Game-Based Assessment

Im vorherigen Kapitel wurde Game-Based Learning (GBL) als Methode beschrieben, bei der Spiele zum Lernen eingesetzt werden. Der nächste logische Schritt: Wenn Spiele zum Lernen taugen, können sie dann auch zur Leistungsbeurteilung eingesetzt werden? Die Antwort ist ja; und sie heißt Game-Based Assessment (GBA). Shute (2011) prägte den Begriff „Stealth Assessment“: die unsichtbare Leistungsbeurteilung innerhalb eines Spiels, bei der die Spielenden gar nicht merken, dass sie getestet werden [Pfeiffer 2026, Kap. 8]. Mislevy et al. (2003) entwickelten das „Evidence-Centered Design“ (ECD), ein Framework, das beschreibt, wie aus Spielhandlungen valide Rückschlüsse auf Kompetenzen gezogen werden können [Pfeiffer 2026, Kap. 8]. Bezzina (2015) beschrieb, dass Lehrpersonen und Schulverwaltungen nicht nur mit Spielen lehren, sondern diese auch zur Leistungsüberprüfung nutzen wollen [Pfeiffer 2026, Kap. 8].

Evidence-Centered Design: Das Framework hinter GBA

Stealth Assessment basiert auf dem Evidence-Centered Design (ECD), einem strukturierten Framework, das systematisch Aufgaben, Evidenz und Kompetenzen verknüpft [Pfeiffer 2026, Kap. 8]. ECD umfasst drei Schlüsselmodelle: Kompetenzmodell, Evidenzmodell und Aufgabenmodell [Pfeiffer 2026, Kap. 8]. Das Kompetenzmodell definiert die spezifischen Kenntnisse, Fähigkeiten und Kompetenzen, die beurteilt werden sollen. In GBA könnten dies das Verständnis Newtonscher Physik oder kreative Problemlösungsstrategien sein. Das Evidenzmodell identifiziert die Verhaltensweisen oder Leistungen, die Evidenz für diese Kompetenzen liefern. Beispielsweise kann das Lösen eines Puzzles in einem Physikspiel durch den effektiven Einsatz von Hebeln und Rampen ein Verständnis von Kraft und Bewegung demonstrieren. Das Aufgabenmodell beschreibt die spezifischen Spielaufgaben oder Herausforderungen, die das gewünschte Verhalten auslösen. Diese Aufgaben werden sorgfältig gestaltet, um valide Evidenz für Lernen zu liefern und gleichzeitig das Engagement der Spielenden aufrechtzuerhalten [Pfeiffer 2026, Kap. 8].

Eines der am häufigsten zitierten Beispiele für Stealth Assessment ist das Spiel Newton’s Playground [Pfeiffer 2026, Kap. 8]. Dieses physikbasierte Spiel fordert Spielende heraus, einen Ball durch zunehmend komplexe Levels zu führen, wobei verschiedene physikalische Prinzipien (Kraft, Masse, Impuls) angewendet werden. Die Problemlösungsstrategien der Spielenden werden kontinuierlich überwacht und liefern wertvolle Daten über Kompetenzen wie Kreativität und Ausdauer. Ein weiteres Beispiel ist Re-Mission: Junge Krebspatient_innen steuern einen Nanobot, um Krebszellen zu zerstören. Ihre Interaktionen mit dem Spiel werden genutzt, um ihr Verständnis von Behandlungsprotokollen und medizinischen Konzepten zu messen [Pfeiffer 2026, Kap. 8].

AI als relevanter Faktor für GBA

Seit ca. 2015 hat sich künstliche Intelligenz als relevanter Faktor in Online-Bildungsumgebungen und Game-Based Assessment entwickelt [Pfeiffer 2026, Kap. 8]. Machine-Learning-Ansätze (künstliche neuronale Netze, Entscheidungsbäume) können Muster in Bildungsdaten erkennen: kognitive Niveaus diagnostizieren, den Lernfortschritt überwachen, Erfolg vorhersagen und Studierendenprofile kontinuierlich aktualisieren [Pfeiffer 2026, Kap. 8].

AI-gesteuerte GBA-Systeme können individualisiertes Echtzeit-Feedback liefern, das es Lernenden ermöglicht, ihre Strategien anzupassen und ihre Fähigkeiten zu entwickeln [Pfeiffer 2026, Kap. 8]. Adaptive Lernsysteme nutzen Echtzeit-Leistungsanalysen, um Assessment-Pfade dynamisch anzupassen: adaptive Schwierigkeitsgrade, maßgeschneiderte Inhalte und personalisierte Feedback-Schleifen [Pfeiffer 2026, Kap. 8]. Innerhalb Blockchain-gestützter Kontexte könnten solche adaptiven Interventionen den Lernpfad jeder Person sicher dokumentieren und so eine unveränderliche Aufzeichnung der Lernreise bewahren [Pfeiffer 2026, Kap. 8].

AI-gesteuerte Verifikationsprotokolle adressieren auch Authentizitätsbedenken bei Assessments: Verhaltensanalysen können Lernende anhand von Gameplay-Mustern, Tastenanschlagsdynamik und Antwortkonsistenz verifizieren [Pfeiffer 2026, Kap. 8]. Die Blockchain könnte diese Verifikationsergebnisse sicher speichern und Stakeholdern überprüfbare Aufzeichnungen der Authentizität und Leistung liefern.

Gallery Defender: Ein Prototyp

Im Rahmen der Maltesischen Forschungsarbeit wurde ein konkreter Prototyp entwickelt und getestet: Gallery Defender [Pfeiffer 2026, Kap. 8]. Das Spiel besteht aus zwei Komponenten: Gallery Defender Game und Gallery Defender Quiz. Das Game ist ein Blockchain-integriertes Lernspiel, das GBL ermöglicht. Die Spielenden lernen dabei über Kunststile und müssen Gemälde den richtigen Epochen zuordnen [Pfeiffer 2026, Kap. 8]. Das Quiz ist ein Assessment-Tool, das Blockchain-Technologie nutzt, um den Lernfortschritt sicher zu dokumentieren. Die Ergebnisse werden als Token auf der Blockchain gespeichert [Pfeiffer 2026, Kap. 8].

55 Teilnehmende (14 Lehrpersonen, 15 Game Designer_innen/Entwickelnde, 11 Forschende, 15 Studierende) testeten die Prototypen in Einzelsitzungen [Pfeiffer 2026, Kap. 8].

Keyfinding: Das Quiz schnitt in der pädagogischen Effektivität (6,0/7) deutlich besser ab als das Spiel (5,0/7). Die Teilnehmenden schätzten die zusätzliche Sicherheit und Transparenz, die das Blockchain-basierte Token-System für die Speicherung der Assessment-Ergebnisse bot [Pfeiffer 2026, Kap. 8]. Mehrere Nutzende betonten, dass das Spielen des Games selbst ein exzellentes Werkzeug sei, um Blockchain als Technologie zu verstehen [Pfeiffer 2026, Kap. 8].

Was GBA von traditionellen Tests unterscheidet

Traditionelle Leistungsbeurteilungen (Klausuren, Multiple-Choice-Tests, mündliche Prüfungen) messen in der Regel das Ergebnis eines Lernprozesses zu einem bestimmten Zeitpunkt. GBA hingegen kann den gesamten Lernprozess dokumentieren: Wie geht ein_e Spieler_in an ein Problem heran? Welche Strategien werden gewählt? Wie wird auf Misserfolge reagiert? [Pfeiffer 2026, Kap. 8]

Nudging in der Bildung

Nudging, eine Methode der Verhaltensökonomie, zielt darauf ab, durch subtile Veränderungen der Entscheidungsarchitektur das Verhalten zu beeinflussen, ohne die Wahlfreiheit einzuschränken. Im Bildungskontext können spielerische Nudges – wie etwa die Fun Theory, die Verhalten durch Spaß statt Zwang ändert – genutzt werden, um Lernende zu gewünschten Verhaltensweisen zu motivieren. Dies wirft jedoch die Frage auf, ob solche Effekte nachhaltig sind oder nur einem Novelty-Effekt unterliegen.

Spannend ist die Frage, ob die Kombination von Nudging und Game-Based Assessment eine ethisch vertretbare und langfristig wirksame Methode darstellt, um Lernende kontinuierlich zu motivieren und ihre Leistungen zu beurteilen, ohne dass sie sich manipuliert fühlen.

Die Herausforderung: Flexibilität vs. Unveränderlichkeit

Die Teilnehmenden der Fokusgruppen erkannten das Potential von Blockchain für GBA, wiesen aber auf ein fundamentales Spannungsfeld hin [Pfeiffer 2026, Kap. 8]: Die Unveränderlichkeit (Immutability) der Blockchain ist ihr größter Vorteil (keine Manipulation möglich) und gleichzeitig ihre größte Herausforderung für den Bildungskontext. In GBL-Umgebungen brauchen Lernende die Freiheit zu experimentieren, zu scheitern und es erneut zu versuchen [Pfeiffer 2026, Kap. 8]. Wenn jeder Fehlversuch unveränderlich auf der Blockchain gespeichert wird, könnte dies die Lernenden benachteiligen.

Die Lösung: Nur finale Ergebnisse (z.B. Abschlüsse, Zertifikate) werden auf der Blockchain gespeichert; individuelle Noten können bei Bedarf retrospektiv verifiziert werden [Pfeiffer 2026, Kap. 8]. Dieser Ansatz balanciert die Vorteile der Blockchain-Sicherheit mit den Anforderungen an Datenschutz und Privatsphäre.

Akzeptanz und Skepsis

Die Eignung von Serious Games für Assessment-Zwecke erhielt in der quantitativen Studie eine moderate Bewertung (gewichteter Durchschnitt von 3,6 von 5) [Pfeiffer 2026, Kap. 8]. Dies zeigt sowohl Interesse als auch Unsicherheit bezüglich der praktischen Umsetzung. Die Akzeptanz von Blockchain-basierten Credentials außerhalb von Bildungsinstitutionen wurde mit 4,75 von 7 bewertet [Pfeiffer 2026, Kap. 8]. Dies deutet auf Unsicherheit hin: Werden Arbeitgebende oder andere Institutionen Blockchain-basierte Zeugnisse akzeptieren?

Die Fachleute der Maltesischen Forschungsarbeit (20 Interviews) bestätigten das Potential, betonten aber die Notwendigkeit von gezielter Schulung für Pädagog_innen (Wissensstand zu Blockchain bei Pädagog_innen: 2,8 von 7; bei IT-Fachleuten: 5,4 von 7), nutzer_innenfreundlichen Interfaces (Komplexität als Hauptbarriere), klaren rechtlichen Rahmenbedingungen (insbesondere DSGVO-Konformität) und der Zusammenarbeit zwischen Pädagog_innen, Game Designer_innen und Blockchain-Fachleuten [Pfeiffer 2026, Kap. 8].

Fazit

Zusammenfassend kann festgehalten werden, dass GBA das Game-Based Learning um die Beurteilungsdimension erweitert. Spiele können nicht nur zum Lernen, sondern auch zur Leistungsbeurteilung eingesetzt werden. „Stealth Assessment“ ermöglicht unsichtbare Prüfungen innerhalb des Spiels. Gallery Defender zeigt die Machbarkeit. Das Quiz erreichte 6,0/7 für pädagogische Effektivität; die Blockchain-Integration erhöhte das Vertrauen in die Ergebnisintegrität. Flexibilität vs. Unveränderlichkeit ist das zentrale Spannungsfeld. Lernende brauchen die Freiheit zu scheitern; die Blockchain speichert unveränderlich. Lösung: Nur finale Ergebnisse auf die Blockchain. Die Wissenslücke ist real. Pädagog_innen bewerten ihr Blockchain-Wissen mit 2,8/7; IT-Fachleute mit 5,4/7. Gezielte Schulung ist essentiell. Transparenz ist die Grundvoraussetzung. 6,75/7 für die Wichtigkeit detaillierter Information über den Assessment-Prozess. Ohne Transparenz kein Vertrauen.

Quellen:
[Pfeiffer 2026, Kap. 8]: Alexander Pfeiffer. „Auf dem Weg zur ludischen Gesellschaft“. DOI: https://doi.org/10.48341/mp52-5743.
Nudging-Vortrag: Alexander Pfeiffer, 26.07.2026.

Weitere wissenschaftliche und institutionelle Quellen: Quellen und Literatur.