KI-gestützte Reflexionsfragen: Zwei-Agenten-Framework verbessert Qualität

Eine neue Studie zeigt, wie KI-basierte Sprachmodelle Lehrkräfte bei der Erstellung von Reflexionsfragen unterstützen können. Durch einen strukturierten Ansatz, der zwei spezialisierte Agenten einsetzt, wird die Qualität der Fragen signifikant gesteigert.

Im Kern arbeitet das System mit einem „Student‑Teacher“ und einem „Teacher‑Educator“. Der erste Agent schlägt zunächst Kandidatenfragen vor und liefert kurze Begründungen. Der zweite Agent bewertet diese Vorschläge anhand von Klarheit, Tiefe, Relevanz, Engagement und konzeptuellen Verbindungen und gibt gezielte Rückfragen oder ein Stoppsignal zurück. Dieser Socratische Dialog verfeinert die Frage iterativ, bis ein optimales Ergebnis erreicht ist.

Die Evaluation erfolgte in einer authentischen weiterführenden Schule im Fach Informatik. Als Basismodell kam GPT‑4o‑mini zum Einsatz, während ein stärkeres GPT‑4-Modell als externer Prüfer fungierte. Dabei zeigte sich, dass dynamische Stoppkriterien in Kombination mit Kontextinformationen (z. B. Lernniveau und Materialien) die Qualität der Fragen deutlich über festen 5‑ oder 10‑Schritt‑Runden ließen. Längere Dialoge neigten hingegen zu Ablenkungen und Überkomplexität.

Die Ergebnisse deuten darauf hin, dass das Zwei‑Agenten‑Protokoll Fragen erzeugt, die als wesentlich relevanter und tiefer bewertet werden. Diese Erkenntnisse legen den Grundstein für eine breitere Implementierung von KI‑unterstützten Reflexionsfragen im Unterricht und eröffnen neue Möglichkeiten, Lehrkräfte bei der zeitintensiven Aufgabenstellung der Frageentwicklung zu entlasten.