KI in der Hochschullehre – kritisch, verantwortungsvoll und praxisorientiert

Die Arbeitsgruppe Künstliche Intelligenz (AG KI) wurde im Rahmen des österreichischen Forums neue Medien in der Lehre (fnma) mit dem Ziel eingerichtet, das Thema Künstliche Intelligenz im Hochschulkontext strukturiert, kritisch und zugleich praxisorientiert zu bearbeiten. Zu Beginn umfasste die AG KI 32 Mitglieder aus 21 Hochschuleinrichtungen. Bis zum Abschluss des Arbeitsprozesses wuchs die Liste der Mitwirkenden auf mehr als 55 Personen aus Universitäten, Fachhochschulen und Pädagogischen Hochschulen in Österreich an. Die Zusammenarbeit erfolgte im Zeitraum von April 2025 bis Mai/Juni 2026 im Rahmen von mehr als 15 größeren Online-Sitzungen über Zoom. Die Sitzungen fanden in der Regel monatlich, zumeist am 15. des jeweiligen Monats, zwischen 16:00 und 17:00 Uhr statt. Die erste Sitzung wurde am 1. April 2025 mit 25 Teilnehmenden durchgeführt. Die letzte, als „Abschlusssitzung“ bezeichnete Sitzung, die der Veröffentlichung der Ergebnisse gewidmet war, fand im Mai 2026 statt. Die Zahl der Teilnehmenden an den Sitzungen lag überwiegend zwischen 12 und 25 Personen.

Aktivitäten & Arbeitsweise

Bereits in den ersten Sitzungen wurden mehrere zentrale Fragestellungen diskutiert, die den weiteren Arbeitsprozess maßgeblich prägten. Erstens zeigte sich, dass der Begriff „Good-Practice-Beispiele“ präzise definiert werden musste. Ein Beispiel ist nur dann von Nutzen, wenn es auf den Kontext einer anderen Institution übertragbar ist. Daher mussten unterschiedliche institutionelle Rahmenbedingungen berücksichtigt werden, darunter kostenpflichtige Tools, rechtliche Vorgaben und die Verfügbarkeit technischer Infrastruktur. Zweitens wurde die Frage der schnellen Veralterung der Publikation thematisiert. Es wurde beschlossen, den Fokus von konkreten Tools auf allgemeine didaktische und pädagogische Potenziale zu verlagern. Drittens wurde die Zielgruppe definiert: Lehrende und Forschende an Hochschuleinrichtungen sowie Entscheidungsträger:innen.

In der fünften Sitzung am 15. Juli 2025 wurden die Themenliste, die Autor:innenteams und die Koordinator:innen finalisiert:

1. Definition und Entwicklung von Kriterien für Good-Practice-Beispiele
2. Darstellung von Good-Practice-Beispielen aus der eigenen Institution in Textform
3. Darstellung von Good-Practice-Beispielen im Audio- und Videoformat
4. Erstellung zusätzlicher Einträge zu KI-Tools
5. Einträge zu KI-Infrastrukturen, strategischen Dokumenten und Weiterbildungsangeboten
6. Kompetenzmodell für die Nutzung von KI
7. Analyse des Einsatzes von KI-Agenten in Lehrszenarien
8. Beschreibung und Diskussion des Konzepts der AI Literacy

Jede Untergruppe organisierte ihre Arbeit eigenständig und verfügte über einen eigenen Ordner in der fnma-Cloud sowie über eine für die Koordination verantwortliche Person. Die gemeinsamen Sitzungen dienten in dieser Phase vor allem der Präsentation von Statusberichten aus den Untergruppen, dem Erfahrungsaustausch und der übergreifenden Koordination.

Zu den wichtigsten Entscheidungen gehörten:

• Technische Lösungen: Für die Erfassung der Good-Practice-Beispiele wurde ein cloudbasiertes Tool, app.nocodb, eingeführt. Darüber hinaus wurde ein Formular mit Kriterien zur Beschreibung der Beispiele entwickelt.
• Gemeinsame Begrifflichkeit: Innerhalb der Gruppe wurden Unterschiede im Verständnis grundlegender Begriffe festgestellt. Daher wurde mit der Erstellung eines gemeinsamen Glossars zentraler Begriffe begonnen.
• Rechtliche Fragen: Diskutiert wurden urheberrechtliche Fragen bei der Nutzung proprietärer KI-Systeme, beispielsweise beim Hochladen wissenschaftlicher Arbeiten in KI-Tools. Es wurde beschlossen, solche Fragen anhand konkreter Fälle und nicht in Form verallgemeinernder rechtlicher Aussagen zu behandeln.
• Standardisierung: Für die Autor:innen wurde ein Style-Sheet erstellt. Dieses sah unter anderem das Zitieren nach APA 7, einen Umfang von 20 bis 30 Seiten pro Kapitel sowie eine eigenständige Nummerierung innerhalb der einzelnen Kapitel vor.
• Veröffentlichung als OER: Es wurde vereinbart, sämtliche Ergebnisse als Open Educational Resources zu veröffentlichen. Dabei sollten nach Möglichkeit DOIs vergeben werden. Die JKU unterstützte diesen Prozess, indem sie ihr OER-Repositorium zur Verfügung stellte.

Ergebnisse der AG KI 2025/26

Das Endprodukt der Arbeitsgruppe ist eine gemeinsame Publikation in Form einer digitalen Broschüre, die unter der Lizenz CC BY 4.0 veröffentlicht wurde. Die Publikation folgt den acht definierten Themenbereichen und enthält zu jedem Kapitel eine Liste der Autor:innen, Kontaktdaten, die vertretenen Institutionen sowie einen QR-Code, der zur vollständigen Version der jeweiligen Materialien führt.

Zentrale Inhalte:

1. Kriterien für KI-gestützte Good-Practice-Beispiele
   Im Rahmen eines mehrphasigen iterativen Prozesses wurde ein Kriterienkatalog entwickelt, der sich auf bestehende Systematisierungsansätze sowie auf Perspektiven aus dem Bereich Artificial Intelligence in Education (AIED) stützt. Die Kriterien umfassen allgemeine Angaben, den Zweck und die Zielgruppe, die didaktische Einbettung, darunter Constructive Alignment und Lerntheorien, sowie ethische, rechtliche und datenschutzbezogene Fragestellungen. Dazu zählen Transparenz, Fairness, Nichtdiskriminierung, Datenschutz gemäß DSGVO, menschliche Kontrolle, Barrierefreiheit und Nachhaltigkeit.
    
2. Sammlung von Good-Practice-Beispielen
   In dieser Untergruppe arbeiteten Vertreter:innen mehrerer Hochschuleinrichtungen zusammen. Für die Aufnahme in die Sammlung mussten die Beispiele einen klaren Mehrwert für Lehre oder Administration nachweisen, mit einem angemessenen Aufwand umsetzbar sein und Fragen des Datenschutzes und des Urheberrechts transparent berücksichtigen. Im Bereich der Lehre wurden unter anderem KI-gestützte Schreib- und Feedbackprozesse identifiziert, bei denen die Nutzung von KI offengelegt werden musste, ebenso adaptive Übungs- und Tutoriumsformate, multimodale Unterstützungsangebote in MINT- und Designfächern sowie barriereärmere Formate durch Transkription und Übersetzung. Im administrativen Bereich wurden Beispiele dokumentiert, die von der Klassifizierung eingehender Anfragen bis hin zu Prognosen für die Lehrplanung reichten. Dabei galt stets der Grundsatz, dass die abschließende Entscheidung bei den zuständigen Mitarbeiter:innen verbleiben muss.
   
   Link zu den Good-Practice-Beispielen
    
3. Audio- und Videodarstellungen
   Die gesammelten Ressourcen umfassen QR-Codes für audiogestützte Anleitungen, KI-gestützte Simulationsspiele, Escape-Room-Chatbots, MOOCs und Podcasts. Der Schwerpunkt liegt auf einer didaktisch reflektierten Einbettung und nicht auf der bloßen technischen Nutzung der jeweiligen Tools.
    
4. Fragenkatalog zur Bewertung von KI-Tools
   Entwickelt wurde ein Instrument zur Entscheidungsfindung und Reflexion, das mit grundlegenden Voraussetzungen beginnt. Dazu zählen der Ausschluss von Hochrisikoanwendungen gemäß dem AI Act, die Einwilligung zur Verarbeitung personenbezogener Daten sowie die Kenntnis institutioneller Richtlinien. Zum Zeitpunkt der Veröffentlichung im Mai 2026 lag zudem eine interaktive Version.
    
5. Strategische Dokumente und Weiterbildungsangebote
   Die Analyse von Richtlinien, Strategiedokumenten, Policies und FAQ-Dokumenten österreichischer Hochschuleinrichtungen zeigte, dass KI-Kompetenz zunehmend als strategische Aufgabe und als Querschnittsthema verstanden wird, das rechtliche, didaktische, ethische und organisationale Dimensionen miteinander verbindet.
    
6. Kritische KI-Kompetenzen
   Für den österreichischen Kontext wurde ein integratives und multidimensionales Modell kritischer KI-(Fach-)Kompetenz entwickelt. Das Modell verbindet zentrale kompetenzorientierte, didaktische und KI-bezogene Perspektiven zu einem integrativen, multidimensionalen Ansatz.
    
7. KI-Agenten in der Lehre
   Durchgeführt wurde eine explorative Analyse der Tools Manus.im und des Comet-Browsers von Perplexity. Zu den getesteten Szenarien gehörten die automatische Erstellung einer Präsentation mit Quiz, die Erstellung einer Moodle-Seite sowie, als kritisch diskutierter Anwendungsfall, die selbstständige Bearbeitung eines Moodle-Tests durch einen KI-Agenten. Das zentrale Ergebnis lautet, dass KI-Agenten über ein beträchtliches Potenzial verfügen. Ihre Nutzung erfordert jedoch kritische KI-Kompetenzen, die konsequente Beachtung datenschutzrechtlicher Anforderungen und eine fundierte didaktische Reflexion.
    
8. Critical AI Literacy
   Im Rahmen dieses Themenbereichs wurde das Verhältnis zwischen AI Literacy und KI-Kompetenz begrifflich geklärt. Darüber hinaus wurde ein Konzept der „kritischen KI-Bildung“ mit vier Dimensionen entwickelt: Verständnis der technischen Grundlagen und Grenzen von KI-Systemen, zielgerichtete Interaktion mit KI-Systemen, Anwendung ethischer Prinzipien, Analyse der Auswirkungen von KI auf den Menschen, die Gesellschaft, das Bildungswesen, die Arbeitswelt und die Umwelt.
    

Die Arbeit der AG KI zeigt, wie durch eine kontinuierliche und freiwillige Zusammenarbeit einer großen Zahl von Institutionen auch ohne zweckgebundene Finanzierung eine umfangreiche gemeinsame Ressource geschaffen werden kann. Entscheidend war dabei ein flexibler Umgang mit dem Arbeitsplan. Nachdem sich das ursprünglich vorgesehene Forschungsziel aufgrund institutioneller Einschränkungen als nicht umsetzbar erwiesen hatte, verlagerte die Gruppe ihren Fokus auf die kollaborative Entwicklung von Materialien.

Die offene und kollegiale Arbeitsatmosphäre, die klare Aufteilung in acht thematische Untergruppen mit benannten Koordinator:innen sowie die konsequente Veröffentlichung der Ergebnisse als Open Educational Resources stellten die zentralen Erfolgsfaktoren dar. Zugleich bilden sie die Grundlage für die Fortführung der Aktivitäten der Arbeitsgruppe im kommenden Zeitraum.

Kontakt der AG-Leitung

Branko Andic