icon picker
KI-Use-Case Details

Eine Übersicht zu KI-Use-Cases in Studium, Lehre und Support
Ob zur Gestaltung neuer Lehrformate, zur Unterstützung wissenschaftlicher Arbeitsweisen im Fach, zur individuellen Lernbegleitung, zur Prüfungsvorbereitung oder im Bereich der Studienberatung – generative KI eröffnet vielfältige Perspektiven für Studium und Lehre. Doch welche Ansätze haben tatsächlich Eingang in den Hochschulalltag gefunden?
Die hier versammelten KI-Use-Cases stammen aus Einreichungen der Hochschulcommunity, die dem und dem im Rahmen eines Call for Cases übermittelt wurden. Sie bildeten die Basis der Studie „Wie KI Studium und Lehre verändert“ (Wannemacher, Bosse, Lübcke, Kaemena, 2025) und werden – sofern in ihrer Beschreibung qualitativ angemessen, von den Fallgeber:innen im Rahmen ihrer Einreichung gestattet und dem Anliegen des Calls zutreffend – in diesem Katalog der Breite zugänglich gemacht.
Der Katalog soll Lehrende, Hochschulen und Interessierte zur Inspiration und Weiterentwicklung eigener Konzepte anregen.
Kontakt:

Disclaimer KI-VO

Die im Katalog dokumentierten Use-Cases wurden teils vor dem entwickelt und können daher rechtlich nicht in jedem Fall als abschließend bewertet gelten. Bei der Adaption liegt es in der Verantwortung der Nutzenden, die rechtlichen Rahmenbedingungen im eigenen Kontext zu prüfen.
Alle freigegebenen Use-Cases werden als OER unter der Lizenz veröffentlicht. Bitte bei Weiterveröffentlichungen den Namen der Fallgeber:innen, auf den Katalog hinweisen und den Lizenzhinweis angeben.
325a2622b7ea37d6c609cc835281c0fbefad10f867e039a69ada967aa106c248536b7b17a55137c20a3390bdf2edf094831ce9dff6dc9dd02df34912b6e890eb5b2ef1cf878261570e5df18da62f001ef6eb8a7a4bb2d9ae00ac882b04daa1971a32a1bd.avif
Sie möchten den Katalog gerne durch einen eigenen KI-Use-Case erweitern? Dann nur zu! (Bitte beachten Sie, dass wir nicht alle Aufbereitungsschritte der Cases, die im Rahmen der Studie gemacht worden sind, für neue Einreichungen nachholen können)

error

Diese Seite befindet sich gerade in Arbeit. Es können kleine Änderungen in der Darstellung vorkommen.


info
Navigation und Filter: Diese Ansicht zeigt Use-Case für Use-Case und ermöglicht detaillierte Einblicke. Nutzen Sie die Filter oberhalb des Katalogs, um einzuschränken, welche Cases angezeigt werden sollen. Wenn Sie die Cases in einer Gesamtübersicht betrachten wollen, steht eine tabellarische Ansicht zur Verfügung (siehe Navigationsleiste).

KI-Use-Cases in detaillierter Ansicht
Search
Formatives Feedback mit COFFEE & MIND
FernUniversität in Hagen
KI-Tutoren im Fernstudium
Wilhelm Büchner Hochschule (WBH)
Integration eines KI-Avatars zur Förderung von Führungskompetenzen in der Hochschullehre
Hochschule für angewandte Wissenschaften in Kempten
"Mit KI über KI qualitativ forschen" Ein soziologisches Lehrforschungsprojekt
LMU München
TEAM with AI: Wie die Partnerschaft von Mensch und KI die BWL-Grundlagenlehre revolutioniert
DHBW Heilbronn
Analyse offener Antworten aus Studierendenbefragungen
Hochschule München
KI-FOLIO: E-PORTFOLIO-GESTÜTZTES REFLEKTIEREN MIT GENERATIVER KI BEGLEITEN
Universität Passau und Ludwig-Maximilans-Universität München
Talk2Transform (T2T)
Technische Hochschule Brandenburg
Mentor-Bot
CBS
Held*innenreise mit KI
Universität des Saarlandes
KI-Einsatz in handschriftlichen Prüfungen
ETH Zürich, Nutzung in Parallel-Betrieb zu traditioneller Benotung
Integriertes KI-Projekt – AI Media Products
Hochschule der Medien Stuttgart
Zertifikat digi-peer+ (Digitale Future Skills): Zertifikatsprogramm zur Nutzung digitaler kollaborativer Tools und generativer KI im wissenschaftlichen Kontext
Technische Hochschule Rosenheim
Blaupause für personalisierte und didaktisch zielführende Lernbegleiter mit ausschließlich qualitätsgesicherten Inhalten
Hochschule Rhein-Waal (NRW)
KI beim Geschichte Schreiben - KI-gestützte Einsatzmöglichkeiten in Seminaren und Hausarbeiten
Christian-Albrechts-Universität zu Kiel
Wie verändern große Sprachmodelle die Geschichtswissenschaften?
Humboldt-Universität zu Berlin
AI-empowered Sustainability Consulting: Mit Mensch-KI-Kollaboration auf dem Weg zu UN-Nachhaltigkeitszielen
ZHAW - Zürcher Hochschule für Angewandte Wissenschaften
Programmieren für Nicht-Programmierer
Hochschule der Medien, Stuttgart
THI Success AI - Studienerfolg durch KI-generierte Lernpfade
Technische Hochschule Ingolstadt
Ars ex machina – Kunst aus der Maschine
Hochschule der Medien Stuttgart
Automatische Freitextauswertung für studentische Antworten
Hochschule Kempten
KI im Designprozess
Hochschule Hof
KI im Marketing - die Kunst des Promptings
Hochschule Neu-Ulm
KI-gestützte Entwicklung von Lernmedien
Hochschule Ruhr West
KI-Tutor für Mathematik-Veranstaltungen & mathematisches Selbststudium
hochschul-übergreifend, RWTH Aachen
Einsatz von ChatGPT im Fachsprachunterricht für medizinische Berufe
Der Use-Case wurde nicht direkt an einer Hochschule eingesetzt, sondern in berufsbezogenen Sprachkursen für medizinische Fachkräfte, die im Rahmen von BAMF-Programmen und von anerkannten Bildungsträgern in Deutschland durchgeführt wurden. Diese Kurse sind darauf ausgelegt, international ausgebildete Ärzte, Apotheker, Zahnärzte, Physiotherapeuten und Pflegekräfte auf die Fachsprachprüfung (FSP) und den Berufsalltag im deutschen Gesundheitssystem vorzubereiten. Viele von ihnen haben ihre Ausbildung im Ausland abgeschlossen und stehen vor der Herausforderung, die sprachlichen und fachlichen Anforderungen des deutschen Gesundheitssystems zu erfüllen. Der Kurs ist auf eine Dauer von 6 Monaten ausgelegt und umfasst intensive Sprachtrainings mit einem Fokus auf medizinische Fachsprache. Er findet 5-mal pro Woche mit einer täglichen Unterrichtszeit von 5 Unterrichtseinheiten (UE) statt.
Konfiguration von customized GPTs
Hochschule München
KI-unterstütztes formatives Assessment und Feedback
Humboldt Universität zu Berlin
Chatbots im Studierendenservice
Hochschule für Technik und Wirtschaft (HTW Berlin)
PET PEdagogical conversational Tutor KI Chatbots für die Lehre auf beliebigen Datenformaten in Minuten
Uni Hohenheim
StudiCoachBot - KI-basiertes Chatbot Coaching für Studierende zum Thema Prüfungsangst
TH Köln
Sensibilisierung für das Missbrauchspotenzial von LLM
Deutsche Hochschule der Polizei
DeepWrite
Universität Passau, FAU Erlangen-Nürnberg, HföD Hof
KI-unterstütztes Lernen im Bereich der Softwareentwicklung
Hochschule der Medien, Stuttgart
Gesprächssimulationen durch LLM / Generative KI
HAW Hamburg
KI-Tools in Arbeit, Beruf und Bildung
Technische Universität Hamburg
KI-Werkstatt - Wie verändern "KI-Tools" Studium und Lehre der Sozialen Arbeit?
TH Köln
Lernen mit ChatGPT
Universität Hohenheim
Digitaler Assistent zur Prüfungsvorbereitung
Hochschule für angewandte Wissenschaften Hof
Text-to-speech statt aufwendiger Audio-Aufnahme (mit Versionierung und CI/CD-Pipeline)
Universität Münster
Per Prompt-Battle zur Eigenständigkeitserklärung
Universität Hildesheim
KI als Emotionsairbag
Stiftung Universität Hildesheim
AI-Literacy an der Universitätsbibliothek Kiel
Christian-Albrechts-Universität zu Kiel
AI on the Virtual Linguistics Campus
Deutschland: Uni Marburg, Uni Bamberg, dazu mehr als 5 Schulen, VhS und > 13.000 Nutzer in Online-Kursen
ExperiMentor - KI Assistent für Studierende bei der Auswertung physikalischer Experimente
Universität zu Köln
KI-basierte Mustererkennungsverfahren - Ein Python-basierter Einblick
Universität Hohenheim
Anwendung von Retrieval Augmented Generation Chatbots in der Hochschullehre
Technische Universität Hamburg
Chatbots als Verhandler in digitalen Verhandlungen
Universität Hohenheim
AI as study buddy beim Programmieren Lernen
Duale Hochschule Baden-Württemberg
KI in Großveranstaltungen - RapidMiner zur prozessorientierten Einführung
Universität Hohenheim
Nutzung von ChatGPT zum Coding in der Statistiklehre für Biolog:innen
Universität Bremen
ChatGPT und andere KI-Tools beim wissenschaftlichen Schreiben
Hochschule für Technik Stuttgart
Predictive Analytics zur Lösung betriebswirtschaftlicher Probleme - Ein Python-basierter Ansatz
Universität Hohenheim
iOS App Entwicklung
Hochschule der Medien
HAnS — Hochschul-Assistenzsystem
Technische Hochschule Nürnberg, HAnS ist ein Verbundprojekt und wird bei 9 Hochschulen eingesetzt
Integration von KI in der praxisorientierten gewerblich-technischen Lehramtsausbildung
Universität Paderborn
Projekt-basiert einen eigenen Chatbot entwickeln
Hochschule München
Communikit- mpthy
Akkon Hochschule für Humanwissenschaften Berlin und Alice Salomon Hochschule für angewandte Wissenschaften
KI-Tutor
Fachhochschule Technikum-Wien
Systementwicklung mit Hilfe von KI-Systemen
Christian-Albrechts-Universität zu Kiel
Generative KI in der Programmierausbildung
Hochschule München
Multilingualer MOOC zum Thema Open Educational Resources
TU Graz
KI-Nutzung in Portfolioprüfungen zum Thema "Angewandte Biorobotik"
TU München
KI-basierte Literaturrecherche in der Methodenausbildung
Philipps-Universität Marburg
Personas für einen Online-Kurs
Technische Hochschule Lübeck bzw. Virtuelle Fachhochschule
Chat-GPT zur Verfassung von Protokollen in einem Laborpraktikum
Philipps-Universitaet Marburg
Generative Learning Experience (GLX) Design: Mensch-KI-Kollaboration im Innovationsprojekt
ZHAW - Zürcher Hochschule für Angewandte Wissenschaften
Chat-GPT als Online-Tutoring für den Fremdsprachenunterricht
Leibniz Universität Hannover
AI in Action: Practical Use in Business
Hochschule Albstadt-Sigmaringen
Case Nr.
61
Formatives Feedback mit COFFEE & MIND
Fallgeber:innen mit Kontakt
Michaels Hanses
Heike Karolyi
Lars van Rijn
Institution
FernUniversität in Hagen
Eingesetzt ab
Noch im Einsatz
Zentrale Rubrik
(Lehr-)Ziel
Das Feedbackzentrum begleitet Studierende im Semesterverlauf mit formativem Feedback und integriert die zwei Anwendungen COFFEE & MIND: COFFEE steht für Corrective Formative Feedback. Die Anwendung stellt ein skalierbares formatives Feedback zu Freitextaufgaben mit einer Kombination aus regelbasierter Bewertung und Einbindung von lokal implementierten LLMs bereit. Studierende geben eigene Lösung zur Aufgabe ein und erhalten ein hochinformatives KI-geschriebenes Feedback, um sich mit fachspezifischen Inhalten auseinanderzusetzen und auf die Anforderungen in der Klausur vorzubereiten. Sie ist seit dem 16.11.2024 im Einsatz. MIND steht für Monitoring Information Dashboard. Die Anwendung nutzt Daten aus Moodle-Aktivitäten und überführt diese in visuelles- und textbasiertes Feedback für Studierende, die dadurch individuellen Informationen zu ihren Kursaktivitäten und Kursfortschritt, Informationen zu Selbstregulation und Lernstrategien sowie zu Feedback Literacy erhalten. Zudem enthält die Anwendung Transparenzinformationen, in denen die genutzten Kennzahlen und Datenvisualisierungen erläutert werden. Hierbei liegt der didaktische Fokus auf der Förderung der Reflexion der eigenen Lernleistung und damit auf der Förderung der Metakognition während des Semesters (Self-Monitoring zu Kursaktivitäten und Kursfortschritt), auf der Vermittlung von Feedback-Literacy und auf Transparenz durch Erläuterungen der genutzten Kennzahlen und Datenvisualisierungen. Diese Anwendung ist seit dem SoSe 2024 im Einsatz.
Lehrformat
Lehrkonzept
Andere Lernformate und Lernkonzepte
Semesterbegleitendes Seminar; exploratives Lernen mit einer personalisierten formativen Feedbackanwendung als Web-Applikation im Rahmen eines Moduls im digitalem Studienformat. Dieses “Feedbackzentrum” unterstützt das selbstregulierte Lernen und die selbstständige, inhaltlich reflektierende Auseinandersetzung mit Fachinhalten.
Fachrichtung/Studiengang
Bildungs-/Erziehungswissenschaft
B.A. Bildungswissenschaft
Tools
COFFEE, MIND, Dash, OnTask
KI-Tooltyp
Tools Art(en)
Primäre Nutzer:innen der KI
KI-Einsatzbereiche
Anlass/Ausgangslage
Anlass für den KI-Einsatz waren Bedarfe zu skalierbarem, formativem Feedback. Studierenden fehlten individuell formulierte Rückmeldungen zu ihren generierten Texten, die in größeren Modulen für Lehrenden kaum möglich sind.
Es entstehen mit dem KI-Einsatz bzw. durch die Verfügbarkeit von lokalen LLMs nun neue Möglichkeiten des personalisierten formativen Feedbacks auf Freitextantworten, die konform zu Urheberrecht und Datenschutzrecht sind.
Einsatzzwecke
Die Anwendung unterstützt Studierende durch personalisiertes Feedback. COFFEE unterstützt gezielt die selbstständige Prüfungsvorbereitung im Sinne eines Übungssystems, MIND dient der Selbstbeobachtung und unterstützt das selbstregulierte Lernen. Lehrende haben keine Einsicht in die Feedbacks.
Vorgehensweise
Es handelt sich um eine Anwendungsentwicklung im Rahmen eines Bund-Länder-finanzierten Verbundprojekts über insgesamt 4 Jahre. Während der ersten drei Jahren wurden die zwei Anwendungen von einem interdisziplinären Team in einem Value Sensitive Design Prozess konzipiert, umgesetzt und als Prototyp getestet, im letzten Jahr erfolgt eine Skalierung auf weitere semesterbegleitende Kurse in verschiedenen anderen Fächern.
Empfehlung
Grundsätzliche Voraussetzung an der Hochschule: Institutionell implementierte LLMs auf leistungsfähigem Server; qualifizierter Administrator / technischer DB und Anwendungssupport, um Anwendung zu implementieren.
Bereitschaft der Lehrenden, Bewertungsrubrics und Prompts zu Freitextaufgaben des Kurses zu erstellen und diese einzupflegen.
Die Ermöglichung zuvor unmöglicher Lehrszenarien (z.B. skalierbares hochinformatives Feedback) wahrzunehmen und die personalisierte Unterstützung studentischer Autonomie im Lernprozess mit KI-Einsatz zu nutzen.
Den noch relativ hohen initialen Implementierungsaufwand nicht zu unterschätzen und die Notwendigkeit des Zugangs zu Technologien (z.B. Open Source LLMs) & interdisziplinärer Expertise (Informatik, Didaktik, Domänenwissen) mitzuberücksichtigen.
Herausforderungen
Es bedarf der Umsetzung des Datenschutzes und AI-Acts, der rechtlichen Rahmenbedingungen und der Berücksichtigung von Regelungslücken.
Lokale KI-Anwendung bedeutet hohe Anforderung an technische Infrastruktur und Server- sowie Datenbanken Management.
Besondere Herausforderungen waren zudem die Nutzung generativer KI mit Kontextinformationen sowie die Kombination von didaktischen Bewertungskriterien und Regeln, um die Qualität der Feedbacks zu sichern.
Der KI-Einsatz erfordert einen empathischen und verantwortungsbewussten Umgang mit der z. T. kritischen Haltung von Studierenden und Maßnahmen gegen eine geringe Beteiligung von Studierenden im fragebogenbasierten Evaluationsprozess
Eine Weiterbildung der Lehrenden ist notwendig.
Mehrwert Case-Fallgeber:in
Der KI-Einsatz unterstützt im Kontext der explorativen Lehrmethode, die als besonders förderlich für die intrinsische Motivation gilt, Studierende dabei, Sicherheit sowohl bei der selbstständigen Strukturierung neuer Inhalte als auch beim Erkennen von Zusammenhängen und der Passung eigener Transferleistungen zu gewinnen.
Die KI-Anwendung COFFEE beispielsweise stärkt durch ihre unmittelbaren Antworten, die anhand von Lehrenden festgelegter didaktischer Kriterien an eine gut gelöste Aufgabe generiert werden, diese akademischen Kompetenzen und entlastet mich als Lehrende von dem Druck, im digitalen Studienformat immerzu und möglichst alle studentischen Erarbeitungen zu überprüfen und eine passgenaue Rückmeldung zu geben.
Ein formatives Feedback zu Freitextaufgaben kann mit den verfügbaren Betreuungskapazitäten für jeden einzelnen Studierenden an keiner Hochschule erbracht werden. Der Mehrwert des KI-Einsatzes liegt deshalb vor allem darin, dass das automatisierte skalierbare Feedback die Qualität der Lehre erhöht und es ermöglicht, den Lernstand der Studierenden in Bezug zu diesem Aufgabenformat sowie den damit verbundenen Inhalten zu verbessern und ggf. die Prüfungsvorbereitung technologiegestützt weiterzuentwickeln.
Mehrwert Studierende
Die Studierende geben eine eigene Lösung zur Freitextaufgabe ein und erhalten ein hochinformatives KI-geschriebenes Feedback genau zu ihren Formulierungen, um sich im Laufe des Semesters individuell akademische Kompetenzen anzueignen und auf die Anforderungen in der Klausur vorzubereiten. Das wäre ohne KI nicht von Lehrenden zu leisten, da die Studierenden weitgehend selbstständig Sachstrukturen erarbeiten, unterschiedliche Lernwege zur Erreichung des Lernziels einschlagen und damit auch individuelle Interessen im Rahmen eines festgelegten Lernziels verfolgen können.
Zusammenfassung der Selbsteinschätzung
Der oder die Fallgeber:in schätzt diesen Case als besonders übertragbar, innovativ, ausgereift, ressourcenschonend, wissenschaftlich und wirksam ein.
Weiterführende Links

Anhang/Dateien
00061_03-G01Q15_02-2024-12-impact-coffe-mind.pdf
00061_02-G01Q15_01-coffee-student.gif
00061_02-G01Q15_01-coffee-student.gif
00061_01-G01Q15_00-coffee-teacher.gif
00061_01-G01Q15_00-coffee-teacher.gif
Want to print your doc?
This is not the way.
Try clicking the ⋯ next to your doc name or using a keyboard shortcut (
CtrlP
) instead.