3. August 2026, von Anna Priebe

Foto: Florian Gnau

Laura Laugwitz bei einer Input-Veranstaltung des Formats „gKI im Studium“, für das sie die Hochschulperle Juli 2026 erhält.

Wie kann man künstliche Intelligenz in Studium und Lehre nutzen? Was ist erlaubt und was sinnvoll? Der 90-minütige Input „gKI im Studium“ bietet Raum zum Austausch über diese Fragen und lässt sich gut in den Studienalltag integrieren. Für das Format erhält Laura Laugwitz von der Fakultät für Wirtschafts- und Sozialwissenschaften die Hochschulperle des Monats Juli.

Sie bieten mit dem Input „gKI im Studium“ ein Format an, das sich in jedes Seminar und jede Vorlesung einbauen lässt. Was ist die Idee hinter diesem Ansatz?

Lehrende kommen eigentlich nicht darum herum, sich mit dem Thema künstliche Intelligenz in ihrer Lehrveranstaltung und insbesondere auch in den Prüfungen auseinanderzusetzen. Die Zeit, die wir im wissenschaftlichen Betrieb für die Lehre aufwenden können, ist realistisch gesehen aber stark begrenzt. Mit dem ‚gKI im Studium‘-Input haben Lehrende keinen Mehraufwand und lernen dennoch die ersten Grundlagen zu KI, die in ihrem eigenen wissenschaftlichen Arbeiten, aber eben auch im Alltag der Studierenden relevant sind. Somit sparen sie fast schon Zeit und haben ab da eine bessere Orientierung für die eigene Weiterbildung.

Eine weitere Besonderheit ist, dass Studierende und Lehrende zusammen zum Thema KI arbeiten. Warum ist das wichtig?

Dadurch, dass Lehrende am Ende des Semesters beurteilen, ob bzw. wie gut Studierende eine Lehrveranstaltung abgeschlossen haben, existiert eine gewisse Hierarchie im Lernraum. Mit dem Besuch einer externen Person wie mir, die KI-Wissen bewusst für Lehrende und Studierende vermittelt, kann diese Hierarchie temporär gelockert werden. Alle sind Lernende und so kann ein ehrlicherer Austausch über KI-Verständnis und KI-Nutzung stattfinden.

Lehrende erzählen dann auch selbst, wie sie KI nutzen, und verstehen besser, warum Studierende das an bestimmten Stellen tun. Das schafft eine konstruktivere Atmosphäre, in der lösungsorientierte Gespräche darüber stattfinden, wie KI im Rahmen einer Lehrveranstaltung oder Prüfungsleistung genutzt werden sollte oder darf. Es gibt den Lehrenden aber auch die Möglichkeit, in der eigenen Lehre gezielt nachzusteuern und Studierenden die Fähigkeiten zu vermitteln, die sie brauchen, um nicht auf KI-Lösungen angewiesen zu sein.

Welche Themen werden in dem Input behandelt?

Aktuell starten wir mit einem spielerischen Einstieg, der die technischen Grundlagen von Large Language Models (LLMs) wie ChatGPT greifbar macht. Dann besprechen wir kurz den Orientierungsrahmen, also was im Bereich der generativen künstlichen Intelligenz (gKI) an der Uni Hamburg erlaubt ist und was das fürs Studium bedeutet. Nach einer Diskussion konkreter Anwendungsfälle – zum Beispiel Literaturrecherche, Textüberarbeitung oder Ideenfindung – gibt es noch einen kurzen Input zu konkreten wissenschaftlichen KI-Tools für bestimmte Aufgaben. Wir schließen dann mit einem Austausch zu den gesellschaftlichen Auswirkungen von KI, unter anderem dem massiven Ressourcenverbrauch, der Lage von Click-Workerinnen und -Workern oder De-Skilling, also dem Nicht-Mehr-Erlernen oder Verlernen von Kompetenzen.

Sind aktuell Weiterentwicklungen geplant?

Als weiteren Schwerpunkt möchte ich gerne einen Input zu KI und Datenschutz ausbauen. Mir fehlt hier aber noch die Idee, wie das Ganze nicht zu trocken wird. Weil wir KI-Chatbots oft als sehr menschlich wahrnehmen, erzählen wir ihnen deutlich mehr von uns als in anderen Situationen. Das nützt dem anbietenden Unternehmen, das die Daten verkaufen kann, schadet aber potenziell den Nutzenden. Eigentlich ist das nichts Neues: Privacy und Datenschutz werden schon seit Jahrzehnten von Organisationen wie dem Chaos Computer Club oder bei Veranstaltungen wie den CryptoParties thematisiert. Aber der Hochschulkontext und das wissenschaftliche Arbeiten liegen da natürlich nicht im Fokus. Da müssen wir unsere eigene Expertise entwickeln.

Um konstruktiv zu bleiben, möchte ich außerdem stärker auf alternative KI-Anwendungen eingehen: andere Modelle als LLMs, andere Anbieter, lokal laufende Anwendungen sowie Systeme mit anderen Optimierungszielen. Da gibt es etwa den „Critical Thinking Bot", das Projekt einer Doktorandin in den USA, der nicht auf schnelle Antworten, sondern auf kritisches Denken ausgelegt ist.

Wenn Sie auch die Rückmeldungen von den Teilnehmenden schauen: Was macht „gKI im Studium“ besonders aus?

Das technische Verständnis von LLMs ist der erste Aha-Moment und entzaubert diese Technologie. Das lässt die Studierenden kritischer einschätzen, wie viel ‚Intelligenz‘ tatsächlich in diesen Systemen steckt, und gibt ihnen wiederum mehr Vertrauen in ihre eigenen Fähigkeiten. Wenn Lehrende während des Formats deutlich machen, dass sie zum Beispiel in Hausarbeiten lieber die möglicherweise noch hakeligen Ideen echter Menschen lesen wollen als die generischen Texte eines LLMs, nimmt das den Druck, perfekte Ergebnisse liefern zu müssen. Es erinnert alle daran, dass Fehler und Imperfektion wichtige Teile des Lernens sind. Und dass wir von Studierenden im zweiten Semester keine Texte erwarten, die so klingen, als wären sie frisch einer wissenschaftlichen Publikation entsprungen.

Insbesondere sind die Studierenden auch überrascht von den gesellschaftlichen Voraussetzungen für und Folgen von KI. Das sind alles wichtige Voraussetzungen für eine verantwortungsvolle Nutzung in der Uni, aber auch darüber hinaus.