Generative KI ist im Studium längst angekommen und wird von vielen Studierenden selbstverständlich genutzt, z.B. zum Erklären von Inhalten, Formulieren von Texten oder für schnelle Antworten. Für Lehrende eröffnet KI neue Möglichkeiten, Inhalte verständlicher aufzubereiten, Lernprozesse aktiver zu gestalten und gezieltes Feedback zu geben.
Sie ersetzt jedoch keine Lehre, sondern unterstützt didaktische Entscheidungen. Im Fokus stehen daher konkrete Einsatzmöglichkeiten, mit denen sich KI gewinnbringend in der Lehre nutzen lässt.
Das HFD-Arbeitspapier „Die KI-Nutzung in Studium und Lehre (2022–2025) zeigt: KI ist fester Teil des Hochschulalltags. Entscheidend ist jedoch nicht das Tool selbst, sondern wie sinnvoll es in Lehr- und Lernprozesse eingebunden wird und ob Studierende einen reflektierten Umgang damit entwickeln.
Wie kann KI in der Lehre konkrete Vorteile bringen? Wie können generative KI-Tools didaktisch sinnvoll eingesetzt werden? Unsere fortlaufend wachsende Sammlung von Use Cases richtet sich an Lehrende, die KI in der Hochschullehre erproben oder integrieren möchten. Die Beispiele stammen aus unterschiedlichen Disziplinen, Hochschulen und Lehrformaten und sollen zur Inspiration und Reflexion anregen.
Use Cases für die Lehre
Fazit
Das HFD-Review „KI-Nutzung in Studium und Lehre“ macht deutlich, dass der Einsatz von KI allein noch keinen Vorteil für die Lehre garantiert. Entscheidend ist, wie sie eingesetzt wird und in welche didaktischen Konzepte sie eingebettet ist.
Wenn Lehrende KI gezielt nutzen, entstehen konkrete Vorteile: Inhalte lassen sich klarer darstellen, Lernprozesse aktiver gestalten, Rückmeldungen enger an den Lernprozess anbinden und Orientierung im Kurs besser unterstützen.
Genau darin liegt der eigentliche Mehrwert. KI erweitert die Möglichkeiten, gute Lehre umzusetzen. Und wenn diese Möglichkeiten bewusst genutzt werden, profitieren die Studierenden unmittelbar davon.
Association of College and Research Libraries. (2016). Framework for Information Literacy for Higher Education. Chicago, IL: American Library Association.
Bosse, E., Wannemacher, K. & Lübcke, M. (2026). Die KI-Nutzung in Studium und Lehre. Ein Review auf Grundlage empirischer Studien. HFD-Arbeitspapier Nr. 91. Berlin: Hochschulforum Digitalisierung.
Belland, B. R. (2017). Instructional Scaffolding in STEM Education: Strategies and Efficacy Evidence. Cham: Springer.
Biggs, J. (1996). Enhancing teaching through constructive alignment. Higher Education, 32, 347–364.
Biggs, J., & Tang, C. (2011). Teaching for Quality Learning at University (4th ed.). Maidenhead: Open University Press.
Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7–74.
Bosse, E., Wannemacher, K., & Lübcke, M. (2026). Die KI-Nutzung in Studium und Lehre. Ein Review auf Grundlage empirischer Studien (HFD-Arbeitspapier Nr. 91). Berlin: Hochschulforum Digitalisierung.
Brown, J. S., Collins, A., & Duguid, P. (1989). Situated cognition and the culture of learning. Educational Researcher, 18(1), 32–42.
Caldwell, K. E., Zarate-Rodriguez, J. G., Fox, J. C., Yaeger, L., & Wise, P. E. (2024). Listen up: A systematic review of the utilization and efficacy of podcasts for medical education. Global Surgical Education, 3, Article 107.
Carless, D., & Boud, D. (2018). The development of student feedback literacy: Enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325.
CAST (2024). CAST Universal Design for Learning Guidelines version 3.0, entnommen aus: https://udlguidelines.cast.orgDatnow, A., & Hubbard, L. (2015). Teachers’ use of assessment data to inform instruction: Lessons from the past and prospects for the future. Teachers College Record, 117(4), 1–26.
Dolmans, D. H. J. M., Loyens, S. M. M., Marcq, H., & Gijbels, D. (2016). Deep and surface learning in problem-based learning: A review of the literature. Advances in Health Sciences Education, 21(5), 1087–1112.
Herrington, J., Reeves, T. C., & Oliver, R. (2014). Authentic learning environments. In J. M. Spector, M. D. Merrill, J. Elen, & M. J. Bishop (Eds.), Handbook of Research on Educational Communications and Technology (pp. 401–412). New York, NY: Springer.
Lave, J., & Wenger, E. (1991). Situated Learning: Legitimate Peripheral Participation. Cambridge: Cambridge University Press.
Mayer, R. E. (2002). Multimedia learning. In B. H. Ross (Ed.), The Psychology of Learning and Motivation (Vol. 41, pp. 85–139). San Diego, CA: Academic Press.
Mayer, R. E. (2021). Multimedia Learning (3rd ed.). Cambridge: Cambridge University Press.
Meyer, A., Rose, D. H., & Gordon, D. (2014). Universal Design for Learning: Theory and Practice. Wakefield, MA: CAST Professional Publishing.
McGarr, O. (2009). A review of podcasting in higher education: Its influence on the traditional lecture. Australasian Journal of Educational Technology, 25(3), 309–321.
Paivio, A. (1990). Mental Representations: A Dual Coding Approach. Oxford: Oxford University Press.
Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285.
Wells, G. (1999). Dialogic Inquiry: Towards a Socio-cultural Practice and Theory of Education. Cambridge: Cambridge University Press.
Wiggins, G. (1998). Educative Assessment: Designing Assessments to Inform and Improve Student Performance. San Francisco, CA: Jossey-Bass.
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70.
Kontakt
Mitmachen und vernetzen
Sie haben selbst einen spannenden Use Case erprobt? Wir freuen uns über Beiträge zur Sammlung! Schreiben Sie uns, wir freuen uns über Ihre Nachricht!