Unter Druck entstehen Multiple-Choice-Fragen häufig „auf den letzten Drücker“ – mit Mehrdeutigkeiten, schwachen Distraktoren oder unpassendem Schwierigkeitsgrad. In diesem Lab bauen Lehrende und Studierende gemeinsam einen KI-gestützten, qualitätsgesicherten Prozess, der aus Kursmaterialien verlässliche Fragensets erzeugt und systematisch verbessert. Als Werkbank nutzen wir MC-Test: eine offene Webplattform, die anonym über ein Nobelpreis-Pseudonym funktioniert (ohne Account) und Generierung, Prüfung, Diagnostik und Export bündelt. MC-Test ist quelloffen (MIT-Lizenz) und als Webinstanz sofort nutzbar: https://mc-test.streamlit.app

Wir starten mit einem Blueprint (Lernziele, Topic, Bloom 1–3, typische Misskonzepte), erzeugen daraus 10–15 Items, prüfen sie mit klaren Kriterien (Eindeutigkeit, Plausibilität der Distraktoren, Materialbezug, Fairness) und entscheiden pro Item: behalten, überarbeiten oder verwerfen. Zum Schluss nutzen wir Fehlermuster zur Itemdiagnostik und exportieren optional nach Anki für Spaced Repetition.

Hybrid arbeiten wir in gemischten Gruppen (vor Ort/online) und teilen Ergebnisse in einer Galerie: zwei Top-Items, ein Qualitätsfund und eine konkrete Überarbeitungsregel.

Mitnehmen: Prompt-Vorlage, Qualitätscheckliste, geprüftes Mini-Fragenset optional mit Anki-Export.