KI-Korrektur an Hochschulen: Zweitprüfung

Das Problem

Frau Keller bekommt KI-Vorschläge zur Korrektur eines Hochschulmoduls. Die Kommentare wirken differenziert, enthalten aber vereinzelt Behauptungen, die in der studentischen Arbeit gar nicht vorkommen. Andere Vorschläge werten einen ungewöhnlichen, jedoch fachlich richtigen Lösungsweg ab.

Wenn Frau Keller zuerst die vorgeschlagene Note sieht, kann diese ihre eigene Einschätzung beeinflussen. Diese Vorprägung wird Ankereffekt genannt. Eine sinnvolle Zweitprüfung braucht deshalb einen eigenständigen fachlichen Blick und einen nachvollziehbaren Umgang mit Abweichungen.

Zuerst ist zu klären, ob die Hochschule diese Form der KI-Unterstützung überhaupt zulässt. Die folgende Anleitung beschreibt eine fachliche Kontrolle für einen erlaubten Einsatz. Sie schafft keine Erlaubnis zur Verarbeitung von Prüfungsarbeiten und ersetzt kein hochschulisches Prüfungsverfahren.

So lösen Sie es mit KI – Schritt für Schritt

1. Klären Sie Auftrag und Verantwortung. Öffnen Sie die verbindlichen Prüfungsunterlagen. Halten Sie fest, welche Unterstützung erlaubt ist, wer korrigiert und wer die Bewertung freigibt. Die prüfungsverantwortliche Person muss fachliche Einwände selbst beurteilen können; eine formale Unterschrift unter fremde Vorschläge genügt als Arbeitsweise nicht.
2. Präzisieren Sie das Bewertungsraster. Beschreiben Sie für jedes Kriterium, welche Leistung in der Arbeit erkennbar sein muss. Ein Bewertungsanker ist ein konkretes Beispiel für eine bestimmte Qualität. Erstellen Sie solche Beispiele für tragfähige, teilweise tragfähige und unzureichende Begründungen, ohne ungewöhnliche Lösungen auszuschliessen.
3. Erproben Sie die KI mit erfundenen Antworten. Verwenden Sie fachlich geprüfte Muster, darunter eine richtige Antwort in holpriger Sprache und eine elegante Antwort mit Denkfehler. Lassen Sie die KI Belegstellen nennen und Unsicherheit markieren. Kontrollieren Sie, ob sie Fachlichkeit und sprachliche Glätte auseinanderhält.
4. Lesen Sie die echte Arbeit zuerst eigenständig. Arbeiten Sie in der zugelassenen Prüfungsumgebung und notieren Sie vor dem KI-Vergleich Ihr Urteil pro Kriterium. Blenden Sie den KI-Notenvorschlag möglichst aus. So bleibt sichtbar, worauf Ihre ursprüngliche Einschätzung beruhte und wo erst die Maschine eine neue Frage aufgeworfen hat.
5. Prüfen Sie jeden übernahmefähigen Vorschlag. Vergleichen Sie Kommentar, behauptete Belegstelle und tatsächlichen Text. Fragen Sie: Ist das Kriterium erfüllt, teilweise erfüllt oder nicht belegt? Beziehen Sie auch alternative Lösungswege ein und korrigieren Sie falsche Textzuordnungen, statt nur die vorgeschlagene Punktzahl anzupassen.
6. Bearbeiten Sie Abweichungen systematisch. Notieren Sie, warum Sie zustimmen oder abweichen. Häufen sich ähnliche Fehlbewertungen, prüfen Sie alle möglicherweise betroffenen Arbeiten erneut am betreffenden Kriterium. Bei fachlich strittigen Fällen beziehen Sie gemäss Hochschulverfahren eine weitere qualifizierte Person ein und halten den Entscheid fest.
7. Geben Sie verständliches Feedback frei. Formulieren Sie die endgültige Rückmeldung so, dass Studierende den Bezug zwischen ihrer Leistung und dem Raster erkennen. Entfernen Sie unbelegte Aussagen über Motivation, Begabung oder angebliche KI-Nutzung. Dokumentieren Sie die fachliche Freigabe sowie den vorgesehenen Weg für Rückfragen.

Vorlage zum Kopieren

Ich bereite als Dozentin eine Korrekturkontrolle vor.
Nutze ausschliesslich diese erfundene Antwort: [Musterantwort].
Verbindliche Kriterien: [Raster mit Erläuterungen].
Erstelle eine Tabelle: Kriterium, konkrete Textstelle,
fachliche Begründung, Unsicherheit, menschliche Prüffrage.
Gib keine Gesamtnote aus. Erfinde keine Textbelege.
Berücksichtige fachlich gleichwertige alternative Lösungswege.
Trenne sprachliche Verständlichkeit von fachlicher Richtigkeit.
Markiere ausdrücklich, wenn ein Urteil mit dem Material nicht möglich ist.

Setzen Sie nur erfundene oder für diesen Zweck ausdrücklich freigegebene Materialien ein und passen Sie das Raster an Ihr Fach an.

Was muss im Kontrollprotokoll stehen?

Prüfen Sie bei einem systematischen Fehler nicht nur die Fälle mit schlechter Note. Auch eine unberechtigte Aufwertung kann die Gleichbehandlung beeinträchtigen. Eine Stichprobe kann Fehler aufdecken, ersetzt aber nicht die Verantwortung für jede freigegebene Bewertung.

Worauf Sie achten müssen

• Verwenden Sie für die Vorbereitung erfundene Fälle oder ausdrücklich freigegebene Materialien. Personendaten von Studierenden sowie Schülerdaten aus Praxisprojekten gehören nicht in öffentliche KI-Dienste; Namen zu entfernen genügt bei wiedererkennbaren Situationen nicht.
• 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.
• Laden Sie keine vollständigen Prüfungsarbeiten auf Verdacht hoch. Werkzeugfreigabe, Datenzugriff und Aufbewahrung müssen vor dem Einsatz geklärt sein.
• Bewerten Sie keine Persönlichkeitseigenschaften aus Texten. Sprachstil, Dialektspuren oder ein ungewohnter Aufbau sind keine verlässlichen Hinweise auf Fachkompetenz oder Täuschung.

Ein Beispiel aus der Praxis

Ein fiktives Beispiel: In einem Schweizer Hochschulmodul bewertet die KI eine Fallanalyse als unvollständig, weil ein erwarteter Fachbegriff fehlt. Frau Keller hatte den Text unabhängig gelesen und eine inhaltlich richtige Erklärung markiert.

Beim Vergleich erkennt sie, dass der Vorschlag Wortlaut mit Verständnis verwechselt. Sie begründet ihre abweichende Bewertung und prüft die übrigen Arbeiten gezielt auf denselben Fehler. Die endgültige Rückmeldung beschreibt nun den tatsächlich gezeigten Zusammenhang. Der Vorgang verbessert zugleich das Raster, das künftig weniger an einer einzigen Formulierung hängt.

So hilft Ihnen Alpasana

Die KI-Weiterbildung für Unternehmen vermittelt Grundlagen, den verantwortungsbewussten Umgang mit Daten und die Prüfung von KI-Ergebnissen. Das kann Ihrem Hochschulteam eine gemeinsame Grundlage für die Arbeit mit Texten, Analysen und Entscheidungsunterlagen geben. Lernen im eigenen Tempo und verifizierbare Abschlüsse gehören zum beschriebenen Angebot.

Für Teambuchungen können Sie Kontakt aufnehmen. Eine fachdidaktische Hochschulqualifikation oder eine Berechtigung zur automatisierten Benotung ergibt sich aus diesem Angebot nicht; den Transfer in Ihre Lehre gestalten Sie selbst.

Häufige Fragen

Reicht eine zweite KI als Kontrolle?

Nein, sie kann ähnliche Fehler machen und ebenfalls überzeugend begründen. Ein weiteres Werkzeug kann zusätzliche Fragen liefern. Die fachlich verantwortliche Person muss diese am Original und an den Kriterien klären.

Was mache ich bei Uneinigkeit im Korrekturteam?

Legen Sie die konkrete Textstelle und das strittige Kriterium nebeneinander. Klären Sie zuerst den Bewertungsmassstab, bevor Sie über eine Gesamtnote diskutieren. Nutzen Sie anschliessend das vorgesehene hochschulische Verfahren für die Entscheidung.

Können Studierende die Rückmeldung hinterfragen?

Kommunizieren Sie den an Ihrer Hochschule vorgesehenen Weg für Prüfungseinsicht und Rückfragen. Ihre Dokumentation sollte eine fachliche Erklärung ermöglichen, ohne auf die Autorität des Werkzeugs auszuweichen. Konkrete Fristen und Verfahrensrechte lassen Sie institutionell prüfen.

Vertiefen können Sie dies mit Prüfungsaufgaben vorab mit KI lösen lassen: Was zeigt der Test, Gruppenprüfung mit KI: Individuelle Beiträge fair beurteilen, KI-Lösungen kritisieren: Eine Prüfungsaufgabe mit Beispiel.