ChatGPT im DaF-Unterricht: Praxisleitfaden für Lehrkräfte

Die Antwort in 60 Sekunden

ChatGPT ist im DaF-Unterricht besonders nützlich, wenn es Varianten erzeugt, Gesprächspartner simuliert, begrenztes Feedback gibt oder vorhandenes Material nach klaren Kriterien analysiert. Es ist weniger geeignet, wenn Lernziel, Diagnose, Bewertung oder sensible Kommunikation an das System delegiert werden.

Die entscheidende Frage ist nicht „Was kann ChatGPT?“, sondern: Welche Lernhandlung soll stattfinden, welche KI-Funktion hilft genau dabei, was könnte schiefgehen und wer prüft das Ergebnis?

Das Entscheidungsmodell: Lernziel × KI-Funktion × Risiko × Kontrolle

Lernhandlung	Sinnvolle KI-Funktion	Typisches Risiko	Menschliche Kontrolle
A1 nach Preis fragen und reagieren	Rollenkarten variieren	zu viel Wortschatz, künstliche Dialoge	Sprachmittel und Informationslücke prüfen
A2 Termin verschieben	Gesprächspartner simulieren	grammatisch korrekt, aber zu direkt	Register und Situation prüfen
B1 kurzen Text überarbeiten	einen Fehlerschwerpunkt markieren	Überkorrektur	Original und Änderungen vergleichen
B1/B2 Argumentieren	Gegenargumente erzeugen	KI liefert die Argumentation selbst	Lernende zuerst selbst positionieren lassen
Material differenzieren	Hilfen variieren	drei Varianten trainieren drei Ziele	Kernziel konstant halten

1. ChatGPT für Aufgaben: Nicht Thema, sondern Sprachhandlung prompten

„Erstelle eine A2-Aufgabe zum Thema Reisen“ lässt fast alles offen. Das Modell muss Lernziel, Vorwissen, Sozialform und gewünschte Produktion erraten.

Konkreter:

Erstelle zwei unterschiedliche Rollenkarten für erwachsene A2-Lernende. Ziel: In einem Partnergespräch drei Informationen über eine vergangene Reise geben und mindestens zwei passende Rückfragen stellen. Bekannt sind Perfekt mit haben/sein sowie wann, wo, mit wem. Gib keine vollständigen Dialoge. Jede Karte soll Informationen enthalten, die die andere Person nicht kennt. Prüfe anschließend, ob beide Rollen tatsächlich fragen und antworten müssen.

Jetzt kann die Lehrkraft prüfen, ob eine Informationslücke existiert und ob beide Lernenden sprachlich aktiv werden.

2. ChatGPT für Wortschatz: Abrufen statt Beispielsätze konsumieren

Angenommen, A2-Lernende kennen buchen, reservieren, absagen, verschieben bereits rezeptiv. „Schreibe zehn Beispielsätze“ erzeugt Input. Das trainiert noch nicht zuverlässig den aktiven Abruf.

Besser:

Ich lerne die Wörter buchen, reservieren, absagen und verschieben. Beschreibe nacheinander kurze Situationen, ohne das Zielwort zu nennen. Ich muss mit einem der vier Wörter antworten. Wenn ich nicht weiterweiß, gib zuerst nur einen Bedeutungs-Hinweis. Später fragst du dasselbe Wort in einem anderen Kontext noch einmal ab.

Beispiel: „Du hast morgen einen Arzttermin, kannst aber nicht kommen und möchtest ihn auf Freitag legen.“ Der Lernende muss verschieben selbst abrufen.

3. ChatGPT für Sprechen: Mehr Gesprächszüge, nicht automatisch bessere Aussprache

Für A2 kann ein Sprachmodus eine Rezeption simulieren:

Du arbeitest an einer Hotelrezeption. Ich möchte meine Reservierung ändern. Stelle pro Gesprächszug nur eine Frage. Warte auf meine Antwort. Hilf erst, wenn ich darum bitte. Nach fünf Minuten nennst du zwei Stellen, an denen meine Formulierung missverständlich oder sozial unpassend wirken könnte.

Damit trainiert der Lernende spontane Reaktion.

Was kann schiefgehen?

Die KI versteht „Geben Sie mir ein anderes Zimmer“ problemlos. Grammatisch ist der Satz möglich. Je nach Situation kann er aber fordernder wirken als beabsichtigt. „Wäre ein anderes Zimmer möglich?“ erfüllt eine andere pragmatische Funktion.

Das bedeutet nicht, dass eine Variante universell „deutscher“ ist. Dringlichkeit, Beziehung, Medium, Region und Vorgeschichte verändern die Angemessenheit.

4. ChatGPT für Schreiben: Feedback dosieren

Lernendentext A2:

„Gestern ich bin mit meine Freundin in die Stadt gegangen.“

Der Auftrag „Verbessere meinen Text“ lässt das Modell gleichzeitig Wortstellung, Kasus, Stil und Inhalt verändern.

Besser:

Markiere nur mögliche Fehler bei der Verbposition. Korrigiere sie noch nicht. Ich lasse die Lernenden zuerst selbst verbessern. Gib danach bei verbleibenden Fehlern einen Hinweis auf die Regel.

So bleibt der entscheidende Reparaturschritt bei den Lernenden. Zur Vertiefung ist die Forschung zu Written Corrective Feedback in L2 Writing bei Cambridge University Press hilfreicher als eine allgemeine KI-Quelle.

5. ChatGPT für Grammatik: Kontrast statt Regelgenerator

Bei Wechselpräpositionen kann die KI Minimalpaare erzeugen:

„Das Bild hängt an der Wand.“ / „Ich hänge das Bild an die Wand.“

Aber auch hier sollte die KI nicht automatisch zur Grammatikautorität werden. Sinnvoll ist, Beispiele gegen eine verlässliche Referenz oder das verwendete Lehrwerk zu prüfen, bevor sie als Regelinput eingesetzt werden.

6. Differenzieren: Hilfe verändern, Lernziel behalten

Wenn eine Gruppe dieselbe A2-Zielhandlung trainiert, kann ChatGPT unterschiedliche Stützen erzeugen:

– Wortbank für Lernende mit lexikalischer Barriere,

– Satzanfänge für Rückfragen,

– zusätzliche Vorbereitungszeit,

– weniger Hilfen für schnellere Lernende.

Nicht sinnvoll ist, wenn „leicht“ nur Lücken füllt, „mittel“ Sätze schreibt und „schwer“ frei diskutiert. Dann unterscheiden sich nicht nur Hilfen, sondern die Lernhandlungen.

Die CAST UDL Guidelines bieten einen hilfreichen Referenzrahmen für unterschiedliche Zugänge und Ausdrucksmöglichkeiten.

7. Was kulturell und pragmatisch schiefgehen kann

KI-Ergebnis	Problem	Prüffrage
„Sie müssen mir einen neuen Termin geben.“	möglicherweise unbeabsichtigt fordernd	Welche Beziehung und Dringlichkeit liegt vor?
„Sehr geehrte Frau Anna“	Anrede kann institutionell unpassend sein	Welche Anrede ist in diesem konkreten Kontext üblich?
„Velo“ wird zu „Fahrrad“ korrigiert	regionale Standardvariation wird nivelliert	Welcher deutschsprachige Zielraum ist relevant?
Rollenspiel Familie = Mutter, Vater, zwei Kinder	eine Lebensform wird unbemerkt zur Norm	Braucht die Aufgabe diese Festlegung überhaupt?
„Das sagt man auf Deutsch so.“	falsche Eindeutigkeit	Hängt die Form von Register, Medium oder Region ab?

> ! ACHTUNG: Ein grammatisch korrekter Satz kann kommunikativ trotzdem problematisch sein. Genau diese Ebene muss bei KI-generiertem Sprachmaterial separat geprüft werden.

8. Wann ChatGPT keinen Mehrwert bringt

Ohne KI ist häufig besser, wenn:

– bereits gutes Lehrwerksmaterial vorhanden ist,

– echte menschliche Interaktion das Lernziel ist,

– die Kontrolle länger dauert als die Erstellung,

– eine verbindliche Bewertung nötig ist,

– sensible Lernendendaten verarbeitet würden,

– die Lehrkraft eine spontane Diagnose der konkreten Gruppe braucht.

Der 60-Sekunden-Qualitätscheck

Prüffrage	Warum?
Was tun die Lernenden selbst?	schützt Eigenleistung
Welche Sprache müssen sie bereits kennen?	verhindert versteckte Überforderung
Ist der Output natürlich und situativ passend?	Grammatik allein reicht nicht
Gibt es regionale oder kulturelle Annahmen?	verhindert falsche Verallgemeinerung
Kann ich Lösungen/Fakten prüfen?	verhindert plausible Fehlinformation
Würde ich die Aufgabe auch ohne KI didaktisch vertreten?	Tool darf kein Qualitätsersatz sein

GER und KI

Die CEFR Descriptors des Council of Europe helfen, kommunikative Aktivitäten zu beschreiben. Sie legen aber weder einzelne Wortlisten noch KI-Regeln fest. „A2“ im Prompt ersetzt deshalb nicht die Angabe von Lernstand und Zielhandlung.

FAQ

Ist ChatGPT für jede DaF-Stufe geeignet?

Die sinnvolle Funktion verändert sich mit Lernziel und Lernstand. Bei niedrigen Niveaus muss die sprachliche und kognitive Last besonders eng kontrolliert werden.

Muss ich immer ChatGPT verwenden?

Nein. Viele Methoden funktionieren mit anderen dialogfähigen Sprachmodellen. ChatGPT sollte nur dort genannt werden, wo Suchintention oder konkrete Funktion produktspezifisch sind.

Kann ChatGPT Unterrichtsmaterial direkt freigeben?

Nein. Generierter Output ist ein Entwurf. Sprachliche, didaktische, pragmatische und faktische Prüfung bleiben notwendig.

Fazit

ChatGPT wird im DaF-Unterricht nicht dadurch wertvoll, dass es viel produziert. Es wird wertvoll, wenn es einen klar begrenzten Arbeitsschritt übernimmt, während Lernhandlung, Urteil und Verantwortung beim Menschen bleiben.

Weiterführende Ressourcen

– Council of Europe: CEFR Descriptors

– CAST UDL Guidelines

– Cambridge University Press: Written corrective feedback in second language writing