Zum Inhalt springen

Generative KI und Prüfungsintegrität

Die rasante Verbreitung generativer KI-Systeme transformiert die Rahmenbedingungen universitärer Prüfungsordnungen und stellt traditionelle Konzepte akademischer Eigenständigkeit grundlegend infrage. Eine nachhaltige Sicherung von Prüfungsstandards erfordert die Abkehr von reinen Detektionsstrategien hin zu prozessorientierten und authentischen Leistungsnachweisen. Die Verknüpfung hochschuldidaktischer Innovationen mit klaren regulatorischen Leitlinien bildet das Fundament einer zukunftsfähigen Prüfungskultur.

Ziel

Welche didaktischen und regulatorischen Anpassungen sichern die Prüfungsintegrität im tertiären Bildungsbereich angesichts generativer KI?

Methodik

Qualitativ-vergleichende Dokumenten- und Diskursanalyse hochschuldidaktischer Rahmenkonzepte und aktueller bildungswissenschaftlicher Studien.

Wissenschaftliche Neuheit

Verknüpfung von Authentizitätskriterien beruflicher Handlungskompetenz mit hochschulrechtlichen Integritätsanforderungen im Kontext generativer KI.

Dokumentenvorschau

Dies ist eine kurze Vorschau. Die Vollversion enthält erweiterten Text für alle Abschnitte, ein Fazit und ein formatiertes Literaturverzeichnis.

Masterarbeit

DegreeType
Generative KI und Prüfungsintegrität

Vorgelegt von:

Group

Vorname Nachname

Betreuer/in:

Prof. Dr. Vorname Nachname

Stadt, 2026

Inhaltsverzeichnis

Einleitung
Theoretische Grundlagen generativer KI im Prüfungswesen
Funktionsweise und Leistungsfähigkeit moderner Sprachmodelle
Definition und Dimensionen akademischer Integrität
Rechtliche und ethische Rahmenbedingungen im österreichischen Hochschulraum
Herausforderungen traditioneller Prüfungsformate
Grenzen automatisierter Erkennungssoftware und textbasierter Detektion
Gefährdung der Urheberschaft bei schriftlichen Seminar- und Abschlussarbeiten
Spannungsfeld zwischen Prüfungsaufsicht und digitaler Barrierefreiheit
Didaktische und institutionelle Transformationsstrategien
Entwicklung authentischer und prozessorientierter Prüfungsdesigns
Integration von KI-Kompetenzen in Beurteilungsraster und Leistungsnachweise
Diskussion: Zukünftige Ausgestaltung universitärer Prüfungsordnungen
Fazit und Ausblick
Literaturverzeichnis

Einleitung

Die rasanten Fortschritte im Bereich generativer künstlicher Intelligenz fordern die traditionellen Strukturen der universitären Leistungsüberprüfung grundlegend heraus. Die unkomplizierte Generierung hochkomplexer akademischer Texte untergräbt klassische Kontrollmechanismen zur Sicherung wissenschaftlicher Redlichkeit in tertiären Bildungseinrichtungen [1]. Hierdurch entsteht eine tiefgreifende Diskrepanz zwischen bestehenden Regelwerken und der digitalen Realität studentischen Arbeitens.

Automatisierte Systeme zur KI-Erkennung erweisen sich zunehmend als unzuverlässig und unzureichend, um Fehlverhalten lückenlos nachzuweisen oder die Urheberschaft zweifelsfrei zu belegen [8]. Gleichzeitig wächst der institutionelle Druck auf Hochschulen, verlässliche Prüfungsstandards aufrechtzuerhalten, ohne innovative didaktische Potenziale sprachbasierter Assistenzsysteme von vornherein zu blockieren [2]. Das Vertrauen in schriftliche Einzelarbeiten erfordert daher eine umfassende Neuausrichtung curricolarer Rahmenbedingungen.

Der Schwerpunkt liegt auf der systematischen Analyse des Spannungsfeldes zwischen technologischer Automatisierung und prüfungsrechtlicher Integrität. Im Rahmen einer synthesengestützten Sekundäranalyse publizierter hochschuldidaktischer Richtlinien werden strukturelle Schwachstellen konventioneller Prüfungsmodelle identifiziert [5]. Ziel ist die Ableitung tragfähiger Kriterien für die Gestaltung authentischer und prozessbegleitender Leistungsnachweise.

Diese Auseinandersetzung leistet einen theoriegeleiteten Beitrag zur Fortentwicklung hochschulischer Qualitätsstandards im deutschsprachigen Bildungsraum. Durch die Verknüpfung didaktischer Reformansätze mit rechtlichen Integritätsanforderungen werden konkrete Handlungsoptionen für Lehrende und Prüfungskommissionen eröffnet [4]. Damit wird die Basis für eine zukunftssichere Prüfungskultur geschaffen.

Diskussion: Zukünftige Ausgestaltung universitärer Prüfungsordnungen

Die wissenschaftliche Debatte um generative Sprachmodelle verdeutlicht, dass herkömmliche Kontrollparadigmen im universitären Prüfungswesen an ihre strukturellen Grenzen stoßen. Während rein reaktive Strategien wie automatisierte KI-Detektoren und verschärfte Integritätsrichtlinien die institutionelle Reputation schützen sollen, erweisen sie sich in der Praxis als unzureichend, um unautorisierte KI-Nutzung verlässlich zu unterbinden (A framework for AI and vocational assessment in higher education, 2026). Gleichzeitig vollzieht sich die hochschulische Prüfungsentwicklung in einem kontinuierlichen Spannungsfeld aus didaktischer Innovation, evolutionärer Anpassung und regressivem Festhalten an traditionellen Präsenzprüfungen (Revolution, evolution, or regression – the transformation of assessments through times of pandemic and AI, 2024). Aus dieser Gegenüberstellung ergibt sich die dringende Notwendigkeit, akademische Prüfungsintegrität nicht primär als technologisches Überwachungsproblem zu begreifen, sondern nachhaltig durch authentische, prozessbegleitende Aufgabenformate abzusichern. Bestehende hochschuldidaktische Rahmenwerke vernachlässigen jedoch häufig die differenzierte Verknüpfung von Prozessbewertung, kollaborativer Interaktion und berufsbezogener Anwendungskompetenz im regulatorischen Kontext europäischer Hochschulgesetze. Genau an dieser Schnittstelle besteht eine zentrale Forschungslücke hinsichtlich empirisch fundierter Beurteilungsraster für formative und summative Prüfungsleistungen unter realen Lehrbedingungen. Als methodische Limitation der vorliegenden Synthese ist festzuhalten, dass viele publizierte Erkenntnisse auf kurzfristigen Pilotprojekten, kleinen Fallzahlen und rasch veraltenden Softwareversionen beruhen. Dies erschwert belastbare Aussagen über die dauerhafte Stabilität didaktischer Neugestaltungen im Hochschulalltag erheblich. Zudem fehlen bislang belastbare Langzeitstudien zur fachspezifischen Wirksamkeit transformierter Bewertungskriterien über heterogene Disziplinen hinweg. Universitäre Prüfungsordnungen müssen daher klare normative Rahmenbedingungen definieren, die pädagogische Innovationen aktiv fördern, anstatt sich auf fehlera…

Literaturverzeichnis

  1. A framework for AI and vocational assessment in higher education
    Bruno Balducci
    DOI-Link
  2. Revolution, evolution, or regression – the transformation of assessments through times of pandemic and AI
    Stylianos Hatzipanagos, Linda Amrane-Cooper, Alan Tait
    DOI-Link
  3. The Role of ChatGPT, Generative Language Models, and Artificial Intelligence in Medical Education: A Conversation With ChatGPT and a Call for Papers
    Günther Eysenbach
    DOI-Link
  4. Challenges and Opportunities of Generative AI for Higher Education as Explained by ChatGPT
    Rosario Michel‐Villarreal, Eliseo Luis Vilalta-perdomo, David Ernesto Salinas-Navarro et al.
  5. ChatGPT in higher education: Considerations for academic integrity and student learning
    Miriam Sullivan, Andrew Kelly, Paul McLaughlan
  6. AI-affordance alignment drives authentic learning gains without foundational erosion: a quasi-experimental pilot study from an environmental data science course
    Ahmed S. Elshall, Ashraf Badir, Mewcha Amha Gebremedhin
  7. Generative Artificial Intelligence and the Ambiguity of Academic Integrity in Higher Education
    Katerina Zdravkova
  8. Can Artificial Intelligence Complete My Assessment? A Student Led Initiative to Stress Test the Academic Integrity of University Assessment Using Generative AI
    Aidan Duane

Bibliographie

Geprüfte QuellenFormatierungsstandardsHohe EinzigartigkeitPro-Modelle
Launch Offer -25%

Forschungsarbeit

AZR (Abkürzungs- und Zitierregeln, Law)

€ 13€ 17
  • 30+ Seiten
  • Hohe Originalität
  • Export nach Word
  • Korrekte Formatierung
  • Öffentliche Vorschau
    Die Vorschau eines anderen Autors kann nicht privat gemacht werden. Deine Arbeit wird privat und absolut einzigartig sein.
  • Literaturverzeichnis (35+, AZR)
    +€ 2
  • Alternative Quellen hinzufügen (Nachrichten, .gov, .edu)

Forschungsarbeit

AZR (Abkürzungs- und Zitierregeln, Law)