Die FernUniversität in Hagen versteht KI als disruptive Basistechnologie, die Fragen für die Weiterentwicklung der gesamten Hochschule aufwirft. Ihre KI-Strategie für 2026 bis 2028 macht den Umgang mit KI deshalb zur gemeinsamen Gestaltungsaufgabe. Konkretisiert wird dieser Anspruch in fünf Handlungsfeldern: Lehre und Studium, Forschung und Entwicklung, Verwaltung, Governance sowie Infrastruktur und Betrieb. Dabei knüpft die Strategie an die jeweiligen Aufgaben und Perspektiven unterschiedlicher Statusgruppen an und lädt sie ein, den KI-Einsatz in ihren jeweiligen Bereichen mitzugestalten.

Auch die Entwicklung der Strategie war partizipativ angelegt: Vertreter:innen aus Wissenschaft und Verwaltung brachten fachliche Einschätzungen, Praxiserfahrungen, kritische Hinweise und unterschiedliche Erwartungen ein. Dieser Ansatz soll sich in der Umsetzung fortsetzen. Dafür setzt die Strategie auf Austauschformate, Pilotierungen und Evaluation, um Erfahrungen aus der Praxis aufzugreifen, kritisch zu reflektieren und für die Weiterentwicklung des strategischen Rahmens zu nutzen.

1. Strategie braucht Übersetzer:innen: Eine Roadmap wirkt erst, wenn Ziele in Maßnahmen, Strukturen und Fachpraxis übersetzt werden. Fachnahe KI-Botschafter:innen können diese Brücke bilden, sofern Mandate, Rückkopplungswege und Ressourcen geklärt sind.

2. Kritik nicht befrieden, sondern institutionalisieren: Psychologische Sicherheit, transparente Kommunikation und Partizipation schaffen Räume für KI-Perspektiven, die zuvor womöglich unsichtbar waren. Werden diese Perspektiven aufgegriffen und institutionell bearbeitet, erhält Kritik einen legitimen Ort und einen Bearbeitungsweg. Das schafft Vertrauen für einen breit angelegten Strategieprozess.

3. KI-Strategie heißt auch, Ressourcen neu zu ordnen: Ziele müssen regelmäßig auf technische und finanzielle Tragfähigkeit geprüft werden. Transformation gelingt nicht nur durch zusätzliche Mittel, sondern auch durch bewusste Umschichtung von Ressourcen aus bestehenden Strukturen und Praktiken.

Die TU Braunschweig begreift Künstliche Intelligenz als strategische Zukunftsfrage ihrer institutionellen Identität. Die Universität lotet daher im Strategieprozess agil und iterativ aus, wie sich das Bildungsverständnis einer Technischen Universität in einer von KI geprägten Hochschullandschaft weiterentwickeln lässt und was das für Studium, Lehre und Prüfungen bedeutet. Mit dem hochschulweiten AI4TUBS Lab hat sie dafür einen ressortübergreifenden Denk- und Entwicklungsraum geschaffen. Dort erarbeiten Präsidium, Wissenschaft und zentrale Einrichtungen gemeinsam Strategien, Leitlinien und Zukunftsbilder. Die formale Legitimation wird über etablierte Governance-Strukturen und die Beschlussfassung der zuständigen Hochschulgremien sichergestellt.

Im Strategieprozess experimentiert die Universität insbesondere mit Zukunftsbildern und Futuring-Methoden, um mögliche Auswirkungen von KI auf Studium, Lehre und Hochschulorganisation frühzeitig zu reflektieren.  Die Zukunftsszenarien dienen dabei als Impulse für Diskussion, Orientierung und strategische Weiterentwicklung. Das Beispiel der TU Braunschweig zeigt damit, wie Hochschulen Geschwindigkeit, Partizipation und institutionelle Verankerung in Transformationsprozessen miteinander verbinden können.

1. Zukunftsbilder fördern strategische Orientierung: Futuring-Ansätze helfen, mögliche Entwicklungen sichtbar zu machen und Handlungsoptionen frühzeitig zu diskutieren.

2. Agile Formate schaffen Handlungsfähigkeit: Zeitlich befristete, interdisziplinäre Arbeitsgruppen mit Sprint-Logik können Strategien schneller entwickeln und helfen, diese kontinuierlich anzupassen.

3. Strategien sollten modular angelegt werden: Langfristige Strategien geben Orientierung; anpassbare Leitlinien ermöglichen zugleich, in einem dynamischen Umfeld auf neue Entwicklungen zu reagieren.

KI beeinflusst den Arbeitsmarkt auf verschiedene Weise: Arbeitsinhalte ändern sich, weil KI Aufgaben übernimmt, unterstützt oder neue Aufgaben schafft. Dadurch verändern sich auch die Fähigkeiten, die von Fachkräften verlangt werden. Neben fachlichem Wissen gewinnen unter anderem KI-Kompetenz, digitale Fähigkeiten, kritisches Denken, Problemlösungsfähigkeit und Anpassungsfähigkeit an Bedeutung. Wie können Lernangebote zur Förderung von KI-Kompetenzen curricular verankert werden? Die niederländische Organisation SURF greift diese Frage mit ihrem Programm Npuls auf. Es untersucht, wie Curriculumentwicklung agiler auf neue Anforderungen reagieren kann, welche Kompetenzen AI Literacy umfasst und wie sich diese in Curricula abbilden lassen. Dazu wurde ein praxisorientierter Leitfaden entwickelt, der Hochschulen unterstützt.

Der Leitfaden beschreibt ein zyklisches Acht-Schritte-Modell, das kontinuierliche Verbesserung ermöglichen soll. Es beginnt mit einer Bestandsaufnahme und einer gemeinsamen Richtung: Welche Kompetenzen sind auf Organisations-, Team- und individueller Ebene vorhanden, und warum soll AI Literacy gestärkt werden? Darauf folgen Gestaltung und Umsetzung, der Aufbau nötiger Voraussetzungen – etwa Kompetenzen und technische Systeme – sowie gemeinsames Lernen und die Überprüfung, ob Erwartungen und Ergebnisse zusammenpassen.

1. Curricula brauchen Anpassungsspielräume, ohne Verlässlichkeit zu verlieren: Hochschulen und Fachbereiche sollten Verfahren etablieren, die eine kontinuierliche Überprüfung und Weiterentwicklung von Curricula ermöglichen, ohne deren Stabilität und Verlässlichkeit zu gefährden. Dazu gehören klar definierte Entscheidungsspielräume. Zugleich sollte die Curriculumentwicklung als langfristiger, kontinuierlicher Lern- und Anpassungsprozess verstanden und institutionell verankert werden.

2. AI Literacy braucht neben Strukturen und Ressourcen eine Qualitätssicherung, die Anpassungen ermöglicht: Hochschulen sollten geeignete fach- und organisationsübergreifende Strukturen für die Entwicklung und Umsetzung von AI Literacy aufbauen. Dafür sind eine verlässliche Finanzierung, geeignete technische Infrastrukturen, ausreichende personelle Kapazitäten und tragfähige Beschäftigungsbedingungen erforderlich. Gemeinsam mit Akkreditierungsakteuren sollten Hochschulen darauf hinwirken, dass Verfahren zur Qualitätssicherung notwendige curriculare Anpassungen ermöglichen.

3. AI Literacy ist eine gemeinsame Gestaltungsaufgabe über Hochschul- und Ländergrenzen hinweg: Hochschulen sollten die Entwicklung von AI Literacy verstärkt als gemeinsame Gestaltungsaufgabe begreifen und Kooperationen über Hochschul- und Ländergrenzen hinweg ausbauen. Durch den Austausch von Konzepten, Materialien, Infrastrukturen und Erfahrungen können Ressourcen gebündelt, Synergien genutzt und Abhängigkeiten von einzelnen Technologieanbietern reduziert werden.

Wie können KI-Kompetenzen von Studierenden durch curricular und extracurricular eingebundene Lernangebote gefördert werden? Die TH Nürnberg stellt als assoziierter Partner des Projekts „KI-Kompetenzen an Hochschulen stärken“ ihren Ansatz aus der Praxis vor. Online-Selbstlernkurse des KI-Campus werden sowohl als verpflichtender Grundlagenkurs für alle Studierenden als auch als Bestandteil individueller Lernpfade in das Studium der 13.000 Studierenden integriert. Ergänzt werden diese durch freiwillige Micro-Learning-Angebote sowie weitere Lernangebote zur tiefergehenden Anwendung und Reflexion, um die eigenständige Kompetenzentwicklung zu fördern. Der Austausch und die adaptierte Überführung in die Fakultäten sind dabei ein wichtiger Baustein der Weiterentwicklung.

Das bundesweite Verbundprojekt „KI-Kompetenzen an Hochschulen stärken“, koordiniert vom Stifterverband, entwickelt und verbreitet mit seinen Hochschul- und Forschungspartnern bedarfsorientiert weitere Selbstlernkurse für den Einsatz an Hochschulen. Die Nutzungsszenarien reichen vom selbstgesteuerten Lernen von Studierenden und Mitarbeitenden, etwa auf Grundlage einfacher Empfehlungen, über die Einbindung einzelner Materialien in bestehende Lehrveranstaltungen bis zur Adaption offener Inhalte und der Entwicklung von Micro-Degrees. Für die weitere Erprobung, Kooperation und Skalierung sucht das Projekt weitere Hochschulen als assoziierte Partner.

1. Verbindlichen Rahmen setzen und Fakultätsangebote verzahnen: Hochschulleitungen sollten gemeinsam mit der Hochschuldidaktik einen verbindlichen Rahmen für den KI-Kompetenzaufbau der Studierenden setzen und diesen mit den Angeboten der Fakultäten verzahnen. Der Mut, loszulegen und verantwortungsvoll gemeinsam voranzugehen, verdient die Unterstützung aller Akteur:innen.

2. Selbstlernkurse als möglichen Einstieg nutzen und Vertiefungen darauf aufbauen: Verpflichtende, extracurriculare Selbstlernkurse können ein möglicher Baustein und Einstieg in die KI-Basiskompetenzen sein. Darauf aufbauend sollten überfachliche und fachspezifische Vertiefungsangebote integrativ entwickelt werden. Dafür lohnt es sich, die Ressourcen des Projekts „KI-Kompetenzen an Hochschulen stärken“ mit dem KI-Campus und den Projektpartnern zu nutzen.

3. Gestufte Lernpfade entwickeln und Anrechenbarkeit prüfen: Individuelle Lernpfade können den KI-Kompetenzaufbau unterstützen. Die Hochschuldidaktik sollte sie gemeinsam mit den Fakultäten als gestufte Angebote entwickeln, etwa als Micro-Credentials. Fakultäten sollten prüfen, ob diese  in überfachlichen Wahlbereichen oder durch die Öffnung der Fächerkataloge als ECTS anrechenbar sind.

4. Veränderung braucht Vertrauen und Aushandlung: Die Herausforderungen von Anreiz- und Prüfsystemen über agentische KI bis zur Einbindung von Fakultäten lassen sich mit Verantwortungsbewusstsein, Mut und einer Kultur des Vertrauens und des gemeinsamen Aushandelns angehen.

Das Open Source Development Network ist ein hochschulübergreifender Verbund in Niedersachsen, in dem Hochschulen Open-Source-Software für Studium und Lehre kooperativ weiterentwickeln. Dazu gehören Stud.IP, ILIAS, Moodle, Opencast und OERSI. Nutzende, Betreibende und Entwickelnde arbeiten dabei zusammen; Bedarfe aus den Hochschulen werden kontinuierlich abgestimmt und mit den jeweiligen Software-Communities bearbeitet. So stärkt das OSDN digitale Souveränität, Handlungsfähigkeit und Strategiefähigkeit im Kontext der Hochschullehre. Im Mittelpunkt stehen Softwarequalität, Sicherheit, Barrierefreiheit, Nutzbarkeit und langfristige Wartung. Digitale Infrastruktur wird damit nicht nur als Betriebsaufgabe, sondern als kontinuierlicher Entwicklungsprozess verstanden, der gemeinsame Kooperation und Abstimmung erfordert.

Sieben Hochschulen arbeiten im Kernkonsortium des KI:Expertisezentrums.nrw an der gemeinsamen Entwicklung und dem Betrieb hochschulübergreifender KI-Dienste. Das Förderprojekt ist unter dem Dach der Digitalen Hochschule NRW (DH.NRW) angesiedelt, einer Kooperationsgemeinschaft von 41 Hochschulen in Nordrhein-Westfalen und dem Ministerium für Kultur und Wissenschaft.  . Die weiteren Mitgliedshochschulen der DH.NRW bilden die Zielgruppe des Projekts und können Bedarfe und Erfahrungen einbringen. Das vorgestellte Modell sieht vor, die KI-Dienste aus gemeinsamen Bedarfen heraus zu entwickeln und durch aktive Beteiligung sowie Mitfinanzierung der Hochschulen zu tragen. 

Der Ansatz umfasst mehrere Glieder der KI-Nutzung: Kompetenzen der Anwender:innen, Anwendungen und Schnittstellen, Sprachmodelle sowie Daten und technische Infrastruktur. Digitale Souveränität wird dabei als Querschnittsthema für Infrastruktur, Studium und Lehre, Forschungsunterstützung und Administration beschrieben. Dazu gehören auch zwei gemeinsame Rechenzentrumsstandorte und ein zehnjähriger Übergang im Rahmen der Cloud- und Sourcing-Strategie. Das Vorhaben zielt nicht darauf, eigene große Sprachmodelle von Grund auf zu entwickeln oder kommerzielle Angebote zu verdrängen. Vorgesehen ist die Nutzung frei verfügbarer Open-Weight-Modelle und ein eigener, kontrollierbarer Handlungsspielraum etwa für sensible Daten und hochschulspezifische Anwendungen. Als Risiken einer vollständigen Abhängigkeit von kommerziellen Anbietern wurden Datenkontrolle, Kostenmodelle, geopolitische Abhängigkeiten und fehlende eigene Modellkapazitäten benannt.

1. Ein bundesweites Mapping als nächster Schritt: Übergeordnete Organisations- und Vernetzungsstrukturen (HFD, HRK, NeL, KoLa etc.) könnten bestehende Strukturen, Angebote und Verbünde (z. B. HIS und DFN) kartieren, um Bedarfsträger:innen Orientierung und Anschlussfähigkeit zu ermöglichen.

2. Gemeinsam finanzieren – mit nachvollziehbarem Nutzen: Ein zentraler „Souveränitäts-Store“, getragen von einer übergeordneten Struktur, bereitet bestehende Angebote auf, bringt Nachfrage und Angebot zusammen und leitet Mittel zu Dienstleistern weiter. Hier können auch bestehende Angebote aus Landesstrukturen, kleineren Hochschulprojekten oder ansässigen privaten Anbietern bundesweit nachgefragt werden.

3. Ein modulares Framework für hochschulspezifische Bedarfe und Governance entwickeln: Es soll Hochschulen ermöglichen, passende Anknüpfungspunkte für ihre Bedarfe und Rahmenbedingungen zu identifizieren und sich darüber mit relevanten Stakeholdern und Angeboten zu vernetzen. Zugleich soll es die Entwicklung einer Governance-Strategie unterstützen, die den Anforderungen der jeweiligen Hochschulart gerecht wird.

4. Ein übergreifendes Mission-Statement entwickeln: Es soll den Oberbegriff „Digitale Souveränität“ für deutsche Hochschulen definieren.

Lehrlabor³ ist ein Programm des Bayerischen Zentrums für Innovative Lehre (BayZiel), das Lehrinnovation als gemeinsame Entwicklungsaufgabe versteht. Es setzt auf hochschulübergreifende Zusammenarbeit und die Einbindung unterschiedlicher Perspektiven in die Gestaltung von Lehre. In insgesamt sechs Dreierteams arbeiten jeweils ein:e Studierende:r, ein:e Lehrende:r und ein:e Hochschuldidaktiker:in an einem konkreten Lehrprojekt zusammen, um ihre Ideen für Lehren und Lernen weiterzuentwickeln und zu erproben. Im Rahmen des Programms werden die Lehrprojekte durch hochschulübergreifenden Austausch, Feedback und gezielte Impulse reflektiert und überarbeitet. Dabei können die Teams  auf das seit mehreren Jahrenbestehende Lehrlabor³-Netzwerk zurückgreifen. 

Der etwa achtmonatige Prozess umfasst drei dreitägige Präsenzphasen an unterschiedlichen Hochschulstandorten. Methodisch verbindet das Programm kreatives Game Thinking (EMPAMOS-Methode) mit Begleitangeboten zum Scholarship of Teaching and Learning (SoTL), die die Lehrenden dazu anregen, ihre Lehrprojekte systematisch zu beforschen. Die von den Teams erarbeiteten Ergebnisse werden bei einem Abschlussevent vorgestellt und in einer gemeinsamen Publikation veröffentlicht.

1. Strukturen schaffen und Eigeninitiative ermöglichen: Als besonders zielführend wurde das Zusammenspiel von Top-down-Strukturen und Bottom-up-Initiativen herausgestellt: Das Lehrlabor³ gibt den Prozess und einen verbindlichen organisatorischen Rahmen vor, während die Teams eigene Projektideen einbringen, weiterentwickeln und umsetzen.

2. Rollenübergreifende Zusammenarbeit gezielt fördern: Studierende, Lehrende und Hochschuldidaktiker:innen arbeiten auf Augenhöhe in gemeinsamen Teams zusammen. Die aktive Einbindung Studierender als Mitgestaltende von Lehrentwicklung eröffnet neue Perspektiven und stärkt die Qualität der Projekte.

3. Hochschulübergreifende Vernetzung und Sichtbarkeit stärken: Das vernetzte Arbeiten mit Teams anderer Hochschulen wurde als ein Erfolgsfaktor hervorgehoben. Das Lehrlabor³ gewinnt durch diesen Austausch an Attraktivität und fördert den Wissenstransfer; ein rein hochschulinternes Format erwies sich dagegen als weniger erfolgreich.

4. Engagement aller Beteiligten anerkennen: Die Mitwirkung von Studierenden, Lehrenden und Hochschuldidaktiker:innen wird durch geeignete Formen der Anerkennung und Unterstützung wertgeschätzt. Studierende erhalten Zertifikate, Aufwandsentschädigungen und Reisekosten; Lehrende und Hochschuldidaktiker:innen profitieren von Sichtbarkeit und Publikationsmöglichkeiten.

Campus in Transition verbindet die Technische Universität Braunschweig, die Universität Göttingen und die Leuphana Universität Lüneburg. Die Hochschulleitungen gaben den Auftrag, gemeinsame Lehr- und Studienangebote und Anknüpfungspunkte für eine gemeinsame (Administrations-)Infrastruktur zu entwickeln. Die drei Standorte bringen unterschiedliche, komplementäre Profile und vorhandene Angebote ein. Studierende sollen künftig ausgewählte Module an einem anderen Standort belegen und im eigenen Studium anrechnen lassen können. Ziel ist, Studienwege flexibler zu gestalten und vorhandene Expertise und Infrastruktur gemeinsam zu nutzen, statt Angebote oder Einrichtungen unnötig parallel aufzubauen.

Das Vorhaben befand sich zum Zeitpunkt der Präsentation noch in einer frühen Entwicklungsphase. Die Projektarbeit hat im zweiten Quartal 2026 begonnen. Im Rahmen der Förderlinie „Lehrarchitektur“ wird das Vorhaben sechs Jahre durch die Stiftung Innovation in der Hochschullehre gefördert. Die Beteiligten betonten zugleich, bereits jetzt die Verstetigung nach Förderende mitzudenken.

1. Kooperationskultur schaffen und unterschiedliche Perspektiven einbeziehen: Eine „Kultur des Wollens“ und Kooperationsbereitschaft wurden als zentrale Voraussetzungen für Innovationen in Studium und Lehre benannt – auch mit Blick auf IT, Support und Verwaltung. Eingeschriebene und potenzielle Studierende sowie Studieninteressierte sollten mit ihren Bedürfnissen und Perspektiven einbezogen werden.

2. Qualität sichern und Profile gezielt verbinden: Inhaltliche Qualität, individuelle Profilbildung, fachlicher Austausch und neue soziale Kontakte wurden als Faktoren für die Attraktivität hochschulübergreifender Angebote benannt. Hochschulen sollten ihre komplementären Profile verbinden und hochwertige Angebote mit erkennbarem fachlichem und persönlichem Mehrwert entwickeln. Dafür braucht es einen gemeinsamen strategischen Weg und einen hohen Qualitätsanspruch an allen Standorten, damit Wahlmöglichkeiten nicht zu Konkurrenz oder zur Wahl vermeintlich leichterer Veranstaltungen führen.

3. Praktische Voraussetzungen frühzeitig klären und als Change-Aufgabe verstehen: Unterschiedliche Kommunikationssysteme und Regeln, Datenschutz, IT-Kompatibilität, Prüfungsorganisation und Anerkennung von Leistungen wurden als konkrete Hürden benannt. Hochschulen sollten diese früh klären und betroffene Bereiche von Beginn an einbeziehen. Zugleich gilt es, die Vorteile von Präsenz- und digitaler Lehre bewusst zu gestalten. Soziale Zugehörigkeit, Identifikation und Vorbehalte beeinflussen die Umsetzung. Somit ist die Zusammenarbeit auch als Change-Management-Aufgabe zu verstehen.

4. Lernerfahrungen sichtbar machen und bestehende Transferstrukturen nutzen: Erfahrungen aus kleinen Projekten, einschließlich Hürden und Fehlversuchen, wurden als besonders wertvoll für den Transfer eingeschätzt. Projekte sollten sie bereits während der Arbeit sichtbar machen und über niedrigschwellige, praxisorientierte Impulse weitergeben. Für die Verbreitung sollten Plattformen, thematische Netzwerke, Veranstaltungen und Austauschformate auf Arbeitsebene genutzt und bestehende Infrastrukturen, etwa das HFD, mitgedacht werden.