1. Kontext
Die Veranstaltung thematisiert die Rolle von Künstlicher Intelligenz (KI) in der tertiären Bildung und deren Bedeutung für den Arbeitsmarkt. Basierend auf der Bayerischen Absolventenstudie (BAS) wird untersucht, wie gut Hochschulen Studierende auf den professionellen Einsatz von KI vorbereiten. Die Studie analysiert Daten des Absolvent:innenjahrgangs 2022/2023 (n=6.258) und beleuchtet Nutzungsverhalten, Kompetenzbedarfe sowie die wahrgenommene Vorbereitung auf KI im Berufsleben.
2. Kernaussagen
Hohe Nutzungsbereitschaft bei moderater Bedrohungswahrnehmung
- Nutzungsintention: Absolvent:innen zeigen eine starke Bereitschaft, KI im Beruf einzusetzen (Mittelwert: 3,34 auf einer Skala von 1–5).
- Fächerunterschiede: Informatikabsolvent:innen liegen über dem Durchschnitt, Geisteswissenschaftler:innen darunter.
- Gender AI Gap: Männer geben eine höhere Nutzungsintention an als Frauen, besonders in Rechts-, Wirtschafts- und Sozialwissenschaften.
- Bedrohungswahrnehmung: Nur 17 % der Absolvent:innen (2025) sehen ihren Arbeitsplatz durch KI bedroht.
- Ausnahmen: Geisteswissenschaftler:innen (21 %) und Informatiker:innen (21 %) zeigen leicht erhöhte Besorgnis.
Diskrepanz zwischen Selbstbild und Fremdbild
- Studierende: 65 % nutzen KI-Tools wie ChatGPT mindestens wöchentlich (Quelle: Hüsch et al., 2025).
- Fächerunterschiede: Natur- und Ingenieurwissenschaftler:innen nutzen KI häufiger als Geistes-, Rechts- oder Sozialwissenschaftler:innen.
- Führungskräfte: 82 % bewerten die KI-Vorbereitung von Absolvent:innen als „schlecht“ oder „sehr schlecht“ (Quelle: Rampelt et al., 2025).
- Kritikpunkte: Fehlende Kenntnisse in KI-Grundlagen, analytischen Fähigkeiten und ethischer Reflexion.
Geringe wahrgenommene Vorbereitung durch das Studium
- Selbsteinschätzung: Nur 14–19 % der Absolvent:innen fühlen sich durch ihr Studium gut auf KI im Beruf vorbereitet.
- Spitzenreiter: Informatikstudierende (höchste Werte).
- Nachholbedarf: Besonders in Geisteswissenschaften und bei rechtlichen/ethischen Fragen.
- Fähigkeitserwerb: Absolvent:innen schätzen ihre Kompetenzen in Natural Language Processing (NLP) am höchsten ein, während theoretische Grundlagen und ethische Reflexion schwächer bewertet werden.
Bedeutung der AI Literacy
- Definition: AI Literacy umfasst Kenntnisse in Grundfunktionen, Anwendung, Bewertung und ethischer Einordnung von KI (Ng et al., 2021).
- Messung: Die Studie nutzt die Meta AI Literacy Scale (MAILS) mit vier Teildimensionen:
- Use & Apply AI (Nutzung)
- Know & Understand AI (Wissen)
- Detect AI (Erkennung)
- AI Ethics (Ethik).
- Ergebnisse:
- Hohe AI Literacy: Absolvent:innen erreichen im Schnitt 6,7 von 10 Punkten.
- Zusammenhang mit Studium: Je besser die Vorbereitung durch das Studium, desto höher die AI Literacy (erklärte Varianz: 16 %).
- Fächerunterschiede: Informatiker:innen führen in allen Teildimensionen, Geisteswissenschaftler:innen punkten besonders in Ethik.
Fächerübergreifende Unterschiede in der Nutzung
- Naturwissenschaften/Informatik: Einsatz von maschinellem Lernen und Prozessautomatisierung.
- Geistes-/Sozialwissenschaften: Fokus auf NLP für Recherche, Brainstorming und Übersetzungen.
- Zweck: KI wird primär für Forschung und Entwicklung genutzt, besonders in Informatik und Ingenieurwissenschaften.
Nachholbedarf bei Reflexion und Recht
- Wünsche der Absolvent:innen:
- Mehr Unterstützung bei rechtlichen Fragen (z. B. Datenschutz, Urheberrecht).
- Vertiefung ethischer Aspekte (z. B. Bias, Verantwortung).
- Projektspezifische Anwendungen (praktische Umsetzung in konkreten Berufsszenarien).
- Kritik: Aktuelle Lehre fokussiert zu stark auf technische Tools statt auf kritische Reflexion.
Notwendigkeit neuer Lehrformate
- Empfehlungen:
- Projektbasiertes Lernen: Integration von KI in reale Fallstudien.
- Living Labs: Reallabore zur Kombination technischer, rechtlicher und ethischer Aspekte.
- Fachspezifische Vertiefung: Anpassung der Lehrinhalte an die Bedarfe der jeweiligen Disziplinen (z. B. maschinelles Lernen für Informatik, NLP für Geisteswissenschaften).
Internationale Einordnung
- Deutschland im Vergleich: Nur 31,1 % der Erwerbstätigen nutzen KI (Platz 23 weltweit; Quelle: Microsoft AI Economy Institute, 2026).
- Unternehmen: 54,5 % setzen KI ein (Quelle: ifo Institut, 2026), aber nur 12 % der Wissensarbeiter:innen gelten als „fortgeschrittene Nutzer:innen“.
3. Fazit
Handlungsempfehlungen für Hochschulen
- KI als Querschnittsthema verankern:
- Integration von KI-Kompetenzen in alle Studiengänge, nicht nur in Informatik.
- Vermittlung von AI Literacy als Schlüsselkompetenz (technisch, rechtlich, ethisch).
- Lehrformate reformieren:
- Einführung von projektbasiertem Lernen, Fallstudien und Living Labs.
- Stärkere Verzahnung von Theorie und Praxis (z. B. durch Kooperationen mit Unternehmen).
- Fachspezifische Schwerpunkte setzen:
- Informatik/Naturwissenschaften: Vertiefung von maschinellem Lernen und Automatisierung.
- Geistes-/Sozialwissenschaften: Fokus auf NLP, ethische Reflexion und rechtliche Rahmenbedingungen.
- Gender AI Gap schließen:
- Gezielte Förderung von Frauen in KI-relevanten Bereichen (z. B. durch Mentoring-Programme).
- Dynamische Anpassung:
- Regelmäßige Evaluation der Lehrinhalte, um mit technologischen Entwicklungen Schritt zu halten.
Botschaft
Hochschulen haben einen signifikanten Hebel, um Studierende auf die KI-geprägte Arbeitswelt vorzubereiten. Entscheidend ist dabei nicht nur die Vermittlung technischer Skills, sondern auch die Förderung von kritischem Denken, ethischer Reflexion und praxisnaher Anwendung. Die Studie zeigt, dass Absolvent:innen trotz hoher AI Literacy Nachholbedarf in der Vorbereitung sehen – hier besteht dringender Handlungsbedarf.
