3. Skalierbare Feedbacksysteme und lernbegleitende KI aufbauen
Das HFD-Review zeigt, dass Lernunterstützung und Lernförderlichkeit zu den Bereichen gehören, in denen Studierende den Nutzen von KI besonders häufig wahrnehmen. Zugleich sehen auch Lehrende Potenziale für Lehre und Feedback-Prozesse. Darauf aufbauend liegt ein besonders naheliegendes Einsatzfeld in der lernbegleitenden Unterstützung. KI kann Lehrende dabei unterstützen, Rückmeldungen häufiger, strukturierter und konsistenter bereitzustellen, ohne dass die didaktische Verantwortung aus der Hand gegeben wird. Lehrende definieren weiterhin die Kriterien, die Qualität und die Zielrichtung. KI hilft dabei, diese Rückmeldungen enger an den Lernprozess zu koppeln.
Studierende reichen einen Text ein und erhalten entlang klar definierter Kriterien Rückmeldungen zu Aufbau, Argumentation, Nachvollziehbarkeit und sprachlicher Klarheit. Die KI prüft den Text auf dieser Grundlage und markiert typische Schwächen oder Unklarheiten. Lehrende legen die Kriterien fest, entscheiden über die Qualität der Rückmeldung und nutzen sie als Ergänzung zum eigenen Feedback, nicht als Ersatz.
So profitiert die Lehre vom KI-Einsatz
Studierende setzen sich gezielt mit zentralen Merkmalen wissenschaftlicher Texte auseinander. Rückmeldungen zu Struktur, Argumentation und Verständlichkeit können bereits während des Schreibprozesses aufgegriffen und für die Weiterentwicklung des Textes genutzt werden.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an Formative Assessment und Feedback Literacy (Black & Wiliam, 1998; Carless & Boud, 2018): Rückmeldungen dienen nicht nur der Bewertung, sondern der Weiterarbeit am Text und der aktiven Nutzung von Feedback im Lernprozess. Lernförderlich ist dieser Ansatz, weil Studierende früher erkennen, was überarbeitet werden sollte, und lernen, Rückmeldungen gezielt für die Verbesserung eigener Texte zu nutzen.
Studierende erhalten bereits während des Schreibens Hinweise, etwa zur Struktur eines Textes, zur Klarheit von Argumenten oder zur Verständlichkeit einzelner Abschnitte. Sie überarbeiten daraufhin gezielt bestimmte Passagen. Die KI reagiert auf die jeweilige Textfassung und spiegelt zurück, wo noch Unklarheiten oder Brüche bestehen. Die Rückmeldung entsteht damit nicht erst nach der Abgabe, sondern begleitet den Arbeitsprozess.
So profitiert die Lehre vom KI-Einsatz
Lernen rückt näher an den eigentlichen Arbeitsprozess. Probleme werden früher sichtbar, Überarbeitungen werden gezielter, und die Qualität steigt nicht erst am Ende, sondern Schritt für Schritt.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an Formative Assessment und selbstreguliertes Lernen (Black & Wiliam, 1998; Zimmerman, 2002): Rückmeldung begleitet den Arbeitsprozess fortlaufend und unterstützt das Überarbeiten, Überwachen und Nachsteuern während des Lernens. Lernförderlich ist dieser Ansatz, weil Probleme früher sichtbar werden und Überarbeitungen direkt in den laufenden Arbeitsprozess eingehen können.
Studierende bearbeiten eine Übungsaufgabe, etwa im Programmieren oder in einem quantitativen Fach, und erhalten unmittelbar Rückmeldung zu ihrer Lösung. Die KI zeigt nicht nur an, dass etwas nicht funktioniert, sondern gibt konkrete Hinweise darauf, an welcher Stelle ein Denkfehler vorliegt oder welcher nächste Schritt sinnvoll wäre. Lehrende steuern, welche Art von Rückmeldung im jeweiligen Kurs hilfreich ist.
So profitiert die Lehre vom KI-Einsatz
Studierende können Rückmeldungen unmittelbar in die weitere Bearbeitung einbeziehen und mehrere Übungsdurchläufe eng miteinander verknüpfen. Zwischen Lösung, Rückmeldung und Überarbeitung entstehen kürzere Abstände, sodass der Lernfluss erhalten bleibt. So unterstützt Feedback nicht nur das Ergebnis, sondern den Lernprozess selbst.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an formative Feedbackprozesse (Black & Wiliam, 1998; Carless & Boud, 2018): Kurze Rückkopplungsschleifen zwischen Bearbeitung, Rückmeldung und Überarbeitung unterstützen wiederholtes Üben und schrittweise Verbesserung. Lernförderlich ist dieser Ansatz, weil Rückmeldungen unmittelbar in die nächste Bearbeitung eingehen können und so nicht nur das Ergebnis, sondern den Lernprozess selbst unterstützen.
Lehrende lassen anonymisierte Einreichungen eines Kurses gebündelt auswerten und erkennen dadurch Muster: Welche Fehler treten besonders häufig auf? Welche Missverständnisse wiederholen sich? Wo haben viele Studierende Schwierigkeiten? Die KI hilft dabei, diese Muster sichtbar zu machen. Lehrende entscheiden anschließend, welche Konsequenzen daraus für die Veranstaltung gezogen werden.
So profitiert die Lehre vom KI-Einsatz
Lehrende können ihre Veranstaltungen gezielt anpassen. Sie greifen typische Probleme direkt auf und gestalten ihre Lehre stärker entlang der tatsächlichen Lernbedarfe.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an Assessment-Informed Teaching (Datnow & Hubbard, 2015): Erkenntnisse aus Lernständen und typischen Fehlern können genutzt werden, um Lehre gezielter an tatsächlichen Lernbedarfen auszurichten. Lernförderlich ist dieser Ansatz, weil wiederkehrende Missverständnisse sichtbar und gezielt in der Lehre aufgegriffen werden können.
Studierende arbeiten während des Semesters mit einem kursspezifischen Assistenten, der auf Inhalte des Kurses zugreift, Rückfragen stellt, beim Strukturieren von Aufgaben hilft und zentrale Konzepte erläutert. Die KI reagiert auf die Fragen der Studierenden und begleitet sie über verschiedene Phasen hinweg des Lernprozesses. Lehrende definieren, welche Inhalte relevant sind und wie der Assistent arbeiten soll.
So profitiert die Lehre vom KI-Einsatz
Studierende erhalten kontinuierliche Unterstützung, auch außerhalb der Veranstaltung. Fragen, Aufgaben und zentrale Konzepte können fortlaufend aufgegriffen werden, sodass die Verbindung zu den Kursinhalten über die einzelnen Sitzungen hinaus erhalten bleibt.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an Scaffolding (Belland, 2017): Lernende erhalten unterstützende Impulse, die einzelne Arbeitsschritte begleiten, Orientierung geben und bei wachsender Selbstständigkeit zurücktreten können. Lernförderlich ist dieser Ansatz, weil Unterstützung über einzelne Sitzungen hinaus verfügbar bleibt und Studierende Fragen, Unsicherheiten und Aufgaben kontinuierlich aufgreifen können.
Studierende bearbeiten eine Prüfungsaufgabe, in der sie nicht nur eigene Antworten formulieren, sondern eine KI-generierte Antwort analysieren, bewerten und verbessern. Lehrende können zum Beispiel bewusst eine Antwort mit Unschärfen oder Fehlern vorbereiten. Die Studierenden identifizieren diese Schwächen, begründen ihre Kritik und entwickeln eine fachlich belastbare Verbesserung.
So profitiert die Lehre vom KI-Einsatz
Der Fokus verschiebt sich von reiner Wiedergabe hin zu Verständnis, Bewertung und kritischer Auseinandersetzung. Studierende zeigen, dass sie Inhalte wirklich durchdrungen haben.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an kompetenzorientierte und authentische Prüfungsformate (Wiggins, 1998): Im Vordergrund stehen Analyse, Bewertung, Überarbeitung und begründetes fachliches Urteil statt bloßer Reproduktion. Lernförderlich ist dieser Ansatz, weil Studierende Inhalte nicht nur wiedergeben, sondern kritisch prüfen, begründet bewerten und fachlich weiterentwickeln müssen.
4. Interaktive Simulationen und Rollenspiele anbieten
Das HFD-Review macht deutlich, dass KI besonders dort interessant wird, wo Lernen nicht nur aus Aufnahme von Wissen besteht, sondern aus Anwendung, Entscheidung und Reflexion. Gleichzeitig zeigt sich, dass interaktive und stärker dialogische Formate in der Hochschullehre noch viel Entwicklungspotenzial haben. Genau hier kann KI Lehrende unterstützen: Sie ermöglicht es, realitätsnahe Situationen zu simulieren, ohne dass dafür aufwendige technische Infrastrukturen oder reale Settings notwendig sind. Lehrende definieren die fachliche Struktur, die Ausgangssituation und die Lernziele. Die KI übernimmt die Rolle eines Gegenübers oder eines Systems, das auf Entscheidungen reagiert.
So entstehen Lernumgebungen, in denen Studierende nicht nur Wissen abrufen, sondern aktiv einsetzen müssen.
Studierende führen mit einer KI ein simuliertes Gespräch oder bearbeiten eine realitätsnahe Handlungssituation. In der Medizin stellen sie zum Beispiel Fragen in einem Patientengespräch, ordnen Symptome ein und treffen erste diagnostische Entscheidungen. In der Wirtschaft verhandeln sie mit einem digitalen Gegenüber über Interessen und Zielkonflikte. Im Lehramt sprechen sie mit einer simulierten Eltern- oder Schülerfigur und müssen pädagogisch sinnvoll reagieren. Die KI verändert den Gesprächsverlauf abhängig von den Eingaben der Studierenden und reagiert auf ihr Vorgehen. Lehrende legen fest, welche Situationen relevant sind, welche Kompetenzen geübt werden sollen und welche Rahmenbedingungen gelten.
So profitiert die Lehre vom KI-Einsatz
Studierende übertragen theoretisches Wissen in konkrete Handlungssituationen. Sie erleben, wie sich Entscheidungen in einer konkreten Situation auswirken, und gewinnen mehr Sicherheit für echte Praxissituationen.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an situiertes und handlungsorientiertes Lernen (Lave & Wenger 1991). Wissen wird nicht losgelöst vom Kontext erworben, sondern in realitätsnahen Situationen angewendet, erprobt und reflektiert. Lernförderlich ist dieser Ansatz, weil Studierende fachliche Inhalte mit konkreten Handlungskontexten verknüpfen, Entscheidungen in einer Situation treffen und deren Folgen nachvollziehen. Dadurch wird Wissen nicht nur erinnert, sondern in einer Form genutzt, die auf spätere Praxis- und Transfersituationen vorbereitet.
Studierende treten selbst in ein simuliertes Gespräch mit historischen oder theoretisch geprägten Personen ein. Sie diskutieren zum Beispiel mit Maria Montessori oder Rudolf Steiner darüber, wie Lernen gestaltet werden sollte, stellen Rückfragen, prüfen Argumente und reagieren auf Widersprüche. Die KI hilft dabei, die jeweilige Gedankenwelt, Sprache und Perspektive so aufzubereiten, dass ein fachlich fundierter Dialog entsteht. Lehrende definieren dabei, welche Personen dargestellt werden, welche Quellen oder Grundannahmen zugrunde liegen und welche Fragestellungen im Zentrum stehen.
So profitiert die Lehre vom KI-Einsatz
Theorien bleiben nicht abstrakt oder rein beschreibend. Studierende können sich im Sinne explorativen Lernens aktiv in unterschiedliche Denkweisen hineinarbeiten, Positionen im Dialog erkunden und ihre eigenen Fragen daran schärfen. Das vertieft das Verständnis theoretischer Ansätze und macht Unterschiede zwischen Positionen deutlich greifbarer.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an dialogisches Lernen und sozialkonstruktivistische Ansätze (Wells, 1999/2009). Wissen entsteht hier nicht nur durch die Aufnahme von Informationen, sondern im Austausch, im Fragen, im Prüfen von Perspektiven und im gemeinsamen Weiterdenken. Lernförderlich ist dieser Ansatz, weil Studierende theoretische Positionen nicht nur rezipieren, sondern sie im Dialog hinterfragen, vergleichen, begründen und mit eigenen Überlegungen verknüpfen. So werden Inhalte aktiv verarbeitet und Unterschiede zwischen Positionen deutlicher nachvollziehbar.
Studierende bearbeiten ein Szenario, in dem sie Entscheidungen treffen müssen, die unterschiedliche Konsequenzen haben. In einem Fall aus der Umweltpolitik entscheiden sie zum Beispiel, ob stärker auf Verbote, finanzielle Anreize oder technologische Förderung gesetzt wird. Die KI reagiert auf diese Entscheidung und zeigt, welche Folgen sich daraus für Wirtschaft, Gesellschaft und Umwelt ergeben. Anschließend reflektieren die Studierenden, welche Zielkonflikte in ihrer Entscheidung sichtbar werden und welche Annahmen ihr Vorgehen geprägt haben.
So profitiert die Lehre vom KI-Einsatz
Studierende erleben, wie komplexe Zusammenhänge funktionieren. Sie erkennen, dass Entscheidungen selten eindeutig sind und oft unterschiedliche Konsequenzen nach sich ziehen. Das stärkt systemisches Denken und die Fähigkeit, mit Unsicherheit umzugehen.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an problemorientierte und authentische Lernsettings. Lernaufgaben sind an realitätsnahe Situationen gebunden, in denen Wissen nicht nur erinnert, sondern zur Bearbeitung komplexer Probleme genutzt und in seinen Konsequenzen reflektiert wird. Lernförderlich ist dieser Ansatz, weil Studierende fachliche Inhalte mit Entscheidungssituationen verknüpfen, Zielkonflikte abwägen und die Folgen ihres Vorgehens nachvollziehen müssen. Dadurch wird Wissen in einer Form bearbeitet, die auf Anwendung, Transfer und begründetes Urteil ausgerichtet ist.
5. Peer-Kollaboration fördern
Das HFD-Review macht deutlich, dass interaktive und explorative Lehr-/Lernsettings eine wichtige Rolle spielen, wenn Studierende KI nicht nur pragmatisch nutzen, sondern sich aktiv und reflektiert damit auseinandersetzen. Genau hier setzen aktive Lernformate an. KI kann diesen Prozess unterstützen, ohne ihn zu ersetzen. Sie hilft bei der Umsetzung, während die inhaltliche Auseinandersetzung bei den Studierenden bleibt.
Studierende entwickeln in Gruppen eigene Erklärvideos, Präsentationen oder kleine Lernmodule zu einem Thema. Sie nutzen KI, um Visualisierungen zu verbessern, Inhalte klarer zu strukturieren oder erste Entwürfe zu erstellen. Lehrende definieren klare Kriterien für Qualität, Verständlichkeit und fachliche Richtigkeit. Die KI unterstützt den Produktionsprozess, aber die inhaltliche Durchdringung bleibt Aufgabe der Studierenden.
So profitiert die Lehre vom KI-Einsatz
Studierende müssen Inhalte vollständig durchdringen, um sie verständlich darstellen zu können. Das führt zu einem deutlich tieferen Verständnis als beim reinen Konsum von Materialien. Gleichzeitig entstehen oft hochwertige Produkte, die auch anderen Studierenden helfen.
Theoretische Anschlussfähigkeit und Lernförderlichkeit
Anschlussfähig ist dies an dialogisches Lernen und sozialkonstruktivistische (Wells, 1999) Ansätze: Wissen entsteht im Austausch, im Begründen, im Prüfen von Perspektiven und im gemeinsamen Weiterdenken. Lernförderlich ist dieser Ansatz, weil Studierende Inhalte auswählen, strukturieren, erläutern und in eine eigene Darstellung überführen. Dadurch setzen sie sich aktiv mit fachlichen Zusammenhängen auseinander und bauen Verständnis nicht nur reproduktiv, sondern gestaltend auf.
Gruppen arbeiten an einer Fragestellung und lassen sich von der KI zusätzliche Perspektiven, Gegenargumente oder alternative Lösungsansätze geben. Die KI reagiert auf den aktuellen Stand der Diskussion und bringt neue Impulse ein. Die Gruppe prüft diese Vorschläge, verwirft Unpassendes und entscheidet gemeinsam, welche Anregungen weiterverfolgt werden.
So profitiert die Lehre vom KI-Einsatz
Diskussionen werden weniger einseitig. Gruppen verlassen schneller ihre eigenen Denkmuster und entwickeln differenziertere Lösungen. Die Qualität der inhaltlichen Auseinandersetzung steigt.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an dialogisches Lernen und sozialkonstruktivistische Perspektiven (Wells, 1999), in denen Verstehen im Austausch, im Fragen und im Prüfen von Positionen entsteht. Lernförderlich ist dieser Ansatz, weil zusätzliche Perspektiven, Gegenargumente und Rückfragen den gemeinsamen Denkprozess erweitern. Studierende müssen Vorschläge begründen, einordnen, verwerfen oder weiterentwickeln und setzen sich dadurch vertieft mit dem Gegenstand auseinander.
Studierende planen gemeinsam ein Projekt und nutzen KI, um Aufgaben zu verteilen, Inhalte zu strukturieren oder einen Arbeitsplan zu entwickeln. Die KI macht Vorschläge für Reihenfolgen, Zuständigkeiten oder Zwischenziele. Lehrende geben den Rahmen vor und prüfen die Ergebnisse im Hinblick auf ihre fachliche und organisatorische Passung.
So profitiert die Lehre vom KI-Einsatz
Gruppen verlieren weniger Zeit mit organisatorischen Fragen und können sich stärker auf die Inhalte konzentrieren. Dadurch werden Abläufe, Zuständigkeiten und gemeinsame Arbeitsschritte innerhalb des Projekts klarer fassbar.
Theoretische Anschlussfähigkeit und Lernförderlichkeit: Anschlussfähig ist dies an kollaboratives und sozialkonstruktivistisches Lernen. Wells (1999) [i] betont, dass lernförderliche Lernumgebungen produktive, zielgerichtete Zusammenarbeit, konstruktives Feedback, Reflexion und die bewusste Gestaltung von Prozessen und Produkten ermöglichen sollten. Lernförderlich ist dieser Ansatz, weil eine klare Struktur gemeinsame Arbeitsschritte sichtbar macht, die Zusammenarbeit ordnet und Raum für Rückmeldung und Reflexion schafft. So kann die Gruppe ihre Aufmerksamkeit stärker auf die fachliche Auseinandersetzung richten.