Mündliche Hausaufgaben mit KI: ein Leitfaden für Lehrkräfte

Mündliche Hausaufgaben mit KI wirken, wenn sie Ihre Stunde fortsetzen: Lernende üben dieselbe Aufgabe mit KI, erhalten sofort Feedback und üben erneut; Sie sichten die Ergebnisse vor der nächsten Stunde.

Warum sind mündliche Hausaufgaben ohne KI schwer umzusetzen?

Mündliche Hausaufgaben sind ohne KI schwer umzusetzen, weil Sprechen ein Gegenüber braucht, das antwortet, und eine Lehrkraft nicht allen Lernenden zu Hause zuhören kann. Ohne Gegenüber wird eine Sprechaufgabe zum Vorlesen in einen leeren Raum; mit Sprachnachrichten wird sie für die Lehrkraft zu stundenlangem Zuhören.

Sprechen braucht außerdem mehr Zeit, als der Unterricht hergibt. Paul Nations Modell der vier Stränge (four strands, 2007) besagt, dass ein gut geplanter Sprachkurs bedeutungsorientiertem Input, bedeutungsorientiertem Output, sprachbezogenem Lernen und der Entwicklung von Flüssigkeit ungefähr gleich viel Zeit gibt. Sprechen gehört zu den Strängen Output und Flüssigkeit, die sich schwer in eine Stunde einpassen lassen: Im Unterrichtsgespräch teilen sich 25 Lernende 45 Minuten und kommen auf jeweils weniger als zwei Minuten – selbst wenn die Lehrkraft gar nichts sagt.

Hinzu kommt Sprechangst. Eine Studie mit 573 Lernenden an berufsbildenden Oberschulen in Indonesien (Bashori und Kollegen, 2022) beschreibt Sprechen als die angstauslösendste der vier Fertigkeiten, und die befragten Lernenden hatten weniger Angst, mit Spracherkennungs-Websites zu sprechen als mit Gleichaltrigen.

Eine mündliche Hausaufgabe mit KI ist eine Sprechaufgabe, die Lernende außerhalb des Unterrichts mit einem KI-Gesprächspartner oder einem Spracherkennungswerkzeug erledigen, das auf jeden Versuch antwortet und Feedback gibt. Eine Übersichtsarbeit zu 25 Chatbot-Studien (Huang, Hew und Fryer, 2022) fand drei praktische Stärken: Zeitnähe, einfache Bedienung und Personalisierung. Automatische Spracherkennung (ASR), also die Technik, die Sprache in Text umwandelt und mit dem Erwarteten vergleicht, hilft auch bei der Aussprache: Eine Metaanalyse von 15 Studien aus dem Jahr 2024 fand insgesamt einen mittleren Effekt (g = 0,69), am größten bei explizitem Feedback.

Wie geben Sie mündliche Hausaufgaben mit KI auf, Schritt für Schritt?

Mündliche Hausaufgaben mit KI geben Sie in acht Schritten auf: Ziel festlegen, Aufgabentyp wählen, aus eigenem Material erstellen, Kriterien festlegen, zuweisen, Lernende mit sofortigem Feedback üben lassen, sichten und bewerten, Ergebnisse im Unterricht nutzen.

1. Das Ziel festlegen. Wählen Sie eine Sache aus der Stunde dieser Woche, die Lernende danach können sollen, etwa „mithilfe von zwei markanten Orten nach dem Weg fragen und den Weg beschreiben⁠“.
2. Den Aufgabentyp wählen. Passen Sie die Aufgabe an das Ziel an: ein Rollenspiel für funktionale Sprache, eine Nacherzählung mit Zeitvorgabe für Flüssigkeit, eine Meinungsaufgabe für Diskussionen, eine Satzübung für die Aussprache.
3. Aus eigenem Material erstellen. Gehen Sie von der Lehrbuchseite, dem Text, den Folien oder dem Video aus dem Unterricht aus, damit die Hausaufgabe dieselbe Sprache wieder aufgreift. Schreiben Sie das Szenario, die Rolle der KI und drei bis sechs Zielwendungen und probieren Sie die Aufgabe einmal selbst aus.
4. Kriterien festlegen. Formulieren Sie zwei oder drei Erfolgskriterien, die man in einer Antwort hören kann, etwa „erklärt das Problem⁠“ oder „verwendet drei Zielwendungen⁠“. Unser Bewertungsraster für die mündliche Prüfung bietet Kriterien zum Übernehmen.
5. Zuweisen. Nennen Sie einen Abgabetermin, eine Zeitvorgabe (10–15 Minuten), die Zahl der Versuche und ob die Aufgabe nur als erledigt zählt oder benotet wird.
6. Lernende üben mit sofortigem Feedback. Die Lernenden erledigen die Aufgabe, lesen das Feedback und machen sie noch einmal, wobei sie mindestens eine Sache verbessern.
7. Sichten und bewerten. Nutzen Sie die kurze Routine unten, statt sich alles anzuhören, und passen Sie die Noten mit Ihren eigenen Kriterien an, wenn die Hausaufgabe zählt.
8. Ergebnisse im Unterricht nutzen. Beginnen Sie die nächste Stunde mit den zwei oder drei häufigsten Problemen und lassen Sie die Lernenden die Aufgabe dann zu zweit wiederholen.

AvoLingo, ein Sprachlerndienst mit KI von AvoLabs, deckt die Schritte 3 bis 7 im Dashboard für Lehrkräfte ab. Lehrkräfte machen aus ihrem eigenen Material (einer hochgeladenen PDF-Datei oder einem Bild, einem eingegebenen Thema, einem YouTube-Link oder ganzen Büchern im „Massenbuilder⁠“, engl. Bulk Builder) Sprech- und Schreibhausaufgaben in 8 Aufgabentypen und bearbeiten und testen jede Aufgabe in der Vorschau; nichts erreicht die Lernenden, bevor die Lehrkraft es zuweist. Lernende bekommen sofort KI-Feedback und Aussprachebewertungen für Wörter und Sätze. Lehrkräfte sichten die Ergebnisse danach, bewerten mit ihren eigenen Kriterien und Gewichtungen und verfolgen den Fortschritt unter „Hausaufgaben nach Datum⁠“ und „Einblicke ins Klassenzimmer⁠“. Lehrkräfte können kostenlos starten.

Warum ein zweiter Versuch?

Ein zweiter Versuch lässt Lernende das Feedback umsetzen, solange die Aufgabe noch frisch ist. Bei der 4/3/2-Technik erzählen Lernende dieselbe Geschichte dreimal verschiedenen Zuhörenden, in vier, dann drei und dann zwei Minuten; Arevart und Nation (1991) fanden deutliche Zuwächse beim Sprechtempo und weniger Zögern. In der Unterrichtsforschung hatte Feedback, das Lernende zur Selbstkorrektur anregt, größere Effekte als das bloße Hören der richtigen Form (Lyster und Saito, 2010).

Eine 15-Minuten-Routine zum Sichten

1. Prüfen Sie die Erledigung und werten Sie sie als Beteiligung.
2. Gehen Sie das Feedback der Klasse durch und suchen Sie die zwei oder drei häufigsten Probleme.
3. Hören oder lesen Sie selbst zwei oder drei Antworten, darunter eine, bei der Sie unsicher sind.
4. Wenn die Hausaufgabe zählt, passen Sie die Noten mit Ihren eigenen Kriterien an.
5. Planen Sie für die nächste Stunde einen fünfminütigen Anschluss.

12 Ideen für mündliche Hausaufgaben im Englischunterricht

Diese 12 Ideen für mündliche Hausaufgaben im Englisch- und Fremdsprachenunterricht setzen jeweils eine Stunde fort, statt sie zu ersetzen. Die Niveaus folgen dem Gemeinsamen Europäischen Referenzrahmen für Sprachen (GER; von A1 für Anfängerinnen und Anfänger bis C2) und sind nur Vorschläge.

Mischen Sie über ein Halbjahr Aufgaben zur Flüssigkeit (Nacherzählungen, Reflexionen) mit Aufgaben zur Korrektheit (Übungen, Zielwörter), damit die Hausaufgaben Nations Balance wahren. Das Üben eines Prüfungsformats ist eine Probe, keine Vorhersage von Prüfungsergebnissen. In AvoLingo entsprechen mehrere Ideen „Konversation⁠“-Modi wie „Bildgespräch⁠“, „Debatte⁠“ und „Die KI unterrichten⁠“, und die Ausspracheübung entspricht „Satzlernen⁠“, das jeden Satz nach Genauigkeit, Flüssigkeit und Vollständigkeit bewertet.

Vorlage für eine Aufgabenkarte zum Kopieren

Eine Aufgabenkarte ist eine kurze Anleitung, die den Lernenden – und der KI – sagt, worin die Sprechaufgabe besteht, was eine gute Antwort enthält und was in den Unterricht zurückkommt. Kopieren Sie die Vorlage und ersetzen Sie den Beispielinhalt, eine Unit zum Thema Einkaufen auf B1-Niveau, durch Ihre eigene Stunde.

Wenn Ihr Werkzeug Anweisungen an die KI erlaubt, fügen Sie Szenario, Rolle und Zielsprache direkt dort ein. Für Rollenspiele rund um einen Beruf siehe unseren Leitfaden zur Planung von Fachenglisch-Kursen.

Wie bleiben mündliche Hausaufgaben mit KI ehrlich?

Mündliche Hausaufgaben mit KI bleiben ehrlich, wenn Sie Aufgaben stellen, die eine KI nicht einfach für die Lernenden erledigen kann: Antworten mit der eigenen Stimme, über das eigene Leben oder die Stunde dieser Woche, gefolgt von einer Reflexion und einem kurzen Check im Unterricht. Sprechen lässt sich schwerer auslagern als Schreiben, aber Lernende können sich trotzdem von einem Chatbot ein Skript schreiben lassen und es vorlesen.

• Mündliche Antworten verlangen. Fordern Sie, wo Ihr Werkzeug es zulässt, gesprochene statt getippter Antworten und setzen Sie ein Zeitlimit, damit sich das Vorlesen eines langen Skripts nicht lohnt.
• Aufgaben persönlich und konkret machen. „Beschreibe deinen Schulweg⁠“ oder „Verwende drei Wendungen aus der Stunde vom Dienstag⁠“ lässt sich schwerer an einen Chatbot abgeben als „Sprich über Reisen⁠“.
• Ungeplante Nachfragen nutzen. Wenn die KI Fragen stellt, widerspricht oder eine Figur spielt, müssen Lernende reagieren, statt etwas aufzusagen.
• Eine Reflexion verlangen. Zum Schluss nennen die Lernenden eine Sache, die die KI korrigiert hat, und was sie beim zweiten Versuch geändert haben.
• Im Unterricht nachfragen. Lassen Sie Lernende einer Partnerin oder einem Partner eine Korrektur und eine neue Wendung erzählen oder einen Teil der Aufgabe live wiederholen.
• Den Druck senken. Werten Sie bei den meisten Übungsaufgaben nur die Erledigung und benoten Sie wenige, klar bewertete Aufgaben, damit es weniger Anlass gibt, Abkürzungen zu nehmen.

Was gilt für Schülerdaten und Altersgrenzen?

Prüfen Sie vor mündlichen Hausaufgaben mit KI die Regeln Ihrer Schule und das geltende Recht, denn bei Sprechaufgaben können die Stimmen der Lernenden aufgenommen und ihre Antworten gespeichert werden. Die Leitlinien der UNESCO zu generativer KI in Bildung und Forschung (2023) nennen ein Mindestalter von 13 Jahren für den Einsatz von KI-Werkzeugen im Klassenzimmer, so die Mitteilung der UNESCO vom 7. September 2023.

Die nationalen Regeln unterscheiden sich; prüfen Sie daher die Vorgaben für Ihr Land und Ihre Schulform. Drei Beispiele:

• USA: Die COPPA Rule stellt Anforderungen an Online-Dienste, die personenbezogene Daten von Kindern unter 13 Jahren erheben.
• Europäische Union: Nach Art. 8 DSGVO können Kinder ab 16 Jahren selbst in Online-Dienste einwilligen; die Mitgliedstaaten dürfen diese Grenze auf 13 senken. Schulen stützen sich unter Umständen auf eine andere Rechtsgrundlage; fragen Sie Ihre Datenschutzbeauftragte oder Ihren Datenschutzbeauftragten.
• Südkorea: Artikel 22-2 des Personal Information Protection Act (auf Koreanisch, 2023 eingefügt) verlangt die Einwilligung eines gesetzlichen Vertreters, wenn für die Verarbeitung personenbezogener Daten eines Kindes unter 14 Jahren eine Einwilligung nötig ist.

Wenn Sie KI-Werkzeuge für den Sprachunterricht vergleichen, fragen Sie jeden Anbieter:

• Was wird aufgezeichnet (Audio, Transkripte, Punkte), wo wird es gespeichert und wie lange?
• Wer kann es sehen: die Lehrkraft, die Schule, die Eltern?
• Werden Schülerdaten zum Training von KI-Modellen genutzt?
• Können die Daten einer lernenden Person auf Anfrage gelöscht werden?

Der Bericht des US-Bildungsministeriums zu KI in Lehren und Lernen (2023) macht „humans in the loop⁠“ zu seiner ersten Empfehlung: Lehrkräfte behalten das letzte Wort darüber, was KI-Ausgaben bedeuten. Wenn Ihre Schule prüfen muss, wie AvoLingo mit Schülerdaten umgeht, nehmen Sie Kontakt mit uns auf.

Wo liegen die Grenzen von KI-Sprechübungen?

KI-Sprechübungen für Lernende haben klare Grenzen: Die Spracherkennung macht Fehler, funktioniert bei manchen Stimmen besser als bei anderen, hilft bei einzelnen Lauten mehr als bei der Intonation und verliert ihren Neuheitswert. Planen Sie das von Anfang an ein.

• Der Neuheitseffekt. Die Chatbot-Übersicht von 2022 zählt den Neuheitseffekt zu den größten Herausforderungen: Das Interesse kann nachlassen, sobald ein Werkzeug vertraut ist. Variieren Sie die Aufgabentypen, halten Sie Aufgaben kurz und knüpfen Sie jede an die Stunde an.
• Erkennungsfehler. ASR kann falsches Feedback geben; Neri, Cucchiarini und Strik (2008) warnten, dies könne zu „learning breakdowns⁠“ führen, also zu Brüchen im Lernprozess. Behandeln Sie Punkte als Orientierung und prüfen Sie selbst eine Stichprobe.
• Ungleiche Genauigkeit je nach Sprechenden. Eine PNAS-Studie von 2020 zu fünf kommerziellen Spracherkennungssystemen fand in den USA eine durchschnittliche Wortfehlerrate von 0,35 bei Schwarzen Sprechenden gegenüber 0,19 bei weißen. Sprachlernende wurden nicht untersucht, aber das ist ein guter Grund, nicht allein auf Grundlage eines Erkennungswerts zu benoten.
• Laute mehr als Rhythmus. Die Metaanalyse von 2024 fand einen großen Effekt auf einzelne Laute, aber nur einen kleinen auf Betonung, Rhythmus und Intonation, und kurze Interventionen schnitten nicht besser ab als Übung ohne ASR. Planen Sie Aussprachearbeit über Wochen und behandeln Sie Intonation im Unterricht.
• Allein üben wirkt schwächer. Dieselbe Analyse fand einen großen Effekt, wenn Lernende neben der ASR mit anderen Lernenden übten, und einen kleinen, wenn sie allein übten – deshalb holt Schritt 8 die Aufgabe zurück in die Partnerarbeit. Am deutlichsten waren die Effekte bei Erwachsenen und Lernenden auf mittlerem Niveau; beobachten Sie also, wie jüngere Lernende und Anfängerinnen und Anfänger reagieren.
• Kein echtes Gespräch. Ein KI-Gegenüber ist eine Probe für Gespräche mit Mitschülerinnen und Mitschülern, Lehrkräften und anderen Menschen, kein Ersatz dafür.

Häufige Fragen

Wie lange sollte eine mündliche Hausaufgabe mit KI dauern?

Etwa 10–15 Minuten einschließlich eines zweiten Versuchs passen in die meisten Hausaufgabenzeiten. Das ist ein praktischer Vorschlag, kein Forschungswert; kurze, regelmäßige Aufgaben lassen sich leichter durchhalten als eine lange.

Ist KI-Feedback zur Aussprache genau?

ASR-basiertes Feedback hilft bei der Aussprache, vor allem bei einzelnen Lauten, kann Gesprochenes aber falsch erkennen und ist bei Betonung, Intonation und manchen Akzenten weniger zuverlässig. Nutzen Sie die Punkte als Orientierung und hören Sie sich selbst eine Stichprobe an.

Können Lernende bei mündlichen Hausaufgaben mit KI schummeln?

Ja, zum Beispiel, indem sie ein Skript vorlesen, das ein Chatbot geschrieben hat. Persönliche Aufgaben, ungeplante Nachfragen, ein Zeitlimit und ein kurzer Check im Unterricht machen das deutlich schwerer.

Muss ich trotzdem selbst Feedback geben?

Ja. Die KI gibt zu jedem Versuch sofort Feedback, aber Sie entscheiden, was wichtig ist, passen Noten mit Ihren eigenen Kriterien an und greifen häufige Probleme in der nächsten Stunde auf.

Eignen sich KI-Sprechübungen für junge Lernende?

Prüfen Sie zuerst die Regeln Ihrer Schule und das geltende Recht. Die UNESCO-Leitlinien von 2023 nennen für KI-Werkzeuge im Klassenzimmer ein Mindestalter von 13 Jahren, und viele Länder verlangen für die Daten jüngerer Kinder die Einwilligung der Eltern oder Erziehungsberechtigten.

Quellen

• Nation, P. (2007). The four strands. Innovation in Language Learning and Teaching, 1(1), 2–13.
• Arevart, S. und Nation, P. (1991). Fluency improvement in a second language. RELC Journal, 22(1), 84–94.
• Lyster, R. und Saito, K. (2010). Oral feedback in classroom SLA: a meta-analysis. Studies in Second Language Acquisition, 32(2), 265–302.
• Huang, W., Hew, K. F. und Fryer, L. K. (2022). Chatbots for language learning: are they really useful? A systematic review of chatbot-supported language learning. Journal of Computer Assisted Learning, 38(1), 237–257.
• Ngo, T.-N., Chen, H.-J. und Lai, K.-W. (2024). The effectiveness of automatic speech recognition in ESL/EFL pronunciation: a meta-analysis. ReCALL, 36(1), 4–21.
• Neri, A., Cucchiarini, C. und Strik, H. (2008). The effectiveness of computer-based speech corrective feedback for improving segmental quality in L2 Dutch. ReCALL, 20(2), 225–243.
• Bashori, M., van Hout, R., Strik, H. und Cucchiarini, C. (2022). Web-based language learning and speaking anxiety. Computer Assisted Language Learning, 35(5–6), 1058–1089.
• Koenecke, A. und Kollegen (2020). Racial disparities in automated speech recognition. PNAS, 117(14), 7684–7689.
• UNESCO (2023). Guidance for generative AI in education and research und Pressemitteilung vom 7. September 2023.
• US-Bildungsministerium, Office of Educational Technology (2023). Artificial intelligence and the future of teaching and learning.
• US Federal Trade Commission. Children's Online Privacy Protection Rule (COPPA).
• Europäische Union (2016). Datenschutz-Grundverordnung (EU) 2016/679, Artikel 8.
• Republik Korea. Personal Information Protection Act, Artikel 22-2 (auf Koreanisch).

Geschrieben vom AvoLingo-Team. Bei Recherche und Entwurf dieses Artikels haben wir KI eingesetzt; die Quellen sind im Text verlinkt.