SoSe26 AK KI in der Lehre

Vorstellung des AKs

Verantwortliche*r: BeispielUser

Einleitung und Ziel des AK
Z.B. Austausch, Resolution, Positionspapier, HowTo/Guide, GO/Satzungsänderung, sonstige Ziele wie Wiki aufräumen, Studienführer aktualisieren etc.

Handelt es sich um einen Folge-AK?
Ja/Nein, Link zum Protokoll des alten AK, Ist das Vorwissen zwingend erforderlich oder ist das Vorwissen hilfreich, aber nicht notwendig?

Wer ist die Zielgruppe?
Z.B. Alle ZaPFika, Einsteiger*innen oder Erfahrene im jeweiligen Thema, Alumni/Alte Säcke, Lehramtika, in den Akkreditierungspool Entsandte, etc.

Wie läuft der AK ab?
Z.B. Input-Vortrag dann Diskussion, welche Themenschwerpunkte sollen besprochen werden?

Voraussetzungen (materielle und immaterielle)
Z.B. Laptop, Accounts (Wiki-Account, Studienführer-Account), Git-Kenntnisse, Programmierkenntnisse

Materialien und weitere Informationen
Link zu Protokollen, Artikeln, Gesetzen etc. angeben, Dateien hochladen

---

title: Protokoll Göttingen SoSe26 KI in der Lehre
tags: SoSe26, Göttingen, Protokoll, AK
description:

---

Vorlage:SoSe26 AK KI in der Lehre

Protokoll vom 14.05.2026

Beginn
   11:00 Uhr
Ende
   xx:yy Uhr
Redeleitung
   Rico (HU Berlin Physik), Swamy (HU Berlin Physik), Lisa-Marie (FU Berlin)
Protokoll
   Name (Uni)
Anwesende Fachschaften

• RWTH Aachen,

• FU Berlin,

• HU Berlin (Physik),
• TU Berlin (NidI),

• Universität Bielefeld,

• Universität Bonn,

• TU Chemnitz,

• TU Dortmund,
• TU Dresden,
• Universität Düsseldorf (PuMP),

• Universität Göttingen

• Universität Innsbruck,

• Universität Köln (Physik),

• TH Lübeck,

• TU München,
• Universität Münster,

• Universität Tübingen,

• Universidad Saccos Veteres,

Protokoll

1. Austauschphase:
   

mögliche Fragen an AK-Teilnehmika:

• Wie ist euer Stand? Hat sich die Lehre in letzter Zeit, mit der Begründung KI, verändert?: z.B. keine Hausaufgaben mehr, Anwesenheitspflichten in Tutorien o. Übungen
  • Oldenburg: Änderungen an tutorienteilnahme/ bewertungskriterien sind in Planung, wird noch aktiv diskutiert. Übungen sollen ordentlicher definiert werden (was muss da gemacht werden).
  • Göttingen: einzelne Profs gehen darauf ein, aber keine einheitliche Regelung, primär via Appel an Lerneffekt. Hochschulweiter KI Tag zu KI in Studium und Lehre. Experimente zu Effektivitaet von KI Tutoren.
  • TU Berlin (NidI): Absolut nicht einheitlich, teilweise unterschiedliche Haltung innerhalb desselben Moduls abhängig vom Professor/Proffessorin. Es gibt folgende Ansätze: Absolut verbieten, appelieren KI nicht zu nutzen wegen geringerem Lerneffekt, Abschaffung Hausaufgabenkriterium (teils HA noch auf freiwilliger Basis), Änderung von Prüfungsform von portfolio auf schriftliche oder mündliche Prüfungen, Ranführen an sinnvolle Nutzung von KI durch Module in den ersten Semestern, erlaubte Nutzung mit zusätzlicher Abgabe von Prompts und weitere. Teilweise herrscht in den Modulen die es noch vor einigen Semestern komplett verboten hatten eine Resiginierung dazu das die Nutzung doch erlaubt ist, "weil es nicht überprüft werden kann".
  • Köln: dezentralität prinzip, d.h. alle machen unterschiedliches. Beide extreme vertreten. Problem weniger das "Faken", sondern eher vereinsammung, kontaktverlust sorgt zu fehlender Sicht auf andere, "die haben ja auch Probleme" fehlt. KI sorgt für verschobene Kompetenz, Grundlagen sind schlechter, spezifisches oft auch besser. Vertrauensverlusst der Profs, wird davon ausgegangen das KI genutzt wird, schwerere zulassungen.
  • Tübingen: Einführung von neuen Tests in Basismodulen um "KI Minimalaufwand" entgegen zu wirken. Für diese Entscheidung wurde eine Taskforce bestehend aus ProfessorInnen und Studierenden eingeführt. Einführung von neuem KI-Tool welches auf die Bearbeitung der Aufgabenblätter zugeschnitten ist und auch moderiert wird. Dazu gab es eien Vortrag welcher helfen sollte mit KI umzugehen und sinnvoll für die Aufgabenblätter zu nutzen.
  • HU Berlin: Durchmischt, neuen Studies weniger am Campus zu sehen.
  • Aachen: teilw. keine Klausurzulassungen mehr, Vorrechnen tritt in Vordergrund, Präsenzaufgaben/vorrechnen. Minitests in Tutorien.
  • Münster: CDSC (Center for data science and complexity, fakultätsübergeifendes Projekt zu KI, Datascience, komplexe Systeme) existiert seit etwa einem Jahr und macht/organisiert Sachen(Workshops, Tutorien, Übungen, Praktika) zu spezifisch diesen Themen. Ansonsten ist in der Lehre nur die Konsensuelle Warnung, dass KI nicht direkt für Abgaben benutzt werden sollte(Kontrollen durch Tutoren möglich), im sinne es solle nicht alles exklusiv aus dem LLM des Vertrauens kopiert sein, ansonsten keine direkten Auswirkungen auf sonstige Lehre.
  • TU München: einzelne Dozenten probieren aktuell neue Tutoriensysteme aus, die das Thema miteinbeziehen sollen, aber (zumindest in der Physik) gibt es noch keine zentralen Regelung die sich geändert hätten
  • Düsseldorf, Physik: Anwesenheitspflichten in Übungen/Präsenzübungen (also vor Ort Aufgaben lösen) werden vermehrt diskutiert und teilweise schon durchgeführt. Selten Aufgaben, die gezielt den Umgang mit KI hinterfragen (Bsp: eigene Lösung mit KI-generierter Lösung vergleichen)
  • TU Dresden: Uni keine Regelung, in Physik noch kein einheitliches Konzept, soll jetzt entstehen. In einem Modul (Computational Physics) wurde KI mit Dokumentation zum Lösen der Aufgaben zugelassen, doch da das dann viele nicht angegeben haben, wurde es dieses Jahr komplett verboten. Ansonsten sind Übungszettel nur Bonuspunkte, da ist es allen egal, wie man sie gelöst hat. Der Lernraum wird bedeutend weniger genutzt als vor ein paar Jahren.
  • TU Darmstadt: Tests statt Bonuspunkte, in Computational Physiks wird KI aktiv genutzt (insbesondere für Coding).
  • Potsdam: Tutanten nutzen viel KI, "geben schnell auf"
• Sind diese Reaktionen sinnvoll?
  • Mehr Test sind mehr arbeitsbelastung, produzieren Anwesenheitspflichten.
  • Umsetzbarkeit ist schwierig, da Zeit knapp
  • Wird als vorwand zu mehr Kontrolle genutzt
  • Viele der Probleme gab es vorher schon
  • KI nutzung einschränken wenig sinnvoll, wird eh genutzt. Eher sinnvollen Umgang finden, Übungskonzepte ändern.
  • Teilweise berechtigt, da einiges nicht mehr funktioniert, aber Anwesenheitspflicht keine Lösung. Tests/Vorklausuren sind auch keine gute Lösung, aber bei hinreichender Reduzierung an anderen Stellen nutzbar

TL:DR

• Nutzung nicht generell einschränken
• Keine Anwesenheitsplichten
• Mehr Tests sind nicht optimal.
• Offen: Was ist tatsächlich gut? (aus Köln: Übung besteht darin gemeinsam anzufangen mit einer Hausaufgabe - da kommen Studis auch ohne Anwesenheitspflicht regelmäßig hin)
• Nutzen Dozierende KI z.B. zur Skripterstellung, Hausaufgabenkontrolle, …: für wie sinnvoll/hilfreich haltet ihr das?
  • HU Berlin: Ein Prof erstellt jetzt seine Skripte mit Hilfe von KI (Prof schreibt Notizen -> KI erstellt englisches Skript -> anderes KI übersetzt zu Deutsch). Habe mit paar Leuten darüber geredet und die scheinen damit ok zu sein. Ein weiterer hat zurück zu handschriftlichen Abgaben auf Papier vor der Vorlesung gewechselt, um die Verwendung von KI's zu vermeiden, was effektiv zu Anwesenheitskontrollen führt, die bei uns eigentlich verboten sind.
  • Oldenburg: Nicht offen, HA kontrolle durch tutoren, da eigentlich keine (systematische) KI nutzung
  • Marburg: Weniger in der Physik, aber in der Chemie häufig (auch für Klausuren), in der Physik Praktikumsscripts (kein gutes Feedback). KI Bilder wurden genutzt, nach Gesprächen soll dies nun nicht mehr passieren.
  • Bonn: englische Version der Klausur mit ChatGPT übersetzt
  • Düsseldorf, Physik: bislang nicht bekannt, wahrscheinlich nicht
  • Tübingen: Wird unseres Wissen nach nicht verwendet, Aufabenblätter Korrektur durch Tutoren, welche so weit wir wissen, auch kein KI verwenden.
  • Münster:außerhalb von Beispielnutzungen im Rahmen des CDSC(Center for data science and complexity) uns nicht bekannt
  • TU München: Bei uns wird auch von Tutoren korrigiert, hätte noch nie mitbekommen, dass dabei irgendwie KI benutzt wird. Von Dozenten habe ich mal noch nichts mitbekommen, außer dass teilweise Blätter/Skripten mit KI übersetzt werden. Vereinzelt benutzen Profs auch KI, um kleine Animationen/Visualizer zu Vorlesungsthemen zu erstellen.
  • Göttingen: vereinzelt nutzen Profs KI für Skripterstellung und zur Generierung von Beispielen (Matheprof für Physik bezogene Beispiele). Die große Mehrheit nutzt, soweit wir es wissen, keine KI dafür. Tutoren ebenfalls nicht, soweit bekannt
  • TU Dresden: Bekannt in einem Modul, wo evtl. Übungsblätter, auf jeden Fall die Musterlösungen dazu mit KI hergestellt werden und dadurch teilweise falsch sind. Dort wird auch ermuntert, KI zur Verringerung des Arbeitsaufwandes zu nutzen. Insgesamt nicht sinnvoll.
  • TU Berlin (NidI): Nicht offiziel nzw. bekannt. Teilweise als Beispiel wie KI verwendet werden könnte. Also wenn dann nur als Inhalt und nicht als tool.
  • Uni Potsdam: Uns als zusätzliche Tutoren (nicht die Übungsleiter) wurde geraten, dass wir zusätzliche Übungsaufgaben zum Wiederholen auch mit KI erstellen könnten. Es gab ne Mathe-Vl wo relativ offensichtlich einige Passagen sehr schlecht von Englisch auf Deutsch übersetzt wurden mit KI vor so 3 Jahren
• Hat Eure Uni ein eigenes KI-Tool rausgebracht?, Gibt es einen KI-Leitfaden*/ Stellungnahme o.Ä.?, Ist für euch ersichtlich, wie ihr KI/welche KIs ihr nutzen dürft und wie ihr es in den Quellen aufführen dürft/müsst? (recherchiert gerne mal kurz)
  • Niedersachsen/Max Plank Institute: GWDG Chat AI service für alle Studierende/Angestellte der Unis/MPIs existiert.
  • TU München: KI-Strategie der TUM: Die wurde vor einiger Zeit mal zentral erstellt, umgesetzt wurde davon in der Physik noch nicht viel. Für uns Studis gibt es (zumindest meines Wissens nach) keinen Leitfaden bzgl. der Verwendung und des Umgangs als Quelle. Es gibt TUMTutor, was ein eigenes KI-Modell ist, was Dozierende in ihre Moodle-Kurse einbinden können. Nach meinem Wissen ist das ein abgeschlossenes Modell, was nur die Daten benutzt, die der/die Dozierende reingibt (Vorlesungsskript, ...). Einzelne Dozierende haben anscheinend angefangen, das in ihre Module zu integrieren, die meisten Studis haben aber noch nie was davon gehört.
  • Tübingen: Es wird ein Tool geben welches speziell für die Bearbeitung der Aufgabenblätter konzipiert ist. Ist allerdings noch nicht für Studierende verfügbar, wird aber wahrscheinlich bald kommen. Es gibt bereits ein KI-Tool für Lehrende welche dieses in ihre Kurse einpflegen können. Wurde nie wirklich kommuninziert wird aber bei uns im Kurs auch (noch) nicht verwendet.
  • Münster Es gibt einen von der Uni gehosteten LLM-Dienst und eine Art Leitfaden zur Nutzung von KI im Studium. Es solle KI-Nutzung in Prüfungsleistungen gekennzeichnet und gefactchecked werden.
  • RWTH Aachen: Ebenfalls selbst-gehosteter LLM-Dienst, teilweise VL-spezifische Chatbots
  • Uni Göttingen: es gibt eine Handlungsempfehlung für Lehrende: (https://www.uni-goettingen.de/de/umgang+mit+ki-modellen+wie+chatgpt/674738.html), für Studierende allgemein gibt es keine, meist wird es in jedem Modul individuell geregelt. Es gibt Empfehlungen, wie man KI im Studiuem nutzen kann.Von der Uni gehostetes LLM: www.uni-goettingen.de/de/686446.html. Forschungsprojekt zur Entwicklung einer KI-basierten Tutorin: www.uni-goettingen.de/de/704479.html
  • HU Berlin: Bei uns gibt es nur einen Leitfaden für die Lehrenden und Forschung aber nicht wirklich für die Studienten gedacht. Es gibt ein LLM was auch für die Studenten bereitgestellt wird und genutzt werden kann. Unserer Referat für Lehre und Studium arbeitet gerade an einem KI-Leitfaden für die Studenten.
  • TU Berlin (NidI): Es gibt verschiedene Angebote wie Sprechstunden, Richtlinien und an der Fakultät VII auch ein Pilotbrojekt "ChatGPT Edu". Link zu allem davon. Diese wurden aber nie wirklich groß angekündigt.
  • TU Dresden: Erstaunlicherweise gibt es KI-Zugänge und Kurse an der Uni. Diese werden scheinbar schlecht beworben. Man kann GWDG Chat AI nutzen und die Pilotphase für you.com ist abgeschlossen. Als Leitfaden für Studierende wird einer der Uni Frankfurt genutzt: https://www.starkerstart.uni-frankfurt.de/133460941/6-030_KI-Tools_pdf.pdf. Für Lehrende gibt es einen Workshop: https://tu-dresden.de/zill/angebote/qualifizierung/tudinterne-veranstaltungen/kurz-veranstaltungsreihe-ki-campus-impulse-zu-ki-in-der-lehre. Es gibt eine Projektwoche zur KI-Nutzung auch für Studis: https://tu-dresden.de/studium/im-studium/career-service/schluesselkompetenzen-future-skills-an-der-tu-dresden/tud-future-days-ki-kompetenztage-2026
• Ist es vielleicht sogar verpflichtend KI zu nutzen? (Bsp.: Modulhausaufgaben in Potsdam) und wie ist eure Meinung dazu?
  • Münster: nicht außerhalb gewisser Veranstaltungen des CDSC(Center for data science and complexity), die nur für den Masterstudiengang Data Science teilweise verpflichtend sind.
  • Tübingen: Nicht verpflichtend, aber Weiterbildende Veranstaltungen sollte es geben.
  • Oldenburg: Nein und das sollte so bleiben
  • TU München: Nö, zumindest nicht in Kursen die sich nicht explizit damit befassen
  • TU Dresden: Nein
• Werden euch bereits KI-Kompetenzen von Seiten der Uni vermittelt? (Bsp.: TU Praktika?) Wenn ja, seid ihr dafür, und wie sieht das aus? Wenn nein, hättet ihr gerne ein Modul dazu/, dass es Teile von Modulen werden – Was sollte so ein Modul vermitteln? Wen seht ihr dafür in der Verantwortung?
  • Oldenburg: Nein, und nein
  • Marburg: Nicht an der Uni, wenn in der Schule in vergleichbaren Rahmen mit Internetkompetenzen, übergangsmäßig auch an der Uni
  • Münster: Ja, durch einige Veranstaltungen des CDSC(Center for data science and complexity). Es werden KI-Modelle gebaut, trainiert und theoretisch beschrieben. Es gibt ähnliche Kurse auch vom Fachbereich Mathematik/Informatik.
  • RWTH Aachen: Es gibt vereinzelte Aufgaben, die Beschäftigung mit dem Thema anregen und Überprüfung der KI-Lösungen beinhalten. Grundsätzlich sinnvoll
  • TU Dresden: Es gibt keine Veranstaltungen, aber es wäre ein gutes Zusatzangebot
  • TU München: Finde auf die Schnelle keine Veranstaltungen diesbezüglich, wäre aber sicherlich ein sinnvolles Angebot. Noch sinnvoller finde ich persönlich aber, wenn das (wie von anderen Unis schon beschrieben) z.B. in den Übungsaufgaben thematisiert wird, da bin ich aber gegen eine verpflichtende Verwendung von KI (also höchstens z.B. als Zusatzaufgabe)
  • Köln: Was sollen diese Veranstaltungen bringen? Freiwilliges Angebot wird nicht angenommen.

Sollte KI kompetenz an Studenten vermittelt werden? KI kann grundlagen lösen, aber wird bei neuen Ideen aka Forschung sehr unverlässlich!

• Habt ihr noch weitere Fragen?/ Diskussionspunkte/ generelle Anmerkungen?

2. Nachdenken über Reso:
   grobes Konzept:

• Lesen der KIF Reso: https://wiki.kif.rocks/wiki/KIF530:Resolutionen/KI_Tools
  

-- Habt ihr Fragen?
-- Was ist eure Meinung?
Köln: Einiges ist ok, vieles geht aber in die falsche Richtung. Zu viele Regeln führt Kontrollwahn, "Täuschungsversuchen"
Ausserdem werden wichtige Probleme nicht angegangen: Vereinsammung, Misstrauenskultur
TU Chemnitz: Die Anwendungsschwerpunkte von KI unterscheiden sich je nach Modul. Hochschulweite Regeln können schnell resterektiv wirken. Es sollte eher einen gängige Praxis und Herangehensweise an Lehrende und (wiederum) an Studierende vermittelt werden. KI Entwickelt sich rapide weiter, deswegen ergibt es mehr Sinn Professuren/Lehrenden einen Leitfaden zu vermitteln wie sie selbstständig erarbeiten können wie KI in Kombination mit ihrem Modul verwendet werden kann/sollte.
Modulspezifische Lösungen besser als allgemeine, muss aber klar kommuniziert werden.
Ständige und super rasante Weiterentwicklung von KI

-- Seht ihr etwas kritisch an dem, was die KIF fordert?
Bundesweite Regelungen sind unrealistisch

-- Fehlt euch etwas?
Vereinsammung, Misstrauenskultur
Zu Starke Regelungen sind nicht in der Lage mit den Entwicklungen mitzuhalten.
Neue bereichernde Lehrformen die KI Nutzung berücksichtigen

• Wie verfahren wir weiter?
  

Im Kontext der nur partiellen Meinungsübereinstimmung mit der KIF Reso werden wir uns dieser vermutlich nicht anschliessen.
Wir sind auf der Suche nach Lösungen. Ein paar Lösungsansätze:
Einsammkeit: Gruppenarbeiten, Lernzentren
"Neue" Übungskonzepte die Anwesenheit belohnen, inhaltlichen Mehrwert haben und nicht nur wiederholen, und z.B. gemeinsammes Bearbeitungs beginnen beinhalten sind Erfahrungsgemäß gut.
Wie kann man die "Notwendigkeit" von Anwesenheitspflicht und anderen Restriktionen umgehen.
https://studienreform-forum.de/themen/alternative-uebungskonzepte/

Backup AK zum weiterreden nutzen!

-- es gab bis jetzt seit So2023 fast jede ZaPF einen AK dazu und bisher nur ein Positionspapier im WiSe23: https://zapfev.de/resolutionen/wise23/AI_in_Lehre/Positionspapier_zum_Einsatz_von_KI-Tools_in_der_Lehre.pdf
-- Bundesministerium Bildung und Forschung informiert über neue (seit 2026) Projekte: https://www.bmftr.bund.de/DE/Forschung/Wissenschaftssystem/Hochschulen/DigitaleHochschulbildung/digitalehochschulbildung_node.html , Hochschulrektorenkonferenz: https://www.hrk.de/presse/pressemitteilungen/pressemitteilung/meldung/digitale-hochschulbildung-und-kuenstliche-intelligenz-bmftr-foerdert-hrk-projekte-5156/ - die sind aktuell am ausarbeiten, also der perfekte Zeitpunkt, um nochmal klarzustellen, was die dabei unserer Meinung nach beachten sollten
-- Wir wollen gerne eine Reso rausbringen: an wen wollen wir die schicken? Z.B. Präsidien, Hochschulrektorenkonferenz, KFP, ...?, Wir könnten uns auch an die KIF-Reso anschließen.

Teil 2

Zusammenfassung/Ausblick

Hier ist eine kurze Zusammenfassung (ggf. mit einem kurzen Ausblick) des AKs einzutragen. Die Aufgabe fällt den Protokollantika des AK, in erster Linie jedoch den Leitika des AK zu.

Bitte überlege vorher, ob der AK vielleicht in eine bereits existierende Kategorie einordbar ist (im Liste aller Kategorien unter Inhalte).