Prüfen an Hochschulen in Zeiten Künstlicher Intelligenz

Zur Bedeutung Didaktischer Prinzipien

Ein Gastbeitrag von Prof. Dr. Thomas Heun

Die Verbreitung von Anwendungen aus dem Bereich der „Künstlichen Intelligenz“ (KI) schreitet im Hochschulwesen rasant voran. Im Rahmen der „KI4EDU“-Studie gaben 2025 95% der Studierenden an, dass Sie KI-Tools nutzen. Wirft man einen Blick auf die Art der Nutzung von KI-Tools, stehen mit „Themen erklären lassen“ (62%), „Recherche“ (62%), „Begriffserklärungen“ (55%), „Textkorrektur“ (51%) und „Gliederung“ (42%) Tätigkeiten im Vordergrund, die mit dem Schreibprozess im Rahmen schriftlicher Prüfungen (Paper, Thesis etc.) an Hochschulen verbunden werden können. Damit stellt sich Prüfenden bei der Bewertung der Paper ihrer Studierenden die Frage, welche Arbeiten von den Studierenden und welche von KI-Tools erledigt wurden.

Und weil das generelle Verbot von KI-Tools nicht sinnvoll ist, „KI-Detektoren“ aufgrund ihrer geringen Zuverlässigkeit wenig hilfreich sind (Baresel et al. 2025), wiederhole ich an dieser Stelle gerne die Empfehlung von Wessels et al. (2025, S.6), nach der „die effektivste Antwort auf die KI-Herausforderung (…) didaktischer Natur“ ist.

Doch wie lautet der Beitrag der Hochschuldidaktik zur Lösung des Problems? Ich empfehle schriftliche Prüfungen, wie Hausarbeiten oder Thesis, in Lehrkonzepte mit einem besonderen Fokus auf die Eigenleistung fördernde didaktische Prinzipien einzubinden. Was sind didaktische Prinzipien? Didaktische Prinzipien sind Leitlinien für die Konzeption, Durchführung und Bewertung von Lehr-Lernprozessen. Klassische Beispiele sind z. B. Problemorientierung (Lehre und Lernen orientieren sich an der Lösung von bestimmten Problemen) oder Handlungsorientierung (Fokus auf der Anwendung von Theorien und Methoden).

Ein Beispiel

Fokussierung auf drei zentrale didaktische Prinzipien:
Theoriereduktion, Empirismus / Forschendes Lernen, Anwendung / Spezifizierung

Wie helfen diese Prinzipien bei der Akzentuierung der Eigenleistung der Studierenden?

1. Theoriereduktion:

KI-Tools werden von Studierenden häufig zur Recherche und im Bereich der Theoriearbeit genutzt. Dementsprechend ist der Lerneffekt der Studierenden, die eine rein theoretische Arbeit mit einem hohen Maß an KI-Unterstützung verfassen, vglw. gering. Lehrende können Studierende auffordern, theoretische Ausführungen auf ein Mindestmaß zu reduzieren.

2. Empirismus / Forschendes Lernen:

Die Studierenden werden angehalten ihre Forschungsfragen primär-empirisch zu bearbeiten. Wer eine Fragestellung operationalisiert, eigene Daten erhebt, bereinigt und analysiert, kann KI-Tools punktuell sinnvoll einsetzen, z. B. um Daten zu aggregieren oder Teilbereiche zu analysieren, wird jedoch weite Teile des Forschungsprozesses persönlich und reflektiert bearbeiten müssen, um zu einem stimmigen Gesamtergebnis zu kommen.

3. Anwendung / Spezifizierung:

Wenn Studierende ihre eigene Studie zudem auf das spezifische Tätigkeitsfeld eines Praxispartners fokussieren, sinkt die Wahrscheinlichkeit eines Vermeidens von Lerneffekten auf Seiten der Studierenden weiter. Denn: je spezifischer das Fachwissen, desto schwächer ist die Leistungsfähigkeit von KI-Tools einzuschätzen.

Das Resultat: KI-Tools können in einem derartigen Lern-Schreibprozess punktuell als Helferlein zum Einsatz kommen, wenn es darum geht isolierte Arbeiten im Prozess für die Forschenden auszuführen, aber es ist unwahrscheinlich, dass sich weite Teile eines derart iterativen und spezifischen Prozesses durch KI-Tools simulieren lassen.

Abbildung 1 zeigt eine Auswahl an didaktischen Prinzipien, die von Teilnehmenden im Rahmen von hochschuldidaktischen Workshops u. a. an der FH Aachen mit Blick auf die aktuelle „KI-Challenge“ in der Prüfungspraxis an Hochschulen entwickelt wurden.

Fazit

Didaktische Prinzipien sind keineswegs „Allheilmittel“ im Umgang mit KI-Tools in Prüfungsszenarien. Sie haben vielmehr die Funktion von „Stellschrauben“, die Lehrenden helfen können die Eigenleistung der Studierenden in den Lernprozessen zu fördern. KI-Tools können auch in diesen Lernprozessen zum Einsatz kommen. Aber sobald der Einsatz von KI-Tools durch Studierende dazu führt, dass sie einer reinen Arbeitserleichterung dienen, permanente kognitive Entlastung fördern und einem „Deskilling“ Vorschub leisten, sollten didaktische Prinzipien im Rahmen von Lehr- und Prüfungsaktivitäten zum Einsatz kommen.

Literatur

Baresel, K., Horn, J. und Schorer, S. (2025). Der Einsatz von KI-Detektoren zur Überprüfung von Prüfungsleistungen – Eine Stellungnahme. Herausgegeben vom „Digitale Lehre Hub Niedersachsen“. DOI: https://doi.org/10.57961/fjg9-jr89

Enes, R. und Meckmann, F. und Le-Vu, T. (2025). KI in der Lehre – Eine aktuelle Übersicht über die Nutzung von KI im Studienkontext. doi:10.71764/opus-1576

Weßels D., Bils A., und Budde J. (2025). Wissenschaftliche Abschlussarbeiten im KI-Zeitalter. Disruption, Herausforderungen und neue Bewertungsansätze. Diskussionspapier Nr. 38. Berlin: Hochschulforum Digitalisierung. 

---

Der Soziologe und Didaktiker Prof. Dr. Thomas Heun lehrt an der Hochschule Rhein-Waal mit einem Schwerpunkt im Bereich digitaler Medien. Zu seinen derzeitigen Projekten gehört auch „Lehrkonzepte für das 21. Jahrhundert: Digitale Lehrinnovationen & Lehrkonzepte, Künstliche Intelligenz in Forschung und Lehre“. Im Wintersemester 2025/2026 war er bereits mit einem Online-Workshop zu Haus- und Abschlussarbeiten im Zeitalter von KI zu Gast an der FH Aachen.