67 Prozent der befragten volljährigen Lernenden in Kanada würden ein Ergebnis hinterfragen, wenn ihre Lehrperson KI zum Benoten ihrer Aufgabe nutzte. KPMG Canada veröffentlichte diesen Befund am 4. September 2026. Die Zahl beschreibt keine nachgewiesenen Fehler eines Benotungssystems.
Eine Note ist mehr als Textfeedback. Sie kann über Versetzung, Abschluss, Zulassung oder weitere Chancen entscheiden. Deshalb geht es bei KI in der Bewertung nicht allein darum, ob ein Werkzeug Vorschläge liefern kann. Entscheidend ist, wer Maßstäbe setzt, besondere Fälle erkennt und ein Urteil bei Rückfragen nachvollziehbar begründen kann.
KPMG berichtet zugleich von verbreiteter KI-Nutzung für Bildungsaufgaben. Die Angaben stammen von kanadischen Erwachsenen; das Unternehmen veröffentlicht Selbstangaben statt eines Benotungstests und bietet selbst KI-Beratung an.
Unterstützung und Bewertung sind unterschiedliche Aufgaben
Für Lernende stellt sich zunächst die Frage, welche Hilfe bei einer Aufgabe erlaubt ist und was als eigene Leistung gelten muss. Absprachen über Eigenleistung und Offenlegung betreffen damit vor allem die Person, deren Arbeit später bewertet wird. Der Beitrag zu fairen Regeln für KI bei Hausaufgaben zeigt, warum solche Regeln im Unterricht wichtig sind.
Auf der anderen Seite steht die Frage, welche Rolle KI im Korrekturprozess spielen darf. Eine deutsche Schulempfehlung der Kultusministerkonferenz aus dem Jahr 2024 nennt Vorkorrektur und Korrekturassistenz als mögliche Einsatzfelder. Die abschließende Leistungsbewertung bleibt nach dieser Empfehlung jedoch den Prüfenden vorbehalten. Das ist keine Regel für kanadische Einrichtungen und auch keine Regel für deutsche Hochschulen. Die kanadische Befragung hat diese Arbeitsteilung nicht getrennt abgefragt.
KI kann den nächsten Lernschritt unterstützen
Die KMK beschreibt für KI im Korrektur- und Bewertungsprozess vor allem unterstützende Möglichkeiten. Dazu gehören formative Diagnostik, unmittelbare personalisierte Rückmeldungen und daran anschließende adaptive Lernunterstützung. Formative Diagnostik meint dabei, den Lernstand während des Lernens zu erfassen, damit Rückmeldungen nicht nur ein Ergebnis festhalten, sondern den weiteren Weg beeinflussen können.
In dieser Abfolge liegt ein anderer Zweck als bei einer abschließenden Note. Rückmeldungen können helfen, Stärken und offene Punkte einer Bearbeitung sichtbar zu machen. Eine daran angepasste Lernunterstützung kann den nächsten Schritt begleiten. Die KMK nennt dies als Potenzial von KI-Anwendungen, nicht als Nachweis dafür, dass solche Unterstützung in jedem Fall funktioniert oder bereits allgemein zuverlässig eingesetzt werden kann.
Unterstützende Rückmeldungen sollen während des Lernens Orientierung geben und weitere Arbeit ermöglichen. Eine abschließende Note ordnet dagegen die bereits erbrachte Leistung ein.
Die KMK nennt bei KI-gestützter Korrekturassistenz auch Datenschutz und Datensicherheit, fehlende Transparenz und Nachvollziehbarkeit sowie mögliche Diskriminierung durch Bias als Herausforderungen. Bias bezeichnet systematische Verzerrungen in Daten oder Ergebnissen. Sie zeigen aber, weshalb der Einsatz bei einer folgenreichen Bewertung genauer erklärt werden muss als ein bloßer technischer Hinweis.
Für Bildungseinrichtungen folgt daraus eine praktische Konsequenz. Regeln für KI durch Lernende reichen nicht aus, wenn unklar bleibt, wie KI auf der anderen Seite eingesetzt wird. Ein bloßer Hinweis auf KI erklärt nicht, welchen Beitrag sie zu einer Note geleistet hat. Verständlich wird der Prozess erst, wenn erkennbar ist, wer das Urteil begründen kann und als verantwortliche Person ansprechbar bleibt.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
