ChatGPT verbessert studentische Arbeiten deutlich, eine Unterrichtseinheit fördert vielfältigere und ungewöhnlichere Lösungen. Ob KI auch das Lernen verbessert, bleibt offen.
Was macht eine gute studentische Arbeit aus und was davon lässt sich mit KI verbessern? Ein randomisiertes Experiment mit 1.053 Erstsemestern der Bocconi University zeigt, dass GPT-4o Studierenden bei einer Business-Aufgabe zu deutlich besseren Bewertungen verhalf. Eine kurze Unterrichtseinheit zum kausalen Denken steigerte den klassischen Score dagegen nicht, förderte aber vielfältigere Lösungsansätze und stärkeres Nachdenken über Ursachen, Annahmen und Wirkmechanismen.
Die Studie zeigt damit zwei unterschiedliche Effekte: GPT-4o half vor allem bei besser bewerteten Antworten, die Unterrichtseinheit förderte dagegen Qualitäten, die diese Maßstäbe nur teilweise erfassten. Ob ChatGPT auch das Lernen verbessert, untersuchte das Experiment nicht.
GPT-4o verbessert die bewertete Leistung deutlich
Im November 2025 wurden 13 Klassen eines Einführungskurses in Management zufällig einer von vier Gruppen zugeteilt: einer Kontrollgruppe, einer Unterrichtseinheit zum kausalen Denken, dem Zugang zu GPT-4o oder einer Kombination aus beidem. Die Zufallszuteilung erfolgte auf Klassenebene.
Die Studierenden sollten in bis zu 180 Wörtern Marketingempfehlungen für den Merchandise-Shop der Universität verfassen. In der Unterrichtseinheit lernten sie Prinzipien wie kohärente kausale Logik und Falsifizierbarkeit. Außerdem beschäftigten sie sich mit der Frage, über welche Wirkmechanismen eine Maßnahme zum gewünschten Ergebnis führen könnte.
Mit GPT-4o schnitten die Studierenden bei der Bewertung deutlich besser ab: Auf einer Skala von 1 bis 5 lagen ihre Arbeiten im Schnitt fast einen Punkt über denen der Kontrollgruppe. Außerdem enthielten die GPT-assistierten Antworten im Durchschnitt gut zwei zusätzliche Ideen, waren logisch kohärenter und ähnelten stärker den Empfehlungen dreier Fachexperten.
Auch nachdem die Forschenden Unterschiede bei Argumentation, Ideenmenge, Ideenvielfalt und Texteigenschaften herausrechneten, blieb ein messbarer Vorteil für GPT-4o bestehen. Die Autoren werten das als Hinweis auf höhere inhaltliche Qualität der Antworten, nicht auf mehr Wissen der Studierenden.
Anders fiel der Effekt der Unterrichtseinheit zum kausalen Denken aus: Sie führte zu keiner besseren klassischen Bewertung, die Arbeiten schnitten im Schnitt sogar leicht schlechter ab. Dafür erklärten die Studierenden häufiger, warum eine vorgeschlagene Maßnahme funktionieren sollte und unter welchen Bedingungen sie scheitern könnte. Zudem entwickelten sie vielfältigere Ideen, die stärker von den Lösungen anderer abwichen.
Die Kombination aus Unterrichtseinheit und GPT-4o verbesserte die klassische Bewertung nicht zusätzlich. Bei den gemessenen Merkmalen des kausalen Denkens ergänzten sich beide Ansätze jedoch. Zugleich blieb die größere Ideenvielfalt der Unterrichtsgruppe erhalten.
ChatGPT-Zugang und Training im kritischen Denken hatten komplementäre Effekte auf studentische Arbeiten. ChatGPT allein verbesserte vor allem die klassische Bewertung, die Unterrichtseinheit förderte dagegen kausales Denken und Ideenvielfalt. | Bild: OpenAIKonventionelle Bewertung und KI passen perfekt zusammen
Wer mehr Ideen lieferte, kohärenter argumentierte und innerhalb einer Antwort vielfältiger dachte, bekam höhere Scores. Wer hingegen stärker auf Falsifizierbarkeit setzte, Wirkmechanismen ausführlicher erklärte und vor allem originellere Ideen abseits des Mainstreams entwickelte, wurde schlechter bewertet.
Das heißt nicht, dass Originalität grundsätzlich bestraft wird. Bei dieser Aufgabe bildete der klassische Score vor allem gut strukturierte Antworten innerhalb des üblichen Lösungsraums ab. Die Autoren folgern daraus, dass Vielfalt und Originalität ausdrücklich Teil der Bewertung sein müssen, wenn sie honoriert werden sollen.
Damit wird ein grundsätzliches Problem sichtbar. KI kann genau jene Eigenschaften eines Endprodukts verbessern, die etablierte Bewertungsverfahren belohnen. Wie viel eigene Denkarbeit dahintersteckt, bleibt dabei unsichtbar.
Was die Studie nicht zeigt
Die Studierenden mussten nie ohne ChatGPT zeigen, was sie tatsächlich gelernt hatten. Ob der GPT-Vorteil auf eigenem Wissen oder bloß auf besserem KI-Output beruht, bleibt offen. Entsprechend zeigt die Studie daher besser bewertete Leistung bei dieser Aufgabe, nicht besseres Lernen.
Untersucht wurden zudem nur Erstsemester einer einzigen Universität bei einer eng umrissenen Marketingaufgabe. Mehrere Merkmale wie kausales Denken und Ideenvielfalt wurden mithilfe von Modellen von OpenAI und Anthropic ausgewertet. OpenAI stellt die untersuchte Technologie bereit und war an der Studie beteiligt. Mehrere Autoren arbeiten bei OpenAI oder waren während der Arbeit für das Unternehmen tätig.
Was bleibt von der KI-Nutzung?
Andere Untersuchungen ergänzen das Bild. Eine Studie mit mehr als 500.000 US-Hochschulnoten zeigte, dass Bestnoten nach ChatGPT vor allem in schreib- und programmierintensiven Kursen mit hohem Hausaufgabenanteil zunahmen. Kontrollierte Experimente ergaben jedoch, dass Teilnehmer nach Wegfall der KI schlechter abschnitten als eine Kontrollgruppe. Besonders dann, wenn sie GPT zuvor hauptsächlich für direkte Antworten genutzt hatten.
Eine 30-monatige Studie mit mehr als 26.000 Schülern in China bestätigte das Muster über einen längeren Zeitraum. Die Hausaufgaben wurden besser und schneller, die Klausurleistungen sanken. Bei späteren Aufnahmeprüfungen lagen die Ergebnisse 18 bis 24 Prozent niedriger. Schüler, die trotz KI ähnlich viel Zeit in ihre Hausaufgaben investierten wie Nichtnutzer, zeigten keine vergleichbaren Einbußen.
Die bisherige Forschung deutet darauf hin, dass es weniger auf den Einsatz von KI ankommt als darauf, ob sie eigenes Denken unterstützt oder ersetzt. OpenAI sieht in den eigenen Ergebnissen vor allem eine Herausforderung für Bewertungssysteme: Wenn KI polierte, expertenähnliche Arbeiten produzieren kann, sage das Endprodukt allein weniger über das tatsächliche Verständnis der Studierenden aus. Aufgaben und Bewertungen müssten sich ändern und Originalität, eigenständiges Denken und die Abwägung verschiedener Ansätze stärker honorieren, nicht nur die "konventionellste, polierteste Antwort".
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
