional. Fehlen Peer- oder Mentorenstrukturen, können sie übersprungen werden, ohne die Grundlogik zu verlieren: Ziel klären, Stand diagnostizieren, nächsten Schritt umsetzen. Aus FELIX wird FIX – schneller im Vollzug (umgangssprachlich „fix“) und zugleich reparierend/festigend im Sinne von „to fix“. FIX fokussiert die Pipeline F → I → X: Basisklärung und Sofort-Rückmeldung im aiMOOC, interaktive, kriteriennahe KI-Impulse, abschließendes Meta-Feedback der Lehrkraft. Diese Kurzform ist besonders geeignet bei Zeitdruck, in neuen Setups oder als Brücke, bis Peer- und Mentorenformate aufgebaut sind. Wichtig bleibt die Verbindlichkeit der Revision und die Dokumentation im Lernjournal, damit auch in FIX jeder Hinweis in beobachtbare Veränderung überführt wird.

Übergang zu Teil III

Mit FELIX liegt ein vollständiger Ablaufplan vor, der Rollen trennt, Kriterien sichtbar macht und Überarbeitung als Regelfall etabliert. Teil III zeigt, wie Schulen diese Architektur stufenweise einführen, wie Unterrichtsdesigns für verschiedene Fächer aussehen, welche Vorlagen den Alltag erleichtern und wie Qualität über Hospitation, Dokumentationsspuren und kurze Auswertungsroutinen gesichert werden kann.





Teil III: Umsetzung in der Schule

Leitbild und Zielbild

Eine wirksame Feedbackkultur entsteht nicht durch Einzelmaßnahmen, sondern durch ein konsistentes Zusammenspiel von Aufgabenqualität, klaren Rollen, kurzen Rückmeldeschleifen, dokumentierter Revision und verlässlicher Schulorganisation. FELIX liefert dafür die Architektur; FIX ist die pragmatische Kurzform, wenn Peer- und Mentorenstrukturen (noch) fehlen. Das schulische Zielbild lautet: Unterricht, in dem Lernziele und Kriterien sichtbar sind, Feedback früh und häufig ansetzt, auf beobachtbaren Belegen beruht, einen priorisierten nächsten Schritt ausweist und in zeitnahe Überarbeitung mündet. Die KI wird als Verstärker in diese Routinen eingebettet, abgesichert durch Transparenz, Datensparsamkeit, Barrierefreiheit und kompetenzbasierte Zugänge (Vertrauensstufen).[46][47][48]

Governance und Rollen

Schulen benötigen eine leichtgewichtige, aber klare Governance:

Steuergruppe
Schulleitung, eine Lehrkraft je Fachbereich, IT/Datenschutz, eine Schüler- und eine Elternvertretung. Auftrag: Ziele priorisieren, Meilensteine setzen, Leitplanken beschließen, Evaluation sichern.
Fachgruppen
Aufgabenqualität, Kriterienraster, Beispiel-/Gegenbeispielsammlungen, aiMOOC-Kurationslisten, fachspezifische Prompt-Bausteine.
IT & Datenschutz
Infrastruktur (lokal/online), Rechte- und Rollensystem, Datensparsamkeit, Speicherfristen, Notfall- und Supportprozesse.
Fortbildung
Micro-Module für Feedback-Literacy, KI-Leitplanken, Unterrichtsdesign und Hospitationskultur; Peer-Coaching.
Lernende
Lernjournal führen, Rückmeldungen umsetzen, Belege sichern, Vertrauensstufen erwerben (Tablet-/KI-Führerschein).

90-Tage-Roadmap (Pilot bis Verankerung)

Phase Zeitraum Fokus Ergebnisse
0. Vorbereitung Woche −2 bis 0 Leitbild schärfen, Steuergruppe einsetzen, Datenschutz klären, zwei Fächer wählen Beschlusspapier, DPIA-Check, Auswahl Pilotklassen
1. Pilot Wochen 1–4 Zwei Sequenzen à 2–3 Unterrichtsstunden pro Fach mit FELIX/FIX (aiMOOC, Peer-Karte, KI-Impuls, Xpert-Konferenz) Erste Artefakte, funktionierende Lernjournale, Kurzfeedback der Beteiligten
2. Ausweitung Wochen 5–8 Drittes Fach; Mentorenprogramm minimal starten; Vorlagen konsolidieren Mentorenslots (10–15 Min), Vorlagenpaket v1
3. Verankerung Wochen 9–12 Curriculare Verortung, Hospitationszirkel, Elternkommunikation, Fortbildungsmodul „Feedback-Literacy“ Schulweite Mindeststandards, Terminplan Hospitation, Info-Kit für Eltern

Unterrichtsdesign-Blueprints (45/90 Minuten)

45-Minuten-Takt (z. B. Deutsch)
Einstieg 5′ Ziel/Kriterium mit Beispiel; aiMOOC-Aufgabe 15′ mit Mikrohints und Mini-Revision; Peer-Feedback 10′ (1 Kriterium, 1 Beleg, 1 Schritt); KI-Impuls 8′ (zwei Stärken, ein Schritt, Leitfrage); Xpert-Hinweis 5′; Journal-Eintrag 2′.
90-Minuten-Takt (z. B. Mathematik/NaWi)
Diagnose 10′; aiMOOC-Pfad 20′; Peer-Runde 15′; Mentoring-Slots 2×12′ parallel; KI-Impuls 10′; Xpert-Konferenz 10′; Transferaufgabe 10′; Journal 3′.

aiMOOC-Produktion und Kuration

Ein aiMOOC bündelt Ziel, Kriterien, Aufgabenprogression, Beispiele und Mikrohints.

Produktions-Workflow
Lernziel/Kriterium formulieren → Beispiel/Gegenbeispiel erstellen → Aufgaben in 3 Niveaustufen mit eingebetteten Checks → Mikrohints definieren (max. 2 je Aufgabe) → Journal-Prompts einbauen → Veröffentlichung auf MOOCit.de/aiMOOC.org.
Qualitätscheck (Kompaktheuristik)
  1. Kriterium zuerst
  2. ein Beleg pro Beispiel
  3. zwei Mikrohints maximal
  4. ein nächster Schritt
  5. Journal-Slot vorhanden.
Kuration
Fachgruppe pflegt eine Liste geprüfter aiMOOCs (Thema, Stufe, Kriterienbezug, Dauer, Barrierefreiheitsstatus).

Vertrauensstufen und Führerscheine

Die Nutzung leistungsfähiger KI-Funktionen erfolgt stufenweise. Nachweis erfolgt über kurze, praktische Prüfungen.

Stufe Freigaben (Beispiele) Nachweis
0 Basis Lesen/Nutzen von aiMOOCs, Mikrohints, Journalführung Tablet-Führerschein: sichere Bedienung, Urheberrecht, Datenminimierung
1 KI-Light Formale Checks (Gliederung, Quellenformate), neutrale Hinweise ohne Lösungen KI-Führerschein Teil A: „Kennzeichne KI-Hinweise, belege Umsetzungen“
2 KI-Fokus Kriteriennahe Impulse (2 Stärken, 1 Schritt, 1 Leitfrage), Minimal-/Gegenbeispiele KI-Führerschein Teil B: „Arbeite 3 Hinweise in Revisionen ein“
3 KI-Plus Vergleichsaufgaben, Transfervorschläge, Selbstcheck-Generator Portfolio-Nachweis: drei vollständige Zyklen inkl. Transfer

Datenschutz, Sicherheit, Barrierefreiheit

Datenschutz & DPIA
Datenminimierung (Textauszüge statt Volltexte), Pseudonymisierung, klare Speicherfristen, Protokolltransparenz, lokale Alternativen bei sensiblen Inhalten.
Sicherheit
Rollenrechte, Logging, Notfallabläufe (Abschalten einzelner Funktionen), jährlicher Technik-Check.
Barrierefreiheit
Alternativformate (Audio, große Schrift), einfache Sprache, Tastaturbedienbarkeit, Farbkodierungen mit ausreichendem Kontrast, Medienarme Alternativen für leistungsschwache Netze.

Fortbildungscurriculum für Kollegium

Modul A Feedback-Grundlagen
Ziel/Kriterium, Feed Up/Back/Forward, Kurzrubriken; Mikro-Design-Sprints.
Modul B Aufgabenqualität
Beispiel-Gegenbeispiel, Progression, kognitive Last steuern.
Modul C Peer & Mentoring
Satzstarter, Belegpflicht, 10–15-Min-Mentorings, Protokolle.
Modul D KI in FELIX
Prompt-Bausteine, Kennzeichnung, Mensch-im-Loop, Vertrauensstufen.
Modul E Hospitationskultur
Beobachtungskarten, kollegiale Kurzfeedbacks, Follow-up.

Micro-Curriculum für Lernende: Feedback-Literacy

Vier Kurzlektionen à 20–30 Minuten, fächerübergreifend:

L1 Kriterien sehen lernen
Beispiel/Gegenbeispiel markieren; „Woran erkennt man Qualität?“
L2 Ein Beleg – ein Schritt
Evidenzformeln („Ich sehe Kriterium X belegt in …“), Priorisierung.
L3 Journal-Routine
Ziel – Hinweis – Aktion – Evidenz – Reflexion; zwei Stärken, ein Schritt.
L4 KI kompetent nutzen
Kennzeichnung, Datensparsamkeit, strukturiertes Prompten, Revision belegen.

Kommunikationsplan (Innen/Außen)

Kollegium
Monatsbrief „FELIX-Praxis“ mit Beispielen; Hospitationskalender; FAQ.
Lernende
Startbrief „So funktioniert Feedback hier“; Vertragsfolie: „Wir geben wenige, aber präzise Hinweise – du änderst sichtbar und belegst.“
Eltern/Öffentlichkeit
Informationsabend; Einseiter mit Leitprinzipien; Beispielseite aus dem Lernjournal; Datenschutz-Hinweise; Nutzenargumente (Transparenz, Nachvollziehbarkeit, Teilhabe).

Qualitätsindikatoren und Monitoring

Qualität wird über Spuren, nicht über zusätzliche Tests sichtbar. Minimal-Dashboard pro Klasse:

Indikatoren
Anteil Stunden mit transparenter Kriteriennennung; Anteil Produkte mit Journal-Eintrag; mittlere Zeit bis zur Umsetzung eines nächsten Schritts; Verteilung der Feedback-Quellen (F/E/L/I/X); Anzahl dokumentierter Transfers pro Einheit.
Erhebung
Stichproben aus Journals (5–8 pro Klasse/Monat), Kurzbefragung 3 Fragen („Wusste ich das Ziel? Was habe ich geändert? Woran sehe ich Fortschritt?“), Hospitationen mit Kurzcheck.
Auswertung
Monatliche 30-Min-Runde je Fachgruppe; ein Beschluss – eine Änderung für den kommenden Monat.

Beispiel-Blueprints je Fach

Deutsch (Argumentierendes Schreiben, 2×45 Min)

Tag 1: Ziel/Kriterium „Behauptung – Begründung – Beleg – Bezug“; aiMOOC-Aufgabenfolge mit Mikrohints; Mini-Revision; Peer-Feedback „1 Kriterium – 1 Beleg – 1 Schritt“; Journal. Tag 2: Mentoring-Slots zu Kohärenz; KI-Impuls mit Gegenbeispiel; Xpert-Konferenz (5′/Team) mit Transferauftrag „Gleiches Kriterium, neuer Textausschnitt“; Journal-Reflexion.

Mathematik (Quadratische Funktionen, 90 Min)

Diagnose-Item; aiMOOC-Fehlermuster (Scheitel/Normalform); Peer-Check „Rechenweg belegen“; Mentoring zu Umformungen; KI-Impuls „Vergleich zweier Lösungswege“; Xpert-Fokus auf Strategie; Transfer „Parameter-Variation“.

NaWi (Daten und Messfehler, 45 Min)

Ziel/Kriterium „Plausible Messreihe, Fehlerquellen, Visualisierung“; aiMOOC-Checkliste; Peer-Poster-Review mit Belegpflicht; KI-Hinweis zu Achsen/Skala; Xpert-Auftrag „Gleiche Daten, andere Visualisierung – begründe Wahl“.

Vorlagenpaket (Kernauszüge)

Peer-Karte
Kriterium: ____ | Evidenzstelle: ____ | Ein nächster Schritt: ____ | Umsetzung bis: ____ | umgesetzt? ja/nein
Mentoring-Protokoll
Problem: ____ | Intervention 1 (Struktur): ____ | Intervention 2 (Leitfrage): ____ | Vereinbarte Änderung: ____ | Follow-up: ____
Xpert-Kurzrubrik (0–3)
Ziel/Kriterium benannt? 0–3 | Evidenz vorhanden? 0–3 | Nächster Schritt präzise? 0–3 | Revision sichtbar? 0–3 | Transfer geplant? 0–3
Prompt-Bausteine I (ohne Zeilenumbruch)
  1. Prüfe Kriterium X an Abschnitt Y; nenne 2 Stärken und 1 nächsten Schritt; stelle 1 Leitfrage – ohne Lösung vorwegzunehmen

Risiko-Register und Gegenmaßnahmen

Überfülle
Gegenmittel: Max. 1 Schritt; harte Längenbegrenzung; Priorisierungsmatrix.
Rollenunschärfe
Gegenmittel: Rollenkarten; Protokollpflicht bei L; Kennzeichnung von I.
Datenrisiko
Gegenmittel: Pseudonyme, Offlinemodus, kurze Retention, Opt-out-Pfad.
Ungleichheit
Gegenmittel: Differenzierte Zugänge, zusätzliche Zeitfenster, analoge Alternativen.

Ressourcen und Aufwand

Startaufwand konzentriert sich auf drei Bereiche: Aufgabenqualität (einmalig je Fach zwei Beispiel-Sequenzen mit Kriterienraster), Vorlagen (Peer-Karte, Journal, Mentoring-Protokoll, Xpert-Rubrik) und Fortbildung (4×45-Min-Micro-Module). Laufend sinkt der Korrekturaufwand durch Verlagerung auf Mikrohints, fokussierte Peer-Beiträge und 5-Min-Xpert-Konferenzen; die Lehrkraft investiert stärker in Aufgabendesign und Priorisierung, gewinnt jedoch Zeit durch weniger „Vollkorrekturen“ bei höherer Lernwirksamkeit.[49][50]

Gerechtigkeit und Teilhabe

FELIX/FIX stärkt Teilhabe, wenn drei Bedingungen aktiv verfolgt werden: Barrierearme Aufgabenformate und Alternativen; transparente Kriterien in einfacher Sprache mit Beispielen; dokumentierte Revisionen als sichtbare Fortschrittsspur statt alleiniger Produktbewertung. Diese Bedingungen unterstützen insbesondere Lernende mit Sprachbedarfen, mit geringem Vorwissen oder mit wenig häuslicher Unterstützung – denn sie machen Anforderungen sichtbar und Wege dorthin machbar.

Abschließender Korridor für die Schulentwicklung

Nach 90 Tagen Pilotierung ist das Ziel eine schulweite Minimalpraxis: Jede Lernsequenz beginnt mit Ziel/Kriterium und endet mit dokumentierter Revision; jede Klasse nutzt zumindest FIX in eng getakteten Schleifen; Peer- und Mentorenformate wachsen stufenweise; KI-Impulse sind gekennzeichnet, kriteriennah und in Mensch-im-Loop-Routinen eingebettet. Von hier aus skaliert die Schule über Curriculumanpassung, Hospitation und Vorlagenpflege. Damit wird Feedback vom sporadischen Ereignis zur verlässlichen Kultur – transparent, gerecht und lernwirksam.








Teil IV: Varianten, Risiken, Qualitätssicherung

Varianten und Anpassungen

FELIX ist ein architektonisches Modell und daher in unterschiedlichen Kontexten adaptierbar, ohne seine Logik zu verlieren. Fachliche Varianten betreffen vor allem die Art der Kriterien und der natürlichen Rückmeldepunkte. In sprachlichen Fächern rücken Textqualität, Argumentationslogik, Kohärenz und Stil in den Mittelpunkt; Rückmeldungen arbeiten mit markierten Beispiel- und Gegenbeispielpassagen, mit Fokus auf Belegführung und Überarbeitungsschritten im Lauftext. In MINT-Fächern sind Fehlerkategorien, Rechenwege, Modellannahmen, Messprotokolle und Visualisierungen leitend; hier bieten sich strukturierte Fehleranalysen, Minimal- und Gegenbeispiele, sowie kurze Format-Checks (Einheiten, Achsenskalierung) an. In den Künsten und in Projektfächern dominieren Prozessfeedback, Kriterien zu Komposition bzw. Gestaltung, iteratives Prototyping und Transferaufträge, die das Kriterium in einen neuen Ausdruckskontext setzen. Altersvarianten betreffen den Grad der Anleitung: In der Primarstufe sichern Satzstarter, enge Zeitfenster und sichtbare Belegkarten die Dialogqualität; in der Sekundarstufe wachsen Autonomie und fachliche Tiefe, Peer-Dialoge werden stärker kriteriengeleitet, Mentoring kann als Schüler-Expert:innen-Programm institutionalisiert werden.[51][52]

Organisationsvarianten ergeben sich aus Infrastruktur und Datenschutz. Wo stabile Online-Verbindungen, Single-Sign-on und schulische Cloud-Dienste verfügbar sind, können aiMOOCs, kollaborative Dokumente und KI-Begleiter nahtlos eingebunden werden. Wo dies nicht gegeben ist, bleibt die Logik identisch, die Umsetzung aber medienärmer: aiMOOCs werden als lokales Paket bereitgestellt, Mikrohints erscheinen in gedruckten Checkkarten, Peer- und Mentorenarbeit wird analog protokolliert, KI-Impulse werden in Offlinelösungen oder mit starker Datensparsamkeit genutzt. Entscheidender als das Tool ist die Routine: Ziel/Kriterium sichtbar, kurzer Rückmeldepunkt, ein priorisierter nächster Schritt, dokumentierte Mini-Revision. Diese Sequenz bleibt unabhängig von Fach, Jahrgang und Medienausstattung gültig.[53][54]

Risiken und Gegenmaßnahmen

Mehrere wiederkehrende Risiken lassen sich in Routinen übersetzen. Überabhängigkeit von KI führt zu passiven Lernhaltungen; Gegenmaßnahme ist das Mensch-im-Loop-Prinzip (Lehrkraft priorisiert, validiert und rahmt kritische Punkte) sowie die Verpflichtung zur sichtbaren Revision mit Beleg im Lernjournal. Kognitive Überlastung entsteht durch überlange, unpriorisierte Hinweise; Gegenmaßnahme sind knappe, kriterienfokussierte Impulse und die Heuristik „ein nächster Schritt“ pro Zyklus.[55] Motivationale Kosten entstehen, wenn Feedback als Kontrolle erlebt wird; die Gegenstrategie ist eine Tonalität, die Autonomie stützt, Kompetenz sichtbar macht und Zugehörigkeit respektiert, sowie Wahlräume bei der Reihenfolge von Schritten.[56] Ungleichheit verstärkt sich, wenn Vorerfahrungen, Sprachkenntnisse oder häusliche Unterstützung stark variieren; Gegenmaßnahmen sind barrierearme Formate, klare Sprache, Alternativwege (Audio, große Schrift, medienarme Varianten), Zusatzzeitfenster und die bewusste Trennung von Würdigung und Diagnose. Datenschutz- und Fairnessrisiken adressiert die Schule über Datensparsamkeit, Pseudonymisierung, klare Speicherfristen, Rollenrechte und ein gestuftes Freigabesystem (Vertrauensstufen) für sensible KI-Funktionen.[57]

Ein häufiges Missverständnis ist der Glaube, mehr Feedback sei automatisch besser. Die Forschung zeigt, dass Qualität, Zeitpunkt und Einbettung entscheidend sind: Zielklarheit, Bezug zu beobachtbaren Merkmalen, Spezifität, Zeitnähe und Handlungsleitung – und vor allem die anschließende Überarbeitung – bestimmen die Wirkung.[58][59] FELIX operationalisiert genau diese fünf Merkmale in einem wiederkehrenden Rhythmus.

Qualitätssicherung als Routine

Qualitätssicherung ist bei FELIX kein Sonderprogramm, sondern Teil der Alltagsarchitektur. Drei Bausteine tragen: Hospitationen im Kurzformat, Dokumentationsspuren und kollegiale Auswertungsschleifen. Kurz-Hospitationen mit Beobachtungskarten fokussieren auf sichtbare Ziele/Kriterien, auf den Takt der Rückmeldeschleifen und auf die Evidenz dokumentierter Revisionen. Dokumentationsspuren im Lernjournal – Ziel, Hinweis, Aktion, Evidenz, Reflexion – dienen als minimalinvasive Nachweise, die ohne Zusatzbelastung für Lernende entstehen und für Lehrkräfte, Mentor:innen und Peers anschlussfähig sind. Monatliche Fachgruppenrunden nutzen kleine Stichproben aus Journals und zwei bis drei Artefakte pro Klasse, um einen einzigen Verbesserungsbeschluss zu fassen. Diese Form des Micro-Monitorings macht Fortschritt sichtbar, ohne Unterricht zu überfrachten, und fördert zugleich Feedback-Literacy im Kollegium.[60][61]

Ein zusätzlicher Baustein ist die Rubrik-Kalibrierung: In kurzen Design-Sprints gleichen Fachgruppen Beispiel- und Gegenbeispielartefakte mit einer Kurzrubrik ab, um die Sprache der Kriterien zu schärfen und Urteilsdrift zu reduzieren. Diese Kalibrierung senkt den späteren Kommentieraufwand, weil die gemeinsame Bezugsbasis robust ist und Rückmeldungen sich an explizit geteilten Qualitätsmerkmalen orientieren.[62]

FIX als Übergangs- und Notfallmodus

FIX – die Kurzform ohne E und L – ist nicht nur ein „Sparprogramm“, sondern ein geordneter Übergangsmodus, wenn Zeit, Personal oder Strukturen fehlen. In FIX bleiben die Wirkprinzipien erhalten: Basisklärung und Sofort-Rückmeldung (F), ein fokussierter KI-Impuls (I) und die gewichtende, beratungsoffene Lehrkraft (X). Schulen nutzen FIX, um die Logik zu etablieren und Peer- sowie Mentorenformate schrittweise aufzubauen. Wichtig ist die konsequente Journalführung, damit auch im Kurzmodus jede Rückmeldung in eine beobachtbare Veränderung überführt wird.


Teil V: Vorlagen, Glossar, Literatur

Vorlagen (ausformulierte Mustertexte)

Peer-Feedback-Karte (ein Kriterium – ein Beleg – ein Schritt). Kriterium (Fokus): [z. B. „Begründung stützt die Behauptung mit überprüfbaren Belegen“]. Evidenz (wo genau im Produkt sehe ich das Kriterium erfüllt oder verfehlt?): [Zitat/Zeilenangabe/Abschnitt]. Ein priorisierter nächster Schritt (konkret, in 10–15 Minuten umsetzbar, ohne Lösung vorwegzunehmen): [z. B. „Ergänze nach Satz 3 einen Beleg aus Quelle A und erkläre in einem Satz den Zusammenhang zur Behauptung“]. Umsetzung bis: [Zeitpunkt]. Journalnotiz: [„Geändert: …; warum: …; Evidenz: …“]. Kompaktregel ohne Zeilenumbruch:

  1. ein Kriterium
  2. ein Beleg
  3. ein Schritt
  4. sofortige Umsetzung.

Mentoring-Protokoll (Problem – Intervention – Wirkung – Follow-up). Problemfokus in der ZPD: [z. B. „Sprung zwischen Beleg und Schlussfolgerung“]. Intervention 1 (Struktur): [Template/Gliederung]. Intervention 2 (Leitfrage): [„Wie führt der Beleg genau zur Schlussfolgerung?“]. Vereinbarte Änderung (eine): [„Beleg-Satz ergänzen und verknüpfenden Satz formulieren“]. Follow-up (Zeitpunkt/Belegform): [„Journal-Eintrag und markierte Änderung“]. Rollenklarheit: Scaffolding statt Lösungsvorwegnahme.[63][64]

Xpert-Kurzkonferenz (5 Minuten, meta-orientiert). Diagnose aus Journalspuren: [kurze Zusammenfassung]. Strategischer Fokus: [eine Stärke, ein Entwicklungsfeld]. Empfehlung (ein Transferauftrag, der dasselbe Kriterium in neuem Kontext prüft): [z. B. „Formuliere die Begründung zu Abschnitt B nach demselben Muster“]. Frist und Evidenzform: [„bis …; markierte Änderung im Journal“]. Leitprinzip ohne Zeilenumbruch:

  1. Diagnose aus Spuren
  2. ein strategischer Fokus
  3. ein Transferauftrag
  4. klare Frist/Evidenz.[65]

Lernjournal-Seite (eine Zeile pro Zyklus). Ziel/Kriterium: […]; Hinweis (Quelle F/E/L/I/X): […]; Aktion (konkrete Änderung): […]; Evidenz (wo ist die Änderung sichtbar?): […]; Reflexion (Was habe ich gelernt? Was mache ich als Nächstes?): […][66]

Prompt-Bausteine für I (KI-Impulse, ohne Lösungsvorwegnahme). Ohne Zeilenumbrüche:

  1. Prüfe Kriterium X an Abschnitt Y; nenne 2 Stärken und 1 nächsten Schritt; stelle 1 Leitfrage – ohne die Lösung vorwegzunehmen
  2. Liefere ein Minimal- und ein Gegenbeispiel für das Konzept Z; markiere, welche Eigenschaft das Kriterium erfüllt/verfehlt
  3. Prüfe die Kohärenz zwischen Beleg A und Schlussfolgerung B; schlage genau 1 Formulierung vor, die die Brücke verstärkt – ohne inhaltlich neu zu argumentieren.[67]

Glossar (ausgewählte Kernbegriffe)

Formative Rückmeldung. Prozessbegleitende, kriterienorientierte Rückmeldung mit dem Ziel, die nächste Verbesserungshandlung zu ermöglichen; sie ist zielklar, spezifisch, zeitnah und handlungsleitend und mündet in eine sichtbare Überarbeitung.[68] Feedback-Literacy. Fähigkeit von Lernenden (und Lehrenden), Rückmeldungen zu verstehen, zu bewerten, in Handlungen zu übersetzen und die Wirkung der Handlung zu prüfen; umfasst Kriteriensensibilität, Evidenzorientierung und Priorisierung.[69] Scaffolding. Zeitweilige, strukturierende Unterstützung in der Zone der nächsten Entwicklung; Hilfe wird mit wachsender Kompetenz schrittweise reduziert.[70] aiMOOC. Offener, KI-gestützter Lernkurs mit integrierten Interaktionen und Sofort-Rückmeldungen, der adaptives Lernen und Mehrfachdifferenzierung ermöglicht und als Basisstufe von FELIX dient.[71][72] Vertrauensstufen. Kompetenzbasiertes Zugangsmodell zu KI-Funktionen; schrittweise Freischaltung je nach nachgewiesener Feedback-Kompetenz und Medienverantwortung (z. B. Tablet-/KI-Führerschein).[73] Feed Up / Feed Back / Feed Forward. Zielklärung, Standortbestimmung und nächster Schritt als Dreischritt wirksamer Rückmeldung; Kernheuristik der FELIX-Architektur.[74] Kognitive Belastung. Begrenzte Arbeitsgedächtniskapazität, die durch priorisierte, kurze, kriteriennahe Hinweise geschont und für lernrelevante Verarbeitung genutzt werden sollte.[75]

Literatur und weiterführende Quellen

Die folgenden Werke bilden die theoretische Grundlage des Modells und seiner Umsetzung in aiMOOC-basierten Lernumgebungen, Peer- und Mentorenformaten sowie KI-gestützten Rückmelderoutinen:

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

Schlussbild: FELIX als schulischer Arbeitsrhythmus

FELIX ist kein einmaliges Projekt, sondern ein schulischer Arbeitsrhythmus: Ziele und Kriterien sichtbar machen; kurze, kriterienfokussierte Rückmeldungen geben; genau einen nächsten Schritt priorisieren; die Änderung zeitnah und sichtbar umsetzen; den Transfer in eine neue Situation planen. Die KI verstärkt diesen Rhythmus, indem sie Diagnosen beschleunigt und Beispiele variiert, ohne pädagogische Entscheidungen zu ersetzen. FIX sichert dieselben Wirkprinzipien unter engen Ressourcen und dient als Brücke, bis Evaluation und Mentoring aufgebaut sind. So wird Feedback vom sporadischen Ereignis zur verlässlichen Kultur – transparent, gerecht und lernwirksam.







VERSION 2





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=92314“