Ein ausgewogener Umgang mit Künstlicher Intelligenz (KI) in der akademischen Lehre rückt verstärkt in den Fokus internationaler Hochschulen. Unter dem Begriff „AI-Ready AI Resistant“-Mindset entwickelt sich eine Debatte darüber, wie Universitäten die Potenziale der KI nutzen und gleichzeitig die Kernprinzipien des Lernens und kritischen Denkens schützen können. Diese Entwicklung betrifft Lehrende wie Studierende und beeinflusst die Gestaltung von Curricula, Prüfungsformaten und die institutionelle Strategie.

KI-Integration zwischen Innovation und Integrität

Das „AI-Ready AI Resistant“-Mindset, ein Konzept, das unter anderem von Madeline Craig geprägt wurde, strebt einen ausgewogenen Ansatz an. „AI Ready“ bedeutet, die Präsenz von KI im Lehren und Lernen zu begrüßen. Hochschulen entwickeln relevante Kompetenzen, modellieren den ethischen Werkzeugeinsatz und setzen KI zur Förderung von Kreativität, kritischem Denken und Zugänglichkeit ein.

Gleichzeitig bedeutet „AI Resistant“, die authentische Gedankenentwicklung, den produktiven Lernprozess, Reflexion und die persönliche Stimme der Studierenden zu schützen. Es soll sichergestellt werden, dass Analyse, Interpretation und Synthese eigenständig erfolgen. KI wird zudem in Teilen der Fachliteratur als eine grundlegende Fähigkeit betrachtet, vergleichbar mit Lesen und Schreiben, die in Arbeitsplatz und Alltag integriert werden muss.

Das US-Arbeitsministerium veröffentlichte 2026 eine nationale KI-Kompetenzschulung.

Ein unausgewogener Ansatz birgt Risiken. Ein zu starkes Gewicht auf „AI Ready“ kann dazu führen, dass Geschwindigkeit über Substanz geht, kritisches Denken abnimmt und Textqualität sich oberflächlicher darstellt. Das Lernen kann dabei mechanisch und transaktional werden.

Eine zu starke „AI Resistant“-Haltung kann hingegen Innovations- und Effizienzpotenziale verhindern. Generelle Verbote hindern Studierende daran, den verantwortungsvollen Umgang mit der Technologie zu erlernen. Studien weisen außerdem auf Verzerrungen in KI-Detektoren gegen Nicht-Muttersprachler hin.

Studierende und Lehrende: unterschiedliche Annahmen zur KI-Nutzung

Die Nutzung von KI durch Studierende ist weit verbreitet. Erhebungen zeigen, dass 92 Prozent der Studierenden in Großbritannien und 86 Prozent weltweit KI in irgendeiner Form nutzen. 88 Prozent geben an, KI für Prüfungsleistungen zu verwenden. 58 Prozent der Studierenden nutzen KI zur Erklärung von Konzepten – ein Anstieg von 36 Prozent gegenüber dem Vorjahr. Etwa 25 Prozent nutzen KI zur Unterstützung bei der Erstellung von Prüfungsleistungen, und 18 Prozent fügen KI-generierten Text in ihre Arbeiten ein.

Die Adaption aufseiten des Lehrpersonals verläuft zurückhaltender. 69 Prozent des Lehrpersonals haben im vergangenen Jahr KI genutzt. 61 Prozent berichten, dass KI eingeführt wurde, und 88 Prozent schätzen die Integration als minimal bis moderat ein. 42 Prozent der Lehrenden verbieten derzeit die Nutzung von generativer KI im Unterricht. Rund 39 Prozent der Lehrenden geben an, nicht zu wissen, wie sie KI in ihrer Rolle optimal nutzen können. 47 Prozent möchten KI für bessere Entscheidungen einsetzen, sind sich aber unsicher, wie. Diese Diskrepanz zwischen Studierendennutzung und Lehrendenintegration stellt eine Lücke dar, die Universitäten adressieren müssen, um Studierende für ihre zukünftigen Aufgaben vorzubereiten.

Herausforderungen für die Hochschulen

Hochschulen stehen vor der Herausforderung, sich zu modernisieren. Sie sind mit schwankenden Einschreibungszahlen, Finanzierungsengpässen, steigenden Betriebskosten und wachsenden Erwartungen an digitale Studierenden- und Alumni-Erfahrungen konfrontiert. Die Integration von KI stellt hierbei eine zusätzliche Komplexität dar.

Nur 36 Prozent der Studierenden geben an, von ihrer Institution angemessene Unterstützung beim Erwerb von KI-Fähigkeiten erhalten zu haben. Dabei betrachtet die Mehrheit diese Fähigkeiten für ihre Karriere als essenziell.

Die institutionelle Reaktion ist vielfach noch im Anfangsstadium. Weniger als die Hälfte der Universitäten hat formale Governance-Richtlinien für KI etabliert, obwohl 57 Prozent KI als strategische Priorität ansehen. Nur 22 Prozent der Institutionen verfügen über eine umfassende, institutionenweite KI-Strategie, und 39 Prozent haben eine KI-bezogene Richtlinie zur akzeptablen Nutzung. 80 Prozent des Lehrpersonals empfinden institutionelle Richtlinien als nicht umfassend.

Dies verdeutlicht die Notwendigkeit, institutionelle Strategien, Governance und Ressourcen für KI zu entwickeln. Michael Barker, Vice Chancellor for Information Technology und CIO der University of North Carolina at Chapel Hill, kommentiert: „Unser Ziel ist es, KI zu nutzen, um unsere Forschungsfähigkeiten zu verbessern und bahnbrechende Entdeckungen zu machen, die unsere Stärken hervorheben und uns differenzieren.“

Strategien für eine KI-bereite Universität

Bildungseinrichtungen verfolgen verschiedene pädagogische und institutionelle Strategien. Pädagogisch werden gerüstete Aufgaben (scaffolded assignments) empfohlen. Dabei nutzen Studierende KI beispielsweise für Brainstorming, die Kernarbeit leisten sie aber selbst.

Projektbasiertes Lernen, Portfolios und Gamification sind weitere Ansätze, die durch KI ergänzt werden können. Einige Lehrende experimentieren zudem mit benutzerdefinierten KI-Chatbots zur Unterstützung von Lerninhalten.

Institutionell wird ein ganzheitlicher Ansatz diskutiert: Dazu gehört der Aufbau von KI-Kompetenz bei Lehrenden und Studierenden durch Schulungen und kleine Experimente. Verstärkte Zusammenarbeit, Change-Management-Programme sowie Partnerschaften mit Technologieanbietern wie Microsoft, OpenAI und NVIDIA sind weitere Maßnahmen. Wichtige Schritte sind klare Zielsetzungen, die Anpassung von KI-Investitionen an die strategische Vision, ein demokratisierter Zugang zu Tools, flexible Strategien, Wirkungsmessung, inklusive Entscheidungsprozesse und ausreichend Zeit für die Adoption.

Zusätzlich sind KI-bereite Daten, Datenschutzmaßnahmen und die Entwicklung ethischer Governance-Richtlinien zentrale Punkte. Einige Institutionen arbeiten mit einem Mischmodell der Governance: zentrale Richtlinien für Sicherheit und Ausgaben kombiniert mit Autonomie für Fachbereiche – ein Beispiel hierfür ist die St. Thomas University in Minnesota.

Ausblick: Die Zukunft der akademischen Integrität

Die Debatte um das „AI-Ready AI Resistant“-Mindset wird sich mit dem Fortschritt der Technologie weiterentwickeln. Universitäten müssen die Einführung von KI mit der Bewahrung akademischer Integrität in Einklang bringen. Ein oft zitiertes Argument lautet: „KI ist weder von Natur aus gut noch schlecht fürs Lernen.

Entscheidend für das Ergebnis ist, wie KI-Tools gestaltet werden und wie Lehrkräfte ihre Nutzung steuern.“ Dies zitiert Maria Barron.

Bis 2030 besteht das Ziel, Governance, Bewertungsmodelle und institutionelle Kapazitäten so aufzubauen, dass Hochschulen KI-bereit sind. Studien von Turnitin und Vanson Bourne weisen darauf hin, dass Verbote und Detektionsansätze den Wert von Zeugnissen nicht mehr schützen können, sobald KI-gestützte Arbeit routinemäßig wird. Entsprechend wird empfohlen, Prüfungen und Aufgaben zu gestalten, die authentisches kritisches Denken und Problemlösen fördern, statt primär auf die Erkennung von KI-Nutzung zu setzen.

Die UNESCO wird in diesem Zusammenhang mit der Prämisse zitiert: „AI should serve education. Education should not be reshaped simply to serve AI.“

Die Entwicklung effektiver Bewertungsmodelle, die den Einsatz von KI sinnvoll integrieren und gleichzeitig die Eigenleistung der Studierenden fordern, bleibt eine zentrale Aufgabe für die akademische Welt.