Werde ich meine Deutschprüfung bestehen? So erkennst du, ob dein Readiness Score wirklich die Wahrheit sagt

Vor einer offiziellen Deutschprüfung kreisen meist zwei Fragen in deinem Kopf. Die laute: Werde ich bestehen? Die, die dich nachts wach hält: Kann ich dem überhaupt trauen, was mir sagt, dass ich bestehen werde?

Du hast geübt. Eine App hat dir einen steigenden Score gezeigt, ein grünes Häkchen eingeblendet und dich für bereit erklärt. Ganz geglaubt hast du es nicht — denn an einem einzigen Vormittag im Prüfungsraum hängen vielleicht ein Visum, ein Job, eine Aufenthaltserlaubnis oder die Familienzusammenführung. Und ein Häkchen ist keine Sicherheit.

Dein Zweifel ist genau richtig. Das Gefährlichste, was ein Vorbereitungstool tun kann, ist, dir ein Gefühl von Sicherheit zu geben, obwohl du noch nicht so weit bist. Hier erfährst du, warum das so oft passiert — und wie du einen ehrlichen Readiness Score von einem Score unterscheidest, der dir nur schmeichelt.

In der App bestanden, in der Prüfung durchgefallen

Dieses Scheitern hat ein klares Muster. Menschen berichten von Wochen des Übens, die ihnen „falsches Selbstvertrauen gegeben haben", von einem Bewertungssystem, das „ein Gefühl von Fortschritt verteilt, das man sich nicht wirklich verdient hat". Sie erwarten das Ergebnis, das die App versprochen hat — und bekommen am Ende ein deutlich kälteres Zertifikat. Die Prüfung wurde nicht schwerer. Die Vorbereitung hat ihnen nur gesagt, was sie hören wollten.

Das ist weder Pech noch deine Schuld. Es passiert, wenn ein KI-Tool gleichzeitig drei Dinge tut:

Die Übungen sind leichter als die echte Prüfung. KI-Aufgaben sind oft darauf abgestimmt, zu motivieren — nicht darauf, exakt die echte Schwierigkeit zu treffen. Deshalb sind Lesen und Hören in der realen Prüfung dann „viel schwerer als meine Übungsmaterialien", schneller und unruhiger als alles, was du vorher trainiert hast.
Die Bewertung ist zu großzügig. Forschung zu Prüfungen an einer deutschen Universität fand, dass KI deutlich mehr Punkte vergab als menschliche Bewertende; eine Studie zur Bewertung deutschsprachiger Maturaaufsätze fand, dass KI und menschliche Experten nur in etwa einem Drittel der Fälle bei der Endnote übereinstimmten. Die Zahl ist also schon geschönt, bevor du sie überhaupt siehst.
Das Feedback ist zu allgemein. Das Goethe-Institut warnt, dass KI-Grammatiktools Korrekturen markieren, die falsch oder irrelevant sind, und dass Lernende Feedback bekommen, das „eher wie eine Checkliste" wirkt als wie ein Urteil darüber, ob die Aufgabe wirklich erfüllt wurde. So wird oft gar nicht benannt, was dich in der Prüfung tatsächlich Punkte kostet.

Wenn man diese drei Dinge zu einer einzigen Zahl zusammenfasst, werden leichte Übungen, zu hohe Bewertungen und oberflächliches Feedback zu einem selbstsicheren „du bist bereit". Deshalb fallen Menschen nicht einfach nur durch — sie fallen überrascht durch. Genau diese Art von Misserfolg zerstört das Vertrauen in jedes Tool, das sie benutzt haben. Sogar positive Bewertungen verraten das Problem: Das Beste, was manche sagen können, ist, dass die Fragen „der Prüfung hoffentlich ähnlich sind". Hoffnung ist keine Messung.

Die eigentliche Frage ist nicht dein Score. Sondern ob du ihm trauen kannst.

Die Lösung ist keine freundlichere Zahl. Die Lösung ist zu verstehen, was einen ehrlichen Score von einem schmeichelnden trennt — damit du jedes Tool, auch unseres, am selben Maßstab prüfen kannst. Vier Fragen reichen dafür. Ein Score, der sie nicht beantworten kann, ist nur Dekoration.

1. Wird er an der echten Bestehensgrenze gemessen?

Ein ehrlicher Score ist an etwas außerhalb von sich selbst verankert: an dem cut-score, der für deine Prüfung auf deinem Niveau tatsächlich über Bestehen oder Nichtbestehen entscheidet. Ein schmeichelnder Score bewertet nach einer eigenen internen Kurve, bei der „gut genug für die App" keine feste Beziehung zu „gut genug für die Prüferin oder den Prüfer" hat. Frag also immer: Woran wird diese Zahl gemessen? Eine vage Antwort bedeutet eine vage Zahl.

2. Wird er mit mehr Daten vorsichtiger und genauer — oder einfach nur optimistischer?

Beobachte, was die Zahl macht, während du übst. Ein schmeichelnder Score steigt einfach immer weiter, weil ein steigender Score dich dazu bringt, die App wieder zu öffnen. Ein ehrlicher Score beginnt vorsichtig, weil er dich anfangs noch kaum kennt, und nähert sich dann mit jeder neuen Information genauer der Wahrheit. Die Richtung sollte mehr Genauigkeit sein — nicht bessere Laune.

3. Kann er dir sagen, warum — oder nur was?

Eine Zahl allein ist wie ein Horoskop. Ein ehrlicher Score zeigt, wie er zustande kommt: welche Prüfungsteile schwach sind, welche Grammatikthemen dir immer wieder Probleme machen, was du als Nächstes gezielt üben solltest. Ein Tool, das nicht erklären kann, warum es dich auf einem bestimmten Niveau einordnet, misst dich nicht wirklich — es rät und rundet.

4. Nutzt er vom Anfang bis zum Ende denselben Maßstab?

Wenn ein Tool dich erst auf ein Niveau einstuft und der spätere Bericht dem widerspricht, bedeutet am Ende keine der beiden Zahlen etwas. Ein ehrlicher Score misst dich vom ersten bis zum letzten Schritt mit einer einheitlichen Methode, damit das Ergebnis nachvollziehbar ist — statt nur ein Haufen gemischter Signale zu sein.

Wie der Lingviko Readiness Score jede dieser Fragen beantwortet

Wir haben unseren Readiness Score genau um diese vier Fragen herum gebaut — weil das dieselben Fragen sind, die wir auch stellen würden, bevor wir einer Zahl unseren eigenen Prüfungstag anvertrauen.

Er ist an der echten Bestehensgrenze kalibriert. Dein Score ist eine einzige pass-probability-Zahl, verknüpft mit dem CEFR cut-score für dein Niveau, von A1 bis B2, über die offiziellen Deutschprüfungen hinweg, die Menschen für Visum, Job oder Aufenthaltserlaubnis ablegen: Goethe, telc und ÖSD. Die Frage lautet: Wie wahrscheinlich ist es angesichts von allem, was wir von dir gesehen haben, dass du die Grenze überschreitest, die die Prüferinnen und Prüfer tatsächlich ziehen? Der Score ist nicht dafür gebaut, dir zu schmeicheln.

Er wird präziser, nicht freundlicher. Die Zahl ist bewusst so gebaut, dass sie eher zu wenig verspricht: ein belastbares Minimum, also das Niveau, von dem wir mindestens überzeugt sind, dass du es erreicht hast — nicht die rosigste Interpretation, die man noch irgendwie verteidigen könnte. Mehr Übungen heben den Score nicht an, um dich glücklich zu machen, sondern ziehen ihn näher an die Wahrheit. (Der technische Name dafür ist Bayesian posterior: vereinfacht gesagt ein Schätzwert, der sich mit jedem neuen Beleg aktualisiert, statt wie ein Durchschnitt einfach langsam nach oben zu driften.)

Ein Liniendiagramm, das zwei Readiness Scores mit einer Prüfungs-Bestehensgrenze vergleicht. Ein schmeichelnder Score steigt stetig über die Bestehensgrenze, während ein ehrlicher Score vorsichtig bleibt und sein Unsicherheitsbereich sich mit mehr Daten immer weiter zur Wahrheit hin verengt. — Ein schmeichelnder Score steigt, damit du die App weiter öffnest. Ein ehrlicher startet vorsichtig und nähert sich mit jeder neuen Information der Wahrheit.

Er kann dir immer sagen, warum. Jede Frage ist schon vor dem Anzeigen einer konkreten Fähigkeit und einem bestimmten Grammatikthema zugeordnet. Der Score entsteht also aus beschrifteten Belegen — nicht aus anonymem richtig oder falsch. Der Bericht zeigt dir deine Readiness getrennt nach Lesen, Hören, Schreiben und Sprechen und nennt die Grammatikthemen, die dich am meisten Punkte kosten, damit du genau weißt, was du verbessern musst.

Er nutzt durchgehend denselben Maßstab. Dieselbe Engine misst dich von der ersten Einstufungsfrage bis zum finalen Bericht, damit du nie am Anfang ein Urteil bekommst und am Ende ein widersprüchliches.

Die ehrliche Grenze dabei: Eine kalibrierte Wahrscheinlichkeit ist keine Kristallkugel, und kein Tool kann dir ein Bestehen versprechen. Was es tun kann: sich weigern, dich über deinen Stand zu belügen — und dir genau die Arbeit zeigen, die diese Zahl nach oben bewegt.

Die Wissenschaft dahinter: testen an der Grenze dessen, was du kannst

Das stammt aus der Item Response Theory, also der Mathematik hinter großen standardisierten Prüfungen. Eine Frage sagt dem System nur dann wirklich etwas, wenn ihr Ausgang unsicher ist. Fragst du weit unter deinem Niveau, beantwortest du sie richtig — und wir lernen fast nichts. Fragst du weit darüber, beantwortest du sie falsch — und wir lernen ebenfalls fast nichts. Die Information steckt an der Grenze: bei der Frage, die genau am Rand dessen liegt, was du gerade kannst, wo es in beide Richtungen gehen könnte. Genau dort verrät jede Antwort am meisten.

Ein Diagramm der Readiness Engine als adaptiver Kreislauf: Ein vorsichtiger Start führt zu einer Frage am Rand deiner Fähigkeit, dann zur Bewertung der Antwort und zur Aktualisierung der Schätzung. Das wiederholt sich, bis sich die Schätzung nicht mehr bewegt. Danach meldet die Schleife P(pass), also die Wahrscheinlichkeit zu bestehen, kalibriert an der Prüfungsgrenze. — Eine einzige Schleife läuft von deiner ersten Frage bis zu deinem finalen Score und meldet dann P(pass): deine Wahrscheinlichkeit, die Bestehensgrenze der Prüfung zu überschreiten, kalibriert auf den cut-score deines Niveaus.

Deshalb arbeitet das System nie einfach eine feste Liste ab. Nach jeder Antwort zeichnet es dein Fähigkeitsprofil neu und stellt eine Frage: Wo liegt die Grenze jetzt — und welche einzelne Frage würde das Bild am stärksten schärfen? Genau diese Frage stellt es dann. Mit jeder präziseren Schätzung verschiebt sich auch diese Grenze, und die Engine folgt ihr. So wird jede Frage dort eingesetzt, wo sie am meisten Sicherheit bringt, und keine dort verschwendet, wo das System längst genug weiß. Darum kann eine kurze adaptive Session dein Niveau genauer bestimmen als ein langer fester Test: Sie sucht die Grenze deines Wissens und prüft genau dort weiter, bis sich die Zahl nicht mehr bewegt.

Ein Test, der genau dann endet, wenn er genug weiß

Jede Antwort verkleinert den Bereich, in dem du liegen könntest. Stell dir einen Unsicherheitsbereich um dein Niveau vor: am Anfang breit, wenn die Engine dich noch kaum kennt, und mit jeder Frage enger. Die Session endet in dem Moment, in dem dieser Bereich eng genug ist, um dein Ergebnis zuverlässig festzulegen — und nicht später. Nah an der Bestehensgrenze fragt sie mehr, weil Sicherheit dort am schwersten zu gewinnen ist. Weit darüber oder darunter fragt sie weniger, weil die Antwort schon recht klar ist. Deshalb dauern keine zwei Readiness Checks gleich lang: Jeder endet dann, wenn das System sich bei dir sicher genug ist — nicht dann, wenn ein fester Fragenblock aufgebraucht ist.

Und mit jeder Person, die ihn nutzt, wird der Score schärfer. Hier ist der ehrliche Stand heute: Der Score ist an den veröffentlichten cut-scores verankert und bewusst so gebaut, dass er eher zu wenig verspricht, und wir sammeln noch die echten Prüfungsergebnisse, die uns erlauben würden, eine vollständige Kalibrierungskurve zu veröffentlichen. Wir tun nicht so, als wäre das schon erledigt. Was wir aufbauen, ist genau dieser Beweis: Jedes echte Prüfungsergebnis, das wir mit dem zuvor ausgegebenen Score abgleichen, zeigt der Engine genauer, wo die echten Grenzen liegen, welche Grammatikthemen schwerer sind, als sie aussehen, und wie eng der Unsicherheitsbereich sein muss, bevor eine Vorhersage das reale Ergebnis zuverlässig trifft. Mit jedem weiteren Ergebnis wird die Lücke zwischen unserer Zahl und deinem echten Prüfungsergebnis kleiner. So erreichen wir dieselbe Sicherheit mit weniger Fragen und einer kleineren Fehlerspanne. Das ist der Satz, den fast jedes andere Tool auslässt: nicht „Vertrau uns", sondern „So beweisen wir immer weiter, dass wir recht haben."

Probier es aus, bevor du ihm vertraust

Glaub das nicht einfach so. Auf der Website kannst du ohne Anmeldung eine echte B1-E-Mail korrigieren und zusehen, wie die Grammatik-Engine sie Zeile für Zeile verbessert, einen Hörtext in Prüfungsgeschwindigkeit bewerten lassen und eine Grammatik-Lücke ausfüllen, bei der genau eine Antwort wirklich passt. Das ist das Produkt direkt in deinem Browser — kein Demo-Video.

Wenn du auf die Frage „Werde ich bestehen?" eine echte Antwort willst, mach den Readiness Check: eine kurze adaptive Session, die dir einen einzigen ehrlichen pass-probability-Score zurückgibt, eine Aufschlüsselung für Lesen, Hören, Schreiben und Sprechen sowie die genauen Schwachstellen, die du vor dem Prüfungstag beheben solltest. Kein gut gelaunter Tipp. Eine Messung, mit der du arbeiten kannst.

Häufig gestellte Fragen

Worin unterscheidet sich ein Readiness Score von einem Ergebnis in einem Übungstest?

Ein Übungstest-Ergebnis zeigt dir, wie du bei einem einzelnen Satz von Fragen abgeschnitten hast. Ein Readiness Score schätzt, wie wahrscheinlich es ist, dass du die echte Prüfung bestehst — basierend auf allem, was du gemacht hast, und kalibriert auf den CEFR cut-score deines Niveaus. Das eine blickt auf einen einzelnen Test zurück; das andere blickt auf den Prüfungstag voraus und aktualisiert sich mit jedem neuen Beleg.

Warum wirkt ein ehrlicher Readiness Score manchmal niedriger als der Score aus einer anderen App?

Weil viele Tools aufblähen. Es wurde gezeigt, dass KI deutsche Antworten fast eine ganze Note großzügiger bewertet als Prüferinnen und Prüfer, und die Übungen sind oft leichter als die echte Prüfung. Ein ehrlicher Score startet vorsichtig und steigt nur mit echter Evidenz. Deshalb kann er niedriger aussehen als einer, der so gebaut wurde, dass er sich gut anfühlt. Eine niedrigere wahre Zahl ist besser als eine höhere falsche — denn nur sie passt zu dem, was im Prüfungsraum wirklich passiert.

Für welche Deutschprüfungen funktioniert das?

Für offizielle deutsche CEFR-Prüfungen von A1 bis B2 — also die Niveaus, die die meisten Menschen für Visum, Job oder Aufenthaltserlaubnis brauchen — einschließlich Prüfungen wie Goethe und telc. Der Score ist auf den cut-score deines Zielniveaus kalibriert. C1 und C2 deckt er bisher noch nicht ab.

Kann ein Readiness Score garantieren, dass ich bestehe?

Nein — und du solltest allem misstrauen, was das behauptet. Ein Bestehen zu versprechen ist genau die falsche Sicherheit, vor der dieser Artikel warnt. Ein Readiness Score ist eine kalibrierte Wahrscheinlichkeit plus eine Karte deiner Schwachstellen, kein Versprechen. Seine Aufgabe ist, dir ehrlich zu zeigen, wo du stehst und woran du arbeiten musst, damit der Prüfungstag keine Überraschung bringt.

Wie oft aktualisiert sich der Score?

Nach jeder Übung. Jede neue Antwort fließt in die Schätzung ein. Je mehr Belege das System hat, desto enger und verlässlicher wird die Zahl. Deshalb wird sie mit der Zeit präziser, statt einfach nur nach oben zu driften.

Mein Readiness Score ist niedrig. Was sollte ich tun?

Nutze die Aufschlüsselung. Sie zeigt dir deine schwächsten Prüfungsteile und die Grammatikthemen, die dich am meisten Punkte kosten — also genau die Liste, mit der du beim Üben am meisten herausholst. Arbeite sie durch und beobachte dann, wie die Zahl auf Basis echter Evidenz steigt. Ein Readiness Score zeigt seinen Wert gerade dann, wenn er niedrig ist und trotzdem steigt: Er sagt dir früh genug die Wahrheit, damit du noch etwas daran ändern kannst.

Das Wichtigste zum Schluss

Diese Frage verdient eine echte Antwort — keine beruhigende. Ein Readiness Score verdient Vertrauen auf dieselbe Weise wie eine gute Prüferin oder ein guter Prüfer: Er misst dich am echten Standard, bleibt vorsichtig, bevor er sicher wird, zeigt seine Begründung und nutzt vom ersten bis zum letzten Schritt denselben Maßstab. Finde eine Zahl, die all das erfüllt, und aus „hoffentlich" wird „ich weiß es". Am Morgen der Prüfung ist das mehr wert als jedes freundliche grüne Häkchen.