Die Nationale Autonome Universität Mexikos (UNAM) ist eine der grössten und angesehensten Universitäten Lateinamerikas. Sie führt aufgrund des enormen Andrangs von Studienbewerber zentrale Aufnahmeprüfungen durch, um die besten Kandidaten auszuwählen. In diesem Jahr hat die Universität versucht, die Prüfungen online durchzuführen und dabei ein KI-Überwachungssystem einzusetzen, um Betrug zu verhindern.
Doch es kam zu Problemen. Bei der Auswertung der Onlineprüfungen stellte die UNAM fest, dass die Ergebnisse ungewöhnlich hoch waren. Dies deutete auf mögliche Betrügereien hin: Manche Kandidaten könnten Hilfsmittel verwendet, Prüfungsfragen vorab gehabt oder andere Formen von Betrug begangen haben. Eine solche Situation würde die Integrität des Auswahlprozesses untergraben.
Das Problem lag jedoch darin, dass das eingesetzte KI-Überwachungssystem keine schlüssigen Beweise für Betrug liefern konnte. Trotz verdächtiger Ergebnisse konnte die KI nicht eindeutig identifizieren, wer betrogen hatte und wie. Dies stellte die Universität vor ein Dilemma: Die hohen Ergebnisse waren verdächtig, aber es fehlte an handfesten Beweisen einzelner Betrügereien.
Die UNAM entschied sich für einen pragmatischen, wenn auch personalintensiven Lösungsweg. Insgesamt 58.000 Studienbewerber, deren Onlineprüfungen verdächtig waren, müssen eine neue Prüfung absolvieren. Diesmal soll es unter physischer Aufsicht an der Universität selbst geschehen, um Betrug auszuschliessen.
Dieser Fall zeigt wichtige Grenzen von KI-Systemen auf. Während KI-Überwachung verdächtige Muster erkennen kann, ist sie oft nicht in der Lage, mit der gleichen Sicherheit wie physische Aufsicht Betrug auszuschliessen. Gleichzeitig zeigt es auch, dass automatisierte Systeme allein nicht ausreichen und dass menschliches Urteilsvermögen notwendig bleibt.