2.1 Fremdsprachliches Schreiben – Ein einführender Überblick

Das Schreiben (in der Fremdsprache) stellt eine komplexe Tätigkeit dar (vgl. Krings 2016:109), „die sich aus zahlreichen, miteinander interagierenden Abläufen und Prozessen zusammensetzt, die von der schreibenden Person ‚orchestriert‘ werden“ (Pelchat 2022:31). Dafür sind die „Koordinierung und Vernetzung grafomotorischer, grammatischer, orthografischer und lexikalischer, aber auch pragmatischer, textsorten- und adressatenspezifischer sowie lebensweltlicher Kenntnisse erforderlich“ (ebd.). Verschiedene Schreibprozess- und -kompetenzmodelle geben Einblick in diese Abläufe (vgl. Göpferich 2015:107ff.), wobei grundsätzlich zwischen einer Prozess- und einer Produktebene unterschieden werden muss. Auch wenn der Schreibprozess und das damit verbundene Schreibprodukt in einem Zusammenhang stehen (vgl. Tesch 2020:58), werden sie in der Forschung jedoch häufig getrennt untersucht. Damit einher geht oft eine Reduktion auf die Produktebene, obwohl insbesondere prozessuale Aspekte zentral sind, um Einblick in die Texterstellung zu erhalten. Problematisch ist daran, dass die Bewertung des Schreibprodukts in der Folge häufig mit der Schreibkompetenz gleichgesetzt und der Schreibprozess außer Acht gelassen wird, der das Schreibprodukt erst zum Ergebnis hat (vgl. Pelchat 2022:35). Im vorliegenden Beitrag wird deshalb der Versuch unternommen, beide Perspektiven zu beleuchten, indem sowohl Zugang zur Phase der Texterstellung durch videographische Beobachtungen und Bildschirmaufnahmen der Lernenden hergestellt wird als auch die entstandenen Textdokumente einer Analyse unterzogen werden (vgl. Kapitel 3.3).

Ein wegweisendes, jedoch nicht dezidiert auf den Fremdsprachenkontext bezogenes Schreibprozessmodell präsentieren Flower/Hayes (1981). Es enthält drei Hauptkomponenten, die sich wechselseitig beeinflussen. Dabei handelt es sich um die Aufgabenumgebung (z. B. Merkmale der Schreibaufgabe), das Langzeitgedächtnis der Schreibenden (z. B. individuelle Vorkenntnisse) und den eigentlichen Schreibprozess, der aus den Phasen des Planens, Formulierens und Überarbeitens besteht und stets überwacht und koordiniert wird (vgl. Fäcke 2017:127; Pelchat 2022:31f.).

Spezifisch für das Schreiben in der Fremdsprache liegen nur wenige Schreibmodelle vor, die das Modell nach Flower und Hayes entsprechend erweitern (vgl. Allwermann 2019:5 ff. zu préparer-rédiger-corriger). Zugleich wird in der fremdsprachlichen Schreibforschung angenommen, dass sich das Schreiben in der Fremdsprache graduell von dem in der Erstsprache unterscheidet und sich fremdsprachentypische prozessbezogene Spezifika, darunter individuell vorhandene Ressourcen und Kompensationsstrategien, auch auf der Produktebene widerspiegeln (vgl. Krings 2016:109f.; de Florio-Hansen 2019:299; Pelchat 2022:39ff.): So sind fremdsprachliche Texte durch den verlangsamten Schreibprozess häufig kurz und weisen normsprachliche Abweichungen auf, was auf die begrenzte Fähigkeit von Lernenden, Fehler zu erkennen und zu korrigieren, zurückzuführen ist. Fremdsprachliche Texte sind außerdem oftmals wenig strukturiert, inhaltlich nur bedingt aussagekräftig und enthalten aus der Erstsprache der Schreibenden übernommene Formulierungen und Muster. Ein zusätzlicher Aspekt, der für das fremdsprachliche Schreiben von Bedeutung ist, sind die zielsprachlichen kulturellen Gegebenheiten, die bisher in der Forschung noch wenig untersucht wurden.

2.2 Fremdsprachliches Schreiben angesichts der Entwicklungen um KI

Das Zusammenspiel von Lesen und Schreiben erhält im Rahmen der KI-gestützten Textproduktion eine neue Bedeutung: Lesekompetenzen nehmen eine zunehmend große Rolle im KI-gestützten Schreibprozess ein (vgl. Brommer/Rezat i. E.), da diese Kompetenzen notwendig sind, um KI-generierte Ergebnisse kritisch-reflexiv und in Hinblick auf inhaltliche Korrektheit beurteilen zu können (vgl. Korell et al. 2025 a:136). Diese Notwendigkeit resultiert aus der Tatsache, dass KI-Anwendungen wie etwa ChatGPT Textdaten zwar auf identifizierbare Muster analysieren können, um möglichst wahrscheinliche Antworten zu generieren, aber nicht über tatsächliches Wissen verfügen (vgl. Kostka/Toncelli 2023:2). Notwendigerweise können aus diesem Grund auch Antworten entstehen, die zwar wohlformuliert, aber inhaltlich falsch sind (vgl. Engelke/Engelke 2023).

Da für den fremdsprachlichen Bereich noch keine Modelle des KI-gestützten Schreibens vorliegen, wird im Folgenden Bezug auf das von Brommer/Rezat (2024; i. E.) für den Erstsprachenunterricht entwickelte Schreibkompetenzmodell genommen, das verschiedene Wissensformen und Kognitionen integriert. Das Modell (s. Abbildung 1) verdeutlicht, wie sich verschiedene Schwerpunkte und Prozesse beim KI-gestützten Schreiben verschieben. In kursiver Schrift sind Aspekte vorzufinden, die beim KI-gestützten Schreiben an Bedeutung verlieren. Fett hervorgehoben stehen solche, die beim KI-gestützten Schreiben von zentraler Relevanz sind bzw. noch wichtiger erscheinen als beim analogen Schreiben. Gänzlich neu hinzu kommt das Prompting, welches die drei Phasen des Planens, Formulierens und Überarbeitens maßgeblich prägt. Unterstrichen sind diejenigen Aspekte, die aufgrund der Spezifika des KI-gestützten Schreibens weiterhin von Bedeutung sind oder dies wieder werden. Gemäß dem Modell erfordert KI-gestütztes Schreiben somit neue Kompetenzen, vor allem im Bereich des Promptings, stellt höhere Anforderungen an die Lesefähigkeit im Rahmen der Interaktion mit der KI und umfasst umfangreiche Fähigkeiten im Bereich der Metakognition und Reflexion. Daran wird deutlich, dass Arbeitsschritte und Aufgabenverteilung im Schreibprozess nach wie vor vom Menschen reflektiert und verantwortet werden müssen, ebenso die Entstehung des Textprodukts. Der Schreibprozess wird durch den Dialog mit der KI allerdings interaktiver und kollaborativer. Auch wenn das Modell nicht gezielt für den fremdsprachlichen Kontext entwickelt wurde, erscheint es plausibel, dass sich die darin hervorgehobenen Schwerpunkte auch auf das Schreiben in der Fremdsprache übertragen lassen (vgl. Brommer/Rezat 2024; Brommer/Rezat i. E.).

Abb. 1

Kompetenzmodell KI-gestützten Schreibens (Darstellung in Anlehnung an Brommer/Rezat 2024; Brommer/Rezat i. E.)

Anhand des Modells werden darüber hinaus Parallelen zwischen dem KI-gestützten Schreiben und allgemeinen KI-bezogenen Kompetenzen deutlich, die eine zielführende Gestaltung der Mensch-Maschine-Interaktion in den Vordergrund stellen und Kompetenzen, Wissen, Fähigkeiten und Metakognitionen definieren, um Lernende zu einem selbstbestimmten Umgang mit KI-Anwendungen zu befähigen (vgl. Long/Magerko 2020). Hierzu zählt in erster Linie das Konzept der AI Literacy, welches ein Bündel an Kompetenzen zur kritisch-reflexiven Nutzung von KI-Anwendungen umfasst. Gemäß Ng et al. (2021:4f.) gehören hierzu u. a. das Wissen und Verstehen von KI, das Aneignen von Strategien und Techniken sowie die Entwicklung einer kritischen Haltung bei der Nutzung von KI, z. B. zur Beurteilung der inhaltlichen Korrektheit von KI-generierten Textprodukten. Ebenfalls verweist das Modell von Brommer und Rezat (2024; i. E.) auf die Bedeutung der sogenannten Prompt Literacy, die die Fähigkeit beschreibt, mit der KI zu interagieren und Eingaben so zu gestalten und zu verfeinern, dass sie zu möglichst sinnvollen und passenden Antworten führen (vgl. Ott 2023:388) – also z. B. zu hilfreichen Anregungen im Rahmen der Planungs-, Formulierungs- und Überarbeitungsphasen des Schreibens.

Gemäß dem Funktionsumfang aktueller KI-Anwendungen steht nicht nur deren Funktion als Schreibassistent, sondern zugleich auch als Textmodell und Feedbackgeber im Fokus (vgl. Strobl et al. 2024:5). Durch den Vergleich eigener Texte mit KI-generierten (Modell-)Texten können Fremdsprachenlernende dazu angeregt werden, eigene Texte zu überarbeiten. Verschiedene Studien im Kontext des Deutsch- und Englischlernens zeigen darüber hinaus, dass korrigierendes Feedback von ChatGPT die fremdsprachliche Kompetenzentwicklung fördern kann (vgl. Alharbi 2023; Karataş et al. 2024; Strobl et al. 2024). Zugleich sollte jedoch infrage gestellt werden, ob sich Lernende ausreichend mit dem Feedback auseinandersetzen oder KI-seitige Korrekturvorschläge einfach nur unkritisch akzeptieren (vgl. Korell et al. 2025b).

Die vorangehenden Erläuterungen verdeutlichen somit, dass KI-gestützte Schreibprozesse häufig dazu führen können, dass Lernende KI-generierte Texte mit eigenen vergleichen (vgl. Strobl et al. 2024:5) und sogenannte KI-Co-Texte entwickeln, also individuell angefertigte Textprodukte mit KI-seitigen Überarbeitungen (vgl. Irion et al. 2025:113). Daher widmet sich der vorliegende Beitrag genau diesen Szenarien, zu denen fortwährender Forschungsbedarf bekundet wird (vgl. Strobl et al. 2024:5).

2.3 Empirische Forschung zum Einsatz von KI-Anwendungen beim fremdsprachlichen Schreiben

Ein systematisches Review von Zhu/Wang (2025) liefert einen Überblick über 125 empirische Studien zum Einsatz von KI im (Fremd-)Sprachenunterricht, die im Zeitraum von 2013 bis 2023 veröffentlicht wurden. Neben einem erheblichen Anstieg entsprechender Publikationen ab 2022 verdeutlicht das Review, dass der Großteil der Studien einen experimentell-quantitativen Ansatz unter Einsatz von Testinstrumenten in Versuchs- und Kontrollgruppen verfolgt und Wirksamkeitsanalysen von KI-Tools im (Fremd-)Sprachenunterricht umfasst. Zwar liegen die Analyseschwerpunkte der 125 Studien u. a. auch auf der KI-basierten Rückmeldung und Beurteilung zu Textprodukten und der Schreibkompetenz von Lernenden, fast alle Untersuchungen adressieren jedoch Englisch als Fremdsprache. Für Französisch wurden lediglich zwei Studien identifiziert, die sich allerdings mit anderen KI-bezogenen Gesichtspunkten beim Fremdsprachenlernen auseinandersetzen, z. B. dem Vokabellernen (vgl. Huang/Wang 2023).

Im Folgenden werden, über das Review von Zhu/Wang (2025) hinausgehend, ausschnitthaft Studien fokussiert, die sich dezidiert auf lernendenseitige fremdsprachliche Schreibprozesse sowie auf KI-seitige Rückmeldungen zu Schreibleistungen beziehen. Zu berücksichtigen ist hierbei, dass diese vorrangig dem fremdsprachlichen Deutsch- und Englischunterricht in der Hochschule entstammen.

Strobl et al. (2024) untersuchen den Einfluss von ChatGPT auf den Überarbeitungsprozess fremdsprachlicher Texte. 22 deutschlernende Studierende verfassten zwei Zusammenfassungen populärwissenschaftlicher Texte. Anschließend verglichen sie ihre Texte mit ChatGPT-Versionen und überarbeiteten sie entsprechend. Die Teilnehmenden zeigten ein Bewusstsein für Stärken und Schwächen der KI. ChatGPT diente als Impulsgeber für Schreib- und Überarbeitungsprozesse und förderte digitale Lese- und Schreibfähigkeiten. Beurteilungsaufgaben halfen, Fehler zu erkennen. Bei inhaltlichen Problemen interagierten die Studierenden untereinander, bei sprachlichen Fehlern vertrauten sie meist auf ChatGPT. Struktur und Kohäsion spielten hingegen eine untergeordnete Rolle. Insgesamt erwies sich soziale Zusammenarbeit als zentraler Faktor für die Textrevision.

Athanassopoulos et al. (2023) untersuchen die Wirksamkeit von ChatGPT als Feedbacktool für das Schreiben in Deutsch als Fremdsprache mit einem Schwerpunkt auf Wortschatz und Grammatik. Dabei legen sie im Gegensatz zu Strobl et al. (2024) den Fokus auf sozial schwache Bevölkerungsgruppen sowie Migrant*innen, die zusätzliche Sprachschwierigkeiten haben. Die Studie wurde in einer weiterführenden Schule in Griechenland mit acht Deutschlernenden durchgeführt. Nach einem ersten Schreibversuch ließen die Lernenden ihre Texte mithilfe von ChatGPT hinsichtlich des Wortschatzes und der Grammatik verbessern. Im Anschluss wurden sie gebeten, auf Basis der Anmerkungen einen weiteren Text zu einem ähnlichen Thema zu verfassen. Die Studienergebnisse zeigen eine Erhöhung der Gesamtzahl und Präzision der Wörter sowie der durchschnittlichen Wortzahl pro Satz in der zweiten Version. Auch wenn der Studie nur eine kleine Stichprobe zugrunde liegt, deuten die Ergebnisse somit darauf hin, dass ChatGPT den Schreibprozess maßgeblich unterstützen kann.

Yan (2024) untersucht die Fähigkeit von Englischlernenden, sich unter Verwendung von ChatGPT Feedback zu Schreibprodukten einzuholen. Dazu wurden drei Studierende mit unterschiedlichen Sprachkenntnissen und KI-bezogenen Kompetenzen in die Fallstudie aufgenommen. Die Datensammlung erfolgte über Beobachtungen und Interviews zu getätigten ChatGPT-Eingabeaufforderungen und deren Überlegungen zum Einholen von Feedback mittels ChatGPT. Die Ergebnisse zeigen, dass Studierende mit unterschiedlichen akademischen Profilen verschiedene Fähigkeiten zum Einholen von KI-seitigem Feedback aufweisen und dass förderliche Faktoren v. a. in der Eigeninitiative und dem Verfügen über metakognitive Regulierungsfähigkeiten liegen (vgl. Kapitel 2.2).

Holmes (2024) untersucht die Verwendung von ChatGPT als Feedback- und Korrekturtool im Französischunterricht. Im Rahmen einer Fragebogenerhebung legten die 22 Teilnehmenden selbstkorrigierende Textrevisionspraktiken dar, übermittelten im Anschluss einen Text an ChatGPT und erbaten in diesem Zuge Feedback zu ihrem Text. Die Ergebnisse zeigen, dass die Teilnehmenden primär Einzelheiten zum Text erfragten und um Präzisierungen baten. Außerdem konnte ein unterschiedlicher Grad an Engagement vonseiten der Teilnehmenden festgestellt werden. Nicht zuletzt deuten die Ergebnisse darauf hin, dass die Qualität der Ausgabe von ChatGPT maßgeblich mit der Qualität der Eingabeaufforderung zusammenhängt.

Wenngleich die hier skizzierten Studien auf unterstützende Effekte hindeuten, sollte insgesamt berücksichtigt werden, dass die Untersuchungen mit den Fremdsprachen Englisch, Französisch und Deutsch ausschließlich ressourcenreiche Sprachen fokussieren. In ressourcenärmeren Sprachen hingegen steigt die Wahrscheinlichkeit für Verzerrungen und Ungenauigkeiten in KI-generierten Inhalten erheblich, sowohl im Kontext der Verwendung von Large Language Modells (LLMs) (vgl. Nasution/Onan 2024:71897) als auch bspw. im Feld der maschinellen Übersetzung (vgl. Paasch-Kaiser/Hoberg 2020). Dies schränkt die Nützlichkeit von KI-Anwendungen im Kontext der Textproduktion und -revision in ressourcenärmeren Sprachen somit deutlich ein.

2.4 Zwischenfazit, Erkenntnisinteresse und Forschungsfragen

Ergebnisse bisher durchgeführter Studien liefern wichtige Erkenntnisse zum Einsatz von ChatGPT als Textproduktions- und -korrekturtool beim fremdsprachlichen Schreiben. Erkennbar werden Potenziale wie die Verbesserung von Schreibleistungen (vgl. Athanassopoulos et al. 2023), wenngleich diese Potenziale maßgeblich von individuellen Fähigkeiten (vgl. Yan 2024) sowie von der Qualität der formulierten Prompts abzuhängen scheinen (vgl. Holmes 2024). Jedoch liegen nur wenige und zumeist nicht auf den Französischunterricht bezogene Untersuchungen vor, die lernendenseitige Bearbeitungs- und Reflexionsprozesse im Rahmen des KI-gestützten Schreibens gezielt in den Blick nehmen und gleichsam den Fokus auf einen kritisch-reflexiven Umgang mit KI-Anwendungen legen. Dies ist darauf zurückzuführen, dass die Mehrheit der bisherigen Studien den Schwerpunkt auf experimentell ausgerichtete Wirksamkeitsuntersuchungen legt, welche primär das Schreibprodukt fokussieren (vgl. Zhu/Wang 2025). Insbesondere für den Französischunterricht bleibt der von Han (2024:302f.) formulierten Forderung, Mensch-Maschine-Interaktionen zum Erwerb unterschiedlicher Teilkompetenzen wie dem fremdsprachlichen Schreiben (vgl. Hong 2023:41) zu erforschen und Aufschluss darüber zu erlangen, ob, wie und zu welchem Zweck Lernende die Potenziale von KI-Anwendungen nutzen, aus diesem Grund noch nachzukommen.

Die vorliegende Studie gewährt demnach Einblicke in Bearbeitungs- und Reflexionsprozesse von Französischlernenden, die ChatGPT zur Textproduktion und zur Korrektur selbst verfasster Texte einsetzen. Dabei stehen das Revidieren eigener Texte sowie der Vergleich mit KI-generierten Texten im Vordergrund. In diesem Zuge wird auch untersucht, ob und wie Lernende ChatGPT als Quelle für Feedback nutzen, wie sie dieses interpretieren und wie es ihr anschließendes Schreiben beeinflusst. Daraus ergeben sich die folgenden Fragestellungen, die der Studie zugrunde liegen:

1. Wie prompten die Lernenden zum Zweck der KI-seitigen Textproduktion und Korrektur selbst verfasster Texte?

2. Wie gehen die Lernenden mit dem Feedback von ChatGPT zu ihren selbst verfassten Texten um? Was überarbeiten die Lernenden in ihren selbst verfassten Texten?

3. Wie bewerten die Lernenden die von ChatGPT produzierten Texte im Vergleich zu ihren eigenen?

Für die vorliegende Studie wurde gemeinsam mit Lehrkräften eine schulische Unterrichtskonzeption entwickelt, welcher Forschungs- und Entwicklungsarbeiten zu relevanten theoretischen Konzepten vorausgehen (vgl. Kapitel 2.2). Dabei hat es sich als herausfordernd erwiesen, KI-gestützte Aufgabenformate im Einklang mit den Anforderungen bildungspolitischer Dokumente zu entwerfen, die zugleich den allgemeinen und fremdsprachenspezifischen didaktischen Prinzipien entsprechen. Hinzu kommen schulische Rahmenbedingungen und die Notwendigkeit einer lückenlosen Integration der Unterrichtskonzeption in das gängige Schulsystem. Dies führt dazu, dass die o. g. Forschungsfragen am Beispiel einer Unterrichtskonzeption zur Anfertigung von schriftlichen Sprachmittlungen exemplifiziert werden. Im Rahmen der Studie werden jedoch im Besonderen die funktional-kommunikative Kompetenz des Schreibens sowie die damit verbundene Arbeit mit/an sprachlichen Mitteln betrachtet, da in diesem Bereich die KI-bedingten Auswirkungen auf Schreibprozesse und -produkte am erheblichsten zu sein scheinen (vgl. Athanassopoulos et al. 2023). Eine Kurzbeschreibung der Unterrichtskonzeption kann Kapitel 4 entnommen werden.

3.1 Forschungsansatz

Die Wahl des Forschungsansatzes ergibt sich aus dem vorangegangenen Forschungsüberblick und daraus resultierenden Desideraten. Im fremdsprachendidaktischen Forschungsdiskurs werden u. a. empirische Untersuchungen gefordert, die verschiedene Datenquellen, bspw. Unterrichtsvideos, Bildschirmaufzeichnungen und Lernendenprodukte, miteinander kombinieren sowie unterschiedliche fremdsprachliche Kompetenzen und einen kritischen Umgang mit KI-Anwendungen adressieren (vgl. Krings 2016:108f.; Korell et al. 2025a). Für die vorliegende Untersuchung wird deshalb ein qualitativer Forschungsansatz für gegenstandsangemessen erachtet, denn „qualitative Forschung ist immer dort zu empfehlen, wo es um die Erschließung eines bislang wenig erforschten Wirklichkeitsbereichs (...) geht“ (Flick et al. 2017:25). Eine weitere Begründung für die Wahl eines qualitativen Forschungsdesigns liegt im Anspruch der Untersuchung, eng an der Perspektive der beforschten Personen zu bleiben und diese bei der Bewältigung realer, alltäglicher Aufgaben im Unterricht wahrzunehmen (vgl. Engelen 2023:105).

3.2 Samplingstrategien

Die Auswahl der Teilnehmenden erfolgte durch purposive sampling (vgl. Grum/Legutke 2022:87ff.) und Selbstaktivierung (vgl. Reinders 2005:141). Dies begründet sich vor dem Hintergrund des stark invasiven Charakters der im Rahmen der Studie durchgeführten videographischen Unterrichtsbeobachtung (vgl. Kapitel 3.3). Zur Abbildung unterschiedlicher lernendenseitiger Fähigkeitsniveaus (vgl. Yan 2024) stand bei der Rekrutierung der Untersuchungsgruppe überdies das Prinzip der maximalen Variation im Vordergrund (vgl. Misoch 2019:210), weshalb ein Französischkurs der gymnasialen Oberstufe (Q3) an einer altsprachlichen Schule in einer hessischen Großstadt ausgewählt wurde. Die Implementierung der Unterrichtskonzeptionen fand in enger Zusammenarbeit mit Praxisakteur*innen statt und wurde im November 2023 im Umfang von 90 Minuten videographisch aufgezeichnet.

3.3 Datenerhebung

Als Erhebungsmethode kam die videographische Unterrichtsbeobachtung zum Einsatz, da mit ihr v. a. das Handeln der Lernenden, deren Umgang mit ChatGPT (Version 4.0) und der Umstand berücksichtigt werden kann, dass Ansichten in Befragungen von tatsächlich beobachtetem Verhalten abweichen können. Die Entscheidung für eine videographische Aufzeichnung liegt zudem in der Komplexität des Untersuchungsgegenstands begründet, der durch die Bild-Ton-Aufzeichnung Rechnung getragen werden kann (vgl. Schramm/Aguado 2010:186). Gemäß den von Flick (2016:365f.) dargestellten Richtlinien handelt es sich bei der durchgeführten videographischen Beobachtung um eine offene sowie nicht-teilnehmende Beobachtung, während der die Forschenden nicht in den Unterricht eingreifen oder währenddessen Kontakt zur Lehrkraft oder den Lernenden herstellen (observer-as-participant) (vgl. Ricart Brede 2014:138).

Komplementär zur videographischen Beobachtung wurden Bildschirmaufnahmen angefertigt und Lernendenprodukte mitaufgenommen. Auf diese Weise entstand die Möglichkeit, sowohl eine prozess- als auch eine produktorientierte Perspektive auf das KI-gestützte Schreiben in der Fremdsprache einzunehmen (vgl. Kapitel 2.1).

3.4 Datenaufbereitung und -analyse

Da die videographische Aufzeichnung mithilfe verschiedener Kameraarten und aus unterschiedlichen Kameraperspektiven erfolgte, entstanden umfangreiche Videodaten, die in ein Schnittvideo (Lehrkraftperspektive) sowie in mehrere Gruppenvideos (Lernendenperspektive) überführt wurden. Als Orientierung für die wissenschaftliche Grundtranskription dieser Daten dienten die Transkriptionsregeln nach Kuckartz/Rädiker (2022) sowie eine Kombination der zusammenfassenden, kommentierten und Wort-für-Wort-Transkription (vgl. Steffen/Doppler 2019:53ff.). Die Bildschirmaufnahmen wurden in die einzelnen Gruppenvideos integriert, die Lernendenprodukte lagen in digitaler Form vor.

Die verschiedenen Datenquellen wurden mithilfe der inhaltlich strukturierenden Analyse nach Kuckartz/Rädiker (2022) ausgewertet. Die Auswertung erfolgte anhand von a priori gebildeten Hauptkategorien, die von den Untersuchungsfragen und den Unterrichtskonzeptionen strukturiert wurden, sowie verfeinerten Unterkategorien. Die nachfolgende Darstellung der Untersuchungsergebnisse orientiert sich an den Hauptkategorien und umfasst gemäß den induktiven Unterkategorien zugleich weiter ausdifferenzierte Befunde.

4.1 Kontextuelle Einordnung und Unterrichtskonzeption

In einem Französisch-Leistungskurs der gymnasialen Oberstufe (Q3) beschäftigen sich die Lernenden mit dem Thema Glamping. Nach einer plenaren Einführungsphase, in deren Rahmen die Lernenden sich über das Thema Camping austauschen, stellt die Lehrkraft die vorliegende Kommunikationssituation vor, in der sich die Lernenden wiederfinden: Eine französische Austauschpartnerin sucht nach einem Platz für ein Schulpraktikum in Deutschland und wurde von den „Glamping Resorts“ in einem Biosphärenreservat im Saarland zu einem Vorstellungsgespräch eingeladen. Da sie sich mit dem Thema bisher nicht auskennt, bittet sie den*die Empfänger*in um eine Erklärung, um was es sich bei Glamping handelt.

In einer kurzen Wiederholungsphase werden Charakteristika einer schriftlichen Sprachmittlung und Strategien (Formulierung, Paraphrasierung etc.) wiederholt. Während einer ca. 30-minütigen Arbeitsphase lesen die Lernenden den deutschen Text und sprachmitteln diesen in Kleingruppen schriftlich ins Französische. Dazu können sie bei Bedarf ein Online-Wörterbuch nutzen. Im Anschluss an die selbstständige Verfassung der Sprachmittlung nutzen sie ChatGPT als Korrekturhilfe. Dazu erhalten die Lernenden eine Liste mit verschiedenen sprachlichen Korrekturbereichen, die ihnen aus schulischen Bewertungsrastern bekannt sind (Wortschatz, Sprachrichtigkeit, Ausdruck, Stil), und dazu Anregungen zur Gestaltung der Mensch-Maschine-Interaktion (z. B. „Fragt die KI nach Wortwiederholungen in eurem Text und lasst euch Synonyme ausgeben. Im Anschluss: Prüft deren Angemessenheit und Bedeutung.“). Ihre Korrekturergebnisse halten die Lernenden schriftlich fest und nehmen bei Bedarf Änderungen an ihren Texten vor. Im Anschluss reflektieren sie gemeinsam mit der Lehrkraft, welchen Nutzen die Verwendung von ChatGPT zur Korrektur des eigenen Textes hatte, ob der Text optimiert werden konnte und wie er sich dadurch verändert hat.

Daran knüpft eine weitere KI-basierte Arbeitsphase an, die die Erstellung einer vollständig durch die KI-generierten schriftlichen Sprachmittlung zum Ziel hat. Das Ergebnis wird von den Lernenden einer inhaltlichen und sprachlichen Analyse unterzogen.

In einer abschließenden Reflexionsphase werden die verschiedenen Textprodukte miteinander verglichen, auf Parallelen und Unterschiede untersucht und die Arbeitsweisen bei der Anfertigung von Texten mit und ohne technische Hilfsmittel gegenübergestellt. In diesem Zusammenhang reflektieren die Lernenden auch gemeinsam mit der Lehrkraft über Chancen und Grenzen der Nutzung von KI-Tools zur Textkorrektur und -produktion und arbeiten individuelle Voraussetzungen für einen kompetenten Umgang mit KI-Anwendungen heraus.

4.2 Vorgehensweise der Lernenden zum selbstständigen Verfassen von Texten

Die Lernenden gehen bei der selbstständigen Textproduktion routiniert vor und planen den Texterstellungsprozess. Dabei diskutieren sie vor Abfassen des Textes dessen Inhalte kritisch und markieren als zentral erachtete Bestandteile des Ausgangstextes farbig. Es folgt ein genaues Lesen der Aufgabenstellung und des Textes sowie eine permanente Bezugnahme auf die Ausgangssituation. In den selbst verfassten Texten erfassen die Lernenden Kernaspekte der Aufgabenstellung und des Ausgangstextes, besprechen eigene Vorstellungen, diskutieren inhaltliche Entwicklungen und geben anhand von Aus- und Reformulierungsprozessen Einblick in ihr Textverständnis. In diesem Zug finden auch Strategien und Techniken zum Vereinfachen sowie zum Umschreiben von Inhalten des Ausgangstextes Anwendung. Die Lernenden haben eine genaue Vorstellung davon, wie der gewünschte Text inhaltlich und formal aussehen soll. Es zeigt sich ein dynamischer Prozess der Textproduktion, indem bspw. in bereits bestehende Sätze weitere Inhalte eingepflegt, Konnektoren zur Verbindung der Inhalte eingefügt werden oder gänzlich neue Textpassagen entstehen.

4.3 Textrevision: Prompting, KI-Co-Text und Reflexion

Die Lernenden entscheiden selbst, in welchen der o. g. Bereiche sie ihre Texte einer KI-gestützten Korrektur unterziehen wollen. Zwei der drei Lerngruppen sind zu Beginn der Mensch-Maschine-Interaktion etwas unsicher und kennen sich im Bereich des Promptings wenig aus. Hier bedarf es der Intervention der Lehrkraft, die die Lernenden darauf hinweist, weitere Prompts einzugeben und direkt um die Behebung der im Text festgestellten Mängel zu bitten. ChatGPT hat in beiden Fällen auf Basis eines allgemeinen Prompts (u. a. zur Stilverbesserung) einen neuen Text generiert, der nicht mehr dem entspricht, was die Lernenden selbst geschrieben haben. Auch in der zweiten KI-bezogenen Textkorrektur (u. a. Bereich Wortschatz) orientiert sich der Prompt stark an den bereitgestellten Formulierungshilfen und enthält im ersten Anlauf keine Kontextinformationen. Erst in der Folge werden weitere Korrekturschleifen bzw. Präzisierungen der Prompts vorgenommen. Allerdings sind sich die Lernenden dabei im Klaren darüber, dass das Ergebnis von ChatGPT von der Qualität und Präzision ihres Prompts abhängt (vgl. Holmes 2024): „Gerade macht es was will“ (G3, S1)^[2]. „Ja, wir haben es aber auch noch nicht so ganz präzisiert“ (G3, S2). Die nachfolgende Zusammenschau zeigt eine Auswahl der von den Lernenden eingegebenen Prompts:

Kannst du bitte den Stil meines Textes verbessern? (1)

Kannst du bitte den Stil der Sprache einer sechzehnjährigen anpassen? (2)

nicht ganz so umgangssprachlich bitte. (3)

Könntest du das Vokabular in meinem Text aufwerten? (4)

(G1, S1/2)

Die dritte Lerngruppe nutzt verschiedene KI-Tools (ChatGPT, DeepL) sowie Online-Wörterbücher zur Textkorrektur. Dabei werden – im Gegensatz zu den Untersuchungsbefunden von Strobl et al. (2024) – auch andere Quellen zur Überprüfung der Ausgaben von ChatGPT hinzugezogen. Im Laufe des Bearbeitungsprozesses erstellen die Lernenden einen KI-Co-Text, indem sie die Textstellen, die sie von ChatGPT übernommen haben, an ihrer Meinung nach passenden Stellen einfügen und farbig hervorheben sowie die Vorschläge der KI in den Bereichen Inhalt und Sprache diskutieren. Dabei vergleichen sie ihre eigenen Formulierungen kontinuierlich mit denen von ChatGPT und stellen diese im Text auch einander gegenüber. Die Lernenden konstatieren, dass ChatGPT bereits ohne explizite Ausweisung in Form eines Prompts auf verschiedene sprachliche Korrekturbereiche bezugnimmt. Dies liegt im Abgleich mit den Prompts aber auch daran, dass die Lernenden nicht immer explizit angeben, auf welchen Bereich sich ChatGPT beziehen soll. Dieser Befund unterstreicht die Bedeutung der in Kapitel 2.3 erläuterten Prompt Literacy und der damit verbundenen Fähigkeit, Prompts im Rahmen der KI-gestützten Textrevision zielgerichtet zu formulieren und iterativ weiterzuentwickeln. Nur auf diese Weise kann ChatGPT schließlich stichhaltige und dem Bedarf der Lernenden angemessene Ergebnisse hervorbringen.

Mit dem nachfolgenden KI-Co-Text (s. Abbildung 2) können die vorangegangenen Erläuterungen veranschaulicht werden. Die erste Version stellt den Ursprungstext der Lernenden dar, der ohne Hilfsmittel verfasst wurde. Die zweite Version zeigt die Veränderungen auf Basis der Vorschläge von ChatGPT (s. Hervorhebungen).

Chère Flora, j’éspère que tu vas bien. Je vais essayer de t’expliquer le „glamping“. J’ai trouvé l’article “Urlaub einmal anders” sur le web de Edith Schober publiée en 2017. Il s’agit d’une alternative pour le camping classique pour les gens qui veulent avoir une expérience de camping avec plus de comfort. Il est possible de le faire dans toute l‘europe. Il y a beaucoup de differences entre les logements et des niveau de luxe. „Glamping“ ne singinfie pas que c’est une alternative moins chèr. Contrairement il peut être même plus chèr. Mais c’est similaire avec camping parce qu’il y a des activités dans la nature. De plus c’est une possibilité pour des familles avec des enfants car c’est une ambiance agréable pour des parents et des enfants. J’éspère que je pouvais t’aider avec comprendre le concept „glamping“ et je te souhaite de bonne chance avec ton stage. Bisous ... (G2).

Abb. 2

KI-Co-Text (G2)

Die Lernenden reflektieren den Output der KI im Hinblick auf inhaltliche und grammatische Aspekte und überprüfen die Stichhaltigkeit der Ausgaben. Dadurch setzen sie sich intensiver mit dem eigenen Arbeitsprozess auseinander. Sie bauen dementsprechend nur Veränderungen von ChatGPT in den eigenen Text ein, die sie geprüft haben. Dabei treten sie der KI kritisch gegenüber. Diese reflexive Arbeitsweise führt dazu, dass der Ursprungstext der Lernenden vor allem im sprachlichen Bereich erkennbar optimiert wurde (vgl. Athanassopoulos et al. 2023), wenngleich auch der KI-Co-Text noch einige grammatische Fehler aufweist.

Die Veränderungsvorschläge von ChatGPT in den Bereichen Rechtschreibung und Satzbau werden von den Lernenden als durchweg positiv aufgefasst. Zum Teil erachten sie Vorschläge im Bereich Wortschatz für nicht zielführend (u. a. Ersetzen von web durch site web oder die Veränderung des Titels). Im stilistischen Bereich treten die meisten Schwierigkeiten auf, da sich die Vorschläge von ChatGPT teilweise weit vom Ursprungstext entfernen: „So würden wir niemals an eine Freundin schreiben (...) das könnte so nicht von uns kommen. Es klingt wie ein Werbetext“ (G3, S1). Die Lernenden stellen hier Defizite im Bereich der Authentizität fest. Dabei reflektieren sie aber, dass dies von der Präzision ihres Prompts abhängt. In einer anderen Lerngruppe wird der Versuch unternommen, eine zu formelle Version an den Kontext und die Adressatin anzupassen. Hieraus resultiert, dass dann ein Text entsteht, der eine Vielzahl an Abkürzungen und englische Begriffe enthält. Durch erneutes Nachsteuern erstellt ChatGPT einen Text, der weniger umgangssprachlich ist und dem Stil des selbst verfassten Textes stärker ähnelt. Da es dieser Gruppe gelingt, durch verfeinerte Prompts stichhaltige Ergebnisse zu erzielen, kann an dieser Stelle auf das Vorhandensein einer grundlegenden Prompt Literacy (vgl. Kapitel 2.3) geschlossen werden.

Zum Abschluss dieser KI-bezogenen Arbeitsphase stellen die Lernenden fest, dass die Ergebnisse von ChatGPT oftmals nicht dem entsprechen, was sie sich wünschen. Außerdem erachten sie die inhaltliche Prüfung der Ausgaben für aufwändig und fragen sich, ob die Nutzung solcher KI-Tools tatsächlich notwendig ist bzw. ob sie die Texte nicht auch selbst so verfassen könnten, wie sie es in der Arbeitsphase vorher getan haben. Überdies bemerken sie, dass je mehr Kommunikation mit dem Chatbot erfolgt, sie sich tendenziell immer weiter von ihrem Ursprungstext entfernen. Mit dieser Feststellung wird die Bedeutsamkeit der Steuerung der Mensch-Maschine-Interaktion vonseiten der Lernenden explizit betont. Nur wenn die Lernenden selbst wissen, welches Ziel und Produkt sie verfolgen und dabei stets die Qualität der Ausgaben beurteilen, kann erfolgreiche Kommunikation mit dem Chatbot gelingen. Zugleich deutet die Reflexion der Lernenden darauf hin, dass die Mehrheit über eine weitreichende AI Literacy verfügt (vgl. Kapitel 2.2) und in diesem Zusammenhang bspw. Strategien und Techniken zur KI-gestützten Textrevision kritisch diskutieren oder auf metakognitive Regulierungsstrategien zurückgreifen kann (vgl. Yan 2024), insbesondere auf die Fähigkeit, den eigenen Schreibprozess zu überwachen und den diesbezüglichen Einsatz von ChatGPT gezielt zu steuern.

4.4 Textproduktion: Prompting und Reflexion

Die KI-basierte Phase der Texterstellung fand nach der Revision der selbstverfassten Texte statt. Im Vergleich zu den eingegebenen Prompts zur Textkorrektur fällt auf, dass den Lernenden die zielführende Kommunikation mit dem Chatbot an dieser Stelle etwas leichter fällt. Dies zeigen die konkreten Eingabeaufforderungen, in die bereits Kontextinformationen (E-Mail als Ausgangssituation) eingebettet sind und die fortwährend in ihrer Ausrichtung präzisiert werden („ganz bisschen kürzen“ [G3] vs. Angabe konkreter Wortanzahl [G3]). Dabei reflektieren die Lernenden auch über die Veränderung der Ergebnisse nach dem erneuten Prompten, womit Einblicke in den Kommunikationsprozess mit ChatGPT möglich werden. Aus den nachfolgenden Prompts erhält man Aufschluss darüber, wie die Lernenden die jeweiligen KI-Ausgaben beurteilt haben.

1. Prompt 1: „Verfasse eine Sprachmittlung des Textes auf Französisch in Form einer E-Mail an eine Freundin. Erkläre dabei, was man unter Glamping versteht.“ + Ausgangstext

2. Prompt 2: „Reduziere den Text auf bis zu 200 Wörter.“

3. Prompt 3: „Passe die E-Mail darauf an, dass sie eine Antwort auf die Frage „Was ist Glamping?“ ist.“ (G1)

Schließlich gelangen die Lernenden zu der folgenden KI-Ausgabe, die sie weitgehend für angemessen erachten.

Salut [Nom de l'amie]

Tu m'as demandé ce qu'est le Glamping, et voilà ma réponse : c'est une forme de camping de luxe, un mix entre glamour et camping. Contrairement au camping traditionnel, qui est assez basique avec des tentes et des sacs de couchage, le Glamping offre un confort supérieur tout en restant proche de la nature.

Ce concept, qui a émergé aux États-Unis, au Royaume-Uni ou aux Pays-Bas, propose des hébergements variés comme des tentes luxueuses, des tipis, des cabanes dans les arbres, des caravanes, et même des villas avec toutes les commodités modernes, comme une cuisine équipée, une salle de bain complète, et parfois même une piscine.

Le Glamping est populaire car il combine l'aventure et la proximité avec la nature, typiques du camping, avec le confort et les services d'un hôtel. Il attire beaucoup les familles grâce à ses installations conviviales et ses activités, offrant une expérience unique pour tous.

Alors, ça te donne envie d'essayer le Glamping pour tes prochaines vacances ?

Bisous, ... (G1, S1/S2).

Es erfolgt ein steter Abgleich mit dem selbstverfassten Text. Dieser wird als Maßstab zur Beurteilung der Angemessenheit der Ausgaben von ChatGPT hinzugezogen. Die Lernenden kommen dabei zu dem Entschluss, dass die KI-Ausgabe teils auch irrelevante Informationen enthält, die sie durch Nachsteuern von Prompts hätten eliminieren müssen. Daher verwerfen sie in allen Gruppen den KI-generierten Text und entscheiden sich dafür, mit ihrem eigenen, KI-seitig korrigierten Text weiterzuarbeiten. Diesen stufen sie als zielgenauer und vertrauenswürdiger ein (vgl. Irion et al. 2025). Dieser Befund ist von besonderem Interesse, da sich hieraus die Frage ergibt, wie die Teilnehmenden die Ausgaben von ChatGPT beurteilt hätten, wenn sie nicht vorab den Texterstellungsprozess und die inhaltliche Auseinandersetzung mit dem Thema in Eigeninitiative durchlaufen hätten (vgl. Yan 2024).

In einer Lerngruppe (G2) erfolgen kein mehrfaches Prompten und Präzisieren der Eingaben in ChatGPT. Die Lernenden entscheiden sich, ihnen in der ersten Ausgabe inhaltlich unwichtig oder nicht korrekt erscheinende Aspekte zu streichen bzw. rot zu markieren. Die Lernenden identifizieren dabei v. a. folgende Schwächen in der Ausgabe von ChatGPT: wörtliche Übersetzungen aus dem Deutschen, wenig paraphrasierende Textteile, Aufzählungen und zu viele Details. Positiv heben sie die Textstrukturierung und die Zusammenfassung am Ende der Ausführungen hervor. Auch in diesem Fall gelingt den Lernenden die Bearbeitung und Beurteilung des KI-basierten Texts vermutlich nur in diesem Ausmaß, da sie sich vorab selbst inhaltlich und strukturell intensiv mit den Ausgangstexten sowie mit ihrem selbstverfassten Text auseinandergesetzt haben (vgl. Yan 2024).

Salut Flora !

Le "glamping" est une forme de camping qui combine le confort et le luxe, d'où le terme "glamorous camping". Contrairement au camping traditionnel, le glamping offre souvent des commodités comme des cuisines design, des salles de bain complètes, la climatisation, l’accès Internet, et parfois même des piscines. L'idée est de profiter de la nature tout en ayant accès à un confort élevé.

En Allemagne, comme dans d'autres pays européens (Italie, Croatie, France, Portugal, Espagne), le glamping est de plus en plus populaire. Les types d'hébergement varient, incluant des tentes, tipis, cabanes dans les arbres, bungalows, et même des villas de luxe. Cela offre une expérience unique, combinant l'aventure et la liberté du camping avec un niveau de confort élevé.

Bien que le concept de glamping ne soit pas nouveau, sa popularité a augmenté ces dernières années. Les sites de glamping proposent souvent des espaces communs comme des bars, restaurants, et piscines, ce qui les rend particulièrement attrayants pour les familles. Ils offrent une atmosphère détendue où les enfants peuvent facilement se faire des amis, tandis que les parents profitent du confort et de la beauté du lieu.

En résumé, le glamping est une version modernisée et luxueuse du camping traditionnel, offrant une expérience de vacances unique, en pleine nature mais avec tout le confort moderne. C'est une tendance en hausse, y compris en Allemagne, qui pourrait bien convenir à ton stage.

Bonne chance pour ton entretien mardi !

Bises, [Votre Nom] (G2, S1/S2)

In der plenumsbasierten Reflexionsphase wird abermals deutlich, dass die Lernenden grundsätzlich mit ihrer eigenen Textproduktion zufriedener sind als mit der KI-Ausgabe. Dies begründen sie v. a. mit Blick auf Authentizität, Wortwahl, Struktur und Zielgenauigkeit in Bezug auf die Aufgabenstellung (vgl. Irion et al. 2025). Die Lernenden sehen einen erhöhten Arbeitsaufwand in der Auseinandersetzung mit der KI und dem vollständig KI-generierten Text (prompten, nachsteuern, lesen, kontrollieren), wodurch teils auch die Motivation abnimmt.

Es hat irgendwie nicht so Spaß gemacht im Vergleich zum eigenen Verfassen des Textes. Wir haben uns immer wieder die Ausgaben von der KI durchgelesen und waren eher genervt davon, dann war es wieder viel zu lang, dann zu kurz, dann hat es nicht gepasst. Es war wie mit einem Kind, dem man jeden einzelnen Schritt sagen muss. (G3, S1)

Die phasenbezogenen Reflexionsanlässe zur Beurteilung und zum Vergleich der Textprodukte werden am Ende der Unterrichtsstunde in einen globaleren Kontext überführt. Die untersuchte Lerngruppe zeigt in diesem Zusammenhang ein kritisches Betrachtungsverhalten der KI und der von ihr produzierten Texte. Dies spiegelt sich auch in der Reflexion der Nutzung von KI im Allgemeinen wider. Es liegt nahe, dass diese kritisch-reflexive Haltung auch durch die Unterrichtskonzeption gefördert wird, durch die die Lernenden zuerst selbst in die Lage versetzt werden, den Arbeits- und Schreibprozess zu durchlaufen, bevor dieser von ChatGPT ausgeführt wird. Intendiert wird damit ein besseres Verständnis der Funktionsweise solcher KI-Anwendungen und eine gezieltere Einordnungsmöglichkeit der KI-generierten und der eigenen Texte mit Blick auf Strategien und Techniken bei der Nutzung von KI (vgl. Ng et al. 2021:4). Außerdem bespricht die Lehrkraft mit den Lernenden Themen wie Lerneffekte bei der Verwendung von KI-Systemen, welche die Lernenden als geringer im Vergleich zur selbstständigen Textproduktion einschätzen. Insgesamt sind sich die Lernenden im Klaren darüber, dass ihnen durch die Nutzung von KI keine Verantwortung und auch nicht unbedingt Arbeit abgenommen wird, da sie die Ausgaben der KI stets zu prüfen haben (vgl. Brommer/Rezat i. E.). Letzteres können sie meist nur dann, wenn sie über die entsprechenden Kenntnisse sowohl inhaltlicher als auch technischer Natur verfügen.

1. „Mir bleibt im Kopf, dass man immer kritisch mit der KI umgehen sollte und nie eins zu eins Dinge übernehmen sollte. Es kommen komische Sachen dabei heraus, die ich so nie schreiben würde. Es bringt mir ja auch generell nichts“ (G2, S2).

2. „Man braucht mehrere Durchläufe, bis man ein passendes Ergebnis hat. [...] Ich sehe den Nutzen, als wir den eigenen Text eingeschickt haben, das finde ich gut, dass wir so Formulierungen gesehen haben. Der Lerneffekt ist nicht so groß, lieber selbst meine Sachen schreiben. Es bringt mir am Ende nichts, es ist nicht von mir“ (G1, S1).

3. „Man muss halt auf jeden Fall Ahnung von dem Text haben. Man muss wissen, worum es geht, damit man der KI Anweisungen geben kann, und man muss sich damit auskennen, was man haben möchte“ (G1, S2).

4.5 Diskussion der Ergebnisse

Im Einklang mit den Ergebnissen der Studie von Strobl et al. (2024:16) zeigt auch die vorliegende Untersuchung, dass durch die kritische Verwendung von KI-Anwendungen das Schreiben, Überarbeiten und Beurteilen von Texten in der Fremdsprache gefördert werden kann. Im Gegensatz zu den Erkenntnissen von Strobl et al. (ebd.) verlassen sich einige Lernende allerdings nicht blind auf die sprachlichen Korrekturvorschläge von ChatGPT, sondern nutzen weitere Quellen, um die Vorschläge kritisch zu prüfen. Wie auch Athanassopoulos et al. (2023) feststellen, erfahren die selbst verfassten Texte durch diese kritisch-reflexive Arbeitsweise in den Bereichen Wortschatz und Grammatik eine leichte Aufwertung. In inhaltlichen Belangen hingegen wurde die KI-Anwendung nicht angefragt, und im Bereich des Stils ergaben sich die meisten Unstimmigkeiten.

Die Befunde unterstreichen, dass digitale Lese- und Schreibfähigkeiten von Lernenden im Zuge der Auseinandersetzung mit generativen KI-Systemen in erhöhtem Maße notwendig werden und Lernende durch einen angeleiteten kritischen Vergleich von eigenen und KI-generierten Texten dazu angeregt werden sollten, entsprechende Systeme kritisch-reflexiv zu verwenden. Insbesondere durch die Schulung einer Prompt Literacy (vgl. Kapitel 2.2) und der Erfahrung, wie sich KI-Ausgaben in Relation zu der jeweiligen Eingabeaufforderung verändern, können Lernende dazu animiert werden, KI-Technologien für die eigene fremdsprachliche Textproduktion zu nutzen. Die Ergebnisse von Strobl et al. (2024:16) bestärkend, stellt die Zusammenarbeit unter den Lernenden bei der Nutzung von KI-Anwendungen in der vorliegenden Studie einen wichtigen Auslöser für selbstgesteuertes Lernen im Bereich der KI-gestützten Textproduktion und -revision dar.

Auch die Teilnehmenden der vorliegenden Studie schätzen grundsätzlich die Rückmeldung von ChatGPT zu den selbst verfassten Texten. Allerdings sehen sie diese nicht in Konkurrenz zur Rückmeldung der Lehrkraft, sondern suchen auch während der KI-bezogenen Arbeitsphasen immer wieder den Kontakt zu dieser und bitten um deren Einschätzung (vgl. damit im Einklang Wang 2024).

Die Ergebnisse der vorliegenden Studie deuten ebenso darauf hin, dass die Teilnehmenden im Rahmen der KI-gestützten Textproduktion und -revision über ein weitgehend kritisches Bewusstsein für Grenzen der Maschine verfügen und Einschränkungen von KI-Anwendungen erkennen (vgl. Strobl et al. 2024:2). Dies stellt die Voraussetzung für einen selbstbestimmten Umgang mit KI-Technologien dar (vgl. Long/Magerko 2020; Ng et al. 2021). Im Bereich des Promptings zeigen die Ergebnisse, dass gewisse Fähigkeitsunterschiede zwischen den Lernenden vorherrschen und insgesamt weiterer Schulungsbedarf besteht, um die Mensch-Maschine-Interaktion so zu gestalten und zu steuern, dass schreibprozessunterstützende Antworten entstehen – und dies möglichst von Anfang an (u. a. Kontextinformationen, Adressat*innen, Präzision).