Studien zeigen, dass generative KI im Hochschulalltag angekommen ist. Doch wie können Kompetenzen in diesem Bereich aufgebaut und gefördert werden? Dieser Blogbeitrag stellt den Ansatz der Hochschule der Medien Stuttgart vor: Eine Ringvorlesung, in der Expert:innen aus verschiedenen Bereichen Vorträge zu unterschiedlichen Aspekten von KI halten, soll allen Interessierten einen Einstieg in das Thema bieten.

Generative KI wird im Studium bereits breit genutzt, wie u. a. eigene Erhebungen an der Hochschule der Medien Stuttgart zeigen. Bereits 2024 konnten wir hier eine flächendeckende Nutzung (94 % der Befragten) feststellen. Deutschlandweite Studien unterstreichen die zunehmende Verbreitung von KI im Studium, was zugleich die Frage nach einem angemessenen Kompetenzniveau im Umgang mit diesen Technologien aufwirft.

So konnte etwa das CHE in einer Erhebung aus dem WS 24/25 zeigen, dass 65 % der deutschen Studierenden KI täglich oder wöchentlich im Studium nutzen. Gleichzeitig zeigt diese Studie aber auch, dass die Vorbereitung und Begleitung der Studierenden in der Nutzung von KI noch Optimierungspotenzial aufweisen: 47 % der Befragten bewerten die Angebote im Studium zum Kompetenzerwerb im Umgang mit KI als sehr schlecht oder schlecht.

Dieser Befund deutet darauf hin, dass bestehende Angebote zur Vermittlung von KI-Kompetenzen von Studierenden als unzureichend wahrgenommen werden und daher weiterentwickelt werden sollten. Der Beitrag verfolgt das Ziel, zentrale Herausforderungen der Vermittlung von KI-Kompetenzen im Hochschulkontext zu skizzieren und ein darauf reagierendes Ringvorlesungskonzept als praxisnahen Lösungsansatz vorzustellen.

Generative KI hat das Potenzial, die Art und Weise, wie wir lernen, arbeiten und kommunizieren, stark zu verändern. Für Hochschulen stellt sich die Frage, welche Kompetenzen Studierende benötigen, um KI sinnvoll im Studium zu nutzen. Ziel ist es, Lernprozesse zu unterstützen statt sie zu behindern. Zudem muss berücksichtigt werden, welche Kompetenzen Studierende im Kontext von KI erwerben müssen, damit die Hochschule ihrem Bildungsauftrag gerecht wird.

Dieser umfasst nicht nur die wissenschaftliche bzw. künstlerische Befähigung, sondern auch die Befähigung, eine qualifizierte Erwerbstätigkeit aufzunehmen, die Befähigung zum gesellschaftlichen Engagement und die Persönlichkeitsentwicklung der Studierenden. Hinzu kommen rechtliche Anforderungen: Aus der EU-KI-Verordnung lassen sich – insbesondere in Kontexten, in denen Studierende KI-Tools im Rahmen von Prüfungsleistungen nutzen sollen oder müssen – Anforderungen an die Vermittlung grundlegender KI-Kompetenzen ableiten. Die Vermittlung von KI-Kompetenzen ist damit kein Zusatzangebot mehr, sondern Teil des Kernauftrags von Hochschulen.

Bereits vor dem Durchbruch von generativer KI auf dem Massenmarkt 2022/23 gab es erste Versuche, KI-Kompetenzen genauer zu fassen. In diesem Kontext wurde der Begriff KI-Literacy geprägt. So definierten etwa Long und Magerko sie als „a set of competencies that enables individuals to critically evaluate AI technologies; communicate and collaborate effectively with AI; and use AI as a tool online, at home, and in the workplace.“

Seitdem hat sich die inhaltliche Debatte um KI-Literacy, mit der Konzeption weiterer Modelle aber auch grundsätzlichen Zweifeln an deren Notwendigkeit (vgl. etwa die Position von Kalz), weiterentwickelt. Zuletzt haben Hackl et al ein Metamodell vorgestellt, dass sieben Dimensionen umfasst:

• Technisches Wissen & Fähigkeiten: Grundlegendes Verständnis, wie KI funktioniert (z. B. wie KI aus Daten lernt).
• Anwendungskompetenz: KI-Technologien effektiv für praktische Probleme nutzen und Arbeitsabläufe verbessern.
• Kritisches Denken: KI-Systeme, ihre Ergebnisse und ihre Grenzen analysieren und bewerten.
• Ethisches Bewusstsein & Urteilsfähigkeit: Ethische Fragen rund um KI erkennen, bewerten und adressieren (z. B. Fairness, Transparenz, Datenschutz, Autonomie).
• Verständnis gesellschaftlicher Auswirkungen: Begreifen, wie KI Gesellschaft, Politik und Wirtschaft langfristig beeinflusst (positiv wie negativ).
• Integrationsfähigkeiten: KI-Technologien sinnvoll in bestehende (digitale) Umgebungen und Arbeitsweisen einbinden.
• Rechtliches & Regulatorisches Wissen: Kenntnis relevanter rechtlicher Rahmenbedingungen (z. B. Datenschutzgrundverordnung, Urheberrecht, der neue EU AI Act).

Auf allen Dimensionen werden vier Niveaustufen – von „Unwissend“ bis „Experte“ – unterschieden. Ziel einer Hochschulausbildung ist aus ihrer Sicht mindestens das Erreichen der zweiten Stufe. Auch dieses Modell muss jedoch als Zwischenergebnis eines Diskussionsprozesses und nicht als dessen Endergebnis verstanden werden.

Bei der Konzeption und Umsetzung von KI-Literacy-Angeboten, die versuchen, die verschiedenen Dimensionen zu integrieren, stellen sich mehrere Herausforderungen:

• Heterogenität der Lernenden: Sehr unterschiedliche Vorkenntnisse und Nutzungspraktiken erschweren die Entwicklung einheitlicher Angebote.
• Dynamik der Entwicklung: Die rasante technologische Weiterentwicklung generativer KI erfordert kontinuierliche Anpassung von Inhalten und Formaten. Zudem erfordern aber auch andere Veränderungen, etwa im regulatorischen Bereich oder der aktuellen Rechtssprechung, die kontinuierliche Anpassung der Inhalte.
• Mehrdimensionalität von KI-Literacy: Für die verschiedenen Dimensionen von KI-Literacy braucht es ganz unterschiedliche fachliche Expertise auf Seiten der Lehrenden.

Zudem muss geklärt werden, wie eine curriculare Integration in bestehende Studiengänge erfolgen kann. Aus didaktischer Ebene stellt sich die Frage, wie in einem solchen Format sowohl Wissen als auch Anwendungsfähigkeiten, Haltungen und Motivationslagen adressiert werden können.

Die Herausforderungen sind also vielfältig: Ein allgemeingültiges Modell von KI-Literacy existiert noch nicht, die Dynamik ist hoch und der:die einzelne Lehrende ist überfordert, alle Facetten von KI-Literacy selbst abzudecken. Der Blick auf die anfangs zitierten Zahlen zeigt jedoch, dass die Hochschulen schnell ins Handeln kommen müssen.

Vor dem Hintergrund der skizzierten Herausforderungen haben wir im WS 25/26 einem agilen Ansatz folgend die Veranstaltung „KI-Kompetenz für Studium, Beruf und Gesellschaft“ konzipiert und implementiert. Die Veranstaltung folgt der Idee einer Ringvorlesung. Unterschiedliche Expert:innen gestalten jeweils eine Sitzung und bringen ihre individuelle Perspektive ein. Für die Entwicklung des Konzepts waren folgende Gedanken zentral:

• Kein Anspruch auf Vollständigkeit und Perfektion von Beginn an, sondern eine iterative inhaltliche Weiterentwicklung des Formats – abgestimmt auf die weitere Entwicklung des Themas. Das Konzept setzt auf eine schnelle Umsetzung und wird iterativ weiterentwickelt.
• Offenheit für alle: Studierende, Mitarbeitende und Lehrende. KI-Literacy ist eine Gemeinschaftsaufgabe, die alle Statusgruppen betrifft – und daher sollten auch alle mitgedacht und zur Veranstaltung eingeladen werden.
• Selbstreflexion als zentraler Bestandteil: In jede Sitzung sind Reflexionsübungen integriert. Am Ende der Reihe erstellt jede:r Studierende einen persönlichen Entwicklungsplan zur Weiterentwicklung der eigenen KI-Kompetenz. Das didaktische Design zielt darauf ab, alle Ebenen von KI-Kompetenz – Wissen, Anwendung und Haltungen/Einstellungen  – zu adressieren.
• Skalierbarkeit: Das Konzept soll auch das Arbeiten mit großen Gruppen ermöglichen.

In einem ersten Schritt wurden ausgehend von einem breiten Verständnis von KI-Literacy geeignete Expert:innen (Professor:innen aber auch Mitarbeiter:innen in zentralen Einrichtungen) innerhalb der Hochschule aber auch bei Industriepartnern identifiziert und angefragt. Die Bereitschaft zur Unterstützung war hier sehr groß.

Das didaktische Design der Veranstaltung folgt einer klar strukturierten Sitzungslogik. Jede Sitzung beginnt mit einem kurzen (ca. fünfminütigen) Interview mit den Vortragenden, um deren fachlichen Hintergrund, Perspektive und Zugang zum Thema transparent zu machen. Daran schließt sich eine etwa 60-minütige Phase an, die von den Expert:innen frei gestaltet wird und Input, interaktive Elemente sowie praktische Erprobung verbinden kann.

Die abschließenden 25 Minuten dienen entweder der strukturierten Reflexion in Kleingruppen (z. B. zu Relevanz, Transfer und individuellen Lernzielen) oder einer vertieften Anwendung der Inhalte mit anschließender individueller Reflexion im Nachgang der Sitzung. Reflexion nimmt im Konzept eine zentrale Rolle ein und zielt primär auf den individuellen Transfer sowie die Planung der eigenen Weiterentwicklung. Zur Unterstützung werden den Studierenden unterschiedliche Reflexionsmethoden zur Verfügung gestellt.

Als Dokumentation reichen die Studierenden zu jeder Sitzung eine schriftliche Reflexion über das LMS ein. Diese bilden die Grundlage für eine abschließende, KI-gestützte Verdichtung der eigenen Lernprozesse und Erkenntnisse. Auf dieser Basis entwickeln die Studierenden ein persönliches Lernresümee sowie einen individuellen Entwicklungsplan zur weiteren Ausgestaltung ihrer KI-Literacy, die ebenfalls über das LMS eingereicht werden. Auf eine benotete Prüfungsleistung wird bewusst verzichtet, um den Fokus auf kontinuierliche Auseinandersetzung, Selbstreflexion und Kompetenzentwicklung zu legen.

KI-Literacy entwickelt sich zunehmend zu einer zentralen Querschnittskompetenz in Studium, Beruf und Gesellschaft. Hochschulen stehen vor der Herausforderung, dieser Entwicklung zeitnah und angemessen zu begegnen. Das vorgestellte Ringvorlesungskonzept begegnet dieser Unsicherheit mit einem offenen, iterativen und interdisziplinären Ansatz.

Es integriert unterschiedliche Perspektiven, fördert systematisch Reflexion und ermöglicht Studierenden eine aktive Auseinandersetzung mit KI in verschiedenen Kontexten. Erste Erfahrungen an der Hochschule zeigen eine durchweg positive Resonanz bei Studierenden und Lehrenden. Der aktuell laufende zweite Durchlauf im Sommersemester wird zusätzlich durch ein TAP (Teaching Analysis Poll) sowie weitere Instrumente evaluiert.

Das Konzept versteht sich dabei nicht als abschließende Lösung, sondern als erprobbarer und weiterentwickelbarer Rahmen, der an unterschiedliche institutionelle Kontexte angepasst werden kann. In einem dynamischen Feld wie der KI erscheint ein solcher lernorientierter Ansatz besonders geeignet, um Hochschulen handlungsfähig zu halten und Studierende nachhaltig in ihrer Kompetenzentwicklung zu unterstützen.

Dr. Tobias Seidl ist Professor für Schlüssel- und Selbstkompetenzen Studierender an der Hochschule der Medien Stuttgart. Zu seinen Lehr- und Forschungsschwerpunkten gehören Future Skills, KI und Hochschule sowie zukunftsfähige Hochschul(aus)bildung.