Es gibt eine Version der Universitätsbildung, in der ein Studierender einen Aufsatz einreicht, ein Algorithmus ihn bewertet und kein einziger Mensch jemals ein einziges Wort liest. Das ist keine Science-Fiction. Die Werkzeuge dafür existieren bereits, und einige davon sind mindestens seit 1998 kommerziell erhältlich. Die drängendere Frage ist nicht, ob dieses Szenario technisch möglich ist. Sie lautet, ob Universitäten verstehen, was verloren gehen würde, wenn es zur Normalität würde.
Eine Technologie, die viel älter ist als der ChatGPT-Moment
Die meiste öffentliche Diskussion über KI im Bildungswesen behandelt die Technologie als etwas, das erst kürzlich aufgetaucht ist und ein stabiles System durcheinanderwirbelt. Die Geschichte ist komplizierter. Der Bildungsverlag Pearson berichtet, dass seine spezialisierten, trainierten Systeme 39 Millionen Antworten bewertet haben, darunter Aufsätze, Kurzantworten und Gleichungen. Das ist kein Pilotprogramm. Das ist ein ausgereiftes kommerzielles Produkt mit einer langen Erfolgsbilanz, das lange vor den großen Sprachmodellen entwickelt wurde, die heute in aller Munde sind.
Was sich verändert hat, ist die Zugänglichkeit. Während des größten Teils dieser Geschichte war die KI-Bewertung ein teures Spezialwerkzeug, das für viele Institutionen unerreichbar war. Offen verfügbare Modelle wie ChatGPT und Claude haben diese Gleichung verändert. Eine Lehrkraft kann nun einen Aufsatz zusammen mit einem Notenschlüssel hochladen und innerhalb von Sekunden eine Bewertung und Feedback erhalten, ohne nennenswerte Kosten. Die Hürde für die Einführung ist drastisch gesunken, auch wenn sich die zugrundeliegende Logik der Technologie nicht grundlegend verändert hat.
Diese Logik lohnt es sich, genau zu verstehen. Diese Modelle bewerten Arbeiten nicht so, wie ein Mensch es tut. Sie sagen voraus, welche Note wahrscheinlich ist, basierend auf textlichen Mustern im Vergleich zu großen Mengen bestehender Texte. Wenn das Modell mit Material trainiert wurde, das der zu bewertenden Aufgabe ähnelt, neigen seine Vorhersagen dazu, näher an menschlichen Urteilen zu liegen. Wenn nicht, wird die Kluft größer. Das ist ein fundamentaler Unterschied: Vorhersage ist kein Verstehen.
Wohin die Forschung weist
Eine Studie von Forschern der University of Melbourne und der Cardiff University untersuchte, ob neuere Versionen von ChatGPT die Noten menschlicher Korrektoren bei 50 Bachelor-Aufsätzen in den Biowissenschaften zuverlässig replizieren konnten. Die Ergebnisse waren lehrreich. Es gab eine gewisse Übereinstimmung auf der Ebene der Gesamtuppsatznoten, aber die Forscher kamen zu dem Schluss, dass man sich nicht darauf verlassen konnte, dass ChatGPT Noten genau vergibt und erklärt. Die Leistung war besonders schwach bei spezifischen Bewertungskriterien wie der Angemessenheit des Inhalts und der Qualität der unterstützenden Belege. Das Modell neigte im Durchschnitt auch dazu, Aufsätze besser zu bewerten als menschliche Korrektoren.
Diese Aufwärtsdrift ist kein Fehler im herkömmlichen Sinne. Sie spiegelt wider, wie die Technologie funktioniert. Ein System, das vorhersagt statt bewertet, neigt zu Ergebnissen, die plausibel und akzeptabel wirken, was in Benotungsbegriffen oft großzügig bedeutet. Das hat echte Konsequenzen für akademische Standards und für die Bedeutung einer Note.
Australische Universitäten gehen vorsichtig damit um, wenn auch nicht immer transparent. Die Deakin University verbietet Lehrkräften, studentische Arbeiten in offen verfügbare KI-Tools hochzuladen, und beruft sich dabei auf Datenschutzbedenken im Zusammenhang mit Datenspeicherung im Ausland und australischen Datenschutzbestimmungen. Die University of Melbourne erlaubt Lehrkräften die Verwendung genehmigter KI-Tools zur Unterstützung ihrer Bewertung von Studierendenarbeiten, verbietet jedoch ausdrücklich, sich allein auf KI zu verlassen, um Noten oder Bewertungen festzulegen. Das Muster über alle Institutionen hinweg ist einheitlich: Menschliche Aufsicht ist erforderlich, und die Verantwortung für Urteile verbleibt bei der Person, nicht beim System.
Was verloren geht, wenn der Mensch einen Schritt zurücktritt
Hier ist, was die meiste Berichterstattung über die KI-Bewertung übersieht. Die Debatte neigt dazu, sich auf die Genauigkeit zu konzentrieren: Kann der Algorithmus die menschliche Punktzahl erreichen? Das ist der falsche Rahmen. Bewertung ist nicht nur eine Messübung. Sie ist eine Beziehung.
Forschungen zu den Perspektiven von Studierenden und Lehrkräften auf Feedback legen nahe, dass KI Distanz zwischen beiden schaffen kann. Studierende, die sich früher vielleicht mit einer Frage an einen Tutor gewandt hätten, wenden sich nun zuerst an die KI. Diese Verschiebung ist subtil, aber bedeutsam. Das Feedback einer menschlichen Lehrkraft trägt ein Signal, das eine Punktzahl von einem Algorithmus nicht vermitteln kann: Es sagt dem Studierenden, dass sein Lernen einer anderen Person wichtig ist.
Es gibt auch einen Rückkopplungskreislauf, der in die andere Richtung verläuft, von der Arbeit der Studierenden zurück zur Lehrkraft. Wenn ein großer Teil der Studierenden in einer Kohorte dasselbe Konzept missversteht, wird eine Lehrkraft, die ihre Aufsätze korrigiert, dies bemerken. Dieses Muster wird zu einer Gelegenheit, die Art und Weise zu verbessern, wie das Fach unterrichtet wird. Ein Algorithmus, der dieselben Aufsätze verarbeitet, bewertet sie zwar, aber er wird kein systemisches Lehrproblem signalisieren.
Die University of New South Wales hat in einigen Fächern einen anderen Ansatz erprobt, bei dem numerische Noten komplett abgeschafft und durch Kompetenzbeurteilungen anhand definierter Ergebnisse ersetzt wurden. Die Universität beschreibt dies als eine Verlagerung des Fokus hin zum Lernen der Studierenden. Das Pilotprojekt war nicht als Reaktion auf KI konzipiert, aber es weist auf eine breitere Frage hin: Wenn das Ziel der Bewertung das Lernen und nicht die Einstufung ist, welche Rolle sollte dann jedes Bewertungssystem, ob menschlich oder automatisiert, tatsächlich spielen?
Kurz gesagt
Die KI-Bewertung ist nicht neu, und sie wird nicht verschwinden. Neu ist, wie einfach sie geworden ist. Die verfügbaren Beweise deuten darauf hin, dass aktuelle KI-Tools das menschliche Urteil bei komplexen schriftlichen Arbeiten nicht zuverlässig replizieren können, insbesondere auf der Ebene spezifischer Kriterien. Universitäten reagieren darauf mit Richtlinien, die Menschen für die Endnoten in die Pflicht nehmen. Das tiefere Problem ist, dass die Reduzierung der Bewertung auf ein Notenproblem verfehlt, wofür Bewertung eigentlich da ist: zu verstehen, ob Lernen stattgefunden hat, und die Beziehung zwischen Lehrkraft und Studierendem zu stärken, die Lernen überhaupt erst möglich macht. Technologie kann diesen Prozess unterstützen. Sie kann ihn nicht ersetzen.
Basierend auf Berichten von The Conversation.
Zur Originalstudie.