Künstliche Intelligenz

Ein Beitrag von Silvia Czerwinski, Yulia Loose und Johannes Koch.

Künstliche Intelligenz ist in der Hochschullehre längst Alltag. Sie beeinflusst, wie Materialien entstehen, wie Aufgaben gestellt werden, wie Studierende reflektieren und wie wir über Qualität sprechen. Besonders in der offenen Lehre stellt sich dabei eine zentrale Frage: Wie lässt sich KI so einsetzen, dass sie nicht nur effizient, sondern auch nachvollziehbar, rechtskonform, didaktisch sinnvoll und offen nachnutzbar ist?

Genau damit beschäftigt sich seit Mai 2025 das twillo-Netzwerk durch gezielte Treffen zu „KI in der offenen Lehre“. In bisher vier Terminen kamen regelmäßig Lehrende, Hochschuldidaktiker*innen und Mitarbeitende aus Serviceeinrichtungen zusammen, um Erfahrungen zu teilen, Tools auszuprobieren und offene Fragen gemeinsam weiterzudenken. Deutlich wurde dabei: KI in der Lehre ist weniger ein einzelnes Toolthema, sondern ein Anlass, grundlegend über Qualität, Offenheit, Verantwortung und Zusammenarbeit zu sprechen.

Vom Regelungsrahmen zur Handlungspraxis

Den Auftakt bildete im Mai 2025 das Treffen „KI in der Lehre – mit Perspektive auf OER und Offenheit“. Im Mittelpunkt stand zunächst die EU-KI-Verordnung und die Frage, welche Konsequenzen sich daraus für Hochschulen, Einrichtungen und Lehrende ergeben. Damit war der Rahmen gesetzt: Wenn Hochschulen KI-Kompetenzen fördern sollen, brauchen sie nicht nur technische Zugänge, sondern auch Räume für Austausch, Orientierung und gemeinsames Lernen.

Gerade für Open Educational Resources (OER), also offen lizenzierte Bildungsmaterialien, ist dieser Austausch zentral. KI kann Lehrende bei der Erstellung und Überarbeitung von Materialien unterstützen – etwa beim Formulieren von Aufgaben, bei der Sprachadaption oder bei der Strukturierung von Inhalten. Gleichzeitig entstehen neue Fragen: Welche Inhalte dürfen in KI-Systeme eingegeben werden? Wie transparent muss der KI-Einsatz gemacht werden? Und wie bleiben Materialien offen, nachvollziehbar und fachlich belastbar?

Schon im ersten Treffen wurde deutlich: Die Teilnehmenden erwarten keine einfachen Ja-/Nein-Antworten, sondern praxistaugliche Einschätzungen. In Gruppen wurden Perspektiven von Lehrenden, Studierenden, Finanzierung und Umsetzung zusammengebracht. Daraus entwickelte sich ein gemeinsames Verständnis: KI-Kompetenz in der Hochschule bedeutet, rechtliche, didaktische und organisatorische Aspekte systematisch miteinander zu verschränken.

Datenschutzfreundliche Infrastruktur als Grundlage

Im Oktober 2025 rückte dann die technische Infrastruktur stärker in den Fokus. Vorgestellt wurde „Chat AI“, ein datenschutzfreundlicher Chatbot der GWDG, der auf eigener Hardware betrieben wird und Angehörigen niedersächsischer Hochschulen den Zugang zu verschiedenen Sprachmodellen ermöglicht.

Für offene Lehre ist ein solches Angebot aus mehreren Gründen wichtig. Es senkt die Einstiegshürde für Lehrende, die KI erproben möchten, ohne sofort auf kommerzielle Einzellösungen angewiesen zu sein. Gleichzeitig macht es deutlich, dass digitale Souveränität immer auch eine Infrastrukturfrage ist: Wer KI sinnvoll in der Hochschullehre einsetzen möchte, braucht verlässliche, datenschutzfreundliche und institutionell anschlussfähige Lösungen.

Die praktische Erprobung im Netzwerktreffen zeigte zudem, wie stark System-Prompts, Modellauswahl und Anwendungskontext das Ergebnis prägen. Ein Prompt ist nicht nur eine technische Eingabe, sondern Ausdruck didaktischer Ziele, Qualitätsansprüche und Einsatzgrenzen. Genau hier entsteht eine Verbindung zu OER: Gut dokumentierte Prompts können selbst zu nachnutzbaren Materialien werden – wenn sie festgehalten, angepasst und offen geteilt werden.

Lehrpraxis zwischen Experiment und klarer Grenze

Im Januar 2026 standen drei konkrete Praxisbeispiele aus der Hochschullehre im Mittelpunkt. Lehrende berichteten, wie sie KI in der Planung, im Seminar, in Aufgabenformaten oder in Reflexionsphasen einsetzen – und an welchen Stellen sie sich bewusst dagegen entscheiden.

Die Szenarien reichten von der KI-Unterstützung bei der Erstellung eines Readers in einem Seminar zur Wissenschaftskommunikation über digital-asynchrone Aufgabenformate bis hin zu einem KI-basierten Reflexionsassistenten für mathematische Aufgaben. Besonders wertvoll war weniger die Präsentation „fertiger“ Lösungen als der Einblick in Lernwege, Abwägungen und Stolpersteine.

Deutlich wurde: KI verändert Lehrpraxis nicht automatisch. Sie wird dort produktiv, wo Lehrende sie in konkrete didaktische Szenarien einbetten – etwa indem sie Aufgabenstellungen anpassen, Reflexionsprozesse expliziter gestalten oder Studierende beim kritischen Umgang mit KI-Ergebnissen begleiten. Ebenso wichtig bleibt die bewusste Grenze: Nicht jeder Lehrschritt profitiert vom Einsatz eines Modells, und nicht jeder generierte Output verbessert Didaktik oder Lernerfahrung.

Für OER ergeben sich daraus neue Spielräume: Materialien können mit KI schneller variiert, sprachlich angepasst oder um zusätzliche Beispiele ergänzt werden. Gleichzeitig wächst der Bedarf an transparenter Dokumentation: Was wurde verändert? Welche Vorlagen und Quellen wurden genutzt? Welche didaktische Entscheidung steckt hinter einer Anpassung?

Qualitätscheck von OER: KI als Resonanzraum

Das vierte Netzwerktreffen im April 2026 hat diese Linien zusammengeführt. Im Zentrum stand die Frage, inwieweit KI die Qualität offener Bildungsmaterialien einschätzen und verbessern kann. Ausgangspunkt waren sieben Qualitätskriterien, die twillo für OER formuliert: fachliche Fundierung, Wiederverwendbarkeit, Anwendung und Transfer, Hilfestellung und Support, Motivation und Didaktik, Struktur sowie Design, Lesbarkeit und Barrierearmut.

Als Arbeitsgrundlage diente eine Promptvorlage, die ähnlich wie ein System-Prompt aufgebaut war. Die Teilnehmenden diskutierten diese Vorlage, ergänzten eigene Erfahrungen und brachten Beispiele aus der Praxis ein. Dabei konnten sie eigene Szenarien schildern und gemeinsam ausloten, inwiefern sich OER-Qualität mit Hilfe von KI überhaupt „einordnen“ lässt.

Die Diskussion machte deutlich: KI kann Hinweise geben, Muster sichtbar machen und Rückfragen formulieren. Sie kann aber keine fachliche, rechtliche oder didaktische Bewertung durch Menschen ersetzen – schon weil ihr immer die Beziehung zur konkreten Lerngruppe fehlt.

Gerade darin liegt ein wichtiger Befund: KI eignet sich als Resonanzraum für Materialentwicklung. Sie kann auf fehlende Kontextinformationen aufmerksam machen, Unklarheiten benennen oder Vorschläge zur besseren Nachnutzbarkeit liefern. Verlässlich werden solche Rückmeldungen allerdings erst, wenn Prompts präzise formuliert sind, Kriterien und Quellen transparent benannt werden und die Ergebnisse kritisch geprüft sowie mit der eigenen Zielgruppe abgeglichen werden.

Weiterdenken – gemeinsam

„Entscheidend bleibt, dass Menschen die Verantwortung behalten – und KI als das behandeln, was sie ist: ein mächtiges Werkzeug, aber kein autonom handelnder Akteur.“

Die bisherigen vier Netzwerktreffen zeigen: „KI in der offenen Lehre“ ist kein Projekt mit Enddatum, sondern ein fortlaufender Lernprozess. Es geht um Kompetenzen, Infrastruktur, konkrete Lehrpraxis und Qualitätsfragen – vor allem aber um Austausch. Lehrende und Serviceeinrichtungen brauchen Räume, in denen sie Erfahrungen teilen, Unsicherheiten offen ansprechen und gemeinsam tragfähige Lösungen entwickeln können.

Für OER steckt darin eine besondere Chance. Wenn KI nicht nur für schnelle Materialproduktion genutzt wird, sondern als Werkzeug zur reflektierten Weiterentwicklung offener Materialien, kann sie Offenheit stärken: durch bessere Nachnutzbarkeit, klarere Strukturen, mehr Varianten und neue Formen der Zusammenarbeit. Entscheidend bleibt, dass Menschen die Verantwortung behalten – und KI als das behandeln, was sie ist: ein mächtiges Werkzeug, aber kein autonom handelnder Akteur.

Weitere Informationen finden sich auch auf der twillo-Seite „KI in der offenen Hochschullehre“.

Über die Verfasser*innen

• Silvia Czerwinski ist Mitarbeiterin bei der TIB – Leibniz-Informationszentrum Technik und Naturwissenschaften und bei twillo für die Bereiche Community-Building und Support tätig.
• Yulia Loose ist Volljuristin beim E-Learning Academic Network Niedersachsen (elan e.V.) und berät im Rahmen von twillo zu urheberrechtlichen und lizenzrechtlichen Fragestellungen rund um OER und KI.
• Johannes Koch ist Mitarbeiter der Universität Osnabrück und bei twillo für die Bereiche Community-Building und Weiterbildung zu KI tätig.

Ein Beitrag von Funda Seyfeli-Özhizala, Mathias Stein und Klaus Wannemacher.

Stellen Sie sich vor: Eine Lehrkraft erstellt in einer Stunde ein komplett neu gestaltetes, barrierefreies und mehrsprachiges OER-Modul – mit Hilfe von KI-Anwendungen. Das klingt nach Science-Fiction? Nein, das ist bereits heute möglich. Doch eine neue Studie des OER-Verbunds twillo zeigt: Nur die wenigsten Hochschulen im deutschsprachigen Raum haben explizite Leitlinien für die KI-Nutzung im Bereich Open Education. Und nur eine Minderheit der befragten Lehrenden nutzt KI-Tools, um OER zu erstellen oder anzupassen – obwohl die meisten die Potenziale klar erkennen. Warum bleibt dieses transformative Potenzial so wenig erschlossen?

KI als Werkzeug für eine inklusivere Open Education – aber nur auf dem Papier

Die Ergebnisse der multiperspektivischen Erhebung zeigen: Die meisten befragten Hochschulakteur:innen – von OER-Expert:innen über Studiendekan:innen bis hin zu Vizepräsident:innen für Lehre – schreiben KI ein großes Potenzial zu. Besonders hervorgehoben werden die Möglichkeiten zur Anpassung von OER an unterschiedliche Lernbedürfnisse, zur Übersetzung in mehrere Sprachen und zur barrierefreien Aufbereitung komplexer Inhalte. Laut der Studie schreiben 62 Prozent der befragten Vizepräsident:innen für Lehre oder Studiendekan:innen KI großes Potenzial im OER-Bereich zu, beispielsweise bei der Erstellung und Aktualisierung offener Materialien oder bei dem Ziel, Bildung für benachteiligte Gruppen zugänglicher zu machen.

Potenzial einer kombinierten Nutzung von generativer KI und OER: Einschätzung nach Statusgruppe (eigene Grafik)

Doch die Vision bleibt noch weitgehend unverwirklicht. Die meisten KI-Anwendungen werden bislang nur für Textkorrekturen, Übersetzungen oder Bildgenerierung genutzt – also für eher technische, weniger für didaktisch anspruchsvolle Aufgaben. Fortschrittlichere Anwendungsfelder wie die KI-gestützte Personalisierung, adaptive Lernpfade oder auch nur die automatisierte Metadaten-Generierung sind in der Praxis noch kaum erschlossen. Das zeigt: Die positiven Grundannahmen übersetzen sich noch nicht in das Alltagshandeln von Lehrenden.

Fehlende Rahmenbedingungen: Warum KI in der OER-Praxis auf der Stelle tritt

Ein zentraler Grund für die Zurückhaltung liegt in der fehlenden strategischen Verankerung. Die wenigsten Hochschulen haben spezifische Richtlinien für die KI-Nutzung im OER-Bereich. Die meisten verweisen auf allgemeine KI-Richtlinien, die die besonderen Anforderungen von Open Education nicht berücksichtigen. Dies führt zu Unsicherheit: Wie lässt sich die Qualität KI-generierter OER sicherstellen? Wie ist die KI-Nutzung im OER-Kontext zu dokumentieren? Welche rechtlichen Aspekte sind bei der KI-Nutzung im OER-Bereich zu beachten?

Zusätzlich fehlt es an digital souveränen Infrastrukturen. Viele Hochschulen setzen auf kommerzielle KI-Tools wie ChatGPT oder Midjourney – mit Risiken für Datensicherheit und Urheberrechte. Die Studie zeigt: Im Rahmen von Expertenintverviews zeigte sich, dass viele Befragte rechtliche oder ethische Probleme bei der Nutzung externer KI-Systeme befürchten. Gleichzeitig gibt es kaum Unterstützung durch Hochschulen, um diese Risiken zu minimieren.

Kompetenzlücke: KI-Training fehlt – und das kostet Zeit und Motivation

Die Studie offenbart eine weitere Herausforderung: Ein überwältigender Schulungsbedarf. Obwohl die meisten Lehrenden die Vorteile von KI-Technologien erkennen, fühlt sich nur eine Minderheit ausreichend kompetent im Umgang mit KI-Tools. Viele wissen nicht, wie sie KI-Anwendungen sinnvoll in ihre OER-Entwicklung integrieren können – und fürchten zudem, Inhalte zu plagiieren oder anderweitige rechtliche Verstöße zu begehen.

Dabei gäbe es vielversprechende Möglichkeiten: OER-Plattformen könnten KI-gestützte Services – z. B. Chatbots für technische, didaktische oder organisatorische Beratung – bereitstellen oder eine an Standardvokabular orientierte automatisierte OER-Verschlagwortung einführen, die Lehrenden das Beschreiben offener Lehrmaterialien erleichtern. Doch benötigt die Implementierung solcher Innovationen Zeit. Begleitend bedarf es gezielter, praxisnaher Fortbildungen – nicht nur für IT-Expert:innen, sondern für alle, die OER entwickeln oder einsetzen –, um KI wirklich nutzbar zu machen.

Fazit: Möglichkeiten der KI-Nutzung im OER-Bereich systematisch erproben und auswerten

„Generative KI ist kein Ersatz für menschliche Kreativität und didaktische Kompetenzen – sondern ein Mittler, der die Arbeit mit OER wirksamer, inklusiver und nachhaltiger machen kann.“

Die Studie macht deutlich: Generative KI ist kein Ersatz für menschliche Kreativität und didaktische Kompetenzen, sondern ein Mittler, der die Arbeit mit OER wirksamer, inklusiver und nachhaltiger machen kann. Die Potenziale sind groß – besonders, weil OER-Module sich über viele Lehrveranstaltungen, Studiengänge, Hochschulen und Bundesländer hinweg nutzen lassen. Einmal erstellt, kann ein KI-optimiertes OER-Material mehrere Studierende erreichen – mit weniger Aufwand und im Idealfall höherer Qualität.

Doch diese Zukunft erfordert mehr als nur eine punktuelle, unsystematische Erprobung von KI bei der OER-Produktion. Sie braucht strategische Führung, klare Rahmenbedingungen, gezielte Fortbildungen und eine offene Kultur des Experimentierens. Die Hochschulen im deutschsprachigen Raum stehen an einem entscheidenden Punkt: Entweder sie nutzen generative KI, um Open Education wirklich bedarfsgerecht, offen und flexibel zu gestalten und werten die entsprechende Praxiserfahrungen gezielt aus – oder sie vergeben ergiebige Möglichkeiten zu einer weiteren Ausdifferenzierung des OER-Einsatzes.

Über die Verfasser*innen (Person, Funktion, Institution)

• Funda Seyfeli-Özhizalan ist wissenschaftliche Mitarbeiterin im Geschäftsbereich Hochschulmanagement des HIS-Instituts für Hochschulentwicklung (HIS-HE) in Hannover.
• Mathias Stein ist wissenschaftlicher Mitarbeiter im Geschäftsbereich Hochschulmanagement des HIS-Instituts für Hochschulentwicklung (HIS-HE).
• Klaus Wannemacher ist Seniorberater und Projektleiter im Geschäftsbereich Hochschulmanagement von HIS-HE und twillo-Standortverantwortlicher (HIS-HE).