Heute, am 14.11.2026, wird an der TUM München über eine Frage diskutiert, die längst in den Hochschulalltag gerutscht ist: Wie viel Künstliche Intelligenz darf beim Lernen, Prüfen und Schreiben helfen? Eine Studie der Technischen Universität München zeigt zunächst ein ziemlich klares Bild. 275 Studierende sollten innerhalb von 90 Minuten ein Programm für mehrere parallele Berechnungen entwickeln. Wer ChatGPT nutzte, erzielte bessere Programmierergebnisse.

Im anschließenden Wissenstest zeigte sich allerdings die Kehrseite: Die Studierenden hatten Wissenslücken. Ein KI-Tutor namens „Iris“, der keine fertigen Lösungen ausspuckt, sondern Hinweise gibt, steigerte dagegen die Motivation. Genau diese Mischung aus Hilfe und Eigenarbeit beschäftigt derzeit Hochschulen, Politik und Studierende.

Erlaubt, aber kenntlich gemacht

Ein Gesetzentwurf der bayerischen Staatsregierung vom Oktober 2026 soll den Einsatz von KI im Bayerischen Hochschulinnovationsgesetz regeln. Bei unbeaufsichtigten Haus- und Abschlussarbeiten soll KI grundsätzlich erlaubt bleiben. Ihre Nutzung muss jedoch kenntlich gemacht werden. Sachverständige berieten im Wissenschaftsausschuss des Landtags über die geplante Regelung.

Digitalrechtler Dirk Heckmann befürwortet diese grundsätzliche Öffnung. KI-Verbote könnten Studierende benachteiligen, die sich daran halten, während heimliche Nutzung kaum nachweisbar sei. Eine gute Arbeit belegt schließlich nicht automatisch, dass jemand den Inhalt selbst beherrscht. Je mehr KI Aufgaben in Hausarbeiten übernimmt, desto schwieriger wird die Einschätzung der Eigenleistung.

Dirk Jacob, Vizepräsident der Hochschule Kempten, schlägt deshalb vor, den Arbeitsprozess stärker zu bewerten und Abschlussarbeiten durch Prüfungsgespräche zu ergänzen. KI-freie Klausuren sollen weiterhin möglich bleiben. Der Haken liegt auf der Hand: Prüfungsgespräche kosten zusätzliche Zeit.

Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Mehr Hilfe, aber kein Ersatz fürs Denken

KI-Professor Patrick Glauner von der Technischen Hochschule Deggendorf nennt individualisierte Lernprozesse und dauerhaft verfügbares Feedback als mögliche Vorteile. Nach seiner Beobachtung sind auch Abschlussarbeiten besser geworden. Um KI-Antworten sinnvoll zu bewerten, brauche es allerdings eigenes Fachwissen.

Philipp Csistian, Anbieter von KI-Lernprogrammen, warnt vor einer falschen Nutzung. Sie könne Studierende geistig weniger leistungsfähig machen. KI-Programme sollten zum Nachdenken anregen und nicht lediglich Lösungen liefern. Belege für langfristige Lernerfolge durch KI fehlen bislang.

TUM-Bildungsforscherin Enkelejda Kasneci hält neben KI-Kompetenz auch kritisches Denken und gemeinsames Problemlösen für wichtig. Das klingt weniger nach glänzender Zukunftsmusik als nach täglicher Kleinarbeit: nachfragen, prüfen, gemeinsam knobeln. Und manchmal eben auch eine Weile vor einer Aufgabe sitzen, ohne sofort eine Antwort zu bekommen.

Die Bund-Länder-Förderinitiative „KI in der Hochschulbildung“ endete 2025. Einen Nachfolger plant die Bundesregierung nach Angaben vom Dezember 2025 nicht. Länder und Hochschulen sollen die bisherigen Ergebnisse eigenständig in die Praxis überführen.

Wer bezahlt den digitalen Schub?

Der Gesetzentwurf sieht weder zusätzliches Personal noch zusätzliche Finanzmittel vor. Die Umsetzung soll vollständig mit vorhandenen Stellen und Mitteln erfolgen. Eine Umfrage an 16 bayerischen Hochschulen für angewandte Wissenschaften macht die Spannung sichtbar: Alle Hochschulen bieten KI an, 14 stellen über die Hochschule Zugänge zu KI-Chatbots bereit. Zugleich bewerten 15 ihre Personalausstattung als nicht oder nur teilweise ausreichend; sieben können die entstehenden Kosten nicht beziffern.

TUM-Präsident Thomas Hofmann schätzt den jährlichen Bedarf seiner Universität für ein flächendeckendes KI-Angebot auf einen Betrag im ein- bis zweistelligen Millionenbereich. Der Freistaat und die bayerische Wirtschaft fördern mit dem Programm „NewNormal KI“ bis 2029 Lehrprojekte mit 1,1 Millionen Euro. Als dauerhafte Grundfinanzierung ist diese Förderung nicht vorgesehen. Auch Moritz Schmid vom Bayerischen Landesstudierendenrat bezeichnet die Finanzierung als ungeklärt.

In den Landtagsfraktionen gehen die Vorstellungen auseinander. CSU-Abgeordneter Stephan Oetzinger verweist auf die Hightech Agenda und fordert mehr Kooperationen zwischen Hochschulen. Julian Preidl von den Freien Wählern plädiert für einen effizienteren Einsatz des Lehrpersonals. Katja Weitzel von der SPD hebt Cybersicherheit und Betriebskosten hervor.

Verena Osgyan von den Grünen kritisiert die fehlenden Mittel und weist darauf hin, dass nicht alle Studierenden monatlich 20 Euro für ein KI-Abo aufbringen können. Benjamin Nolte von der AfD warnt vor politisch eingefärbten KI-Antworten und fordert ausgewogene Auskünfte.

Zentrale Lösungen statt kleiner Insellösungen

Harald Kosch, Informatikprofessor in Passau und Sprecher des Digitalverbunds Bayern, schlägt größere Rechenzentren und zentrale Lizenzkäufe vor. So müsste nicht jede Hochschule eigene Systeme aufbauen. Zusätzlich fordert er KI-Lotsen, die Lehrende bei der sinnvollen Integration der Technik in Lehrveranstaltungen unterstützen.

Damit könnten auch kleinere Hochschulen leistungsfähige KI-Programme nutzen. Eine Abhängigkeit von zentralen Anbietern bliebe jedoch bestehen. Andere Hochschulsysteme stellen bereits umfangreiche Angebote bereit: Nordrhein-Westfalen bietet mehr als 547.000 Studierenden KI-Chatbots an. Die California State University beschaffte ChatGPT-Lizenzen für mehr als 460.000 Studierende. Die University of Michigan stellt kostenlose KI-Modelle bereit, während die ETH Zürich ein eigenes KI-System entwickelt.

Thomas Hofmann setzt an der TUM München zugleich auf kleinere Lerngruppen statt großer Hörsäle. Außerdem diskutiert er sogenannte „White Smoke Rooms“: KI-freie Räume, in denen Teams schwierige Aufgaben eigenständig lösen. Anschließend soll symbolisch weißer Rauch aufsteigen. Ein bisschen Theater darf an der Universität offenbar sein – solange vorher wirklich selbst gedacht wurde.

Offen bleibt, wie sich der Erfolg solcher Modelle messen lässt, wer die Gespräche führt und woher die Zeit dafür kommen soll. Der Unterricht wird mit KI nicht automatisch leichter. Manchmal wird er sogar komplizierter: Die Maschine liefert etwas, die Studierenden müssen es einordnen, und am Ende soll jemand erkennen können, was davon tatsächlich im eigenen Kopf angekommen ist.