Mit Hilfe von Claude habe ich die Logfile-Auswertung im Biblionetz (Biblionetz:w00778) überarbeitet, bzw. ehrlicher formuliert: Claude (Biblionetz:w03768) die Logfile-Auswertung (Biblionetz:w00648) überarbeiten lassen. Zum einen, weil ich vor ca. 1.5 Jahren den Provider gewechselt habe, zum anderen weil sich das Abrufverhalten des Biblionetzes in letzter Zeit verändert hat.

Und weil ich zu faul bin, selbst zu formulieren, was da geändert worden ist, lasse ich das doch Claude gleich selbst beschreiben:

Oder härter formuliert: (Praktisch) kein Mensch liest das Biblionetz!

Es geht weiter mit der Serie "Gefühle in GMLS-Zeiten", heute mit dem Gefühl der GMLS-Korrektur-Unlust:

Immer mehr Hochschuldozierende beklagen sich darüber, dass abgegebene Arbeiten von Studierenden sehr nach generativen Machine-Learning-Systemen klingen. Prominent hat das die Literaturwissenschaftlerin Anna Wolter in der FAZ am 29.05.2026 formuliert Biblionetz:t33666. Sie meinte GMLS gefährden das Vertrauensverhältnis zwischen Lehrenden und Lernenden (Biblionetz:a01592):

und

Die GMLS-Korrektur-Unlust ist nicht zwingend mit einer Schuldzuweisung an die Studierenden, die GMLS als Abkürzung (Biblionetz:w03717) verwenden, verbunden. Oft ist es eher eine Art Trauer, dass sich die Situation so entwickelt, wie sie es tut.

Ein aktuelles Beispiel aus dem eigenen Unterrichtsalltag

Im Modul Informatikdidaktik des Fachdidaktikmasters Medien und Informatik müssen Studierende in einem Selbststudienauftrag Lehrpläne und Bildungsstandards miteinander vergleichen und uns diese Vergleich schriftlich abgeben. Sie sollen dadurch ein Gefühl für Lehrpläne und ihre Eigenarten und Unterschiede erhalten. Bisher enthielten die Abgaben der Studierenden oft persönliche Einschätzungen und auch Fehlvorstellungen. Diese konnten wir als Dozierende in der nächsten Präsenzveranstaltung aufgreifen und diskutieren. Seit GMLS werden die Abgaben von Jahr zu Jahr korrekter und glatter. Keine Fehler mehr, praktisch keine persönlichen Einschätzungen mehr. Damit verlieren die Abgaben für uns als Dozierende ihren Wert als formatives Assessment. Die Studierenden haben mit GMLS gearbeitet. Es kann sein, dass sie dabei etwas gelernt haben, dass die Chatbots sie auf Fehlvorstellungen aufmerksam gemacht haben - wir wissen es schlicht nicht. Damit macht aber das Lesen dieser Abgaben für uns keinen Sinn mehr. (Die Studierenden künftig aufzufordern, uns ihre Fragen oder Unklarheiten zu melden, hilft nur bedingt: Oft merken die Studierenden selbst gar nicht, dass sie etwas nicht oder falsch verstanden haben.)

Unser Rezept in diesem Moment der Überforderung: Diese Problematik mit unseren Studierenden diskutieren. Das geht bei uns einfacher als anderswo, weil wir Lehrpersonen und Didaktiker:innen ausbilden. Diese sind oder werden sich bald in der gleiche Situation befinden wie wir, also können wir die Diskussion als didaktischen Doppeldecker führen. Wirkliche Antworten haben wir bisher nicht.

Heute bin ich erstmals Zeuge von GMLS-generiertem Phishing geworden. Jemand aus meinem Umfeld erhielt eine Mail, das aussah wie eine Kollaborationsanfrage für ein geteiltes Microsoft-Dokument:

Namen von mir geschwärzt

So weit, so normal. Phishing wie man es so kennt. Inkl. zweier Sprachfehler, anhand derer ein geschultes Auge erkennt, dass dies nicht von Microsoft kommt.

Die angeschriebene Person hat aber verständlicherweise die beiden Sprachfehlerchen nicht gesehen und auf die Mail geantwortet, dass dies doch ein Versehen sein müsse. Und jetzt wird es spannend:

Menschen, die selbst Software herstellen, sind oft kritischer gegenüber gegebener (Standard-)Software als Menschen ohne Programmiererfahrung, weil sie wissen, dass es auch anders ginge. Für Menschen mit Programmiererfahrung ist dabei der Frust zweistufig: Als erstes ärgert man sich über unsägliche Usability einer Software. Fast schlimmer ist dann aber, dass die nicht programmierende Umgebung diesen Frust nicht versteht und lakonisch antwortet: "Das ist halt so." oder noch schlimmer mit: "Hast du denn keine anderen Sorgen?"

Doch es besteht Hoffnung: Nachdem nicht-programmierende Menschen erlebt haben, wie sich mit Hilfe generativer Machine-Learning-Systeme (GMLS) (Biblionetz:w02833) Software auch automatisiert herstellen (sprich: vibe-coden (Biblionetz:w03702)) lässt, sinkt auch ihre Toleranz gegenüber grottiger Usability.

Weniger akademisch formuliert:

Der Begriff ist zugegebenermassen noch etwas sperrig - das dahinter stehende Gefühl ist aber stabil: Seit einiger Zeit fühle ich eine Unlust, Dinge selbst zu machen, von denen ich weiss, dass ein generatives Machine-Learning-System (GMLS) (Biblionetz:w02833) es automatisch und deutlich schneller könnte.

Ein konkretes Beispiel: