Die Studie untersucht die Gebrauchstauglichkeit KI-gestützter Korrektur- und Feedbacksysteme im schulischen Kontext anhand der Tools FelloFish und Edaira. Auf Basis kontrollierter Testreihen mit simulierten Schülertexten wird insbesondere die Konsistenz automatisierter Bewertungen und die Wirkung iterativer Überarbeitungen anhand des automatisierten Feedbacks analysiert. Die Ergebnisse zeigen erhebliche Bewertungsvolatilität bei identischen Eingaben, eine fehlende Reproduzierbarkeit von Urteilen sowie inkonsistente Effekte bei der Umsetzung von Verbesserungsvorschlägen. Zudem wird deutlich, dass die Systeme dazu tendieren, wortgetreue Übernahmen automatisch vorgeschlagener Formulierungen besser zu bewerten als inhaltlich gleichwertige, eigenständige Überarbeitungen. Insgesamt weisen die Befunde auf strukturelle Grenzen von Bewertungssystemen auf Basis großer Sprachmodelle hin. Die Autoren folgern, dass solche Tools derzeit nicht für eine eigenständige Leistungsbewertung geeignet sind, sondern allenfalls als unterstützende Werkzeuge unter kritischer menschlicher Kontrolle eingesetzt werden sollten.