Formative Prüfung
Formative Prüfungen beziehen sich auf (Zwischen-)Etappen des Lernprozesses (Assesment for Learning) und dienen in erster Linie der Unterstützung und gezielten Förderung des Lernens. Dabei handelt es sich meist um kleinere Leistungsnachweise, die während des Semesters – also im Verlauf des Lernprozesses – erbracht werden. Sie bieten sowohl den Studierenden als auch den Lehrenden wertvolle Rückmeldungen über den aktuellen Wissens- und Kompetenzstand. (vgl. Reimann 2019) Diese Rückmeldungen ermöglichen es den Studierenden, ihr eigenes Lernverhalten kritisch zu reflektieren und bei Bedarf gezielt anzupassen (vgl. Schröder 2015). Formative Teilleistungen können dabei in vielfältiger Form gestaltet werden, etwa als Textzusammenfassungen, Berechnungen, Kurzvorträge, Experimente oder vergleichbare Aufgabenstellungen. Die Vergabe von Noten spielt hierbei eine eher untergeordnete Rolle – ist aber nicht grundsätzlich ausgeschlossen. (vgl. Reinmann 2019) In der Regel erfolgt jedoch keine Benotung. Vielmehr dient die formative Prüfung als Grundlage für gezieltes Feedback, das Studierende in ihrer Weiterentwicklung unterstützt – sei es im Hinblick auf produktive Herangehensweisen, beobachtbare Problemstellen oder typische Fehler. Die Art des Feedbacks kann je nach Rahmenbedingungen variieren: Es kann durch die Lehrperson erfolgen, als Peer-Feedback gestaltet oder auch kombiniert werden. Es kann individuell oder auf die gesamte Lerngruppe bezogen werden. (vgl. Niederkofler 2020)
Zur Abgrenzung siehe auch „diagnostische“ sowie „summative Prüfung“.
Quelle:
Schröder, Monika (2015): Kompetenzorientiert Prüfen. Zum Lernergebnis passende Prüfungsaufgaben. Hochschulrektorenkonferenz (Nexus Impulse f. d. Praxis). Bonn. Abrufbar unter: https://www.hrk-nexus.de/fileadmin/redaktion/hrk-nexus/07-Downloads/07-02-Publikationen/HRK_Ausgabe_4_Internet.pdf; Stand: 15.02.2022
Generative KI
Als generative KI werden Systeme bezeichnet, die auf Basis umfangreicher Trainingsdaten eigenständig Inhalte, wie zum Beispiel Texte, Bilder, Audio oder Videos erzeugen können. Sie beruhen auf Verfahren des maschinellen Lernens und dem Einsatz neuronaler Netze – weshalb sie der künstlichen Intelligenz zugeordnet werden. Verschiedene Anbieter stellen eine Vielzahl von Tools bereit, mit denen sich Inhalte mithilfe dieser Technologien effizient erstellen lassen. (vgl. KI:EDU.NRW 2025)
Halluzinationen
Generative KI-Modelle können Inhalte erzeugen, die faktisch falsch oder frei erfunden sind – sogenannte Halluzinationen. Anders als Suchmaschinen liefern sie oft nur eine Antwort, ohne transparente Quellen. Da die Modelle Informationen aus gelernten Mustern ableiten, entstehen dabei teils fehlerhafte Aussagen oder erfundene Quellen, die kritisch geprüft und durch eigene Recherchen abgesichert werden müssen. (vgl. Universität Osnabrück 2025)
Haltung
Unter Haltung wird in ii.oo die subjektive Überzeugung Studierender und Lehrender zu digitalen Prüfungen verstanden.
Sie ist die Grundlage, um bewusste Entscheidungen auf Basis der eigenen Kompetenzen (zur aktiven situationsangemessenen Problemlösung) zu treffen und umzusetzen. Kompetenzen ermöglichen das aktive Handeln, auch wenn das zu lösende Problem / die Herausforderung unbekannt ist. Kompetenzen sind dabei stets eng mit Werten verknüpft. "Werte sind die Kerne von Kompetenzen" (Erpenbeck & Sauter 2018). Werte bestimmen die Ausprägung der Handlungsfähigkeit in unbekannten Situationen und bilden ein theoretisches Handlungsgerüst. (vgl. Erpenbeck & Sauter 2018; Arnold et al. 2018; Zierer et al 2019; Braselmann et al. 2022)
Quelle:
Arnold, Patricia; Kilian, Lars; Stillosen, Anne; Zimmer, Gerald (2018): Handbuch E-Learning. Bielefeld: utb-Verlag.
Braselmann, Silke; Mathieson, Jolene; Moisisch, Oliver (2022): Multimodal take-home exams in online teaching and beyond: constructive and professional alignment in teacher education. In: Sonnleitner, Karin; Gartmeier; Martin (Hrsg.): Prüfen im Kontext kompetenzorientierter Hochschulbildung: Books on Demand (ZFHE-Zeitschrift für Hochschulentwickling, 1), S. 87–102; Abrufbar unter: https://zfhe.at/index.php/zfhe/article/download/1587/1054; Stand: 26.09.2022
Erpenbeck, John; Sauter, Werner (2018): Wertungen, Werte – Das Fieldbook für ein erfolgreiches Wertemanagement. Berlin, Heidelberg: Springer Verlag.
Zierer, Klaus; Weckend, Denise; Schatz, Christina (2019): Haltungsbildung ins Zentrum rücken. Theoretische Grundlagen und empirische Ergebnisse aus der Lehrerbildung. In: Rotter, Carolin; Schülke, Carsten; Bressler, Christoph (Hrsg.): Lehrerhandeln - eine Frage der Haltung?. Weinheim: Beltz.
Hauptgütekriterien bei einer Prüfung
Prüfungen im Hochschulbereich dienen dazu, die Leistungen der Studierenden zu erfassen. Um aussagekräftige Resultate zu gewährleisten, müssen Prüfungen bestimmte Gütekriterien wie Objektivität, Reliabilität, Validität erfüllen.
Abbildung 3: Gütekriterien (eigene Darstellung)
Hilfsmittel in Prüfungen
Zugelassene Hilfsmittel für eine Prüfung werden rechtzeitig vor dem Prüfungstermin von den Prüfenden oder der Prüfungskommission bekanntgegeben. Als Hilfsmittel gelten beispielsweise Dokumente, (selbst erstellte) Formelsammlungen, Fachliteratur, Gesetzestexte, Taschenrechner oder bestimmte Software bzw. Tools – vorausgesetzt, sie stehen allen Studierenden gleichermaßen zur Verfügung. Diese Hilfsmittel dienen der Unterstützung bei der Bearbeitung der Prüfungsaufgaben, indem sie beispielsweise komplexe Berechnungen erleichtern oder den Zugang zu relevanten Informationen ermöglichen. Der Einsatz dieser Hilfsmittel ist optional: Studierende dürfen sie verwenden, müssen dies jedoch nicht. Daher müssen die Prüfungsaufgaben so konzipiert werden, dass sie grundsätzlich auch ohne den Einsatz zugelassener Hilfsmittel beantwortet werden können. Sie gelten als allgemein zugelassene Arbeitsmittel im Rahmen der jeweiligen Prüfung.
Hybride Prüfung
Für den Begriff der hybriden Prüfung gibt es nach Bandtel et. al (2021) mindestens vier verschiedene Definitionen:
- Gleichzeitige Durchführung von Präsenz- und Fernprüfungen,
- Kombination von digitalem und analogem Workflow im Prüfungs-Lifecycle, z. B. analoge Vorbereitung und Durchführung, digitalisierte Abgabe durch Hochladen einer Datei, digitale Korrektur, Einsicht und Archivierung,
- Kombination von analogen und digitalen Bearbeitungsformen während einer Prüfung, z. B. Einsatz eines E-Prüfungssystems und zusätzlicher Prüfungsmaterialien in Papierform,
- Vielfalt verschiedener digitaler Bearbeitungsformen, z. B. mit oder ohne Drittapplikationen oder Closed-Book- und Open-Book-Teilprüfungen.
Im Projekt ii.oo finden überwiegend die Szenarien 2 – 4 Anwendung.
Quelle:
Bandtel, Matthias; Baume, Matthias; Brinkmann, Elena; Bedenlier, Svenja; Budde, Jannica, Eugster, Benjamin; Ghoneim, Andrea; Halbherr, Tobias; Persike, Malte; Rampelt, Florian;
Reinmann, Gabi; Sari, Zaim; Schulz, Alexsander (Hrsg.) (2021): Digitale Prüfungen in der Hochschule. Whitepaper einer Community Working Group aus Deutschland, Österreich und
der Schweiz. Stifterverband für die Deutsche Wissenschaft, Berlin: Hochschulforum Digitalisierung.
KI-Detektoren
KI-Detektoren konzentrieren sich bei ihrer Analyse vor allem auf die Textanalyse und die Identifikation neuronaler Sprachmuster.
- Textanalyse: Da Maschinen Texte nicht auf dieselbe Weise wie Menschen verstehen, stützen sich ihre Analysen auf statistische Methoden. Dabei wird unter anderem die Häufigkeit bestimmter Wörter, ihre Grundformen (Lemmata), inhaltlich verwandte Begriffe sowie sogenannte N-Gramme – also Wortfolgen – berücksichtigt. Ergänzend fließen Kennzahlen wie der Lesbarkeitsindex und der Gunning-Fog-Index in die Bewertung ein. Letzterer gibt an, wie viele Jahre formaler Schulbildung nötig sind, um einen Text bereits beim ersten Lesen vollständig zu erfassen.
Identifikation neuronaler Sprachmuster: Zusätzlich zur Textanalyse sind KI-Detektoren in der Lage, Texte anhand ihrer zugrunde liegenden Sprachmodelle zu identifizieren. Wird ein Text mithilfe künstlicher Intelligenz erzeugt, folgt er typischerweise bestimmten Mustern – etwa in Satzbau, Wortwahl oder Rhythmus –, die das zugrunde liegende neuronale Sprachmodell beim Training erlernt hat. Genau diese typischen Strukturen können als Erkennungsmerkmal dienen, wenn es darum geht, KI-generierte Texte von Menschen verfassten zu abzugrenzen.
(vgl. Lehrerinsel 2023)
Es gibt eine Vielzahl von KI-Detektoren – zu den bekanntesten zählen etwa ZeroGPT und QuillBot. Diese Werkzeuge arbeiten jedoch nicht mit absoluter Sicherheit, sondern liefern lediglich Wahrscheinlichkeitsaussagen darüber, ob ein Text von einer KI oder einem Menschen verfasst wurde. Dabei sind sowohl falsch-positive Ergebnisse möglich – also Fälle, in denen von Menschen geschriebene Texte fälschlicherweise als KI-generiert eingestuft werden – als auch falsch-negative Einschätzungen, bei denen KI-generierte Inhalte als von einem Menschen verfasst durchgehen.
KI-Kompetenzen
Die Entwicklung von Kompetenzen im Umgang mit KI umfasst nach Alles et al. (2025) vier zentrale Dimensionen: Verstehen, Anwenden, Reflektieren und Mitgestalten. Diese betreffen Lehrende und Lernende gleichermaßen und bilden die Grundlage eines praxisnahen Kompetenzmodells:
- Verstehen
Die Basis jeder KI-Kompetenz ist das Verständnis für die technischen Grundlagen und Funktionsweisen von KI-Systemen. Nur wer nachvollziehen kann, wie KI „denkt“ und arbeitet, ist in der Lage, ihr Potenzial realistisch einzuschätzen – ebenso wie ihre Grenzen und Risiken.
- Anwenden
Dies bedeutet, KI-Tools zunächst auszuprobieren und später gezielt in eigene Lern- oder Arbeitsprozesse zu integrieren. Anwendung ist nicht nur die technische Bedienung, sondern auch ein bewusster, kontextbezogener Einsatz.
- Reflektieren
Reflexion ist essenziell, um die Auswirkungen von KI auf das eigene Lernen sowie auf gesellschaftliche Zusammenhänge kritisch zu hinterfragen – insbesondere im Hinblick auf ethische, soziale und rechtliche Aspekte. Die Reflexion vertieft das Verständnis und schafft die Grundlage für einen verantwortungsvollen und anpassungsfähigen Umgang mit KI.
- Mitgestalten
Schließlich geht es darum, KI nicht nur zu konsumieren, sondern sie aktiv mitzugestalten – durch Feedback, neue Ideen oder Beiträge zum gesellschaftlichen Diskurs.
KI-Leitlinie-Hochschullehre
Die KI-Leitlinie bietet Orientierung und empfiehlt Maßnahmen für einen konstruktiven, verantwortungsvollen Umgang mit KI an Hochschulen. Sie unterstützt dabei, das Potenzial von KI wissenschaftlich fundiert, rechtlich abgesichert und ethisch reflektiert zu nutzen. (vgl. FIDL 2025)