KI in der Hochschullehre: ChatGPT und andere Tools didaktisch sinnvoll einsetzen

Generative KI verändert Hochschullehre nicht nur technisch, sondern didaktisch. Verbote allein lösen wenig, wenn Aufgaben weiterhin leicht automatisierbar sind. Gute Lehre macht transparent, wann KI erlaubt ist, welche Kompetenzen ohne KI gezeigt werden müssen und wie Studierende KI kritisch nutzen lernen.

KI als Anlass zur Aufgabenklärung

KI-Werkzeuge erzeugen Texte, Zusammenfassungen, Code, Gliederungen, Beispiele und Feedbackvorschläge. Dadurch werden Prüfungs- und Lernaufgaben sichtbar, die schon vorher schwach waren: reine Reproduktion, austauschbare Essays, unklare Eigenständigkeitsanforderungen. Die wichtigste Frage lautet deshalb nicht „Wie verhindere ich KI?“, sondern „Welche Leistung will ich eigentlich prüfen?“

Wenn eine Aufgabe nur darin besteht, bekannte Informationen zusammenzufassen, ist sie durch KI leicht ersetzbar. Wenn Studierende Daten aus dem Kurs, eigene Beobachtungen, mündliche Verteidigung, Prozessdokumentation oder reflektierte Entscheidungen einbringen müssen, wird die Eigenleistung sichtbarer.

Drei Regelmodelle

Die Entscheidung vor dem Semester lautet nicht „KI ja oder nein“, sondern: Welches der drei Modelle gilt für welche Leistung? Jedes verlangt eine andere Aufgabenstellung und eine andere Dokumentation.

Modell 1 – ausgeschlossen. Die Leistung soll ohne generative Werkzeuge erbracht werden, weil genau diese Fähigkeit geprüft wird (Übersetzen im Sprachstudium, Programmieren im Grundlagenkurs, eine Klausur unter Aufsicht). Aufgabenform: beaufsichtigt oder mündlich; eine unbeaufsichtigte Hausarbeit lässt sich so nicht absichern. Dokumentation: die nach der Prüfungsordnung vorgesehene Erklärung zur Eigenständigkeit.

Modell 2 – begrenzt erlaubt. Bestimmte Nutzungen sind zulässig, andere nicht – etwa Sprachkorrektur und Ideensammlung ja, Textgenerierung für Argumentationsteile nein. Aufgabenform: Hausarbeit mit Prozessspuren. Dokumentation: ein kurzer Abschnitt am Ende, der Werkzeug, Zweck und betroffene Textteile nennt.

Modell 3 – ausdrücklich eingebaut. Die Nutzung ist Teil der Aufgabe, und bewertet wird der Umgang damit. Aufgabenform: etwa eine KI-Antwort fachlich prüfen und korrigieren. Dokumentation: Ausgangsanfrage, erhaltene Antwort, die eigene Prüfung und die Begründung, was übernommen und was verworfen wurde.

Welches Modell gilt, gehört in die erste Sitzung, in das Aufgabenblatt und in den Kursraum – nicht erst in die Diskussion über eine abgegebene Arbeit.

Einsatzfelder nach Funktion

Statt Werkzeuge aufzuzählen, lohnt die Sortierung nach der Funktion, die sie im Lernprozess haben sollen:

• Ideen – Themen sammeln, Fragestellungen variieren. Die Auswahl und Begründung bleibt die Leistung.
• Feedback – einen eigenen Entwurf kommentieren lassen und entscheiden, welcher Hinweis fachlich trägt.
• Simulation – Gesprächs-, Beratungs- oder Fallsituationen üben, in denen ein Gegenüber gebraucht wird.
• Übersetzung und Sprache – Zugang zu fremdsprachiger Literatur, sprachliche Überarbeitung eigener Texte.
• Materialentwurf – auf Seiten der Lehrenden: Aufgabenvarianten, Distraktoren für Multiple-Choice-Fragen, Beispieldatensätze. Die fachliche Richtigkeit bleibt Verantwortung der Lehrperson.
• Reflexion – eine erzeugte Antwort gegen die Fachliteratur prüfen und die Abweichung benennen.

Der didaktische Gewinn liegt dort, wo die Ausgabe nicht die Lösung ist, sondern das Material, an dem gearbeitet wird. Wo eine Aufgabe nur darin besteht, Bekanntes zusammenzufassen, war sie schon vorher schwach.

Prüfungen anpassen

Für Prüfungen ist entscheidend, ob die Leistung unter kontrollierten Bedingungen, offen mit Hilfsmitteln oder prozessorientiert erbracht wird. Hausarbeiten können durch Exposé, Zwischenabgaben, Literaturgespräch, Reflexionsanhang oder mündliche Nachfragen robuster werden. Klausuren können offene Hilfsmittel bewusst erlauben oder ausschließen, müssen dies aber klar regeln.

Bei mündlichen Prüfungen, Projektpräsentationen und Portfolios kann die Fähigkeit, eigene Entscheidungen zu erklären, stärker gewichtet werden. Das ersetzt nicht die Prüfungsordnung, hilft aber innerhalb des Rahmens.

Regeln im Studiengang abstimmen

Wenn jede Lehrperson eine eigene Linie festlegt, erleben Studierende im selben Semester widersprüchliche Anforderungen – und die Regel, die sie am wenigsten einschränkt, wird zur gefühlten Norm. Sinnvoll sind kursbezogene Regeln, die auf einer Leitlinie des Studiengangs oder der Fakultät aufsetzen und nur für die konkrete Prüfungsleistung präzisiert werden.

Verbindlich wird eine Regel allerdings nicht durch eine Leitlinie, sondern durch die Prüfungsordnung und die Aufgabenstellung. Wer eine Nutzung untersagen oder eine Kennzeichnung verlangen will, muss das in der Aufgabenstellung tun und die Folgen aus der Prüfungsordnung ableiten; über Täuschungsvorwürfe entscheidet der Prüfungsausschuss.

Was Detektoren nicht leisten

Für KI-Texte gibt es kein Nachweisverfahren, das einen Täuschungsvorwurf allein tragen kann. Ein Detektorergebnis ist eine Wahrscheinlichkeitsangabe ohne nachvollziehbare Begründung am Einzelfall; ein Vorwurf braucht dagegen konkrete, belegbare Umstände. Ein Produktname und eine Trefferquote helfen deshalb nicht weiter: An der einzelnen Arbeit lässt sich nicht nachprüfen, ob die Ausgabe zutrifft.

Belastbar sind andere Anhaltspunkte: nicht existierende oder falsch zugeordnete Quellen, Zitate, die im angegebenen Text nicht vorkommen, Aussagen, die im Kurs so nicht behandelt wurden, und die Unfähigkeit, eigene zentrale Passagen im Gespräch zu erläutern. Das sind prüfbare Befunde, keine Softwareergebnisse.

Das Verfahren selbst – Anhörung, Zuständigkeit, Rechtsfolge – ergibt sich aus der Prüfungsordnung des Studiengangs und dem Hochschulrecht des Landes; die Entscheidung trifft die dort benannte Stelle, in der Regel der Prüfungsausschuss. Der Ablauf steht in Plagiate und KI-Nutzung in Hausarbeiten.

Risiken konkret

Sechs Risiken sind bei der Planung zu bedenken, und sie betreffen verschiedene Zuständigkeiten:

• Sachliche Fehler. Ausgaben sind flüssig formuliert und deshalb schwerer als falsch zu erkennen als eine holprige falsche Antwort.
• Erfundene Quellen. Literaturangaben können plausibel aussehen und nicht existieren. Wer KI für Recherche zulässt, sollte die Prüfung der Angaben zur Aufgabe machen.
• Personenbezogene Daten. Studentische Texte, Prüfungsleistungen und Evaluationsfreitexte gehören nicht ungefragt in einen externen Dienst. Was zulässig ist, regeln die Datenschutzvorgaben der Hochschule.
• Urheberrecht. Das Hochladen geschützter Texte und die Nutzung erzeugter Bilder werfen eigene Fragen auf – dazu Urheberrecht in der Hochschullehre.
• Zugangsgerechtigkeit. Wenn ein Werkzeug verlangt wird, darf seine kostenpflichtige Fassung kein Vorteil sein. Entweder die Hochschule stellt einen Zugang, oder die Aufgabe funktioniert auch ohne.
• Abhängigkeit von einzelnen Diensten. Ein Dienst kann sich ändern, kostenpflichtig werden oder verschwinden. Eine Aufgabe, die nur mit einem bestimmten Produkt funktioniert, ist im nächsten Semester womöglich nicht wiederholbar.

Fachkulturen unterscheiden sich dabei erheblich: In der Informatik ist die Nutzung von Codewerkzeugen Teil der Berufspraxis, in einem sprachpraktischen Kurs steht genau die Fähigkeit zur Debatte, die das Werkzeug übernimmt. Die Regel gehört deshalb auf die Ebene des Studiengangs und der einzelnen Prüfungsleistung, nicht auf die des Werkzeugs.

Was Studierende dokumentieren

Wenn Nutzung erlaubt ist, gehört ihre Angabe in die Aufgabenstellung – mit Format, nicht als Appell. Brauchbar ist ein kurzer Abschnitt am Ende der Arbeit mit vier Angaben: welches Werkzeug, wofür, an welchen Textteilen, und was davon übernommen oder verworfen wurde.

Diese Angabe hat zwei Zwecke. Für die Bewertung macht sie sichtbar, wo die Eigenleistung liegt; für Studierende ist das Aufschreiben selbst eine Reflexion über die eigene Arbeitsweise. Wichtig ist, dass die Angabe nicht bestraft wird: Wer erlaubte Nutzung offenlegt und dafür schlechter bewertet wird, gibt sie beim nächsten Mal nicht mehr an.

Praxisbeispiel: KI in der Hochschullehre

Angenommener Fall: Eine Lehrperson erlaubt KI zur Ideensammlung, verbietet aber unmarkierte Textübernahme. Studierende müssen im Anhang dokumentieren, wofür KI genutzt wurde und welche Vorschläge sie verworfen haben. In der Sitzung werden KI-Antworten fachlich kritisiert. Die Aufgabe prüft dadurch nicht nur Textproduktion, sondern Urteilskraft.

Checkliste für die Umsetzung

• je Prüfungsleistung eines der drei Regelmodelle festlegen
• die Regel ins Aufgabenblatt schreiben, nicht nur ansagen
• Aufgaben weniger generisch gestalten
• Dokumentation der Nutzung verlangen, wenn KI erlaubt ist
• Detektoren nicht als alleinigen Beweis nutzen
• Datenschutz und Zugangsgerechtigkeit beachten

Abgrenzung und Weiterlesen

Was bei einem konkreten Verdacht zu tun ist, steht in Plagiate und KI-Nutzung in Hausarbeiten. Für Schreibaufgaben gehört die KI-Regel ins Aufgabenblatt – dazu Wissenschaftliches Schreiben vermitteln. Ob eine Prüfungsform überhaupt zum Lernziel passt, klärt Lernziele, Lehrmethoden und Prüfungen; Verfahren und Fristen regelt Prüfungsrecht für Dozierende. Für hochgeladenes fremdes Material gilt Urheberrecht in der Hochschullehre.

Typischer Umsetzungskonflikt

Bei KI ist der Umsetzungskonflikt besonders sichtbar: Zu strenge Verbote können realitätsfern wirken, zu offene Regeln können Prüfungen entwerten. Gute Lehrveranstaltungen formulieren deshalb abgestufte Regeln. Ideensammlung kann erlaubt sein, nicht deklarierte Textübernahme verboten; Sprachkorrektur kann zulässig sein, erfundene Quellen bleiben Täuschungsproblem. Woran man eine brauchbare Regel erkennt: Studierende können an einem Beispiel sagen, ob eine bestimmte Nutzung erlaubt ist oder nicht.

Der zweite Konflikt betrifft die Haltbarkeit der Regel: Werkzeuge und Zugänge ändern sich schneller als Modulbeschreibungen. Deshalb sollte die Regel an der Funktion hängen („Textgenerierung für Argumentationsteile ist ausgeschlossen“) und nicht am Produktnamen. Didaktisch tragfähig ist KI-Einsatz dort, wo er fachliche Urteilsfähigkeit verlangt. Studierende können etwa Prompts vergleichen, fehlerhafte Antworten prüfen, Quellen nachrecherchieren oder KI-Ausgaben gegen Fachliteratur verteidigen. Schwach ist KI-Einsatz, wenn er nur Arbeit auslagert. Lehrende sollten deshalb nicht nur sagen, ob KI erlaubt ist, sondern welche Kompetenz trotz KI sichtbar werden muss.

Für Berufungsverfahren und Lehrportfolios ist diese Haltung anschlussfähig: Nicht der Einsatz eines Tools ist das Argument, sondern der reflektierte Umgang mit einem veränderten Lern- und Prüfungsumfeld.

Häufige Fragen

Wie verändert generative KI die Hochschullehre?

KI-Werkzeuge machen Lern- und Prüfungsaufgaben sichtbar, die schon vorher schwach waren, etwa reine Reproduktion. Die zentrale Frage lautet nicht, wie KI verhindert wird, sondern welche Leistung eigentlich geprüft werden soll.

Warum sollten KI-Regeln explizit gemacht werden?

Jede Lehrveranstaltung sollte klar regeln, ob KI erlaubt, eingeschränkt erlaubt, deklarationspflichtig oder verboten ist. Diese Regeln gehören in die erste Lehrveranstaltung und in die Aufgabenstellung, nicht erst in den Verdachtsfall.

Wie lässt sich KI didaktisch sinnvoll einsetzen?

Studierende können KI-Antworten kritisieren, Gegenargumente generieren, Code erklären lassen oder Bias in Ausgaben analysieren. Besonders wertvoll sind Aufgaben, bei denen KI nicht die Lösung ersetzt, sondern Reflexion auslöst.

Sind KI-Detektoren ein sicherer Nachweis für Täuschung?

Nein. Ein Detektorergebnis ist eine Wahrscheinlichkeitsangabe ohne nachvollziehbare Begründung am Einzelfall und trägt einen Täuschungsvorwurf nicht allein. Belastbar sind prüfbare Befunde wie nicht existierende Quellen oder Zitate, die im angegebenen Text nicht vorkommen. Über den Vorwurf entscheidet die in der Prüfungsordnung benannte Stelle.

Welche Fairnessfragen wirft KI-Nutzung auf?

Nicht alle Tools sind kostenlos, datenschutzarm oder barrierefrei. Wer Werkzeuge verlangt oder KI erlaubt, sollte Zugang, Datenschutz und Alternativen beachten und vermeiden, dass zahlungspflichtige Premiumfunktionen zum Vorteil werden.