Künstliche Intelligenz in der Hochschulbildung: Erkenntnisse aus einem Selbstexperiment eines Oxford-Dozenten

Künstliche Intelligenz in der Hochschullehre: Ein Oxford-Dozent im Selbstversuch

Die Integration von Künstlicher Intelligenz (KI) in den akademischen Alltag schreitet voran und wirft Fragen nach ihrer Rolle und ihrem Potenzial auf. Ein bemerkenswertes Experiment an der Universität Oxford, durchgeführt von Alex Connock, Dozent für Medien und KI an der Saïd Business School, bietet hierzu aufschlussreiche Einblicke. Connock untersuchte, inwieweit ein KI-Agent seine eigene Rolle als Lehrender übernehmen und einen Masterkurs konzipieren könnte, der vollständig auf seinen bisherigen Arbeiten basiert.

Das Experiment: Ein KI-Tutor im Einsatz

Für sein Selbstexperiment nutzte Alex Connock eine speziell für Bildungseinrichtungen entwickelte Plattform, Nebula One, die auf ChatGPT basiert. Er beauftragte den KI-Agenten, seine publizierten Werke und Vorlesungen zu recherchieren, seine Denkweise zu imitieren und daraufhin personalisiertes Lehrmaterial zu generieren. Die Ergebnisse überraschten den Dozenten: Der von der KI entworfene Masterkurs zum Thema Medien und KI war nicht nur sorgfältig strukturiert, sondern auch interaktiv und intellektuell anspruchsvoll. Connock räumte ein, dass er den Kurs selbst gerne entwickelt hätte. Der KI-Agent demonstrierte eine präzise Arbeitsweise, lieferte umgehende Antworten und zeigte ein tiefes Verständnis für die dynamischen Entwicklungen im Bereich Medien und KI. Besonders beeindruckten Connock die philosophischen Fragen des Tutors, beispielsweise zur Ethik von Non-Player-Characters (NPCs) in Computerspielen, die das Potenzial der KI unterstrichen.

Die Fähigkeit von ChatGPT, auf Connocks gesamtes multimediales Werk zuzugreifen, inklusive aufgezeichneter Vorlesungen, von denen er selbst keine Kenntnis hatte, war ein zentraler Faktor für die Qualität des Kurses. Dies wurde durch eine Vereinbarung zwischen Connocks Verlag und OpenAI ermöglicht, die die Nutzung seiner Werke für das Training von KI-Modellen einschloss. Connock äußerte sich positiv zu dieser Entwicklung und betonte die Notwendigkeit, Werke für KI-Modelle zugänglich zu machen, ähnlich der Suchmaschinenoptimierung.

Ein weiteres Highlight war die Fähigkeit des KI-Tutors, über das tatsächliche Wissen des Dozenten hinauszugehen. So ergänzte der KI-Agent im Bereich Film das von Connock gelehrte Werkzeug Adobe After Effects um Nuke, ein professionelles Tool für visuelle Effekte, das bei den Avengers-Filmen zum Einsatz kommt und dem Dozenten selbst unbekannt war.

Herausforderungen und Limitationen von KI-Modellen

Neben ChatGPT testete Connock auch andere KI-Modelle. Der chinesische Chatbot Deepseek zeigte eine geringere Präsenz seiner Werke in seinen Trainingsdaten, was Connock humorvoll als "Kränkung" bezeichnete. Googles Gemini 2.5 Pro überzeugte ebenfalls nicht, da es biografische Details über ihn halluzinierte. Grok von xAI schrieb ihm sogar ein bekanntes Zitat zu, das in Wahrheit von Deepmind-CEO Demis Hassabis stammt. Diese Beobachtungen verdeutlichen, dass nicht alle KI-Modelle die gleiche Qualität und Zuverlässigkeit aufweisen und die Problematik von "Halluzinationen" – also von KI erfundene, aber als Fakten präsentierte Informationen – weiterhin eine Herausforderung darstellt.

KI als Ergänzung, nicht als Ersatz

Trotz der festgestellten Limitationen wertete Connock sein Experiment als Erfolg. Die wichtigste Erkenntnis für ihn ist, dass menschliche Dozenten in einer zunehmend KI-zentrierten Bildungslandschaft nicht obsolet werden, sondern an Bedeutung gewinnen. Ihre Rolle wird sich wandeln: Sie werden das Lernerlebnis strukturieren, Inhalte in konzeptionelle Rahmen einbetten und den persönlichen Austausch fördern. KI kann dabei eine wertvolle Ergänzung bieten, indem sie hyperpersonalisierte Unterstützung und maßgeschneiderte Lerninhalte für Studierende bereitstellt. Dies ermöglicht eine individuelle Förderung, die mit herkömmlichen Mitteln kaum realisierbar wäre.

Auswirkungen auf die Wissenschaft und Arbeitswelt

Die Ergebnisse dieses Experiments sind nicht nur für die Hochschullehre relevant, sondern bieten auch weitreichende Implikationen für die Wissenschaft und die Arbeitswelt im Allgemeinen. Die Digitalisierung und der Einsatz von KI-Methoden führen zu einer zunehmenden Automatisierung von Routinetätigkeiten, was Effizienzgewinne ermöglicht. Gleichzeitig verändert sich die Art der Arbeit, wobei der Anteil an komplexen und kreativen Aufgaben für den Menschen zunimmt. Studien zeigen, dass KI viele Aufgaben übernehmen kann, die kognitive Fähigkeiten erfordern, und somit auch höherwertige Tätigkeiten wie Argumentation und Entscheidungsfindung unterstützen kann. Allerdings ist hierbei stets die Qualität der Daten und die Transparenz der KI-Prozesse kritisch zu hinterfragen, um Verzerrungen (sogenannte "Bias") und Fehlinterpretationen zu vermeiden. Die Forderung nach "erklärbarer KI" (Explainable AI, XAI) wird daher immer lauter, um die Nachvollziehbarkeit und Vertrauenswürdigkeit von KI-Ergebnissen zu gewährleisten.

Die Diskussion um die Ersetzbarkeit menschlicher Arbeitskräfte durch KI ist komplex. Während einige Studien ein hohes Substituierungspotenzial für bestimmte Berufe sehen, betonen andere die Grenzen der Automatisierung, insbesondere in Bereichen, die Kreativität, soziale Intelligenz und feinmotorische Fähigkeiten erfordern. Im akademischen Kontext wird erwartet, dass KI-Anwendungen die Forschung unterstützen und die Effizienz steigern können, ohne die menschliche Rolle des Forschenden zu verdrängen. Vielmehr könnte sich die Zusammenarbeit zwischen Mensch und KI in hybriden Ensembles weiterentwickeln, in denen der Mensch als Akteur die Kontrolle behält und die Ergebnisse kritisch evaluiert.

Regulierungsbedarf und ethische Überlegungen

Der zunehmende Einsatz von KI in der Forschung wirft auch Fragen des Datenschutzes und der Forschungsfreiheit auf. Die Europäische Datenschutz-Grundverordnung (DSGVO) stellt hohe Anforderungen an die Verarbeitung personenbezogener Daten, insbesondere hinsichtlich der Zweckbindung. Dies kann im explorativen Forschungsmodus von KI, der auf Mustererkennung in unstrukturierten Datensätzen abzielt, zu Konflikten führen. Es besteht ein Bedarf an klareren und forschungsfreundlicheren Regelungen, die den spezifischen Anforderungen der KI-basierten Forschung gerecht werden, ohne die Grundsätze des Datenschutzes zu untergraben. Zusätzliche Garantien und Sicherungsmaßnahmen sind erforderlich, um Missbrauch, Manipulation und Diskriminierung zu verhindern.

Ethische Überlegungen spielen ebenfalls eine zentrale Rolle. Die Fähigkeit von KI-Systemen, Entscheidungen zu treffen, die nicht immer transparent oder nachvollziehbar sind, erfordert eine Sensibilisierung der Forschenden für die epistemischen Risiken. Die Diskussion um "erklärbare KI" zielt darauf ab, diese "Black Box"-Problematik zu adressieren und die Interpretierbarkeit von KI-Systemen zu verbessern. Dies ist entscheidend, um Vertrauen in KI-basierte Forschungsergebnisse aufzubauen und eine verantwortungsvolle Entwicklung und Anwendung von KI zu gewährleisten.

Ausblick

Das Experiment des Oxford-Dozenten verdeutlicht, dass KI das Potenzial hat, die Hochschullehre und die wissenschaftliche Forschung grundlegend zu transformieren. Es wird erwartet, dass KI-Systeme als leistungsstarke Werkzeuge dienen, die Effizienz steigern, neue Forschungsfelder erschließen und personalisierte Lernerfahrungen ermöglichen. Dabei bleibt der Mensch als handelnder Akteur im Zentrum, dessen kreative, kritische und ethische Urteilsfähigkeit unverzichtbar ist. Die zukünftige Entwicklung wird eine kontinuierliche Auseinandersetzung mit den Chancen und Herausforderungen der KI erfordern, um ihr Potenzial zum Wohle der Wissenschaft und Gesellschaft voll auszuschöpfen.

Die Erfahrungen aus Oxford unterstreichen die Notwendigkeit einer adaptiven Strategie für Bildungseinrichtungen und Forschungsinstitutionen. Dazu gehören die Entwicklung neuer Curricula, die Förderung von KI-Kompetenzen bei Lehrenden und Forschenden sowie die Implementierung von transparenten und ethisch fundierten Richtlinien für den Einsatz von KI. Nur so kann sichergestellt werden, dass KI als Partner agiert und die menschliche Intelligenz nicht ersetzt, sondern erweitert und bereichert.

Bibliography - Autor, David H., David A. Mindell, and Elisabeth Reynolds. “The Work of the Future: Building Better Jobs in an Age of Intelligent Machines.” MIT Press, 2022. - Bassett, Bruce A. “I got an AI to impersonate me and teach me my own course – here’s what I learned about the future of education.” The Conversation, 2024. - Bölling, Noëlle. “Oxford-Dozent ersetzt sich selbst mit KI – und macht überraschende Entdeckungen.” t3n, 2025. - Buxmann, Peter and Schmidt, Jan C. “Künstliche Intelligenz in der Forschung: Neue Möglichkeiten und Herausforderungen für die Wissenschaft.” Ethics of Science and Technology Assessment 48. Springer, 2022. - Buxmann, Peter and Schmidt, Jan C. “Künstliche Intelligenz: Mit Algorithmen zum wirtschaftlichen Erfolg.” Springer Gabler, 2020. - Frey, Carl Benedikt and Osborne, Michael A. “The future of employment: How susceptible are jobs to computerisation?” Oxford Martin School, 2013. - Gethmann, Carl Friedrich. “Zur Frage der Ersetzbarkeit des Menschen durch KI in der Forschung.” Ethics of Science and Technology Assessment 48. Springer, 2022. - Spiecker genannt Döhmann, Indra. “Die Regulierungsperspektive von KI/BigData in der Wissenschaft.” Ethics of Science and Technology Assessment 48. Springer, 2022. - t3n.de. “Ein Oxford-Dozent hat getestet, ob ChatGPT in der Lage wäre, ihn zu ersetzen – und er hat überraschende Entdeckungen gemacht.” Facebook, 2025. - t3n.de. “Könnte eine KI euren nächsten Uni-Kurs leiten? Ein Dozent der Universität Oxford hat sich selbst von einem KI-Agenten vertreten lassen.” Facebook, 2025. - t3n.de. “Universität wollte KI-Schummler per KI-Tool überführen – mit gravierenden Folgen.” t3n, 2025.