Künstliche Intelligenz (KI) verändert, wie Hochschulen Leistungen prüfen und Unternehmen berufliche Eignung beurteilen. Wenn ein System mathematische Aufgaben löst, Texte überarbeitet oder Programmieraufgaben erledigt, verlieren manche etablierte Prüfungsformen an Aussagekraft. Das betrifft Studierende ebenso wie Berufseinsteigerinnen und Berufseinsteiger, denn beide müssen zunehmend zeigen, was sie mit KI leisten können und was sie ohne sie verstehen.
Warum Prüfungen ihren Beweiswert verlieren
Richard Borcherds von der University of California, Berkeley, sieht laut einem Bericht über KI im Mathematikstudium keinen Sinn mehr darin, die Hausaufgaben seiner Kursteilnehmenden zu benoten. Der Einsatz von KI sei unvermeidbar geworden. Wenn nicht erkennbar ist, ob eine eingereichte Lösung selbst erarbeitet oder von einem System erzeugt wurde, misst die Note nicht mehr zuverlässig die mathematische Leistung.
Das Problem reicht über Mathematik hinaus. Eine bundesweite Befragung der Hochschule Darmstadt kam dem Bericht zufolge zum Ergebnis, dass 92 Prozent der Befragten in Deutschland Werkzeuge wie ChatGPT zumindest gelegentlich verwenden. Häufig klären sie damit Verständnisfragen oder lassen Texte erstellen, analysieren und übersetzen. In den USA nutzten Studierende an Colleges ChatGPT laut einer OpenAI-Analyse häufiger als jede andere untersuchte Zielgruppe.
Ein konkretes Beispiel ist eine schriftliche Hausaufgabe, bei der du mehrere Rechenschritte begründen sollst. Die fertige Lösung kann korrekt aussehen, obwohl du den Lösungsweg nicht selbst nachvollziehen kannst. Ähnlich ist es bei einem übersetzten oder sprachlich geglätteten Aufsatz: Das Ergebnis zeigt dann teilweise die Qualität des Werkzeugs und nicht allein deine Sprachkompetenz.
Damit werden Prüfungen nicht grundsätzlich überflüssig, aber ihr Aufbau muss besser zum Prüfungsziel passen. Wenn eine Hochschule dein Verständnis beurteilen will, kann eine blosse Abgabe zu Hause dafür weniger geeignet sein als ein Gespräch über den Lösungsweg. Soll dagegen der kompetente Einsatz von Hilfsmitteln geprüft werden, müsste KI ausdrücklich zugelassen und ihre Verwendung nachvollziehbar gemacht werden.
Was Fachwissen weiterhin leistet
Aus dem Bedeutungsverlust einzelner Aufgaben folgt nicht, dass Fachwissen bedeutungslos wird. Mehr als 1000 Mathematikerinnen und Mathematiker haben sich laut einem Bericht über die Association for Human Mathematics verpflichtet, KI in ihrer Forschung zu meiden. Der Verband argumentiert, mathematisches Verständnis entstehe durch Schreiben, sorgfältiges Denken und menschliche Fachkenntnis; automatisierte Produktion könne diese Grundlagen untergraben.
Diese Position steht deutlich neben Borcherds’ pragmatischer Einschätzung, KI lasse sich im Studium nicht mehr vermeiden. Die beiden Meldungen widersprechen sich nicht bei der Beobachtung, dass KI tief in die Mathematik eingreift, wohl aber bei der Konsequenz: Die eine Seite will Bewertungsformen anpassen, die andere den Einsatz in der Forschung vollständig ablehnen. Laut dem Bericht veröffentlichte OpenAI im selben Monat 722 Fachartikel, die mathematische Probleme beweisen oder widerlegen sollten; die Qualität dieser umfangreichen Produktion lässt sich aus den gelieferten Angaben nicht unabhängig beurteilen.
Fachwissen bleibt vor allem nötig, um Ergebnisse zu prüfen, Fehler zu erkennen und sinnvolle Fragen zu stellen. Wenn du eine KI-Antwort nur übernehmen kannst, solange sie plausibel klingt, bist du von ihrer Zuverlässigkeit abhängig. Wer die Grundlagen beherrscht, kann dagegen beurteilen, ob ein Rechenweg trägt, eine Übersetzung den Sinn erhält oder eine Zusammenfassung entscheidende Einschränkungen unterschlägt.
Auch eine Diskussion am Berner CNO Panel 2026 rückte diesen Zweckbezug in den Vordergrund. Die Beiträge zur sinnstiftenden Digitalisierung verlangten unter anderem einen pädagogischen Kompass, eine genauere Betrachtung digitaler Kommunikationskultur und weiterhin Raum für analoge Bücher. Digitalisierung soll demnach kein Selbstzweck sein; die nüchterne Version davon lautet, dass nicht jedes verfügbare Werkzeug automatisch eine bessere Lernmethode ist.
Was sich bei Studienwahl und Bewerbungen verschiebt
KI beeinflusst nicht nur das Studium, sondern bereits die Wahl der Hochschule. Für einen Schweizer Sichtbarkeitsindex untersuchte Advance Metrics, welche Hochschulen ChatGPT, Gemini und Claude bei Fragen zur Studienwahl nennen. Laut der Auswertung zu Schweizer Hochschulen lag die Universität Zürich in sieben von 25 Kategorien vorne, gefolgt in der Gesamtbetrachtung von der Universität Bern und der ETH Zürich.
Die Ergebnisse unterschieden sich nach Fachgebiet: In Wirtschaft und Management führte die Universität St. Gallen, bei Kunst und Design sowie Musik und Theater die Zürcher Hochschule der Künste. Insgesamt erreichten zwölf Hochschulen in mindestens einer Kategorie den ersten Platz. Das zeigt, dass eine allgemeine Empfehlung wenig über die beste Wahl für ein bestimmtes Fach aussagt.
Zudem fand das Unternehmen in den Rohdaten mehr als 1000 Namensvarianten für rund 120 Institutionen. Mehrsprachige Bezeichnungen wie «ETH Zürich», «ETH Zurich» und «Eidgenössische Technische Hochschule Zürich» konnten von den Modellen offenbar nicht immer sicher derselben Institution zugeordnet werden. Für die Schweiz ist das besonders relevant, weil mehrere Landessprachen die Sichtbarkeit beeinflussen können; eine KI-Empfehlung ist deshalb eher ein Ausgangspunkt als ein belastbares Hochschulranking.
Auch Arbeitgeber verändern ihre Auswahlverfahren. Beim Schweizer Sicherheitssoftware-Anbieter Proton sollen Beschäftigte in erneuten Gesprächen erklären, wie sie KI einsetzen. Laut einem Bericht über die internen KI-Interviews, der sich auf 404 Media und ein internes Rundschreiben beruft, könnten die Ergebnisse Aufgaben, Zuständigkeiten und die weitere Beschäftigung beeinflussen. Die Gespräche sollen von ranghohen Beschäftigten geführt werden, die bereits starke KI-Fähigkeiten gezeigt hätten, nicht von den direkten Vorgesetzten.
Die Angaben sind ausserhalb dieser Berichterstattung nicht unabhängig bestätigt. Sie zeigen dennoch, welche neue Erwartung entstehen kann: Es genügt möglicherweise nicht, ein Werkzeug gelegentlich zu öffnen; Beschäftigte sollen erklären, wie daraus bessere Produkte oder Arbeitsweisen entstehen. Für die Schweiz ist das ein konkretes Beispiel dafür, dass KI-Kompetenz nicht nur in Stellenausschreibungen auftaucht, sondern auch bestehende Rollen neu ordnen kann.
Pro und Kontra von KI als Leistungswerkzeug
Pro:
- Schnellere Klärung – Studierende können Verständnisfragen bearbeiten sowie Texte analysieren und übersetzen lassen.
- Mehr Gewicht auf Anwendung – Prüfungen und Gespräche können stärker bewerten, wie du Ergebnisse prüfst und in einen sinnvollen Arbeitsablauf überführst.
- Neue Chancen für Einsteiger – Wer Probleme erkennt und KI zielgerichtet einsetzt, kann fehlende Berufserfahrung teilweise ausgleichen.
- Fachbezogene Orientierung – KI kann bei der Studienwahl unterschiedliche Hochschulen für unterschiedliche Fachrichtungen sichtbar machen.
Kontra:
- Unklare Eigenleistung – Eine korrekte Abgabe belegt nicht mehr zuverlässig, dass du den Inhalt verstanden hast.
- Abhängigkeit von Modellen – Fehlerhafte Zuordnungen und uneinheitliche Namen können Empfehlungen verzerren.
- Druck am Arbeitsplatz – KI-Fähigkeiten können zum Kriterium für Aufgabenverteilung oder weitere Beschäftigung werden.
- Verlust von Lernprozessen – Wer Denken, Schreiben und Prüfen zu früh auslagert, entwickelt womöglich weniger belastbares Fachwissen.
Was das für dich heisst
Für Einsteigerinnen und Einsteiger ist der erste sinnvolle Schritt, KI nicht als unsichtbaren Ersatz für die eigene Arbeit zu behandeln. Nutze sie beispielsweise, um dir eine schwierige Passage erklären oder zwei Übersetzungsvarianten gegenüberstellen zu lassen, und prüfe anschliessend das Ergebnis anhand deiner Unterlagen. Bei der Studienwahl kannst du KI nach passenden Hochschulen fragen, solltest die Empfehlung aber mit Fachprofilen und offiziellen Informationen der Institutionen abgleichen.
Fortgeschrittene holen mehr heraus, wenn sie nicht nur bessere Eingaben formulieren, sondern den gesamten Arbeitsprozess beurteilen. Dazu gehört, festzulegen, welche Aufgabe die KI übernimmt, wie du Resultate kontrollierst und wo menschliches Urteil nötig bleibt. Dokumentiere bei Studien- und Berufsaufgaben zudem, welche Teile von dir stammen und wobei ein Werkzeug geholfen hat, sofern die geltenden Regeln eine solche Nutzung zulassen.
Ein Beispiel aus der Arbeitswelt liefert Felix Rieseberg, Engineering Manager bei Anthropic. Er hält kleine Programmieraufgaben in Bewerbungsgesprächen laut einem Bericht über veränderte Auswahlkriterien für wenig sinnvoll, weil Claude solche Aufgaben besser lösen könne als Bewerbende. Nach seiner Beobachtung zählen unternehmerisches Denken, das Erkennen übersehener Probleme und die Fähigkeit, Ideen umzusetzen, stärker als klassische Testergebnisse.
Als Beispiel nennt Rieseberg eine geplante Offline-Architektur bei Notion, die intern als technisch schwierig und angeblich vom Unternehmenschef unerwünscht galt. Die technische Hürde bestand tatsächlich, der angenommene Widerstand war jedoch nie überprüft worden. Der Wert des Neueinsteigers lag damit nicht nur in der Umsetzung, sondern darin, eine festgefahrene Annahme zu hinterfragen.
Hier zeigt sich zugleich ein Unterschied zwischen Anthropic und Proton: In Riesebergs Darstellung verliert ein klassischer Test an Bedeutung, während Proton zusätzliche Gespräche über KI-Nutzung einführt. Beide Ansätze verschieben den Schwerpunkt weg von einer isolierten Aufgabe hin zur Frage, wie Menschen mit KI arbeiten. Offen bleibt, ob solche Verfahren tatsächliche Kompetenz fairer messen oder lediglich eine neue Form von Anpassungsdruck schaffen.
KI macht Studium, Fachwissen und Bewerbungen nicht wertlos, aber sie schwächt Aufgaben, deren Ergebnis leicht automatisiert werden kann. Plausibler werden Bewertungen, die Verständnis, Kontrolle, Urteilsvermögen und sinnvolle Anwendung gemeinsam erfassen. Das offene Risiko besteht darin, dass Hochschulen und Unternehmen zwar neue KI-Erwartungen formulieren, aber noch keine transparenten und fairen Massstäbe dafür besitzen.
Quellen
- KI im Studium: Warum dieser Professor keine Mathe-Hausaufgaben mehr benoten will – Unbekannt, 2026-10-28
- Diese Schweizer Hochschulen empfiehlt KI am häufigsten – Unbekannt, 2026-10-28
- Verband gegen KI: Über 1.000 Mathematiker verpflichten sich zum kompletten Verzicht – Unbekannt, 2026-10-28
- Wegen KI: Proton-Mitarbeiter müssen erneut zum Bewerbungsgespräch – Unbekannt, 2026-10-28
- Weil KI den Code schreibt, wird bei Anthropic unternehmerisches Denken zur wichtigsten Währung für Einsteiger – Unbekannt, 2026-10-28
- Warum wir Sinnhorizonte besser verstehen sollten – Unbekannt, 2026-10-28
Bild: RDNE Stock project via Pexels