KI-Korrektur von Klassenarbeiten: Was erlaubt ist und wie es praktisch funktioniert

KI kann deine Korrektur vorbereiten; die Note darf es dir nicht abnehmen. Das Bildungsportal NRW betont die Bewertungshoheit der Lehrkraft, liefert aber keine bundesweit geltende dienstrechtliche Primärnorm. Bis diese Norm für den konkreten Landeskontext ergänzt ist, bleibt die Qualifikation als „Dienstpflichtverletzung“ ein offener Prüfpunkt; praktisch gilt: Lass dir Kriterien, Belegstellen und Feedbackentwürfe liefern – und lies, gewichte und entscheide selbst.

Diese Seite ist eine praxisorientierte Einordnung, keine Rechtsberatung. Im Zweifel klärst du den konkreten Einsatz mit Schulleitung und behördlichem oder schulischem Datenschutzbeauftragten.

Die eine Regel: Bewertungshoheit bleibt bei dir

Eine Klassenarbeit ist kein Datensatz, aus dem nur noch eine Punktzahl herausgerechnet werden muss. Du berücksichtigst Aufgabenstellung, Unterrichtszusammenhang, Fachstandards und begründbare Grenzfälle. Genau diese pädagogische und fachliche Gesamtentscheidung bleibt bei dir.

Für die KI-Korrektur von Klassenarbeiten ist deshalb eine einfache Grenze hilfreicher als ein pauschales Verbot:

• Die KI darf Material vorbereiten: Kriterien präzisieren, Tabellen strukturieren, allgemeine Feedback-Bausteine formulieren.
• Sie darf an einem zulässigen, pseudonymisierten Text Belege lokalisieren und beschreiben. Pseudonymisiert bedeutet dabei nicht anonym: Der Text bleibt personenbezogen und braucht weiterhin Rechtsgrundlage und freigegebenen Datenweg.
• Sie soll nicht urteilen, ob ein Kriterium „erfüllt“, „teilweise erfüllt“ oder „nicht erfüllt“ ist. Das wäre bereits ein wesentlicher Teil der Bewertung.
• Punkte, Notentendenz und Endnote trägst ausschließlich du ein.

Die konkrete schul- und dienstrechtliche Grundlage unterscheidet sich nach Bundesland und Beschäftigungsstatus. Der oben verlinkte NRW-Hinweis ist eine offizielle Orientierung zur Bewertungshoheit in Nordrhein-Westfalen, aber kein Primärbeleg für die dienstrechtliche Qualifikation und kein Ersatz für die Vorschriften deines Landes.

Warum du KI-Ergebnisse nicht ungeprüft übernehmen darfst

Der NRW-Verwaltungshinweis zur KI-gestützten Korrektur verlangt, dass die Bewertungshoheit jederzeit bei der Lehrkraft bleibt. Er ist ein offizieller Praxismaßstab für NRW, aber keine bundesweit geltende Rechtsgrundlage und verwendet selbst nicht die Formulierung „Dienstpflichtverletzung“.

„Ungeprüft“ ist praktisch das entscheidende Wort. Wer einen KI-Vorschlag nur überfliegt und übernimmt, kann später weder die fachliche Gewichtung noch einen Fehler nachvollziehbar begründen.

Das hat eine sehr praktische Folge: Ein Satz wie „Die KI kam auf acht Punkte“ ist keine Begründung. Eine tragfähige Dokumentation lautet eher: „Ich habe diese Textstellen den Kriterien A und B zugeordnet, den Grenzfall bei C fachlich so gewichtet und daraus acht Punkte abgeleitet.“ Die KI darf dir Fundstellen vorsortieren. Sie darf nicht zur unsichtbaren Zweitkorrektur werden, deren Urteil du nur noch bestätigst.

Sprachliche Sicherheit ist kein Nachweis fachlicher Richtigkeit. Wenn du eine Ausgabe nicht anhand von Arbeit, Raster und Vorgaben kontrollieren kannst, gehört sie nicht in die Bewertung.

Assistierend vs. entscheidend — die juristische Trennlinie

Die Trennlinie lässt sich mit einer Kontrollfrage ziehen: Bleibt nach dem KI-Schritt noch eine echte fachliche Entscheidung für dich übrig?

Die Hochrisiko-Regeln des EU AI Act für bestimmte Bildungssysteme beginnen ab 12/2027; den Termin belegt der Beitrag zum EU AI Act und Schule. Der NRW-Verwaltungshinweis lässt die Bewertungshoheit bei der Lehrkraft. Welche Primärfundstelle das in deinem Bundesland schul- oder dienstrechtlich trägt, bleibt offen.

Für neue Aufgabenformate lohnt außerdem der Blick auf Prüfungsformate im KI-Zeitalter. Je klarer Prozess und Eigenleistung sichtbar sind, desto weniger soll ein nachträgliches Tool eine unklare Bewertungsgrundlage reparieren.

Der Datenschutz-Knoten: Schülertexte sind personenbezogene Daten

Ein Name ist nur der offensichtlichste Personenbezug. Klassenbezeichnung, Wohnort, Praktikumsbetrieb, ein seltenes Hobby oder ein persönlich erzähltes Erlebnis können eine Arbeit ebenfalls zuordenbar machen. Die schulbezogene Datenschutz-Einordnung von unterrichten.digital und die Hinweise zur Nutzung von KI-Plattformen bei datenschutz-schule.info zeigen, warum das Entfernen des Namens allein den Datenweg nicht erledigt.

Arbeite deshalb in zwei getrennten Stufen:

1. Daten minimieren: Namen, Klasse, Schule, Orte, Betriebe und identifizierende Erlebnisse entfernen. Bei stark persönlich-narrativen Texten verzichtest du ganz auf die Eingabe.
2. Rechtsgrundlage und Dienst prüfen: Nur ein von Schule oder Land für diesen Zweck freigegebener Prozess mit geklärter Rechtsgrundlage kommt für reale, auch pseudonymisierte Texte infrage. Verarbeitet ein Anbieter dabei im Auftrag, gehört ein passender AVV dazu. Freigabe und AVV ersetzen die Rechtsgrundlage nicht; dein privates Konto bei einem Allzweck-Anbieter ist dafür nicht automatisch freigegeben.

„Schüler A, 8b, Praktikum in der einzigen Tierarztpraxis in Markt X“ ist selbst für eine Pseudonymisierung unzureichend. „Lernender, Sekundarstufe, Text 07“ reduziert den Bezug deutlich, kann für dich aber weiterhin rückführbar sein und bleibt dann personenbezogen. Vertiefe diese Prüfung im Überblick zu DSGVO-konformer KI an der Schule.

Für NRW ist die Grenze noch enger: Der verlinkte Verwaltungshinweis fordert, bei der KI-Nutzung keine personenbezogenen Daten zu übertragen. Da pseudonymisierte Texte personenbezogen bleiben, deckt dieser Hinweis keinen Upload realer, nur pseudonymisierter Arbeiten. In anderen Ländern gilt nicht automatisch das Gegenteil: Dort brauchst du ebenfalls eine konkrete Rechtsgrundlage und eine Freigabe, die genau diesen Zweck und Datenweg umfasst. Ohne beides arbeitest du nur mit eigens erstellten oder irreversibel anonymisierten Beispieltexten.

Der Workflow: Korrektur eines Deutsch-Aufsatzes in vier Schritten

Dieser Ablauf behandelt KI als Werkbank, nicht als Korrektor:

1. Erwartungshorizont schärfen. Arbeite nur mit Aufgabe, Lehrplanbezug und deinen Kriterien. Schülerdaten brauchst du hier nicht.
2. Belege sammeln lassen. Dieser Schritt entfällt, wenn dein Land – wie der oben zitierte NRW-Hinweis – die Übertragung personenbezogener Daten ausschließt. Andernfalls pseudonymisierst du den Text, prüfst Rechtsgrundlage und zweckgenaue Freigabe und forderst nur Fundstellen plus rein beschreibende Beobachtungen an – keine Einstufung.
3. Feedback-Bausteine erzeugen. Lass aus allgemeinen Fehlertypen konstruktive Hinweise formulieren. Übertrage sie erst nach eigener Lektüre auf die konkrete Stelle.
4. Selbst bewerten und abschließen. Lies die ganze Arbeit, ordne Belege den Kriterien zu, entscheide über Gewichtung und Punkte und überschreibe jede unpassende Standardformulierung.

Prompt 1 – Raster schärfen

Du bist Lehrkraft im Fach <FACH> und schärfst einen Erwartungshorizont für eine
Klassenarbeit zum Thema <THEMA>, <JAHRGANGSSTUFE>. Der bisherige Kriteriensatz
lautet: <KRITERIEN>. Übersetze jedes Kriterium in ein beobachtbares Merkmal.
Format: Tabelle mit ursprünglichem Kriterium, beobachtbarem Merkmal und
Grenzfall-Hinweis. Liefere keine Punktzahlen oder Notentendenzen.

Prompt 2 – Belegstellen finden, nicht bewerten

Du bist Lehrkraft im Fach <FACH> und lässt dir zu einem pseudonymisierten
Schülertext die Belegstellen zu einem Bewertungsraster heraussuchen – die
Bewertung selbst nimmst du danach vor. Verwende diesen Prompt nur, wenn
Rechtsgrundlage und schulische Freigabe genau diesen Datenweg erlauben.

Kontext: Raster ist <KRITERIEN>. Text ist <PSEUDONYMISIERTER SCHÜLERTEXT:
keine Namen, Initialen, Klassenbezeichnungen, Schule, Orte oder sonstigen
identifizierenden Details; keine persönlich-narrativen Inhalte>.

Aufgabe: Suche zu jedem Kriterium die passende(n) Textstelle(n) und beschreibe
rein deskriptiv, was dort steht, ohne ein Werturteil abzugeben.

Format: Kriterium | Fundstelle(n) | deskriptive Beobachtung | meine Einschätzung
(leer, von mir auszufüllen).

Einschränkung: Sage nicht, ob ein Kriterium erfüllt ist – auch nicht abgestuft
als „teilweise“ oder „nicht erfüllt“. Du sammelst und lokalisierst Belege; die
Zuordnung, Gewichtung und Note nehme ich selbst vor.

Wie viel Zeit dieser Ablauf real spart, hängt von Textsorte, Klassengröße und Routine ab. Realistisch ist eine spürbare Entlastung bei Erwartungshorizont und Feedback-Bausteinen — nicht die „20 Minuten pro Klassensatz“, nach denen manche Versprechen klingen. Belastbare Zahlen aus der eigenen Korrekturpraxis werden hier ergänzt, sobald sie über mehrere Klassensätze dokumentiert sind.

Kriterienraster mit KI erstellen (das ist der eigentliche Hebel)

Der sicherste Zeitgewinn entsteht, bevor du eine einzige Arbeit hochlädst. Aus „argumentiert überzeugend“ kann ein Modell mehrere beobachtbare Merkmale vorschlagen: These erkennbar, Begründung ausgeführt, Beleg passend, Gegenposition berücksichtigt. Ob diese Merkmale zu Aufgabe, Jahrgangsstufe und verbindlichen Vorgaben passen, entscheidest weiterhin du.

Nutze dafür diesen Kurzcheck:

• Ist jedes Kriterium an einer konkreten Textstelle beobachtbar?
• Trennen die Kriterien Inhalt, Aufbau und Sprache sauber?
• Gibt es einen Hinweis für echte Grenzfälle?
• Stimmen Begriffe und Gewichtung mit Fachschaft und Prüfungsordnung überein?
• Könnte eine zweite Lehrkraft das Raster ohne zusätzliche Erklärung anwenden?

Wenn du das Raster erst nach Sichtung schwacher oder starker Arbeiten veränderst, riskierst du eine wandernde Messlatte. Friere die geprüfte Fassung deshalb vor der Einzelbewertung ein und dokumentiere spätere Korrekturen transparent.

Tools im Realitätscheck: PEER, FelloFish und fobizz-Korrekturhilfe

PEER ist ein Forschungsprojekt der TU München; laut unterrichten.digital ist das Angebot kostenlos, ohne Registrierung nutzbar und auf Feedback zu Texten ausgerichtet. Es zahlt keine Provision – für reale Schülertexte folgt daraus aber noch keine schulische Freigabe: Bis Rechtsgrundlage, Datenweg, mögliche Forschungsnutzung und gegebenenfalls erforderlicher AVV für deinen Einsatz geklärt sind, nutzt du nur eigens erstellte oder irreversibel anonymisierte Beispieltexte.

FelloFish heißt das zuvor als fiete.ai angebotene Produkt seit Anfang 2025; Grund war laut Anbieter ein Namenskonflikt. Serverstandort, Modellkette, Auftragsverarbeitung und Preis sind im ausgewerteten Stand nicht belastbar verifiziert. Deshalb gibt es hier keine Empfehlung für reale Schülertexte.

fobizz bietet eine schulbezogene Tool-Umgebung und wird über offizielle Preis- und Lizenzmodelle sowie eine Landeslizenz in Rheinland-Pfalz vertrieben. Ob die aktuell angebotene Korrekturhilfe genau den hier beschriebenen, rein assistierenden Ablauf technisch erzwingt, ist im ausgewerteten Stand offen.

Stand Juli 2026: Kostenfreiheit oder ein schulischer Produktfokus belegen für sich weder den zulässigen Datenweg noch eine Freigabe für reale Schülertexte. Prüfe vor einem solchen Einsatz die aktuellen Datenschutzhinweise, Rollen, Vertragsunterlagen und Funktionsgrenzen des konkreten Angebots.

Für keines dieser Angebote ist ein freigeschaltetes Affiliate-Programm belegt. Den breiteren Vergleich findest du bei den KI-Tools für Lehrkräfte.

Wobei KI bei Aufsätzen unterstützen kann — und wo ihre Grenzen liegen

„Zuverlässig“ sollte hier nur heißen: Du kannst die Ausgabe schnell am Original prüfen. Dazu gehören das Umformatieren eines von dir vorgegebenen Rasters, das Auffinden wörtlicher Belegstellen und das Erzeugen mehrerer allgemeiner Feedbackformulierungen. Schon die Zuordnung „guter Beleg“ ist dagegen ein fachliches Urteil.

Verwirf die Ausgabe, wenn sie:

• eine Textstelle nennt, die im Aufsatz nicht vorkommt,
• aus einer möglichen Lesart eine vermeintlich eindeutige macht,
• Kontextwissen ergänzt, das nicht in Aufgabe oder Text steht,
• sprachliche Glätte mit inhaltlicher Qualität verwechselt,
• eine Notentendenz ausgibt, obwohl du sie ausgeschlossen hast.

Stand Juli 2026: Diese Liste ist ein Qualitätscheck, kein veröffentlichter Leistungstest bestimmter Modellversionen. Welche Fehler wie häufig auftreten, muss für ein konkretes Modell mit vollständig erfundenen oder rechtssicher freigegebenen Beispieltexten dokumentiert werden.

Bei Gedichtinterpretationen wird die Grenze besonders sichtbar: Sprachmodelle formulieren eine mögliche Deutung oft so souverän, als wäre sie die einzige. Sinnvoll bleibt dort höchstens das Sammeln von Gegenfragen — nicht das Vorentscheiden, wie plausibel die Deutung einer Schülerin oder eines Schülers ist.

Die aktuelle Debatte: NRW-Vorstoß und Philologenverband

Die politische Debatte läuft in zwei Richtungen. Die FDP-Fraktion im Landtag NRW fordert, KI-gestützte Korrektur stärker als Standard zur Entlastung und für schnelleres Feedback zu etablieren. Der Philologenverband NRW warnte laut News4teachers im März 2026 vor Risiken einer solchen Entwicklung.

Beide Perspektiven treffen einen realen Punkt: Korrektur bindet Zeit, und schnelleres Feedback kann nützlich sein. Aber Entlastung ist nur dann gewonnen, wenn du nicht hinterher Modellfehler, Datenschutzfragen und unklare Urteile reparierst. Der vernünftige Standard ist deshalb kein automatischer Notenvorschlag, sondern ein dokumentierter, assistierender Ablauf: geklärte Kriterien, so wenig Daten wie nötig – und am Ende immer deine sichtbare Entscheidung.

---

Quellen: Bildungsportal NRW: KI-gestützte Korrektur · FDP-Fraktion NRW: Initiative zur KI-Korrektur · News4teachers: Warnung des Philologenverbands NRW · unterrichten.digital: Datenschutz und AI Act · datenschutz-schule.info: KI-Plattformen · unterrichten.digital: PEER · TUM: PEER · FelloFish: Umbenennung von fiete.ai · fobizz: Preise · Bildungsministerium Rheinland-Pfalz: fobizz-Landeslizenz