Leistungsaufgaben im mathematisch-naturwissenschaftlichen Fachunterricht sind zentral, um fachliche Kompetenzen von Schülerinnen und Schülern zu diagnostizieren, zu bewerten und um lernförderliches Feedback zu geben. Die erfolgreiche Bearbeitung schriftlich dargebotener Leistungsaufgaben erfordert jedoch sowohl kognitiv-fachliche als auch sprachliche Fähigkeiten. Letztere sind insbesondere entscheidend, um beim Prozess des Aufgabenlösens ein mentales Modell sowie situationsbezogenes Vorwissen zu aktivieren. Ungeklärt ist dabei jedoch, inwieweit sprachliche Anforderungen der Leistungsaufgaben deren empirische Schwierigkeit beeinflussen und wie sprachliche und kognitiv-fachliche Aufgabenmerkmale miteinander interagieren. Ziel dieser Studie ist es daher, in einem experimentellen Design zu untersuchen, welchen Einfluss kognitiv-fachliche Anforderungen (UV1) und sprachliche Anforderungen (UV2) von Leistungsaufgaben in den Domänen Mathematik und Physik auf die empirische Aufgabenschwierigkeit (AV) besitzen. Dabei werden neben den Haupteffekten (UV1, UV2) auch Interaktionseffekte (UV1*UV2) geprüft und analysiert, ob und ggf. welche Personenmerkmale (z. B. fachliche und sprachliche Fähigkeiten) die empirische Aufgabenschwierigkeit (AV) moderieren.Das Treatment der experimentellen Studie besteht im Bearbeiten von Leistungsaufgaben, die sich in ihren kognitiv-fachlichen und sprachlichen Anforderungen systematisch unterscheiden. Unter Beibehaltung des situativen Kontextes und der im Vordergrund stehenden fachlichen Kompetenz wird jede Leistungsaufgabe bezüglich dreier kognitiv-fachlicher und dreier sprachlicher Anforderungsstufen (gering, mittel, hoch) systematisch variiert. Entsprechend ergibt sich somit eine Matrix mit 3x3 Variation einer Leistungsaufgabe. Pro Fach werden 15 derartige 3x3-Matrizen mit variierten Leistungsaufgaben erstellt. Die Testaufgaben werden in 9 Testheften rotiert angeordnet. Die Zuweisung der Probanden auf die Testhefte erfolgt vollständig randomisiert. Mittels Poweranalysen wurde ein optimaler Stichprobenumfang von 1350 Schülerinnen und Schülern ermittelt. Zielgruppe sind Schülerinnen und Schüler der 9. Jahrgangsstufe aus drei Bundesländern.Die Daten werden statistisch mit Methoden der IRT mehrdimensional skaliert, um die Itemparameter für alle Testaufgaben zu bestimmen und die Effekte der kognitiv-fachlichen und sprachlichen Anforderungen und ihrer Interaktion auf die Aufgabenschwierigkeit zu analysieren. In Moderatoranalysen mittels Strukturgleichungsmodellen und unter Kontrolle der geschachtelten Datenstruktur im Rahmen von Mehrebenenanalysen wird untersucht, welche Personenmerkmale darüber hinaus die empirische Aufgabenschwierigkeit beeinflussen und inwiefern sich domänspezifische Effekte identifizieren lassen. Anhand der Ergebnisse lassen sich praxisrelevante Aussagen darüber ableiten, wie Leistungsaufgaben zu gestalten sind, um eine fachlich objektive, reliable und valide Leistungsdiagnostik und -bewertung zu erreichen.