Australische Universitäten gespalten über den Einsatz von KI zur Bewertung von Studierendenarbeiten – divergente Richtlinien im Fokus

Divergente institutionelle Richtlinien

Eine klare Spaltung hat sich unter den australischen Hochschulträgern hinsichtlich des Einsatzes generativer Künstlicher Intelligenz zur Bewertung von Studierendenleistungen herausgebildet. Die University of New South Wales, die University of Melbourne und die University of Sydney haben pauschale Verbote erlassen, die Lehrende daran hindern, KI‑Tools zur Bewertung von Kursarbeiten zu verwenden. Im Gegensatz dazu haben die University of Adelaide, die University of Newcastle, die Deakin University und das RMIT eine bedingte Vorgehensweise gewählt, die den Mitarbeitenden die Nutzung von KI‑unterstützter Bewertung gestattet, sofern die akademische Fachkraft die endgültige Verantwortung für Note und Feedback behält.

Diese kontrastierenden Positionen spiegeln unterschiedliche Risikobewertungen und strategische Prioritäten wider. Die verbotene Gruppe beruft sich auf Bedenken hinsichtlich akademischer Integrität und der Zuverlässigkeit maschinengenerierter Bewertungen, während die zulassenden Institutionen potenzielle Effizienzgewinne und die Möglichkeit betonen, dass KI als ergänzender Gutachter fungieren kann.

Bedingte Nutzung und Opt‑Out‑Mechanismen

Wo KI‑Unterstützung erlaubt ist, haben die Universitäten Schutzmaßnahmen eingeführt. Die University of Newcastle bietet Studierenden beispielsweise das Recht, sich von einer KI‑gestützten Bewertung abzumelden, sodass ihre Arbeit ausschließlich von menschlichen Gutachtern bewertet wird. Die Deakin University erklärt ausdrücklich, dass Mitarbeitende KI zur Effizienzsteigerung und zur Unterstützung von Bewertungsprozessen einsetzen dürfen, das System jedoch keine Noten autonom vergeben darf. Die Western Sydney University betont ein „human‑centred“-Modell und besteht darauf, dass die Vergabe von Noten, Bewertungen und Feedback stets in der Verantwortung des akademischen Personals bleibt.

Diese Richtlinien zielen darauf ab, das Bedürfnis nach Entlastung der Arbeitsbelastung mit dem Erhalt akademischer Standards und dem Vertrauen der Studierenden zu vereinbaren. Durch die Beibehaltung der endgültigen menschlichen Entscheidung versuchen die Institutionen, das Risiko fehlerhafter oder voreingenommener KI‑Ergebnisse zu mindern, während sie gleichzeitig die unterstützende Rolle der Technologie erforschen.

Institutionen im explorativen Stadium

Mehrere Universitäten haben KI noch nicht für die Bewertung eingesetzt, integrieren die Technologie jedoch in breitere Lehr‑ und Prüfungspraktiken. Die Monash University, die University of Wollongong und die James Cook University geben an, dass KI derzeit nicht im Bewertungsprozess verwendet wird, sie jedoch eingesetzt wird, um das Lernen der Studierenden durch Schreibassistenten und personalisierte Feedback‑Generatoren zu unterstützen. Die University of Queensland entwickelt Richtlinien, die ausdrücklich sicherstellen, dass Fachkräfte die Arbeiten weiterhin direkt beurteilen, was einen vorsichtigen Ansatz gegenüber Automatisierung signalisiert.

Diese explorativen Schritte verdeutlichen eine vorsichtige Adoption, bei der Institutionen KI zunächst in niedrigschwelligen Kontexten pilotieren, bevor sie eine mögliche Ausweitung auf hochrelevante Benotungsentscheidungen prüfen.

Kritiker warnen vor einem potenziellen „Slop‑Cycle“

Gegner einer breitflächigen KI‑Bewertung argumentieren, dass ein „Slop‑Cycle“ entstehen könnte, in dem Studierende zunehmend KI‑generierte Aufgaben einreichen, die anschließend von KI bewertet werden. Dieser Rückkopplungsloop könnte zu einem Verifizierungs‑Drift führen, bei dem die Authentizität von Arbeiten schwerer zu bestätigen ist und halluzinierte Inhalte unbemerkt durchrutschen. Kritiker befürchten, dass ein solcher Zyklus den Ruf von Universitäten schädigen könnte, wenn minderwertige oder erfundene Einsendungen als legitime akademische Leistungen akzeptiert werden.

Die Warnung hebt ein systemisches Risiko hervor: Sobald KI zum primären Bewerter wird, steigt die Motivation der Studierenden, KI‑Generierung zu nutzen, was potenziell die Entwicklung kritischen Denkens und Schreibfähigkeiten untergräbt.

Arbeitsbelastungsdruck und das Versprechen eines „zweiten Augenpaars“

Akademisches Personal in Australien berichtet von hoher Arbeitsbelastung, wobei das Bewerten einen erheblichen Teil ihrer knappen Zeit beansprucht. Einige Dozent*innen sehen KI als potenzielles „zweites Augenpaar“, das Inkonsistenzen oder Plagiate markieren und damit die manuelle Belastung verringern könnte. Die Vorteile bleiben jedoch weitgehend ungetestet, und Mitarbeitende äußern Bedenken, dass eine zu starke Abhängigkeit von KI zu einer „Katastrophe“ führen könnte, wenn die Technologie die nuancierten Urteile für komplexe Aufgaben nicht erfassen kann.

Die Spannung zwischen möglicher Effizienz und unbewiesener Zuverlässigkeit unterstreicht die Notwendigkeit einer rigorosen Evaluierung, bevor KI‑gestützte Bewertung in größerem Umfang ausgerollt wird.

QUTs Projekt zur Bewertungsverbesserung und Bedenken des Personals

Die Queensland University of Technology (QUT) hat ein „assessment uplift project“ gestartet, das darauf abzielt, Bewertungen authentisch, vertrauenswürdig, skalierbar und zukunftsorientiert in einer KI‑ermöglichten Umgebung zu gestalten. Während die Initiative die Modernisierung von Bewertungspraktiken anstrebt, haben Mitarbeitende Bedenken geäußert, dass das Projekt das Volumen menschlicher Bewertungen reduzieren könnte, wodurch die Haupteinnahmequelle für nebenamtliche Dozent*innen, die von Bewertungsaufgaben abhängig sind, gefährdet würde.

Der QUT‑Fall veranschaulicht, wie institutionelle Strategien zur Integration von KI mit arbeitsmarktbezogenen Überlegungen kollidieren können und Fragen zur zukünftigen Rolle von Vertrags‑Dozent*innen aufwerfen.

Studentischer Widerstand gegen KI‑gestützte Bewertung

Die Meinung der Studierenden fügt eine weitere Komplexitätsebene hinzu. Ein*e QUT‑Studierende im Fach Creative Writing, Alex Cameron, äußerte deutlichen Widerstand gegen KI‑Bewertung und sagte, er würde nicht für einen Abschluss bezahlen, wenn die Bewertung von Maschinen durchgeführt würde. Camerons Kommentar spiegelt einen breiteren Widerstand von Studierenden gegenüber KI‑gestützter Bewertung wider, insbesondere in Disziplinen, in denen differenziertes Feedback geschätzt wird.

Ein solcher Widerstand legt nahe, dass jede Bewegung hin zu automatisierter Benotung die Erwartungen der Studierenden an menschliche Interaktion und Mentoring berücksichtigen muss.

Unklare Wirksamkeit und fehlende empirische Daten

Vertreter*innen der Universitäten geben zu, dass die Wirksamkeit von KI‑gestützter Bewertung im großen Maßstab unbekannt bleibt. Behauptungen über verbesserte Qualität oder Effizienz sind weitgehend ungetestet, und es liegen keine empirischen Daten zu Ergebnissen oder Zuverlässigkeit vor. Dieses Eingeständnis lässt die Auswirkungen von KI auf die Bewertung offen für weitere Untersuchungen und betont die Bedeutung systematischer Forschung, bevor institutionelle Roll‑outs erfolgen.

Ohne robuste Evidenz riskieren politische Entscheidungen, von Spekulationen statt von nachweisbarem Nutzen getrieben zu sein.

Praktische Implikationen für Organisationen

Für Unternehmen, die mit Absolvent*innen australischer Universitäten zusammenarbeiten oder diese beschäftigen, signalisiert das aktuelle Umfeld die Notwendigkeit von Wachsamkeit. Arbeitgeber sollten sich bewusst sein, dass Bewertungsstandards je nach KI‑Richtlinie der Institution stark variieren können, was die Konsistenz der Kompetenzen von Absolvent*innen beeinflussen könnte. Dort, wo KI‑Bewertung erlaubt ist, könnten Organisationen erwägen, die Credential‑Verifizierung durch zusätzliche Fähigkeits‑Assessments zu ergänzen, um sicherzustellen, dass die Absolvent*innen einer rigorosen menschlichen Bewertung unterzogen wurden. Umgekehrt könnten Institutionen, die KI‑Bewertung verbieten, Absolvent*innen hervorbringen, die traditionellere Feedback‑Erfahrungen haben – ein möglicher Vorteil für Rollen, die nuancierte analytische Fähigkeiten erfordern. In allen Fällen kann eine transparente Kommunikation mit Bildungspartnern über Bewertungspraktiken helfen, Erwartungen abzustimmen und Risiken, die sich aus divergierenden Benotungsansätzen ergeben, zu mindern.

• University of New South Wales, University of Melbourne, University of Sydney – Verbot von KI‑Bewertung.
• University of Adelaide, University of Newcastle, Deakin University, RMIT – Erlaubnis für KI‑Unterstützung unter menschlicher Aufsicht.
• Queensland University of Technology – Projekt zur Bewertungsverbesserung mit KI‑Authentizität.
• Monash University, University of Wollongong, James Cook University – Integration von KI in Lehre, aber nicht in Bewertung.