Educators warn AI debate has focused too much on cheating, not enough on student learning

KI-Debatte an Hochschulen verschiebt sich vom Plagiatsproblem zur Bewertungsfrage: US-Lehrende fordern, Prüfungsformate neu zu denken, damit tatsächlich messbar wird, was Studierende gelernt haben. Der Fokus wandert damit weg von Detektionstechnik und hin zu Lernarchitektur.

Ausgangslage: Von der Verbotsdebatte zur Assessmentschmiede

Amy Bruckman, Regents Professor an der Georgia Tech School of Interactive Computing, positioniert sich klar gegen ein Verbot: KI werde im Berufsalltag voraussichtlich zum Standard sein, ein Bann auf Hochschulebene sei operativ nicht haltbar. Das Problem liegt für sie nicht im Tool, sondern in der Messmethodik – Studierende nutzten KI aktuell häufig, um das Lernen selbst zu umgehen.

Konkrete Maßnahmen: Analogtest als Messinstrument

Bruckman setzt im eigenen Lehrbetrieb auf geschlossene Klausuren auf Papier, um die KI-Resistenz der Bewertung sicherzustellen. Das Vorgehen ist kein nostalgischer Reflex, sondern eine bewusste Trennung von Lernnachweis und Tool-Einsatz: Wer KI für die Bearbeitung genutzt hat, aber den Stoff nicht verinnerlicht hat, fällt durch dieselbe Prüfung wie ohne Hilfsmittel. Grace Alexis, Chancellor am Generations College, bestätigt den Trend: Dozierende hätten KI anfangs primär durch die Plagiatslinse betrachtet und dann umgesteuert auf eine Neukonzeption der Lehre.

Machbarkeit für Schulen und Hochschulen

• Messbarkeit: Closed-Book-Prüfungen liefern ein klares Signal über Lernstand, skalieren aber bei großen Kohorten schlecht.
• Tool-Integration: Wer KI curricular einbindet, braucht begleitende Metriken, die unabhängig vom Tool den Outcome prüfen.
• Go/No-Go für die Praxis: Wer aktuell nur auf KI-Detektoren setzt, misst das falsche Signal. Empfehlung: Bewertungsformate auditieren, mindestens ein analoges Element pro Kurs verankern, Lernziele vor Tools priorisieren.

Was bleibt offen: belastbare Zahlen zu Lernoutcome-Veränderungen unter KI-Einsatz liefert die Meldung nicht – entsprechende Benchmarks sind die nächste sinnvolle Messgröße für jede Institution, die ihre Assessments überarbeiten will.