Lehrevaluation mit KI: Aus Rückmeldungen Änderungen ableiten

Das Problem

Nach dem Semester erhält Frau Keller viele Rückmeldungen zur Lehre. Einige wünschen mehr Beispiele, andere mehr Theorie; eine einzelne Aussage beschreibt eine schwerwiegende Zugangshürde. Eine schnelle KI-Zusammenfassung könnte daraus «insgesamt zufrieden, mehr Praxis gewünscht» machen und den entscheidenden Hinweis verlieren.

Lehrevaluation ist die systematische Rückmeldung zur Gestaltung von Lehrveranstaltungen. Sie liefert Perspektiven auf die Lehre, aber keinen unmittelbaren Beweis für Lernerfolg oder die Ursache einer Schwierigkeit. Auch Häufigkeit und Bedeutung einer Aussage sind nicht dasselbe.

KI kann beim thematischen Ordnen helfen. Bevor sie eingesetzt wird, müssen Sie klären, ob die Rückmeldungen überhaupt in das vorgesehene System gelangen dürfen und ob vermeintlich anonyme Texte einzelne Personen erkennen lassen. Gerade kleine Gruppen brauchen besondere Zurückhaltung.

So lösen Sie es mit KI – Schritt für Schritt

1. Klären Sie Auftrag und Zuständigkeit. Öffnen Sie die Evaluationsrichtlinie Ihrer Hochschule. Prüfen Sie, wer die Daten auswerten darf und welche Verarbeitung vorgesehen ist. Wenn der KI-Einsatz nicht geklärt ist, arbeiten Sie zunächst lokal und holen Sie die zuständige Freigabe ein.

1. Bereinigen Sie das Material vor der Eingabe. Entfernen Sie lokal Namen, Kennungen und identifizierende Kombinationen wie ein einzigartiges Praktikum. Auch ein Schreibstil oder ein seltenes Ereignis kann Rückschlüsse ermöglichen. Lassen sich diese Bezüge nicht zuverlässig entfernen, bleibt der betreffende Text ausserhalb des KI-Werkzeugs.

1. Trennen Sie Rohmaterial und Arbeitstabelle. Bewahren Sie die Originalrückmeldungen geschützt auf. Erstellen Sie für geeignetes Material neutrale Zeilenkennungen und halten Sie Mehrfachthemen getrennt fest. Eine Aussage kann gleichzeitig die Aufgabenstellung und die Rückmeldung betreffen; zwingen Sie sie nicht in nur eine Schublade.

1. Lassen Sie Themen mit Belegen ordnen. Geben Sie der KI klare Kategorien oder lassen Sie einen vorläufigen Vorschlag erstellen. Verlangen Sie zu jeder Zuordnung eine Zeilenkennung und eine Kennzeichnung unsicherer Fälle. Lassen Sie keine Personenmerkmale, Motive oder vermeintlichen Persönlichkeitstypen ableiten.

1. Prüfen Sie Gegenstimmen und Einzelhinweise. Vergleichen Sie die Ordnung mit dem Ausgangsmaterial. Führen Sie eine eigene Spalte für widersprechende Perspektiven und eine für möglicherweise schwerwiegende Hindernisse. Wenn Sie Häufigkeiten ausweisen, zählen Sie nachvollziehbar und unterscheiden Sie Aussagen von antwortenden Personen.

1. Leiten Sie überprüfbare Änderungen ab. Formulieren Sie zu jedem priorisierten Thema eine mögliche Erklärung, eine Massnahme und ein Beobachtungskriterium. «Mehr Beispiele» könnte bedeuten, einen anspruchsvollen Schritt sichtbar vorzuführen. Prüfen Sie zuerst diese Deutung, bevor Sie den gesamten Kurs umbauen.

1. Melden Sie Entscheidungen zurück. Erklären Sie der Gruppe, was Sie ändern, was vorerst offenbleibt und weshalb. Veröffentlichen Sie keine identifizierbaren Zitate. Im nächsten Durchlauf prüfen Sie gezielt, ob die gewählte Änderung die benannte Hürde tatsächlich verringert.

Vorlage zum Kopieren

Ordne für meine Lehrentwicklung ausschliesslich das folgende
bereits lokal geprüfte und zur Verarbeitung freigegebene Material.
Lehrkontext ohne Personenbezug: [Beschreibung]
Rückmeldungen mit neutralen Zeilenkennungen: [geeignetes Material]

Erstelle eine Tabelle mit Thema, Zeilenkennung, genauer Aussage,
abweichender Sicht und Unsicherheit der Zuordnung.
Erhalte Einzelhinweise und Widersprüche.
Leite keine Merkmale oder Motive von Personen ab.
Schlage mögliche Verbesserungen als Hypothesen vor:
Beobachtung, mögliche Erklärung, Änderung, Kriterium zur Nachprüfung.
Erfinde keine Häufigkeiten oder repräsentativen Aussagen.

Setzen Sie nur Material ein, dessen Eignung für die KI-Verarbeitung vorher unabhängig vom Werkzeug geprüft wurde.

Worauf Sie achten müssen

• Verwenden Sie nur das von Ihrer Hochschule freigegebene Werkzeug und dafür geeignete Materialien. Geben Sie keine Personendaten von Studierenden in öffentliche KI-Dienste ein; für Übungen reichen erfundene Beispiele ohne Bezug zu einzelnen Personen.
• Prüfen Sie Fachbehauptungen am Originalmaterial. Eine flüssige Antwort kann falsche Zusammenhänge oder erfundene Belege enthalten; die erneute Nachfrage bei derselben KI ersetzt keine unabhängige Kontrolle.
• Anonymität entsteht nicht allein durch das Löschen von Namen. Besonders bei kleinen Gruppen müssen Sie Rückschlüsse aus Kontext und Zitaten vermeiden; sensible Beschwerden gehören in geeignete persönliche oder institutionelle Klärungswege.
• Klären Sie Zugänglichkeit und erlaubte Hilfsmittel vor dem Einsatz. Bieten Sie eine gleichwertige Arbeitsmöglichkeit ohne privates Bezahlkonto an und berücksichtigen Sie unterschiedliche sprachliche sowie fachliche Voraussetzungen.
• Beachten Sie die Regeln Ihrer Schweizer Hochschule und die jeweils zuständigen kantonalen Vorgaben. Fragen zu Datenschutz oder Nutzungsrechten lassen Sie im Einzelfall durch die zuständige Fachstelle prüfen.

Ein Beispiel aus der Praxis

Ein fiktives Beispiel: Frau Keller erhält in einem PH-Seminar gegensätzliche Rückmeldungen zum Tempo. Eine lokal bereinigte Arbeitstabelle zeigt, dass sich die Klagen vor allem auf den Übergang vom Theoriebegriff zur Fallanalyse beziehen. Zugleich bleibt eine einzelne Rückmeldung zu schlecht lesbaren Abbildungen sichtbar.

Frau Keller überprüft diese Deutung am geschützten Ausgangsmaterial. Sie plant eine vorgeführte Fallanalyse und verbessert die Abbildungen, statt pauschal langsamer zu sprechen. Der Gruppe erläutert sie beide Änderungen und bittet später um Rückmeldung genau zu diesen Punkten.

Vertiefen können Sie das Vorgehen mit Modulplanung mit KI: Passen Lernziele und Prüfung zusammen? und Wie plane ich den Arbeitsaufwand eines Moduls mit KI?.

So hilft Ihnen Alpasana

Die KI- und IT-Praxiskurse von Alpasana behandeln konkrete Arbeitsaufgaben, darunter das Strukturieren von Informationen, Datenverständnis sowie die Prüfung von KI-Ergebnissen. Praxisaufgaben und ein KI-Lerncoach unterstützen die Anwendung des Gelernten.

Für Frau Keller sind daraus vor allem klare Arbeitsaufträge und nachvollziehbare Qualitätskontrollen übertragbar. Wählen Sie anhand der veröffentlichten Kursinhalte ein passendes Thema; ein spezieller Hochschuldidaktikkurs wird damit nicht zugesagt. Die pädagogische Entscheidung, welche Unterstützung Studierende brauchen, treffen weiterhin die Lehrenden. Ein eigenes, von Personendaten freies Übungsbeispiel hilft, die allgemeinen Arbeitsweisen auf den Hochschulalltag zu beziehen.

Häufige Fragen

Kann KI automatisch positive und negative Stimmung messen?

Sie kann Formulierungen so einordnen, doch Ironie und fachliche Kritik können dabei verloren gehen. Für konkrete Lehrentwicklung sind Aussagen über Aufgaben, Material und Unterstützung meist hilfreicher. Prüfen Sie solche Zuordnungen einzeln.

Darf ich besonders deutliche Zitate veröffentlichen?

Prüfen Sie zunächst die institutionellen Regeln und mögliche Rückschlüsse auf Personen. Eine vorsichtige Zusammenfassung kann geeigneter sein. Die Zustimmung zur Evaluation bedeutet nicht automatisch eine Freigabe für jede spätere Veröffentlichung.

Wie gehe ich mit verletzenden Aussagen um?

Trennen Sie einen möglichen sachlichen Kern von persönlichen Angriffen. Lassen Sie belastende oder diskriminierende Inhalte bei Bedarf über die zuständigen Stellen klären. Die KI soll weder über die Glaubwürdigkeit einzelner Personen urteilen noch Konfliktgespräche ersetzen.