KI-Nutzung in Studium und Lehre: HFD-Studie 2026 | Alphabees

Das Hochschulforum Digitalisierung (HFD) hat mit dem Arbeitspapier Nr. 91 eine umfassende systematische Review zur KI-Nutzung in Studium und Lehre vorgelegt. Die Analyse fasst 15 quantitative Studien aus dem Zeitraum 2022 bis 2025 zusammen und zeichnet ein differenziertes Bild der aktuellen Situation an deutschen Hochschulen. Für Entscheider im Bildungsbereich liefert diese Bestandsaufnahme wertvolle Erkenntnisse – und zeigt zugleich, wo strukturiertes Handeln gefragt ist.

Eine Übergangsphase mit Spannungsfeldern

Die Autor:innen Elke Bosse, Klaus Wannemacher und Maren Lübcke beschreiben die derzeitige Lage als anspruchsvolle Übergangsphase. Studierende nutzen KI-Tools häufig spontan, jedoch ohne tiefere Reflexion über Funktionsweise oder ethische Implikationen. Lehrende experimentieren punktuell mit den neuen Möglichkeiten, während Institutionen erste strategische Ansätze entwickeln.

Diese Gemengelage bewegt sich im Spannungsfeld zwischen zwei Polen: Einerseits besteht der Wunsch nach klaren Regeln und Reglementierung, andererseits das Ziel, KI konstruktiv und medienkritisch in die Hochschullehre zu integrieren. Für Bildungsverantwortliche bedeutet das: Abwarten ist keine Option. Wer die Entwicklung nicht aktiv gestaltet, riskiert, dass sich unreflektierte Nutzungsmuster verfestigen.

Wie Studierende KI tatsächlich nutzen

Die Studie unterscheidet fünf zentrale Anwendungsbereiche der studentischen KI-Nutzung:

Textarbeit:

Studierende setzen KI-Tools ein, um Texte zu verfassen, zu überarbeiten oder zusammenzufassen.

Lernunterstützung:

Hier steht das Klären von Verständnisfragen und das Gewinnen eines Überblicks über komplexe Themen im Vordergrund.

Programmieren und Datenanalyse:

Insbesondere in technischen Fächern dienen KI-Werkzeuge als Unterstützung bei Code-Erstellung und Datenauswertung.

Präsentation und Gestaltung:

Visuelle Aufbereitung von Inhalten wird durch KI-gestützte Tools erleichtert.

Studien- und Selbstorganisation:

Planungs- und Strukturierungsaufgaben werden zunehmend an KI-Systeme delegiert.

Die Studie kommt zu einem ernüchternden Befund: Die Nutzung zielt weniger auf konzeptionelles Lernen als auf Entlastung und Effizienz. Studierende suchen nach schnellen Antworten, nicht nach tieferem Verständnis. Zudem scheint das Wissen über technische Funktionsweisen und ethische Fragen begrenzt zu sein.

Für Hochschulen ergibt sich daraus eine zentrale Aufgabe: Die vorhandene Nutzungsbereitschaft muss in reflektierte, lernförderliche Bahnen gelenkt werden. Es reicht nicht, KI-Tools zu verbieten oder unreglementiert zuzulassen. Gefragt sind didaktische Konzepte, die KI als Werkzeug für tieferes Lernen etablieren.

Die Perspektive der Lehrenden

Anders als bei den Studierenden fällt die Datenlage zur KI-Nutzung durch Lehrende deutlich dünner aus. Die vorhandenen Erkenntnisse zeigen jedoch klare Schwerpunkte: Lehrende setzen KI-Tools primär für die Planung und Vorbereitung von Lehrveranstaltungen ein. Auch die didaktische Gestaltung profitiert von den neuen Möglichkeiten.

Was in der Praxis oft fehlt, ist die Integration von KI-Unterstützung direkt in den Lernprozess der Studierenden. Hier liegt ungenutztes Potenzial: Ein systematisch eingebetteter KI-Tutor könnte genau die Lücke schließen zwischen dem Wunsch nach Entlastung auf Seiten der Studierenden und dem Anspruch auf reflektiertes Lernen auf Seiten der Lehrenden.

Methodische Grenzen und dynamisches Feld

Die Autor:innen der HFD-Studie weisen selbst auf wichtige Einschränkungen hin. Da jede der 15 ausgewerteten Studien ihr eigenes methodisches Design verwendet, ist die Vergleichbarkeit der Ergebnisse begrenzt. Die Dynamik des Untersuchungsfeldes verschärft dieses Problem: Was heute über KI-Nutzung erhoben wird, kann morgen bereits überholt sein.

Auffällig ist zudem, dass konkrete KI-Tools in den ausgewerteten Studien kaum eine Rolle spielen. Die Frage, welche spezifischen Anwendungen Studierende und Lehrende nutzen, bleibt weitgehend unbeantwortet. Für Hochschulen, die konkrete Implementierungsentscheidungen treffen müssen, ist das eine Wissenslücke.

Diese methodischen Grenzen ändern jedoch nichts am Kernbefund: Die Nutzung von KI im Hochschulkontext ist Realität – und sie verläuft derzeit weitgehend ungesteuert.

Von der Bestandsaufnahme zur strategischen Umsetzung

Die HFD-Studie liefert eine solide Grundlage für strategische Entscheidungen. Sie zeigt, dass oberflächliche Nutzungsmuster dominieren und dass weder Studierende noch Lehrende derzeit über ausreichende KI-Kompetenzen verfügen. Gleichzeitig wird deutlich: Die Bereitschaft zur Nutzung ist vorhanden, die institutionellen Rahmenbedingungen hinken jedoch hinterher.

Für Hochschulen und Weiterbildungsanbieter ergeben sich daraus konkrete Handlungsfelder:

• Entwicklung klarer Leitlinien für den KI-Einsatz in Studium und Lehre
• Qualifizierung von Lehrenden im Umgang mit KI-gestützter Didaktik
• Integration von KI-Werkzeugen, die reflektiertes Lernen fördern statt nur Effizienz steigern
• Aufbau von Infrastrukturen, die datenschutzkonforme und kontextbezogene KI-Nutzung ermöglichen

Der Alphabees KI-Tutor für Moodle adressiert genau diese Anforderungen. Als direkt in bestehende Moodle-Kurse integrierter Lernbegleiter unterstützt er Studierende rund um die Uhr – nicht als Abkürzung zum schnellen Ergebnis, sondern als Werkzeug für vertieftes Verständnis. Lehrende behalten dabei die Kontrolle über die didaktische Einbettung, während die Institution von einer datenschutzkonformen, auf den jeweiligen Kurskontext abgestimmten Lösung profitiert.

Die HFD-Studie macht deutlich: Die Frage ist nicht mehr, ob KI in der Hochschullehre eine Rolle spielt, sondern wie diese Rolle gestaltet wird. Wer jetzt die richtigen Weichen stellt, kann die Übergangsphase nutzen, um reflektierte KI-Nutzung zum Standard zu machen – und damit sowohl die Qualität der Lehre als auch die Lernergebnisse nachhaltig zu verbessern.

Häufig gestellte Fragen