Zwei Blätter enthalten dieselbe Rechnung. Auf dem einen stehen die Schritte eng beieinander, auf dem anderen sind sie klar untereinander angeordnet. Das Ergebnis ist beide Male richtig. Trotzdem kann es unterschiedlich leicht sein, die gesuchte Größe, den Ansatz und die eingesetzten Zahlen zu finden.
Diese Alltagserfahrung berührt eine schwierige Prüfungsfrage: Zeigt eine übersichtliche Lösung besseres Verständnis? Hilft die Ordnung beim Denken? Oder erscheint dieselbe Leistung der korrigierenden Person nur überzeugender?
Eine am 5. November 2026 veröffentlichte Physikstudie untersucht den Zusammenhang genauer. Das Team um Heather Mei und Andrew F. Heckler an der Ohio State University fand: Lesbarkeit und räumliche Ordnung schriftlicher Lösungen gingen mit besseren Kursleistungen einher. Die Studie zeigt einen Zusammenhang, keinen nachgewiesenen Notenbonus durch schönere Schrift. Gerade die Trennung dieser beiden Aussagen macht den Befund interessant.
Was auf dem Blatt gemessen wurde
Die Forschenden werteten zwei Mechanikaufgaben aus der Abschlussprüfung eines einführenden Hochschulkurses aus. Die Daten stammen aus dem Herbst 2022. Die Veröffentlichung ist neu, die Prüfungssituation lag also bereits mehrere Jahre zurück. Ein Konferenzbeitrag vom August 2025 hatte den Ansatz zuvor vorgestellt.
In der endgültigen Stichprobe waren 225 Studierende vertreten, überwiegend aus dem ersten Studienjahr in technischen und naturwissenschaftlichen Fächern. Für Analysen mit vorhandenen ACT-Mathematikwerten standen 190 Personen zur Verfügung. Der ACT ist ein amerikanischer Studieneingangstest; sein Mathematikteil dient hier als Anhaltspunkt für vorherige mathematische Vorbereitung. Er bildet nicht das gesamte Vorwissen oder die gesamte Leistungsfähigkeit ab.
Für die Darstellung entwickelten die Forschenden ein eigenes Auswertungsschema. Zwei Personen sichteten anonymisierte Lösungen, verglichen ihre Zuordnungen und präzisierten die Kriterien. Anfangs wurden zwölf mögliche Merkmale erwogen. Ein pauschaler Eindruck von „Ordentlichkeit“ fiel heraus, weil er sich nicht eindeutig genug festlegen ließ. Auch Durchstreichungen wurden nicht einfach zum schlechten Merkmal erklärt: Wer einen Fehler korrigiert, muss ihn schließlich irgendwo kenntlich machen können.
Am Ende blieben sieben Merkmale. Sie bildeten zwei Gruppen:
- Form: gerade Zeilen, Abstände, räumliche Anordnung und Lesbarkeit der Schrift.
- Annotation: Markierungen der Endantwort, Definitionen von Variablen und zusätzliche sprachliche Erläuterungen.
Das ist mehr als eine Unterscheidung zwischen schön und hässlich. Form betrifft vor allem, wie Informationen auf der Seite auffindbar sind. Annotation betrifft, welche zusätzlichen Hinweise die schreibende Person anbringt. Die inhaltliche Richtigkeit wurde davon getrennt betrachtet.
Unser Beispiel verändert nur Umbrüche und Abstände. Es stellt damit eine eng begrenzte Gestaltungsfrage. Es bildet nicht alle sieben Merkmale der Studie nach und erlaubt keine Bewertung der Menschen, die so schreiben würden.
Wie groß der Zusammenhang ausfiel
Für Form und verschiedene Leistungsmaße berichtet das Team Korrelationen ungefähr um r = 0,3. Eine Korrelation beschreibt, wie stark zwei Größen gemeinsam variieren. Ein positiver Wert bedeutet hier: Höhere Formwerte gingen im Durchschnitt eher mit höheren Leistungen einher. Das ist ein eher kleiner bis mittlerer Zusammenhang mit viel Streuung. Aus einem einzelnen Blatt lässt sich daraus keine verlässliche persönliche Note ablesen.
Die Forschenden berücksichtigten außerdem Mathematikvorbereitung und selbst eingeschätzte Gewissenhaftigkeit. In den entsprechenden Regressionsmodellen erklärte Form anschließend noch etwa vier bis fünf Prozentpunkte zusätzliche Streuung mehrerer Leistungsmaße. Für die Kursnote stieg der in Tabelle V berichtete korrigierte erklärte Anteil beispielsweise von 0,38 auf 0,43.
Das bedeutet nicht, dass ordentliches Schreiben die Note um fünf Prozent verbessert. Verglichen wird, wie gut ein statistisches Modell die Unterschiede zwischen den beobachteten Personen beschreibt. Es wird niemand experimentell vom gleichen Wissensstand aus mit einer anderen Schrift zu einer um fünf Prozent besseren Leistung gebracht.
Auch die Aufgaben unterschieden sich. Bei der ersten hatten viele Studierende bereits die Höchstpunktzahl erreicht. Wenn sehr unterschiedliche Personen alle am oberen Ende landen, kann ein Test ihre Unterschiede schlechter sichtbar machen. Die zweite Aufgabe verteilte die Ergebnisse breiter und stand deshalb im Mittelpunkt vieler Analysen. Schon diese Eigenschaft begrenzt die Vorstellung eines allgemeinen Gesetzes für jeden Rechenweg.
Mehr Beschriftung war kein verlässlicher Vorteil
Annotation hing dagegen nur schwach und uneinheitlich mit Leistung zusammen. Teilweise wechselte sogar die Richtung des Zusammenhangs zwischen den beiden Aufgaben. Daraus folgt kein Rat, Variablen undefiniert zu lassen oder hilfreiche Begründungen wegzulassen.
Die Kategorie zählt unterschiedliche Handlungen zusammen. Eine knappe Erklärung kann den physikalischen Ansatz klären. Viele zusätzliche Sätze können aber auch Unsicherheit ausdrücken, wichtige Schritte verdecken oder unter Zeitdruck Aufwand kosten. Welche dieser Möglichkeiten tatsächlich wirkte, lässt sich aus den beobachteten Zusammenhängen allein nicht entscheiden. Außerdem war dieses Maß über die Aufgaben hinweg weniger stabil als Form.
Eine ältere Physikstudie von John Stewart und Shawn Ballard aus dem Jahr 2010 fand durchaus positive Zusammenhänge zwischen Sprache in Lösungen und Leistung. Sie untersuchte jedoch etwas anderes: zählbare Elemente aus Mathematik, Sprache und Grafiken in einem Elektrizitäts- und Magnetismuskurs. Das ist kein direkter Widerspruch. „Mehr geschriebene Sprache“, „hilfreiche Erklärung“ und der neue zusammengefasste Annotation-Wert sind nicht dieselbe Messgröße.
Die praktische Frage bleibt deshalb: Welche Information hilft beim Nachvollziehen dieses konkreten Gedankenschritts? Eine allgemeine Schreibquote beantwortet sie nicht.
Drei mögliche Wege vom Blatt zur Leistung
Der beobachtete Zusammenhang kann auf unterschiedlichen Wegen entstehen. Vorwissen kann sowohl eine richtige als auch eine übersichtliche Lösung erleichtern. Wer bereits erkennt, welcher physikalische Ansatz passt, muss auf dem Blatt möglicherweise weniger ausprobieren. Ein Teil der Ordnung wäre dann Folge von Sicherheit im Fach.
Ebenso könnte eine gute räumliche Struktur beim Arbeiten helfen. Wer Zwischenergebnisse wiederfindet und verschiedene Größen auseinanderhält, muss weniger im Kopf behalten. Diese Erklärung ist plausibel, wurde aber in der neuen Studie nicht durch zufällige Zuweisung zu einem Strukturtraining getestet.
Ein dritter Weg führt über die Bewertung. Eine leicht lesbare Lösung kann beim Korrigieren flüssiger verarbeitet werden. Das angenehme Lesen könnte auf den Eindruck der inhaltlichen Qualität abfärben. Ob die aktuelle Physikkorrelation dadurch erklärt wird und wie viel dieser Mechanismus beiträgt, bleibt offen.
Dazu kommt ein überraschender Befund: Form war nur sehr schwach mit der erhobenen Gewissenhaftigkeit verbunden. Man sollte eine ordentlich gegliederte Seite also nicht als direkten Persönlichkeitstest behandeln. Allerdings wurde Gewissenhaftigkeit lediglich mit zwei Selbstauskunftsfragen erfasst. Eine begrenzte Messung kann nicht sämtliche Unterschiede in Arbeitsweise, Motivation oder Vorbereitung ausschließen.
Auch die Korrektur ist nicht vollständig rekonstruierbar: Es wurde nicht dokumentiert, welche korrigierende Person welche Lösung bewertet hatte. Dass die Forschungs-Codierenden bei ihren Formzuordnungen weitgehend übereinstimmten, löst dieses andere Problem nicht. Übereinstimmung beim Messen der Darstellung ist noch kein Beweis für unverzerrte Prüfungsnoten.
Was Experimente zur Lesbarkeit beitragen
Für einen Bewertungseffekt braucht es einen anderen Vergleich: möglichst denselben Inhalt in unterschiedlicher Darstellung, zufällig verschiedenen Beurteilenden vorgelegt. Eine 2012 veröffentlichte Arbeit von Rainer Greifeneder und Kollegen untersuchte das mit handschriftlichen Aufsätzen. In zwei kontrollierten Experimenten zeigte sich ein Lesbarkeitseffekt auf Bewertungen. Die Forschung prüfte auch eine Erklärung über vermutete Geschlechterzugehörigkeit; diese erklärte den Effekt dort gerade nicht.
Das liefert einen möglichen Mechanismus, aber keine Messung seines Anteils an der neuen Physikstudie. Aufsätze sind andere Produkte als mechanische Rechnungen; die Versuchspersonen und Bewertungssituationen unterscheiden sich ebenfalls.
Zudem tritt ein solcher Effekt nicht automatisch auf. In einem 2021 veröffentlichten Experiment in *SN Social Sciences* bewerteten 40 Lehramtsstudierende Antworten zum menschlichen Blutkreislauf. Inhaltliche Qualität und Lesbarkeit wurden unabhängig variiert. Die Noten unterschieden sich erkennbar nach Inhalt, aber nicht messbar nach Handschriftlesbarkeit.
Die Autorinnen und Autoren vermuten, dass die klar strukturierte Bewertungsaufgabe eine bewusste oder spontane Trennung von Inhalt und Schrift erleichtert haben könnte. Das bleibt ihre Erklärung des Befunds; es ist kein allgemeiner Nachweis, dass eine Anleitung jede Bewertungsverzerrung ausschaltet. Die beiden experimentellen Forschungslinien zeigen vor allem, dass die konkrete Bewertungssituation zählt.
Fair bewerten heißt, das Lernziel sichtbar zu machen
Eine fachlich falsche Gleichung wird durch perfekte Abstände nicht richtig. Umgekehrt sollte ein nachvollziehbarer physikalischer Gedanke nicht deshalb weniger zählen, weil er keinem ästhetischen Ideal entspricht. Wenn wissenschaftliche Kommunikation selbst ein Lernziel ist, können Erwartungen an Lesbarkeit und Struktur sinnvoll sein. Sie sollten dann ausdrücklich genannt, geübt und von anderen Bewertungskriterien unterscheidbar sein.
Dass sich physikalisches Problemlösen differenzierter betrachten lässt, zeigt eine 2016 veröffentlichte Bewertungsrubrik von Jennifer Docktor und Kollegen. Sie trennt unter anderem eine hilfreiche Beschreibung der Aufgabe, die Wahl eines physikalischen Prinzips, seine konkrete Anwendung, mathematische Verfahren und den logischen Ablauf. Das ist eine fachbezogene Struktur, kein Schönschriftwettbewerb. Unser Beitrag über Prüfungsdesign und die Schwierigkeit, Verständnis zu messen führt diese größere Messfrage weiter.
Für Lernende ist ein vernünftiges Ziel deshalb, die eigene Rechnung überprüfbar zu machen: erkennbare Symbole, nachvollziehbare Zeilenfolge, auffindbare Zwischenschritte. Das ist eine Kommunikationshilfe, kein aus dieser Studie bewiesenes Rezept für höhere Noten. Bei Anforderungen an die Darstellungsform müssen zudem unterschiedliche Möglichkeiten des Schreibens berücksichtigt werden. Eine schwer lesbare Handbewegung ist keine Diagnose mangelnder Sorgfalt oder fehlenden Verständnisses. Wie stark das gewählte Werkzeug von der Aufgabe abhängt, erklärt unser Text über Handschrift, Tastatur und das jeweilige Lernziel.
Die neue Studie verglich auch Mittelwerte weiblicher und männlicher Teilnehmender in ihrer Stichprobe. Solche Gruppenmittel sagen wenig über ein einzelnes Blatt und seine Verfasserin oder seinen Verfasser aus. Aus der begrenzten Auswahl zweier Gruppen in einem Hochschulkurs lässt sich weder eine natürliche Schreibregel noch eine allgemeine Erklärung von Leistungsunterschieden ableiten.
Um den nächsten Schritt zu prüfen, wären kontrollierte Untersuchungen hilfreich: Verändert ein Training der räumlichen Lösungsdarstellung tatsächlich das fachliche Problemlösen? Ändert eine neu gesetzte, inhaltlich identische Fassung die Bewertung durch unabhängige Korrigierende? Das sind zwei verschiedene Experimente. Sie würden die bislang vermischten Wege besser trennen.
Bis dahin ist das Blatt ein aufschlussreicher Beobachtungsort. Es zeigt, wie eine Person ihr Denken mitteilt. Ob eine bessere Ordnung das Denken verbessert, nur vorhandene Sicherheit sichtbar macht oder den Blick der Korrektur beeinflusst, muss jeweils gesondert geprüft werden.
Quellenstand: 7. November 2026. Die neue Studie, die älteren Physikarbeiten und der Gegenbefund von 2021 wurden im Volltext beziehungsweise in den genannten relevanten Volltextabschnitten geprüft. Die experimentelle Arbeit von 2012 ist hier über ihr veröffentlichtes Abstract erschlossen. Die Originaldaten der neuen Studie sind wegen sensibler personenbezogener Informationen nicht öffentlich verfügbar. Cover und Vergleich enthalten ausschließlich redaktionell erstellte Beispiele.
