KI-Tutoren als Killerapplikation in der Lehre

Während die KI an vielen Stellen in den Hochschulen Veränderungsdruck erzeugt, liegen durchaus auch Chancen in dem technischen Wandel, vor allem für Didaktik und Leistungsdiagnostik. Unser Workshop wird die Frage beantworten, wie sich Chatbots rechtssicher und didaktisch sinnvoll in der Lehre nutzen lassen, welche technischen Voraussetzungen gegeben sein müssen, welche Qualitätsanforderungen ein solcher Bot als bereitgestelltes 'Hilfsmittel' prüfungsrechtlich erfüllen muss, und wie jede(r) Lehrende auch ohne Programmierkenntnisse und nahezu kostenneutral KI zur Lernunterstützung anbieten kann? Nach einem Überblick der wichtigsten gängigen KI-Tutoren an Universitäten weltweit demonstrieren wir die Chancen und Herausforderungen anhand eines KI-Systems, das 2025 mit Förderung des Landes NRW entwickelt und kürzlich (von den Ausrichtern dieses Workshops) lernpsychologisch evaluiert wurde.

Literatur: Bosse, E., Wannemacher, K., Lübcke, M. (2026). Die KI-Nutzung in Studium und Lehre – Ein Review auf Grundlage empirischer Studien. Hochschulforum Digitalisierung, Arbeitspapier Nr. 91. Fan, Y., Tang, L., Le, H., et al. (2024). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 00, S. 1–42. Gerber, A., Pfeiffer, U., Lorenz, L. (2026). KI-Tutoren in der Lehre: rechtlich sicher, didaktisch wertvoll, technisch innovativ. Learning Analytics, Artificial Intelligence und Data Mining in der Hochschulbildung – Beiträge zur Learning AID 2025. transcript-Verlag. Hoeren, T. (2025). Rechtsgutachten zur Bedeutung der europäischen KI-Verordnung für Hochschulen. Digitale Hochschule Nordrhein-Westfalen. Sailer, M., Maier, R., Berger, S., Kastorff, T., Stegmann, K. (2024). Learning activities in technology-enhanced learning: A systematic review of meta-analyses and second-order meta-analysis in higher education. Learning and Individual Differences, 112 (102446). Stadler, M., Bannert, M., Sailer, M. (2024). Cognitive ease at a cost: LLMs reduce mental effort but compromise depth in student scientific inquiry. Computers in Human Behavior (160). Elsevier. Von Garrel, J., Mayer, J. (2025). Künstliche Intelligenz im Studium - Eine quantitative Längsschnittstudie zur Nutzung KI-basierter Tools durch Studierende. Darmstadt: Hochschule Darmstadt.

Methode: (1) Kurze standardisierte Analyse der Erfahrungen, Erwartungen und Kenntnisse der Teilnehmenden; (2) Einführung in das Thema: Chancen und Risiken; (3) Diverse Fallbeispiele gängiger Bot-System an Hochschulen weltweit; (4) Gemeinsames Experimentieren mit Praxisbeispielen der Teilnehmenden (i.e. prototypische Implementierung eine Tutorensystems für einzelne Kurse einzelner Teilnehmender); bei großer Teilnehmerzahl ggf. Teilung in zwei Gruppen und Anwendung parallel.

Beitragende: Pfeiffer, Ulrich