Menschliche vs. KI-basierte Bewertung von Abschlussarbeiten als Goldstandard

Die Bewertung wissenschaftlicher Abschlussarbeiten durch menschliche Gutachter:innen gilt traditionell als Goldstandard. Der vorliegende Beitrag hinterfragt diese Annahme, diskutiert typische Schwächen und Stärken menschlicher Bewertungen und stellt sie sechs KI-Modellen gegenüber. Auf Basis von 52 Bachelorarbeiten, werden statistische Maßzahlen der Übereinstimmung sowie qualitative Tiefe der Gutachten verglichen. Die Ergebnisse zeigen, dass Menschen die Notenskala breiter nutzen und milder bewerten, während KI-Modelle zu Nivellierung neigen. In der qualitativen Leistungsbewertung finden KI-Modelle systematisch ergänzende Ansatzpunkte; ein starkes Argument für hybride Mensch-KI-Ansätze.