Gruppenprüfung mit KI: Individuelle Beiträge fair beurteilen

Das Problem

Eine Gruppe reicht eine überzeugende Arbeit ein, die mit KI-Unterstützung entstanden ist. Frau Keller sieht ein einheitliches Ergebnis, weiss aber nicht, wer die fachlichen Entscheidungen versteht. Eine umfangreiche Beitragsliste hilft wenig, wenn sie nur festhält, wer Text eingefügt hat.

Eine Gruppenprüfung hat häufig mehrere Ziele: gemeinsam ein Problem bearbeiten, Entscheidungen aushandeln und individuelles Verständnis zeigen. Diese Ziele verlangen unterschiedliche Nachweise. Wird alles in einer gemeinsamen Note zusammengezogen, können unsichtbare Beiträge untergehen und oberflächliche Mitarbeit belohnt werden.

KI macht diese Unterscheidung besonders wichtig. Das Erzeugen einer Passage sagt noch wenig darüber aus, ob jemand ihre Voraussetzungen kennt. Umgekehrt kann eine Person viel zur Qualität beitragen, indem sie einen falschen Vorschlag erkennt und die Gruppe zu einer besseren Lösung führt.

So lösen Sie es mit KI – Schritt für Schritt

1. Trennen Sie die Prüfungsziele. Öffnen Sie Ihre Aufgabenbeschreibung und ordnen Sie jedes Lernziel dem Gruppenprodukt, der Zusammenarbeit oder dem individuellen Verständnis zu. Kompetenz meint hier die Fähigkeit, Wissen in einer konkreten Situation anzuwenden. Legen Sie fest, welche Nachweise Sie für diese Fähigkeit tatsächlich brauchen.
2. Formulieren Sie transparente Kriterien. Erstellen Sie vor Arbeitsbeginn ein Raster für gemeinsame Qualität und ein getrenntes Raster für individuelle Begründungen. Legen Sie die Gewichtung nach den Regeln Ihres Moduls fest und kommunizieren Sie sie. Studierende sollen wissen, ob etwa die fachliche Entscheidung oder die Teamkoordination bewertet wird.
3. Planen Sie wechselnde Denkaufgaben. Lassen Sie die Gruppe Aufgaben wie Entwurf, Gegenprüfung und Begründung verteilen und wechseln. Die Rollen sollen Lerngelegenheiten schaffen, keine starren Rangordnungen. Geben Sie allen Zugang zu den zentralen Entscheidungen, damit niemand ausschliesslich die Formatierung übernimmt und dadurch Fachlernen verpasst.
4. Nutzen Sie KI für eine Probe des Rasters. Geben Sie erfundene Gruppenverläufe in ein freigegebenes Werkzeug ein. Fragen Sie, welche Beiträge im geplanten Raster sichtbar und welche unsichtbar werden. Prüfen Sie die Vorschläge selbst: Die KI kennt die tatsächliche Zusammenarbeit nicht und darf daraus keine Personenbewertung ableiten.
5. Fordern Sie wenige aussagekräftige Belege. Vereinbaren Sie beispielsweise eine dokumentierte Entscheidung mit verworfener Alternative sowie eine fachliche Korrektur. Ein Beitragsnachweis soll erklären, was jemand geprüft oder verändert hat und warum. Vollständige Chatprotokolle sind dafür meist weniger hilfreich als sorgfältig ausgewählte, zulässige Ausschnitte.
6. Führen Sie individuelle Erklärphasen durch. Stellen Sie Fragen zur gemeinsamen Arbeit, die jede Person eigenständig beantworten muss. Eine geeignete Frage lautet: «Welche Voraussetzung würde Ihre Empfehlung verändern?» Halten Sie Anspruch und verfügbare Vorbereitungszeit vergleichbar; ein zufälliges Detail darf nicht über die individuelle Bewertung entscheiden.
7. Führen Sie die Nachweise begründet zusammen. Beurteilen Sie Gruppenprodukt und persönliche Leistung zunächst getrennt. Prüfen Sie Widersprüche zwischen Selbstauskunft, Prozessbeleg und Erklärung, ohne vorschnell mangelnde Mitarbeit zu unterstellen. Dokumentieren Sie die Entscheidung anhand des angekündigten Rasters und besprechen Sie Unklarheiten im vorgesehenen Verfahren.

Vorlage zum Kopieren

Ich plane als Dozentin eine Gruppenprüfung mit erlaubter KI-Hilfe.
Lernziele: [fachliche und kooperative Ziele]
Gemeinsames Produkt: [Beschreibung]
Individuell zu zeigende Leistung: [Beschreibung]
Geplante Nachweise: [Liste ohne personenbezogene Angaben]
Entwirf getrennte Kriterien für Gruppenprodukt und Einzelverständnis.
Schlage vergleichbare individuelle Rückfragen vor.
Prüfe, ob stille Beiträge wie Fehlerkorrektur sichtbar werden.
Nenne mögliche Benachteiligungen durch Rollenverteilung oder Zugang.
Vergib keine Noten und erfinde keine institutionellen Regeln.

Passen Sie insbesondere den individuellen Nachweis an das Lernziel und die bereits angekündigten Prüfungsbedingungen an.

Welche Belege sind aussagekräftig?

Ein persönliches Gespräch sollte kein überraschendes Verhör sein. Lassen Sie vergleichbare Erklärformen vorher üben und klären Sie genehmigte Anpassungen rechtzeitig. Die Fähigkeit, spontan vor einer Gruppe zu sprechen, ist nur dann ein passendes Kriterium, wenn sie zum ausgewiesenen Prüfungsziel gehört.

Worauf Sie achten müssen

• Verwenden Sie für die Vorbereitung erfundene Fälle oder ausdrücklich freigegebene Materialien. Geben Sie keine Personendaten oder re-identifizierbaren Inhalte in nicht freigegebene KI-Dienste ein. Prüfen Sie, welche institutionellen Systeme für die konkrete Nutzung freigegeben sind.
• Prüfen Sie fachliche Aussagen, Quellen und vorgeschlagene Kriterien selbst. Eine KI kann plausible, aber falsche Angaben erzeugen; diese Fehler werden auch Halluzinationen genannt.
• Beachten Sie die Vorgaben Ihrer Hochschule und die zuständigen kantonalen Stellen. Lassen Sie rechtliche Fragen im Einzelfall fachlich prüfen, bevor aus einem Entwurf eine verbindliche Regel wird.
• Setzen Sie Selbsteinschätzungen und Rückmeldungen von Mitstudierenden nicht unbesehen in Noten um. Gruppenkonflikte, Zurückhaltung und unterschiedliche Sichtbarkeit können die Aussagen verzerren.
• Verlangen Sie keine privaten Kontodaten oder komplette Nutzungshistorien. Ein Prozessnachweis braucht einen fachlichen Zweck und einen angemessenen Umfang.

Ein Beispiel aus der Praxis

Ein fiktives Beispiel: Eine Projektgruppe an einer Schweizer Fachhochschule erstellt ein Beratungskonzept. Bisher erhielt die präsentierende Person besonders viel Aufmerksamkeit. Eine andere Person hatte jedoch einen zentralen Fehler im KI-Entwurf entdeckt und die Empfehlung geändert.

Frau Keller lässt nun jede Person eine eigene Entscheidung erklären und prüft zusätzlich eine veränderte Fallbedingung. Die Gruppe reicht einen knappen, gemeinsam bestätigten Entscheidungsverlauf ein. So wird die fachliche Korrektur sichtbar, ohne Textmengen als Leistungsmass zu verwenden. Bei widersprüchlichen Angaben klärt Frau Keller den Sachverhalt im Gespräch.

So hilft Ihnen Alpasana

Im Online-Kurs Prompt Engineering lernen Sie, Aufgabe, Kontext, Ziel und Ausgabeformat klar zu beschreiben. Sie üben, komplexe Aufträge in Schritte zu zerlegen und Antworten systematisch zu prüfen. Daraus können Sie eine wiederverwendbare Vorlage für Ihre Lehr- oder Betreuungspraxis entwickeln.

Der Kurs vermittelt das Handwerk für gute KI-Aufträge und berücksichtigt Datenschutz. Die fachlichen Lernziele, die Beurteilung von Studierenden und die Regeln Ihrer Hochschule bleiben in Ihrer Verantwortung.

Häufige Fragen

Muss jede Person dieselbe Aufgabe übernehmen?

Nein, arbeitsteilige Zusammenarbeit kann sinnvoll sein. Alle brauchen aber Gelegenheit, die für das individuelle Lernziel entscheidenden Denkhandlungen selbst auszuführen. Rotierende Rollen können diese Gelegenheit unterstützen.

Was passiert, wenn jemand einen KI-Vorschlag ablehnt?

Eine fachlich begründete Ablehnung kann ein wertvoller Beitrag sein. Verlangen Sie dafür eine Erklärung des Fehlers oder der unpassenden Annahme. Die blosse Aussage, man vertraue KI nicht, belegt die fachliche Prüfung noch nicht.

Braucht es immer eine mündliche Einzelprüfung?

Je nach Lernziel kann auch eine kurze schriftliche Fallvariation geeignet sein. Entscheidend sind ein eigenständiger Nachweis und vergleichbare Bedingungen. Die Form muss zu den geltenden Prüfungsregeln und angekündigten Kriterien passen.

Vertiefen können Sie dies mit KI-Korrektur an Hochschulen: Was muss die Zweitprüfung leisten, KI-Prüfung ohne Bezahlvorteil: Gleiche Bedingungen schaffen, KI-Lösungen kritisieren: Eine Prüfungsaufgabe mit Beispiel.