KI als kritisches Gegenüber und Sparringspartner
Besonders interessant wird der Einsatz generativer KI in der Lehre dort, wo KI nicht einfach Aufgaben abnimmt, sondern Studierende dazu bringt, ihre eigenen Denk- und Arbeitsprozesse bewusster zu prüfen. KI kann Rückfragen stellen, Annahmen sichtbar machen, alternative Perspektiven eröffnen oder auf mögliche Schwachstellen hinweisen. Damit wird sie nicht zur Abkürzung im Lernprozess, sondern zu einem Gegenüber, an dem Studierende ihre fachliche Urteilsfähigkeit weiterentwickeln können.
Didaktisch ist das aus mehreren Gründen relevant: Lernen entsteht gerade in Phasen des Suchens, Prüfens, Vergleichens und Überarbeitens, die den Studierenden dabei helfen eigene mentale Modelle aufzubauen. In der Lernforschung wird dieser Zusammenhang etwa mit dem Konzept produktiver bzw. „wünschenswerter“ Schwierigkeiten beschrieben: Kognitive Anstrengung kann Lernen kurzfristig anspruchsvoller machen, langfristig aber zu tieferem und flexiblerem Verständnis beitragen (Bjork & Bjork 2011). Generative KI verändert diese Dynamik, weil sie Teile dieser kognitiven Arbeit sehr leicht übernehmen kann. Das kann dazu führen, dass Studierende zwar gute Ergebnisse produzieren, zentrale Denk- und Lernprozesse aber teilweise auslagern, was als Cognitive Offloading bezeichnet wird (Bergenholtz et al. 2026). In diesem Zusammenhang zeigt sich auch, dass das Arbeiten mit KI-gestützten Systemen mit einer geringeren kognitiven Aktivierung verbunden sein und sich dadurch die spätere Erinnerung verschlechtern kann. Zudem verringert sich das Gefühl der Urheber*innenschaft gegenüber den erzeugten Texten, insbesondere wenn zentrale Denk- und Formulierungsprozesse an das System delegiert werden (Kosmyna et al. 2025). Wenn KI nun als kritisches Gegenüber eigesetzt wird, bleibt die Anstrengung auf Seiten der Studierenden, die mit den Rückmeldungen der KI-Tools weiterarbeiten müssen.
Beispiele aus der Innovativen Lehre 2026
Die folgenden Lehrkonzepte der Innovativen Lehre zeigen verschiedene Möglichkeiten, KI als kritisches Gegenüber einzusetzen oder das Tool zur Förderung kritischer Denkprozesse zu nutzen.
KI als Sparringspartner im Forschungsprozess
Im Marketing & Consumer Research Project von Tatiana Rittler und Eva Marckhgott arbeiten Studierende an realen Forschungsprojekten mit Unternehmenspartner*innen. Generative KI wird dabei als methodischer Sparringspartner entlang des gesamten Forschungsprozesses eingesetzt: Sie unterstützt bei der Entwicklung und Reflexion von Forschungsfragen und Studiendesigns, der Überprüfung von Erhebungsinstrumenten mittels AI Pretesting sowie bei der Synthese von Ergebnissen in Form von AI Personas. Begleitende Reflexionsaufgaben fördern zudem einen kritischen und reflektierten Umgang mit den KI-generierten Inhalten.
Übertragbar sind in diesem Beispiel vor allem die konkreten Werkzeuge des Ansatzes. So kann KI auch in der Lehrveranstaltungsvorbereitung genutzt werden, um Aufgabenstellungen, Fragebögen oder Lehrmaterialien bereits vor ihrem Einsatz auf Verständlichkeit, Plausibilität und mögliche Schwachstellen zu überprüfen. Darüber hinaus bietet der Zugang auch Studierenden die Möglichkeit, fachspezifische Ideen, Konzepte oder Projekte kritisch zu reflektieren und weiterzuentwickeln. AI Personas ermöglichen es außerdem, unterschiedliche Zielgruppen oder Stakeholder-Perspektiven einzunehmen und Entscheidungen aus verschiedenen Blickwinkeln zu reflektieren, wodurch neue Sichtweisen in unterschiedlichen wirtschaftswissenschaftlichen Disziplinen sichtbar gemacht werden können.
KI als Tool zur Förderung kritischer Denkprozesse
Ein zweites Beispiel kommt aus der Lehrveranstaltung Critical Thinking and Social Media von Christina Schamp. Studierende lernen dort, KI-generierte Inhalte kritisch zu hinterfragen, deren Qualität und Glaubwürdigkeit zu beurteilen sowie potenzielle Verzerrungen, Fehler und Einflussfaktoren zu erkennen. Dazu testen sie generative KI-Systeme mit unterschiedlichen Prompts, analysieren Beispiele aus sozialen Medien und führen kleine empirische Untersuchungen durch, indem sie KI-generierte Inhalte erstellen, deren Wirkung analysieren oder Nutzer*innenreaktionen vergleichen.
Der übertragbare Kern dieses Beispiels liegt darin, KI-generierte Inhalte nicht nur zu nutzen, sondern systematisch zu analysieren und zu hinterfragen. Lehrende können in ihren Lehrveranstaltungen mit verschiedenen Prompts experimentieren, um Studierende für Biases, Kontextabhängigkeit und die Grenzen generativer KI in ihrem Fachbereich zu sensibilisieren. Eine anschließende Aufbereitung der Ergebnisse für die jeweilige Zielgruppe kann zudem eine weitreichende Aufklärung über den reflektierten Umgang mit KI unterstützen.
KI als kritisches Gegenüber im Entscheidungsprozess
Ein dritter Ansatz wird in AI Driven Decision Making von Christian Schumacher sichtbar. KI wird als kritischer Begleiter im Entscheidungsprozess genutzt. Sie dient dabei nicht nur der Unterstützung, sondern insbesondere der Überprüfung, Hinterfragung und Weiterentwicklung eigener Entscheidungslogiken. KI übernimmt dabei unterschiedliche Rollen, etwa als Challenger von Annahmen, zur Szenariogenerierung oder zur analytischen Unterstützung, während die Verantwortung für Struktur, Bewertung und Entscheidung bei den Studierenden bleibt.
Auch dieses Muster lässt sich gut auf andere Lehrkontexte übertragen. KI kann dort zur Strukturierung von Entscheidungssituationen eingesetzt werden, etwa indem Entscheidungsfälle zunächst in Kriterien, Alternativen und Unsicherheiten zerlegt werden. KI unterstützt die Ableitung relevanter Kriterien und kann zur Erweiterung von Handlungsoptionen eingesetzt werden, z.B. durch KI-generierte Szenarien oder durch zusätzliche strategische Optionen. Darauf aufbauend ermöglicht sie den systematischen Vergleich von Alternativen sowie deren Bewertung hinsichtlich möglicher Konsequenzen. Zusätzlich kann KI als kritische Reflexionsinstanz genutzt werden, um Entscheidungen unter veränderten Rahmenbedingungen zu prüfen.
Es lässt sich festhalten, dass generative KI ihr Potential in der Lehre vor allem dann entfalten kann, wenn sie als anregendes und kritisches Gegenüber verstanden und gleichzeitig von den Nutzer*innen selbst kritisch und reflektiert verwendet wird. In dieser Rolle kann sie nicht nur die Bearbeitung von Aufgaben unterstützen, sondern auch die bewusste Reflexion eigener Denk- und Arbeitsprozesse fördern, wobei sie dazu beitragen kann, Lernen als aktiven und selbstverantworteten Prozess zu stärken.
Quellenverzeichnis:
Bjork, R. A., & Bjork, E. L. (2011). Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning. In M. A. Gernsbacher, R. W. Pew, L. M. Hough & J. R. Pomerantz (Eds.), Psychology and the real world: Essays illustrating fundamental contributions to society (pp. 56–64). Worth Publishers.
Bergenholtz, C., Vuculescu, O., Günzel-Jensen, F., & Frederiksen, L. (2026). Leveling up or leveling down? The impact of generative AI on student performance in business schools. Academy of Management Learning & Education. https://doi.org/10.5465/amle.2025.0029.
Kosmyna, N., et al. (2025). Massachusetts Institute of Technology (MIT). Neural and behavioral effects of large language model-assisted writing: An EEG study on ChatGPT use in essay writing tasks.