In einem Hörsaal einer Moskauer Universität gibt eine Studentin im fünften Studienjahr eine halbe Stunde vor Abgabetermin eine Anfrage für eine Marketing-Fallanalyse in einen Chat ein. Die KI liefert einen strukturierten Text inklusive Beispielen und Quellenangaben. Die junge Frau überarbeitet die Formulierungen und reicht die Arbeit ein.
Eine im Fachmagazin „Frontiers in Education“ veröffentlichte Studie hat genau solche Praktiken untersucht. Die Autoren befragten mehr als tausend Studierende aus verschiedenen Ländern und analysierten, wie sie generative Modelle konkret in ihrem Studienalltag einsetzen. Die Untersuchung dokumentiert dabei keine abstrakten Trends, sondern handfeste Szenarien – von der Seminarvorbereitung bis hin zum Verfassen von Hausarbeiten.
Der Mechanismus lässt sich wie folgt beschreiben. Der Studierende formuliert eine Aufgabe, erhält einen Entwurf und gleicht diesen anschließend mit eigenen Notizen sowie Vorlesungsskripten ab. Der entscheidende Schritt ist dabei nicht das bloße Kopieren, sondern das Redigieren und die Prüfung der Fakten.
Dieser Zyklus entlastet das Arbeitsgedächtnis und ermöglicht einen schnelleren Übergang zur eigentlichen Analyse statt zur bloßen Informationssuche. Die Analogie ist simpel: Die KI fungiert als Gehilfe für den Rohentwurf, der die Möbel im Zimmer rückt, während der Studierende entscheidet, wo der Freiraum bleibt.
Den Studienergebnissen zufolge haben rund 65 % der Befragten KI bereits mindestens einmal für akademische Zwecke genutzt. Positive Effekte zeigen sich in einer höheren Vorbereitungsgeschwindigkeit und einem tieferen Verständnis komplexer Themenstellungen.
Die Autoren weisen jedoch auf Einschränkungen hin: Die Stichprobe bestand primär aus Studierenden technischer und wirtschaftswissenschaftlicher Fachrichtungen, zudem wurden die Daten innerhalb nur eines Semesters erhoben. Es fehlen Langzeitbeobachtungen dazu, wie sich die Tiefe des kritischen Denkens bei einer dauerhaften Nutzung der Modelle verändert.
Hier zeigt sich ein weitreichenderes Problem. Wenn ein Werkzeug leichter zugänglich wird als die Beratung durch eine Lehrkraft, entsteht eine Kluft zwischen jenen, die präzise Prompts formulieren können, und jenen, die KI lediglich als fertige Antwortquelle nutzen.
Das Hochschulsystem, das auf der Überprüfung eigenständiger Leistungen fußt, verliert allmählich die Orientierung: Es stellt sich die Frage, was bewertet werden soll – das Endergebnis oder der Weg dorthin.
Die Frage ist heute nicht mehr, ob man neuronale Netze zulassen sollte, sondern wie Aufgaben so umgestaltet werden können, dass sie genau das fordern, was KI bisher nicht ersetzen kann: eine persönliche Haltung und die Verantwortung für die gewählten Argumente.
