Massachusetts Institute of Technology: KI drängt die Hochschulbildung zu einer Neupositionierung.
Diese Woche hat das Massachusetts Institute of Technology (MIT) offiziell an alle Lehrkräfte und Studierenden signalisiert: Die Verbreitung der generativen künstlichen Intelligenz kann nicht mehr durch vereinzelte Kursrichtlinien bewältigt werden, sondern erfordert eine systematische Revolution in der Lehre.
Dieser Bericht, der vom Sonderausschuss des MIT für „KI in Lehre, Lernen und Ausbildung“ veröffentlicht wurde, ruft die gesamte Hochschule dazu auf, mehrere grundlegende Fragen neu zu durchdenken: Was genau sollten die Studierenden lernen? Wie können Professoren beurteilen, ob die Studierenden das Wissen wirklich beherrschen? Welche Rolle sollte KI in diesem Prozess spielen? Und welche Bereiche sollten KI am besten gänzlich meiden?
Die MIT-Präsidentin Sally Kornbluth bezeichnet diesen Moment als „Wendepunkt“ für das MIT und die gesamte Hochschulbildung. Die im Bericht vorgeschlagenen Empfehlungen decken mehrere Ebenen ab: die Neugestaltung von Bewertungsverfahren, die Wiederbelebung des praktischen Lernens, die Festlegung klarer Regeln für die Nutzung von KI in jedem Kurs sowie den Aufbau neuer Praxisgemeinschaften für Lehrkräfte.
Die „Wendepunkt“-Erklärung des MIT betrifft nicht nur Universitäten
Das MIT ist einer der Begründer der modernen KI-Theorie und verfügt über das weltweit führende offene STEM-Kurssystem, dessen Absolventen in Laboren, Startups, Universitäten und Technologiegiganten zu finden sind. Wenn eine solche Einrichtung offen eingesteht, dass das bestehende Lehrmodell strukturelle Verbesserungen erfordert, können andere Universitäten dies kaum ignorieren.
Dieses Signal ist auch für Unternehmen höchst alarmierend. Heute stehen Hochschulen und Unternehmen vor dem gleichen Dilemma: KI kann viele Aufgaben übernehmen, die früher als „Beweis menschlicher Fähigkeiten“ galten, und die Endergebnisse spiegeln nicht mehr das tatsächliche Niveau des Erstellers genau wider. Die tiefergehende Frage lautet: Was müssen Menschen noch wissen, praktizieren und beweisen, wenn leistungsstarke Maschinen immer mehr kognitive Aufgaben übernehmen können? Die Antwort des MIT nimmt langsam Gestalt an: Menschen müssen zu geübten Nutzern von KI werden, aber gleichzeitig Urteilskraft, technisches Verständnis, Neugier und soziale Erfahrung behalten – das sind die Schlüsselfaktoren, um zu erkennen, wann Maschinen Fehler machen.
Die „Betrugsangst“ abschwächen, sich auf die „Neugestaltung von Fähigkeiten“ konzentrieren
Der Ausschuss der Einrichtung wurde im Januar 2026 gegründet und hatte ursprünglich drei Hauptaufgaben: die Bewertung des aktuellen Nutzungsverhaltens von KI durch Lehrkräfte und Studierende, die Erkundung neuer Lehr- und Bewertungsmethoden sowie die Festlegung von Richtlinien für die KI-Nutzung. Der Abschlussbericht geht jedoch weit über die Erwartungen hinaus und zielt direkt auf den Kern ab: Was soll die Bildung am MIT eigentlich bedeuten, wenn KI mit erstaunlicher Geschwindigkeit schreiben, programmieren, zusammenfassen, analysieren und simulieren kann?
Die von dem MIT vorgeschlagene Bewältigungsstrategie umfasst drei Dimensionen: Erstens müssen Kurse und Programme KI-Konzepte integrieren; zweitens muss das Campus-Lebenserlebnis der Studierenden und der Aufbau humanistischer Gemeinschaften stärker gewürdigt werden; drittens muss ein regelmäßiger Mechanismus für Experimente und Überarbeitungen eingerichtet werden, statt die anfänglichen Richtlinien als unveränderliche Gesetze zu betrachten. Kornbluth betonte unter Berufung auf die Originalworte des Ausschusses: „Dies ist keine optionale Maßnahme.“
Eine wichtige Umsetzungsmaßnahme lautet: Jeder Kurs muss die Regeln für die Nutzung von KI klar kennzeichnen – ob die Nutzung erlaubt ist, ob sie bei bestimmten Aufgaben vorgeschrieben ist oder ob sie vollständig verboten ist.
Beispielsweise könnte ein Schreibseminar die KI-gestützte Kommentierung erlauben, aber die Nutzung in der Entwurfsphase verbieten; Informatikkurse verlangen von den Studierenden, zunächst eigenständig grundlegende Algorithmen zu schreiben, bevor sie auf Programmieragenten zugreifen dürfen; Praxiskurse erlauben die KI-gestützte Datenanalyse, aber die Studierenden müssen selbst physische Experimente durchführen und die Ergebnisse mündlich darlegen.
Das Lehrlabor des MIT hat bereits mehrere Beispiele veröffentlicht: In Sprachkursen übersetzen die Studierenden zunächst selbst, vergleichen dann die von KI generierte Version und analysieren schließlich die Entscheidungslogik der Maschine; bei Aufgaben zur Datenvisualisierung erledigen die Studierenden die Arbeit sowohl mit als auch ohne KI-Unterstützung, um die Schwachstellen des Modells zu erkennen. Auf diese Weise wird die Maschine zu einem Bestandteil des Kurses und nicht zu einer Hintertür, um den Kurs zu umgehen.
Das Bewertungssystem ist möglicherweise der erste Dominostein bei der Neugestaltung der Hochschulbildung
Das MIT steht nicht allein da. Im Juli dieses Jahres haben das Stanford Learning Accelerator-Programm und der Educational Testing Service (ETS) der USA gemeinsam eine Reihe von Empfehlungen veröffentlicht, an denen mehr als 100 führende Persönlichkeiten aus Bildung, Forschung und Politik teilgenommen haben. Ihre zentralen Anliegen stimmen mit denen des MIT überein – die traditionellen Bewertungsverfahren, die sich um Aufsätze, Antworten oder Projekte drehen, spiegeln möglicherweise nicht mehr das Wissen und die Fähigkeiten wider, die Studierenden eigentlich erwerben sollten. Das Stanford-Team ruft dazu auf, vielfältigere Lernnachweise wie Portfolios, Dialoge, leistungsbezogene Aufgaben, formative Rückmeldungen und Fähigkeitsdarstellungen einzuführen.
Die Universität von Sydney geht noch weiter: Ihr Bewertungssystem folgt einem „Zwei-Wege-Modell“: Der eine Weg besteht aus sicheren, in der Regel persönlich durchgeführten Aufgaben, die die unabhängigen Fähigkeiten der Studierenden prüfen; der andere Weg erlaubt die Nutzung von Werkzeugen wie KI, damit die Studierenden lernen, diese in realen Umgebungen anzuwenden.
Diese Struktur trifft den Widerspruch, vor dem jede Universität heute steht: Absolventen müssen KI-Fähigkeiten beherrschen, da Arbeitgeber dies bereits ausdrücklich verlangen. Aber wenn Universitäten nie prüfen, was Studierende ohne KI leisten können, zertifizieren sie möglicherweise eher die Ausgabe der Maschine als die Fähigkeiten des Menschen.
Forschungen bestätigen: KI ist keine „unheilvolle Bedrohung“, aber der Schlüssel liegt in der Art und Weise ihrer Nutzung
Eine im März 2026 veröffentlichte Meta-Analyse, die 35 experimentelle Studien und 4193 Teilnehmer umfasst, ergab, dass die Nutzung von ChatGPT einen moderaten positiven Einfluss auf die Lernergebnisse hat. Eine weitere systematische Übersichtsarbeit aus dem Jahr 2026 (die 67 Studien einbezogen hat) weist darauf hin, dass KI kritisches Denken und kreatives Denken fördern kann, wenn Lehrkräfte KI in strukturierte Prozesse der Untersuchung, Reflexion und Bewertung integrieren. Umgekehrt treten in lockeren Lehrumgebungen Anzeichen von „kognitiver Entlastung“ und Denkrückgang auf.
Der Bericht betont zudem eine leicht zu übersehende Dimension – die zwischenmenschlichen Beziehungen. Wenn Informationen, Beratung, Programmierhilfe und die Erstellung von Schriftstücken billig und leicht zugänglich werden, werden die knappen Elemente der Universitätsbildung umso wertvoller: Es ist viel wertvoller, wenn Professoren beobachten, wie Studierende schwierige Probleme durchdenken, als wenn Maschinen dies übernehmen. Praktische Kurse, mündliche Prüfungen, Gruppenprojekte, Debatten an der Tafel und das informelle gegenseitige Korrigieren unter Mitschülern zeigen den Denkprozess einer Person vor anderen – und das ist genau das, was KI nur schwer nachahmen kann.
Der Standpunkt des Ausschusses der Einrichtung besteht nicht darin, KI aus der ernsthaften Forschung auszuschließen. Im Gegenteil: Das MIT gibt an, dass KI-Werkzeuge Forschern bereits helfen können, schneller Hypothesen aufzustellen und Konzepte zu testen. Die Fakultät wird zudem fachspezifische Gemeinschaften aufbauen, um Lehrkräfte bei der Nutzung von KI in der Forschung zu unterstützen. Dieses neue Muster ähnelt eher einem „intellektuellen Training“: Ein Teil der Arbeit sollte mit Hilfe von Maschinen menschliche Fähigkeiten erweitern, während bei einem anderen Teil die Maschinen bewusst „zur Seite treten“ sollten.
Die Situation von Unternehmen ist erstaunlich ähnlich
Die Wirtschaft verlangt von ihren Mitarbeitern in immer schnellerem Tempo, KI zu nutzen, aber der Wiederaufbau von Schulungs-, Verwaltungs-, Qualitätskontroll- und Leistungssystemen rund um KI bleibt weit zurück. Der „Arbeitstrend-Index 2026“ von Microsoft, der auf einer Umfrage unter 20.000 KI-Nutzern aus 10 Ländern und den Nutzungsdaten von Microsoft 365 basiert, zeigt: 66 % der KI-Nutzer geben an, dass die Technologie ihnen mehr Zeit für wertvollere Arbeit verschafft. Dennoch ist die menschliche Fähigkeit, die Qualität der KI-Ausgaben zu kontrollieren und kritisch zu beurteilen, das, was die Befragten am meisten schätzen – 86 % der Befragten sind der Meinung, dass KI-Ausgaben nur der „Ausgangspunkt“ und nicht das „Endziel“ sind.
Der Bericht enthüllt zudem ein Problem, das Universitätsmanager nur zu gut kennen: Nur 19 % der KI-Nutzer erreichen den höchsten Standard von Microsoft (bei dem persönliche Fähigkeiten und die organisatorische Bereitschaft einander ergänzen), und nur 26 % der Befragten geben an, dass die Führungskräfte eine klare und einheitliche Übereinstimmung in Bezug auf KI haben.
Mit anderen Worten: Die Bereitstellung von KI-Werkzeugen für Mitarbeiter bedeutet noch lange nicht, dass eine „KI-bereite“ Organisation geschaffen wurde – genau wie die Zuweisung von ChatGPT-Konten an Studierende noch lange keine „KI-bereite“ Universität macht.
Das „Praxisgemeinschaft“-Modell des MIT kann Unternehmen möglicherweise als Referenzvorlage dienen. Unternehmen können Gemeinschaften in Bereichen wie Finanzen, Ingenieurwesen, Vertrieb, Recht oder Forschung aufbauen, in denen Mitarbeiter Arbeitsabläufe vergleichen, KI-Ausgaben testen, Fehlermuster dokumentieren und Standards für die manuelle Überprüfung festlegen. Der Schlüssel liegt nicht in zentraler Genehmigung, sondern in kontinuierlichem Lernen auf Organisationsebene.
Dies ist auf dem Arbeitsmarkt von großer Bedeutung. Der „globale KI-Beschäftigungsbarometer 2025“ von PricewaterhouseCoopers zeigt, dass Mitarbeiter mit KI-Fähigkeiten einen durchschnittlichen Lohnaufschlag von bis zu 56 % erhalten. Der Bericht weist zudem darauf hin, dass Unternehmen größere Wachstumschancen verpassen könnten, wenn sie KI nur für Personalabbau nutzen, statt neue Produkte, Dienstleistungen und höherwertige Arbeit zu entwickeln.
Das Urteil des MIT über die Studierenden trifft auch hier zu: Ihnen beizubringen, KI zu meiden, bedeutet, sich auf eine Welt vorzubereiten, die nicht mehr existiert. Und KI alle schwierigen intellektuellen Aufgaben überlassen zu lassen, macht sie ungenügend auf die bevorstehende Welt vorbereitet.
Die wahre Antwort liegt möglicherweise in dieser „Zwischenzone“: Mensch und Maschine arbeiten zusammen, jeder übernimmt seine Aufgaben, und der Mensch behält immer das endgültige Urteilsrecht.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Edu-Leitfaden“ (ID: EduZhiNan), Autor ist Luo En, und 36Kr veröffentlicht ihn mit Genehmigung.