Kursthemen

  • Allgemeines

    Alles einklappen Alles aufklappen

    Lernförderliches Feedback mit KI

    KI-Tools für formatives Feedback einsetzen

    CC BY 4.0 Steirische Hochschulkonferenz
    Aktuelle Version: 27.05.2025

    Kurzbeschreibung

    Wenn bestimmte Qualitätskriterien erfüllt sind, kann formatives Feedback einen entscheidenden Beitrag dazu leisten, Lernprozesse nicht nur anzuregen, sondern auch nachhaltig zu fördern. Besonders im Hochschulkontext bedeutet die Erstellung von individuellem, konstruktivem Feedback jedoch einen erheblichen zeitlichen Aufwand für Lehrende – Zeit, die im oft dichten Lehralltag knapp bemessen ist.

    An diesem Punkt setzt der hier vorgestellte Use Case an: Er untersucht, inwiefern der Einsatz von KI-gestützten Tools Lehrende dabei helfen kann, Studierenden qualitativ hochwertiges Feedback bereitzustellen. Durch den gezielten Einsatz von Künstlicher Intelligenz können einzelne Schritte im Feedback-Prozess automatisiert oder teilautomatisiert abgebildet werden.

    Dies eröffnet die Möglichkeit, gewonnene Ressourcen – insbesondere Zeit – sinnvoll neu zu investieren: Lehrende können sich verstärkt darauf konzentrieren, die von der KI generierten Rückmeldungen gemeinsam mit den Studierenden zu reflektieren, passgenaue Verbesserungsvorschläge zu entwickeln und auf individuelle Fragestellungen sowie Lernbedürfnisse einzugehen. Auf diese Weise wird KI nicht als Ersatz, sondern als Ergänzung menschlicher Expertise verstanden – mit dem Ziel, Feedback-Prozesse effizienter zu gestalten und die Lernenden in ihrer Weiterentwicklung bestmöglich zu begleiten. 

    Allgemeine Eckdaten

    Sozialform: Einzelarbeit – Partnerarbeit – Gruppenarbeit – Plenum Gruppengröße: Einzelne Person – kleinere Gruppe (2-25TN) –

  • Gründe für den Einsatz

    • Formatives Feedback (mehr dazu auch im Use Case Formatives E-Assessment) ist, im Gegensatz zu summativem Feedback, keine zusammenfassende, retrospektive Rückmeldung über die Leistung der Studierenden, sondern Feedback zum aktuellen Verständnisniveau oder Lernfortschritt. Es dient nicht der Bewertung der Lernenden, sondern informiert über Lernstand, Lernziel und die Möglichkeiten, das Lernziel zu erreichen. [5]
    • Studien zeigen, dass bessere Lernleistungen erzielt werden können, wenn konstruktive Unterstützung seitens der Lehrpersonen in Form von formativem Feedback geübt wird. [5]
    • Konkretes und aufgabenbezogenes Feedback kann Lernenden helfen, Handlungsstrategien zu entwickeln. [6]
    • Viele Lehrpersonen verfügen jedoch nicht über die zeitlichen Ressourcen, Studierenden detailliertes, aufgabenbezogenes Feedback zu geben [8]. Hier kann KI-unterstütztes Feedback eine wertvolle Ergänzung darstellen.


  • Technische Infrastruktur / Empfehlungen

    Aus datenschutzrechtlichen Gründen empfehlen wir, Texte von Studierenden nicht direkt in KI-Tools einzupflegen. Stattdessen sollten Studierende selbst die Möglichkeit erhalten, ihre Texte in ein entsprechendes Tool einzugeben und auf diesem Weg Feedback zu erhalten.

    Für die praktische Umsetzung benötigen Lehrende einen Computer mit Internetzugang sowie Zugriff auf geeignete KI-Tools wie etwa ChatGPT, Academic ChatGPT, Fobizz oder vergleichbare Plattformen. Idealerweise melden sich die Lehrenden bei der jeweiligen Plattform an und stellen den Studierenden anschließend einen direkten Zugangslink zur Verfügung. So kann vermieden werden, dass Studierende eigene Accounts anlegen müssen.

    Noch sicherer ist der Zugang, wenn die Hochschule ein datenschutzkonformes Endgerät bereitstellt, über das Studierende die Tools nutzen können.

  • Rolle der Lehrperson

    Bevor textgenerierende KI-Tools im Lehr-Lern-Kontext eingesetzt werden, ist es notwendig, dass sich die Lehrperson mit den Einsatzmöglichkeiten dieser Technologie auseinandersetzt. Dazu gehört, sorgfältig auszuloten, in welchen Phasen des Lernprozesses und für welche Aufgabenstellungen der Einsatz von KI sinnvoll und didaktisch zielführend ist. Ebenso sollten sich Lehrende über passende Tools und Plattformen informieren, um eine fundierte Auswahl treffen zu können – unter der Berücksichtigung von Aspekten wie Datenschutz, Bedienfreundlichkeit und Kosten.

    Damit die KI überhaupt hilfreiches und kontextgerechtes Feedback liefern kann, muss sie zunächst mit der jeweiligen Aufgabenstellung sowie den relevanten Bewertungskriterien vertraut gemacht werden. Dazu gehört es, der KI klare Anweisungen zu geben, die sowohl den Aufgabenrahmen als auch die Erwartungen an die Rückmeldung präzise beschreiben (mehr dazu auch im Use Case Use KI zur Unterrichtsvorbereitung verwenden).

    Die von der KI generierten Antworten sollten jedoch nicht unkritisch übernommen werden. Ein zentraler Bestandteil des Lernprozesses besteht darin, die Rückmeldungen der KI, idealerweise gemeinsam mit den Studierenden, einer kritischen Reflexion zu unterziehen. So wird nicht nur die Qualität des automatisierten Feedbacks überprüft, sondern auch das Urteilsvermögen und die Medienkompetenz der Studierenden gestärkt.

    Formatives Feedback soll niemals vollständig an die KI ausgelagert werden, sondern Raum für weitere, individuelle Betreuung und Reflexion schaffen. Winter (2024) hebt hervor, dass der Feedbackprozess nicht nur ein unidirektionaler Prozess ist, der an die KI ausgelagert werden kann, sondern, dass es für Lehrende sehr wichtig ist, zu überprüfen, welches Feedback die KI an die Lernenden übermittelt und wie dies den Lernprozess der Studierenden beeinflusst. [10]

  • Einsatzmöglichkeiten / Methoden

    Formatives Feedback durch individuelle Tutorsysteme

    Tutorsysteme wie Fobizz oder FelloFish können dazu verwendet werden, Texte von Studierenden kriteriengeleitet zu analysieren und Feedback bzw. personalisierte Lernvorschläge zu geben. Zu diesem Zweck geben Lehrpersonen die Aufgabenstellung in das Tool ein, sowie möglichst genau beschriebene (gewichtete) Kriterien, und, falls zutreffend, Materialien, die für die Bearbeitung der Aufgabenstellung verwendet werden dürfen. Die Aufgabe und das Feedback können in Folge durch die Lehrperson getestet werden und falls nötig sollten Anpassungen vorgenommen werden. Die Aufgabe wird den Studierenden dann mittels Link zur Verfügung gestellt. Tutorsysteme haben meist die Möglichkeit, den Studierenden Rückmeldung auf ihre erste Abgabe zu geben und dann eine weitere Abgabe mit der ersten Eingabe abzugleichen. Die Rückmeldung der KI besteht aus kriterienbezogenem Feedback sowie Verbesserungsvorschlägen. Derartige Tutorsysteme sind in der Regel für Schulen konzipiert, können, je nach Fachbereich und Aufgabenstellung, jedoch auch im hochschulischen Kontext Anwendung finden.

    Formatives Feedback durch textgenerierende KI-Tools

    Die Lehrperson erstellt einen KI-Assistenten (z.B. in Fobizz, basierend auf ChatGPT), der den Studierenden Feedback gibt oder mit ihnen in Dialog tritt. Dabei kann die KI beispielsweise derart gepromptet werden, dass sie Texte von Studierenden wiederum nach vorgegebenen Kriterien analysiert, einen Feedbackbericht erstellt, der die Stärken und Schwächen des Texts beinhaltet, und den Studierenden personalisierte Lernvorschläge machen, beispielsweise anhand konkreter Empfehlungen zur Verbesserung des Texts und in Form von Ratschlägen für weitere Übungen. [2] Die Programmierung eines solchen Assistenten erfordert Kenntnis über die Prompterstellung sowie das Ausprobieren des Assistenten durch die Lehrperson selbst und somit mehr KI-Kompetenzen als im ersten Anwendungsfall. Wird der Assistent in Fobizz verwendet, können die Studierenden mittels Link oder QR-Code einsteigen und müssen sich nicht anmelden und die Lehrperson hat die Möglichkeit, die Interaktion mit der KI einzusehen.

    Feedback kann, wenn der Assistent selbst programmiert wird, auch im Rahmen anderer Aufgabenstellungen gegeben werden, zum Beispiel in Form eines Sokratischen Dialogs (siehe weiterführende Literatur) oder durch KI-generierte Moodle-Tests. Dabei nutzt die Lehrperson eine generative KI (z. B. Custom GPT oder ChatGPT), um automatisiert Fragen und passendes Feedback für einen Moodle-Test zu erstellen. Die KI kann so gepromptet werden, dass sie nicht nur die Multiple-Choice-Fragen selbst, sondern auch individuelle Rückmeldungen zu jeder einzelnen Antwortoption generiert. Diese Rückmeldungen werden beim Beantworten der Fragen direkt in Moodle angezeigt und geben den Studierenden präzise Hinweise darauf, warum eine Antwort richtig oder falsch ist, und welche Inhalte sie noch vertiefen sollten. Ohne den Einsatz der KI wäre es für die Lehrperson zeitlich kaum möglich, für jede einzelne Antwortoption differenziertes Feedback zu verfassen. Der automatisierte Prozess entlastet somit die Lehrperson erheblich und ermöglicht es, regelmäßige formative Tests mit detailliertem Feedback in die Lehre zu integrieren.

    Weitere Informationen zur Erstellung von Moodle-Tests mit KI finden sie im Use-Case „Fragen und Quizzes mit generativer KI erstellen“. (Folgt im Juli 2025)

  • Zeitlicher Aufwand

    Die Programmierung eines eigenen KI-gestützten Assistenten ist im Vergleich zur Nutzung fertiger Feedback-Tools in der Regel mit einem höheren initialen Aufwand verbunden, bietet jedoch zugleich deutlich mehr Flexibilität in Bezug auf Aufgabenstellungen, Feedbackformate und Anpassungsmöglichkeiten.

    Damit der Assistent qualitativ hochwertiges und inhaltlich korrektes Feedback liefern kann, muss er vor dem ersten Einsatz von der Lehrperson sorgfältig konzipiert, getestet und inhaltlich überprüft werden – ebenso wie die von ihm erzeugten Rückmeldungen.

    Der Vorteil liegt jedoch in der Nachhaltigkeit: Ein einmal erstellter Assistent wird vom System gespeichert und kann für unterschiedliche Lehrveranstaltungen, Gruppen oder Aufgaben beliebig oft wiederverwendet oder bei Bedarf weiterentwickelt werden. So amortisiert sich der anfängliche Aufwand im Laufe der Zeit und eröffnet Lehrenden ein effizientes, anpassbares Instrument zur Unterstützung von Feedbackprozessen.

  • Tipps zur Umsetzung

    • Fobizz verfügt über einen Pool an KI-Assistenten, die von Nutzer*innen (weiter)verwendet werden können. 
    • Der Prompt-Katalog Prompt-Katalog · Offener Prompt-Katalog bietet eine Vielzahl an Prompt-Vorlagen, die für die eigene Lehre verwendet werden können (z.B. Feedback für Essays oder Feedback für Programmieraufgaben).
    • Auch das Prompt-Labor bietet Vorlagen zur Prompterstellung. 2023-11-01_M2_Prompt-Labor_Workbook-1.pdf
    • Lassen Sie die Studierenden nicht allein mit dem Feedback der KI. Nehmen Sie Einsicht (darüber müssen Sie die Studierenden vorab informieren), reflektieren Sie das Feedback der KI mit den Studierenden und sprechen Sie mit den Studierenden über ihre Lern- und Feedbackprozesse.

  • Vorteile / Herausforderungen

    • Der Einsatz vom KI für formatives Feedback kann eine Entlastung der Lehrpersonen zur Folge haben und wertvolle zeitliche Ressourcen freilegen, die wiederum für persönliche Lernbegleitung genutzt werden können. [4]
    •  KI-gestütztes Feedback kann zu jeder Zeit erstellt werden. [10]
    • KI kann große Datenmengen schnell bearbeiten. [2]
    • Rückmeldungen von Lernenden legen nahe, dass KI-generiertes Feedback als „sachbezogen und nicht kränkend wahrgenommen wird“ [4].
    • Lehrkräfte haben die Möglichkeit, verschiedene Versionen eines Textes sowie die dazugehörigen Feedbacks einzusehen und miteinander zu vergleichen. (siehe dazu: fobizz tools | Digitale Tools mit KI-Assistenz für Schulen)
    • Voraussetzung für erfolgreiches KI-gestütztes Feedback ist die Bereitschaft der Lernenden, dies anzunehmen, an ihren eigenen Fähigkeiten zu arbeiten und nicht der Fremdrückmeldung das Denken zu überlassen. [10]
    • Erste Erfahrungen von Lehrenden zeigen, dass Lernende KI-Feedbacktools gut annehmen. [8]
    • Die Einführung von KI-gestütztem Feedback muss sorgfältig geplant werden und wird sich auf die Gestaltung der Lehre auswirken – es werden Lehr- und Lernarrangements gefunden werden müssen, in denen erfolgreich mit KI-gestütztem Feedback gearbeitet werden kann. [10]
    • Studierende werden KI-gestütztes Feedback anders wahrnehmen und damit anders umgehen als sie dies mit Feedback tun, das sie von Lehrpersonen erhalten. [10]
    • Der Einsatz von privatwirtschaftlich entwickelten Systemen ist immer risikobehaftet, die zugrunde liegenden Algorithmen sind nicht einsehbar. [10]
    • KI-Tools wie Fobizz sind wie alle anderen KI-Systeme nicht unfehlbar. Zudem können derartige Feedbacksysteme in der Regel nur auf jene Informationen zugreifen, die ihnen zuvor von der Lehrperson zur Verfügung gestellt wurden – eine externe Faktenprüfung findet nicht statt. Das bedeutet, die KI kann keine inhaltlichen Korrekturen oder Bewertungen vornehmen, die über die bereitgestellten Materialien hinausgehen. Durch die Lehrperson dürfen wiederum nur datenschutzrechtliche einwandfrei verwendbare Materialien hochgeladen werden. (siehe dazu: fobizz tools | Digitale Tools mit KI-Assistenz für Schulen)
    • Auch bei der Konsistenz der Rückmeldungen gibt es zu beachten, dass identische Eingaben unterschiedliche Ergebnisse liefern können, insbesondere dann, wenn die Kriterien für die Rückmeldung unpräzise oder zu offen formuliert sind. Zudem können derartige Tools zum Zeitpunkt der Erstellung des Use Cases weder verlässlich erkennen, ob ein Text von einer KI verfasst wurde, noch sind es in der Lage, Plagiate aufzuspüren. (siehe dazu: fobizz tools | Digitale Tools mit KI-Assistenz für Schulen)
    • Insgesamt unterstützen derartige Tools den Schreib- und Überarbeitungsprozess von Texten, ersetzen aber nicht die kritische Prüfung und pädagogische Einordnung durch die Lehrkraft. (siehe dazu: fobizz tools | Digitale Tools mit KI-Assistenz für Schulen)

  • Einfluss auf Lernerfolg

    Studien zeigen, dass formatives, individuelles und verständlich formuliertes Feedback Lernprozesse anregen können. [5]

  • Einfluss auf Motivation

    Darüber, ob Chatbots per se einen positiven Einfluss auf die Lernmotivation haben, gibt es unterschiedliche Erkenntnisse (Wollny et al., 2021 sowie Ait Baha et al., 2023 beschreiben positive Einflüsse) [1, 11], Brünner und Ebner 2025 können dies nicht bestätigen [3], auch Labadze et al. (2023) [7] verweisen auf kontroversielle Ergebnisse in der Literatur. Es ist jedoch davon auszugehen, dass gut angewiesene Tools wie Fobizz oder FelloFish sich positiv auf die Lernmotivation auswirken können, wie Pölert in seinem Tutorenvideo anmerkt. [8]

  • Rechtliche Aspekte

    Mit diesem Absatz möchten wir Sie für rechtliche Aspekte beim Einsatz von digitalen Technologien in Unterricht und Lehre sensibilisieren. Gesetzliche Bestimmungen sind jedenfalls einzuhalten. Für diesen Use Case sind insbesondere folgende Rechtsthematiken relevant:

    • Urheberrecht (bei der Verwendung von Bildern und Fotos)
    • Nutzungsbedingungen der verwendeten Tools
    • Datenschutzgrundverordnung (inkl. Datensicherheit)
    • Prüfungsordnung

    Bitte wenden Sie sich bei weiteren Fragen an die zuständige/n Abteilung/en Ihrer Institution. Konsultieren Sie vorab die KI-Richtlinie Ihrer Institution, die wichtige Informationen zur Verwendung von KI-Tools an Ihrer Hochschule beinhaltet. 

    Allgemein gilt: es sind jene Tools zu bevorzugen, die keine Anmeldung durch Studierende voraussetzen (Anmeldung der Lehrperson, Link für Studierende).


  • Mögliche Tools für Umsetzung

    Plattformen, die Feedback geben können

    • FelloFish

    FelloFish, früher Fiete.ai, (FelloFish — Feedback für alle) ist ein KI-Tool, das es Lehrpersonen ermöglicht, individuelles Feedback zu Texten von Studierenden zu generieren. Durch die Eingabe von Bewertungskriterien und Aufgabenstellungen kann die KI differenzierte Rückmeldungen geben. Besonders hervorzuheben ist die Möglichkeit, die KI mit spezifischen Kriterien zu füttern, wodurch das Feedback präziser und auf die Lernziele abgestimmt wird. Das Tool erfordert keine Registrierung durch die Lernenden.

    FelloFish bietet eine kostenlose Nutzung für bis zu 100 Feedbacks. Für unbegrenzten Zugriff ist ein Abonnement erforderlich. 

    • Fobizz

    Das Fobizz (fobizz | Tools, KI, Fortbildungen & Unterrichtsmaterial für Lehrkräfte) Feedback-Tool bietet eine KI-gestützte Plattform, auf der Lernende Texte eingeben und automatisiertes Feedback erhalten können. Lehrpersonen können dabei die Bewertungskriterien festlegen, nach denen die KI die Texte analysiert. Ein Vorteil dieses Tools ist die einfache Handhabung und die Möglichkeit, den Studierenden ohne eigene Anmeldung Zugang zu gewähren. Fobizz ist DSGVO-konform.

    Fobizz stellt Lehrkräften und Schüler*innen eine Vielzahl digitaler Tools und KI-gestützter Assistenten zur Verfügung. Die Nutzung ist grundsätzlich kostenlos. Für erweiterten Zugriff auf alle Tools und Funktionen ist eine Pro-Lizenz erforderlich.

    • PEER

    PEER (https://peer.edu.sot.tum.de/) ist ein KI-unterstütztes Schreibtool, das an der Technischen Universität München entwickelt wurde. Es richtet sich an Lernende aller Altersgruppen – von Grundschule bis Universität – und unterstützt sie dabei, ihre Texte zu verbessern. Die KI analysiert die eingereichten Texte anhand der angegebenen Aufgabenstellungen und liefert Feedback mit konkreten Verbesserungsvorschlägen, allerdings in der dritten Person. Alle Aufsatzdaten werden anonymisiert erfasst, das Tool ist kostenfrei. (https://peer.edu.sot.tum.de/).

    Claudia Potthoff testete alle drei Plattformen und fasst ihre Erfahrungen im Artikel „Wenn Algorithmen Feedback geben: Fiete, Fobizz und PEER im Praxistest“ zusammen. [9]

    Textgenerierende KI / Plattformen mit textgenerierender KI

    • Custom GPTs oder KI-Assistent*innen können direkt über ChatGPT (Anmeldung durch die Studierenden erforderlich) oder Tools wie Fobizz erstellt werden. Dazu bedarf es Kenntnisse im Prompt Engineering (siehe dazu die Use Cases Künstliche Intelligenz zur Unterrichtsvorbereitung verwenden oder Generative KI-Sprachmodelle zur Individualisierung der Lernprozesse einsetzen).
    • Da über Fobizz eine Zurverfügungstellung des Assistenten mittels Link sowie eine Einsicht durch die Lehrperson möglich ist, ist die Verwendung von Fobizz der Erstellung eines Custom GPTs in ChatGPT (nur in der Plus-Version oder im Enterprise-Account verfügbar) vorzuziehen. Es können Materialien und Links angegeben werden, derer sich die KI bedient, um Feedback zu geben. Beachten Sie dabei bitte den Datenschutz. Vergessen Sie nicht, dass die Prompterstellung ein iterativer Prozess ist – Ihr erster Prompt wird nicht sofort zum gewünschten Ergebnis führen.


  • Anwendungsbeispiel

    Ein Lektor an einer österreichischen Universität plant, in seinem Seminar zur wissenschaftlichen Schreibkompetenz KI-gestützte Tools einzusetzen, um den Feedbackprozess effizienter zu gestalten.

    Interaktive Präsenzphase mit „ZitA“ – der Zitier-Assistentin

    In einer Präsenzveranstaltung behandelt der Lektor die Regeln des korrekten Zitierens. Da erfahrungsgemäß viele Fragen zu diesem Thema auftreten, entwickelt er „ZitA“ – eine KI-gestützte Zitier-Assistentin. Basierend auf einem bereitgestellten Handout arbeiten die Studierenden in Paaren an Zitieraufgaben. Bei Unsicherheiten können sie ZitA konsultieren, die mit den Zitierrichtlinien der Hochschule gefüttert wurde und zusätzliche Tipps bereithält. Der Zugriff auf ZitA erfolgt über Fobizz mittels Link oder QR-Code, ohne dass eine Registrierung für die Studierenden erforderlich ist.

    KI-gestütztes Feedback mit FelloFish

    Für die nächste Einheit sollen die Studierenden ein Abstract ihrer Seminararbeit verfassen. Um sicherzustellen, dass alle konstruktives Feedback erhalten, erstellt der Lektor eine Aufgabe auf FelloFish mit den relevanten Bewertungskriterien für schriftliche Arbeiten. Die Studierenden laden ihre ersten Abstracts hoch und erhalten automatisiertes Feedback von der KI. Anschließend überarbeiten sie ihre Texte entsprechend und reichen eine finale Version ein.

    Reflexion und Präsentation der Überarbeitungen

    In der darauffolgenden Präsenzveranstaltung präsentieren Studierende ihren Schreibprozess, das erhaltene KI-Feedback und die vorgenommenen Verbesserungen. Dies fördert den Austausch über Schreibstrategien und ermöglicht es, offene Fragen zu klären. 

    Durch den gezielten Einsatz von Fobizz und FelloFish gelingt es dem Lektor, den Feedbackprozess effizient zu gestalten und die Schreibkompetenz der Studierenden nachhaltig zu fördern.

  • Weiterführende Literatur und Beispiele

  • Quellen

    [1] Ait Baha, T., El Hajji, M., Es-Saady, Y., & Fadili, H. (2023). The impact of educational chatbot on student learning experience. In Education and Information Technologies (Bd. 29, Issue 8, S. 10153–10176). Springer Science and Business Media LLC. https://doi.org/10.1007/s10639-023-12166-w.

    [2] Bräunig, S. & Holberg, S. (2024). Einsatzmöglichkeiten von KI beim formativen Feedback. [Online] Einsatzmöglichkeiten von KI beim formativen Feedback | Bildungsportal NRW

    [3] Brünner, B. & Ebner, M. (2025). Selbstlernphasen mit KI-Chatbots – kann das gelingen? fnma Magazin 01/2025. S 11-13.

    [4] Falck, J. (2025). Lernförderliches Feedback mit Künstlicher Intelligenz – Tipps und Tools für den Unterricht. [Online] Lernförderliches Feedback mit Künstlicher Intelligenz – Tipps und Tools für den Unterricht – IQES

    [5] Käfer, J., Herbein, E., & Fauth. B. (2021). Formatives Feedback im Unterricht. Wirksamer Unterricht Band 5

    [6] Kluger, A.N., & DeNisi, A. (1996). The Effects of Feedback Interventions on Performance: A Historal Review, a Meta-Analysis, and a Preliminary Feedback Intervention Theory. Psychological Bulletin 119.2, S. 254-284.

    [7] Labadze, L., Grigolia, M., & Machaidze, L. (2023). Role of AI chatbots in education: systematic literature review. In International Journal of Educational Technology in Higher Education (Bd. 20, Issue 1). Springer Science and Business Media LLC. https://doi.org/10.1186/s41239-023-00426-1.

    [8] Pölert, H. (2024). Fiete AI – KI-Feedback – Eindrücke aus der Schulpraxis. Unterrichten. Digital – Tutorials & Praxisbeispiele. [Online] FieteAI - KI-Feedback - Eindrücke aus der Schulpraxis (Hauke Pölert)

    [9] Potthoff, C. (2023). Wenn Algorithmen Feedback geben: Fiete, Fobizz und PEER im Praxistest. [Online] Wenn Algorithmen Feedback geben: Fiete, Fobizz und PEER im Praxistest — FelloFish

    [10] Winter, F. (2024). KI-gestütztes Feedback – welche Bedingungen braucht es? [Online] KI-gestütztes Feedback – welche Bedingungen braucht es? — FelloFish

    [11] Wollny, S., Schneider, J., Di Mitri, D., Weidlich, J., Rittberger, M., & Drachsler, H. (2021). Are We There Yet? - A Systematic Literature Review on Chatbots in Education. In Frontiers in Artificial Intelligence (Bd. 4). Frontiers Media SA. https://doi.org/10.3389/frai.2021.654924 

     Dieser Use Case wurde mit Hilfe von ChatGPT erstellt.