Laut der aktuellen BerO-Studie des Instituts für Arbeitsmarkt- und Berufsforschung (Stand: Juli 2025) haben rund 23 % der Studierenden des Jahrgangs 2020/2021 ihr Studium bis zum Herbst 2022 abgebrochen – mit erheblichen Folgen für alle Beteiligten.
Die zentrale Frage lautet: Wie können Hochschulen potenzielle Studienabbrüche frühzeitig und datenbasiert erkennen, um rechtzeitig intervenieren zu können?
Unsere Antwort: Durch ein KI-gestütztes Frühwarnsystem.
Simovative hat eine Machine-Learning-Plattform entwickelt, die potenzielle Studienabbrüche mit bis zu 92 % Genauigkeit prognostiziert. Der zugrunde liegende Entscheidungsbaum-Algorithmus identifiziert relevante Einflussfaktoren und liefert klare Entscheidungsvorlagen für eine wirksame Intervention.
Das System arbeitet ausschließlich mit hochschuleigenen, anonymisierten Daten – DSGVO-konform und ohne systematischen KI-Bias. So können Hochschulen gezielt und datengestützt eingreifen, um Studienabbrüche zu vermeiden.
Berücksichtigte Features beim Training
Grund für Exmatrikulation (Vorhersageziel)
Anzahl und Prozent nicht bestandener Noten
Eine einzelne Prüfung mehrfach nicht bestanden
Durchschnittsnote
Trend der Durchschnittsnote (letzte 5)
Abwesenheitsquote
Entschuldigte und unentschuldigte Abwesenheitsquote
Maximale Abwesenheit überschritten