So sieht KI-Lehrplanintegration im Programmtempo in der Praxis aus
27 May, 2026
Die Integration von KI in ein universitäres Curriculum war stets mit mehreren Fragen verbunden: Welche Tools sollen eingeführt werden, welche Leitplanken sind zu setzen, wie ist das Prüfungsdesign zu aktualisieren, wie sind Dozierende zu schulen? Die schwierigere Frage ist nun operativer Natur.
Gemäss dem Bericht «Class of 2026 Outlook» von Handshake nutzten 85% der Studierenden, die kurz vor dem Abschluss stehen, während ihres Studiums generative KI, doch nur 28% sagen, ihr Studiengang habe KI sinnvoll in den Lehrplan integriert. Diese Lücke zu schliessen ist eine Frage des Tempos: ob der Studiengang das, was er lehrt, in dem Tempo aktualisieren kann, in dem sich die Disziplin heute bewegt.
Was «Programme-Speed» auf der Curriculum-Ebene tatsächlich bedeutet
Ein Studienprogramm, das sich mit Semester-Tempo bewegt, ist eines, dessen Lehrpläne, Assessments und Analysen die nächste Änderung aufnehmen können, bevor die Kohorte bemerkt, dass die letzte bereits veraltet war. Das ist eine andere Grössenordnung von Veränderung als einfach ein KI-Wahlfach hinzuzufügen oder eine Workshop-Reihe durchzuführen.
An den meisten Universitäten laufen Überprüfungszyklen der Curricula im Halbjahres- oder Jahresrhythmus. Ein neues Tool, eine neue Methodik oder ein neuer institutioneller Entscheid durchläuft Gremien, Freigaben und einen Publikationszyklus, bevor es bei den Studierenden ankommt. In einem stabilen Fachgebiet ist dieses Tempo angemessen. In einem von KI geprägten Curriculum, in dem sich die zugrunde liegenden Werkzeuge jedes Quartal ändern, führt das zu Studienprogrammen, die ihren eigenen Kursbeschreibungen hinterherhinken.
Integration im Semester-Tempo bedeutet in der Praxis drei Dinge: Inhalte können innerhalb eines Semesters aktualisiert werden, das Assessment-Design hält Schritt mit dem, was Studierende tatsächlich tun, und die Analyseebene kann zeigen, was sich geändert hat und was daraus entstanden ist. Jedes davon beruht auf Infrastrukturentscheiden, die die meisten Studienprogramme noch nicht getroffen haben.
Erstellung, die innerhalb eines Begriffs aktualisiert wird
Die erste operative Anforderung besteht in Inhalten, die sich im Rhythmus der Curriculum-Änderungen aktualisieren lassen.
Dozierende können nicht jedes Semester neue Module von Grund auf erstellen. Den meisten fehlt die Zeit, und Institutionen, die dies von ihnen verlangen, bauen stillschweigend Burnout in den Prozess der Curriculumsüberarbeitung ein. Was Studienprogramme stattdessen brauchen, ist eine Autorenschnittstelle, die die Strukturarbeit übernimmt: Modulgliederungen erstellen, aus vorhandenen Materialien einen Erstentwurf der Inhalte verfassen, Aufgaben zur Beurteilung erstellen, die auf die Lernziele abgestimmt sind, wobei sie den Dozierenden die Arbeit überlässt, die nur diese leisten können: Urteilsvermögen, Einordnung sowie jene Teile der Disziplin, die sich nicht automatisieren lassen.
KI-unterstützte Inhaltserstellung ist inzwischen technisch möglich. Die schwierigere Frage ist, ob die Autorenschnittstelle Inhalte produziert, denen Dozierende vertrauen können. Drei Dinge sind an diesem Punkt entscheidend: Quellennachvollziehbarkeit bei KI-generierten Inhalten, Ausrichtung an Bildungsstandards und die Möglichkeit, sauber in jedes LMS zu exportieren, ohne manuelle Nacharbeit. Ohne dies können Dozierende KI-generierte Inhalte nicht als Erstentwurf eines Moduls verwenden — sie müssen sie Zeile für Zeile überprüfen, was mehr Zeit kostet, als es von Grund auf neu zu schreiben.
Beurteilung, die mit der Kohorte Schritt hält
Die zweite operative Anforderung ist ein Prüfungsdesign, das mit der tatsächlichen Arbeitsweise der Studierenden Schritt hält.
Rückstaus bei Integritätsfällen wachsen, wenn die Gestaltung der Leistungsnachweise auf Programmebene den Tools hinterherhinkt, die die Kohorte bereits nutzt. Die operative Lösung ist konkreter als eine neue Richtlinie zur akademischen Integrität. Die Neugestaltung der Leistungsnachweise für KI-bewusste Programme muss drei Dinge gleichzeitig leisten: den Prozess vom Ergebnis unterscheiden (weil das Ergebnis allein kein Verständnis mehr signalisiert), Unterlagen erzeugen, die eine Akkreditierungsstelle lesen kann (weil auditfähige Nachweise zunehmend regelmässig angefordert werden), und es Dozierenden ermöglichen, in dem Umfang zu bewerten, den die neuen Programmstrukturen erfordern.
Der dritte Punkt ist für die Arbeitsbelastung der Dozierenden am wichtigsten. Wenn KI-Unterstützung bei der Bewertung angemessen eingesetzt wird, verlagert sich die Arbeitszeit der Dozierenden vom Korrigieren routinemässiger Ergebnisse hin zur Neugestaltung dessen, was die Studierenden als Nächstes erarbeiten sollen. Das Programm hält mit der Curriculum-Ebene Schritt, weil die Dozierenden die Zeit haben, ihre Anforderungen zu überarbeiten.
Analysen, die Veränderungen nachweisbar machen
Die dritte Anforderung ist die Ebene, in die die meisten Studiengänge zu wenig investieren: Analytik, die Curriculumänderungen nachweisbar statt nur rhetorisch macht.
Die meisten Curriculumausschüsse können beschreiben, was sie in einem Lehrplan geändert haben. Nur wenige können zeigen, was die Änderung bewirkt hat. Diese Lücke wird von Jahr zu Jahr bedeutender, da Akkreditierungsstellen zunehmend fragen, was die Einführung nachgewiesen hat, statt was eingeführt wurde. Nachweisbare Veränderung erfordert eine gemeinsame Analytik-Ebene über Erstellung, Bewertung und Durchführung hinweg, die sichtbar macht, welche Interventionen welche Ergebnisse beeinflusst haben, welche Studierendengruppen reagiert haben und welche Teile des Curriculums eine weitere Iteration benötigen.
Das institutionelle Argument lautet, dass Evidenz auf Studiengangsebene der neue Beschaffungsstandard ist. Das operative Argument lautet, dass die Analytik dort angesiedelt sein muss, wo die Arbeit stattfindet, innerhalb der Curriculum-Plattform selbst, verfügbar für Dozierende und die Studiengangsleitung, ohne separaten Berichtszyklus.
Fünf Fragen, auf die eine Institution eine Antwort haben sollte
Der klarste Nachweis für Programmtempo-Bereitschaft ist operativer Natur. Eine Institution, die zur Integration von KI ins Curriculum im Programmtempo übergegangen ist, sollte die meisten der folgenden Punkte mit Ja beantworten können:
Kann eine Lehrperson die Modulinhalte innerhalb eines Semesters aktualisieren, ohne sie von Grund auf neu zu erstellen?
Weist KI-generierter Inhalt im Lehrplan nachvollziehbare Quellenangaben auf?
Unterscheidet das Bewertungsdesign zwischen Prozess und Ergebnis und kann es revisionssichere Aufzeichnungen erstellen?
Verknüpft die Analyseebene Entscheidungen bei der Inhaltserstellung mit Beurteilungsresultaten?
Könnte die Institution einem Gremium aufzeigen, was sich im Curriculum in diesem Jahr geändert hat und welche Ergebnisse diese Änderung erbracht hat?
Programme, die bei vier oder fünf dieser Fragen mit Ja antworten können, arbeiten im Tempo des Semesters. Programme, die bei einer oder zwei davon mit Ja antworten, arbeiten im Strategiepapier-Tempo, und der Unterschied wird bei der Rekrutierung im Herbst 2027 sichtbar werden.
Constructor Prism ist die Lösung zur Kurserstellung von Constructor Tech, entwickelt für Hochschulen, die im Programmtakt arbeiten. Sie generiert Modulstrukturen aus vorhandenen Materialien, erstellt KI-unterstützte Inhalte mit nachvollziehbaren Quellenangaben und exportiert ohne manuelle Nachbearbeitung in jedes LMS. Die Zyklen der Kursgestaltung verkürzen sich von Quartalen auf Wochen, damit das Curriculum mit der Disziplin Schritt hält, die es vermittelt.
