Business Case September 2026 UiT The Arctic University of Norway
KI-gestütztes Feedback: Ergebnisse eines Pilotprojekts in zwei Masterkursen an der UiT
Was nötig ist, um KI-Feedback zu quantitativen, modellbasierten Arbeiten zu vertrauen.
Das ist für Sie relevant, weil:
- Sie möchten wissen, wie KI-gestütztes Feedback bei geschlossenen, quantitativen Kursarbeiten abschneidet – nicht nur bei offenen Aufsätzen.
- Sie benötigen eine dokumentierte Darstellung echter Halluzinationen und ihrer Ursachen, bevor Sie KI-Ergebnissen aus dem ersten Durchlauf vertrauen.
- Sie möchten belegt sehen, dass eine menschliche Prüfung jedes Problem erkennen kann, bevor Studierende es zu sehen bekommen.
- Sie planen eine schrittweise Einführung und möchten wissen, welche Schulung und Prompt-Kalibrierung dafür tatsächlich nötig sind.
Zusammenfassung
Dieses Pilotprojekt testete KI-gestütztes Feedback zu technischen, modellbasierten Kursarbeiten im Masterstudium an der UiT: EOQ- und MRP-Berechnungen im Kurs Manufacturing Logistics sowie gemischt-ganzzahlige Optimierung von Netzwerkdesigns im Kurs Supply Chain Management. Die beiden Kursverantwortlichen, Associate Professor Xu Sun und Professor Hao Yu, erstellten KI-gestütztes Feedback für zehn Abgaben und bewerteten den Prozess gemeinsam, ergänzt durch zwei Studierende, die eine ausführliche Evaluationsumfrage ausfüllten.
Beide Kursverantwortlichen stießen in den ersten KI-Ergebnissen auf echte Halluzinationen – erfundene Probleme, übersehene Fehler und eine falsch gelesene Berechnung – und hielten das Tool ohne Nachbearbeitung nicht für zuverlässig. Jede Halluzination wurde vor der Freigabe erkannt: Beide prüften jede Rückmeldung, und kein unzuverlässiges Feedback erreichte Studierende. Trotz des holprigen Starts verkürzten sie die Bewertungszeit um rund ein Drittel, würden das Tool wieder einsetzen und es Kolleg:innen empfehlen – vorausgesetzt, die Einführung erfolgt schrittweise und wird von Schulungen begleitet. Ihre Testdaten flossen direkt in eine Ursachenanalyse von UNIwise ein, die die Fehler auf sechs konkrete Ursachen zurückführt; mehrere davon sind bereits behoben oder werden bis zum Release im Oktober 2026 bearbeitet.
Das PDF ist auf Englisch verfügbar.