Note: ungeprüft – was eine Bitkom-Umfrage über KI im Lehrerzimmer verrät

Eine neue Bitkom-Umfrage zeigt: KI ist im Lehrerzimmer angekommen – auch bei der Bewertung. Ein kleiner Teil der Lehrkräfte lässt Noten sogar ungeprüft von der KI vergeben. Das ist weniger ein Technik- als ein Kompetenzproblem.

Von Schülerinnen und Schülern wird beim Thema KI inzwischen einiges erwartet: Ergebnisse kritisch prüfen, Verzerrungen erkennen, mit Originalquellen abgleichen und die eigene KI-Nutzung kennzeichnen. So sieht es der Kompetenzrahmen „Bildung in der digitalen Welt“ vor, den die Bildungsministerkonferenz Mitte Oktober um KI-Kompetenzen erweitert hat. ^[1] Eine aktuelle Umfrage legt nahe, dass dieselben Maßstäbe auch auf der anderen Seite des Pults gelten sollten.

Was die Umfrage zeigt

Bitkom Research hat im Frühsommer 2026 telefonisch 501 Lehrkräfte der Sekundarstufen I und II befragt; die Ergebnisse wurden am 27. Oktober veröffentlicht. 58 Prozent nutzen KI für schulische Zwecke, jede fünfte Lehrkraft auch zur Kontrolle von Aufgaben und Prüfungen. 7 Prozent geben an, KI schon für die Benotung genutzt zu haben, ohne das Ergebnis zu überprüfen. ^[2]

Gleichzeitig fühlt sich gut die Hälfte (51 Prozent) von KI überfordert. 70 Prozent halten die KI-Nutzung ihrer Schülerinnen und Schüler für kaum kontrollierbar, und 92 Prozent wünschen sich, dass diese ihre KI-Nutzung bei Schulaufgaben kennzeichnen müssen. Klare Regeln zum KI-Einsatz gibt es nach Angaben von 57 Prozent an der eigenen Schule. ^[2]

Sieben Prozent klingen zunächst nach wenig. Hinter jeder ungeprüften Note steht aber eine Leistung, die niemand gelesen hat – und ein junger Mensch, der davon ausgeht, dass genau das passiert ist. Wie oft, in welchen Fächern und bei welchen Aufgaben das geschieht, verrät die Pressemitteilung allerdings nicht. Zwischen einem Vokabeltest und einer Klausur gibts ja durchaus Unterschiede.

Eine Note ist kein beliebiger Output

Sprachmodelle arbeiten mit Wahrscheinlichkeiten. Wer denselben Aufsatz zweimal bewerten lässt, bekommt nicht zwingend dieselbe Einschätzung. Die Begründung klingt trotzdem jedes Mal schlüssig – auch dann, wenn das Modell den eigentlichen Gedanken eines Textes verfehlt oder sprachliche Glätte stärker gewichtet als den Inhalt.

Hinzu kommt der Datenschutz: Schülerarbeiten enthalten personenbezogene Daten. Wer sie in einen frei verfügbaren Chatbot lädt, sollte genau wissen, was mit ihnen geschieht (mehr dazu auf der Seite Datenschutz und KI).

Auch der europäische Gesetzgeber behandelt das Feld als sensibel. Nach Artikel 6 Absatz 2 in Verbindung mit Anhang III Nummer 3 Buchstabe b der KI-Verordnung gelten als Hochrisiko-KI-Systeme: „KI-Systeme, die bestimmungsgemäß für die Bewertung von Lernergebnissen verwendet werden sollen, einschließlich des Falles, dass diese Ergebnisse dazu dienen, den Lernprozess natürlicher Personen in Einrichtungen oder Programmen aller Ebenen der allgemeinen und beruflichen Bildung zu steuern“. ^[3] Wichtig ist dabei das Wort „bestimmungsgemäß“: Gemeint sind Systeme, die für diesen Zweck vorgesehen sind. Was das für die Nutzung eines allgemeinen Chatbots im Einzelfall bedeutet, ist rechtlich nicht ganz einfach zu beantworten. Das Signal ist trotzdem eindeutig: Bewertung ist kein Anwendungsfall für nebenbei.

Wo der Prozess abreißt

Hilfreich ist hier ein Blick auf das Arbeitsmodell Iterationskompetenz. Es beschreibt kompetente KI-Nutzung als Kreislauf aus sechs Schritten, den der Mensch steuert: Ziel, Handlung, Evaluation, Diagnose, Adaptation und Entscheidung.

Arbeitsmodell Iterationskompetenz (Andreas Langer, Stand Oktober 2026). Zum Vergrößern anklicken.

Bei der ungeprüften Note bleibt dieser Kreislauf nach dem zweiten Schritt stehen: Auftrag an die KI, Ergebnis übernehmen, fertig. Evaluation, Diagnose und Entscheidung fallen weg – und damit genau die Schritte, in denen professionelle Urteilskraft steckt.

Dabei passt das Modell auf die Bewertung sogar besonders gut:

Ziel und Kriterien liegen meist schon vor: Ein Erwartungshorizont beschreibt, woran eine gute Leistung zu erkennen ist – und zwar bevor die KI ins Spiel kommt.
Evaluation heißt: den KI-Vorschlag mit der eigenen Lektüre der Arbeit abgleichen, nicht ihn stellvertretend für sie lesen.
Diagnose fragt: Wenn die KI anders bewertet – warum? Fehlen Kriterien im Auftrag, wurde die Aufgabe missverstanden, oder hat das System etwas bemerkt, das man selbst übersehen hat?
Entscheidung bleibt bei der Lehrkraft. Die Note verantwortet ein Mensch, der die Arbeit gelesen hat.

So verstanden kann KI durchaus nützlich sein: als zweite Perspektive, für Formulierungsvorschläge im Feedback oder zur Vorbereitung eines Korrekturrasters. Als Zweitleserin vielleicht – als Notenautomat nicht.

Überforderung ernst nehmen

Die eigentlich wichtige Zahl der Umfrage sind vielleicht nicht die sieben Prozent, sondern die 51. Wer sich überfordert fühlt und gleichzeitig unter Zeitdruck einen Stapel Klassenarbeiten korrigiert, greift eher zur Abkürzung. Mit Appellen allein ist es deshalb nicht getan. Bitkom fordert eine feste Verankerung von KI in der Lehrkräfteausbildung und praxisnahe Fortbildungen. ^[2] Woher Zeit, Personal und Qualifizierung kommen sollen, lässt auch der erweiterte KMK-Rahmen bislang offen. ^[1]

Und noch eine Frage drängt sich auf: Wenn 92 Prozent der Lehrkräfte wollen, dass Schülerinnen und Schüler ihre KI-Nutzung kennzeichnen, wäre es nur fair, wenn das umgekehrt genauso gilt. War KI an einer Bewertung beteiligt, sollte das nachvollziehbar sein.

Was Bibliotheken beitragen können

Schulbibliotheken und öffentliche Bibliotheken sind für viele Schulen ohnehin Partner bei Medienbildung und Informationskompetenz. Sie können auch Fortbildungen für Lehrkräfte anbieten, die nicht „bessere Prompts“ vermitteln, sondern den Prozess sichtbar machen.

Eine einfache Übung: Eine erfundene Schülerarbeit wird zweimal von einer KI bewertet, die Ergebnisse werden verglichen und die Unterschiede diagnostiziert. Wer einmal erlebt hat, wie derselbe Text zwei verschiedene Noten bekommt, braucht danach selten noch einen Vortrag über Wahrscheinlichkeiten. Mit erfundenen Texten bleibt die Übung zudem datenschutzfreundlich.

Und weil laut Umfrage an rund vier von zehn Schulen klare Regeln fehlen, lohnt sich auch hier ein gemeinsamer Blick auf ein KI-Leitbild: Wofür wird KI genutzt, wo nicht – und wer prüft was?

KI darf beim Korrigieren helfen. Die Note aber gibt am Ende ein Mensch, der die Arbeit gelesen hat. Oder, mit dem Leitsatz des Modells: Die Qualität der Mensch-KI-Interaktion zeigt sich nicht am ersten Output, sondern an der Qualität der nächsten Entscheidung. Bei einer Note ist diese Entscheidung die Note selbst.

Stand: 29. Oktober 2026. Grundlage sind die Pressemitteilung von Bitkom, die Berichterstattung zum KMK-Kompetenzrahmen und der Text der KI-Verordnung im Amtsblatt der EU; die vollständigen Umfragedaten lagen nicht vor.