In der Praxis ist KI an vielen Hochschulen längst angekommen – die institutionelle Einbettung hält damit nicht immer Schritt. Anja Westermann und Jens Tobor nehmen einen gemeinsam mit Malte Miram gestalteten Workshop auf der Learning AID zum Ausgangspunkt und formulieren fünf Impulse für institutionelle Handlungsfähigkeit.

Beim Thema KI geht es an Hochschulen längst nicht mehr nur um das Starten neuer Pilotprojekte, Lehrformate, KI-Tools und Unterstützungsangebote. Die Aufgabe, die immer stärker in den Vordergrund rückt, lautet, aus den verteilten Initiativen und Impulsen ein gemeinsames Verständnis und eine kohärente strategische Handlungsfähigkeit zu entwickeln. Denn KI wirkt tief in akademische wie organisatorische Abläufe hinein und erfordert eine gezielte Steuerung, damit zentrale Prinzipien wie wissenschaftliche Integrität und institutionelles Selbstverständnis gewahrt bleiben.

Genau diese Dynamik spiegelte sich auch am 01. September wider, als die Community rund um Lernen, Lehren und Technologie auf der Learning AID zusammenkam. Für uns ist die Konferenz jedes Jahr ein wunderbarer Seismograph der sozio-technischen Transformation der Hochschulbildung.

Gemeinsam durften wir vor Ort unseren Workshop „KI-Transformation gestalten: Strategien, Praxis und Governance teilen und gemeinsam weiterdenken“ moderieren. In vier Themengruppen und einem lebendigen Plenum haben die 36 Teilnehmenden geteilt, wo Hochschulen aktuell stehen, wo es hakt und welche Lösungen sich bewähren. Der Workshop knüpfte nahtlos an die Atmosphäre der Learning AID an: Den Teilnehmenden merkten wir die Bereitschaft an, voneinander zu lernen und über Fach- und Institutionsgrenzen hinweg zu kooperieren.

Um diese vielfältigen Eindrücke weiterzutragen, führen wir die Kernbotschaften aus unserem Workshop und der Tagung hier im Blog zusammen.

Als Ausgangspunkt für die Arbeitsphase gaben wir den Teilnehmenden Einblicke in aktuelle Beobachtungen des Hochschulforums Digitalisierung. Sie basieren auf Erkenntnissen aus den Peer-to-Peer-Strategieberatungen, dem KI-Lab und Publikationen wie dem Blickpunkt „Leitlinien-Check 2026“ oder dem Arbeitspapier „KI als Managementaufgabe der Hochschule“. Dabei zeigt sich, dass die anfänglich oft ablehnende und abwehrende Haltung an den Hochschulen einer Phase der konstruktiven Auseinandersetzung gewichen ist. An vielen Hochschulen existieren bereits Leitlinien, vielerorts werden Tool-Lizenzen erprobt sowie institutionelle KI-Zugänge bereitgestellt und Pilotprojekte gestartet.

Doch die eigentliche Arbeit beginnt erst jetzt: Nach der ersten Phase des Erprobens gilt es nun, die Folgen für die gesamte Institution zu reflektieren und organisatorisch aufzugreifen. Wie lassen sich Selbstverständnis und Werte der Hochschulbildung in einer Zeit bewahren und weiterentwickeln, in der KI-Systeme genau diese Fundamente herausfordern? Um diese Frage greifbar zu machen, haben wir sie über vier Spannungsfelder konkretisiert:

1. Kompetenzen & Curriculum: Wie verändern generative und agentische Systeme unser Verständnis von Eigenleistung und Prüfungen?

2. Strategie & Verankerung: Wie schaffen wir aus tausend bunten Pilotprojekten eine kohärente institutionelle Richtung, ohne die fachliche Vielfalt abzuwürgen?

3. Governance & Organisationsentwicklung: Welche adaptiven Entscheidungsstrukturen brauchen wir, um mit unterschiedlichen Geschwindigkeiten der KI-Integration umzugehen?

4. Infrastruktur & Support: Wie ermöglichen wir chancengerechten Zugang zu KI-Systemen und Supportangeboten und verhindern gleichzeitig projektförmige Dauerlösungen?

Nach dem Input teilten sich die Teilnehmenden auf die vier Bereiche auf, um ihre Perspektiven aus der Praxis einzubringen und zu spiegeln. Dabei wurde rasch deutlich, dass die Hochschulen vor ganz ähnlichen Herausforderungen stehen und sich bereits gemeinsame Muster abzeichnen.

In der anschließenden Consulting-Phase formulierten die Teilnehmenden konkrete Empfehlungen zu der Frage: Was sollten Hochschulen jetzt tun, verstärken oder lassen? Aus den Arbeitsphasen und den vielen Flurgesprächen der Learning AID verdichten wir fünf zentrale Impulse.

Viele KI-Aktivitäten beginnen als Pilot, Drittmittelprojekt oder Initiative einzelner Engagierter. Für Erforschung, Erkundung und Innovation einer dynamischen Technologie mag das sinnvoll sein. Problematisch wird es dort, wo aus einer vorläufigen Lösung unbemerkt eine projektförmige Dauerlösung wird: Ein Tool wird genutzt, eine Beratung nachgefragt oder ein Service erwartet, ohne dass Personal, Finanzierung und Zuständigkeit für den dauerhaften Betrieb geklärt sind. Wird dieser Bogen überspannt, kann es sein, dass potenziell gute Lösungen ganz verschwinden. Ein Anlass, die Lage eingesetzter KI‑Technologien an der Hochschule überhaupt erst einmal zu sondieren, kann die laut AI‑Act formulierte Anforderung sein, KI-Inventare aufzustellen und zu pflegen.

KI als Daueraufgabe ernst zu nehmen bedeutet auch, zu entscheiden, welche Angebote inzwischen in den Regelbetrieb gehören, weil sie von Hochschulangehörigen erwartet werden, und welche Leistungen darüber hinaus strategisch sinnvoll sind und gegebenenfalls zur Profilbildung beitragen. Um einen Regelbetrieb zu gewährleisten, sind etwa verlässliche KI-Zugänge, Qualifizierung, Beratung, technische Betreuung oder Verfahren zur Bewertung neuer Anwendungen sinnvoll.

Einige dieser Funktionen müssen dabei nicht zwingend allein hochschulintern organisiert werden – darauf kommen wir im fünften Impuls zurück. Kurzum: Neben den weiterhin wichtigen Experimentierräumen brauchen Hochschulen ebenso Mechanismen, mit denen aus bewährten Experimenten belastbare Strukturen entstehen. Die Herausforderung besteht damit in einer doppelten Bewegung, die Bewährtes verstetigen kann, ohne die Fähigkeit zum pragmatischen Erproben und schnellen Handeln zu verlieren.

Genau diese Beweglichkeit können pragmatische Quick-Wins schaffen. Gerade weil die KI-Transformation einen langen Atem braucht, sind überschaubare, schnell wirksame Verbesserungen wichtig: ein vereinfachter Verwaltungsprozess, eine gut funktionierende Prompt-Sammlung, ein erprobtes Schulungsformat oder eine lokale Lösung, die sich ohne großen Aufwand übertragen lässt. Solche Quick-Wins schaffen konkreten Nutzen, machen Fortschritt sichtbar und können Akzeptanz für größere strukturelle Veränderungen stärken.

Sie sind damit mehr als Motivationshilfen: Unter Unsicherheit ermöglichen sie es, ins Handeln zu kommen, Erfahrungen zu sammeln und daraus die nächsten Schritte abzuleiten. Nicht jeder erfolgreiche Versuch muss dabei unmittelbar skaliert werden. Entscheidend ist, aus ihm zu lernen. Damit aus diesen Erfahrungen wiederum mehr wird als eine Ansammlung lokaler Einzelaktivitäten, müssen sie innerhalb der Hochschule sichtbar werden und bestenfalls so aufbereitet werden, dass erkennbar wird, unter welchen Bedingungen etwas funktioniert hat und was sich daraus für weitere Entscheidungen ableiten lässt.

Wer ist eigentlich zuständig, wenn didaktische, technische, rechtliche und strategische Fragen gleichzeitig berührt werden? Die Workshopdiskussionen zeigten, dass das Problem häufig weniger das vollständige Fehlen von Strukturen ist als unklare Verantwortungsübergänge, stockende Informationsflüsse und fehlende Verbindungen zwischen dezentralem Erfahrungswissen und zentralen Entscheidungen. Hochschulen sind keine fein verzahnten Maschinen, sondern eher ein Geflecht relativ eigenständiger Bereiche. Die entscheidende Governancefrage lautet daher, wie tragfähige Brücken zwischen diesen Bereichen geschaffen werden können.

Die Aufgabe besteht darin, solche Verbindungen gezielt herzustellen und zu stärken, ohne dabei die Frage nach Zuständigkeiten und Entscheidungsrechten allein auf ein Kommunikationsproblem zu verkürzen. Denn hochschulweite AI-Readiness entsteht nicht allein durch technische Ausstattung oder Einzelkompetenzen, sondern auch dadurch, dass Herausforderungen, Lösungsansätze und Lernerfahrungen zwischen Bereichen zirkulieren und in Entscheidungen einfließen können.

Neue organisationale Einheiten wie AI Offices können dabei als Koordinations- und Übersetzungsknoten dienen: Sie bündeln verteilte Expertise, machen Bedarfe und Entwicklungen sichtbar und bereiten sie so auf, dass sie organisationsweite Entscheidungen unterstützt. Gleichzeitig dürfen sie nicht zu Orten werden, an die Verantwortungsübernahme und Expertise exklusiv ausgelagert werden.

Die Existenz eines solchen Office entlastet die Leitungsebene beispielsweise nicht davon, eigene KI-Kompetenzen zu entwickeln, wie Workshopteilnehmende herausstellten: Wer über KI-bezogene Fragen im Kontext der Hochschulentwicklung entscheiden soll, muss die Konsequenzen dieser Entscheidungen zumindest hinreichend einschätzen können. Mit funktionierenden Informationswegen ist allerdings noch nicht geklärt, wessen Perspektiven über diese Wege überhaupt in Entscheidungen Eingang finden sollten.

Studierende gehören bei der KI-Transformation nicht nur deshalb an den Tisch, weil Beteiligung grundsätzlich wünschenswert ist. Sie verfügen über Erfahrungswissen, das für gute Entscheidungen unverzichtbar ist: Wie wird KI im Studienalltag tatsächlich eingesetzt? Wo entstehen Unsicherheiten? Welche Regeln werden verstanden, welche umgangen? Wo entstehen neue Unterschiede beim Zugang oder in der Nutzung? Ein offener Umgang mit diesen Fragen setzt tatsächliches Erkenntnisinteresse und eine nachvollziehbare Rückkopplung in Entscheidungen voraus und funktioniert nur, wenn eine faktisch breite KI-Nutzung (vgl. Horstmann et al. 2026) enttabuisiert diskutiert werden kann.

Das Gleiche gilt für Lehrende, Supporteinrichtungen, Verwaltung und andere Akteursgruppen. Wer strategische Leitlinien, Curricula oder Prüfungsregelungen entwickelt, braucht Zugang zu diesem verteilten Erfahrungswissen. Partizipation ist deshalb nicht bloß Legitimation, sondern auch eine Voraussetzung organisationaler Beobachtungs- und Entscheidungsfähigkeit.

Gleichzeitig genügt es nicht, immer dieselben engagierten Vertreter:innen einzubeziehen. Gerade bei Studierenden muss gefragt werden, wie die Vielfalt unterschiedlicher Lebensrealitäten, Studienbedingungen und KI-Nutzungsweisen überhaupt sichtbar werden kann. Damit verschiebt sich die Frage von „Wer darf mitreden?“ zu: Welche Perspektiven fehlen uns bislang – und wie können wir sie einbeziehen, um fundiert darüber zu entscheiden, welche Rolle KI an der Hochschule spielen soll?

Dieses Prinzip verteilten Erfahrungswissens endet allerdings nicht an den Grenzen der eigenen Hochschule. Gerade bei Infrastruktur, Spezialexpertise und Support stellt sich auch hochschulübergreifend die Frage, was gemeinsam besser geleistet werden kann.

Kaum eine Hochschule wird die für KI nötige Infrastruktur, Expertise und Unterstützungslandschaft allein aufbauen und aktuell halten können. Hochschulverbünde und überregionale Kooperationen können deshalb helfen, Ressourcen zu bündeln, technische Lösungen gemeinsam zu betreiben und spezialisierte Expertise verfügbar zu machen.

Kooperation bedeutet jedoch nicht, Verantwortung auszulagern oder sich allein auf die KI-Expertise starker Verbundpartner:innen zu verlassen. Stattdessen müssen alle Kooperationspartner:innen institutionell selbst entscheiden können, welche Lösungen zu den eigenen Zielen, Fachkulturen und Anforderungen an Daten und Prozesse passen.

Dafür müssen sie nicht jede Spezialexpertise selbst vorhalten, aber über genügend eigene Urteilskraft verfügen, um Anforderungen zu formulieren, Optionen zu bewerten und über Einsatz oder Nicht-Einsatz informiert entscheiden zu können. Kooperation erweitert somit Handlungsspielräume, darf aber gerade die institutionelle Handlungsfähigkeit kleinerer Partner:innen nicht schwächen. Umgekehrt stärkt deren eigene Urteils- und Integrationsfähigkeit nämlich auch die Kooperation selbst.

Die Learning AID hat einmal mehr gezeigt: Die Hochschul-Community wartet nicht ab, sondern gestaltet längst pragmatisch, kritisch und lösungsorientiert. Zwischen strategischer Ausrichtung, technischer Infrastruktur und didaktischer Praxis gibt es dabei keine einfachen Abkürzungen. Was es stattdessen braucht, ist Mut zum Ausprobieren, transparente Kommunikation auf Augenhöhe und vor allem den festen Willen, diesen Weg nicht allein zu gehen.

Die KI-Transformation ist ein Marathon, kein Sprint. Doch sie wird spürbar leichter, wenn wir Erfahrungen, Erfolge und auch das Scheitern kontinuierlich miteinander teilen. Hochschulen, die jetzt auf Kooperation setzen, verbindliche Verantwortlichkeiten etablieren und Studierende als aktive Mitgestalter:innen begreifen, legen ein belastbares Fundament für künftige Innovationswellen.

Für uns als HFD-Team war die Konferenz eine wunderbare Bestätigung dafür, mit wie viel Energie und Offenheit dieser Diskurs geführt wird. Wir freuen uns darauf, diesen Weg gemeinsam mit der Community weiterzugehen!

Dr. Anja Westermann ist seit 2025 Projektmanagerin im Hochschulforum Digitalisierung beim CHE. In ihrer Rolle liegt ihr Schwerpunkt auf der Entwicklung von Rapid-Response-Maßnahmen sowie auf dem Thema digitale Resilienz. Darüber hinaus unterstützt sie die Arbeit im Bereich von Künstlicher Intelligenz in Studium und Lehre. Vor ihrer Tätigkeit beim HFD war sie als wissenschaftliche Mitarbeiterin an der Universität Paderborn tätig. Dort arbeitete Sie sowohl im Bereich Forschung und Lehre, als auch im hochschulweiten Projekt „KI und Open Source LLM“.

Jens Tobor ist seit 2022 als Projektmanager des Hochschulforums Digitalisierung tätig. Er befasst sich mit den Auswirkungen der generativen KI auf die Hochschulbildung. In diesem Kontext beschäftigt er sich insbesondere mit zeitgemäßem Prüfen an Hochschulen und einer entsprechend ermöglichenden Prüfungskultur.

Bevor Jens Tobor seine Tätigkeit beim Hochschulforum Digitalisierung aufnahm, studierte er Organisationssoziologie an der Universität Bielefeld und war Werkstudent beim Bau- und Liegenschaftsbetrieb des Landes Nordrhein-Westfalen, wo er Ansätze zur innovativen Lernraumgestaltung vorantrieb.