Auf der International Conference on Web Engineering wurde eine Arbeit von Doktorand (PhD-Student) Jonas Gwozdz und Prof. Dr. Andreas Both ausgezeichnet – entstanden in einer kooperativen Promotion zwischen HTWK Leipzig und dem Leipziger Unternehmen Netresearch GmbH.
Die Forschungsgruppe Web & Software Engineering (Webseite WSE Research) der Fakultät Informatik und Medien der HTWK Leipzig ist auf der International Conference on Web Engineering (ICWE) 2026 im französischen Lyon ausgezeichnet worden: Die beiden Forscher erhielten für ihre Publikation den Best Student Paper Award der Konferenz. Das prämierte Paper trägt den Titel „Toward Reliable LLM-Integrated Web Architectures for Teacher-Aligned Automatic Student Grading“ und wurde von Jonas Gwozdz und Prof. Dr. Andreas Both (Leiter der WSE-Forschungsgruppe) verfasst und erscheint in der Reihe Lecture Notes in Computer Science des Springer-Verlags. Jonas Gwozdz ist selbst Master-Absolvent der HTWK Leipzig und befindet sich derzeit im zweiten Jahr seiner Promotion (englisch: PhD-Student, deshalb Best Student Paper Award).
Kann generative KI Prüfungen bewerten – und trotzdem die Bewertungshoheit bei der Lehrkraft belassen?
Große Sprachmodelle (Large Language Models, LLMs) werden zunehmend auch im Bildungsbereich eingesetzt. Besonders sensibel ist dabei die Bewertung von Prüfungsleistungen: Noten haben unmittelbare Konsequenzen für den weiteren Bildungs- und Berufsweg, müssen nachvollziehbar begründet sein und rechtlich Bestand haben. Eine Bewertung, die eine generative KI (Large Language Models, LLMs) eigenständig und undurchschaubar vergibt, ist deshalb weder wünschenswert noch zulässig.
Die ausgezeichnete Arbeit setzt genau hier an. Sie beantwortet die Frage, wie sich LLMs in eine Web-Architektur einbetten lassen, ohne dass die Lehrkraft die Kontrolle über die Bewertung abgibt. Statt das Modell frei urteilen zu lassen, wird es systematisch an den Bewertungsmaßstäben der jeweiligen Lehrkraft ausgerichtet – der Mensch bleibt Maßstab und letzte Instanz, die KI übernimmt die zeitaufwendige Vorarbeit. Der Ansatz zielt damit nicht auf die Ablösung der Lehrenden, sondern auf eine spürbare Entlastung bei einer Aufgabe, die im Schul- und Hochschulalltag erhebliche Zeit bindet, wobei der kontextspezifische Bewertungsmaßstab der Lehrenden beibehalten wird.
Validierung mit echten Prüfungsdaten
Ein besonderes Merkmal der Arbeit ist ihre Praxisnähe: Der Ansatz wurde nicht an konstruierten Beispielen, sondern an realen, anonymisierten Prüfungsdaten überprüft. In der besten Konfiguration stimmten die automatisch ermittelten Bewertungen zu rund 91 Prozent mit den Noten der Lehrkraft überein. Damit zeigt die Arbeit, dass verlässliche, an den Lehrenden ausgerichtete Bewertungsunterstützung technisch erreichbar ist – ein wichtiger Schritt hin zu vertrauenswürdigen KI-Anwendungen im Bildungsbereich.
Über das prämierte Paper hinaus stellte Jonas Gwozdz im PhD-Symposium der Konferenz seine weiterführende Forschungsagenda unter dem Titel „Toward Trustworthy, Teacher-Aligned Adaptive Learning on the Web“ vor.
„Die Ergebnisse zeigen, wie viel in diesem Bereich möglich ist – und zugleich, wie viel noch zu erreichen bleibt“, sagt Jonas Gwozdz. „Verlässlichkeit, Nachvollziehbarkeit und die Übertragbarkeit auf weitere Fächer und Aufgabenformate sind offene Fragen, an denen wir intensiv weiterforschen werden. Langfristig zielt unsere Forschungsagenda darauf, einen Beitrag zu vertrauenswürdigen Lernassistenten zu leisten, also zu Systemen, die beide Seiten verlässlich unterstützen: die Lehrenden bei Bewertung und Lernbegleitung und die Lernenden mit individuellem, nachvollziehbarem Feedback.“
Promotion zur Hälfte im Unternehmen: das Pro.Motion-Programm
Die ausgezeichnete Forschungsarbeit entstand im Rahmen einer Pro.Motion-Promotionsstelle der HTWK Leipzig. Das Programm verbindet wissenschaftliche Qualifizierung und industrielle Praxis: Die Promovierenden sind je zur Hälfte an der Hochschule und bei einem Partnerunternehmen angesiedelt und werden entsprechend doppelt betreut – durch eine Professorin oder einen Professor der HTWK Leipzig und durch eine Mentorin oder einen Mentor im Unternehmen. Die Zeit im Unternehmen dient dabei ausdrücklich dem Transfer: Neue Forschungsergebnisse werden dort schnellstmöglich erprobt und in die Anwendung gebracht – und die Erkenntnisse darüber, was sich in der Praxis bewährt und welche Herausforderungen dort real auftreten, fließen unmittelbar in die Forschung an der HTWK Leipzig zurück. Im Fall von Jonas Gwozdz ist das Partnerunternehmen die Leipziger Netresearch DTT GmbH.
„Die anteilige Finanzierung ist für uns weit mehr als ein Finanzierungsmodell“, sagt Prof. Dr. Andreas Both. „Die Hälfte der Zeit, die unsere Promovierenden im Unternehmen verbringen, ist keine Zeit außerhalb der Forschung – sie ist Transferzeit. Neue Ergebnisse gehen dort ohne Umweg in die Erprobung und in die Anwendung, und was wir dabei über ihre Tragfähigkeit und über die tatsächlichen Herausforderungen der Praxis lernen, kommt direkt in unsere Forschungsfragen zurück. Wissens- und Forschungstransfer findet so nicht am Ende des Projekts in einem Abschlussbericht statt, sondern jede Woche und in beide Richtungen. Davon profitieren beide Seiten – und vor allem profitiert die Forschung selbst: Sie wird relevanter und ihre Ergebnisse werden belastbarer. Genau dieser hochproduktive Austausch, hier mit der Leipziger Netresearch DTT GmbH, stärkt zugleich den Wirtschafts- und Wissenschaftsstandort Leipzig – und dass daraus eine international ausgezeichnete Arbeit hervorgeht, zeigt, dass Praxisnähe und wissenschaftliche Exzellenz nah beieinander liegen können.“
Wiederholte Auszeichnung auf internationaler Bühne
Für die WSE-Forschungsgruppe ist es bereits die sechste Auszeichnung für eine wissenschaftliche Publikation allein in den vergangenen 2,5 Jahren. Die erneute Auszeichnung unterstreicht die herausragende Qualität und hohe Relevanz der Forschung an der HTWK Leipzig im Bereich der Künstlichen Intelligenz (KI) und ihrer Anwendung in Web- und Informationssystemen.
Publikation
Gwozdz, J., & Both, A. (2026). Toward Reliable LLM-Integrated Web Architectures for Teacher-Aligned Automatic Student Grading. In: Web Engineering: 26th International Conference, ICWE 2026, Lyon, France. Lecture Notes in Computer Science, Springer. Ressource aufrufen
