Warum die Zukunft von KI in der Hochschulbildung eine Frage der KI-Didaktik ist
Die Diskussion über Künstliche Intelligenz in der Hochschulbildung wird derzeit vor allem von technologischen Entwicklungen geprägt. Leistungsfähige Sprachmodelle, agentische Systeme und personalisierte KI-Assistenzsysteme eröffnen neue Möglichkeiten für die Unterstützung von Lern-, Reflexions- und Entwicklungsprozessen. Mit diesen Entwicklungen gewinnt jedoch eine grundlegende Frage an Bedeutung:
Wie können KI-Systeme didaktisch gestaltet werden, um Kompetenzentwicklung, Selbstwirksamkeit, Autonomie, epistemische Handlungsfähigkeit und selbstreguliertes Lernen wirksam zu fördern?
Aus meiner Sicht liegt genau hier eine der wichtigsten Gestaltungsaufgaben für die Hochschulbildung der kommenden Jahre. Denn die Weiterentwicklung von KI in Bildungskontexten wird nicht allein durch technologische Leistungsfähigkeit bestimmt. Ebenso entscheidend ist die Frage, wie Erkenntnisse aus Hochschuldidaktik, Lernpsychologie, Kompetenzentwicklung, Coaching und Lernberatung systematisch in die Entwicklung lernförderlicher KI-Systeme integriert werden können. Gleichzeitig eröffnet KI neue Möglichkeiten, individuelle Lernvoraussetzungen, unterschiedliche Lernwege und vielfältige Unterstützungsbedarfe stärker zu berücksichtigen. Personalisierte Unterstützungsangebote können damit einen Beitrag zu Inklusion, Teilhabe, Chancengerechtigkeit und Bildung für nachhaltige Entwicklung (BNE) leisten.
Lernen braucht mehr als personalisierte Informationen
Generative KI ermöglicht heute einen schnellen und individualisierten Zugang zu Wissen. Lernende erhalten Informationen, Erklärungen und Unterstützung in einem bisher kaum vorstellbaren Umfang. Lernen umfasst jedoch weit mehr als den Zugang zu Informationen. Nachhaltige Lern- und Entwicklungsprozesse entstehen durch aktive Auseinandersetzung mit Fragestellungen, Reflexion, Motivation, Kompetenzaufbau, Selbstwirksamkeit und die Fähigkeit, das eigene Lernen selbstständig zu steuern. Von besonderer Bedeutung ist dabei die Entwicklung epistemischer Kompetenzen – also die Fähigkeit, Informationen kritisch zu prüfen, Wissen zu konstruieren, Argumente systematisch zu bewerten, Unsicherheiten zu reflektieren und begründete Urteile zu formulieren. Diese Fähigkeiten bilden eine zentrale Voraussetzung für wissenschaftliches Denken und kompetentes Handeln in einer zunehmend von KI geprägten Wissensgesellschaft. Gerade in der KI-gestützten Hochschul- und Erwachsenenbildung rückt die Förderung eigenverantwortlicher Lern- und Entwicklungsprozesse zunehmend in den Mittelpunkt.
KI-Assistenzsysteme sollten deshalb nicht darauf ausgerichtet sein, Denken zu ersetzen. Vielmehr sollten sie Lernende dabei unterstützen, reflektierter, selbstständiger und kompetenter zu handeln. Die Wirksamkeit von KI entsteht dabei nicht primär durch die Technologie selbst. Sie entsteht durch die didaktische Gestaltung der Lernumgebung, die Qualität der Interaktionen und die Einbettung in sinnvolle Lern- und Entwicklungsprozesse.
Vom KI-Assistenten zum KI-Wissens-Personaltrainer
Aus dieser Perspektive entsteht die Idee eines KI-Wissens-Personaltrainers. Im Unterschied zu klassischen KI-Assistenten steht dabei nicht die Generierung möglichst guter Antworten im Mittelpunkt, sondern die langfristige Unterstützung von Lern-, Reflexions- und Entwicklungsprozessen. Ein Rahmen meiner aktuellen Forschungs- und Entwicklungsarbeit beschäftige ich mich mit einem didaktischen Framework für lernförderliche KI-Assistenzsysteme. Das Leitbild ist ein KI-Wissens-Personaltrainer, der Lernende über längere Zeiträume begleiten und unterschiedliche Unterstützungsformen flexibel integrieren kann. Dazu gehören insbesondere:
- Coaching
- Beratung
- Training
- Reflexion
Je nach Situation, Lernstand, Motivation und Entwicklungsziel können unterschiedliche Unterstützungsformen im Vordergrund stehen.
Die zentrale Leitfrage lautet: Welche Unterstützung fördert in diesem Moment Lernen, Kompetenzentwicklung, Reflexion und persönliche Entwicklung?
Damit verschiebt sich die Perspektive von der Bereitstellung einzelner Antworten hin zur langfristigen Begleitung von Lern-, Denk- und Entwicklungsprozessen. Drei Gestaltungsdimensionen lernförderlicher KI:
1. KI-Didaktik
Die erste Dimension bildet die didaktische Grundlage des Konzepts. Sie integriert Erkenntnisse aus:
- Selbstbestimmungstheorie
- Kompetenzentwicklung
- Selbstwirksamkeitsforschung
- Selbstreguliertem Lernen
- Epistemischer Kognition und Urteilsbildung
- Coaching und Lernberatung
- Kompetenzorientierter Hochschuldidaktik
- Bildung für nachhaltige Entwicklung (BNE)
- Inklusionsorientierter Bildung
Besonders die Selbstbestimmungstheorie von Deci und Ryan bietet hierfür einen wichtigen Orientierungsrahmen. Nachhaltige Lern- und Entwicklungsprozesse entstehen insbesondere dann, wenn die psychologischen Grundbedürfnisse nach Autonomie, Kompetenzerleben und sozialer Eingebundenheit unterstützt werden. Die didaktische Gestaltung von KI-Systemen umfasst deshalb nicht nur die Vermittlung von Wissen, sondern auch die Förderung von Kompetenzentwicklung, Selbstwirksamkeit, Reflexion, Urteilsbildung und eigenverantwortlichem Lernen. Gleichzeitig eröffnet die Personalisierung durch KI neue Möglichkeiten, individuelle Lernwege, unterschiedliche Voraussetzungen und vielfältige Unterstützungsbedarfe zu berücksichtigen. Dadurch können Inklusion, Teilhabe, Chancengerechtigkeit und nachhaltigkeitsorientierte Bildungsziele gezielter unterstützt werden.
2. Lern- und Entwicklungsunterstützung
Die zweite Dimension des Frameworks befasst sich mit der Frage, wie KI-Assistenzsysteme Lernende bei Lern-, Reflexions- und Entwicklungsprozessen wirksam unterstützen können. Im Mittelpunkt stehen dabei Unterstützungsformen wie Coaching, Beratung, Training, Reflexion und die kontinuierliche Begleitung individueller Lernprozesse.
Ein möglicher Baustein innerhalb dieses Ansatzes ist das Learning Development Memory (LDM). Das Learning Development Memory steht im Kontext aktueller Forschungs- und Entwicklungsarbeiten zu Long-Term-Memory-Architekturen, Personal AI und persistenten KI-Assistenzsystemen. Während Long-Term-Memory-Konzepte primär die langfristige Speicherung und Wiederverwendung von Informationen adressieren, verfolgt das LDM eine ausdrücklich didaktische Zielsetzung: die Unterstützung von Lern-, Entwicklungs- und Reflexionsprozessen über längere Zeiträume hinweg. Das Learning Development Memory ist dabei nicht als technisches Gedächtnis der KI zu verstehen. Vielmehr beschreibt es einen nutzerkontrollierten Lern-, Entwicklungs- und Reflexionsraum, in dem entwicklungsrelevante Informationen strukturiert dokumentiert und für Lern- und Entwicklungsprozesse nutzbar gemacht werden können.
- Lernziele
- Lernfortschritte
- Lernstrategien
- Reflexionen
- Unterstützungsbedarfe
- individuelle Entwicklungsschwerpunkte
Technisch handelt es sich um eine eigenständige Datenstruktur beziehungsweise einen persönlichen Entwicklungsraum, der unabhängig vom KI-Modell verwaltet wird. Ein zentrales Gestaltungsprinzip besteht darin, dass die Kontrolle über diese Informationen vollständig bei den Lernenden verbleibt. Sie entscheiden selbst, welche Inhalte dokumentiert, angepasst, freigegeben oder gelöscht werden. Sofern dies von den Lernenden gewünscht wird, kann eine KI auf ausgewählte Informationen zugreifen, um Reflexionsprozesse zu unterstützen, Entwicklungsverläufe sichtbar zu machen oder individuelle Lernimpulse vorzuschlagen. Die Grundlage dieser Unterstützungsprozesse bildet dabei das Learning Development Memory als von den Lernenden kontrollierter Entwicklungsraum – nicht ein implizites oder intransparentes Gedächtnis des KI-Systems. Dadurch entsteht die Möglichkeit, Lern-, Coaching-, Beratungs- und Entwicklungsprozesse über längere Zeiträume hinweg zu begleiten, ohne die Autonomie, Transparenz und Datenhoheit der Lernenden einzuschränken.
3. Governance und Ethik
Lernförderliche KI benötigt neben didaktischer Qualität auch Vertrauen, Transparenz und Nutzerkontrolle.
Deshalb basiert das Konzept auf drei zentralen Gestaltungsprinzipien:
- Ownership: Lern- und Entwicklungsdaten verbleiben unter der Kontrolle der Lernenden.
- Consent: Die Nutzung und Weitergabe von Informationen erfolgt ausschließlich auf Grundlage informierter und freiwilliger Entscheidungen.
- Privacy by Design: Datenschutz und informationelle Selbstbestimmung werden von Beginn an in die Gestaltung der Systeme integriert. Ownership, Consent und Privacy by Design schaffen die Grundlage für Vertrauen, Transparenz und eine selbstbestimmte Nutzung KI-gestützter Lern- und Entwicklungsumgebungen.
Das KI-Assistenten-Studio als Forschungs- und Entwicklungsumgebung
Im KI-Assistenten-Studio untersuche ich, wie sich didaktische Konzepte, Nutzerautonomie, Governance-Prinzipien, Long-Term-Memory-Architekturen und moderne KI-Technologien zu lernförderlichen Assistenzsystemen verbinden lassen. Ein besonderer Schwerpunkt liegt auf der Erforschung und prototypischen Entwicklung langfristig nutzbarer KI-Assistenzsysteme, die Lern-, Entwicklungs- und Reflexionsprozesse über längere Zeiträume hinweg unterstützen können. Im Mittelpunkt stehen dabei Fragen der Kompetenzentwicklung, Selbstwirksamkeit, Reflexion, Selbstregulation sowie der Gestaltung lernförderlicher KI-Systeme in der Hochschulbildung. Das KI-Assistenten-Studio dient als Forschungs- und Entwicklungsumgebung für die Konzeption, prototypische Umsetzung und Evaluation lernförderlicher KI-Assistenzsysteme. Das Ziel ist nicht die Entwicklung weiterer Antwortmaschinen, sondern die Erforschung und prototypische Entwicklung von KI-Systemen, die Lernen, Reflexion und persönliche Entwicklung nachhaltig unterstützen können.
Fazit
Die Zukunft von KI in der Hochschulbildung wird nicht allein durch leistungsfähigere Modelle bestimmt. Ebenso entscheidend ist die Entwicklung didaktisch fundierter, verantwortungsvoll gestalteter und lernförderlicher KI-Assistenzsysteme. Im Mittelpunkt steht die Frage, wie generative KI Menschen dabei unterstützen kann, Kompetenzen aufzubauen, Selbstwirksamkeit zu entwickeln, reflektiert zu handeln, begründete Urteile zu bilden und individuelle Entwicklungsziele langfristig zu verfolgen. Das vorgestellte Framework verbindet hierzu drei Gestaltungsdimensionen:
- KI-Didaktik (Selbstbestimmungstheorie, Kompetenzentwicklung, Selbstregulation, epistemische Entwicklung, BNE und Inklusion)
- Nutzerkontrollierte Lern- und Entwicklungsunterstützung (Learning Development Memory)
- Governance & Ethik (Ownership, Consent, Privacy by Design)
Die Zukunft lernförderlicher KI entsteht dort, wo KI-Didaktik, Lern- und Entwicklungsunterstützung, Nutzerautonomie, Governance und technologische Innovationen sinnvoll zusammenwirken. Der KI-Wissens-Personaltrainer, das Learning Development Memory und die Arbeiten im KI-Assistenten-Studio verstehen sich als Beitrag zu dieser Entwicklung.