Einschätzungen von Studierenden zum Einsatz von KI an deutschen Hochschulen

Wie häufig nutzen Studierende KI-Tools im Jahr 2024?

Künstliche Intelligenz (KI) beschreibt Methoden, Verfahren und Technologien, die es ermöglichen, große Mengen von Daten zu interpretieren und aus diesen Daten zu lernen, um bestimmte Ergebnisse zu kommunizieren, die kognitive Fähigkeiten des Menschen nachahmen( Gilch et al., 2024). KI-Systemewie ChatGPT basieren auf generativen Modellen, häufig sogenannten Large LanguageModels (LLMs), die ausgehend von den zugrundeliegenden Daten (z. B. natürliche Sprache), mit denen sie trainiert wurden, neue Inhalte erzeugen können. Allerdings sind diese Sprachmodelle keine Wissensmodelle, sondern sie erstellen Texte „probabilistisch“, d. h. die Modelle sind darauf angelegt, Texte kontextbezogen und sprachlich korrekt, nicht aber zwingend faktentreu zu formulieren (IBM, 2023, 2024).

Die Ergebnisse zeigen, dass künstliche Intelligenz bei der Mehrheit der Studierenden bereits einen festen Platz im Studienalltag einnimmt: Zwei Drittel der Befragten nutzen KITools regelmäßig (Abb. 1). Dabei verwendet rund ein Viertel der Studierenden KI mindestens einmal im Monat, knapp ein Drittel mindestens einmal proWoche, und jede*r Zehnte greift sogar täglich darauf zurück.

Zusatzanalysen zeigen, dass Studierende, die KI regelmäßig im Studium einsetzen, sie mit hoher Wahrscheinlichkeit auch in ihren Alltag außerhalb des Campus integrieren. Erwartungsgemäß zeigt sichweiterhin, dass häufige Nutzer*innen von KI-Tools auch ein besseres Verständnis für die Funktionsweise von KI (Large-Language-Modellen) angeben.

Am häufigsten und intensivsten nutzen die Studierenden der Informatik KI imStudium (77 % nutzen sie mindestens einmal monatlich/wöchentlich/täglich, siehe Abb. 2). Aber auch in den Ingenieur- und Wirtschaftswissenschaften berichten die Studierenden über eine rege Nutzung im Studium (jeweils circa 70 %). Bis auf zwei Ausnahmen nutzen mehr als die Hälfte der Studierenden in allen Fächergruppen KI imStudium.Nur in den Kunst- (46 %) und den Rechtswissenschaften (44 %) liegen die Anteile knapp unter der Hälfte und in der Medizin etwas über der Hälfte (52 %).

In Bezug auf konkrete generative KI-Tools zeigt sich, dass ChatGPT sich mittlerweile als das zentrale KI-Tool bei Studierenden etabliert hat (Abb. 3): knapp 90 % der Studierenden haben ChatGPT bereits einmal ausprobiert oder nutzen es regelmäßig. ChatGPT fungiert hierbei als eine Art „Alleskönner“, der sowohl für schnelle Rechercheanfragen als auch für komplexere Analyse- und Schreibaufgaben herangezogen wird. Andere „Alleskönner“ wie Gemini, Bing oder Perplexity kommen imVergleich dazu bei deutlich weniger Studierenden zum Einsatz (11 % - 21 % der Studierenden haben diese Tools bereits ausprobiert oder nutzen sie regelmäßig). Lediglich das KI-Tool DeepL, das auf Übersetzungen spezialisiert ist, wird von knapp der Hälfte der Studierenden regelmäßig genutzt oder wurde zumindest ausprobiert.

Ein Vergleich der Befragungsergebnisse der Erhebungen 2023 und 2024 unterstreicht die starke Dynamik und die zentrale Rolle von ChatGPT eindrücklich (Tab. 1):Während imJahr 2023 59 % der Studierenden ChatGPT nutzten,
liegt dieser Anteil aktuell bereits bei knapp 90 %. Zugleich hat sich der Bekanntheitsgrad des Tools deutlich verbessert: Lediglich 1%der Studierenden gibt im Jahr 2024 an, ChatGPT nicht zu kennen – ein signifikanter Rückgang gegenüber 2023, als knapp jeder zehnte Studierende keinerlei Kenntnis von ChatGPT hatte. Besonders eindrücklich ist die Steigerung der Nutzung von ChatGPT explizit für das Studium (Tab. 1). Während 2023 noch wenige Studierende ChatGPT für das Studium nutzten (30 %), hat sich dies 2024 deutlich geändert (81 %). Die Studierenden haben die Nutzungsmöglichkeiten von ChatGPT im Studium mit einer enormen Zuwachsrate erkannt.

Wofür nutzen Studierende KI-Tools?

In Bezug auf Anwendungsgebiete lässt sich festhalten, dass KI am häufigsten als Einstieg in ein Thema genutzt wird (Abb. 4): So verwenden 44%der Studierenden KI-Tools zur Klärung von Verständnisfragen und 37 % zur thematischen Einführung (sehr) häufig. Auch häufig greifen Studierende auf KI für Textverarbeitung zurück, die den Lese- und Schreibaufwand reduziert: Knapp 40 % der Studierenden lassen ihre bestehenden Texte mithilfe von KI (sehr) häufig überarbeiten und korrigieren bzw. übersetzen. Jeder dritte Studierende lässt sich (sehr) häufig sogar ganze Texte erstellen.

Im Gegensatz dazu wird KI für Literaturrecherchen nur von 26 % der Studierenden (sehr) häufig eingesetzt. Auch im Bereich des Zeit- und Studienmanagements (18%) oder bei der Erstellung von Präsentationen (15 %) kommen KI-Tools seltener zum Einsatz. Am seltensten werden sie für Programmierung, mathematische Aufgaben, Datenanalysen oder die Bilderzeugung genutzt (nur 14%- 19%der Studierenden nutzen KI dafür (sehr) häufig).

Weitere Analysen zeigen, dass die Studierenden KI nicht nur für ein Anwendungsgebiet, sondern für unterschiedliche Aufgaben einsetzen. Im Vergleich der Fächergruppen zeigt sich, dass Studierende der Informatik insgesamt am häufigsten verschiedene Anwendungsgebiete nutzen, danach folgen die Studierenden der Wirtschaftswissenschaften (vgl. Tab. 2). Vergleichsweise häufigere Nutzung ist auch bei jenen Anwendungen zu beobachten, die mit dem jeweiligen Studiumzu tun haben. So nutzen z. B. „textaffine“ Studierende der Geistes- und Sozialwissenschaften alle Anwendungsarten, die mit Texten zu tun haben, vergleichsweise häufig, während „zahlenaffine“ Studierende der Ingenieur- und Naturwissenschaften KI-Tools zur Programmierung und mathematischen Berechnungen häufiger nutzen. Studierende der Kunstwissenschaften weisen in vielen Anwendungsgebieten die geringste Nutzung auf, liegen bei der Bildgenerierung aber vorne (26 %).

Insgesamt zeigt sich, dass Studierende vor allem auf KI zurückgreifen,umsich einen Überblick über neue Themen zu verschaffen und ihre Texte sprachlich wie inhaltlich zu optimieren, während spezialisierte Funktionen oder Anwendungen außerhalb des textorientierten Bereichs deutlich seltener sind.

Welche Vor- und Nachteile sehen Studierende in der KI-Nutzung?

Viele Studierende nehmen künstliche Intelligenz vor allem als eine Erleichterung im Studienalltag wahr (Abb. 5). Mehr als die Hälfte sieht in der Nutzung von KI (sehr) große Vorteile darin, dass sie die Bearbeitung von Aufgaben beschleunigt (58 %) und bei Aufgaben unterstützt, die schwierig sind (62 %) oder keinen Spaß machen (56%). Häufig wird zudem als der (sehr) große Vorteil von KI-Tools angesehen, dass sie die Perspektive erweitern (53 %) und die Hemmschwelle senken, Fragen zu stellen (49 %). Das schlägt sich laut Angabe der Studierenden in einem höheren Wissenserwerbnieder (45 %).

Hinsichtlich der wahrgenommenen Auswirkungen auf Studienerfolge wird KI seltener als vorteilhaft gesehen: Vergleichsweise weniger Studierende sehen (sehr) große Vorteile von KI-Tools darin, dass sie die Noten (30 %) oder Qualität der Studienleistungen (35 %) verbessern. Insgesamt deuten diese Ergebnisse darauf hin, dass KI vor allem bei der schnelleren oder schwierigen Aufgabenbearbeitung sehr unterstützend wahrgenommen wird.

Trotz der häufigen Nutzung und deutlicher Vorteile stehen Studierende der KI gleichzeitig kritisch gegenüber (Abb. 6). Etwa die Hälfte der Befragten sieht (sehr) große Nachteile darin, dass KI-Systeme Fehler und Falschaussagen generieren sowie viele Betrugsmöglichkeiten im Studiumschaffen. Darüber hinaus sehen viele Studierende (sehr) große Nachteile in der Abhängigkeit von KI bei der Aufgabenbearbeitung (45 %) und im Verlernen des Verfassens von Texten (47 %). Im Gegensatz dazu empfinden deutlich weniger Studierende (sehr) große Nachteile darin, dass KI soziale Interaktionen verringert (26 %), was daran liegt, dass KI-Tools überwiegend im individuellen Selbststudium eingesetzt werden und somit Lerngruppen nicht ersetzen.

Interessanterweise unterscheiden sich diese Beurteilungen kaum nach Nutzungshäufigkeit. Zusatzanalysen zeigen, dass sowohl häufige als auch seltene Nutzer*innen von KI die potenziellen Nachteile ähnlich kritisch einschätzen. Dies zeigt, dass auch Studierende, die häufig KI-Tools im Studium nutzen, reflektiert mit diesen umgehen und sich der möglichen Risiken bewusst sind.

Von Studierenden aus nicht-akademischen Elternhäusern könnte behauptetwerden, dass sie mit dem sprachlichen Ausdruck auf akademischem Niveau Probleme hätten und deshalb auf KI-Tools häufiger zurückgreifen. Allerdings zeigt sich, dass Studierende mit mindestens einem akademischen Elternteil KI-Tools im Studium sogar etwas häufiger nutzen als Studierende ohne akademische Eltern. Keine Unterschiede treten hinsichtlich der Nützlichkeitseinschätzung auf. Studierende aus nichtakademischen Elternhäusern wenden KI nur etwas seltener für Überarbeitungen und Korrekturen an und sie sehen auch nicht häufiger einen großen Vorteil in der Verringerung eines nachteiligen sprachlichen Ausdrucks oder einer Verbesserung der Qualität ihrer Studienleistung. Studierende aus nicht-akademischen Elternhäusern sehen in der KI-Nutzung selbst also keinen gesteigerten Vorteil oder gar eine Notwendigkeit zur Aufwertung ihrer akademischen Leistungen, zumindest nicht mehr als Studierende aus akademischen Elternhäusern.

Studierende, die nicht in Deutschland geboren wurden und auch ihre Hochschulzugangsberechtigung (HZB) nicht in Deutschland erworben haben, nutzen KI im Studium zwar nur etwas häufiger, schätzen aber die Nützlichkeit deutlich häufiger als hoch ein (79 %) als deutsche Studierende (55 %). Für Korrekturen oder Texterstellung nutzen sie KI allerdings nicht häufiger, sehen aber etwas häufiger größere Vorteile in der KI-Nutzung für die Verringerung einer nachteiligen sprachlichen Ausdrucksfähigkeit (53 % zu 44 %).

Wie stehen Studierende dem Einsatz von Learning Analytics gegenüber?

Neben KI-Tools, die von Studierenden im Selbststudium eingesetzt werden, bestehen noch weitere Anwendungsfelder von KI, die von Hochschulen eingeführt werden. Ein Beispiel dafür ist der Bereich der Learning Analytics (LA). Hierbei werden Daten zum Lernverhalten und zum Lernfortschritt der Studierenden auf Plattformen wie Moodle oder Ilias von den Hochschulen erhoben, ausgewertet und genutzt,um den Lernprozess von Studierenden besser zu verstehen und gezielt zu optimieren.

Die Einstellung der Studierenden gegenüber Learning Analytics variiert dabei je nach Anwendungsziel (Abb. 7). Eine breite Zustimmung findet LA vor allem dann, wenn die gewonnenen Erkenntnisse genutzt werden, um Studierende direkt zu unterstützen. Die Mehrheit der Studierenden befürwortet den Einsatz von LA (sehr stark) bei Kurs- und Literaturempfehlungen (60%), bei der Vernetzung mit Studierenden (57%), bei der Erstellung personalisierter Studienpläne (53%) oder beim individuellen Feedback zu Aufgaben (53%). Etwas zurückhaltender reagieren die Studierenden hingegen auf den Einsatz von LA, wenn die Ergebnisse vorwiegend Lehrende unterstützen sollen, etwa als Orientierung zum Lernverhalten von Studierenden (44 %), der Zuordnung von Studierenden zu Kursplätzen (42%) und vor allem bei der Benotung von Studienleistungen (29%). Ebenfalls etwasweniger Zustimmung erfährt der Einsatz von LA auch dann, wenn die gewonnenen Daten an hochschuladministrative Stellen gehen sollen, etwa für die Studienberatung zur Studienabbruchprävention (36%) oder für die Auswahl von Studienbewerber*innen (21 %). Diese gestaffelten Reaktionen zeigen, dass die Akzeptanz von Learning Analytics vor allem dann stark ist, wenn der Nutzen für die Studierenden deutlich ist, weniger als Unterstützung für Lehrende oder für die Hochschulverwaltung.

Bei der Dimension Digitalisierung der Lehrveranstaltungen konnten Studierende drei Ausprägungen bewerten: Lehrveranstaltungen finden ausschließlich online, ausschließlich in Präsenz oder als eine Mischung aus beiden Formaten statt. Amattraktivsten bewerten Studierende das Studium,wenn Lehrveranstaltungen als eine Mischung aus Präsenz und online angeboten werden, dies ist aus Sicht der Studierenden attraktiver als Lehrveranstaltungen, die ausschließlich in Präsenz stattfinden (Abb. 10). Amwenigsten attraktiv sehen Studierende ein Studium an, in dem die Lehrveranstaltungen rein online angeboten werden. Anders ausgedrückt: Eine Teildigitalisierung der Lehrveranstaltungen ist von Studierenden erwünscht.

Bei derUnterstützung von KI für Hausarbeiten zeigt sich, dass der Einsatz von KI deutlich attraktiver ist als eine eigenständige Erstellung von Hausarbeiten durch Studierende ohne jegliche KI- Unterstützung (Abb. 10). Dabei wird KI sowohl für die Recherche als auch für die sprachliche Ausarbeitung der Hausarbeit als attraktiv angesehen,am bestenwird jedoch eine Mischung aus beiden Merkmalen bewertet.

Bei derUnterstützung von KI für Hausarbeiten zeigt sich, dass der Einsatz von KI deutlich attraktiver ist als eine eigenständige Erstellung von Hausarbeiten durch Studierende ohne jegliche KI- Unterstützung (Abb. 10). Dabei wird KI sowohl für die Recherche als auch für die sprachliche Ausarbeitung der Hausarbeit als attraktiv angesehen,am besten wird jedoch eine Mischung aus beiden Merkmalen bewertet.

Gegenüber dem Einsatz von KI bei der Benotung sind Studierende skeptischer: Hier finden es Studierende attraktiver, wenn Lehrende ohne jegliche Unterstützung von KI benoten (Abb. 10). Studierende bringen also offensichtlich bei der Notenvergabe dem Lehrpersonal ein größeres Vertrauen entgegen als der künstlichen Intelligenz.

Insgesamt zeigt sich, dass Studierende eine Teildigitalisierung der Lehre und eine Unterstützung durch KI bei der Erstellung von Hausarbeiten befürworten. Demgegenüber ist der KI-Einsatz für Lerngruppen oder für die Benotung durch Lehrende aus Studierendensicht weniger wünschenswert.

Zusammenfassung

Im vorliegenden Beitrag wird ein aktueller Überblick über die Nutzung von KI im Studium gegeben, sowohl im Hinblick auf den Umgang der Studierenden mit KI als auch auf die von den Studierenden wahrgenommene Unterstützung seitens der Hochschulen.

Deutlich wird, dass KI-Tools – allen voran ChatGPT – bereits fest im Studienalltag verankert sind und ihre Nutzung im Vergleich zum Vorjahr stark zugenommen hat. Derzeit nutzen rund zwei Drittel der Studierenden solche Anwendungen regelmäßig, d. h. mindestens einmal monatlich.

Dabei gehen die Studierenden keineswegs unbedarft vor. Häufige Nutzer*innen verfügen in der Regel über ein besseres Verständnis der technischen Grundlagen, insbesondere der Funktionsweise von Large-Language-Modellen (LLM). Dies legt nahe, dass intensivere Nutzung und ein vertieftes Verständnis eng miteinander verbunden sind. Dass LLM besonders gut für textbasierte Anwendungen geeignet sind, zeigt sich auch in den bevorzugten Einsatzbereichen: Neben der Einführung in die Materie und der Klärung von Verständnisfragen nutzen Studierende KI vor allem, um ihre Texte sprachlich und inhaltlich zu optimieren.

Darüber hinaus erweist sich KI vor allem bei weniger motivierenden Aufgaben als hilfreich, da sie die Bearbeitung von Aufgaben beschleunigt und bei Aufgaben unterstützt, die schwierig sind oder keinen Spaßmachen.Während der Einsatz von KI offenbar beim Verständnis und Wissenserwerb förderlich ist (z. B. durch die häufige Nutzung zur Einführung in die Materie und der Klärung von Fragen), wirkt er sich auf Noten oder Studienleistungen seltener vorteilhaft aus.

Trotz der häufigen Nutzung stehen Studierende der KI auch kritisch gegenüber. Dabei ist ihnen vor allem das Risiko von Falschaussagen, Betrugsmöglichkeiten oder Abhängigkeit sowie Verlernen des Textverfassens bewusst. Bemerkenswert ist, dass diese kritische Haltung bei häufiger wie seltener Nutzung gleichermaßen verbreitet ist. Dies kann als Indiz für einen insgesamt reflektierten Umgang mit KI gewertet werden.

Differenziert ist die Akzeptanz von Learning Analytics, bei denen Daten über das Lernverhalten auf Plattformen wie Moodle oder Ilias ausgewertet werden. Eine höhere Akzeptanz von Studierenden erfährt LA, wenn sie Studierende direkt unterstützt – etwa durch individuelle Kurs- oder Literaturempfehlungen, die Vernetzung mit anderen Studierenden oder Feedback zu Aufgaben. Geringer ist die Zustimmung, wenn LA Lehrende (z. B. Feedback zum Lernverhalten von Studierenden, Unterstützung bei der Benotung) oder die Hochschulverwaltung unterstützen soll (Studienzulassung, Studienberatung, Studienabbruchprävention). Hier könnte ein Mangel an Informationen oder eine eher selbstzentrierte Perspektive der Studierenden eine Rolle spielen, sodass verstärkte Aufklärung vonseiten der Hochschulen sinnvoll erscheint.

Obwohl Studierende KI häufig nutzen, nehmen sie vergleichsweise selten Unterstützung seitens ihrer Hochschule wahr. Mehr als die Hälfte gibt an, (eher) keine Unterstützung zu erhalten. Allerdings ist die Unterstützung an Hochschulen, an denen KI von Studierenden häufiger eingesetzt wird – etwa inHochschulen für angewandte Wissenschaften im Vergleich zu Universitäten oder an privaten im Vergleich zu staatlichen Hochschulen – aus Studierendensicht etwas weiter verbreitet. Das deutet darauf hin, dass Hochschulen die Nutzung durch Studierende wahrnehmen und gezielt reagieren. Aus Sicht der Studierenden beschränken sich die vorhandenen Maßnahmen seitens der Hochschulen bisher jedoch meist auf die Formulierung klarer Richtlinien zur KI-Nutzung und Informationsbereitstellung zu Möglichkeiten und Risiken von KI, wobei auch dies von weniger als der Hälfte der Studierenden berichtet wird. Aktive Unterstützungsangebote, wie die gezielte Integration von KI in die Lehre, Schulungen zu KI-Tools oder die Bereitstellung lernunterstützender KI-Anwendungen (z. B. Chatbots oder Lernbuddys), sind aus Studierendensicht noch seltener anzutreffen. Angesichts der verbreiteten Nutzung von KI durch Studierende ist hier erhebliches Ausbaupotenzial vonseiten der Hochschulen vorhanden bzw. sollte erfolgreicher gegenüber den Studierenden kommuniziert werden.

Bezüglich der Wünsche von Studierenden zeigt sich, dass Studierende eine Teildigitalisierung der Lehre und eine ausgeprägte Unterstützung durch KI bei Hausarbeiten befürworten. Für Hochschulen bedeutet dies, dass eine Teildigitalisierung der Lehre erstrebenswert erscheint und klare Regelungen für den Einsatz von KI bei Hausarbeiten erforderlich sind. Da Lernbuddys in Lerngruppen aus Sicht der Studierenden weniger attraktiv sind, sollten andere Einsatzbereiche für derartige Systeme (z. B. für das Selbststudium) geprüft werden. Auch wenn Studierende der KI-Unterstützung von Lehrenden bei der Benotung eher skeptisch gegenüberstehen, könnte diese Maßnahme Lehrkräfte entlasten – vorausgesetzt, es erfolgen eine geeignete Aufklärung der Studierenden sowie klare Regelungen bei der Nutzung durch Lehrende.

Künstliche Intelligenz wird auch zukünftig eine zentrale Rolle im Studium spielen. Die Hochschulen stehen vor der Aufgabe, den KIEinsatz zu regulieren und zu fördern, um die Potenziale von KI auszuschöpfen und gleichzeitig Risiken zu minimieren. Dazu ist es nötig, dass auch Lehrende die nötigen Kenntnisse erwerben. Wichtig erscheint eine Integration von KI in die Lehre, die den Kompetenzerwerb der Studierenden unterstützt, aber soziale Interaktionen fördert. Auch lernunterstützende KI-Tools für das Selbststudium wären hierfür förderliche Zusatzangebote. Insofern können neben der Ausbildung auch technische Innovationen dazu beitragen, das Studiumzukunftsfähig und attraktiv zu gestalten.

Die rasante Entwicklung der KI-Nutzung im Studium erfordert auch ein regelmäßiges Monitoring, um rasch auf Veränderungen reagieren zu können. Zudem konnten wir in Zusatzauswertungen nur wenige soziodemografische Unterschiede bei der KI-Nutzung finden, weshalb sie aus Platzmangel ausgespart wurden. Hier würden sich in Zukunft sicherlich weitere und tiefergehende Untersuchungen anbieten.

Von Anna Marczuk, Frank Multrus, Thomas Hinz & Susanne Strauß

Erstveröffentlichung: DZHW-Brief 02 2025 (hier finden sich zugehörige Quellen und Abbildungen).