BERLIN / LONDON (IT BOLTWISE) – Während deutsche Hochschulen KI in Prüfungen noch vorsichtig ausloten, zeigt Chinas Fudan-Universität in Shanghai ein deutlich härteres Design: Studierende stellen KI-Fragen und die Fehler des Modells werden zur Note. Das Experiment wirkt didaktisch spannend, erhöht aber den Aufwand für Lehrende und verlangt KI-Kompetenz auf der Fakultätsebene. Die Debatte dreht sich damit weniger um die Technik als um Mindset, Prüfungsziele und konkrete Umsetzungsprozesse.
Deutschlands Hochschulen bewegen sich beim Thema Künstliche Intelligenz weiterhin im Sicherheitsmodus: ChatGPT und ähnliche Systeme werden zwar vielerorts diskutiert, doch bei zentralen Prüfungsformen wie Hausarbeiten und Klausuren bleibt vieles beim Status quo. Genau hier setzt die Gegenposition aus China an. In einem Kurs an der Fudan-Universität in Shanghai erhielten 51 Studierende keine klassische Abschlussarbeit. Stattdessen sollten sie Sprachmodelle gezielt „testen“, indem sie Fragen in einem vorgegebenen thematischen Rahmen formulieren. In der Logik dieses Ansatzes sinkt nicht die Lernleistung, sondern sie wird an der Fähigkeit gespiegelt, KI-Fehler zu provozieren und korrekt zu bewerten.
Technisch betrachtet basiert das Format auf einer kontrollierten Interaktion: Die Studierenden erstellen zehn Fragen, klären vorab selbst die korrekte Lösung und konfrontieren anschließend drei Sprachmodelle mit ihren Formulierungen. Bewertet wird dann nicht primär das, was das Modell „weiß“, sondern wie zuverlässig es bei kompetent konstruierten Testfällen bleibt. Je fehlerhafter die Antworten, desto besser die Note der Studierenden. Als besonders „hartes“ Prüfobjekt galt Claude, daneben wurden Modelle wie DeepSeek und MiniMax in den Ablauf eingebunden. Damit verlagert sich der Fokus von Reproduktion hin zu Robustheitsprüfung, Prompt-Design und Ergebnisanalyse.
Markt- und Wettbewerbsaspekte spielen in der Debatte eine heimliche Hauptrolle: Wenn ein Prüfungsformat funktioniert, entsteht daraus ein Lern- und Kompetenzstandard, den Absolventen später im Berufsalltag mitbringen. In der Praxis bedeutet das, dass „KI beurteilen“ als Kernkompetenz in den Vordergrund rückt – auch weil die Modelle je nach Domäne, Datenlage und Prompt-Strategie unterschiedlich versagen. Aus der Branche wird der Ansatz daher weniger als Gag, sondern als Training für KI-Governance verstanden: Wer Fehler klassifizieren kann, erkennt auch Halluzinationen, Unsicherheiten und methodische Schwächen. Genau diese Fähigkeit fehlt laut mehreren Einschätzungen oft in Hochschulkontexten noch, während andere Länder schneller in den Lernbetrieb investieren.
Aus der Perspektive der Hochschulpraxis ist der Haken jedoch weniger im Modell selbst als in der didaktischen Übersetzung. Doris Weßels, Professorin für Wirtschaftsinformatik an der HAW Kiel und Mitgründerin des KI-Kompetenzzentrums, ordnet den Fudan-Ansatz als „Kontrastprogramm“ ein: Er sei zwar innovativ, ersetze aber nicht automatisch das gesamte Prüfportfolio. Sie betont, dass Studierende dafür doppeltes Fachwissen benötigen – also einerseits inhaltliche Tiefe, andererseits ein tiefes Verständnis, wie KI-Modelle zu passenden Testfragen kommen und wie Ergebnisse bewertet werden. Gleichzeitig müsse verhindert werden, dass Lernende nur noch zu „KI-Modelltestern“ werden, ohne das Fachproblem wirklich zu beherrschen.
Auch Ute Schmid, Professorin für kognitive Systeme an der Universität Bamberg, sieht Potenzial, knüpft es aber an Kompetenzfragen. Sie argumentiert, dass Studierende einerseits die Grenzen von KI-Modellen kennenlernen und gleichzeitig Fähigkeiten zur kritischen Bewertung von Inhalten erwerben – unabhängig davon, ob diese von Maschinen oder Menschen stammen. Für Deutschland bleibt die Leitfrage damit: Welche Kompetenzen sollen in Zukunft messbar sein, und wie lassen sich diese in Prüfungsordnungen abbilden? Aus ihrer Sicht führt ein reiner Fokus auf Wissensreproduktion in eine Sackgasse. Stattdessen gewinnen Verständnis, Problemlösefähigkeit und die Bewertung von Qualität und Korrektheit an Bedeutung, weil diese Aspekte im KI-gestützten Alltag immer wieder auftreten.
Rechtlich ist der Rahmen in Deutschland laut Schmid zumindest teilweise vorhanden. Sie verweist dabei auf den Gesetzesentwurf des Bayerischen Hochschulinnovationsgesetzes, der den Einsatz von KI in Studium und Lehre verankern soll. In einem solchen Umfeld könne KI-Nutzung grundsätzlich auch explizit erlaubt werden – etwa in Portfolio-Prüfungen. Die größere Bremse liege jedoch in der Umsetzung: Schmid nennt einen sehr hohen Aufwand bei der Gestaltung neuer Lehr- und Prüfungsformate. Für jeden Lehrstuhl bedeutet das eine Neuausrichtung von Aufgabenlogiken, Bewertungskriterien und organisatorischen Abläufen. Dazu kommt, dass Entscheidungsträger, Lehrende und Verwaltung vielerorts erst Grundverständnisse und Prozesskompetenz aufbauen müssten.
Der entscheidende Kulturunterschied zeigt sich schließlich im Mindset. Weßels beschreibt als typische Hürde, dass an Hochschulen generative KI oft als Störfaktor verhandelt wird. Dadurch werde KI vor allem als Täuschungs- und Prüfproblem betrachtet, statt als Gegenstand des Lernens. Ihr Vorschlag läuft darauf hinaus, KI-Kompetenz systematisch in Bildungsziele zu integrieren: KI selbst zu verstehen, kritisch zu prüfen und in fachliche Prüfkonzepte einzubetten. Für deutsche Einrichtungen wäre das organisatorisch machbar, aber es erfordert gezielte Schulungen, klare Datenschutz- und Bewertungsrichtlinien sowie Zeit für Pilotierungen, bevor solche Formate skaliert werden.
In den nächsten Semestern dürfte sich ein Trend verfestigen: Prüfen wird stärker zu einer Übung in wissenschaftlicher Urteilskraft. Das Fudan-Design liefert dafür ein anschauliches Referenzmuster, das sich allerdings nicht 1:1 kopieren lässt. Wer „KI als Prüfling“ nutzt, braucht fest definierte thematische Rahmen, abgestufte Schwierigkeitsgrade, nachvollziehbare Kriterien für KI-Fehler und eine Lehrperspektive, die Ergebnisse plausibilisiert. Zugleich sollte der Datenschutz nicht zur Nebensache werden, weil Prüfungsdaten und Prompts je nach Systemwahl verarbeitet werden können. Für Studierende und Lehrende entsteht damit eine neue Qualifikationsschiene: KI-Entwicklungskompetenz ist hilfreich, aber die Bewertungsfähigkeit bleibt das eigentliche Differenzierungsmerkmal.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Chinas KI-Prüfung setzt auf Modell-Break: Warum deutsche Hochschulen zögern" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Chinas KI-Prüfung setzt auf Modell-Break: Warum deutsche Hochschulen zögern" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Chinas KI-Prüfung setzt auf Modell-Break: Warum deutsche Hochschulen zögern« bei Google Deutschland suchen, bei Bing oder Google News!