Prüfungsaufsicht & wissenschaftliche Integrität

Generative KI hat klassische Plagiatsprüfungen unzureichend gemacht, und Prüfungen aus der Ferne haben Täuschung und Identitätsbetrug in die eigenen vier Wände verlagert. Einrichtungen kombinieren Ähnlichkeitserkennung, Analyse des Schreibprozesses, Identitätsprüfung und (immer vorsichtiger) Aufsichtssoftware, um den Wert ihrer Abschlüsse zu schützen. In der EU ist dies ein Hochrisiko-Bereich der KI: Werkzeuge sind Hilfsmittel, die Hinweise liefern; Sanktionen müssen eine menschliche, begründete und anfechtbare Entscheidung bleiben.

Problem & Nutzen

• Heute: Lehrende prüfen verdächtige Texte von Hand oder mit Ähnlichkeitswerkzeugen; Prüfungen aus der Ferne nutzen Lockdown-Browser, Webcam-Aufzeichnung und menschliche Aufsichtspersonen, die viele Prüflinge beobachten; mündliche Nachprüfungen klären Zweifelsfälle.
• Lücke: Textabgleich-Werkzeuge finden kopierte Quellen, aber keinen frisch generierten Text, kein Ghostwriting und keine Paraphrasierwerkzeuge. Automatisierte KI-Text-Detektoren liefern probabilistische Werte, von deren alleiniger Verwendung als Beweis die Anbieter selbst abraten.
• KI-Nutzen: Vorauswahl im großen Maßstab (die wenigen Abgaben priorisieren, die menschliche Aufmerksamkeit brauchen), Prozessbelege (Entwürfe, Änderungsverlauf) statt Vermutungen, günstigere Identitätsprüfungen für Fern- und Zertifizierungsprüfungen sowie fairere, dokumentierte Verfahren.
• Vorsicht: Für KI-basierte Verhaltensmarkierung gibt es keine verlässlichen, unabhängig validierten Nutzenzahlen; falsch positive Treffer betreffen Nicht-Muttersprachler sowie neurodivergente oder behinderte Prüflinge überproportional, deshalb müssen Piloten dies vor der Einführung messen.

Varianten

• Text- und Code-Ähnlichkeit: klassischer Abgleich mit Web/Publikationen/früheren Arbeiten (Turnitin, Ouriginal, PlagScan, Compilatio, Urkund-Erbe), Code-Ähnlichkeit (MOSS, JPlag).
• KI-Schreibindikatoren: klassifikatorbasierte Detektoren (Turnitin AI writing indicator, GPTZero, Copyleaks) – nur Indikatoren, nie ein Beweis.
• Prozessbasierte Integrität: Belege aus Tastenanschlägen/Versionsverlauf, z. B. Verlauf in Google Docs/Word, Cadmus, Turnitin Clarity, dazu authentische Prüfungsformen und mündliche Verteidigungen.
• Online-Aufsicht (Remote Proctoring): Lockdown-Browser, Identitätsprüfung und aufgezeichnete oder live beaufsichtigte Sitzungen (ProctorExam, Proctorio, Honorlock, Respondus, Examity, Mettl, Inspera, Wiseflow, TestReach).
• Zertifizierungs- und Aufnahmetests: Identitätsprüfung in Testzentren oder zu Hause.
• Nicht unterstützt: Emotionserkennung bei Studierenden (siehe Risiken – verboten).

So funktioniert es

1. submission / exam session
2. identity & access (enrolment check, ID document + selfie match, SSO)
3. evidence capture (text, version history, browser/screen events; webcam only if justified)
4. analysis (similarity search | AI-writing classifier | style-consistency vs. earlier work | event anomalies)
5. triage (score + highlighted evidence; thresholds set low-recall for sanctions, high for review)
6. human review (lecturer / invigilator / examination board)
7. conversation with student (viva, right to be heard)
8. decision
9. appeal path

• Ähnlichkeit: N-Gramm-/Fingerabdruck-Abgleich und Embedding-Suche über Web- und institutionelle Korpora.
• KI-Text-Indikatoren: feingetunte Encoder-Klassifikatoren oder Merkmale im Stil der Perplexität; schwach bei bearbeiteten, übersetzten oder kurzen Texten und verzerrt gegen Schreibende, die nicht Muttersprachler sind.
• Stilometrie: eine Abgabe mit früheren Arbeiten derselben Person vergleichen; nützlich als Anlass für ein Gespräch, nicht als Beweis.
• Aufsichtsanalytik: Ereignisregeln (Tab-Wechsel, zweiter Bildschirm) und optional Bildmodelle (Anwesenheit eines Gesichts, mehrere Personen). Markierungen erhalten Zeitstempel für einen Menschen; keine automatische Strafe.
• Rolle des LLM: Belege zu einer Fallakte zusammenfassen, individuelle Fragen für das Kolloquium aus der eigenen Abgabe der oder des Studierenden erzeugen, um das Verständnis zu prüfen.

Datenaufbereitung

Weniger Datenaufbereitung als bei anderen Anwendungsfällen, aber die Daten sind sehr sensibel. Benötigt werden Abgaben von Studierenden mit Versionsverlauf, Referenzkorpora (eigene frühere Arbeiten, Fachzeitschriften, Web), Einschreibefotos und Ausweisdokumente für Identitätsprüfungen sowie Telemetrie der Prüfungssitzung. Sie liegen im LMS oder auf der Prüfungsplattform, im Studierendenverwaltungssystem, auf Dateiablagen und teils in Papierarchiven.

Typische Lücken: frühere Abschlussarbeiten nicht als durchsuchbarer Text verfügbar (Scans), keine Einwilligungs- oder Aufbewahrungsregeln für Webcam-Aufzeichnungen, fehlende Schreibproben als Vergleichsbasis pro Studierendem, uneinheitliche Dateiformate und unklare Zugriffsrechte auf Aufzeichnungen.

Schritte der Aufbereitung: (1) ältere Abschlussarbeiten digitalisieren und per OCR erfassen, um einen eigenen Referenzkorpus aufzubauen (PREP-006); (2) Formate in Klartext konvertieren (PREP-007); (3) Datenklassifizierung und Aufbewahrung für Aufzeichnungen festlegen (PREP-024); (4) Zweck und Rechtsgrundlage prüfen (PREP-025); (5) einen kleinen Auswertungssatz bekannter Fälle aufbauen, um falsch positive Treffer zu messen (PREP-018); (6) den Zugriff auf Aufzeichnungen auf den Prüfungsausschuss beschränken. Werkzeuge: OCR etwa mit Paperless-ngx, das LMS, ein Skript zur Textextraktion.

Grober Aufwandsanteil: etwa 10-20 Prozent, überwiegend Referenzkorpus und rechtliche Einrichtung. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• Unternehmen (Zertifizierungsstellen, Bildungsanbieter): Weg A, weil zertifizierte Aufsichts- und Plagiatsprodukte ausgereift sind und der Prozess standardisiert ist.
• Öffentlicher Sektor (Hochschulen, Schulen): Weg C, weil biometrische und Webcam-Daten sehr sensibel sind und Open-Source-Werkzeuge auf souveränem EU-Hosting (Moodle-Plugins, lokale Ähnlichkeitssuche) die Weitergabe von Studierendendaten an Dritte vermeiden.
• Entwickler (Developer): Weg C, weil ein Hochrisiko-System volle Kontrolle über die Daten und Erklärbarkeit für die Konformitätsarbeit braucht.

Weg A — Kaufen (Standardsoftware; empfohlen für Zertifizierungsstellen und Unternehmen)

• Ähnlichkeit/KI-Indikatoren: Turnitin (US, Optionen für EU-Datenspeicherung), Ouriginal/Turnitin, Compilatio (FR, EU), PlagScan/Ouriginal (DE-Erbe), Copyleaks, GPTZero.
• Prüfungsplattformen mit Aufsicht oder Lockdown: Inspera (NO, EU), Wiseflow/UNIwise (DK, EU), ProctorExam (NL, EU), TestReach (IE, EU), Respondus, Proctorio, Honorlock, Examity (US).
• A wählen, wenn: der Einrichtung ML-Personal fehlt; verlangen Sie EU-Hosting, einen für die DSFA tauglichen Auftragsverarbeitungsvertrag (AVV), Barrierefreiheitsfunktionen und die KI-Verordnungs-Konformitätserklärung des Anbieters (Anhang III 3(d)). Bevorzugen Sie Werkzeuge, die Belege statt nur eines Wertes liefern.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Embeddings + Suche (Mistral, Azure OpenAI EU-Regionen, Cohere) über einen institutionellen Korpus für interne Ähnlichkeit; LLM (Claude, Mistral, GPT, Gemini in EU-Regionen) für Fallzusammenfassungen und Fragen für das Kolloquium.
• APIs zur Identitätsprüfung: an eIDAS ausgerichtete EU-Anbieter (z. B. IDnow, Onfido/Entrust, Veriff) – die Verarbeitung biometrischer Daten braucht eine ausdrückliche Rechtsgrundlage (siehe Risiken).
• B wählen, wenn: Sie in ein bestehendes LMS integrieren (Moodle, ILIAS, Canvas) und die Kontrolle über Schwellenwerte und Beleg-Format behalten wollen.

Weg C — Selbst betreiben (Open Source; empfohlen für öffentliche Einrichtungen)

• Code-Ähnlichkeit: JPlag (KIT, Open Source), Werkzeuge im Stil von MOSS; Text: offene Satz- Embeddings (BGE-M3, multilingual-e5) mit OpenSearch/pgvector; Fingerprinting per Winnowing.
• LLM für Fallzusammenfassungen: Mistral-, Llama- oder Qwen-Modelle (~8–30B) über vLLM/Ollama auf HW2.
• Erkennung von KI-Text: Offene Detektoren existieren (z. B. Binoculars), sind aber Forschungsstand.
• C wählen, wenn: die Daten die Hochschule nicht verlassen dürfen oder für Programmierkurse.

Weg D — Eigenes Training

Das Trainieren eigener KI-Text-Detektoren oder Modelle für Täuschungsverhalten ist selten gerechtfertigt: Daten zu echtem Fehlverhalten sind knapp, Labels umstritten, und der Drift mit jeder neuen Modellversion ist schnell. Stilometrische Modelle je Einrichtung brauchen Einwilligung und sorgfältige Prüfungen auf Verzerrungen.

Stand der Technik (2026)

• KI-Text-Erkennung ist ein Wettrüsten: Detektoren verlieren Genauigkeit gegenüber Paraphrasierung, gemischtem menschlichem/KI-Schreiben und neueren Modellen; Anbieter geben an, dass Werte nicht allein für Disziplinarmaßnahmen taugen, und mehrere Hochschulen haben sie abgeschaltet. Begutachtete Studien zeigen eine Verzerrung gegenüber Schreibenden, die nicht Muttersprachler des Englischen sind (Liang et al., 2023).
• Verschiebung zu Prozess und Prüfungsgestaltung: Versionsverläufe, Schreiben im Unterricht, mündliche Prüfungen, authentische Aufgaben und Prüfungen mit erlaubter KI-Nutzung samt Offenlegung (z. B. Ampel-Skalen zur KI-Nutzung).
• Online-Aufsicht hat an Boden verloren: Nach rechtlichen Auseinandersetzungen und Beschwerden zur Barrierefreiheit haben viele Einrichtungen die Webcam-Überwachung durch Präsenz- oder Hybridprüfungen, Lockdown-Browser oder Open-Book-Neugestaltung ersetzt. Wo sie eingesetzt wird, ist die Prüfung durch einen Menschen (Human-in-the-Loop) die Regel.
• Deepfake-/Identitätsrisiken (synthetische Gesichter, Stimmklone, Fernsteuerungswerkzeuge) drängen zu Ausweisprüfungen mit Lebenderkennung; siehe ANOM-014, ANOM-015.
• Grenzen: falsch positive Treffer, Verzerrungen, keine Grundwahrheit, Eingriff in die Privatsphäre zu Hause, leichte Umgehung (zweites Gerät, Paraphrasierer).

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack wie EDU-002/EDU-003 (LLM, Embeddings) und EDU-007 (Analytik): gemeinsamer Korpusindex.
• Identität: ANOM-014 (Dokumentenfälschung & Lebenderkennung), VIS-016 (Gesichtserkennung; strengere Regeln), SPEECH-010 (Stimmbiometrie – für Prüfungen vermeiden, sofern nicht streng begründet).
• Herkunft von Inhalten: ANOM-015 (Kennzeichnung von KI-Inhalten, Art. 50 AI Act).
• Hardware: HW2 genügt für Embeddings und einen LLM-Zusammenfasser.

Aufwand, Kosten & Kennzahlen

• A: Wochen (SSO-/LMS-Integration, DSFA, Richtlinie); Lizenzen pro Studierendem oder Abgabe.
• B: 2–4 Monate für Integration, Beleg-Oberfläche und Governance.
• C: 3–6 Monate inkl. Korpusaufbau; geringe Lizenzkosten, Personalkosten dominieren.
• Kennzahlen: Anteil der Markierungen, die nach der Prüfung bestätigt wurden, Rate falsch positiver Treffer nach Untergruppe (Sprache, Behinderung), Prüfzeit pro Fall, stattgegebene Widersprüche, Umfrage zum Vertrauen der Studierenden, per Kolloquium geklärte Fälle.

Menschen & Veränderung

Beziehen Sie von Beginn an die Leitung und den Prüfungsausschuss (Prozessverantwortlicher und Entscheider), das Justiziariat, die IT-Sicherheit und die oder den Datenschutzbeauftragten ein. Studierende und ihre Vertretungen müssen früh informiert und angehört werden, da Aufsicht in die Privatsphäre eingreift. Eine Datenschutz-Folgenabschätzung (DSFA) ist in der Praxis erforderlich (Webcam, biometrische Identifikation, systematische Bewertung von Personen; GUIDE-005), ebenso ein AVV mit jedem Anbieter. Nach der KI-Verordnung (AI Act) sind Systeme zur Überwachung verbotenen Verhaltens bei Prüfungen Hochrisiko (Anhang III) mit Pflichten ab dem 2. Dez. 2027 (GUIDE-014); das Ableiten von Emotionen in der Bildung ist verboten.

Betriebsrat: ja, soweit Prüfende, Aufsichtspersonen oder Beschäftigte protokolliert oder bewertet werden; die objektive Eignung zur Verhaltenskontrolle löst die Mitbestimmung nach §87 Abs. 1 Nr. 6 BetrVG aus (im öffentlichen Dienst der Personalrat), dazu die Information nach §90 Abs. 1 Nr. 3 (GUIDE-004).

Fördern Sie die KI-Kompetenz der Prüfenden (Art. 4 AI Act, GUIDE-006): KI-Schreibdetektoren haben Fehlerraten und dürfen nie alleiniger Beleg sein. Typische Bedenken sind falsche Beschuldigungen und Überwachung. Begegnen Sie ihnen mit einem dokumentierten Widerspruchsweg, der mündlichen Verteidigung als Nachfolgeschritt, menschlichen Entscheidungen in jedem Fall und einer transparenten Richtlinie, die vor der Prüfungsphase kommuniziert wird. Pilotieren Sie zuerst bei Prüfungen mit geringem Gewicht (GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Anhang III Nr. 3(b) Hochrisiko erfasst KI, die Lernergebnisse bewertet; 3(d) erfasst KI, die verbotenes Verhalten von Studierenden während Prüfungen überwacht und erkennt. Die Pflichten (Risiko- management, Daten-Governance, Protokollierung, menschliche Aufsicht, Transparenz gegenüber Betreibern, Genauigkeit) gelten ab dem Anwendungsdatum für Anhang III; prüfen Sie den Stand des „Digital Omnibus“-Vorschlags von 2025–26, der es verschieben könnte. Betreiber müssen menschliche Aufsicht sicherstellen und betroffene Personen informieren.
• Verbot nach Art. 5: Das Ableiten von Emotionen von Studierenden in Bildungseinrichtungen (Art. 5 Abs. 1 Buchst. f) ist verboten, außer aus medizinischen/Sicherheitsgründen. Nutzen Sie keine Bewertung von „Stress“, „verdächtiger Emotion“ oder Blick-Emotion. Vermeiden Sie auch biometrische Kategorisierung, die sensible Merkmale ableitet.
• DSGVO: Webcam-Video, Raumscans, Ausweis- und Gesichtsvorlagen sind eingriffsintensiv; biometrische Vorlagen sind besondere Kategorien von Daten (Art. 9). Eine DSFA ist zwingend (Art. 35); Erforderlichkeit und mildere Alternativen müssen nachgewiesen werden; eine Einwilligung ist bei Prüfungen selten freiwillig. Art. 22 beschränkt ausschließlich automatisierte Entscheidungen mit rechtlicher Wirkung; behalten Sie die menschliche Prüfung und das Recht auf Anfechtung. Niederländische Gerichte und mehrere europäische Datenschutzbehörden haben Online-Aufsicht kritisch geprüft. Kurze Aufbewahrung.
• Bildungsrecht: Die Prüfungsordnungen von Land/Hochschule müssen die Methode zulassen; dokumentieren Sie ein ordnungsgemäßes Verfahren, die Beweislast liegt bei der Einrichtung.
• Risiken und Gegenmaßnahmen: falsche Beschuldigungen (nur Markierungen, Kolloquium, Widerspruch), Verzerrung (Untergruppenprüfungen), Barrierefreiheit (Alternativen auf Anfrage), Datenübermittlung von Anbietern in Drittländer (EU-Hosting, Standardvertragsklauseln), Sicherheit der Aufzeichnungen.

Erste Schritte

1. Zuerst die Richtlinie festlegen: erlaubte KI-Nutzung je Kurs, Beweisstandards, Widerspruchsverfahren.
2. Prüfungen mit hohem Gewicht neu gestalten (mündlicher Teil, Prozessbelege, vor Ort), bevor Werkzeuge gekauft werden.
3. Mit der oder dem Datenschutzbeauftragten eine DSFA durchführen; dokumentieren, warum Aufsicht notwendig und verhältnismäßig ist.
4. Ein Werkzeug für Ähnlichkeit + Prozessbelege an einer Fakultät pilotieren; falsch positive Treffer nach Untergruppe messen.
5. Personal im Interpretieren der Indikatoren schulen; Sanktionen allein auf Basis eines Wertes untersagen.

Quellen

1. Regulation (EU) 2024/1689 (AI Act), Art. 5 and Annex III — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
2. European Commission — Guidelines on prohibited AI practices (Art. 5) — https://digital-strategy.ec.europa.eu/en/library/commission-guidelines-prohibited-artificial-intelligence-practices-established-ai-act
3. Regulation (EU) 2016/679 (GDPR) — https://eur-lex.europa.eu/eli/reg/2016/679/oj
4. Liang et al., "GPT detectors are biased against non-native English writers" (2023) — https://arxiv.org/abs/2304.02819
5. Turnitin — AI writing detection guidance — https://guides.turnitin.com/hc/en/articles/28477544839821-AI-writing-detection-in-the-classic-report-view
6. JPlag source-code plagiarism detector — https://github.com/jplag/JPlag
7. Inspera — assessment platform — https://www.inspera.com/
8. ProctorExam — https://proctorexam.com/