Leistungsbewertung mit KI im Hochschulkontext neu denken

Aktuelle Studien zeigen, dass die meisten Studierenden KI-Tools nutzen. Wenn Hausarbeiten und Prüfungen leicht per KI erzeugt werden, geraten klassische summative Prüfungsformate unter Validitäts- und Fairnessdruck. Wir erarbeiten, wie Leistungen unter diesen Bedingungen verlässlich bewertet werden können und welche Zukunftskompetenzen Studierende zeigen sollen (u. a. Prompting, kritisches KI-Prüfen, Reflexion, kontextsensitive Toolwahl). Zugleich adressiert der Workshop Zukunftskompetenzen Lehrender: Assessment Literacy im KI-Zeitalter. In einer Arbeitsphase überarbeiten Teams eine konkrete Prüfungsaufgabe: Sie lösen sie zunächst mit KI aus Studierendenperspektive (Wie lässt sie sich mit KI lösen?) und gestalten sie anschließend aus Lehrendenperspektive so um, dass sie KI-robust und kompetenzorientiert wird. Ergebnis sind übertragbare Aufgabenentwürfe mit ersten Bewertungskriterien.

Literatur: Delcker, J., Heil, J., & Ifenthaler, D. (2025). Evidence-based development of an instrument for the assessment of teachers’ self-perceptions of their artificial intelligence competence. Educational Technology Research and Development, 73(1), 115–133. https://doi.org/10.1007/s11423-024-10418-1 Doyle, L., Nash, R. A., Jakcsiova, V., & Turner, E. (2025). “They want you to read their work”: Teachers’ and students’ perspectives on the use of AI for school feedback. Technology, Knowledge and Learning, 30, 1917–1941. https://doi.org/10.1007/s10758-025-09903-0 Ehlers, U.‑D., Lindner, M., Sommer, S., & Rauch, E. (2023). AICOMP-Future skills in a world increasingly shaped by AI. Ubiquity Proceedings, 3(1). https://doi.org/10.5334/uproc.91 Gogh, E., & Kovari, A. (2025). Homework in the AI era: Cheating, challenge, or change? Frontiers in Education, 10, 1609518. https://doi.org/10.3389/feduc.2025.1609518 Herzig, B. (2024). KI-bezogene Kompetenzen von Lehrkräften. Forum Bildung Digitalisierung e.V. https://magazin.forumbd.de/lehren-und-lernen/ki-bezogene-kompetenzen-von-lehrkraeften Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The AI Assessment Scale (AIAS): A framework for ethical integration of Generative AI in educational assessment. Journal of University Teaching & Learning Practice, 22(6). https://doi.org/10.53761/q3azde36 Verordnung (EU) 2024/1689 des Europäischen Parlaments und des Rates vom 13. Juni 2024 zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz und zur Änderung der Verordnungen (EG) Nr. 300/2008, (EU) Nr. 167/2013, (EU) Nr. 168/2013, (EU) 2018/858, (EU) 2018/1139 und (EU) 2019/2144 sowie der Richtlinien 2014/90/EU, (EU) 2016/797 und (EU) 2020/1828 (Verordnung über künstliche Intelligenz). (2024). https://eur-lex.europa.eu/legal-content/de/ALL/?uri=CELEX%3A32024R1689

Methode: Methodisch kombinieren wir Kurzinputs, strukturierte Diskussionen und ko-kreative Arbeitsphasen: Nach einer kurzen Begriffs- und Rahmensetzung analysieren die Teilnehmenden anhand von Beispielen, welche Annahmen klassischer Prüfungsformate durch generative KI unter Druck geraten. In Kleingruppen oder individuell bearbeiten sie anschließend eine Prüfungsaufgabe in einer „KI-auf-beiden-Seiten“-Übung, lösen sie zunächst mit KI aus Studierendenperspektive und identifizieren, wo Prompting, kritisches Prüfen und Reflexion erforderlich sind; danach überarbeiten (redesignen) sie die Aufgabe so, dass diese Kompetenzen über Prozessnachweise (z. B. Protokoll, Reflexion, kurze mündliche Verteidigung) und dialogische Elemente bewertbar werden. Peer-Feedback und eine gemeinsame Auswertung sichern die Übertragbarkeit.