Die Ergebnisse der juristischen Staatsprüfungen bestimmen den Berufsweg. Wer sie nicht besteht, hat keinen Zugang zu den reglementierten Berufen (vgl. §§ 5, 9 Nr. 3 DRiG, 4 Nr. 1 BRAO). Und als zentrales Kriterium der formalen Bestenauslese im Sinne des Art. 33 Abs. 2 GG entscheidet die konkrete Note oft final darüber, wer Staatsanwalt oder Richterin wird.

Da sollte es selbstverständlich sein, dass das angewendete Prüfungsverfahren zuverlässige Aussagen über die juristischen Kompetenzen der Geprüften erlaubt. Allerdings kam bereits 2013 eine hochschuldidaktische Analyse zu dem Ergebnis, dass nur „sehr eingeschränkt“ von der „Leistungsperformanz“ in den Prüfungen auf die (juristische) Kompetenz geschlossen werden könne.¹⁾

Der Reformbedarf der juristischen Ausbildung ist seitdem Streitthema geblieben²⁾ und wird auch Gegenstand des Deutschen Juristentags vom 16. bis 18. September in Erfurt sein. Wir möchten deshalb einen Überblick über den bisherigen Forschungsstand zur Qualität und Aussagekraft der juristischen Prüfungspraxis geben. Dabei wird deutlich, dass selbst die Verwaltung derzeit nicht davon ausgeht, in der Forschung etablierte Standards bei den Staatsprüfungen einzuhalten. Wir schlagen daher eine schnell umzusetzende Maßnahme vor, die die Klausurbewertung kurzfristig verbessern dürfte und mittelfristig zusätzliche Erkenntnisse über die Qualität der Bewertung im Staatsexamen unter Realbedingungen ermöglicht: die verdeckte Zweitkorrektur.

Relevante Maßstäbe

Zunächst ist zu klären, an welchen Maßstäben das juristische Prüfungsverfahren zu messen ist. Maßgebliche Disziplinen sind hier die Hochschuldidaktik und die pädagogische Diagnostik. Aus deren Sicht stellen Prüfungen sog. psychometrische Tests dar: Sie messen Fähigkeiten bzw. gezeigte Leistungen.³⁾ Mit ihnen soll festgestellt werden, ob Prüflinge vorab definierte Lernziele erreicht haben (näher hierzu: „Constructive Alignment“⁴⁾) und wie stark die dahinterliegenden Kompetenzen ausgeprägt sind, die für die berufliche und (fach-)wissenschaftliche Praxis relevant sind⁵⁾.

Zu den anerkannten Standards der Hochschulbildung gehört ferner die sog.  Kriteriumsorientierung⁶⁾: Maßgeblicher Bezugspunkt ist nicht die Leistung anderer Prüflinge (Normorientierung), sondern ein hiervon unabhängiger, inhaltlicher Maßstab.⁷⁾ Ursprünglich aus der klassischen Testtheorie stammen die Gütekriterien Objektivität, Reliabilität und Validität. Für Objektivität ist auf gleiche Durchführungsbedingungen sowie auf eine stabile Benotung unabhängig von der korrigierenden Person zu achten. ⁸⁾ Bei der Reliabilität geht es um die Genauigkeit und Zuverlässigkeit der Messung, z.B. über Messzeitpunkte und Teilaufgaben hinweg.⁹⁾ Die Validität fragt danach, ob tatsächlich diejenigen Kompetenzen geprüft werden, die auch vermittelt wurden und erforderlich sind.¹⁰⁾

Diese Kriterien werden für den Prüfungskontext adaptiert, häufig erweitert um Chancengerechtigkeit (auch Fairness)¹¹⁾ und Ökonomie¹²⁾. Als ökonomisch gelten Prüfungen bei angemessenem Aufwand für Prüflinge und Prüfende.¹³⁾ Die Chancengerechtigkeit (auch Fairness) ist insbesondere dann verletzt, wenn durch die Prüfungsgestaltung bestimmte Gruppen, zum Beispiel weibliche Prüflinge, systematisch schlechter abschneiden, ohne dass dies durch einen Sachgrund in den zu prüfenden Kompetenzen selbst gerechtfertigt ist.¹⁴⁾

Die hochschuldidaktische Analyse von 2013 zweifelt für gleich mehrere der dargestellten Standards daran, ob die juristische Prüfungskultur diesen tatsächlich gerecht wird. Seitdem erzielte Befunde empirischer Forschung ermöglichen weitere Rückschlüsse auf die Einhaltung der (testtheoretischen) Gütekriterien. Auf diese Weise haben sich über die vergangene Dekade mehrere evidenzbasierte Themen- und Problemcluster herausgebildet, die nachfolgend bloß skizziert werden können.

Empirischer Forschungsstand zu den Staatsprüfungen

Bei der Chancengerechtigkeit und Objektivität wurden 2014 in einem Datensatz für das OLG Hamm erstmals systematische Verzerrungen der Bewertung zulasten von weiblichen Prüflingen und solchen mit Migrationshintergrund gefunden, auch bei Kontrolle gegen Abiturnote und universitäre Vornoten (sowie weitere Determinanten).¹⁵⁾ Diese Ergebnisse ließen sich 2018 mithilfe einer breiteren Datenbasis für das gesamte Bundesland auf die zweite Staatsprüfung ausweiten.¹⁶⁾ Die Geschlechtseffekte im mündlichen und schriftlichen Teil der ersten Staatsprüfung wurden 2016 auch in Baden-Württemberg untersucht und konnten hier ebenfalls bestätigt werden.¹⁷⁾ Eine Untersuchung der Prüfungsstatistiken für das gesamte Bundesgebiet stellten Griebel und Schimmel 2025 ebenfalls Geschlechtseffekte fest, die gegenüber älteren Untersuchungen tendenziell zugenommen hätten.¹⁸⁾

Zwei weitere statistische Analysen der beiden Autoren lassen ferner Erkenntnisse zur Reliabilität und Validität zu, 2023 mit Daten aus Berlin¹⁹⁾ und 2025 mit Daten aus Nordrhein-Westfalen²⁰⁾: Dabei sind besonders die teils stark unterschiedlichen Noten eines Prüflings über die verschiedenen Einzelklausuren bemerkenswert. Sind Systemverständnis und grundlegende Methodenkompetenz, mit deren Hilfe sich unterschiedliche Sachverhalte adäquat bewältigen lassen, ausschlaggebend für die Bewertung, müsste ein reliables Messverfahren auch bei verschiedenen Testungen mit unterschiedlichen Sachverhalten zu ähnlichen Ergebnissen führen – zumindest innerhalb einer Fachsäule. Auf dieser Grundlage sprechen die gefundenen Ergebnisse gegen die Reliabilität der Messung.

Allerdings lassen sich die Ergebnisse auch so erklären, dass Detail- und Einzelfallwissen bei der Bewertung eine größere Bedeutung haben als Systemverständnis und Methodenkompetenz. Mit Blick auf den breiten Konsens, dass es in juristischen Prüfungen auf Systemverständnis und methodische Grundlagen ankommen sollte,²¹⁾ würde in diesem Falle etwas anderes geprüft als geprüft werden soll, was die (Konstrukt-)Validität in Frage stellen würde.

Ferner auffällig ist der besonders schlechte Notenschnitt in den Rechtswissenschaften, der bereits 2017 in einer fächerübergreifende Langzeituntersuchung verifiziert werden konnte.²²⁾ Prüfungswissenschaftlich ist dieser gerade kein Ausweis besonderer Qualität, sondern beeinträchtigt potenziell die (Inhalts-)Validität und Chancengerechtigkeit, da er eine fehlende Abstimmung der Prüfungsinhalte und -anforderungen auf die Lehre anzeigen kann. Überdies begrenze das untere Ende der Notenskala die Streuung und begünstige eine statistisch homogene Notenverteilung.²³⁾ Der hiermit beschriebene „Bodeneffekt“ legt ein ungenaues, nicht ausreichend differenzierendes Messverfahren nahe, da unterschiedlich schwache Leistungen zunehmend über denselben Notenwert operationalisiert werden.

Eine andere Studie kam 2017 zu dem Ergebnis, dass schon der Schwierigkeitsgrad jedenfalls im zweiten Examen zwischen den Bundesländern variiere: So könne der Wechsel von einem in ein anderes Bundesland zwischen den zwei Staatsprüfungen mit einem durchschnittlich zu erwartenden positiven Wechseleffekt von 1,6 Punkten bzw. einem negativen Wechseleffekt von -1,1 Punkten einhergehen, was die Vergleichbarkeit beeinträchtige.²⁴⁾ Wiederum für das erste Examen stellten Hemler und Krukenberg 2025 fest, dass die Schwierigkeit im Zeitverlauf zunimmt.²⁵⁾

Die 2017 demonstrierte hohe Erschließbarkeit von Staatsexamensklausuren durch sog. Textvektorisierung wirft die Frage auf, welchen Sinn die juristische Ausbildung künftig noch haben könne.²⁶⁾ Da dieses auf Wahrscheinlichkeitsrechnung beruhende Verfahren auch Grundlage moderner KI-Anwendungen ist, wachsen Zweifel, ob das bisher dominante Klausurformat diejenigen Kompetenzen prüfen kann, auf die es in Praxis und Wissenschaft künftig ankommen wird (ökologische Validität). Dass im Status quo bereits unklar ist, an welchen Kriterien eine gute juristische Examensleistung überhaupt zu erkennen ist, zeigte sich 2017 durch inhaltsanalytische Auswertung von Prüfervoten aus dem ersten Examen in Hessen²⁷⁾ sowie 2023 beim Vergleich von Lösungsskizzen von universitären Examensvorbereitungskursen aus dem gesamten Bundesgebiet²⁸⁾. Einheitliche Bewertungskriterien bilden allerdings eine notwendige Voraussetzung, um zu gewährleisten, dass dieselbe Leistung durch unterschiedliche Prüfende gleich bewertet wird (Auswertungs- und Interpretationsobjektivität).

Passend hierzu konnte Hufeld 2024 experimentell bestätigen, dass die Bewertung juristischer Klausuren tatsächlich stark von der korrigierenden Person abhängt: Bei 15 Bewertungen pro Klausurleistung betrug die durchschnittliche Abweichung zwischen niedrigster und höchster gegebener Note 6,47 Punkte (kleinste Abweichung: 4 Punkte / größte Abweichung: 11 Punkte).²⁹⁾ Diese Ergebnisse konnten weitere Autor:innen 2026 reproduzieren: Hier lag die durchschnittliche Abweichung bei 5,25 Punkten (kleinste Abweichung: 2 Punkte / größte Abweichung: 11 Punkte).³⁰⁾  Wurden die Korrekturen durch ein gemeinsames Rohpunkteschema vorstrukturiert, also unterschiedliche Abschnitte der Lösungsskizze mit einer maximalen Teilpunktzahl und einem Umrechnungsschema versehen, ließ sich die durchschnittliche Abweichung auf 2,94 Punkte reduzieren (kleinste Abweichung: 0 Punkte / größte Abweichung: 6 Punkte).

Eine Befragung von Prüfungsämtern hatte zudem bereits 2022 ergeben, dass auch für Prüfer:innen der Staatsprüfungen keine verpflichtenden Schulungen vorgesehen sind.³¹⁾ Unklar bleibt allerdings, ob sich die mangelhafte Qualitätssicherung nur auf den mündlichen oder auch auf den schriftlichen Teil der Staatsprüfungen erstreckt.

Zwischen Empirie und Selbstbild der Verwaltung

Die vorhandene Studienlage weist insgesamt darauf hin, dass die juristische Prüfungspraxis wesentlichen Qualitätsstandards nicht gerecht wird – einschließlich der schriftlichen Staatsexamensklausuren. Hierbei scheinen nicht nur die Reliabilität und Validität zweifelhaft, vielmehr stellen gerade die experimentellen Untersuchungen zur Notenvergabe bereits die Objektivität in Frage.

Auch ein möglicher Erklärungsansatz existiert bereits: Es fehlen einheitliche Bewertungskriterien. Eindrucksvoll untermauert wird dieser empirisch begründete Verdacht durch die persönlichen Ausführungen einer Führungskraft eines Landesjustizprüfungamts:

„[Zweitprüfer nutzen die Möglichkeit], sich vor allem zur eigenen prüfungsspezifischen Bewertung zu äußern, die dem eigenen, u. U. abweichenden Bewertungsmaßstab folgt. Dieser mag mehr oder weniger Gewicht auf das Ausdrucksvermögen, die gedankliche Struktur, die Qualität der Subsumtion, die praktische Verwertbarkeit etc. legen“.³²⁾

Fehlt es aber schon an der Objektivität, lassen sich die darauf aufbauenden Gütekriterien der Reliabilität und Validität nicht mehr erfüllen.³³⁾ Um dieses fundamentale Defizit im eigentlichen Sinne zu beheben, bedarf es langfristig mehrerer Maßnahmen. Die zu prüfenden Kompetenzen sollten übergeordnet festgelegt, entlang unterschiedlicher Bewertungsstufen ausdifferenziert und schließlich für jede Klausur operationalisiert werden. Dringend erforderlich ist auch eine Schulungspflicht für Prüfende.

Da ein Einlenken der Justizprüfungsämter ohne Weiteres aber nicht zu erwarten steht, schlagen wir als kurzfristig und bundesweit umzusetzende Maßnahme eine verdeckte Zweitkorrektur vor. Dies würde nicht nur die Objektivität der Bewertung unmittelbar erhöhen, sondern auch eine Datenlage schaffen, die weitere Forschung überhaupt erst möglich macht.

Verdeckte Zweitkorrekturen als erster Schritt

Derzeit werden alle Prüfungsarbeiten der Staatsprüfungen zweitkorrigiert. In fast allen Bundesländern wird das Zweitvotum in Kenntnis der Erstkorrektur verfasst („offen“), lediglich Rheinland-Pfalz sieht Zweitvoten ohne Kenntnis der Erstkorrektur vor („verdeckt“, s. § 9 Abs. 1 S. 4 JAPO RLP). Weichen Erst- und Zweitkorrektur dort um 3 Punkte oder weniger voneinander ab, gilt das arithmetische Mittel als Note (§ 9 Abs. 2 JAPO RLP). Daran wird kritisiert, dass eine Verständigung der Korrektoren zu gerechteren Ergebnissen führe als die Bildung eines arithmetischen Mittels.³⁴⁾ Allerdings verbietet die verdeckte Zweitkorrektur eine solche Verständigung nicht.³⁵⁾ Zudem sind die Zweitvoten bei offener Zweitkorrektur oft knapp abgefasst oder gar auf eine bloße Zustimmung zur Erstkorrektur beschränkt,³⁶⁾ sodass eine Verständigung unterbleibt.

Praktikabilitätsbedenken gegen die „verdeckte“ Zweitkorrektur³⁷⁾ sollten spätestens durch die Verbreitung elektronisch abgefasster Examensklausuren überholt sein. Die Klausuren lassen sich gleichzeitig versenden und korrigieren. Etwaige Abweichungen in der Bewertung fallen in Sekundenschnelle auf, sodass sofort eine arithmetische Mittelung oder eine Verständigung der Korrigierenden erfolgen kann. Prüfungswissenschaftlich ist die „verdeckte“ Zweitkorrektur, wie sie Rheinland-Pfalz eingeführt hat, also zu begrüßen. Die anderen Bundesländer sollten folgen.

Politik muss handeln, damit weitere Forschung möglich wird

Dies gilt schon deshalb, weil erst durch diese politische Maßnahme systematisch Daten entstehen, mit denen die Forschung zweifelsfrei feststellen kann, ob die bisher gefundenen Objektivitätsdefizite auch die gesamte Examenspraxis unter Realbedingungen betreffen. Hierfür müssten anonymisierte Daten über die Abweichungen von Erst- und Zweitkorrektur bundeseinheitlich erfasst und für Forschungszwecke zur Verfügung gestellt werden. Im Idealfall zeigt die anschließende Auswertung dieser Daten keine erheblichen Abweichungen. Dann wäre die Objektivität der Korrektur in den Staatsprüfungen gesichert. Das kann das Vertrauen in die Qualität der Bewertung stärken und erlaubt es, sich künftig auf Fragen der Reliabilität und Validität zu konzentrieren.

Zeigen sich hingegen gewichtige Abweichungen, ist zweifelsfrei geklärt, dass die juristischen Staatsprüfungen derzeit nicht objektiv sind.

Dann ist es wichtig, dass sich die Bewertungsdifferenzen nach sozioökonomischen Merkmalen bei Prüfenden und Geprüften auswerten lassen, also z. B. nach Alter, Geschlecht, Herkunft, Ausbildungsstätte sowie zusätzlich bei Prüfenden nach eigenen Examensergebnissen und beruflichem Hintergrund. Auf diese Weise lassen sich gegebenenfalls ursächliche Muster für bestimmte Bewertungstendenzen identifizieren.

Die verdeckte Zweitkorrektur kann nur ein erster Schritt sein, um das juristische Prüfungswesen zu konsolidieren und an den wissenschaftlich anerkannten Standards auszurichten. In der Folge bedarf es dringend weiterer Forschung und hochschulpolitischer Maßnahmen, um das Vertrauen in das juristische Prüfungssystem und dessen Akteur:innen nicht weiter zu beschädigen.