GESPRAECH.md

Übung im Gespräch (M5) — Erprobungszweig

Steht neben der klassischen Übung, nicht an ihrer Stelle. Ohne GESPRAECH=1 ändert sich für niemanden etwas. Ziel dieses Zweigs ist eine Antwort auf eine Frage, die sich nicht am Schreibtisch entscheiden lässt: trägt ein Gespräch besser als eine Welle Fragen?

Warum überhaupt

Die klassische Runde schreibt drei Fragen auf einmal und sieht die Antworten nie. Sichtbar wird das an bisherigeFragen (src/lib/server/runde.ts): dem Prüf-Agenten werden frage, thema und ergebnis übergeben — die Antwort des Kindes nie. responses.given steht in der Datenbank und landet in keinem Prompt. Die Anweisung „nimm gezielt auf, was gerade gewackelt hat" konnte der Agent also gar nicht befolgen: er weiß, dass etwas falsch war, nie was das Kind gedacht hat.

Daraus folgt der Zuschnitt hier: ein Modellaufruf je Kind-Zug, mit dem ganzen bisherigen Verlauf samt Antworten.

Der Ablauf

Selbsteinschätzung → Gespräch (Zug um Zug) → Rückschau → Zahl

Ein einziger Abschnitt. Es gibt keine getrennte Prüfung am Ende — das Kind soll an keiner Stelle das Gefühl haben, jetzt beginne die Bewertung.

Die Rückschau steht wie in der klassischen Übung vor der Zahl: wer erst 78 % liest, antwortet nicht mehr über sich.

Die fünf Entscheidungen

1. Die Schleife liegt im Server, nicht im SDK. Kein generateText mit Tools und stopWhen: ein Kind überlegt Minuten und lädt zwischendurch die Seite neu — darauf kann ein Tool-Loop nicht warten. Der Zustand steht in turns, der Server ruft je Zug einmal naechsterZug auf. Das bleibt generateObject (bzw. streamObject), die strukturierte Ausgabe ist also nicht aufgegeben.

2. Gemessen wird aus den Fragen der Session — allen, rein additiv. Es gibt keine zwei Sorten Fragen. Eine Frage im sechsten Zug zählt genauso viel wie die im ersten. Reine Redezüge zählen nie, und Fragen, die der Agent selbst als Gesprächssteuerung markiert (zaehlt: false), werden als kind='control' abgelegt und von rundeAbrechnen übersprungen — dieselbe Bauart wie die Nachfrage am Anfang einer Einordnung.

Gesteuert wird das über eine Zahl: das Punkteziel der Session (punkteZiel, rund 1,2 Punkte je Minute Kartenumfang). Der Agent bekommt bei jedem Zug gesagt, wo er steht — bei 5 von 12 und knapper Zeit stellt er Fragen statt zu reden, bei 12 von 12 ist Schluss. Was früher „die Prüfung" war, ist damit einfach das Auffüllen: mal zwei Fragen, mal keine.

Das Ziel ist Untergrenze, keine Obergrenze; ein Überschießen im letzten Zug ist kein Fehler. Es soll nur nicht vorkommen, dass eine Session auf drei Punkten steht — daraus lässt sich kein Prozentwert ablesen, der etwas bedeutet.

Das Kind erfährt davon nichts. Der Prompt verbietet dem Agenten ausdrücklich, über Punkte, Ziele, Prüfung oder Fortschritt zu sprechen, und die Seite zeigt während des Gesprächs keine Zahl — nur einen Balken ohne Beschriftung. Ein laufender Punktestand wäre das deutlichste „du wirst gerade geprüft"-Signal, das die Oberfläche senden könnte.

Wann die Session endet, entscheidet der Server, nicht der Agent: ein schluss, den niemand angefordert hat, wird zum Redezug, und beim angeforderten Abschluss wird der Zug als solcher festgeschrieben, auch wenn das Modell noch eine Frage anhängen wollte.

Bewusst kein ganzheitliches Modellurteil über das Gespräch: daran hängen roundTopics → Lehrer-Dashboard → kategorieAus → die Position der Karte in der Warteschlange. Und die Auskunft nach Art. 86 KI-VO soll „so viele Punkte, hier sind die Fragen" bleiben können, nicht „das Modell fand es 68 %". Das Gespräch erzeugt das qualitative Bild, und das geht dorthin, wo es hingehört: chapterAssessments.

rundeAbrechnen musste dafür nicht angefasst werden. Für die Abrechnung ist ein Gespräch eine Übung wie jede andere; das Klassen-Dashboard weiß von alldem nichts.

3. Das Heft ist Bias, kein Zaun. Der Agent darf verknüpfen, gegenüberstellen, nach dem Warum fragen — auch über den Aufschrieb hinaus. Der Preis dafür ist Ehrlichkeit: jeder Zug trägt bezug (heft | darueber-hinaus), und bei darueber-hinaus verweist der Agent nicht aufs Heft (sonst stimmt „schau nochmal nach" nicht) und das Kind sieht ein Abzeichen. Gespeichert wird das an turns.bezug und questions.bezug — auch für die spätere Prüfung durch die Lehrkraft.

4. Freitext als Frageart entfällt, das Gespräch ist der Freitext. bewerteFreitext prüfte gegen eine Stichwortliste und musste dabei die Verrenkung darfNochmal machen: sag, dass etwas fehlt, aber nicht was. Im Gespräch fällt das weg — der nächste Zug ist das Nachfassen. Deshalb hat eine Gesprächsfrage genau einen Versuch und trägt keinen Hinweis; ihre Punktzahl ist reine Schwierigkeit statt Versuchs-Kontingent (alsZeile(..., {einVersuch: true})).

5. Der Wortlaut des Kindes bleibt nicht liegen. Beim Abschluss wird turns.text für frei getippte Kind-Züge auf null gesetzt. Das Gerüst des Gesprächs bleibt (wer wann welchen Zug gemacht hat, alle Fragen, alle Punkte), der Wortlaut nicht. Angetippte Antworten bleiben stehen: sie stehen ohnehin in responses und sind kein Freitext.

Das ist der bewusste Preis für den offenen Kanal. MISSION sagt dazu: „Je strukturierter die Interaktion, desto geringer das Datenschutz-Risiko" — ein Gespräch ist genau die teure Form, die dort zurückgestellt wurde. Deshalb ist der Normalfall auch der angetippte Zug und freies Reden die Ausnahme, nicht umgekehrt.

Ausprobieren

GESPRAECH=1 npm run dev

Im Lernplan steht dann an jeder offenen Karte ein zweiter Knopf „Im Gespräch" neben „Üben". Beide Wege laufen nebeneinander — anders ließe sich nicht vergleichen.

Ohne API-Schlüssel geht es mit der Attrappe:

node scripts/gespraech-attrappe.mjs          # hört auf :8787
REQUESTY_BASE_URL=http://127.0.0.1:8787/v1 REQUESTY_API_KEY=egal GESPRAECH=1 npm run dev

Die Attrappe spielt ein festes Drehbuch (sechs Fragen und ein offener Zug, zusammen genau die 12 Punkte einer Zehn-Minuten-Karte) und streamt in Stücken. Sie sagt nichts über die Qualität echter Modellantworten — sie prüft nur, dass der Ablauf trägt.

Was noch offen ist

Kosten. Es gibt bis heute kein Prompt-Caching im Projekt — kein providerOptions, nirgends. Bei zwei Aufrufen je Einordnung fiel das nicht auf; bei 6–12 Zügen mit wachsendem Kontext ist es die Frage, an der das Budget hängt. Erster Schritt: prüfen, ob Requesty über den openai-compatible-Provider Cache-Control durchreicht. Der Verbrauch je Aufruf wird seit diesem Zweig im Mitschrieb mitgeführt (Mitschrieb.tokens), damit der Vergleich der beiden Modi keine Meinungsfrage ist.

Material-Werkzeug. Heute geht das volle Transkript in jeden Zug. Ein Werkzeug hol_material(thema), mit dem der Agent Material anfordert statt es immer zu bekommen, wäre die zweite große Kostenschraube — und zugleich die technische Form von „Heft als Bias": danach greifen statt darin eingesperrt sein.

Kalibrierung des Punkteziels. 1,2 Punkte je Minute ist geraten. Zu hoch heißt: das Gespräch wird zum Abfragen, weil der Agent auffüllen muss. Zu niedrig heißt: die Prozentzahl steht auf zu wenig Fragen. Das ist die erste Zahl, die nach echten Läufen nachzuziehen ist.

Prüfung durch die Lehrkraft. Ein freierer Agent braucht mehr Aufsicht, nicht weniger. Die angetippten Züge lassen sich weiter als einzelne Fragen stichproben (anonym, ohne Kind); Gesprächsverläufe nicht, weil Kind-Äußerungen identifizierend sind. questions.bezug ist schon dafür da: darueber-hinaus ist die naheliegende erste Stichprobe.

Wiederverwendung. Eine Frage, die nur als Zug 4 eines bestimmten Gesprächs Sinn ergibt, ist als Baustein nicht wiederverwendbar. Was bleibt, ist Wiederverwendung eine Ebene höher: welcher Zugang zu diesem Stoff hat getragen.