In diesem Paper führen wir experimentelle Untersuchungen zum grammatischen Fehlerkorrektur (Grammatical Error Correction, GEC) durch, wobei wir die Feinheiten von Einzelmodellsystemen analysieren, die Effizienz von Ensembling- und Ranking-Verfahren vergleichen und die Anwendung großer Sprachmodelle in GEC sowohl als Einzelmodelle, als auch als Bestandteile von Ensembles sowie als Ranking-Methoden untersuchen. Wir erreichen neue State-of-the-Art-Ergebnisse mit F_0.5-Scores von 72,8 auf dem CoNLL-2014-Test und 81,4 auf dem BEA-Test. Um weitere Fortschritte im Bereich GEC zu ermöglichen und die Reproduzierbarkeit unserer Forschung sicherzustellen, stellen wir unseren Quellcode, die trainierten Modelle sowie die Ausgaben unserer Systeme öffentlich zur Verfügung.