KI an Unis: Wenn der Chatbot die Hochschularbeit schreibt

Künstliche Intelligenz (KI) steht für Fortschritt – ihr Einsatz ist erwünscht. Das gilt auch an den Hochschulen. In der Forschung beschleunigt KI das Vorliegen von Ergebnissen, beispielsweise durch die wesentlich raschere Auswertung von großen Datenmengen oder Simulationen von Experimenten, um bereits die vielversprechendsten Optionen auszuloten, bevor die eigentlichen Experimente beginnen.

Gleichzeitig ist KI, wenn sie nicht kompetent und kontrolliert genutzt wird, fehleranfällig. Von Studierenden gern eingesetzt werden sogenannte KI-Assistenten, die auf generativer Künstlicher Intelligenz fußen. Der bekannteste ist ChatGPT. Diese KI-Chatbots basieren auf einem großen Sprachmodell (Large Language Model), funktionieren im Frage-Antwort-Modus, simulieren also ein Gespräch.

Die Antwort wird allerdings auf Basis von Wahrscheinlichkeit generiert – und ist daher nicht immer richtig. Besonders offensichtlich wird es, wenn man komplexere Aufgaben an solche KI-Chatbots delegiert. Genau das passiert aber aktuell an Unis und Fachhochschulen: Manche Studierende lassen KI das Gros ihrer Seminar-, Bachelor- oder Masterarbeiten schreiben, wie Lehrende an Unis und Fachhochschulen berichten.

„KI ist beim wissenschaftlichen Arbeiten nur begrenzt verlässlich“, betont Angelika Mitterbacher, Vizerektorin der Fachhochschule Kärnten. Große Sprachmodelle könnten Quellen erfinden oder reale Aussagen falschen Autoren zuordnen. „Für wissenschaftliches Arbeiten, das auf Nachvollziehbarkeit und korrekter Belegführung beruht, ist das ein zentrales Problem.“ Damit würden am Ende nicht nur potenziell inhaltlich falsche Arbeiten publiziert. Damit lernen Studierende auch nicht die Fertigkeiten, für die eben solche Arbeiten schulen.

„Schreiben ist Denken“, formuliert es Laura Gandlgruber, „das Schreiben ist nach wie vor eine zentrale Technik, weil beim Schreiben das Lernen passiert“. Die Kommunikationswissenschafterin ist an der Universität Wien Programmmanagerin für KI in Studium und Lehre. Wie auch Vertreter und Vertreterinnen anderer Hochschulen betont sie: Es gehe nicht nur um das Ergebnis, also die fertige Arbeit, sondern auch um den Prozess, der zu dieser Arbeit führt.

Bisher wurde allerdings vor allem diese Arbeit an sich beurteilt. Und genau da setzt nun ein Umdenken ein. Dabei zeigt sich: Hier sind auch Lehrende massiv gefordert. Abseits der Tatsache, dass sie sich hier selbstständig fortbilden müssen, ist es an ihnen, nachzuvollziehen, wofür Studierende KI eingesetzt haben und ob sie am Ende das Mastermind hinter der abgegebenen Arbeit sind oder zu viel an diese neue Art von Assistenz ausgelagert haben. Am besten gelingt das, wenn bei der Beurteilung, ob das mit einer Arbeit nachzuweisende Lernziel erreicht ist, auch der ganze Erarbeitungsprozess davor begleitet wird und miteinfließt.

„An der WU arbeiten wir in vielen Kursen mit Gruppenarbeiten“, erzählt Margarethe Rammerstorfer, Vizerektorin der Wirtschaftsuniversität (WU) Wien. „Die Studierenden präsentieren ihre Arbeiten in der Lehrveranstaltung und wir planen zusätzlich noch eine separate Feedbackrunde zur Validierung ein. Wir nehmen uns mit jeder Gruppe eine Stunde Zeit, um die Arbeit gemeinsam zu besprechen und zu reflektieren. Ja, das ist wahnsinnig aufwendig. Aber die schriftlichen Arbeiten einfach nur noch einzusammeln, ist heute keine tragfähige Option mehr.“

Rammerstorfer und Mitterbacher berichten, dass man von rein literaturbasierten Arbeiten weggeht und auf Formate mit stärkerem Praxisbezug und mehr Eigenleistung setzt: Fallstudien, empirische Elemente, Projektarbeiten, aktuelle Problemstellungen aus der Praxis stehen nun idealerweise im Zentrum einer Arbeit. Auch für Disziplinen wie die Geisteswissenschaften, in denen reine Literaturarbeiten bisher stark vertreten waren, sieht Gandlgruber von der Uni Wien Spielraum: „Die Eigenleistung der Studierenden lässt sich dort etwa durch Forschungstagebücher, empirische Elemente oder begleitende Aufgaben während des Semesters, die den Arbeitsprozess sichtbar machen, absichern, ohne den theoretischen Kern der Arbeit aufzugeben.“

Und dann gibt es noch die gänzlich anderen Disziplinen – jene etwa, in denen Code zu schreiben ist. Michael Kohlegger ist Professor für Data Engineering, Data Science & Analytics an der Hochschule MCI in Innsbruck. KI-Assistenten wie Gemini könne man auch mit dem Generieren von Code beauftragen, erzählt er. „Das kann man dann aber nicht eins zu eins kopieren. Da muss man darüberarbeiten, verbessern. Tut man das nicht, endet das entweder in einem Riesenchaos oder wird sinnlos.“ Genau das versuche er Studierenden zu vermitteln.

Was seitens aller Unis und Fachhochschulen betont wird: Studierende sind sogar angehalten, KI einzusetzen. Man erwarte an der WU heute zum Beispiel sprachlich bereits perfekte Arbeiten, so Rammerstorfer. Aber KI soll nur als Werkzeug und reflektiert genutzt werden und so, dass weiterhin wissenschaftlich redlich gearbeitet wird. Eine zentrale Bedeutung kommt dabei dem transparenten Sichtbarmachen zu, wo und wofür KI eingesetzt wurde.

Hier gibt es verschiedene Möglichkeiten, das aufzuzeigen: An vielen Hochschulen muss zum Beispiel jeder Arbeit ein sogenanntes Hilfsmittelverzeichnis beigelegt werden. „Wir dachten zunächst daran, ein reines KI-Verzeichnis zu verlangen“, so Rammerstorfer von der WU Wien. „Es hat sich aber rasch gezeigt, dass wir eigentlich gar nicht mehr unterscheiden können, welche Systeme KI einsetzen und welche nicht. Auch bei Excel oder Microsoft 365 läuft heute sehr häufig im Hintergrund die KI.“

Üblich ist inzwischen auch, dass die Hochschulen Leitfäden für den Umgang in KI für ihre Studierenden zur Verfügung stellen. Im Leitfaden der Uni Wien heißt es dazu: „Eine vollständige Dokumentation aller einzelnen KI-Interaktionen ist in der Regel nicht praktikabel. Entscheidend ist vielmehr, dass deutlich wird, wie KI grundsätzlich eingesetzt wurde und dass die inhaltliche Steuerung, Auswahl und Überarbeitung bei der schreibenden Person lag.“

Die Dokumentation könne beispielsweise tabellarisch erfolgen und Seite für Seite dokumentieren, welches KI-Tool wie eingesetzt wurde. Alternativ könne aber auch ein einmaliger Hinweis auf einen kollaborativen KI-Einsatz zum Beispiel in der Einleitung oder im Methodenteil ausreichen, um Transparenz zu schaffen, ohne den Dokumentationsaufwand unverhältnismäßig zu erhöhen.

Grundsätzlich betont Gandlgruber: Es gibt nicht die eine Vorgabe der Uni Wien für alle Studierenden, was den Umgang mit KI betrifft. Das unterstreichen auch die anderen befragten Uni- und Fachhochschulvertreter. Es ist jeder Lehrveranstaltungsleiter und jede Lehrveranstaltungsleiterin, der oder die vorgibt, ob KI für eine Arbeit überhaupt verwendet werden darf und wenn ja, beziehungsweise wenn sie sogar eingesetzt werden soll, dann gibt der oder die Lehrende vor, wofür und wie dies ausgewiesen werden muss. Die Einsatzmöglichkeiten reichen von Ideenfindung und Strukturierung von Themen über Lektorat und Übersetzung bis hin zur Überprüfung von Verständlichkeit.

Der oder die Studierende haftet aber am Ende – wie in der Vergangenheit auch – für die Richtigkeit, die Qualität und die Nachvollziehbarkeit einer Arbeit. Wenn Lehrende den Eindruck haben, eine Arbeit weist Unstimmigkeiten oder gar Fehler auf oder ist insgesamt KI-generiert, dann können Studierende auch aufgefordert werden, ihre Prompts vorzulegen – diese müssen also abgespeichert werden. Prompts sind jene Anweisungen, die man für einen KI-Chatbot formuliert. Idealerweise erlernen Studierende das möglichst präzise Prompten im Studium ebenso wie eben einen reflektierten Umgang mit KI.

Wird eine Arbeit als nicht selbst erarbeitet entlarvt, suchen Lehrende zunächst das Gespräch. Meist räumen die Betroffenen dann recht rasch ein, dass sie KI auch so eingesetzt haben, wie es nicht zulässig ist, erzählt die WU-Vizerektorin. Die Arbeit muss dann entweder überarbeitet oder neu geschrieben werden. Kohlegger vom MCI gibt aber zu bedenken: „Es wurde auch in der Vergangenheit geschummelt und Studierende haben Quellen und Zitate erfunden. Aber ja, mit KI ist es viel leichter geworden, diese Art von Betrug, wenn man es so nennen will, durchzuführen.“

Man versuche daher, die Studierenden auf ihre Selbstverantwortung hinzuweisen, aber auch, sie dafür zu sensibilisieren, warum es nicht sinnvoll sei, eine Abkürzung zu nehmen. „Ich bringe dann gerne das Beispiel eines Marathonläufers. Beim Training fünf Kilometer weniger zu laufen, wird ihn nicht ans Ziel bringen. Der Marathonläufer wird sein Training daher, auch wenn es unangenehm ist, durchziehen“, sagt Kohlegger. Man vermittle aber auch, dass man sich etwa in einem Unternehmen bei der Entwicklung von Dingen auf das Ergebnis verlassen können müsse. Im betrieblichen Alltag spiele KI in vielen Unternehmen bereits eine wichtige Rolle – auch deshalb sei es wichtig, die Studierenden hier gut anzuleiten und ihnen nicht, um Schummeln zu vermeiden, den Einsatz zu untersagen.

Diesen Spagat zu schaffen, das ist für Lehrende zeitaufwendig. Vizerektorin Mitterbacher von der FH Kärnten meint daher: Es stelle sich die Frage, ob man die Digitalisierung nicht auch nutze, um Freiräume für Lehrende für andere Dinge zu schaffen, wie eben auch, mit Studierenden den Prozess von Abschlussarbeiten noch intensiver zu begleiten. Wo aber gibt es zeitliche Einsparungen? „Gewisse Recherchearbeiten oder die Erstellung von Lehrmaterialien nehmen heute viel weniger Zeit in Anspruch als noch vor ein paar Jahren, wo man alles selbst layoutieren musste.“ Allerdings: Um die Tools dazu zu nutzen, müsse man sich mit diesen wiederum vertraut machen. Auch das brauche Zeit.

Mitterbacher schwebt daher ein anderes mögliches Modell vor: dass es nämlich zu einer stärkeren Spezialisierung von Uni-Lehrenden kommt. „Lehre ohne Forschung wird auch in Zukunft nicht funktionieren“, sagt die Vizerektorin der FH Kärnten. Vielleicht werde es aber sinnvoll sein, dass die einen eher nur Lehrmaterialien erstellen und andere Forscher sich mehr auf das Schreiben von Anträgen konzentrieren. „Die Technologien entwickeln sich so schnell, dass es sehr schwierig für den Einzelnen ist, überall up to date zu bleiben. Vielleicht sollten wir da also wirklich auch andere Lösungen ins Auge fassen.“

Was auffällt: Unis und Fachhochschulen loten jeweils für sich aus, wie sie mit dieser neuen Situation umgehen. An der WU wird zum Beispiel überlegt, ob nicht wieder mehr mündliche Prüfungen eingeführt werden. An der Uni Wien sind in einigen Studienrichtungen sogenannte reine „Pen and Paper“-Prüfungen wieder stärker en vogue. Antworten werden dabei handschriftlich ohne Zuhilfenahme von Hilfsmitteln formuliert. Über beides wird auch am MCI nachgedacht, aber auch über anderes. „Wir haben uns noch nicht getraut, die Abschlussarbeiten in ihrer aktuellen Form abzuschaffen“, sagt Kohlegger, „aber wir diskutieren inzwischen, worin der Sinn einer schriftlichen Arbeit überhaupt noch liegt.“

Auffällig zurückhaltend agiert hier das Wissenschaftsministerium. Auf die Frage, ob es hier Vorgaben oder einen Rahmen seitens des Wissenschaftsressorts für die Hochschulen gebe, kam auch auf nochmalige Nachfrage keine klare Antwort. Das Ministerium agiere über das Forum Neue Medien in der Lehre Austria (fnma) vor allem als Governance Partner, sagt Sprecher Florian Atzmüller. Das 2003 gegründete fnma ist ein Netzwerk für die Entwicklung und Umsetzung von Strategien und Maßnahmen im Bereich der digitalen Bildungsangebote.

Dieser Beitrag ist ursprünglich in der News-Printausgabe Nr. 40/2025 erschienen.