Ein „AI"-Icon für (fast) alles: Was der neue EU Verhaltenskodex zur Transparenz von KI-generierten Inhalten für Bildungseinrichtungen bedeutet

Eine Sphinx, die mit ausgebreiteten Schwingen über den Eiffelturm fliegt, muss nicht als KI gekennzeichnet werden. Ein fotorealistisches Porträt einer Pflegekraft, die es nie gegeben hat, dagegen schon.

Mit diesem Gegensatzpaar lässt sich ganz gut zusammenfassen, worum es beim neuen Code of Practice on Transparency of AI-Generated Content geht, den die Europäische Kommission am 10. Juni 2026 veröffentlicht hat. Er konkretisiert die Transparenzpflichten aus Artikel 50 der KI-Verordnung, die ab dem 2. August 2026 gelten – und er betrifft auch Bildungsanbieter unmittelbar. Denn wer KI-Avatare in Vorlesungen einsetzt, Studienpodcasts mit synthetischen Stimmen vertont oder fotorealistische Bilder für Lernmaterial generiert, produziert aus Sicht der Verordnung genau die Inhalte, um die es hier geht.

Ich versuche im Folgenden, die wichtigsten Punkte einzuordnen – erst einmal grundsätzlich, dann konkret für die vier Formate, die wohl am häufigsten im Bildungskontext eingesetzt werden: Texte, Bilder, Videos und Podcasts. Und am Ende zeige ich, wie man als Hochschule oder Bildungseinrichtung jetzt sinnvoll vorgehen sollte, ohne in Aktionismus zu verfallen.

Worum es eigentlich geht

Der EU Artificial Intelligence Act verfolgt bei der Transparenz ein simples Ziel: Menschen sollen erkennen können, ob sie es mit echten oder mit künstlich erzeugten Inhalten zu tun haben. Das klingt unspektakulär, ist aber angesichts von KI-Stimmen, die von echten kaum zu unterscheiden sind, und Avataren, die aussehen wie eine gefilmte Dozentin, eine durchaus relevante Frage geworden.

Artikel 50 unterscheidet dabei zwei Welten:

• Auf der einen Seite stehen die Anbieter von KI-Systemen. Sie müssen ihre Ausgaben maschinenlesbar markieren – also mit unsichtbaren Signaturen und Wasserzeichen versehen, die eine Maschine später auslesen kann. Das ist die unsichtbare Ebene, und sie wird in der Praxis vor allem über den Industriestandard C2PA und eingebettete Wasserzeichen umgesetzt. Für uns ist diese Ebene relevant, wo Bildungseinrichtungen selbst als Anbieter auftreten (etwa bei der Entwicklung von KI-Tutoren oder anderen Assistenzsystemen), in den meisten Fällen aber Sache der großen Modellanbieter.

• Auf der anderen Seite stehen die Betreiber – und das ist der Begriff, der es in sich hat. Betreiber ist jede Organisation, die ein KI-System beruflich einsetzt… also z.B. einen KI-Tutor einsetzt, einen Coding-Assistenten oder eine KI-gestützte Prüfungsplattform. Betreiber müssen bestimmte Inhalte (nämlich Deepfakes) sichtbar bzw. hörbar kennzeichnen, sodass ein Mensch die KI-Herkunft unmittelbar erkennt. Und das ist brisant.

Der Deepfake-Begriff ist viel breiter gefasst, als man denkt

Die meisten denken bei „Deepfake" nämlich an gefälschte Promi-Videos oder manipulierte Politikeraussagen. Die Verordnung meint aber etwas viel Breiteres. Ein Deepfake ist jeder KI-erzeugte oder -manipulierte Bild-, Ton- oder Videoinhalt, der wirklichen Personen, Gegenständen, Orten, Einrichtungen oder Ereignissen ähnelt und einer Person fälschlich als echt erscheinen könnte.

Das Entscheidende steckt im Wort „ähnelt". Es muss keine reale, existierende Person nachgebildet werden. Es reicht, dass der Inhalt etwas zeigt, das real existieren könnte. Ein frei erfundenes, aber fotorealistisches Gesicht fällt damit ebenso unter die Kennzeichnungspflicht wie ein synthetisches Model, das nie gelebt hat. Genau deshalb titelte WBS.LEGAL zur Veröffentlichung, dass „bald fast jedes KI-Bild als Deepfake gekennzeichnet werden muss" – zugespitzt, aber im Kern zutreffend.

Die Grenze verläuft bei der Frage, ob die Darstellung die wahrgenommene Echtheit berührt. Und hier helfen die zwei Beispiele aus dem Entwurf, die ich am Anfang erwähnt habe: Die fliegende Sphinx über dem Eiffelturm und die Mäuse, die in menschlicher Sprache über Käsesorten streiten, sind sofort als Fiktion erkennbar – keine Kennzeichnung nötig. Das fotorealistische Porträt eines Menschen, den es nie gab, ist es nicht – Kennzeichnung nötig. Entwarnung gibt es immerhin für die kleine Bildkosmetik: Licht- und Farbkorrekturen verändern die Authentizität in der Regel nicht und bleiben kennzeichnungsfrei.

Für Bildungsanbieter heißt das konkret: Die schematische Grafik des Blutkreislaufs im Studienheft ist unproblematisch. Das fotorealistische Bild einer Ärztin im Patientengespräch, das per KI für dasselbe Heft erzeugt wurde, ist wiederum ein kennzeichnungspflichtiger Deepfake. Es lohnt sich also, beim Generieren von Bildmaterial kurz innezuhalten und sich zu fragen: Könnte ein Betrachter das für echt halten?

Aber die Kennzeichnung von KI-Inhalten beschränkt sich nicht nur auf Bildmaterial, sondern inkludiert auch Texte. Schauen wir uns also - wie angekündigt - die vier relevanten Formate einzeln an.

1. Texte: Die redaktionelle Kontrolle wird (wieder) essentiell

Beginnen wir mit der guten Nachricht, denn Text ist das Format, bei dem Bildungseinrichtungen am besten dastehen. KI-generierte Texte sind per Definition keine Deepfakes. Eine eigene Kennzeichnungspflicht entsteht nur, wenn ein Text veröffentlicht wird, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren – also bei Inhalten zu gesellschaftlich relevanten Themen wie Gesundheit, Umwelt, Verbraucherschutz oder Politik.

Ob Lehrmaterial darunterfällt, lässt sich allerdings nicht pauschal verneinen: Gerade Fächer wie Gesundheit, Umwelt oder Politik berühren durchaus Themen von öffentlichem Interesse, Lehrmaterial ist seinem Wesen nach informierend, und bei großen, teils offen zugänglichen Lernangeboten verschwimmt die Grenze zur „Öffentlichkeit". Die bequeme Annahme, Studienhefte seien schon per se nicht erfasst, sollte man sich also nicht zu eigen machen.

Auf diese Abgrenzung kommt es am Ende aber gar nicht an, denn es greift eine ausdrückliche Ausnahme: Texte, die einer echten menschlichen Überprüfung und redaktionellen Kontrolle unterzogen wurden und für die eine verantwortliche Person einsteht, sind von der Pflicht ausgenommen – unabhängig davon, ob man sie als Inhalt von öffentlichem Interesse einordnet.

Genau das ist das Modell, das seriöse Bildungsanbieter ohnehin verfolgen. Wo sämtliches Lernmaterial vor der Veröffentlichung eine redaktionelle Prüfung durchläuft (als ein „Human in the Loop") ist dieser Ansatz nicht nur Qualitätssicherung, sondern die rechtliche Grundlage dafür, dass die Texte kennzeichnungsfrei bleiben.

Und genau weil die Ausnahme der tragende Anker ist, sollte sie wasserdicht sein. Eine bloße Rechtschreibprüfung oder ein flüchtiges Drüberschauen nämlich genügen ausdrücklich nicht. Verlangt wird eine echte inhaltliche Auseinandersetzung durch eine verantwortliche Person. Praktisch bedeutet das zweierlei:

1. Die redaktionelle Verantwortung muss einer benannten Funktion oder Person zugeordnet sein, und

2. die Redaktionsprozesse müssen dokumentiert sein. Nicht jede einzelne Prüfung – aber der Prozess als solcher. Wer das sauber aufsetzt, hat beim Thema Text wenig zu befürchten.

Den freiwilligen Hinweis, dass KI im Entstehungsprozess mitgewirkt hat, kann man trotzdem setzen. Er schadet nicht, schafft Vertrauen und dokumentiert nebenbei die redaktionelle Prüfung.

2. Bilder: Der Bildtyp entscheidet

Bei Bildern habe ich den Kern oben schon beschrieben: Es kommt auf den Bildtyp an. Erkennbar künstliche Darstellungen – Schemazeichnungen, Diagramme, Infografiken, stilisierte Illustrationen – sind keine Deepfakes und brauchen keine gesetzliche Kennzeichnung. Hier reicht die bewährte freiwillige Quellenangabe.

Fotorealistische Bilder von Personen, realen Orten oder Ereignissen dagegen sind kennzeichnungspflichtig. Das Label – idealerweise das EU-Icon „AI GENERATED" bzw. „AI MODIFIED" – wird sichtbar ins Bild eingebettet, sodass es auch bei Screenshots, Downloads und Weitergabe erhalten bleibt. Eine bloße Bildunterschrift genügt nicht, denn die verschwindet, sobald jemand das Bild herauskopiert.

Gerade bei der Verbreitung über Social Media kommt erschwerend hinzu, dass viele Plattformen eigene KI-Kennzeichnungsmechanismen haben, die zusätzlich zu aktivieren sind. Wer also für Instagram ein fotorealistisches „Studentin lernt im Café"-Motiv generiert, kennzeichnet das Bild selbst und nutzt die Plattformfunktion.

Ein Punkt, der in der Praxis unterschätzt wird: Die Kennzeichnungspflicht trifft den Betreiber, nicht das Tool. Es hilft also nicht, darauf zu verweisen, dass Midjourney oder Flux „ja selbst ein Wasserzeichen setzen". Das unsichtbare Wasserzeichen erfüllt die Anbieterpflicht zur maschinenlesbaren Markierung – die sichtbare Kennzeichnung für den Menschen muss der Betreiber selbst anbringen. Ob dies durch die Anbieter der Bildersoftware in Zukunft automatisch angeboten wird, muss man sehen (Gemini z.B. nutzt schon jetzt immer ein sichtbares Icon).

Und: die Pflicht trifft nicht nur die Abteilungen, die sich mit der Entwicklung von Lernmaterial beschäftigen. Gerade Marketing- und Presseabteilungen dürften aufstöhnen, denn die Nutzung von KI-generierter Bildern als günstige Alternative zu Stockphotos oder aufwendiger Live-Shootings ist zwar theoretisch weiterhin möglich… aber das KI-Icon dürfte den Einsatz in Broschüren, Flyern und anderem Werbematerial deutlich unattraktiver machen.

Reitende Gnome? Erkennbar nicht real, nicht kennzeichnungspflichtig.

Donald Trump bei einem ehrlichen Job? Das wiederum bedarf einer Kennzeichnung.

3. Videos und Avatare: Das Ende der 3-Sekunden-Einblendung

Avatar-Vorlesungen sind der klarste Anwendungsfall überhaupt. Ein Avatar, der einer realen Lehrkraft nachgebildet ist, erfüllt die Deepfake-Definition zweifelsfrei. Aber auch ein fotorealistischer Kunstavatar ohne reales Vorbild ist erfasst – schließlich erscheint er Betrachtenden als echte Videoaufnahme eines Menschen. Nur erkennbar stilisierte oder Cartoon-Figuren fallen heraus.

Für die Platzierung verlangt der Code mehr als einen kurzen Hinweis am Anfang. Das Label muss zu Beginn des Videos erscheinen, in regelmäßigen Abständen wiederholt werden und mindestens nach Unterbrechungen wieder auftauchen – empfohlen wird die durchgehende Anzeige. Der Grund ist einleuchtend: Menschen steigen mitten in Videos ein, springen vor und zurück, erstellen Screenshots oder schneiden Clips heraus. Eine Kennzeichnung, die nur in Sekunde eins zu sehen war, läuft dann ins Leere.

Für viele Bildungsanbieter bedeutet das eine konkrete Umstellung: Die bisher verbreitete Praxis, einen Hinweis für ein paar Sekunden im Intro und Outro einzublenden, genügt ab August nicht mehr. Der praktikabelste und rechtssicherste Standard ist eine dezente, durchgehende Einblendung des Icons in einer Ecke des Videobildes. Bei einer real gefilmten Vorlesung, die per KI in eine andere Sprache übersetzt und lippensynchronisiert wurde, lautet das passende Label „AI MODIFIED" statt „AI GENERATED".

Wird der Avatar oder die Stimme einer realen Person nachgebildet, kommt noch eine zweite Pflicht hinzu, die nichts mit der KI-Verordnung zu tun hat: das Recht am eigenen Bild und an der eigenen Stimme. Hier braucht es die dokumentierte Einwilligung der betroffenen Person.

4. Podcasts und KI-Stimmen: Klare Audiohinweise

Bei Audioinhalten ohne Bildschirm – dem klassischen Podcast – verlagert sich die Kennzeichnung in die Tonspur. Erforderlich ist ein kurzer, gut verständlicher gesprochener Hinweis zu Beginn, etwa: „Dieser Podcast wurde mit künstlicher Intelligenz erstellt; die Stimmen sind KI-generiert." Bei längeren Formaten wird dieser Hinweis in angemessenen Abständen wiederholt, mindestens nach Unterbrechungen. Der Entwurf nennt hier eine pragmatische Faustregel: Bei sehr kurzen Audios genügt der Hinweis am Anfang, bei längeren Tonspuren muss er wiederkehren.

Sobald ein Bildschirm im Spiel ist – und das ist bei Lernpodcasts im Online-Campus oder in einer App fast immer der Fall – kommt zusätzlich eine sichtbare Kennzeichnung dazu: das Icon im Player oder auf dem Cover plus ein Hinweis im Begleittext. Realistische KI-Stimmen sind dabei vorsorglich wie Deepfakes zu behandeln, unabhängig davon, ob es sich um eine rein synthetische Stimme oder den Klon einer echten Stimme handelt.

Eine sinnvolle Ausnahme gibt es für sehr kurze Schnipsel – etwa einzelne Aussprachebeispiele in einem Sprachkurs. Hier würde ein Hinweis vor jedem einzelnen Wort die Nutzbarkeit zerstören; es genügt ein kontextueller Hinweis in der Lerneinheit.

Was bei Nichtbeachtung droht

Damit klar ist, warum das kein Thema für die lange Bank ist: Verstöße gegen die Transparenzpflichten können mit Bußgeldern von bis zu 15 Millionen Euro oder 3 % des weltweiten Jahresumsatzes geahndet werden – je nachdem, welcher Betrag höher ist. Hinzu kommt ein wettbewerbsrechtliches Risiko, denn fehlende Kennzeichnung lässt sich als unlauteres Marktverhalten abmahnen. Die Durchsetzungskompetenzen greifen ab dem 2. Dezember 2026, die materielle Pflicht schon ab dem 2. August 2026.

Eine kleine, aber wichtige Entwarnung gibt es: Eine Rückwirkung ist nicht vorgesehen. Inhalte, die vor dem 2. August 2026 veröffentlicht wurden, müssen nicht nachträglich gekennzeichnet werden. Erst bei wesentlicher Überarbeitung oder Neuveröffentlichung greifen die neuen Regeln. Den kompletten Altbestand umzuetikettieren, ist also nicht nötig.

Wie Bildungseinrichtungen jetzt vorgehen sollten

Die ehrliche Einordnung lautet: Für Hochschulen und Bildungsanbieter ist das alles gut machbar – vorausgesetzt, man fängt jetzt an und nicht erst Ende Juli. Aus meiner Sicht sind es im Wesentlichen fünf Schritte.

1. Bestandsaufnahme machen. Wo entstehen überhaupt kennzeichnungspflichtige Inhalte? In aller Regel sind das Avatar-Videos, KI-Podcasts und fotorealistische Bilder. Texte und Chat-Antworten sind meist unkritisch. Diese Landkarte ist die Grundlage für alles Weitere.

2. Die redaktionelle Verantwortung formalisieren. Das ist der wirksamste und “billigste” Hebel, weil er die gesamte Kennzeichnungsfreiheit der Texte absichert. Pro Einrichtung muss benannt werden, wer die redaktionelle Verantwortung trägt, außerdem wird der Redaktionsprozess knapp dokumentiert. Anschließend wird in Lernmaterial die verantwortliche Stelle eindeutig benannt (falls dies nicht sowieso schon die Praxis ist).

3. Die Produktionsprozesse umstellen. Die Medienzentren brauchen fertige Vorlagen – ein Video-Overlay, einen Cover-Badge, einen Bild-Stempel in den Icon-Varianten – und einen festen Prüfschritt „Kennzeichnung gesetzt?" im Workflow. Wenn das Icon einmal als Standardelement in den Produktionsvorlagen steckt, kostet die Umsetzung im Alltag praktisch keine Zeit mehr. Besonders konkret wird der Handlungsbedarf beim Video: weg von der 3-Sekunden-Einblendung, hin zur durchgehenden Kennzeichnung. Die EU bietet hierfür übrigens ein Set an Icons, die standardisiert eingesetzt werden können

4. Die technische Ebene bei den eigenen Systemen prüfen. Wer eigene KI-Systeme betreibt, sollte klären und dokumentieren, welche maschinenlesbaren Markierungen die angebundenen Modelle setzen, und sicherstellen, dass diese beim Export oder Nachbearbeiten nicht verloren gehen. Für die Detektion und die Interoperabilität der Wasserzeichen sieht der Code ohnehin erst Anfang 2027 verbindliche Lösungen vor – hier besteht also etwas mehr Luft.

5. Über die Zeichnung des Code of Practice entscheiden. Maßgeblich sind die Anpassungen für alle Einrichtungen, die den Code of Practice unterschreiben. Der Code ist freiwillig, schafft aber Rechtssicherheit: Wer ihn zeichnet, kann sich zur Demonstration der Compliance darauf berufen... wer nicht, dem droht die EU mit “anderen Maßnahmen”. Für Einrichtungen, die ohnehin alle Maßnahmen umsetzen, ist der Mehraufwand gering und der Nachweisvorteil real. Eine bewusste Entscheidung – in die eine oder andere Richtung – sollte aber jede Organisation treffen.

Fazit

Man kann den Code of Practice als bürokratische Last lesen. Man kann ihn aber auch als das sehen, was er für seriöse Bildungsanbieter eigentlich ist: eine Formalisierung von Transparenz, die man gegenüber Lernenden ohnehin will. Wer offenlegt, dass ein Avatar oder eine Stimme KI-generiert ist, nimmt niemandem etwas weg – im Gegenteil, gerade im sensiblen Bildungskontext ist Ehrlichkeit über die Herkunft von Inhalten ein Vertrauensanker.

Die eigentliche Arbeit liegt weniger im Anbringen eines kleinen Icons als in den Prozessen dahinter: in benannter Verantwortung, dokumentierten Abläufen und angepassten Produktionsketten. Wer das in den nächsten Wochen aufsetzt, wird den 2. August entspannt erleben.

Und die fliegende Sphinx über dem Eiffelturm? Die darf weiter unbeschriftet bleiben. Immerhin etwas.

Quellen mit weiteren Informationen:

• Webseite der Europäischen Kommission zum Code of Practice

• Download des Code Of Practice

• Sammlung von Icons für KI-generierte oder KI-modifizierte Inhalte

• Anleitung zur Unterzeichnung des Code of Practice

Warum unser Bildungssystem kollabiert – und was wir dagegen tun müssen

In nicht einmal 14 Tagen sind Wahlen… und viele Diskussionen gehen an den drängendsten Problemen unseres Landes komplett vorbei.

Ob Wohnungsnot, schlechte Gesundheitsversorgung, fehlende Pflege, ein (absehbar) kollabierendes Rentensystem oder mangelnde Digitalisierung, all das wird von der großen (Schein)Debatte um Migration und Flucht verdrängt.

Und noch ein weiteres Thema, das mir besonders am Herzen liegt, findet nur am Rande Erwähnung. Ein Thema, das schon seit Jahrzehnten angeblich überragend wichtig ist, bei dem aber doch alle politischen Parteien teils katastrophal versagen: Bildung.

Bildung ist, das hören wir (zu Recht) immer wieder, der zentrale Faktor, mit dem unser Land in Zukunft wettbewerbsfähig bleiben kann. Ob deutsche Ingenieurskunst, technische Innovationen „Made in Germany“, Teilhabe und Gleichberechtigung, kluges wirtschaftliches Handeln oder eine offene, prosperierende Demokratie, all das geht nur mit guter Bildung.

Und doch stehen wir vor geschlossenen und überlasteten Kitas, Schulen mit kaputten Klos, Stundenausfällen und lächerlichen Lehrer-Schüler-Betreuungsverhältnissen, einer maroden physischen und digitalen Infrastruktur und 16 Bundesländern, die nicht einmal bei zentralen Diensten und technischen Systemen zusammenarbeiten können. Wir sehen Eltern, die am Schulsystem verzweifeln, Kinder, die aussortiert werden und Lehrer, die an den Zuständen zerbrechen. Wir haben uns an den Ausnahmezustand gewöhnt und versuchen, diesen irgendwie erträglich zu machen. Und wenn Eltern das nicht können, sind die Kinder auf sich alleine gestellt und landen früher oder später in der Grundsicherung.

Bildung braucht in Deutschland einen kompletten Neustart.

Dabei lassen sich die zentralen Handlungsfelder m.E. in folgende Bereiche unterteilen:

1. Mehr Ressourcen für den Bildungssektor

   Die Finanzierung des Bildungssektors ist nach wie vor unzureichend. Es besteht ein erheblicher Mangel an Lehrkräften und Erzieher:innen, die Infrastruktur vieler Schulen ist sanierungsbedürftig und die Digitalisierung kommt nur schleppend voran. Zudem fehlen staatliche Angebote für lebenslanges Lernen, wird die Unterstützung für Studierende immer weiter zurückgefahren (BAföG beziehen nur noch 11% der Studierenden) und Eltern finanziell immer mehr in die Pflicht genommen (z.B. für technische Geräte, Nachhilfe und Softwarelizenzen).

2. Frühkindliche Bildung als Priorität

   Die ersten Jahre eines Kindes sind entscheidend für seinen späteren Bildungsweg und die Bildungsmobilität ist in Deutschland kaum mehr gegeben. Viele Kinder, die besonders von frühkindlicher Bildung profitieren würden, haben keinen Zugang zu Kita-Plätzen oder werden nicht angemeldet. Verbindliche Sprachtests und eine verpflichtende zweijährige Kindergartenzeit könnten diese Situation verbessern. Gleichzeitig ist eine funktionierende Kinderbetreuung essenziell für die Erwerbsbeteiligung von Eltern, insbesondere für Frauen.

3. Grundlegende Reform der Lehrpläne und Bewertungssysteme

   Der Lehrstoff in Schulen wurde immer weiter ausgeweitet, ohne aktuelle und zukunftsrelevante Inhalte ausreichend zu integrieren. Informatik, Technik, Wirtschaft und politische Bildung müssen stärker in den Fokus rücken. Gleichzeitig sollten kreative Fächer wie Kunst, Musik und Sport mehr Raum zur individuellen Entfaltung bieten, anstatt sie mit Notendruck zu belegen. Wir brauchen neue Curricula und Formen des Lernens.

4. Mehr Schulautonomie und innovative Schulkonzepte

   Eng damit verknüpft ist die Tatsache, dass Schulen in Deutschland unter strikten Vorgaben arbeiten, die wenig Raum für individuelle Konzepte lassen. Dabei zeigen Studien, dass Schulen mit mehr Autonomie erfolgreicher sind. Mehr Flexibilität bei Lehrmodellen, multiprofessionelle Teams aus Quereinsteigern, Sozialpädagogen und IT-Expert:innen könnten den Lehrermangel abfedern. Zudem müssen alternative Schulmodelle wie Gemeinschaftsschulen oder längere Eingangsphasen stärker forciert werden.

5. Reform der Hochschulen und Universitäten

   Auch Hochschulen stehen vor grundlegenden strukturellen Problemen: Die Befristungspraxis im Mittelbau sorgt für Unsicherheiten, die Einwerbung von Forschungsgeldern ist mit hohem Aufwand und geringer Erfolgsquote verbunden, und die Lehre wird oft zugunsten der Forschung vernachlässigt. Gleichzeitig sind viele kleine Hochschulen durch den demografischen Wandel in ihrer Existent bedroht und müssten neue Studienformen anbieten.

6. Stärkung der Berufsbildung und Weiterbildung

   Der Fachkräftemangel ist eine der größten Herausforderungen für Deutschland. Bis 2035 könnten rund 5 Millionen Arbeitskräfte fehlen. Gleichzeitig blieben 2023 über 40.000 Ausbildungsplätze unbesetzt. Die berufliche Bildung muss attraktiver gestaltet und lebenslanges Lernen stärker gefördert werden, beispielsweise durch staatlich unterstützte Weiterbildungskonten oder eine engere Verzahnung mit akademischer Bildung. Der Erfolg privater Anbieter zeigt hier deutlich, dass ein riesiger Bedarf an Angeboten besteht.

7. Migration und Integration als Bildungsthema

   Bildungseinrichtungen spielen eine zentrale Rolle bei der Integration von Geflüchteten und Migranten. Sie benötigen mehr Unterstützung, um Sprachförderung und kulturelle Eingliederung erfolgreich umzusetzen. Zudem müssen vorhandene Abschlüsse schneller anerkannt werden, damit qualifizierte Fachkräfte nicht unnötig lange auf eine berufliche Perspektive warten müssen. Für Schulen und Hochschulen gilt es, gezielte Programme für Nicht-Muttersprachler zu entwickeln, um ihnen einen besseren Bildungsweg zu ermöglichen. Dies wird bisher in keinster Weise ausreichend gefördert.

8. Bildung für die digitale und KI-getriebene Zukunft

   Trotz einiger Fortschritte fehlt es in Deutschland an einer durchdachten Digitalisierungsstrategie im Bildungsbereich. Nur jede zweite Schule ist an ein Glasfasernetz angeschlossen, fast an keiner Schule gibt es professionelles Personal zur Pflege von Systemen und digitale Unterrichtskonzepte sind oft mangelhaft oder fehlen komplett. Kein Wunder, wenn diese Themen bei der Weiterbildung von Lehrern vielleicht 1-2 Tage im Jahr umfassen. Gleichzeitig wird künstliche Intelligenz den Bildungssektor revolutionieren. Und doch gibt es bislang kaum verbindliche Lehrpläne für KI-Kompetenzen, digitale Ethik oder Data Literacy. Deutschland muss hier international aufholen.

9. Mehr Kompetenzen für den Bund

   Schließlich führt der Bildungsföderalismus zu ineffizienten Doppelstrukturen, Problemen bei Schulwechseln über Bundesländergrenzen hinweg und einem Mangel an standardisierten (technischen) Lösungen für den Schulbetrieb. Wichtige Innovationsprojekte wie die Digitalisierung oder der Einsatz von KI in Schulen stagnieren aufgrund unklarer Zuständigkeiten. Fragen zur Finanzierung der digitalen Infrastruktur werden hin und her geschoben und einheitliche Ansätze von den Landesfürsten ausgehebelt. Es braucht unbedingt eine stärkere Rolle des Bundes, um für mehr Einheitlichkeit und Effizienz zu sorgen.

Ob wir all das – oder wenigstens ein wenig - von der nächsten Regierung erwarten können? Ich wage es zu bezweifeln, zumindest, wenn ich mir die Wahlprogramme anschaue. Und noch mehr, wenn ich auf die Praxis und die handelnden Akteure in Bildungsministerien, KMK oder Schulämtern schaue.

Aber letztlich bleibt uns nur, täglich weitere darauf hinzuwirken, dass sich die Situation verbessert. Sich in Schulen einzubringen, Politiker:innen an ihre Verantwortung zu erinnern, Kinder zu stärken, Kindergärten zu fördern oder Bildungsprojekte zu finanzieren.

Denn ansonsten war es das, mit dem Wohlstand, mit Partizipation und (gesellschaftlichem wie wirtschaftlichem) Fortschritt. Und irgendwann vielleicht auch mit unserer Demokratie.

Taugt KI für die Bewertung schriftlicher Arbeiten?

Das haben sich Rainer Mühlhoff von der Universität Osnabrück und und Marte Henningsen von der Maastricht University gefragt und die „KI-Korrekturhilfe“ von fobizz - einer KI-Suite für den Schuleinsatz - getestet.

Das Tool soll Lehrende bei der Bewertung und Rückmeldung von Schülerarbeiten unterstützen und lässt sich methodisch auch auf den Einsatz an Hochschulen übertragen.

Allerdings weist die Analyse auf erhebliche Defizite hin:

1. Die Bewertungen und qualitativen Rückmeldungen des Tools hingen häufig vom Zufall ab und verbesserten sich auch nicht durch die Einarbeitung der vom Tool formulierten Verbesserungsvorschläge.

2. Eine Bestbewertung war nur mit Texten erreichbar, die von ChatGPT geschrieben wurden.

3. Falschbehauptungen und Nonsense-Abgaben wurden häufig nicht erkannt, und die Umsetzung einiger Bewertungskriterien war unzuverlässig und intransparent.

Leider resultieren diese Mängel aus fundamentalen Einschränkungen großer Sprachmodelle und grundlegende Verbesserungen dieses oder ähnlicher Tools seien damit, nach Einschätzung von Rainer Mühlhoff, zunächst nicht zu erwarten.

Spannend ist, dass die Ergebnisse den Behauptungen einer Studie der IU Internationale Hochschule diametral gegenüber stehen, wonach KI-Bewertungen fairer und konsistenter seien. Dass die Studie der IU methodisch fraglich war und eher offenbarte, dass die Erstbewertungen der Hochschule massiv positiv verschoben sind, darauf war ich aber bereits in einem eigenen Beitrag eingegangen.

Umso spannender ist es also, die Entwicklungen und Analysen für dieses Thema zu verfolgen. Bis auf weiteres hat sich unser KI-Team übrigens entschieden, KI nicht für die Korrektur von Arbeiten einzusetzen... eben weil wir dieselben Probleme und inhärenten Fehler sehen, wie die Analyse von Mühlhoff und Henningsen.

Die gesamte Studie findet sich unter https://rainermuehlhoff.de/fobizz-KI-korrekturhilfe-test-studie/

KI an Hochschulen - Was wollen eigentlich die Studierenden?

Seit ChatGPT im November 2022 zum ersten Mal der breiten Öffentlichkeit vorgestellt wurde und - nicht nur mit Blick auf die Nutzerzahlen - alle Rekorde brach, scheint eine Ewigkeit vergangen zu sein. Knapp zwei Jahre nach dem Release des Large Language Models (LLM) ist KI allgegenwärtig. Kein Tag vergeht, an dem nicht neue Anwendungen vorgestellt, Benchmarks veröffentlicht oder Studien publiziert werden, die den Erfolg (oder - seltener - Misserfolg) von KI-unterstützen Lösungen präsentieren.

Auch der Hochschulsektor bleibt davon natürlich nicht verschont. Schon kurz nach der Veröffentlichung von ChatGPT 3.5 häuften sich Berichte, welche Klausuren die KI bestand, wie sie in der Erstellung von Hausarbeiten zum Einsatz kam oder ganze Prüfungsformen faktisch obsolet machte. Initiale Probleme - wie erfundene Zitationen - wurden von spezialisierten Lösungen (z.B. Elicit, Scite oder Jenni AI) schnell gelöst und in der Zwischenzeit versprechen Suites wie Aithor oder Paperpal ganze wissenschaftliche Artikel auf Knopfdruck. Die Qualität der Antworten bei ChatGPT 4o, Llama 3.1 oder Gemini 1.5 hat ebenfalls weiter zugenommen und sogenannte Halluzinationen (faktisch: erfundene Inhalte) wurden reduziert.

Kein Wunder also, dass Hochschulen große Sorge hatten (und haben), dass Studierende die neuen Tools missbräuchlich nutzen und Lernen nur noch auf dem E-Paper stattfindet. Dabei gerät zu oft aus dem Blick, welche großen Potenziale KI für das Studium bietet und dass es - bildlich gesprochen - unter den Studierende sicherlich faule Äpfel gibt, damit aber noch lange nicht der gesamte Korb verdorben ist.

Ganz im Gegenteil: Eine Reihe von Studien zeigt, dass Studierende einem KI-Einsatz im Studium überwiegend positive gegenüberstehen und Lösungen aktiv nutzen möchten, um ihren Lernerfolg zu verbessern. Sie wünschen sich insbesondere, dass KI aktiv in ihre Studiengänge integriert wird und z.B. die Rolle von Lernbegleitern und Tutor übernimmt (Kim & Cho, 2023). Dabei sollen die von der Universität bereitgestellte KI-Tools besonders verlässlich sein und auf validierten Lerninhalten basieren (Balabdaoui et al., 2024).

Wenngleich es durchaus noch Bedenken bzgl. möglicher Nachteile und Risiken gibt (Idroes et al., 2023), überwiegen bei den Studierenden also positive Erwartungen. Die Einstellung gegenüber KI variiert indes je nach Studienfach und Geschlecht, wobei gerade IT-lastige Fächer - wenig überraschend - die größte Begeisterung zeigen.

Erwartungen an KI im Studienkontext

Was also sind laut Studienlage die konkreten Wünsche der Studierenden an KI-Lösungen in ihren Hochschulen? Nun, sie lassen sich grob in fünf Bereiche unterteilen:

• Personalisierte Unterstützung: Studierende erwarten, dass KI ihnen individuell zugeschnittene Lernerfahrungen bietet, die durch personalisierte Tutorensysteme und gezielte Hilfe ihren spezifischen Lernfortschritt unterstützen.

• Effektives Lernen: KI soll Routineaufgaben übernehmen, damit sich Studierende auf komplexere und anspruchsvollere akademische Arbeiten konzentrieren können, was ihre Lerneffizienz insgesamt erhöht.

• Kritisches Denken und Kreativität: Studierende wünschen sich, dass KI sie zu "höherem Denken" und kreativen Lösungsansätzen anregt, indem sie Aufgaben stellt, die über einfache, von KI lösbare Probleme hinausgehen.

• Faire und transparente Bewertung: Auch im Bereich der Prüfungen und Bewertungen erhoffen sich Studierende, dass KI präzisere und transparentere Bewertungen liefert als ihre menschlichen Vorbilder. [Anm.: Wie problematisch dies jedoch ist, habe ich bereits in einem anderen Artikel thematisiert.]

• Praxisbezug und Wissenstransfer: Studierende wünschen sich, dass KI ihnen hilft, reale Probleme zu lösen und die im Studium erworbenen Fähigkeiten praxisnah anzuwenden, um ihre Employability zu steigern.

Klingt alles logisch, allerdings stammten die Umfragedaten größtenteils aus US-amerikanischen Hochschulen oder Einrichtungen in Asien. Ob es davon abweichend ein "deutsches" Mindset gibt und noch weitere Erwartungen existieren bzw. wie Studierende in Deutschland den Einsatz von KI in der Bildung bewerten, wollten wir deshalb über eine eigene Befragung erfahren.

Erwartungen an KI an der Wilhelm Büchner Hochschule (WBH)

Zu diesem Zweck lancierten wir im Juni 2024 eine entsprechende Befragung an der größten technischen Fernhochschule Deutschlands, der Wilhelm Büchner Hochschule. Die Ergebnisse waren - wenn auch nicht völlig neu - in ihrer Eindeutigkeit doch überraschend.

Bewertung des Einsatzes von KI in der Bildung

So stand eine sehr große Mehrheit der Studierenden (86%) der Idee positiv gegenüber, KI im Bildungsbereich einzusetzen. Unter den Studierenden, die den KI-Tutor CampusGPT der WBH bereits genutzt hatten, war diese Quote sogar noch höher (92%).

Im Lernkontext formulierten die Studierenden zudem klare Wünsche, wobei sie KI-Systeme unterstützen sollen. So wünschten sich 84% KI-Assistenten für die Vorbereitung auf Prüfungen, 82% mehr Schulungen und spezifische Studieninhalte zu KI, 77% individuelle Lernpfade und Studieninhalte aus Learning Analytics Tools.

Die Erwartungen der Studierenden bewegen sich dabei auf einem hohen Niveau, denn keine der vorgeschlagenen Lösungen wurde von mehr als einem einem Drittel der Befragten als "eher unwichtig" oder "sehr unwichtig" bewertet.

Welche weiteren KI-Angebote soll die Hochschule entwickeln? (1 = sehr unwichtig, 4 = sehr wichtig)

94% der KI-kompetenten Studierenden lernen dank KI-Lösungen besser

Woher die Begeisterung für das Thema KI kommt, wurde aus der Umfrage ebenfalls ersichtlich. Ein großer Anteil der Studierenden war der Ansicht, dass KI ihnen dabei hilft, besser zu lernen (79%). Unter den Befragungsteilnehmern, die KI im privaten und beruflichen Umfeld häufiger einsetzen ("KI-kompetente Nutzer:innen"), stieg dieser Anteil sogar auf 94%.

Positiver Einfluss von KI auf den Lernerfolg

78% gaben zudem an, dass gerade benachteiligte Studierende durch KI besser unterstützt werden könnten, z.B. in Form adaptiver Lernszenarien, Erläuterungen in anderen Sprachen oder der Bereitstellung von praktischen Beispielen zum besseren Verständnis.

Potenzial von KI für benachteiligte Studierende

Gleichzeitig gab es noch einige Unsicherheiten in der Nutzung von KI beim Lernen. Der Aussage "Ich habe Sorgen, dass mir bei einer KI-Nutzung unterstellt wird, im Studium zu schummeln / zu betrügen", stimmten 73% der Studierenden zu. Hier sollten Hochschulen also frühzeitig klare Regelungen treffen und Rechtssicherheit herstellen, damit Studierende beim Einsatz von KI kein ungutes Gefühl haben.

Hochschulen und Studium werden durch KI nicht entwertet

Dass KI das "klassische" Studium überflüssig macht, sehen die Studierenden übrigens nicht. Nur 6% stimmten der Aussage zu, dass man durch KI irgendwann gar keine Hochschulen mehr benötige und nur für 20% könnte KI die menschliche Betreuer:innen ersetzen.

Menschliche Lehrende sind weiterhin unverzichtbar

Insgesamt gaben die befragten Studierenden also an, dass KI riesige Potenziale bietet. Zu bedenken gilt allerdings - und dies deckt sich mit den Erkenntnissen der internationalen Befragungen - dass die Befragung in einem sehr technik- und KI-affinen Umfeld stattfand. So gaben 37% der Befragten an, KI im beruflichen Umfeld sehr häufig oder eher häufig zu nutzen. Im privaten Umfeld - also z.B. dem Studium - waren es mit 45% sogar noch mehr. Dabei greifen knapp 30% auch auf kostenpflichtige Tools (wie Pro-Accounts von ChatGPT oder Midjourney) zu.

Mit dieser hohen KI-Nutzung liegen die WBH-Studierenden im Vergleich zu anderen Gruppen in Deutschland an der Spitze. Laut statistischem Bundesamt nutzten Ende 2023 nämlich erst 12% der Unternehmen in Deutschland KI-Tools, bei der privaten Nutzung variiert laut Statista der Anteil zwischen 13% (in der GenX) und 40% (GenZ).

Für uns ist somit der nächste logische Schritt, die Befragung auch an Hochschulen mit anderen Studienprofilen durchzuführen und so zu prüfen, ob die "KI-Begeisterung" auch in nicht-technischen Studiengängen zu finden ist und inwiefern Wünsche und Erwartungen der Studierenden abweichen.

Unabhängig davon wird die Einführung von KI-Tutoren an den Hochschulen der DWG Bildungsgruppe intensiv vorangetrieben werden. Denn gerade in diesem Bereich spielt KI seine Stärke - sehr schnelle und umfangreiche Antworten - aus, wie das überwiegend positive Feedback der Befragten zeigte.

Feedback zum Einsatz der KI-Tutoren an der WBH

Es geht bergab: Studierendenzahlen im Wintersemester 2023/2024 weiter gesunken

Wieder 1,7% weniger Studierende in Deutschland: das ist das Ergebnis der Schnellmeldungen des Statistischen Bundesamt (DESTATIS).

Damit ist die Zahl der Studierenden in Deutschland zum zweiten Mal hintereinander zurückgegangen und liegt jetzt bei 2,87 Millionen.

Dabei fällt der Rückgang in den einzelnen Hochschularten unterschiedlich stark aus. Die Zahlen der Studierenden an Universitäten ging um 2,4 % zurück, an Fachhochschulen nur um 0,5 %. An den Kunsthochschulen der Republik stieg die Zahl der Studierenden sogar um 1,9 % (allerdings auf bescheidene 37.400).

Entwicklung der Studierendenzahlen im WS 2023/2024 nach Bundesländern

Den größten Unterschied lässt sich wieder einmal zwischen privaten und staatlichen Hochschulen feststellen. So wuchs die Zahl der Studierenden an Fachhochschulen in um 5 %, in Thüringen sogar um 8,2 %. Brandenburg konnte in den letzten Jahren die Ansiedlung mehrerer privater Hochschulen und Universitäten verzeichnen, so die Gisma Hochschule, die UoE (University of Europe) und die HMU Health and Medical University . Diese wuchsen zuletzt stark.

In Thüringen wiederum treibt die IU Internationale Hochschule die Studierendenzahlen nach oben, sie dürfte im letzten Jahr um mehr als 10% gewachsen sein (und damit jetzt 115.000 bis 120.000 Studierende haben). Das Wachstum der IU fällt damit indes deutlich geringer als in den letzten Jahren aus, als die Erfurter um über 40% pro Jahr wuchsen. Auch der Markt der privaten Studierenden hat also seine Grenzen... und der Wettbewerb holt auf.

Detaillierte Zahlen zu einzelnen Hochschulen wird es voraussichtlich erst in der 2. Jahreshälfte 2024 geben, da das DESTATIS entsprechende vorläufige Meldungen eingestellt hat. Spannend bleibt es auf dem Bildungsmarkt aber auf jeden Fall.

PS. Das Saarland hat dieses Jahr keine aktuellen Zahlen geliefert und fehlt deshalb in der Übersicht.