Bewertung von Schreiben und Sprechen: offizielle Kriterien, doppelt geprüft
Ein Text durchläuft zwei getrennte Bewertungen, das Ergebnis wird gemittelt. Die Kriterien folgen dem telc Bewertungsbogen des Niveaus.
Die Aufgaben mit Lösungsschlüssel bewerten sich selbst; die eigentliche Frage sind Schreiben und Sprechen. In der echten Prüfung bewerten geschulte Prüfende diese beiden Teile mit einem niveauspezifischen Bogen. Wer zu Hause lernt, bekommt entweder gar keine Rückmeldung oder nichts jenseits von „schön gemacht“.
Bei Level Exams werden Ihre Antworten von einer KI nach einer Eins-zu-eins-Entsprechung der offiziellen Bewertungskriterien beurteilt. Dieselbe Antwort durchläuft zwei getrennte Bewertungen; weichen die Ergebnisse deutlich voneinander ab, entscheidet eine dritte. Das Ergebnis ist keine einzelne Zahl, sondern Punkte je Kriterium, konkrete Korrekturen und eine Erklärung.
Unten stehen die Bewertungslogik der echten Prüfung, unser Vorgehen und die Zahl der Kriterien je Niveau.
So werden Schreiben und Sprechen in der echten Prüfung bewertet
Der geschriebene Text wird nach den Kriterien des Bewertungsbogens beurteilt: Bearbeitung der vorgegebenen Leitpunkte, kommunikative Wirkung, Richtigkeit von Wortschatz und Grammatik, Angemessenheit der Textsorte. Auf höheren Stufen werden die Kriterien in Stufen (A/B/C/D) bewertet und mit einem Faktor auf die Endpunktzahl umgerechnet.
Das Sprechen wird aufgabenbezogen bewertet: auf unteren Stufen mit eigenen Kriterien je Aufgabe (Vorstellen, Buchstabieren, Frage und Antwort, Bitte), auf höheren Stufen mit Flüssigkeit, Sprache, Aussprache und Aufgabenerfüllung je Aufgabe.
Prüfende werden auf die Erwartung des Niveaus geeicht: Auf A1 sind kurze, einfache Sätze kein Mangel, sondern eine Antwort mit voller Punktzahl. Das ist die kritischste Regel der Bewertung, und genau daran scheitern die meisten „KI-Korrekturen“.
Wie Goethe und ÖSD bewerten
Schreiben und Sprechen werden bei allen drei Anbietern von Prüfenden nach den offiziellen Kriterien des Niveaus bewertet — Kriterium für Kriterium, nicht als freier Eindruck.
Die Kriterienkataloge unterscheiden sich. In den modularen Prüfungen von Goethe werden Schreiben und Sprechen je von 100 und ohne Ausgleich untereinander bewertet; bei telc gehören beide zur selben Prüfung, und die Grenzen für den schriftlichen und den mündlichen Teil gelten.
Gemeinsam sind vier Achsen: Inhalt (wurden alle vorgegebenen Punkte bearbeitet), Passung zur Textsorte, sprachliche Richtigkeit und Verständlichkeit. Diese vier begegnen Ihnen bei jedem Anbieter.
Die KI-Bewertung hier nutzt die Niveaukriterien von telc. Wer bei Goethe oder ÖSD antritt, hat trotzdem etwas davon, weil dieselben vier Achsen gemessen werden; die Punkteskala ist jedoch nicht identisch mit der dieses Anbieters.
So bewertet Level Exams
Kriterien und die Notiz zur Niveauerwartung stehen in der Formatdatei und gehen wörtlich in die Bewertung ein; das System „weiß“ nicht, welches Niveau es bewertet, es wendet nur an, was der Bogen verlangt.
Kriterien aus dem telc Bogen
Die Kriterien für Schreiben und Sprechen wurden als Eins-zu-eins-Entsprechung des offiziellen Bewertungsbogens definiert. Jede Zeile in Ihrer Punktetabelle ist auch in der echten Prüfung eine Zeile.
Dieselbe Antwort zweimal, dann der Mittelwert
Ihre Antwort durchläuft zwei unabhängige Bewertungen und wird gemittelt. Weichen sie deutlich ab, entscheidet eine dritte. Es gibt keine willkürliche Einzelnote.
Die Niveauerwartung wird durchgesetzt
Sprachmodelle bewerten Texte unterer Stufen zu streng. Der Bogen jedes Niveaus enthält eine Notiz dazu, wie eine Antwort mit voller Punktzahl auf dieser Stufe aussieht, und sie geht wörtlich in die Bewertung ein.
Formularaufgaben gehen nicht an die KI
Aufgaben mit genau einer richtigen Lösung, etwa das Formular auf A1 und A2, werden regelbasiert bewertet, mit definierter Schreibtoleranz. Die KI übernimmt nur freie Produktion.
Sprechen wird zuerst verschriftlicht
Ihre Aufnahme wird per Spracherkennung in Text umgewandelt und dann nach den Aufgabenkriterien bewertet. Wo die offiziellen Kriterien Aussprache vorsehen, zählt sie mit; sonst ist sie nur zusätzliche Rückmeldung.
Konkrete Korrekturen und Erklärungen
Neben den Punkten je Kriterium steht, was gefehlt hat und wie der Satz hätte lauten sollen — in Ihrer Sprache. Nicht „könnte besser sein“, sondern „der zweite Leitpunkt wurde gar nicht bearbeitet“.
Bewertungskriterien nach Niveau
Die Zahl der Kriterien für Schreiben und Sprechen und wie oft eine Antwort bewertet wird, kommen live aus der Formatdatei.
Warum doppelt bewertet wird
Eine einzelne Bewertung kann schwanken
Derselbe Text kann bei zweimaligem Lesen unterschiedliche Punkte bekommen; das gilt auch für menschliche Prüfende. Der Mittelwert verringert den Zufall.
Die dritte Bewertung fängt Ausreißer
Liegen die beiden Ergebnisse weit auseinander, ist die Antwort tatsächlich ein Grenzfall; eine dritte Bewertung klärt das, und Sie sehen es im Bericht.
Kriterienbezogene Rückmeldung ist umsetzbar
„70 Punkte“ lehrt nichts. „Kommunikative Wirkung voll, Grammatik halb“ sagt Ihnen, was Sie üben müssen.
So holen Sie am meisten aus der Rückmeldung
- 1
Auf die Kriterienspalte schauen, nicht auf die Summe
Das Kriterium mit wenig Punkten sagt Ihnen, was zu üben ist; die Summe sagt nur, wo Sie stehen.
- 2
Die Korrekturen abschreiben
Schreiben Sie die korrigierten Sätze selbst noch einmal; Lesen lehrt nicht, Schreiben schon.
- 3
Dieselbe Aufgabenart eine Woche später wiederholen
Wenn im nächsten Modelltest eine ähnliche Aufgabe kommt, wenden Sie die frühere Rückmeldung an und sehen Sie das Kriterium steigen.
- 4
Auf Ihrem Niveau schreiben, nicht darüber
Auf A1 lange, komplexe Sätze zu bauen erhöht das Fehlerrisiko. Die Bewertung ist auf das Niveau geeicht; einfach und richtig schlägt komplex und fehlerhaft.
Häufige Fragen
›Wie nah ist die KI-Punktzahl an der echten Prüfung?
Weil Kriterien und Niveaueichung aus dem offiziellen Bogen stammen und zwei Bewertungen gemittelt werden, ist es in Richtung und Größenordnung eine gute Schätzung. Eine offizielle Punktzahl ist es nicht und ein Zertifikat schon gar nicht.
›Welches Modell wird verwendet?
Claude von Anthropic für die Bewertung und Whisper für die Spracherkennung. Auch wenn das Modell wechselt, bleibt das Verfahren gleich, weil Kriterien und Eichung aus dem Bogen kommen.
›In welcher Sprache kommt die Rückmeldung?
In Ihrer Oberflächensprache: Türkisch oder Englisch. Prüfungsinhalt und Anweisungen sind immer auf Deutsch.
›Wie lange dauert die Bewertung?
Sie beginnt, sobald Sie den Teil abschließen; Schreiben dauert wenige Sekunden, Sprechen mit Verschriftlichung etwas länger. Der Bericht erscheint, sobald er fertig ist.
Lassen Sie einen Text bewerten
Schreiben Sie den Schreibteil des kostenlosen Modelltests und sehen Sie Punkte je Kriterium und Korrekturen mit eigenen Augen.
Kostenlosen Modelltest starten