KI-Lösungen kritisieren: Eine Prüfungsaufgabe mit Beispiel

Das Problem

Frau Keller möchte eine Prüfung gestalten, in der KI-Nutzung sichtbar zum Gegenstand des Lernens wird. Studierende sollen eine überzeugend formulierte Lösung prüfen und begründet verbessern. Der erste Entwurf lautet jedoch nur: «Finden Sie die Fehler.» Damit bleibt unklar, welche fachliche Leistung erwartet wird.

Eine gute Lösungskritik verlangt mehr als Misstrauen. Studierende müssen richtige Aussagen erkennen, falsche Schlüsse begründen und Unsicherheit angemessen benennen. Wenn jede Passage absichtlich falsch ist, wird die Aufgabe zum Suchspiel und bildet anspruchsvolles Prüfen kaum ab.

Bewertungsanker sind konkrete Beschreibungen oder Beispiele für unterschiedliche Leistungsqualitäten. Sie helfen Frau Keller, zwischen einer blossen Behauptung, einer belegten Diagnose und einer tragfähigen Korrektur zu unterscheiden. Das macht die Bewertung nachvollziehbarer und gibt der Vorbereitung eine klare Richtung.

So lösen Sie es mit KI – Schritt für Schritt

1. Wählen Sie eine fachliche Entscheidung. Öffnen Sie Ihre Modulziele und bestimmen Sie, welche Urteilshandlung geprüft werden soll. Ein geeignetes Ziel lautet: «Studierende unterscheiden Beobachtung und Schlussfolgerung in einer Fallanalyse.» Legen Sie fest, welche Vorkenntnisse und Quellen während der Bearbeitung verfügbar sein werden.
2. Erstellen Sie zuerst die fachliche Referenz. Schreiben Sie selbst, welche Aussagen durch den Fall gedeckt sind und welche Grenzen gelten. Halten Sie vertretbare Alternativen fest. Ohne diese Referenz könnten Sie einen KI-Fehler als beabsichtigte Schwierigkeit übernehmen oder eine berechtigte studentische Kritik fälschlich abwerten.
3. Lassen Sie einen fiktiven Lösungstext entwerfen. Geben Sie der KI nur einen erfundenen Fall und ausgewählte Fehlerarten vor. Verlangen Sie auch korrekte Teile. Prüfen Sie jede Aussage anschliessend selbst; die KI muss nicht zuverlässig die Fehler erzeugen, die Sie bestellt haben, und kann zusätzliche Unklarheiten einbauen.
4. Formulieren Sie den studentischen Auftrag. Verlangen Sie die genaue Textstelle, die fachliche Beurteilung, einen Beleg und einen Verbesserungsvorschlag. Erlauben Sie ausdrücklich die Kategorie «mit den Angaben nicht entscheidbar». Damit wird vorsichtiges Urteilen belohnt, wenn der Fall keine eindeutige Schlussfolgerung erlaubt.
5. Bauen Sie ein getrenntes Raster. Unterscheiden Sie Erkennen, Begründen und Verbessern. Eine gefundene problematische Stelle verdient nicht dieselbe Bewertung wie eine tragfähige Diagnose. Halten Sie ausserdem fest, wie Sie zusätzliche berechtigte Einwände behandeln, die in Ihrer eigenen Musterlösung noch nicht stehen.
6. Lassen Sie eine Kollegin gegenlesen. Bitten Sie sie, den Fall ohne Ihre Fehlerliste zu bearbeiten. Vergleichen Sie ihre Lösung mit Ihrer Referenz und prüfen Sie die benötigten Informationen. Überarbeiten Sie Stellen, die nur wegen sprachlicher Mehrdeutigkeit schwierig sind, sofern Sprachdeutung nicht zum Lernziel gehört.
7. Üben Sie die Arbeitsweise vorher. Verwenden Sie einen anderen Fall, damit Studierende die Belegstruktur kennenlernen. Zeigen Sie, wie man eine richtige Passage ausdrücklich bestätigt und eine unklare Aussage eingrenzt. Geben Sie die Kriterien vor der Prüfung bekannt und setzen Sie zugelassene Hilfsmittel einheitlich um.

Vorlage zum Kopieren

Ich entwickle als Dozentin eine Übungsaufgabe zur Lösungskritik.
Lernziel: [fachliche Urteilshandlung]
Fiktiver Fall und geprüfte Referenz: [Text]
Erzeuge einen kurzen Lösungsvorschlag mit korrekten Aussagen
und diesen gezielten Schwächen: [Fehlerarten].
Liefere getrennt eine Prüftabelle für mich:
Textstelle, beabsichtigter Fehler, notwendiger Beleg,
vertretbare Verbesserung und mögliche alternative Deutung.
Erfinde keine Quellen. Kennzeichne zusätzlich entstandene Unsicherheit.
Formuliere einen studentischen Arbeitsauftrag ohne die Fehler zu verraten.

Ersetzen Sie die Fehlerarten durch fachlich passende Denkfehler und kontrollieren Sie die Trennung von Aufgabenblatt und Lösungshinweisen.

Ein kopierbarer Aufgabenbaustein

Fiktiver Fall: Ein Betrieb führt eine freiwillige Lernsprechstunde ein. Personen, die sie besuchen, bestehen die interne Wissensaufgabe häufiger als Personen, die nicht teilnehmen. Informationen über Vorwissen und Vorbereitung fehlen.

Zu prüfende KI-Aussage: «Die Lernsprechstunde verursacht den besseren Lernerfolg. Deshalb sollte sie unverändert für alle verpflichtend werden.»

Arbeitsauftrag: Prüfen Sie den Schluss auf eine Ursache, benennen Sie fehlende Informationen und formulieren Sie eine vorsichtigere Empfehlung. Erklären Sie auch, welche Aussage aufgrund der Beobachtung bestehen bleiben darf.

Hier bedeutet Kausalität einen ursächlichen Zusammenhang. Die Aufgabe prüft, ob Studierende eine beobachtete Verbindung von einem solchen Zusammenhang unterscheiden können. Sie enthält bewusst keine erfundenen Erfolgsquoten.

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.
• Geben Sie nicht vor, wie viele Fehler zwingend gefunden werden müssen, wenn zusätzliche begründete Deutungen möglich sind. Sonst fördern Sie Raten statt fachliche Prüfung.
• Belohnen Sie keine überzogene Skepsis. Eine korrekte Passage begründet stehen zu lassen, gehört ebenfalls zur Kritikfähigkeit.

Ein Beispiel aus der Praxis

Ein fiktives Beispiel: Frau Keller verwendet den Lernsprechstundenfall in einem Schweizer Hochschulmodul. In der ersten Erprobung streichen einige Studierende den gesamten Lösungstext, ohne die Beobachtung von der Schlussfolgerung zu trennen.

Sie ergänzt deshalb im Auftrag die Frage, was weiterhin gesagt werden darf. Im überarbeiteten Raster zählt die präzise Eingrenzung. Die Lernenden müssen nun erklären, weshalb die beobachtete Verbindung berichtenswert bleibt, die behauptete Ursache aber zusätzliche Belege benötigt. Das anschliessende Feedback bezieht sich auf diese Denkhandlung.

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

Müssen echte KI-Ausgaben verwendet werden?

Nein, ein didaktisch bearbeiteter Text kann zweckmässiger sein. Kennzeichnen Sie ihn als vorbereiteten Beispieltext, wenn er verändert wurde. Entscheidend sind fachliche Plausibilität und die passende Denkforderung.

Darf es mehrere richtige Verbesserungen geben?

Ja, sofern sie die fachlichen Voraussetzungen erfüllen. Beschreiben Sie im Raster die notwendige Qualität und nicht nur einen gewünschten Wortlaut. Begründete Alternativen machen eigenständiges Urteil sichtbar.

Wie verhindere ich reine Sprachkorrektur?

Verlangen Sie für jede fachliche Änderung einen Bezug zu Daten, Begriffen oder einem nachvollziehbaren Argument. Stiländerungen können separat notiert werden, ersetzen aber keine fachliche Begründung. Zeigen Sie diesen Unterschied bereits in der Übung.

Vertiefen können Sie dies mit Prüfungsaufgaben vorab mit KI lösen lassen: Was zeigt der Test, KI-Korrektur an Hochschulen: Was muss die Zweitprüfung leisten, Mit KI adaptive Probequizze für Hochschulmodule gestalten.