Mission 5.2 Blindverkostung Unterricht & Prüfen

Das Modell-Duell als Blindverkostung

Vier Modelle, ein Auftrag, keine Etiketten. Ihre Jury bewertet blind nach Kriterien – und erlebt beim Aufdecken garantiert eine Überraschung.

Dauer
ca. 55 Min.
Belohnung
100 XP + bis 100 Bonus
Gerät
Laptop
Kosten
Gratis mit Konto
Anspruch
Bewerten

Funkspruch von ORBIT

ORBIT meldet: Im Lehrerzimmer tobt ein Glaubenskrieg. Der eine schwört auf ChatGPT, die andere auf Claude, der Dritte findet Gemini «sowieso besser». Beweise? Keine. Nur Bauchgefühl und Markentreue.

Wir machen das wie beim Wein: Gläser ohne Etikett. Vier Modelle bekommen denselben Auftrag, Sie entfernen alle Spuren, und eine Jury bewertet blind – nach Kriterien, die vorher feststehen. Erst ganz am Schluss werden die Etiketten aufgedeckt. Ich wette eine Ladung Treibstoff, dass mindestens ein Jurymitglied danach sehr still wird.

01 Ihr Produkt

Ein ausgefüllter Jury-Bogen mit Kriterien, Punkten und Aufdeckung – und Ihre Hausregel: welches Modell Sie für diesen Aufgabentyp künftig zuerst fragen und welches zum Gegenlesen.

Abnahme: Der Jury-Bogen enthält vier vor dem Lesen festgelegte Kriterien mit Beschreibung, Punkte für jede anonyme Antwort, das aufgedeckte Ergebnis und eine Regel, welches Modell Sie künftig zuerst fragen und welches zum Gegenlesen.

Nach dieser Mission können Sie …

  • vor einem Modellvergleich vier überprüfbare Bewertungskriterien mit Beschreibung festlegen
  • Antworten verschiedener Modelle so anonymisieren, dass die Herkunft nicht erkennbar ist
  • Antworten blind nach Kriterien bewerten und das Ergebnis nach dem Aufdecken begründet deuten
  • erklären, warum ein einzelner Durchgang kein endgültiges Urteil über ein Modell ist

Darum geht’s

Vielleicht kennen Sie das von Weinproben oder vom Cola-Test: Mit Etikett schmeckt die Lieblingsmarke besser. Ohne Etikett wird es plötzlich spannend. Bei KI-Modellen ist es genauso. Wer weiss, dass ein Text von «seinem» Modell stammt, liest ihn wohlwollender.

Die Blindverkostung ist darum keine Spielerei, sondern eine saubere Methode: Kriterien vorher festlegen, Herkunft verbergen, nach Kriterien bewerten, dann aufdecken. Genau so beurteilen Sie auch Arbeiten von Lernenden fair.

Merksatz: Kein Modell ist überall das beste. Aber für Ihren Aufgabentyp gibt es einen guten ersten Kandidaten – und den finden Sie nur blind.

Vormachen

Eine Lehrperson Gesundheit (fiktiv) gibt vier Modellen denselben Auftrag: einen 20-minütigen Arbeitsauftrag zur Händehygiene. Ihre Kriterien: fachlich korrekt, Niveau 1. Lehrjahr, sofort einsetzbar, Schweiz-tauglich.

Antwort C wirkt am professionellsten – schöne Struktur, gute Sprache. Beim Prüfen fällt auf: Ein Arbeitsschritt widerspricht dem Hygieneblatt ihres Lehrbetriebs. C verliert beim Kriterium «Fachlich korrekt» zwei Punkte. Antwort A ist schlichter, aber fehlerfrei und sofort brauchbar. Beim Aufdecken stellt sich heraus: C stammt von dem Modell, auf das sie selbst getippt hatte.

Das Muster: Der schönste Text ist nicht automatisch der beste. Ohne Blindtest hätte sie C genommen – mit Fehler.

Wann ich nicht die KI frage

Ob eine fachliche Aussage stimmt, entscheidet nicht die Mehrheit der Modelle, sondern Ihr Fachwissen, das Lehrmittel oder die Vorgabe des Lehrbetriebs.

02 Bordcheck

Datenampel: Grün – Unbedenklich

Der Auftrag stammt aus Ihrem Fach, enthält aber keine Personendaten. Fiktive Beispiele sind ideal – zum Beispiel ein fiktiver Kundenfall oder ein Lernziel aus dem Bildungsplan.

Werkzeuge

Klappt nicht? Drei Modelle genügen. Wer nur ein Konto hat, nimmt ChatGPT ohne Anmeldung (eingeschränkt möglich), Microsoft Copilot oder Mistral Vibe dazu. Ganz allein? Dann lassen Sie eine Kollegin die Antworten anonymisieren und mischen – oder Sie mischen selbst und bewerten erst am nächsten Tag.

03 Missionsschritte

Haken Sie jeden Schritt ab. Hängen Sie fest? Unter jedem Schritt steht ein «Frag die KI»-Prompt – die KI ist Ihre Tutorin.

  1. Schritt 1 Ihr Tipp, bevor es losgeht

    Schreiben Sie auf einen Zettel: Welches Modell wird gewinnen? Und warum? Falten, beiseitelegen. Dieser Zettel ist später der lustigste Moment der Mission.

    Wählen Sie dann einen Auftrag, den Sie wirklich brauchen – zum Beispiel einen Arbeitsauftrag, ein Bewertungsraster, eine Erklärung für Lernende oder eine Elterninformation. Je typischer für Ihren Alltag, desto wertvoller das Ergebnis.

    Prompt für die KI

    Ausfüllen (optional), dann kopieren:

    Ich unterrichte [IHR FACH, z. B. Pflege] im [LEHRJAHR, z. B. 1. Lehrjahr] an einer Schweizer Berufsfachschule.
    Schlage mir 5 Aufträge aus meinem Alltag vor, die sich gut für einen fairen Vergleich mehrerer KI-Modelle eignen: kurz (Ergebnis höchstens eine A4-Seite), ohne Personendaten, mit einem Ergebnis, dessen Qualität ich gut beurteilen kann.
    Nenne zu jedem Auftrag, woran man eine gute Antwort erkennt.
    Schweizer Rechtschreibung (immer «ss», kein Eszett).

    Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen Bitte zuerst die Felder oben ausfüllen.

    Hängen Sie fest? Frag die KI
    Frag die KI
    Ich bin Lehrperson an einer Schweizer Berufsfachschule und will mehrere KI-Modelle mit demselben Auftrag vergleichen. Welche Arten von Aufträgen eignen sich für einen fairen Vergleich und welche nicht? Erkläre es mit je einem Beispiel.
    Sag mir zum Schluss, wie sicher du dir bist, und nenne Suchbegriffe oder offizielle Stellen, an denen ich es prüfen kann – erfinde keine Links. Schweizer Rechtschreibung (immer «ss», kein Eszett).

    Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

  2. Schritt 2 Kriterien zuerst – die Jury vereidigen

    Bevor Sie eine einzige Antwort sehen, legen Sie vier Kriterien fest und beschreiben in einem Satz, was «4 Punkte» bedeutet. Zum Beispiel:

    • Fachlich korrekt: keine falschen Aussagen, Fachbegriffe stimmen.
    • Passend fürs Niveau: Lernende im [LEHRJAHR] verstehen es ohne Hilfe.
    • Brauchbar: kann morgen mit höchstens fünf Minuten Nacharbeit eingesetzt werden.
    • Schweiz-tauglich: «ss», Schweizer Begriffe und Beispiele.

    Warum vorher? Sonst passt die Jury die Kriterien unbewusst ihrem Lieblingsmodell an. Tragen Sie die Kriterien in den Jury-Bogen ein.

    Hängen Sie fest? Frag die KI
    Frag die KI
    Ich bin Lehrperson an einer Berufsfachschule und will KI-Antworten zu folgendem Auftrag bewerten: [AUFTRAG]. Hilf mir, vier klare, überprüfbare Kriterien mit je einer Beschreibung für 1 und 4 Punkte zu formulieren. Erkläre kurz, warum Kriterien vor dem Lesen festgelegt werden sollten.
    Sag mir zum Schluss, wie sicher du dir bist, und nenne Suchbegriffe oder offizielle Stellen, an denen ich es prüfen kann – erfinde keine Links. Schweizer Rechtschreibung (immer «ss», kein Eszett).

    Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

  3. Schritt 3 Gleicher Auftrag an alle

    Geben Sie genau denselben Prompt an drei oder vier Modelle, je in einem neuen, leeren Chat. Nicht nachbessern, nicht nachfragen – erste Antwort zählt.

    Der Prompt unten enthält einen Trick: Er verbietet Einleitungen, Markdown-Spielereien und Hinweise auf das eigene Modell. Das erleichtert das Anonymisieren.

    Prompt für die KI

    Ausfüllen (optional), dann kopieren:

    [IHR AUFTRAG, z. B. Erstelle einen Arbeitsauftrag zum Thema Händehygiene für Lernende Fachfrau/Fachmann Gesundheit im 1. Lehrjahr, 20 Minuten, mit Lösungshinweisen.]
    Zielgruppe: Lernende an einer Schweizer Berufsfachschule, [LEHRJAHR, z. B. 1. Lehrjahr].
    Formvorgaben: reiner Text, gegliedert nur mit Nummern und Zwischentiteln (keine Markdown-Zeichen wie # oder **), ohne Emojis, ohne Einleitung und ohne Schlusssatz, höchstens 350 Wörter. Erwähne nicht, wer oder was du bist.
    Schweizer Rechtschreibung (immer «ss», kein Eszett).

    Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen Bitte zuerst die Felder oben ausfüllen.

    Tipp: Schalten Sie, wo möglich, Gedächtnis- oder Personalisierungsfunktionen aus oder nutzen Sie einen temporären bzw. Inkognito-Chat. Sonst kennt ein Modell Ihre Vorlieben und hat einen unfairen Vorteil.

    Klappt nicht? Ein Modell hält sich nicht an die Formvorgaben? Nicht neu würfeln – das gehört zur Bewertung («Brauchbar»). Entfernen Sie beim Anonymisieren nur Hinweise auf die Herkunft, nicht den Inhalt.

    Hängen Sie fest? Frag die KI
    Frag die KI
    Ich bin Lehrperson an einer Schweizer Berufsfachschule. Ich vergleiche mehrere KI-Modelle mit demselben Prompt. Was muss ich beachten, damit der Vergleich fair ist (neuer Chat, Einstellungen, Websuche, Gedächtnisfunktion)? Gib mir eine Checkliste mit 5 Punkten.
    Sag mir zum Schluss, wie sicher du dir bist, und nenne Suchbegriffe oder offizielle Stellen, an denen ich es prüfen kann – erfinde keine Links. Schweizer Rechtschreibung (immer «ss», kein Eszett).

    Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

  4. Schritt 4 Etiketten ab: anonymisieren und mischen

    Kopieren Sie jede Antwort in ein leeres Dokument, je auf eine eigene Seite. Entfernen Sie alles, was die Herkunft verrät: Einleitungen, typische Formatierungen, Hinweise wie «Als KI-Assistent …».

    Vergeben Sie Buchstaben A, B, C, D und notieren Sie die Zuordnung auf einem separaten Zettel, den Sie umgedreht hinlegen. Am besten mischt eine Kollegin für Sie – dann sind auch Sie selbst blind.

    Hängen Sie fest? Frag die KI
    Frag die KI
    Ich bin Lehrperson an einer Schweizer Berufsfachschule. Ich anonymisiere Antworten verschiedener KI-Modelle für einen Blindvergleich. An welchen sprachlichen oder formalen Merkmalen erkennt man oft, von welchem Modell ein Text stammt, und wie entferne ich diese, ohne den Inhalt zu verändern?
    Sag mir zum Schluss, wie sicher du dir bist, und nenne Suchbegriffe oder offizielle Stellen, an denen ich es prüfen kann – erfinde keine Links. Schweizer Rechtschreibung (immer «ss», kein Eszett).

    Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

  5. Schritt 5 Die Jury tagt

    Bewerten Sie jede Antwort nach Ihren vier Kriterien (1–4 Punkte) und notieren Sie pro Antwort einen Satz: Was ist das Beste, was das Schwächste? Allein geht es nur, wenn eine Drittperson gemischt hat oder Sie mit einem Tag Abstand bewerten; zu dritt macht es am meisten Spass: Jede Person bewertet zuerst still, dann vergleichen Sie.

    Wichtig: Prüfen Sie Fakten wirklich – eine elegant formulierte Antwort mit einem Fachfehler verliert beim Kriterium «Fachlich korrekt».

    Hängen Sie fest? Frag die KI
    Frag die KI
    Ich bin Lehrperson an einer Schweizer Berufsfachschule. Drei Personen haben dieselben Texte nach denselben Kriterien unterschiedlich bewertet. Wie gehen wir damit um, ohne einfach den Durchschnitt zu nehmen? Gib mir ein kurzes, faires Vorgehen in 4 Schritten.
    Sag mir zum Schluss, wie sicher du dir bist, und nenne Suchbegriffe oder offizielle Stellen, an denen ich es prüfen kann – erfinde keine Links. Schweizer Rechtschreibung (immer «ss», kein Eszett).

    Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

  6. Schritt 6 Aufdecken – und die Hausregel

    Jetzt der Moment: Zettel umdrehen, Etiketten zuordnen. Und den gefalteten Tipp vom Anfang öffnen.

    Leiten Sie eine Hausregel ab, zum Beispiel: «Für Arbeitsaufträge frage ich zuerst Modell X, zum Gegenlesen Modell Y.» Formulieren Sie sie vorsichtig – sie gilt für diesen Aufgabentyp und diesen Durchgang, nicht für alle Zeiten. Modelle werden laufend aktualisiert.

    Prompt für die KI
    Ich habe vier KI-Antworten blind bewertet. Hier sind meine Kriterien und Punkte: [IHR JURY-ERGEBNIS].
    Hilf mir, eine vorsichtige Hausregel für diesen Aufgabentyp zu formulieren (ein Satz), und nenne drei Gründe, warum mein Ergebnis beim nächsten Durchgang anders ausfallen könnte.
    Erfinde keine Testergebnisse oder Ranglisten, die ich dir nicht gegeben habe.
    Schweizer Rechtschreibung (immer «ss», kein Eszett).

    Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

    Hängen Sie fest? Frag die KI
    Frag die KI
    Ich bin Lehrperson an einer Schweizer Berufsfachschule. Ich habe KI-Modelle in einem einzigen Blindtest verglichen. Wie aussagekräftig ist so ein Ergebnis, und wie mache ich den Vergleich verlässlicher, ohne dass er stundenlang dauert? Erkläre es für Laien.
    Sag mir zum Schluss, wie sicher du dir bist, und nenne Suchbegriffe oder offizielle Stellen, an denen ich es prüfen kann – erfinde keine Links. Schweizer Rechtschreibung (immer «ss», kein Eszett).

    Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

Twist · +50 XP

Der Doppelgänger

Schmuggeln Sie noch heute einen Doppelgänger in die Verkostung: Geben Sie einem der Modelle in einem zweiten neuen Chat denselben Prompt und legen Sie die Antwort als Buchstabe E dazu. Sagen Sie der Jury nichts.

Erhält E dieselben Punkte wie sein Zwilling? Meistens nicht. Diese Erfahrung ist Gold: Sie zeigt, dass KI-Antworten schwanken und ein einzelner Durchgang wenig beweist. Wer den Doppelgänger entlarvt, bekommt den Bonus.

04 Qualitätscheck +25 XP

Erst wenn alles stimmt, ist Ihr Produkt bereit für den Unterricht. Die Verantwortung bleibt bei Ihnen – die KI liefert Entwürfe.

05 Transfer in den Alltag

Machen Sie daraus ein Kaffeemaschinen-Duell in der Fachschaft: Jede Person bringt einen Auftrag mit, alle bewerten blind, in der Pause wird aufgedeckt. Mit Lernenden funktioniert es ebenso: Sie bewerten anonymisierte KI-Texte und eine eigene Version nach Kriterien – und lernen nebenbei, was gute Arbeit ausmacht. Wiederholen Sie die Verkostung in drei Monaten: Ändert sich Ihre Hausregel?

Bezug zur Berufsbildung

Bewerten nach vorher festgelegten Kriterien ist Kern jeder fairen Leistungsbeurteilung – im Qualifikationsverfahren wie im Lehrbetrieb. Die Blindverkostung trainiert genau diese Haltung und lässt sich mit Lernenden umsetzen: zum Beispiel beim Vergleich von Offerten, Produkten oder Kundenbriefen.

06 Funkquiz fehlerfrei +25 XP

1 Warum legen Sie die Bewertungskriterien fest, bevor Sie die Antworten lesen?
2 Sie geben denselben Prompt zweimal an dasselbe Modell. Was erwarten Sie?
3 Was gehört nicht zum Anonymisieren der Antworten?
4 Welche Schlussfolgerung aus einer Blindverkostung ist am besten begründet?

07 Weiterfragen: Mehr wissen mit der KI

Neugierig geworden? Diese Prompts holen Ihnen genau die Infos, die Sie interessieren. Tipp: Bitten Sie die KI immer auch um Belege – und prüfen Sie diese.

3 Prompts zum Weiterfragen anzeigen
Weiterfragen
Wie funktionieren öffentliche Vergleiche von KI-Modellen grundsätzlich (z. B. Ranglisten, bei denen Menschen blind zwischen zwei Antworten wählen)? Erkläre Stärken und Grenzen für Lehrpersonen und nenne Suchbegriffe statt Links.
Sag mir zum Schluss, wie sicher du dir bist, und nenne Suchbegriffe oder offizielle Stellen, an denen ich es prüfen kann – erfinde keine Links. Schweizer Rechtschreibung (immer «ss», kein Eszett).

Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

Weiterfragen
Ich bin Lehrperson an einer Schweizer Berufsfachschule. Warum geben Sprachmodelle auf denselben Prompt unterschiedliche Antworten? Erkläre den Begriff «Temperatur» ohne Formeln und sag mir, ob ich ihn im Gratis-Chat beeinflussen kann.
Sag mir zum Schluss, wie sicher du dir bist, und nenne Suchbegriffe oder offizielle Stellen, an denen ich es prüfen kann – erfinde keine Links. Schweizer Rechtschreibung (immer «ss», kein Eszett).

Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

Weiterfragen
Wie gestalte ich mit Lernenden eine Blindbewertung von Texten (KI und menschlich) fair und lernwirksam? Gib mir einen Ablauf für 45 Minuten an einer Schweizer Berufsfachschule.
Sag mir zum Schluss, wie sicher du dir bist, und nenne Suchbegriffe oder offizielle Stellen, an denen ich es prüfen kann – erfinde keine Links. Schweizer Rechtschreibung (immer «ss», kein Eszett).

Direkt öffnen in: ChatGPT Claude Perplexity · Gemini, Grok, Copilot: kopieren und einfügen

08 Downloads

09 Logbuch-Eintrag

Zwei Minuten Reflexion verankern mehr als zwanzig Minuten Lesen. Notieren Sie Ihre Antworten im eigenen Logbuch (Papier, Notiz-App) – diese Seite speichert keine Texte.

  • Lag Ihr Tipp vom Anfang richtig? Was sagt das über Ihr Bauchgefühl?
  • Welches Kriterium hat den Ausschlag gegeben – und hätten Sie es ohne Blindtest gleich gewichtet?
  • Für welchen anderen Aufgabentyp möchten Sie eine Blindverkostung machen?

Inhalt zuletzt geprüft am 19. November 2026. Werkzeuge ändern sich schnell – fällt Ihnen etwas auf? Melden Sie es uns.