Prozessorientiertes Assessment

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

Prozessorientiertes Assessment — das Design von Assessment darum herum, wie eine lernende Person zu einer Schlussfolgerung gelangt, statt allein darum herum, welches Artefakt sie einreicht: gestufte Einreichungen, reflektierte Begründung, dialogischen und mündlichen Austausch, Entwurfs- und Versionsgeschichte sowie Kriterien, die Lernende auf sich selbst anwenden können. Es ist kein Synonym für Aufgabenrealismus und keine Behauptung darüber, wer die Arbeit bewertet: eine realistische Aufgabe, deren einzige Evidenz ein einzelnes unbetreutes Produkt ist, ist demselben Substitutionsproblem ausgesetzt wie der Aufsatz, den sie ersetzt hat. Generative KI macht die Unterscheidung dringlich, weil flüssige Ausgaben nun auf Abruf erzeugt werden können und eine fertige Datei keine Information mehr darüber trägt, wessen Schlussfolgern sie erzeugt hat.

Fragen zum Nachdenken

• Wenn eine lernende Person einen polierten Aufsatz einreicht: Was lässt Sie dieses Artefakt tatsächlich über ihr Denken behaupten — und welche Behauptungen scheint es nur zu stützen?
• Prozessbelege verlangen Entwürfe, Begründung und Dialog. Wer in Ihrem Umfeld ist in dieser Art akademischer Selbstaussage geübt, und wer könnte nach dem Komfort damit beurteilt werden statt nach dem Verständnis?
• Detektion ist unzuverlässig und Neugestaltung rund um Prozess ist teuer. Wo würden Sie ein begrenztes institutionelles Budget ausgeben, und welche Evidenz würde Ihre Antwort ändern?

Einführung

Assessment in der Hochschulbildung hat lange das Denken aus dem Produkt erschlossen. Ein eingereichter Aufsatz, Bericht oder Prüfungsantwort stand für das Schlussfolgern dahinter, und Benotung behandelte ein gut argumentiertes Artefakt als Beleg für einen gut argumentierten Prozess. Thapa und Lewis (2026) benennen die Annahme, die generative KI bricht: eine polierte Antwort „may no longer represent anyone's thinking process“, sodass der Schluss vom Artefakt auf Verständnis aufhört, sicher zu sein. Ihre Antwort ist nicht ein besserer Detektor, sondern eine andere Evidenzbasis. Prozessorientiertes Assessment erhebt Evidenz zu Interpretation, Begründung und Wissenskonstruktion, während sie sich entwickeln, damit Schlussfolgern sichtbar bleibt, wenn Ausgaben auf Abruf erzeugt werden können.

Es hilft zu sagen, was das Konzept nicht ist. Es ist nicht authentisches Assessment, das fragt, ob eine Aufgabe lohnenswerte reale Praxis spiegelt; Thapa und Lewis halten die Achsen getrennt und bestehen darauf, dass eine authentische Aufgabe mit einem einzelnen unbetreuten Produkt dennoch ausgesetzt ist. Es ist nicht KI-Detektion, die fragt, ob das Werkzeug genutzt wurde, statt wie eine Entscheidung getroffen wurde. Und es ist nicht automatisiertes Assessment, das betrifft, wer oder was die Bewertung vornimmt: ein maschinell benotetes gestuftes E-Portfolio kann prozessorientiert sein, und ein menschlich benoteter Abschlussaufsatz muss es nicht. Das Konzept betrifft, welche Evidenz erhoben wird, über welchen Zeitraum und unter welchen Bedingungen sie erzeugt wird.

Die Idee ist von einer Proposition zu einer wiederkehrenden Empfehlung quer durch die Wissensbasis geworden. Sie erscheint als benannte Priorität in der Agenda der AIED für Handlungsfähigkeit und Motivation der lernenden Person, als organisierende Forschungsagenda für das Behaltens- und Transfer-Problem in der Leistung-gegenüber-Lernen-Forschung, als „Black Box Assessment“ in Brunnströms und Palmqvists Darstellung von selbstreguliertem Lernen mit KI, und als Bitte praktizierender Lehrkräftebildnerinnen und -bildner, die fanden, ihre mit-nach-Hause-Arbeit könne Lernen überhaupt nicht mehr belegen.

Wie Prozessbelege in der Praxis aussehen

Das expliziteste Designvokabular stammt von Thapa und Lewis, deren vier Verpflichtungen das Argument in das Aufgabendesign tragen: reflektierte Begründung, gestuftes Aufgabendesign, dialogisches Engagement und evaluative Transparenz. In der Praxis erklären Lernende Interpretationsentscheidungen, statt nur Schlussfolgerungen zu präsentieren, reichen Arbeit ein, die sich über Kontrollpunkte entwickelt, nehmen an mündlichem oder dialogischem Austausch über ihr Schlussfolgern teil und arbeiten gegen Kriterien, die sie selbst anwenden können — das Terrain von Feedback-Kompetenz und Selbstbewertung. Boysens (2026) Vorschlag für offene Lernpraktiken übersetzt dieselbe Logik in einen Prüfpfad: einen gemeinsamen Lernplan, der vor Projektbeginn festgelegt wird, einen Lernanalyseplan, der geforderte und verbotene Quellen benennt, und dokumentierte Entwürfe und Versionsgeschichten, erhalten über Änderungen nachverfolgen und gespeicherte Dateiversionen, die den Arbeitsprozess offenlegen und erklären, was jede Überarbeitung informiert hat. Er rahmt dies als sichtbar gemachte Selbstregulation.

Der für Prozessbelege gewählte Kanal verändert, was belegt werden kann: in derselben Studie mit 79 Lernenden zu generativer KI waren Überwachung und Planung höherer Tiefe häufiger in Einheiten lauten Denkens, während Regulation höherer Tiefe häufiger in Interaktionslogs vorkam, sodass kein einzelnes Protokoll den gesamten Prozess erfasst (Li und Liu (2026)). Spuren können auch schlicht von Werten abweichen: über 150 Konversationen zwischen Lernenden und KI trugen 41% einen Aufgabenscore von exakt 1.00, während beobachtbare kognitive Partizipation variierte, sodass übereinstimmende Scores verschiedene Prozesse verbergen können (Fábrega, 2026). DraftTrace beantwortet dasselbe Problem für KI-integriertes Schreiben, indem es Prozessmaße auf Tastenanschlagsebene mit dem Endprodukt und mit KI-Interaktionsspuren in Übereinstimmung bringt und zeigt, dass Abschreiben nur erkennbar ist, wenn Produkt und Prozess zusammen gelesen werden (Chandarana et al. (2026)), ein konkretes Beispiel jener Verhaltensspurmessung, an der es dem Feld noch mangelt.

Praktiker- und Rahmenwerk-Konten füllen die Artefakte aus. Udens und Hwangs (2026) LEARN-Rahmenwerk, ausgerichtet auf problemlösendes Lernen-Assessment, verlangt prozessfokussierte Rubriken, mündliche Begründungen, gestufte Einreichungen und Schlussfolgerungsspuren mit Offenlegung der KI-Nutzung, und behandelt Reflexion über Lerntagebücher und Protokolle lauten Denkens als metakognitiven Motor der Sequenz. Moganadas und Kollegen (2026) machen KI-transparentes, prozessorientiertes Assessment zu einer von fünf erforschbaren Propositionen und verlangen Dokumentation, Verifikation und reflektierte Begründung statt Verbot oder Detektornutzung. Padhy (2026) empfiehlt, Überarbeitungsgeschichte, Interaktionsmuster und Zeit-auf-Aufgabe zu erfassen, gepaart mit transparenter Offenlegung. Goldstein, Marae-Haj und Zidan (2026) berichten, dass nach einer Vertrauenskrise dieselben Artefakte aus der Praxis auftauchten: Prompting-Aufzeichnungen, Dokumentenversionsgeschichte, überwachte Gruppenbeiträge und reflektierte „Journey Journals“, die in physischen Notizbüchern geführt wurden —, neben dem schlichten Befund, dass mit-nach-Hause-Arbeit Lernen nicht mehr belegen konnte.

Konkrete Werkzeuge entstehen: Kim et al. (2026) operationalisieren Problemlösen als vier Stufen und acht diagnostische Teilfähigkeiten, sodass ein LLM stufenspezifische Fragen und Rubriken erzeugen kann; fünf Lehrkräfte und 64 Studierende nutzten das System an 90 Aufgaben und 720 Teilfragen, mit einem mittleren System-Usability-Scale-Wert von 83,5.

Eine andere Achse als Authentizität, und als Bewertung

Die Achsen auseinanderzuhalten ist bedeutsam, weil ihre Vermischung dazu führt, dass eine Neugestaltung fertig aussieht, während die Ausgesetztheit bleibt. Sharma (2026) macht die komplementäre Unterscheidung zwischen Authentizität und integritätsorientiertem Design: Authentizität fragt, ob eine Aufgabe lohnenswerte Praxis spiegelt, während integritätsorientiertes Design fragt, ob Lernende ihre Entscheidungen begründen und Verantwortung im Verhältnis zu fachlichen Standards übernehmen können, weshalb die von ihm angebotenen Praktiken — kommentierte Entscheidungspfade, Verifikation GenAI-beigetragener Behauptungen, mündliche Verteidigung, Entwurfsunterschiede mit Versionsgeschichte — für das Urteil ausgewählt werden, das sie sichtbar machen, statt für ihren Realismus. Espinos und Espinos (2026) Zehnjahres-Review zu Wirtschaftsbildung gelangt von der Literaturseite her zur gleichen Design-Schlussfolgerung und findet, dass das Feld auf authentische, prozesssichtbare Aufgaben konvergiert, die Interpretation, kontextuelle Anwendung und iterative Verfeinerung verlangen, und dass es isolierte Werkzeugübernahme innerhalb unveränderter Assessmentstrukturen als sein persistentestes Scheitern behandelt.

Das Konstrukt ist auch von der Frage unterscheidbar, wie Evidenz bewertet wird. Validitäts-Argumentieren ist der Ort, an dem sich beide treffen: Brunnström und Palmqvist (2026) argumentieren, dass, wenn ein Chatbot eine plausible Prüfungsantwort erzeugen kann, das eingereichte Produkt zu einem schwächeren Indikator dessen wird, was die lernende Person gelernt hat — ein Assessment-Validitätsproblem statt nur ein Integritätsproblem. Das ist derselbe Schluss, der in Yan, Greiff, Lodge und Gaševićs Argument Leistung gegenüber Lernen auf dem Spiel steht, wo Leistungszuwächse, die schrumpfen, sobald Unterstützung zurückgezogen wird, einen Zuwachs zeigen, der im Werkzeug statt in der lernenden Person lebt, und wo die vorgeschlagene Abhilfe Prozessmaße wie Behaltens- und Transfertests sind statt unmittelbarer Aufgabenerfolg.

Warum Detektion diese Last nicht tragen kann

Prozessorientiertes Assessment wird üblicherweise als die Alternative zur Detektion vorgeschlagen, und die Evidenz über Detektion erklärt, warum. Die Detektions-Literatur findet Fehlerraten, Aufgabenabhängigkeit und gemusterten Bias gegen nicht-muttersprachliche und behinderte Schreibende, und die jüngste Arbeit landet bei einer verfahrensbezogenen Schlussfolgerung: ein Detektorscore kann eine genauere Prüfung anstoßen, ist aber kein Befund. Munoz und Kollegen (2026) zeigen, was das in der Praxis kostet. Beim Kodieren von 1,162 Vorwürfen zu Fehlverhalten mit generativer KI fanden sie, dass die stärksten Evidenzarten von der Untersuchung oder von der Betreuung erzeugt werden, dass Prozessbelege wie Entwürfe, Betreuungssitzungen und Präsentationen nur dort auftreten, wo jene Praktiken bereits existieren — in einem nicht neugestalteten Assessment also schlicht fehlen —, und dass Detektorausgabe die niedrigsten Beweiskraft-Bewertungen aller Kategorien zog. Die Designfolge ist Ordnung: Prozessbelege müssen existieren, bevor ein Fall sie braucht, und Weidlichs (2026) Argumentieren darüber, welcher Schluss auf dem Spiel steht, macht denselben Punkt von der Validitätsseite, da Versuche, Assessmentsicherheit durch Detektion wiederherzustellen, konstruktirrelevante Varianz einführen statt Evidenz über die lernende Person.

Die Kosten für Design und Arbeitslast

Die Quellen sind ungewöhnlich offen darin, dass dies teuer ist. Thapa und Lewis stellen die Gerechtigkeitswarnung direkt fest: reflektierte und dialogische Aufgaben können Lernende privilegieren, die in akademischer Selbstaussage zuversichtlicher sind, sofern sie nicht inklusiv gestaltet und gestützt werden, und die relationale, feedbackintensive Arbeit verstärkt die emotionale und berufliche Arbeit von Lehrenden in großen oder ressourcenarmen Settings — ein Widerspruch zu institutionellen Erwartungen an Skalierbarkeit, Standardisierung und messbare Leistung. Sharma fügt die interpretative Version hinzu: dokumentiertes Schlussfolgern zu verlangen privilegiert Lernende, die in reflektiertem Diskurs geübter sind, und Urteil als Evidenz „remains relational and situated rather than mechanically verifiable“.

Die operationalen Kosten werden anderswo aufgeschlüsselt. Boysen nennt neue Technologie, überarbeitete Aufgaben und Syllabi, das Beibringen unvertrauter Fähigkeiten an Lernende sowie zusätzliches Material zum Sammeln und Bewerten, warnt, dass folgenarmer Kredit für Prozess Noten aufblähen kann, und räumt ein, dass das Modell weit besser zu großen Fähigkeitsentwicklungsprojekten passt als zu täglicher Wissenserwerbsarbeit; er merkt außerdem an, dass Prozesstracking das ist, was manche Kritiker KI-Überwachung nennen. Die Teilnehmenden bei Goldstein, Marae-Haj und Zidan berichteten, dass das Einrichten von Prozessdokumentation echte Arbeit war, dass neun von dreizehn finanzierte fortgeschrittene Werkzeuge aus eigener Tasche zahlten, auf eine Weise, die die digitale Kluft vertiefen könnte, und dass mehrere auf betreute Prüfungen und erwartete mündliche Verteidigungen von Abschlussarbeiten zurückfielen. Die Gerechtigkeits-Sorge hat in Brunnströms und Palmqvists Befund eine KI-spezifische Kante: ungeführte Werkzeugnutzung verlangt eine Interaktionsmanagement-Fähigkeit, die ungleich verteilt ist, sodass KI „may be most beneficial to already advantaged students“ — dasselbe Verteilungsrisiko, das es begleitet, Lernende zu bitten, einen dokumentierten Prozess zu managen. Lopez-López, Bru-Cordero und Correa-Álvarez (2026) fanden, dass Lernende, die mehr unabhängige Lernzeit investierten, KI-Nutzung strenger beurteilten, und empfehlen zu testen, ob Offenlegungsvorlagen, mündliche Verteidigungen und prozessbasiertes Assessment ethische Unsicherheit reduzieren — eine Studie, die das Feld noch braucht. Das Risiko haftet an dem Mechanismus, der Prozessbelege wirken lässt: wo Kollaboration, Überarbeitung und Reflexion benotet werden, haben Lernende Grund, Evidenz zu erzeugen, die dem entspricht, was sie von der bewertenden Person erwarten, sodass Prozessprotokolle performativ statt evidenziell werden können (Alam & Jackson, 2026).

Was ungelöst bleibt

Thapa und Lewis' Darstellung ist konzeptuell: keine Teilnehmenden, keine Datenerhebung und keine Implementierungsstudie, sodass die vier Prinzipien argumentiert statt getestet sind, und das Papier selbst ruft zu empirischer Arbeit über Erleben der Studierenden, Arbeitslast von Lehrenden und langfristige Tragfähigkeit auf. Machbarkeit bleibt über Settings hinweg undifferenziert — Übertragung auf große Vorlesungen, Labore, Studios oder klinische Praktika wird nicht adressiert. Lanes (2026) Positionspapier vermerkt die institutionelle Decke: prozessbasiertes Assessment wird durch Benotungs- und Transcript-Strukturen abgestumpft, die polierte Endartefakte belohnen, sodass Neugestaltung im Kursraum allein den Anreiz nicht verändert. Messung ist ebenfalls dünn: Jin und Kollegen (2026) Review zu KI-Kompetenz-Instrumenten ruft zu leistungsbasiertem und prozessorientiertem Assessment und Verhaltensspurmessung von Prompting und Verifikation auf, berichtet aber, dass die bestehenden Instrumente auf Selbstauskunft bauen. Keine Quelle hier berichtet eine kontrollierte Studie einer prozessorientierten Neugestaltung gegenüber einer produktorientierten, was die zentrale Behauptung — dass Prozessbelege sowohl schwerer zu fälschen als auch fairer zu beurteilen sind — aus Prinzip, Praktikerbericht und Aktenevidenz argumentiert statt im Maßstab demonstriert lässt.

Verbundene Konzepte

• Pädagogische Muster — Gestufte Kontrollpunkte und Prozessbelege als sequenzierte Designs
• Leistungsbeurteilung
• Authentisches Assessment
• KI-Erkennung
• Validität von Assessments
• Evaluatives Urteilsvermögen
• Formatives Assessment
• Summatives Assessment
• Rückmeldung
• Selbstbewertung
• Mündliche Prüfung
• Elektronisches Portfolio (E-Portfolio)
• Offenlegung der KI-Nutzung
• Selbstreguliertes Lernen
• Akademische Integrität
• Gerechtigkeit

Verbundene Artikel

• Process-Oriented Collaborative Essays: Empowering Undergraduate Students Through Assessment Redesign in the Age of Generative AI — A graded, collaboratively written process essay in a first-year degree apprenticeship: iteration and collaboration in the rubric, GenAI permitted within stated boundaries (Alam & Jackson 2026)

• Distinguishing performance gains from learning when using generative AI — performance is not learning: a research agenda built on process measures (Yan et al. 2026)

• Human-centered AI for teacher educators: Designing professional learning for critical AI literacy — teacher educators asking for AI-resistant, process-based tasks built on justification and reflection (Baran et al. 2026)

• Educational integrity in GenAI-augmented assessment: making judgment visible — annotated decision trails, oral defense, and draft differences selected for visible judgment

• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — what misconduct case files contain, and the process evidence they lack

• Which inference is at risk? Assessment validity reasoning and generative AI — which inference is at risk when assessment evidence is substituted

• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — authenticity must be redesigned, not policed

• From authentic products to authenticated processes: a systematic conceptual review of authentic assessment in AI-rich — authentic products and the processes that produced them

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — the oral exam as an AI-resistant format that makes reasoning live

• Preserving epistemic authenticity: process-oriented assessment in the age of generative AI — epistemic authenticity and the four design commitments behind process-oriented assessment (Thapa & Lewis 2026)

• Mapping the Distribution and Depth of Metacognitive Processes in Generative AI-Assisted Learning: Evidence from Interaction Logs and Concurrent Think-Aloud Protocols — Channel-conditional process evidence: logs and think-aloud reveal different processes

• DraftTrace: A Multi-View Analytics Environment for AI-Integrated Writing — DraftTrace: A Multi-View Analytics Environment for AI-Integrated Writing

• Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education — Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education

• STEPwise: Supporting Teachers in Diagnosing Students' Mathematical Problem-Solving Skills through LLM-Generated Questions — STEPwise: Supporting Teachers in Diagnosing Students' Mathematical Problem-Solving Skills through LLM-Generated Questions