AIEd-WissensbasisAIEd KB
Auf dieser Seite

Diese Seite wurde maschinell ins Deutsche übersetzt; die Artikelseiten sind weiterhin auf Englisch verfasst. Diese Seite auf Englisch lesen

Konzepte

Feedback-Kompetenz

Erstellt 2026-08-15 · Aktualisiert 2026-10-10

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

Feedback-Kompetenz — die Fähigkeiten und Dispositionen, die Studierende brauchen, um Feedback zu verstehen, zu bewerten und danach zu handeln, um ihr Lernen zu verbessern. Sie ist das Gegenstück zur Feedbackgebung auf der Seite der Lernenden: während Feedback-Qualität und Feedbackschleife die Qualität und Mechanik des Feedbacksystems betreffen, betrifft Feedback-Kompetenz die Fähigkeit der lernenden Person, Feedback zu suchen, zu verstehen, zu beurteilen und produktiv zu nutzen.

Fragen zum Nachdenken

  • Gut gestaltetes Feedback hilft nur Studierenden, die es interpretieren und danach handeln können. Wenn zwei Studierende identisches Feedback erhalten und unterschiedlich viel lernen, wo liegt der Unterschied — und ist es die Schuld der oder des Studierenden oder die des Systems?
  • Forschung findet, dass Studierende mit stärkerer Feedback-Kompetenz stärker von KI-Feedback profitieren, während Studierende mit schwächerer Kompetenz minimale oder sogar negative Wirkungen zeigen. Was legt das darüber nahe, einem Kurs einfach KI-Feedback hinzuzufügen, ohne gleichzeitig die Fähigkeit der Studierenden aufzubauen, es zu nutzen?
  • Feedback-Kompetenz umfasst Feedback suchen, Urteile fällen, Affekt managen und danach handeln — nicht nur es zu empfangen. Wann haben Sie zuletzt Feedback gesucht, statt darauf zu warten, und was machte Sie mutig genug (oder nicht), das zu tun?
  • Wenn KI heute reichliches, sofortiges Feedback erzeugen kann, hat sich der Engpass von der Feedbackgabe zur Fähigkeit der lernenden Person verschoben, es zu nutzen? Was könnte sich daran ändern, wie Sie Feedback gestalten, wenn Sie die Feedback-Kompetenz der Studierenden als die echte Bedingung sähen?

Einführung

Feedback-Kompetenz zählt, weil gut gestaltetes Feedback nur Studierenden hilft, die es interpretieren und danach handeln können. Eine Person, die nicht bewerten kann, ob KI-generiertes Feedback korrekt ist, oder die nicht weiß, wie sie Feedback in eine konkrete Überarbeitung verwandelt, lernt weit weniger aus demselben Feedback als eine feedbackkompetentere Peer. Während KI die Feedbackgabe umformt, ist Feedback-Kompetenz zur zentralen Randbedingung dafür geworden, ob KI-Feedback Lernen verbessert.

Was Feedback-Kompetenz ist

Feedback-Kompetenz wird weithin als eine Menge zusammenhängender Fähigkeiten gerahmt — die Fähigkeit, Feedback wertzuschätzen, Urteile zu fällen, Affekt zu managen und zu handeln (nach Carless & Boud). Die Artikel der Wissensbasis bündeln Feedback-Kompetenz um mehrere Fähigkeiten:

  • Feedback suchen und herausfordern — Feedback proaktiv anfragen, statt es passiv zu empfangen.
  • Urteile fällen — die Genauigkeit und Nützlichkeit von Feedback bewerten, einschließlich von KI-produziertem Feedback.
  • Sinnverstehen — Feedback in Bezug auf Aufgabenziele und -kriterien interpretieren, und verstehen, was es für Verbesserung impliziert.
  • Affekt managen — produktiv mit Feedback umgehen, ohne davon entmutigt oder überaufgeblasen zu werden.
  • Danach handeln — Feedback in konkrete Überarbeitungen oder Veränderungen im Vorgehen übersetzen (Feedbackschleife, Selbstreguliertes Lernen).
  • Evaluative Autorität beurteilen — eine weitere Fähigkeit, vorgeschlagen von AlGhamdi (2026): neben dem Wertschätzen von Feedback, dem Fällen von Urteilen, dem Managen von Affekt und dem Handeln mussten Studierende, die über KI-produziertes Feedback schlussfolgern, beurteilen, welche Quelle evaluative Autorität hält, getrennt von der Beurteilung der Feedbackqualität. Weil den Teilnehmenden gesagt wurde, ChatGPT erzeuge sowohl Punktzahl als auch Feedback, wurde ihre Feedback-Kompetenz an der Quelle und Legitimität der Evaluation geübt, nicht nur an ihrem Inhalt, und sie erzeugte Forderungen nach Lehrendenvalidierung statt passiver Akzeptanz.

Wie Feedback-Kompetenz in der Forschung erscheint

  • Feedback-Kompetenz als Moderator des Werts von KI-Feedback: Mendoza et al. (2026) zeigen, dass Feedback-Kompetenz die Verbindung zwischen ChatGPT-Akzeptanz und selbstreguliertem Lernen moderiert: Studierende mit stärkerer Kompetenz nehmen größeren SRL-Nutzen von KI-Feedback wahr, während Studierende mit schwächerer Kompetenz minimale oder sogar negative (Überabhängigkeits) Wirkungen zeigen. Feedback-Kompetenz ist eine Randbedingung dafür, ob Studierende KI-Feedback „verstehen“ können.

  • Feedback-Kompetenz als Pfad von GenAI-Nutzung zu kritischem Denken: bei 421 chinesischen Undergraduates lief der Zusammenhang von GenAI-Nutzung mit selbstberichtetem kritischen Denken fast vollständig über GenAI-Feedback-Kompetenz (β=0,185, 71,98% des Gesamteffekts), und dieser Pfad verstärkte sich mit steigendem reflexiven Denken (Index der moderierten Vermittlung = 0,030) (Yan et al. (2026)).

  • Feedback-Kompetenz sagt Lernen beim KI-gestützten Schreiben vorher: Hawkins et al. (2026) finden, dass Feedback-Kompetenz der einzige signifikante positive Prädiktor der Aufsatznote in einer KI-erweiterten Aufsatzschreibaufgabe war, während Liu & Deris (2025) eine AI Feedback Literacy (AIFL)-Skala entwickeln und validieren und zeigen, dass sie die Übernahme von Feedback vorhersagt.

  • Rahmenwerke für GenAI-ermöglichtes Feedbackengagement: Zhan, Boud, Dawson & Yan (2025) (Boud und Dawson sind führende Feedback-Kompetenz-Forschende) argumentieren, GenAI könne Studierendenfeedbackengagement ermöglichen, wobei sie ein zyklisches Selbst-Regulierungs-Feedbackmodell auf die Herausforderungs-/Verarbeitungs-/Umsetzungsphasen abbilden.

  • KI-Feedback kommt ohne die Rahmung der Lehrperson: Brunnström und Palmqvist (2026) argumentieren, GenAI mache Feedback-Kompetenz anspruchsvoller, weil Antworten interaktiv und ohne unmittelbare Rahmung einer Lehrperson erzeugt werden: Studierende müssen sie interpretieren, bewerten, sich mit ihnen einlassen und sie nutzen — einschließlich der Entscheidung, wann eine Antwort zu abstrakt ist, wann sie durchhalten und wann sie zu konventionellen Ressourcen zurückkehren. Über ihre Acht-Austausch-Demonstration hinweg erschienen Vereinfachung und nutzbare Struktur erst nach Interventionen der lernenden Person, was den Zyklus aus Herausfordern/Verarbeiten/Umsetzen des Feedbackengagements zu etwas macht, das die oder der Studierende treiben muss (Zhan, Boud, Dawson & Yan bildeten diesen Zyklus für GenAI ab; Selbstreguliertes Lernen).

  • Feedback-Kompetenz beim KI-gestützten Schreiben und EAP: Feedback-Kompetenz-Skripte und Zweit-Rater-Mechanismen trainieren Studierende, sich während der Schreibüberarbeitung kritisch mit KI-Feedback einzulassen, und verschieben Überarbeitung hin zu Verbesserung auf Argumentebene statt Oberflächenedits.

  • Automatisierte Feedbackwerkzeuge für Kompetenzentwicklung: Tubino & Adachi (2025) argumentieren, KI-Werkzeuge für automatisiertes Feedback sollten als Instrumente zur Entwicklung der Feedback-Kompetenz von Studierenden umgerahmt werden, statt nur mehr Feedback zu geben.

  • Peer-Feedback und Feedback-Kompetenz: Irwin & Muller (2025) positionieren GenAI innerhalb des EFL-Peer-Feedbacks, um Feedback-Kompetenz zu trainieren und Übernahme in Sprechklassen zu ermöglichen, und Gerüstbaustudien vergleichen GenAI vs. menschliche Peers bei der Förderung selbstregulierten Feedbacks.

  • Feedback als dauerhafte, konsultierbare Daten gespeichert. Das Paaren von ChatGPT mit einem E-Portfolio hob Sprechleistung und Feedback-Kompetenz zusammen (partielles η² = 0,218 für Letztere), als Studierende archiviertes Feedback von Lehrenden, Peers und KI als Daten behandelten, die in Einklang zu bringen sind, statt als einmalige Korrektur (Laksana et al. (2026)).

  • Feedback-Kompetenz in Learning Analytics und GenAI-Dashboards: Jin et al. (2025) untersuchen, wie Studierende GenAI-gestütztes Learning-Analytics-Feedback aus einer Feedback-Kompetenz-Perspektive wahrnehmen.

  • Feedback-Kompetenz als Ziel von KI-Kompetenz- und Assessmentdesign: Richmond & Nicholls (2025) nutzen ein Prozess-über-Artefakt-Assessment, in dem Studierende ChatGPT-Output gegen eine Rubrik kritisieren, um Feedback-, psychologische und KI-Kompetenzen zusammen aufzubauen; lernendenzentriertes KI-Feedback und Care-full-Feedbackdesign verknüpfen Feedbackqualität mit der Fähigkeit der lernenden Person, sich einzulassen.

Warum Feedback-Kompetenz für KI in der Bildung zählt

KI verändert Feedback in zwei Richtungen, die beide die Einsätze der Feedback-Kompetenz erhöhen. Erstens erhöht KI dramatisch das Volumen und die Unmittelbarkeit von Feedback (Qualität von KI-Feedback, Feedbackschleife), sodass Studierende weit mehr Feedback gegenüberstehen, das sie triagieren und bewerten müssen. Zweitens trägt KI-generiertes Feedback eigene Risiken — Ungenauigkeit, Halluzination und die „Meisterschaftsillusion“ —, die kritische Evaluationsfähigkeiten und Wachsamkeit gegen Überabhängigkeit und Fehlattribuierung verlangen. Feedback-Kompetenz wird daher zu einer Kernkomponente von KI-Kompetenz: zu wissen, wie man KI nicht nur für Feedback prompted, sondern wie man beurteilt, ob das Feedback es wert ist, danach gehandelt zu werden, und wie man es in echtes Lernen statt Aufgabenerledigung verwandelt.

Bearman und Kolleginnen und Kollegen (2026) fügen dieser Liste eine weitere Anforderung hinzu. In ihrer Workshopstudie managten Studierende nicht eine Feedbackquelle, sondern ein Netzwerk: sie wogen Lehrendenkommentare gegen KI-Output, Rubriken, Kursmaterialien und Peers, und wenn menschliches Feedback langsam war, arbeiteten sie weiter mit KI als Platzhalter und überarbeiteten später, falls es sie irregeführt hatte. Die Autoren schlagen vor, dass Studierende als ihr eigener Mensch-in-der-Schleife agieren können, indem sie diese Beziehungen von der granularen Aufgabe bis zur breiteren Trajektorie managen, was selbst eine Feedback-Kompetenz-Fähigkeit ist. Ihre Warnung ist, dass dünne oder späte Lehrendenkommentare das sind, was Studierende hin zu unverifizierten Quellen treibt.

Verbindungen zu verwandten Konzepten

Feedback-Kompetenz verbindet sich mit Qualität von KI-Feedback und Feedbackschleife (die Gebeseite, die sie ergänzt), Formatives Assessment (der Assessmentzyklus, den sie speist) und Selbstreguliertes Lernen (die Selbstbewertung und Anpassung, die sie stützt). Sie ist eine Teilmenge von KI-Kompetenz, wenn sie auf KI-generiertes Feedback angewandt wird, überschneidet sich mit Peer-Bewertung in kollaborativen Kontexten und ist besonders folgenreich für Schreibbildung. Sie verbindet sich auch mit Metakognition und Vertrauenskalibrierung — der Fähigkeit zu beurteilen, ob Feedback vertrauenswürdig ist.

Danach zu handeln ist nicht dasselbe wie das Artefakt zu verbessern. Unter 22 Mathematik-Lehramtsstudierenden war selektive Annahme von KI- und Peer-Feedback die Norm (32 von 44 Episoden), dennoch verbesserten nur fünf ihre gestaltete-Aufgabe-Qualität — eine Übersetzungslücke, die die Autoren evaluativem Urteilsvermögen statt Übernahme zuschreiben (Oh, 2026).

Verbundene Konzepte

Verbundene Artikel

Verknüpfte FAQs

Metadaten

FachgebietWriting Education
Lernen und UnterrichtSelbstreguliertes Lernen
Assessment und MessungQualität von KI-Feedback, Rückmeldung, Feedback-Kompetenz, Formatives Assessment, Peer-Prüfung
Grundlagen von KI in der BildungKI-Kompetenz
SourceHistoryEditChat

Diese Seite einbetten

Kopieren Sie den Code unten, um diese Seite in ein Lernmanagementsystem oder eine andere Website einzubetten. Die eingebettete Version zeigt nur den Seiteninhalt — Kopfzeile, Navigation und Fußzeile der Website werden ausgeblendet.