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

Summatives Assessment

Erstellt 2026-08-19 · Aktualisiert 2026-10-10

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

Summatives Assessment — Assessment, das genutzt wird, um zu bewerten und zu zertifizieren, was eine lernende Person am Ende einer Einheit, eines Kurses oder eines Programms gelernt hat, im Gegensatz zu formativem Assessment, das das Lernen während des Unterrichts unterstützt. Summatives Assessment nimmt typischerweise die Form hochriskanter Prüfungen an — schriftlich, mündlich, beaufsichtigt oder geschlossen —, die Noten vergeben, das Voranschreiten steuern und Kompetenz zertifizieren. Im KI-Zeitalter ist summatives Assessment zu einem zentralen Kampffeld über akademische Integrität und Validität geworden: generative KI kann Leistung an unbeaufsichtigten oder Take-home-Aufgaben aufblähen, was die Wahl des summativen Formats — und wie es KI-Substitution widersteht — zu einer entscheidenden Designentscheidung macht.

Fragen zum Nachdenken

  • Summatives Assessment zertifiziert, was eine studierende Person am Ende eines Kurses gelernt hat, während formatives Assessment das Lernen während seiner unterstützt. Wo haben Sie die Grenze zwischen diesen beiden verschwimmen sehen, und warum könnte es zählen, dass sie unterschiedliche Funktionen erfüllen?
  • Die Seite rahmt generative KI als summatives Assessment in zwei Richtungen zugleich umformend: KI benotet Prüfungen, und Studierende nutzen KI, um prüfungsbasierter Messung zu entgehen. Welcher dieser zwei Drucke erscheint Ihnen als die größere Bedrohung für die Validität, und warum?
  • Wenn unbeaufsichtigte oder Take-home-Aufgaben Validität verlieren, weil KI die Antworten erzeugen kann, was bedeutet das dann dafür, wie Assessments gestaltet werden sollten — und was könnte dabei geopfert werden?
  • Forschung, die auf der Seite zitiert wird, findet, dass LLMs Aufsätze nicht so benoten wie Menschen. Wenn automatisierte Benotung schnell und konsistent ist, aber anders benotet, ist das ein Fairnessproblem, eine Gelegenheit, oder beides?
  • Was bedeutet ein hochriskantes Ergebnis (eine Note, ein Zertifikat, eine Zulassung), wenn die Arbeit dahinter von KI hätte erzeugt werden können? Wie würden Sie ein Assessment entwerfen, dem Sie tatsächlich vertrauen könnten?

Einführung

Summatives Assessment erfüllt eine grundsätzlich andere Funktion als formatives Assessment: es misst und zertifiziert Leistung, statt nächste Schritte anzuleiten. Es umfasst Tests am Einheitenende, Abschlussprüfungen, standardisierte und hochriskante Tests (z. B. Aufnahmeprüfungen), mündliche Verteidigungen, und kumulative Leistungsassessments. Weil summative Ergebnisse echte Konsequenzen tragen (Noten, Voranschreiten, Zertifikate, Universitätszulassung), sehen sie sich im KI-Zeitalter besonderem Druck ausgesetzt — sowohl als Ziele automatisierter Benotung als auch als verletzliche Maße, die Studierende möglicherweise mithilfe generativer KI zu überlisten suchen.

Der Einsatz im KI-Zeitalter: Validität und Integrität

Die Forschung der Wissensbasis dokumentiert, wie generative KI die Landschaft summativen Assessments grundsätzlich in zwei Richtungen umgeformt hat: KI wird genutzt, um Prüfungen im großen Maßstab zu benoten, und KI kann von Studierenden genutzt werden, prüfungsbasierter Messung ihres eigenen Lernens zu entgehen.

  • KI als Benotende. Summatives Assessment verlässt sich zunehmend auf automatisierte Benotung von Prüfungen, Aufsätzen und Kurzantworten. Forschung zur LLM-Aufsatzbenotung findet, dass LLMs Aufsätze nicht so benoten wie Menschen, was Validitäts- und Fairnessfragen für hochriskante automatisierte Benotung aufwirft. LLMs, die Selbsterklärungen von Studierenden bewerten, und automatische Kurzantwortbenotung erkunden die Verlässlichkeit von LLM-Benotung in summativen Kontexten, während psychometrisch bewusste Rahmenwerke danach streben, automatisierte Benotung vertrauenswürdig und adaptiv zu halten. Eine handschriftliche Allgemeine-Chemie-Prüfung mit 296 Studierenden illustriert, warum selektive Aufsicht nötig ist: die Übereinstimmung des multimodalen LLM im Gesamtwert mit TA-Benotung war hoch (R² = 0.91), doch variierte die Verlässlichkeit auf Item-Ebene scharf nach Format, und falsch Positive Ergebnisse (KI, die echt falsche Antworten gutschreibt) gehen tendenziell unentdeckt, weil Studierende sie selten anfechten — weshalb ein einheitlicher „benote alles“-KI-Benotender für hochriskante Nutzung nicht vertretbar ist ohne zuversichtsbasiertes Zurückstellen an Menschen (Assisting the grading of a handwritten general chemistry exam with artificial intelligence).
  • Übereinstimmung im Ergebnis kann ungenaue Item-Benotung überleben. Gegen moderierte offizielle Benotungen korrelierte ein multimodales LLM, das 10,364 handschriftliche Seiten der Physikolympiade und von Universitäten benotete, bei r = 0.93–0.96 und rekonstruierte dasselbe fünfköpfige internationale Team, obwohl die genaue Übereinstimmung bei Aufgabenteilen 70% erreichte — ein Benotender wird an den Entscheidungen gemessen, die er informiert (Pathak et al. (2026)).
  • KI als Umgehung. Weil generative KI Antworten auf schriftliche Fragen erzeugen kann, verlieren unbeaufsichtigte und Take-home-summative Aufgaben Validität: beaufsichtigte, ungestützte Maße sind unverzichtbar, weil unbeaufsichtigte Leistung durch KI aufgebläht ist, und mit Leitplanken versehene (Hinweis-statt-Antwort) Werkzeuge können die Prüfungsstrafe beseitigen, die unbewachte KI verursacht. Chirikovs (2026) Quasi-Experiment an über 500,000 Noten macht den Mechanismus konkret: nach der Veröffentlichung von ChatGPT sahen Kurse mit mehr KI-exponierten Aufgaben den Anteil der A-Noten um 13 Prozentpunkte steigen, und der Effekt konzentrierte sich auf hausaufgabenlastige Kurse (zusätzliche 16 pp in der Dreifachdifferenz-Schätzung) — direkte Evidenz dafür, dass unbeaufsichtigte Hausaufgaben, nicht echte Lernzugewinne, der Ort sind, wo KI summative Ergebnisse aufbläht.
  • KI-erzeugte Prüfungen. Eine groß angelegte Feldstudie und EFL-Assessment-Forschung untersuchen, ob KI hochwertige Prüfungen und Assessmentaufgaben erzeugen kann — eine aufkommende summativ-designende Nutzung von KI.

KI-resistente summative Formate

Ein zentrales Thema in der Wissensbasis ist, dass summatives Format KI-Widerstand bestimmt — je mehr eine Aufgabe live, persönlich, individuell gesondierte Leistung verlangt, desto schwerer ist es für Studierende, KI für ihr eigenes Lernen zu substituieren.

Hochriskantes und standardisiertes summatives Assessment

Hochriskantes summatives Assessment — Aufnahmeprüfungen, standardisierte Tests und Zertifizierung — trägt überproportionale Konsequenzen und ist ein Fokus der Sorge im KI-Zeitalter. Die Studie zur Lernstrafe generativer KI maß Ergebnisse an Aufnahmeprüfungen für die Oberstufe (Zhongkao) und die Hochschule (Gaokao) und fand, dass die Aufnahmeprüfungswerte nach längerer KI-Nutzung um 18–24% fielen. Die Effortless Trap und Leistung-gegenüber-Lernen-Forschung warnen, dass Zugewinne bei KI-assistierten Aufgaben nicht auf ungestützte hochriskante Maße übertragen.

Summativ gegenüber formativ im KI-Zeitalter

Die Assessmentliteratur der Wissensbasis betont konsistent, dass Assessment am wirksamsten ist, wenn es formative und summative Funktionen verbindet — aber das KI-Zeitalter verschärft die Unterscheidung. Weil KI Leistung an Aufgaben mit geringem Risiko, unbeaufsichtigten und prozessverborgenen Aufgaben aufbläht, werden summative (besonders beaufsichtigte/geschlossene/persönliche) Maße zur entscheidenden Prüfung darauf, ob Lernen tatsächlich stattfand. Das motiviert eine Neugestaltung des Assessments, die authentische, KI-resistente summative Aufgaben (mündliche Prüfungen, Code-Review-Interviews, beaufsichtigte Prüfungen, prozessbasierte Portfolios) als Anker der Integrität behält, während formatives Assessment genutzt wird, um das Lernen unterwegs zu stützen. Siehe authentisches Assessment für die konstruktive Designantwort.

Implikationen für KI in der Bildung

  • Summatives Format ist ein Hebel für Validität und Integrität: KI-resistente summative Formate (mündlich, beaufsichtigt, geschlossen, persönlich) bewahren die Verbindung zwischen bewerteter Leistung und tatsächlichem Lernen.
  • Beaufsichtigte/ungestützte Maße sind das verlässliche Signal: wenn Studierende KI nutzen, offenbaren ungestützte summative Prüfungen — nicht Hausaufgaben — echtes Lernen.
  • Automatisierte Benotung braucht psychometrische Prüfung: LLMs zu nutzen, um hochriskante Prüfungen zu benoten, verlangt die Bewertung von Verlässlichkeit, Fairness und Validität, nicht nur Genauigkeit. Benotungsfehler ist auch notenabhängig: über 32 Einreichungen bei einer Prüfung in öffentlicher Gesundheit vermieden die LLMs die Enden der Skala — kein E oder F erschien im schnellen Modus —, während das beste Modell die menschliche Note bei 50.0% exakt und innerhalb ±1 Note bei 90.6% traf (Brevik et al. (2026)).
  • KI kann auch Prüfungen erzeugen: KI-assistierte Erzeugung von Prüfungen und Aufgaben ist eine aufkommende summativ-designende Anwendung, die selbst Qualitätsbewertung braucht.
  • Den Zweck der Benotung überdenken, nicht nur das Format. Mesny, Roberge-Maltais & Galy (2026) kritisieren traditionelle summative, normreferenzielle Benotung dafür, oberflächliches, fragmentiertes Lernen zu fördern, Studierenden wenig Kontrolle oder Transparenz zu geben, intrinsische Motivation zu schädigen, Stress und Angst zu befeuern und Ungerechtigkeiten zu verewigen, während sie weitgehend Abruf bewertet statt Anwendung in der echten Welt. Sie positionieren Neubewertung, standardsbasierte Benotung und Ungrading als auf Benotung fokussierte Innovationen, die summative schwere Praxis abmildern können, während sie anerkennen, dass diese in der Managementbildung wegen normativer Barrieren marginal bleiben — Benotung auf einer Kurve, externes Signalisieren (Ranglisten, Praktika, Akkreditierung) und instrumentelle Denkweise der Studierenden —, und empfehlen inkrementelles Experimentieren mit institutioneller Unterstützung.

Verbundene Konzepte

Verbundene Artikel

Metadaten

NiveauHigher Ed, K 12
Assessment und MessungLeistungsbeurteilung, Authentisches Assessment, Summatives Assessment, Bildungsmessung
Forschungsmethoden und EvaluationEvaluation von KI in der Bildung
Grundlagen von KI in der BildungAkademische Integrität
SeitenartEvaluation
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.