In den letzten zwei Jahren hat sich die KI-Nutzung im Hochschulkontext rasant verbreitet – aber die Debatte schwankt oft zwischen Hype, (Zweck-)Optimismus, Skepsis und Krisendiagnose. Das neu erschienene Arbeitspapier „Die KI-Nutzung in Studium und Lehre. Ein Review auf Grundlage empirischer Studien“ bündelt deshalb systematisch, was die empirische Studienlage über Nutzung, Einstellungen, Kompetenzen und Rahmenbedingungen hergibt – und macht damit Trends sichtbar, die für Hochschulleitungen, Lehrende, Didaktikzentren und Landesinitiativen unmittelbar relevant sind.
Für das Arbeitspapier hat das HIS-Institut für Hochschulentwicklung im Auftrag des Hochschulforums Digitalisierung (HFD) eine studienübergreifende Auswertung von 15 quantitativen Erhebungen (2022–2025) zur KI-Nutzung an deutschen Hochschulen durchgeführt, ergänzt um internationale Vergleichsstudien. Die Studie zeigt, dass generative KI im studentischen Studienalltag angekommen ist und die Nichtnutzung zum Ausnahmefall wird. Lehrende hingegen agieren deutlich zurückhaltender, und auch die institutionelle Einbettung (Governance, Support, Infrastruktur) hinkt vielerorts hinterher.
Zentrale Befunde aus dem Review
Studierende setzen generative KI-Anwendungen vor allem als „Entlastungs- und Effizienztools“ ein: Sie nutzen KI-Tools besonders für Lernunterstützung (z. B. Verständnis klären, Überblick gewinnen) und Textarbeit. Die Nutzung zielt häufig weniger auf konzeptionelles Lernen als auf Zeitgewinn und Vereinfachung – und dürfte gerade in diesen Bereichen weiter zunehmen.
Lehrende zeigen eher selektive Einsatzmuster, bei punktuell wachsendem Interesse: Sie verwenden KI-Anwendungen bislang seltener und gezielter. Wenn KI zum Einsatz kommt, dann vor allem für die Planung und Vorbereitung und didaktische Gestaltung von Lehrveranstaltungen, während z. B. tutorielle Begleitung, Evaluation oder stärker interaktive Szenarien noch nachrangig sind.
Auf Ebene der Kompetenzen gehen praktisches Anwendungswissen kaum mit reflektierter Nutzung einher: Das Review beschreibt bei Studierenden begrenztes Wissen über Funktionsweisen und ethische Implikationen. Anwendungskompetenzen nehmen zwar durch Nutzung „nebenbei“ zu, bleiben aber oft unsystematisch und unreflektiert. Bei Lehrenden deuten die (noch dünnen) Befunde eher auf ein bestehendes Grundverständnis als auf vertieftes, domänenspezifisches Know-how.
Bei den Einstellungen gegenüber KI-Werkzeugen überwiegt eine positive Grundhaltung bei vielen Unsicherheiten: Studierende bewerten KI-Anwendungen mehrheitlich positiv, nennen aber Unsicherheiten bei Zuverlässigkeit, Datenschutz und fairen Prüfungen. Lehrende sehen Potenziale (z. B. für Feedback), sorgen sich jedoch um KI-robuste Prüfungsformate und die akademische Integrität.
Auf institutioneller Ebene ist eine Übergangsphase zwischen Regulierung und Ermöglichung erkennbar: Leitlinien und Unterstützungsangebote existieren teilweise, sind aber selten flächendeckend implementiert. Häufig wird von unklaren Zuständigkeiten, fehlenden Schulungsformaten und mangelnden datenschutzkonformen Tools und Plattformen berichtet. Das System befindet sich erkennbar in einer Übergangsphase: Studierende handeln oft spontan, Lehrende experimentieren, Institutionen entwickeln erst Strategien.
Was Hochschulen daraus ableiten können
Das Arbeitspapier benennt drei Handlungsachsen, die wir in Projekten aktuell besonders oft sehen:
- Kompetenzaufbau, der Wissen, Handeln und Reflexion verbindet: Sinnvoll erscheinen KI-Tutorien, angeleitete Erprobungsformen in Lehr-/Lernsettings und eine begleitende medienkritische Einordnung, ergänzt um Fortbildungen für Lehrende, die didaktische, technische und rechtliche Fragen zusammendenken.
- Governance, die Orientierung gibt, ohne Innovation zu unterbinden: Aus Sicht der Studierenden sollte es anstelle pauschaler Verbote transparente, offene Regelungen geben. Gleichzeitig sollten im Sinne der digitalen Souveränität Abhängigkeiten von außereuropäischen Plattformen strategisch reflektiert und reduziert werden.
- Bei Infrastruktur und Beschaffung sind europäischen Rechtsnormen genügende Lösungen zu empfehlen: Hochschulen sollten für die Nutzer:innen rechtssichere Sprachmodelle und Plattformen zentral bereitstellen – wo sinnvoll qua hochschulübergreifender Kooperationen oder Landesinitiativen.
Ergänzend wird im Review empfohlen, die bislang fragmentierte Forschungslage durch theoretisch fundierte, standardisierte Erhebungsinstrumente und ein kontinuierliches Monitoring zu überwinden – etwa durch nationale Surveys oder Längsschnittstudien, die KI-Nutzungsmuster, Kompetenzentwicklung und institutionelle Strategien verlässlich erfassen, damit Entscheidungen nicht im Blindflug getroffen werden.
Besonders hilfreich am Arbeitspapier kann aus Hochschulperspektive sein, dass es nicht nur die KI-Nutzung quantitativ erfasst, sondern die Spannungslinie offenlegt, in der Hochschulen gerade operieren: Reglementierung (Kanalisierung der KI-Nutzung, Datenschutz, Integrität) versus produktive Integration (Erprobung von Nutzungsszenarien, didaktische Einbettung, Kompetenzaufbau). Genau an dieser Stelle entscheidet sich, ob KI-Anwendungen zu einem kurzfristigen Effizienz-Shortcut oder zu einem medienkritisch reflektierten, langfristig tragfähigen Bestandteil akademischer Bildung werden können.
Zur Studie: Bosse, E.; Wannemacher, K.; Lübcke, M. (2026): Die KI-Nutzung in Studium und Lehre. Ein Review auf Grundlage empirischer Studien. Berlin: Hochschulforum Digitalisierung (Arbeitspapier Nr. 91), DOI 10.5281/zenodo.18403399 . https://hochschulforumdigitalisierung.de/wp-content/uploads/2026/01/HFD_AP_91_Review_KI-Nutzung_in_Studium_und_Lehre.pdf
Bildquelle: HFD
