Wenn die Prüfung nicht mehr zeigt, was Studierende wissen

Brown University – Ein Kurs zur Mathematischen Ökonomie zeigt, wie schwer Hochschulen sich mit generativer KI tun.

Providence, Rhode Island – Die Ergebnisse fielen zunächst kaum verdächtig aus. In einem Kurs zur Mathematischen Ökonomie an der Brown University hatten viele Studierende in Take-Home-Prüfungen und schriftlichen Arbeiten außergewöhnlich hohe Leistungen erzielt. Die Noten lagen auffallend dicht beieinander, zahlreiche Arbeiten bewegten sich nahe am oberen Ende der Bewertungsskala.

Erst eine spätere Prüfung unter Aufsicht brachte einen deutlichen Unterschied ans Licht. Als die Studierenden ihre Kenntnisse in einer klassischen Präsenzprüfung ohne Hilfsmittel zeigen mussten, sanken die Ergebnisse erheblich. Für den Kursleiter Roberto Serrano war der Abstand zwischen den beiden Prüfungsformen ein starkes Signal: Ein Teil der zuvor eingereichten Leistungen dürfte nicht allein auf eigener Arbeit beruht haben.

Der Fall an der Brown University, über den amerikanische Hochschulmedien und inzwischen auch internationale Medien berichteten, lenkt den Blick auf ein Problem, das Universitäten weltweit beschäftigt. Seit der Verbreitung von ChatGPT und ähnlichen Systemen steht die Frage im Raum, wie akademische Leistung noch zuverlässig gemessen werden kann, wenn Programme in wenigen Sekunden Texte, Berechnungen und Analysen erstellen können.

Dabei geht es nicht nur um einzelne Fälle von Täuschung. Die Entwicklung stellt ein Prüfungsmodell infrage, das über Jahrzehnte auf einer einfachen Annahme beruhte: Eine eingereichte Arbeit lässt erkennen, was ein Student oder eine Studentin selbst leisten kann.

Diese Annahme ist durch generative KI schwieriger geworden. Besonders betroffen sind Formate wie Hausarbeiten oder unbeaufsichtigte Online-Prüfungen. Sie bieten Studierenden Möglichkeiten, KI-Systeme einzusetzen, ohne dass der Umfang dieser Unterstützung anschließend eindeutig nachvollziehbar ist.

Viele Hochschulen reagieren bislang unterschiedlich. Einige verschärfen ihre Regeln und setzen wieder stärker auf beaufsichtigte Klausuren, mündliche Prüfungen oder Verfahren, bei denen der Entstehungsprozess einer Arbeit dokumentiert werden muss. Andere versuchen, KI als neues Werkzeug in den akademischen Alltag zu integrieren und verlangen vor allem Transparenz über ihre Nutzung.

Beide Wege stehen vor demselben Grundproblem: Hochschulen müssen neu bestimmen, welche Fähigkeiten sie eigentlich bewerten wollen. Geht es darum, eine Aufgabe ohne technische Unterstützung lösen zu können? Oder gehört es künftig zu wissenschaftlicher Kompetenz, KI-Systeme sinnvoll einzusetzen und deren Ergebnisse kritisch zu beurteilen?

Für Universitäten mit einem besonders hohen internationalen Ansehen ist diese Frage von besonderer Bedeutung. Der Wert eines akademischen Abschlusses hängt nicht allein von seinem Namen ab, sondern vom Vertrauen darauf, dass er tatsächliche Fähigkeiten bescheinigt.

Der Fall in Providence liefert darauf noch keine abschließende Antwort. Er zeigt jedoch, wie schnell sich die Bedingungen akademischer Bewertung verändert haben. Die Herausforderung für Hochschulen besteht nun darin, Prüfungsformen zu entwickeln, die auch in einer Welt mit allgegenwärtiger künstlicher Intelligenz noch erkennen lassen, was Studierende tatsächlich können.