KI-Integration an Universitäten: Diskrepanz zwischen studentischer Nutzung und Lehre

Eine am Dienstag veröffentlichte Umfrage des Bildungssoftware-Anbieters Instructure unter 1125 Lehrenden, Studierenden und Eltern liefert für Hochschulen eine klare Diagnose: 90 Prozent aller Studierenden nutzen KI-Tools zumindest gelegentlich, 94 Prozent davon bewerten die Technologie positiv für ihre Ausbildung. Bei den Dozenten sieht es nüchtern aus: Nur 61 Prozent setzen KI selbst ein, 41 Prozent der Hochschullehrenden und 45 Prozent der Schullehrkräfte haben keinerlei formale KI-Schulung erhalten. Elf Prozent der Dozenten geben an, umfassend geschult worden zu sein.

Zahlen, die den Schulbetrieb treffen

Die CHE-Erhebung für Deutschland konkretisiert das Nutzungsprofil: 47 Prozent der Studierenden greifen täglich zu KI, 80 Prozent mindestens wöchentlich. Damit ist die Technologie de facto Teil des Studienalltags, unabhängig davon, ob die Verwaltung sie eingeplant hat. Was fehlt, sind die unterstützenden Layer: Trainings, Policy, Auditierbarkeit der eingesetzten Modelle, Datenschutz- und Datensouveränitätskonzepte für die Verarbeitung studentischer Daten mit externen APIs.

Eine separate Studie mit 26.000 chinesischen Schülern liefert für die didaktische Diskussion zwei harte Metriken: Hausaufgabenergebnisse verbesserten sich um 18 Prozent, Prüfungsleistungen verschlechterten sich um 20 Prozent. Das ist kein Argument gegen KI, sondern für eine sauberere Trennung von Übungs- und Prüfungskontexten, kombiniert mit formativer Bewertung.

Wo Infrastruktur bremst

• Universität Tartu (Estland): 81 Prozent Chatbot-Nutzung, 67 Prozent explizit für Kursarbeiten. Konsequenz ist nicht Verbots- oder Detection-Logik, sondern eine Neugestaltung der Aufgabenformate hin zu Flipped-Classroom-Modellen und Präsenzbewertung, weil zuverlässige KI-Erkennung nicht existiert und False Positives riskiert.
• University of Chicago: Partnerschaft mit Anthropic zur Bereitstellung von Claude für Studierende und Mitarbeiter, Integration überwacht durch einen Fakultätsausschuss, erste Berichte zu Produktivitätsgewinnen.
• Korean Educational Development Institute (KEDI): langsame Internetverbindungen, veraltete Hardware und fehlende lehrplanbezogene KI-Tools als Engpassfaktoren identifiziert.

In der Fachzeitschrift Telematics and Informatics wurde zudem das Phänomen „NoAIphobia" beschrieben, also die Leistungsangst von Studierenden ohne KI-Zugang. Für die Praxis heißt das: Eine reine Sperrung von Tools erzeugt Druck, ohne die Lernziele zu adressieren.

Machbarkeitsbewertung für Hochschulen

• Curriculum und Aufgabenformate: Sofort umstellbar. Weg von textbasierten Take-Home-Formaten, hin zu betreuten Präsenzleistungen, mündlichen Prüfungen und prozessorientierten Artefakten.
• Lehrschulungen: Kritischer Engpass. Nur 11 Prozent fühlen sich umfassend vorbereitet. Empfehlung: kompakte, modulare Trainings (LLM-Grundlagen, Prompting, Datenschutz, Biaserkennung) mit klarem Zeitbudget pro Semester.
• Technische Infrastruktur: KEDI-Befund ist übertragbar. Ohne stabile Bandbreite, aktuelle Endgeräte und kuratierte, an den Lehrplan angebundene KI-Werkzeuge bleibt der Einsatz Flickwerk.
• Governance und Compliance: EU-AI-Act-Konformität, Datenresidenz, Zugriffsrechte auf API-Endpunkte und Logging der Eingaben gehören auf die Roadmap, nicht in die Schublade.

Go/No-Go: Bedingt Go. Die Studierendennachfrage ist da und wird nicht verschwinden. Wer jetzt Aufgabenformate, Schulungen und Infrastruktur parallel angeht, kann das Semester produktiv nutzen. Wer abwartet, akkumuliert ein Alignment-Problem zwischen studentischer Praxis und institutioneller Realität.