KI-Experiment in der Soziologie: Wenn der Algorithmus die Hausarbeit schreibt

Auf den ersten Blick fällt nichts auf: Die Hausarbeit ist sauber aufgebaut, argumentiert schlüssig und verweist auf wissenschaftliche Quellen. Thema: die Auswirkungen des Homeoffice-Booms auf die Erwerbsarbeit. Doch hinter 17 Seiten Text steckt keine Studentin und kein Student der FernUniversität. Verfasst hat ihn eine KI – gesteuert allein durch gezielte Prompts von Benedikt Engelmeier.

„Eine Hausarbeit ist eigentlich Training für das wissenschaftliche Schreiben und besonders wichtig in den Sozialwissenschaften“, erklärt Engelmeier, wissenschaftlicher Mitarbeiter am Lehrgebiet „Soziologie III - Organisationssoziologie und qualitative Methoden“. Wer eine gute Hausarbeit abliefert, zeigt, dass er oder sie den Stoff eigenständig kognitiv durchdrungen hat und anwenden kann.

Doch genau dieser Nachweis gerät durch Large Language Models (leistungsstarke Modelle, die darauf ausgelegt sind, menschliche Sprache zu verstehen und zu generieren) unter Druck. Wer heute einen Text erstellt, muss sich nicht zwingend tief mit dem Thema auseinandersetzen. Damit stellt sich die Frage: Ist die Hausarbeit in ihrer jetzigen Form noch haltbar?

Um das zu prüfen, startete Engelmeier ein Experiment: Er ließ vier Hausarbeiten für echte soziologische Module an der FernUni vollständig von einem KI-Modell erstellen. Dabei verzichtete er bewusst auf eigenen fachwissenschaftlichen Input. „Ich habe weder das Thema der Arbeit vorgegeben noch in irgendeiner anderen Weise inhaltlich eingegriffen“, sagt Engelmeier.

Statt selbst Inhalte zu entwickeln oder Argumente auszuarbeiten, konzentrierte sich Engelmeier darauf, die KI mit präzisen Arbeitsaufträgen zu füttern. Seine Anweisungen orientierten sich an öffentlich verfügbaren Modulinformationen und dem Leitfaden für wissenschaftliches Arbeiten. Der Aufwand verschob sich damit vom eigentlichen Schreiben hin zum strategischen Prompting.

Wer solche Prompts erstellt, braucht allerdings ein gutes Verständnis davon, wie Hausarbeiten aufgebaut sind und funktionieren. Das Ergebnis fällt ernüchternd aus: „Als langjähriger Prüfer schätze ich die Inhalte der vier Hausarbeiten als gut genug ein, um damit mindestens die Prüfung zu bestehen.“

In der Analyse zeigen die Texte eine hohe inhaltliche Geschlossenheit. Struktur und Argumentation wirken stimmig. Auch die bekannten „Halluzinationen“ – also erfundene Quellen – treten mittlerweile seltener auf. Von 101 Quellen im Literaturverzeichnis waren 63 nahezu fehlerfrei.

Die eigentliche Schwachstelle zeigt sich erst bei genauer Prüfung: Von 56 wörtlichen Zitaten lassen sich nur 15 tatsächlich nachweisen. Die übrigen sind frei erfunden, wirken aber plausibel und fügen sich nahtlos in die Argumentation ein. Genau darin sieht Engelmeier die Gefahr: „Viele Stärken der KI liegen ausgerechnet in Bereichen, die Studierenden oft schwerfallen: Texte klar zu strukturieren, flüssig zu formulieren oder schlüssige Übergänge zwischen einzelnen Argumenten herzustellen. Auch ein geeignetes Hausarbeitsthema lässt sich mit KI schnell entwickeln und eingrenzen.“ Dadurch entstehen Arbeiten, die auf den ersten Blick sehr überzeugend wirken – obwohl zentrale Belege nicht stimmen.

Für Lehrende entsteht damit ein Dilemma: Im Korrekturalltag lassen sich solche KI-Texte kaum nachweisen. „Jedes Zitat im Original nachzuschlagen, ist ein unrealistischer Aufwand“, sagt Engelmeier. Er glaubt: Wenn Prüfungen nicht mehr die Fachkompetenz messen, sondern vor allem den Umgang mit KI-Tools oder finanzielle Ressourcen für entsprechende Dienste (wie z.B. KI-Writing-Anbieter), verliert das Format seinen Sinn. „Es ist keine Lösung, die Hausarbeit einfach beizubehalten und den KI-Einsatz zu erlauben, da sich der Umfang der Nutzung nicht sinnvoll überprüfen lässt.“

Die akademische Ausbildung müsse sich neu ausrichten. Der Zeitpunkt für grundlegende Veränderungen ist nicht mehr fern, sondern bereits erreicht. „Es muss sich verändern, wie wir überhaupt ausbilden. Es kommt vielleicht eher auf Kompetenzen an wie die kritische Reflexion von Ergebnissen: Wer kann beurteilen, ob das, was von einer KI oder einem Menschen produziert wird, brauchbar ist oder für die Tonne?“

Engelmeiers Experiment stößt an der FernUniversität auf eine Debatte, die längst begonnen hat. Schon beim Symposium „Prüfen trotz und mit KI“ im vergangenen Jahr ging es um die Frage, wie sich Prüfungen verändern müssen, wenn KI-Tools selbstverständlicher Teil wissenschaftlichen Arbeitens werden. Zum Beispiel könnte für Lehrende der Entstehungsprozess einer Arbeit wichtiger werden: Wie kommen Studierende zu ihren Ergebnissen? Wie reflektieren sie den Einsatz von KI?

Diskutiert wurden etwa Portfolios, begleitende Reflexionsgespräche oder Aufgaben, in denen Studierende KI-generierte Inhalte kritisch prüfen müssen. Gerade in frühen Lernphasen bleiben auch kontrollierte Prüfungsformen wichtig. KI solle nicht nur als Risiko verstanden werden, sondern als Werkzeug, mit dem Studierende kompetent und kritisch umgehen lernen müssen.

Auch Dr. Annabell Bils, Geschäftsführerin am Zentrum für Lernen und Innovation (ZLI) der FernUni, unterstützt diesen Weg im Rahmen des Hochschulforums Digitalisierung. Das Diskussionspapier „Wissenschaftliche Abschlussarbeiten im KI-Zeitalter“ stellt die Förderung von AI Literacy in den Mittelpunkt. Bewertet wird künftig stärker der Weg zur Lösung als nur das Endprodukt – ergänzt durch Reflexionsgespräche und eine Dokumentation der eingesetzten Werkzeuge. Das sogenannte 3P-Modell unterscheidet dabei zwischen Prozess, Produkt und Präsentation und plädiert für eine ganzheitliche Bewertung.