Wie die Brown University generative KI strategisch in den Lehralltag integriert

Im Mittelpunkt stehen Lehrveranstaltungen zu den Auswirkungen von KI, Weiterbildungen für Lehrende, neue Formate der Bibliothek sowie ein Ausschuss für „Generative AI in Teaching and Learning“. Für Schulen und Hochschulen ist daran weniger der Einsatz eines einzelnen Tools relevant als die gewählte Governance-Struktur: Brown behandelt KI als Infrastruktur- und Bewertungsfrage, nicht nur als Softwarethema.

Von der Einzelmaßnahme zur institutionellen Struktur

Brown reagierte laut eigener Darstellung früh auf den wachsenden Einfluss generativer KI auf Lehre und Lernen. Lehrende boten Kurse an, die die Bedeutung von KI für einzelne Fachbereiche untersuchen. Das Sheridan Center for Teaching and Learning ergänzte dieses Angebot durch Seminare zu Kursdesign und Leistungsbewertung unter den Bedingungen generativer KI.

Auch die Universitätsbibliothek wurde einbezogen. Sie startete mehrere Programme, darunter KI-Workshops und eine regelmäßig tagende Lerngemeinschaft. Damit verteilt Brown die Verantwortung nicht auf einzelne besonders engagierte Lehrkräfte. Die Hochschule baut stattdessen mehrere Zugangspunkte auf:

• Fachbereiche prüfen, welche Rolle KI in ihren Disziplinen spielt.
• Lehrende evaluieren Kursdesign und Prüfungsformate neu.
• Die Bibliothek schafft Weiterbildungs- und Austauschformate.
• Verwaltungs- und Hochschulleitung bündeln Empfehlungen für das weitere Vorgehen.

Das ist für die Schul-IT ein belastbarer Ansatz. Ein zentral beschaffter Chatbot löst weder Fragen der Autorenschaft noch der Prüfungsfairness. Ohne abgestimmte Prozesse entstehen lokale Regeln, uneinheitliche Freigaben und schwer vergleichbare Ergebnisse.

Zwischenfazit: Brown skaliert nicht primär ein Tool, sondern Entscheidungs- und Unterstützungsstrukturen.

Der GAITL-Ausschuss als Prüfmechanismus

Anfang 2025 setzte Provost Francis J. Doyle III den Ausschuss „Generative AI in Teaching and Learning“ ein. Sein Auftrag bestand darin, die Entwicklung der KI-Nutzung an der Brown University und an anderen Hochschulen zu untersuchen und Empfehlungen für das weitere Vorgehen zu formulieren. Im Juli 2026 veröffentlichte der Ausschuss einen Bericht mit seinen Erkenntnissen und Empfehlungen.

Michael Littman, Informatikprofessor und seit Juli 2025 Browns erster Associate Provost für KI, war Co-Vorsitzender des Ausschusses. Diese Besetzung verbindet akademische Steuerung mit technischer Expertise. Aus Infrastrukturperspektive ist das entscheidend: Richtlinien müssen nicht nur pädagogisch plausibel, sondern auch implementierbar sein.

Die von Brown beschriebenen Problemfelder sind inzwischen klar umrissen:

• mögliche Einbußen bei kognitivem Schlussfolgern und Problemlösen,
• ein Verlust an Schreibkompetenz,
• geringere Qualität menschlicher Interaktion,
• akademische Täuschung,
• offene Fragen zu Fairness und Gleichbehandlung bei der Bewertung,
• Unsicherheiten bei Ethik, Autorenschaft und geistigem Eigentum.

Die Hochschule formuliert daraus ein Zielkonflikt-Modell: Innovation soll ermöglicht, Risiken sollen begrenzt werden. Eine belastbare Umsetzung benötigt deshalb mehr als eine allgemeine Erlaubnis oder ein pauschales Verbot. Entscheidend sind überprüfbare Vorgaben für Aufgaben, Prüfungen, Transparenz und den Umgang mit KI-generierten Ergebnissen.

Relevanz für die Umsetzung

Die Brown-Initiative liefert keine direkt übertragbare Produktliste. Sie zeigt vielmehr, welche Prüfschritte Bildungseinrichtungen vor einer breiten Einführung von generativer KI benötigen. Für die eigene Umgebung sollten Verantwortliche mindestens folgende Punkte evaluieren:

• Welche Lernziele lassen sich mit KI unterstützen, ohne die eigentliche Leistung auszulagern?
• Welche Aufgaben müssen so verändert werden, dass Eigenleistung weiterhin prüfbar bleibt?
• Wie werden Nutzung, Autorenschaft und Quellen dokumentiert?
• Wer entscheidet über zulässige Anwendungen und aktualisiert diese Regeln?
• Welche Schulungen benötigen Lehrkräfte, Bibliothek, Verwaltung und IT?
• Wie werden Unterschiede beim Zugang zu KI-Diensten und bei der technischen Ausstattung berücksichtigt?

Die Meldung der Egypt University of Informatics über den Start der Bewerbungsphase für den „GenAI for Education Hackathon & Startup Competition 2026“ am 23. August 2026 zeigt parallel, dass der Bildungssektor weiter auf neue Prototypen und EdTech-Startups setzt. Das erhöht die Zahl der verfügbaren Optionen. Es ersetzt aber nicht die technische und organisatorische Prüfung vor dem Rollout.

Machbarkeitsbewertung: Go für einen gestuften Pilotbetrieb, No-Go für einen unkoordinierten Flächeneinsatz. Brown liefert dafür ein plausibles Referenzmodell: erst Zuständigkeiten, Schulungen und Bewertungslogik definieren, dann Tools skalieren. Der nächste Prüfpunkt bleibt der Bericht des GAITL-Ausschusses und die Frage, welche Empfehlungen sich in konkrete, messbare Prozesse übersetzen lassen.