Generative KI verändert Prüfungen in der Informatik

Generative KI^?KI-Systeme, die neue Inhalte wie Text oder Programmcode erzeugen, statt nur vorhandene Daten zu klassifizieren. verändert die Informatik-Ausbildung an einer sehr konkreten Stelle: bei der Prüfung. Laut einer ACM-Umfrage unter 763 Lehrenden aus 49 Ländern haben 68 Prozent ihre Prüfungsformate bereits umgestellt – hin zu mündlichen Prüfungen, beaufsichtigten Tests und Projektarbeit. Der Schwerpunkt wandert vom Schreiben zum Verstehen von Code. Genau diese Verschiebung entscheidet bald mit, wen Unternehmen einstellen und was sie weiterbilden.

Die eigentliche Nachricht steckt nicht in der Prozentzahl, sondern in dem, was sie bestätigt. Zu prüfen, ob jemand eine Sortierfunktion aus dem Kopf tippt, ergibt wenig, wenn ein Chatbot^?Ein KI-gestütztes Dialogsystem, das auf Fragen in natürlicher Sprache antwortet und dabei auch Code erzeugen kann. das in Sekunden liefert. Also messen die Hörsäle jetzt etwas anderes.

Warum verändert generative KI die Informatik-Ausbildung bei der Prüfung?

Weil die klassische Prüfungsleistung entwertet ist. Wenn ein Sprachmodell fehlerfreien Beispielcode ausgibt, prüft eine Take-home-Aufgabe^?Eine Prüfungs- oder Bewerbungsaufgabe, die unbeaufsichtigt zu Hause gelöst wird und daher leicht mit Hilfsmitteln umgangen werden kann. nicht mehr das Können, sondern den Zugang zum Tool. Die in der ACM-Umfrage genannte Umstellung auf mündliche Prüfungen und beaufsichtigte Tests ist die Antwort darauf: Sie verlagert die Prüfung auf das, was die Maschine nicht abnimmt.

Das trifft eine alte Selbstverständlichkeit. Jahrzehntelang galt: Wer programmieren kann, schreibt Code. Diese Gleichung löst sich gerade auf. Nicht, weil das Schreiben verschwindet, sondern weil es billig wird.

Übrig bleibt die teure Fähigkeit: fremden Code lesen, seine Fehler finden, seine Annahmen hinterfragen. Das lässt sich mündlich prüfen. Am Bildschirm, unter Aufsicht, mit der Frage „Warum funktioniert das hier nicht?“.

Was bedeutet die Verschiebung vom Schreiben zum Verstehen fürs Recruiting?

Sie verschiebt den Maßstab im Einstellungsverfahren. Wer weiter reine Syntaxaufgaben stellt, misst eine Kompetenz, die Bewerber heute an ein Tool auslagern. Sinnvoller ist es, im Gespräch generierten oder fremden Code vorzulegen und das Urteil darüber zu prüfen. Genau dieses Urteil unterscheidet den brauchbaren vom beliebigen Kandidaten.

Aus der Umstellung in der Lehre lässt sich für die Praxis ein knapper Kriterienkatalog ableiten:

• Lesen statt tippen: Legen Sie im Interview einen kurzen, fehlerhaften Code-Ausschnitt vor. Die Frage ist nicht, ob jemand ihn neu schreibt, sondern ob er den Fehler benennt.
• KI-Ausgabe bewerten: Ein vom Modell erzeugter Vorschlag als Prüfmaterial zeigt, ob eine Person maschinelle Ergebnisse kritisch prüft oder blind übernimmt.
• Begründung verlangen: Das mündliche Nachfragen der Hochschulen lässt sich übertragen. Wer eine Entscheidung erklären kann, hat sie verstanden.
• Verantwortung testen: Fragen Sie, was passiert, wenn der generierte Code in Produktion falsch läuft. Wer hier antwortet, denkt über die einzelne Zeile hinaus.

Die Debatte, ob KI Stellen kostet oder nur verschiebt, führen wir an anderer Stelle ausführlicher, etwa in der Frage nach dem echten Grund hinter KI-bedingtem Stellenabbau. Für Junior-Rollen gilt vor allem: Das Einstiegskriterium verschiebt sich, es fällt nicht weg.

Wie sollten Unternehmen ihre Weiterbildung anpassen?

Sie sollten weg vom Kurs „Sprache X von Grund auf“ und hin zum geübten Umgang mit maschinell erzeugtem Code. Die ACM-Umfrage zeigt eine Lücke, die auch Betriebe betrifft: Fast die Hälfte der befragten Lehrenden vermisst erprobte Praxisbeispiele für die KI-Integration. Wer diese Beispiele intern erst schafft, hat einen Vorsprung.

Konkret heißt das ein paar Dinge für die betriebliche Praxis:

1. Bauen Sie eigene Fälle aus dem echten Arbeitsalltag, nicht aus Lehrbüchern. Der KI-generierte Bug aus dem letzten Sprint taugt besser als Übungsmaterial.
2. Trainieren Sie das Prüfen, nicht nur das Prompten. Ein guter Prompt^?Die Eingabe oder Anweisung, mit der ein Nutzer ein KI-Modell steuert, um ein bestimmtes Ergebnis zu erhalten. liefert Code, den jemand verantworten muss.
3. Messen Sie den Effekt. Weiterbildung ohne Wirkungskontrolle ist teure Beschäftigung, wie das Beispiel messbarer Schulungserfolge zeigt.

Ein Vorbehalt gehört dazu, ehrlicherweise. Die Zahlen stammen aus einer einzelnen Fachgesellschaft, befragt wurden Lehrende, nicht der Arbeitsmarkt. Belastbare, aktuelle Erhebungen, die die Verschiebung von Programmier- zu Analysefähigkeiten quantitativ für den Stellenmarkt belegen, fehlen bislang. Wer daraus schon einen harten Bruch am Arbeitsmarkt ableitet, überzieht.

Das stärkste Gegenargument lautet: Grundlagen bleiben Grundlagen. Wer nie selbst gebaut hat, versteht auch fremden Code schlecht. Das stimmt. Deshalb ersetzt das Verstehen das Schreiben nicht, es baut darauf auf. Die Reihenfolge ändert sich, nicht das Fundament.

Was ist jetzt der erste Schritt für Betriebe?

Nehmen Sie ein bestehendes Coding-Interview und ersetzen Sie eine Schreibaufgabe durch eine Leseaufgabe. Legen Sie generierten Code vor, bitten Sie um Kritik. Sie sehen in zehn Minuten mehr über das echte Können als in einer sauber getippten Funktion. Die Hörsäle haben diesen Wechsel begonnen. Die Personalabteilungen ziehen erst nach.

Wer heute nur schnelleren Code sucht, sucht am falschen Ende. Gesucht ist, wer den Code versteht.