AIEd-WissensbasisAIEd KB
Auf dieser Seite

Diese Seite wurde maschinell ins Deutsche übersetzt; die Artikelseiten sind weiterhin auf Englisch verfasst. Diese Seite auf Englisch lesen

Konzepte

Authentisches Assessment

Erstellt 2026-08-13 · Aktualisiert 2026-10-10

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

Authentisches Assessment – die Gestaltung von Assessments, die die Leistung von Studierenden an wertvollen, realistischen intellektuellen Aufgaben prüfen statt an isolierten, standardisierten Testaufgaben. Von Wiggins (1990) als Gegengewicht zu standardisierten Tests eingeführt, hat sich authentisches Assessment vom Nachvollziehen beruflicher Aufgaben hin zu einem mehrdimensionalen Rahmenwerk entwickelt, das professionelle, digitale, persönliche und soziale Authentizität umfasst. Generative KI hat authentisches Assessment neu unverzichtbar gemacht: Jede Aufgabe, die ein Sprachmodell in einer Take-home-Situation glaubwürdig simulieren kann, verliert ihre Validität als Beleg originaler Studierendenkompetenz, daher müssen authentische Formen rund darum neu gestaltet werden, was KI glaubwürdig nicht fälschen kann.

Fragen zum Nachdenken

  • Authentisches Assessment prüft Leistung an wertvollen, realistischen intellektuellen Aufgaben statt an isolierten Testaufgaben. Haben Sie vor der Lektüre angenommen, eine „authentische“ Aufgabe bilde einfach ein reales oder berufliches Szenario nach? Diese Seite argumentiert, Authentizität habe sich weit über bloße Nachbildung hinaus entwickelt – welche anderen Formen kann sie annehmen?
  • Eine zentrale Behauptung lautet, dass jede Aufgabe, die ein Sprachmodell in einer Take-home-Situation glaubwürdig simulieren kann, ihre Validität als Beleg originaler Studierendenkompetenz verliert. Welches Assessment in Ihrem eigenen Unterricht oder Studium würden Sie heute als „fälschbar“ betrachten – und warum?
  • Die Seite benennt eine frappierende Lücke: nur 3 von 37 Studien adressierten soziale Authentizität – ob Assessment Studierenden hilft, zu gesellschaftlichem Wandel beizutragen. Warum wird die soziale Dimension von Authentizität Ihrer Ansicht nach so vernachlässigt, und wie könnte ihre Bewertung tatsächlich aussehen?
  • Die Wissensbasis argumentiert, Authentizität müsse „neu gestaltet, nicht polizeilich überwacht“ werden. Wenn Studierende Rubriken mitverfassen, wählen, was und wie sie einreichen, und sich in Echtzeit-Interaktion engagieren, wird KI-Nutzung erwartet und deklariert statt verborgen. Wie würde das die Beziehung zwischen Studierenden und Prüfenden verändern?
  • Mündliche Prüfungen und prozessbasierte Portfolios werden als KI-resistente authentische Formen angeboten. Aber bewertete Reflexion und Selbstbewertung laufen Gefahr, performativ zu werden – Studierende vollziehen die Reflexion, von der sie glauben, sie sei erwünscht. Wie könnten Sie echtes Nachdenken statt Performanz gestalten?
  • Wenn KI die Rubrik, das Feedback und das Monitoring liefert, warnt die Seite, könne die metakognitive Praxis der Studierenden verdrängt werden. Wenn das Werkzeug das Bewerten übernimmt: Was bleibt für die Lernenden, das sie tatsächlich üben oder lernen können?

Einführung

Authentisches Assessment steht im Herzen der Neubestimmung von Leistungsbeurteilung im KI-Zeitalter. Es verbindet sich mit Validität von Assessments (misst das Assessment, was es zu messen beansprucht?), Formatives Assessment (authentische Aufgaben, die das Lernen speisen) und Akademische Integrität (Weg von der Detektion hin zum Entwerfen von Aufgaben, bei denen KI-Nutzung erwartet und deklariert ist). Es ist eine zentrale Antwort in der Literatur der Wissensbasis zur Neugestaltung des Assessments.

Die Entwicklung der Authentizität

  • Ursprünge in den 1990ern – wertvolle intellektuelle Aufgaben: Wiggins (1990) schlug authentisches Assessment als direkte Prüfung der „Studierendenleistung an wertvollen intellektuellen Aufgaben“ vor, als Gegengewicht zu standardisierten Tests.
  • Aufnahme in den späten 1990ern – Nachbildung des Berufslebens: Joughin (1998) rahmte Authentizität als das Ausmaß, in dem Assessment professionelle Praxis oder reales Leben nachbildet – eine Sicht, die zwei Jahrzehnte dominierte.
  • Kritik der 2020er – über Nachbildung hinaus: McArthur (2023) argumentierte, authentisches Assessment müsse Studierenden ermöglichen, „die Zukunft zu beeinflussen und die Gesellschaft zu verändern“, statt bloß bestehende Aufgaben nachzubilden; Ajjawi et al. (2024) verbreiterten Authentizität auf kontextuelle, aufgabenbezogene und persönliche Formen, die Studierendenerfahrung widerspiegeln.
  • Generative KI als existenzielle Herausforderung: Zhan, Boud & Du (2025) halten fest, dass generative KI die Authentizität der Berufsnachbildung neu verwundbar mache, was eine Hinwendung zu digitaler Kompetenz, Echtzeit-Zusammenarbeit, sozialem Beitrag und individueller Sinnstiftung antreibt – Dingen, die KI glaubwürdig nicht fälschen kann.

Ein sechsdimensionales Designmodell

Der Scoping Review von Zhan, Boud & Du (2025) von 37 empirischen Studien (2000–2024) schlägt sechs Designdimensionen vor: (1) Authentizität im Assessment (Assessment-, Berufs-, digitale, Selbst- und Sozialauthentizität – wobei nur 3/37 Studien soziale Authentizität adressierten, eine kritische Lücke), (2) kognitive Herausforderungen, (3) Assessmentkriterien (wobei Studierende häufig passive Empfänger statt Mitautoren von Rubriken sind), (4) Feedback (formativ dominiert, aber nachhaltiges Feedback selten), (5) Handlungsfähigkeit der Studierenden (Wahl bei dem, wie und wann und wo eingereicht wird, war selten) und (6) soziale Zusammenarbeit. Er schlägt auch ein zyklisches Ko-Design-Modell vor – Ziele aushandeln, Kontext schaffen, Kriterien mitentwerfen, Feedback planen –, das KI-Werkzeuge operationalisieren könnten.

Dollinger und Nieminen (2026) binden diesen Optimismus an das Paradox des inklusiven Assessments: Sowohl das Anpassungsmodell als auch strukturelle Kritiken, die Assessment als behindernd neu rahmen, belassen die Nullsummenlogik intakt, dass „damit ein Studierender erfolgreich ist, jemand anderes scheitern muss“, daher müssen verteilte und agentische Formen diese Logik ändern statt nur den Zugang zu erweitern.

Authentisches Assessment im KI-Zeitalter

Die Literatur der Wissensbasis zur Neugestaltung des Assessments argumentiert, Authentizität müsse neu gestaltet, nicht polizeilich überwacht werden:

  • Beyond Detection vertritt, Authentizität lasse sich nicht polizeilich erzwingen; sie müsse gestaltet werden, wobei KI als deklarierter Kollaborateur statt als Schummelanwendung positioniert wird und authentisches, prozessbasiertes Assessment Vorrang vor Überwachung hat.

  • Responsible Assessment rahmt Assessment neu rund um Validitätsbelege und authentische Aufgaben, die die künftige Arbeit der Studierenden spiegeln.

  • Authentische Produkte, authentifizierte Prozesse untersucht, wie eine KI-reiche Hochschulbildung sowohl echte Ergebnisse als auch die Prozesse bewerten kann, die sie erzeugt haben.

  • Ein KI-Entwurfspartner belässt das Urteil dennoch beim Menschen. Paula et al. (2026) pilotierten einen GPT-4.1-Assessment-Designer mit acht Koordinatorinnen und Koordinatoren: Er erzeugte nutzbare Überblicke, Aufgaben, Kriterien, Zeitpläne und Rubriken, verfehlte aber wiederholt disziplinären Kontext und Themensequenzierung, und alle acht lehnten durchgehende Automatisierung ab und verorteten das akademische Urteil eher beim Menschen als beim Modell.

  • Das werkzeuginvariante Rahmenwerk argumentiert für die Bewertung rechnerischer Methoden und Prozesse statt werkzeugspezifischer Ergebnisse, unter Nutzung mündlicher Verteidigung und Verifikation.

  • Institutionelle Infrastruktur für Prozessbelege. Ein beauftragtes Rahmenwerk zur Qualitätssicherung verwandelt das Prozessargument in Politik und behandelt Spuren des Lernprozesses – zeitgestempelte Bearbeitungen, Ressourcennutzung, metakognitive Prompts – als den dauerhaften Beleg, den ein Transcript nicht zeigen kann, und verweist auf Prozessmerkmale, die mehr Varianz in der Leistung erklären als Produktmerkmale allein (Lodge et al. (2026)).

  • Skalierbares mündliches Assessment, mit einem Bewertungsvorbehalt. Pentland, Lowenthal & Krier (2026) ließen zeitlich begrenzte, nicht revisierbare aufgezeichnete Antworten gegen eingebettete Rubriken bewerten und fanden, dass Studierende ihre Präsenz-Multiple-Choice-Prüfungen übertrafen; sie betonen, dies sei ein Formateffekt und kein Lernzuwachs, wobei LLM-Neubewertung mit der Dozentur bei ICC = 0,73 und 0,60 übereinstimmte.

  • Mündliche Prüfungen neu betrachtet positioniert die mündliche Prüfung bzw. das mündliche Assessment als low-tech authentische Alternative, die inhärent KI-resistent ist – ihr Echtzeit-, interaktiver Dialog prüft Verständnis, kritisches Denken und Schlussfolgern (nicht Auswendiglernen), spiegelt professionelle Praxis und hindert Studierende daran, KI zu nutzen, um Antworten zu generieren und auswendig zu lernen. Es bietet eine konkrete Reihe praktischer Empfehlungen (klare Rubriken, standardisierte Inhalte, Schulung der Prüfenden, Prompting-Richtlinien, Bias-Minderung) zur Wiedereinführung von Mündliche Prüfung in der gymnasialen Oberstufe und in der Hochschulbildung.

  • E-Portfolio-Assessment ist eine weitere authentische, prozessbasierte Form, die KI-Fabrikation widersteht: Zhan, Boud & Du (2025) identifizieren Portfolios des sozialen Beitrags unter den authentischen Formen, die gegenüber generativer KI am robustesten sind, und Beyond Detection empfiehlt annotierte Portfolios und aufgezeichnete Durchgänge, die das Schlussfolgern in Echtzeit ausloten. Ni & Lam (2026) und Laksana et al. (2026) zeigen, dass generative KI den Portfolio-Prozess unterstützen kann – Feedback, Entwurf, Reflexion –, während die Schlussfolgerungsspuren und Entwürfe des Portfolios die Authentizität bewahren.

  • Authentizitätskriterien können die KI-Nutzung selbst einschränken. Chen und Zou (2026) fanden, dass eine Rubrik, die von Studierenden verlangte, eine Gruppenpräsentation in ihrer eigenen ersthändigen Lehrerfahrung zu verankern und über geteilte Klassenzimmerbeobachtungen zu reflektieren, sieben von fünfzehn Studierendengruppen dazu brachte, ihre GenAI-Nutzung bewusst zu reduzieren. Studierende argumentierten, das Werkzeug könne die epistemische Anforderung nicht erfüllen – „KI kennt diesen Moment nur, wenn Sie ihn eintippen“ –, weil ihm das longitudinale, situierte Wissen fehlte, das ihre Kommilitoninnen und Kommilitonen und die Lehrkraft hatten. Beide Ebenen zählten: die Authentizität der Aufgabe und die relationale Authentizität, der Gruppe das eigene Denken beizusteuern, was starke KI-Nutzung als Trittbrettfahren zu Lasten der Peers neu rahmte. Die Designimplikation lautet, dass authentische, erfahrungsverankerte Kriterien evaluative Arbeit leisten, auch ohne Durchsetzung – sie liefern einen Grund zur Zurückhaltung, den Richtlinienaussagen nicht liefern können.

  • Verpflanzen Sie eine verwundbare Aufgabe mit einer weniger verwundbaren. Roe, Perkins & Giray (2026) paaren eine GenAI-verwundbare Aufgabe mit einer zweiten, die dieselben Ergebnisse bewertet, terminieren sie dicht beieinander, damit jede die andere quervergleichen kann, und machen die Note interdependent durch einen bestätigenden Schwellenwert oder eine Gewichtung.

Sharma (2026) argumentiert, integritätsorientiertes Design und authentisches Design seien nicht dasselbe, und der Unterschied sei epistemisch statt stilistisch. Authentizität fragt, ob eine Aufgabe wertvolle reale Praxis spiegelt; integritätsorientiertes Design fragt, ob Lernende ihre Entscheidungen begründen und Verantwortung im Verhältnis zu disziplinären Standards übernehmen können, was Integrität zu einem expliziten, bewertbaren Kriterium macht, das in die Aufgabenarchitektur eingebettet ist statt ein beiläufiges Nebenprodukt von Realismus. Die Praktiken, die er anbietet – annotierte Entscheidungsspuren, Verifikation GenAI-beigetragener Behauptungen, mündliche Verteidigung und dialogische Rechenschaftspflicht, Entwurfsunterschiede mit Versionshistorie –, sind erkennbar Formen authentischen Assessments, aber sie werden wegen des Urteils ausgewählt, das sie sichtbar machen, statt wegen ihres Realismus, was eine nützliche Korrektur für Aufgaben ist, die authentisch aussehen und in der Sache fälschbar bleiben. Seine Warnung gehört auch auf diese Seite: dokumentiertes Nachdenken zu verlangen privilegiert Lernende, die im reflexiven Diskurs flüssiger sind, und Urteil als Beleg „bleibt relational und situiert statt mechanisch verifizierbar“, daher trägt das Design seine eigene interpretative Verlässlichkeitslast.

Dieselbe Frage wird von Thapa und Lewis (2026) neu gerahmt, die benennen, was eine Aufgabe authentifizieren sollte, statt ob sie real aussieht: epistemische Authentizität, das Ausmaß, in dem Assessment echte Auseinandersetzung mit Interpretation, evaluativem Urteil, Schlussfolgern und Wissenskonstruktion erfasst. Ihr Argument lautet, Authentizität allein überlebt generative KI nicht, denn eine authentische Aufgabe, deren Beleg ein einziges unbetreutes Produkt ist, ist demselben Substitutionsproblem ausgesetzt wie der Essay, den sie ersetzt hat. Schlussfolgern sichtbar zu machen erfordert stattdessen gestufte Einreichungen, reflexive Begründung, dialogisches Engagement und evaluative Transparenz. Sie tragen die obige Warnung ins Design hinein: Reflexive und dialogische Aufgaben können Studierende privilegieren, die in akademischer Selbstformulierung sicher sind, sofern sie nicht inklusiv gestaltet und gestützt werden, und die relationale Arbeit verstärkt die emotionale Arbeit der Lehrenden in großen oder ressourcenarmen Umgebungen.

Wenn Praktikerinnen und Praktiker auf die überwachten Formate zurückgreifen

Die Wissensbasis argumentiert, Authentizität müsse gestaltet statt überwacht werden, und Goldstein, Marae-Haj und Zidan (2026) liefern die Gegenbelege aus der Praxis: Nach einer Vertrauenskrise, in der angehende Lehrkräfte rohe KI-generierte Arbeit als eigene einreichten, gestalteten Lehrkräftebildnerinnen und -bildner in sieben israelischen Hochschulen Assessment neu rund um Prozessbelege (Prompts, Versionshistorie der Dokumente, betreute Gruppenbeiträge) und Präsenzleistung im Unterricht –, aber mehrere beschrieben auch, als letzten Ausweg auf beaufsichtigte Prüfungen und erwartete mündliche Verteidigungen von Abschlussarbeiten zurückzufallen, wobei eine Teilnehmende die Rückkehr zu Prüfungen persönlich schmerzhaft und doch unvermeidbar nannte. Gegen die Design-zuerst-Position gelesen markiert der Befund einen Fehlermodus statt eine Lösung: Wo Authentizität nicht vorab neu gestaltet wird, ist die praktische Antwort auf unbewertbare eingereichte Arbeit wieder eingesetzte Kontrolle – Überwachung unter anderem Namen –, was genau jene Formate wieder einführt, die die Literatur zum authentischen Assessment hinter sich lassen will. Es zeigt auch den gefühlten Preis der Alternative: Teilnehmende berichteten, ihre schriftlichen Take-home-Assessments könnten Lernen überhaupt nicht mehr belegen, und die Herstellung von Prozessdokumentation habe echte Arbeit gekostet.

Ein zweiter Fehlermodus sitzt in der Neugestaltung selbst: Über fünf Methoden der Online-Sprachlehre hinweg dominierten authentizitätsbezogene Spannungen die Berichte der Lehrenden (11 von 20), einschließlich der Erosion des Aufgabenrealismus – Aktivitäten, die umgestaltet wurden, um KI-resistent statt authentisch zu sein (Baoyi und Khan (2026)).

Der Rückzug trägt einen evidentiellen Preis, den die Aktenbelege sichtbar machen. Munoz et al. (2026) kodierten 1.162 Anschuldigungen zu Fehlverhalten mit generativer KI und fanden, dass die stärksten Belegarten von der Untersuchung oder von der Betreuung erzeugt werden statt von der Anschuldigung, und dass Prozessbelege wie Entwürfe, Betreuungssitzungen und Präsentationen nur dort auftauchen, wo diese Praktiken bereits existieren – in einem nicht neu gestalteten Assessment sind die von dieser Literatur empfohlenen Prozessbelege also schlicht nicht verfügbar, und Fälle ruhen auf schwächeren Kategorien. Was an ihre Stelle tritt, ist das schwächste Material ihres Korpus: Die Ausgabe von Detektoren zog die niedrigsten Beweiskraftbewertungen aller Kategorien, und Hadra et al. (2026) zeigen warum, mit Makro-Genauigkeit von 0,69 (Originality) und 0,61 (Turnitin) über 192 Texte, nahezu totalem Scheitern bei hybrider menschlicher KI-Schreibarbeit und einer grenzwertigen Tendenz, Arbeit von EFL-Studierenden als KI zu verkennen. Wright (2026) ergänzt die Regel-Design-Dimension: Verbote, die nach Plattformidentität statt nach Funktion geschrieben sind, sind durch definitorischen Zufall überinkludierend, daher kann ein überwachtes Format eine Studierende oder einen Studierenden sanktionieren, die bzw. der nicht das getan hat, was die Regel verhindern sollte, und fällt am härtesten auf diejenigen, die für Barrierefreiheit auf Transkriptionswerkzeuge angewiesen waren. Zusammen gelesen ersetzt der Rückzug den am wenigsten beweiskräftigen verfügbaren Beleg durch die Prozessbelege, die authentisches Design von vornherein erzeugt hätte.

  • Selbstreguliertes Lernen: Die Handlungsfähigkeit der Studierenden im authentischen Assessment (Wahl, Selbstreflexion, Ko-Design) spiegelt den Zyklus Vordenken → Durchführung → Selbstreflexion, wenngleich bewertete Reflexion Gefahr läuft, performativ zu werden.
  • Metakognition: Metakognition ist nötig, damit Studierende ihre Arbeit gegen mitentworfene Rubriken bewerten können; wenn KI die Rubrik, das Feedback und das Monitoring liefert, kann die metakognitive Praxis der Studierenden verdrängt werden.
  • Formatives und nachhaltiges Feedback: Authentisches Assessment betont formatives, zukunftsorientiertes Feedback, das in spätere Kontexte transferiert.

Folgerungen für KI in der Bildung

  • KI-resistente Assessmentformen: Lebendige Demonstrationen, Portfolios des sozialen Beitrags, miterschaffene Artefakte mit prüfbarer Herkunft und Echt-verkörperte Interaktion sind gegenüber generativer KI widerstandsfähiger als Take-home-Essays oder MCQs.

  • Die Exposition ist messbar. Ein dreijähriger Psychologiestudiengang erwies sich zu 90% als bestehen lassend: ChatGPT produzierte angemessene Ausgaben bei 36 von 40 Kursarbeiten, und nur die vier Aufgaben, die Präsenz, ein visuelles Artefakt oder die eigenen Daten der Studierenden verlangten, widerstanden (Ivory et al. (2026)).

  • Ko-Design im großen Maßstab: KI-Werkzeuge könnten Rubriken-Ko-Design und studentische Miterschaffung von Assessmentparametern auf Klassen- oder MOOC-Größe ermöglichen – wobei maschinenvermittelte Handlungsfähigkeit sorgsam gestaltet sein muss.

  • Die Lücke sozialer Authentizität adressieren: nur 3/37 Studien adressierten soziale Fragen; KI-Assessmentwerkzeuge sollten Studierenden helfen, zu gesellschaftlichem Wandel beizutragen, statt ihn bloß zu simulieren.

  • Nachhaltiges Feedback: KI-Feedback sollte so gestaltet sein, dass es in künftige Kontexte transferiert, statt bloß reaktive, momentane Korrekturen zu geben.

  • Prozessfokussierte Messung hat nun Validitätsbelege. Oliveira et al. (2025) bewerteten 70 benotete Essays danach, wie Studierende einen GenAI-Dialog steuerten und Kurs-Wissen sichtbar machten; diese Prozess-Scores korrelierten mit r = 0,54 mit traditionellen Essay-Scores, während sie konzeptuelle Arbeit gegenüber strukturierter Aufgabenspezifikation belohnten.

  • Authentisches Assessment passt zu praxisorientierten Fächern. Mesny, Roberge-Maltais & Galy (2026) finden authentisches Assessment besonders geeignet für Managementbildung: Aufgaben, die reale berufliche Probleme spiegeln (lebendige Beratungsprojekte, Dashboards mit Führungskräfte-Briefings), passen zum praxisorientierten, auf Beschäftigungsfähigkeit gerichteten Fokus des Feldes und können inklusive, Integrität wahrende Alternativen zu prüfungszentriertem Assessment im Zeitalter generativer KI stützen. In ihrem Review von 58 Artikeln aus vier Zeitschriften der Managementbildung trat authentisches Assessment jedoch hauptsächlich über technologievermittelte Simulationen auf und wurde oft mit erfahrungsbasiertem Lernen gleichgesetzt – eine Terminologielücke, die seinen weiteren Wert und seine weitere Verbreitung verdecken kann.

  • Authentizität ist nicht Sicherheit, und die Lücke ist auf Sektorebene sichtbar. Wo das Audit des einzelnen Studiengangs oben 90% der Kursarbeiten als bestehen lassend fand, stuft Villanueva (2026) aufgezeichnete Präsentationen, entfernte Gruppenprojekte und unbetreute digitale Artefakte über 53.915 Einträge hinweg ins hohe Expositionsband, weil die öffentliche Akte nichts darüber zeigt, wie die Produktion betreut wurde.

Verbundene Konzepte

Verbundene Artikel

Verknüpfte FAQs

Metadaten

NiveauHigher Ed
Lernen und UnterrichtMetakognition, Selbstreguliertes Lernen
Technologien und VerfahrenGenerative KI
Assessment und MessungLeistungsbeurteilung, Validität von Assessments, Authentisches Assessment, Formatives Assessment, Prozessorientiertes Assessment
Grundlagen von KI in der BildungAkademische Integrität
SourceHistoryEditChat

Diese Seite einbetten

Kopieren Sie den Code unten, um diese Seite in ein Lernmanagementsystem oder eine andere Website einzubetten. Die eingebettete Version zeigt nur den Seiteninhalt — Kopfzeile, Navigation und Fußzeile der Website werden ausgeblendet.