Dr. Dzifa Vode
Generative künstliche Intelligenz (KI) ist längst im Studienalltag angekommen. Leistungsfähige Textgeneratoren wie Copilot, ChatGPT und Claude ermöglichen es uns allen, in kurzer Zeit Texte zu erstellen, zu überarbeiten oder sprachlich zu verbessern. Auch Studierende setzen KI-Anwendungen zum Schreiben im Studium ein: einer Erhebung von Hoffmann et al. 2026 zufolge knapp 90 % aller befragten Studierenden (n = 4048).
Bis zum massenhaften Zugang zu KI durch ChatGPT sind wir als Lehrende davon ausgegangen, dass gut geschriebene Texte auf gelungene Lernprozesse und erworbene Fachkompetenz hindeuten. Das war schon vor KI nicht immer ein zulässiger Schluss, aber ist jetzt wohl endgültig vorbei.
Für die Hochschullehre wirft das grundlegende Fragen auf: Was bedeutet wissenschaftliches Schreiben unter diesen Bedingungen? Und wie bewerten wir schriftliche Leistungen, wenn Fragen nach Eigenleistung und Urheberschaft offen sind und technische Detektionsverfahren nur begrenzt zuverlässig arbeiten (Hadra et al. 2026)?
Schreiben verändert sich und bleibt zentral
Wenn Maschinen Texte erzeugen, wozu dann noch selbst schreiben? Die Antwort liegt in dem, was Schreiben jenseits der Textproduktion leistet: Es unterstützt Denkprozesse, fördert Verstehen und macht Wissen sichtbar. Beim Formulieren zeigt sich, ob ein Gedanke trägt oder ob eine Verbindung zwischen zwei Konzepten nur behauptet ist. Schreibend lassen sich Unklarheiten schwerer im vagen Gefühl des Verstandenhabens stehen lassen, sie müssen benannt werden.
Hinzu kommt die fachsprachliche Sozialisation. Studierende eignen sich die Sprache ihres Fachs schreibend an, und diese Aneignung wirkt auf die mündliche Ausdrucksfähigkeit zurück, in Seminardiskussionen, Präsentationen und Prüfungsgesprächen. Generierte Texte überspringen genau die Phase, in der Fachsprache vom passiven Verstehen in den aktiven Gebrauch übergeht. Der Text ist dann fachsprachlich korrekt, die schreibende Person aber nicht sprachfähiger geworden.
Auch die Arbeit mit KI selbst setzt Schreibkompetenz voraus. Maschinelle Vorschläge zu prüfen, einzuordnen und zu steuern verlangt ein Urteil darüber, was ein Text leisten soll und ob er es leistet. Diese Urteilsfähigkeit entsteht aus eigener Erfahrung mit Textproduktion: Erst nach dem Ringen um eigene Formulierungen fällt auf, wo ein generierter Text nur plausibel klingt.
Diese Reihe geht deshalb davon aus, dass Schreiben ein zentrales Element akademischen Lernens und der wissenschaftlichen Sozialisation bleibt. KI verschiebt dabei die Anforderungen an Schreibkompetenz. Neben Fach- und Sprachkompetenz treten Fähigkeiten hinzu wie kritische Textbewertung, bewusste Steuerung von Schreibprozessen und reflexiver Umgang mit maschinellen Vorschlägen.
Was Sie hier lernen
Dieser Text ist die Einführung zu einer Reihe, die sechs Artikel umfasst. Sie können je nach Interesse einzeln oder als zusammenhängende Reihe gelesen werden:
- Mehr als Texte tippen: Schreiben als Lern- und Denkwerkzeug – wie Schreiben Denken unterstützt
- Schreiben lehren und lernen an der Hochschule: Schreibaufgaben, Lernsettings und curriculare Verankerung –Schreibaufgaben, Lernsettings, curriculare Verankerung
- KI als Ressource im Schreibkontext der Hochschullehre – wo Textgeneratoren Lernprozesse stützen
- Was KI im Schreibkontext schwierig macht – Grenzen, Risiken, blinde Flecken
- Schreibaufgaben KI‑resilient gestalten – Prinzipien für die Aufgabenkonstruktion
- Schreibaufgaben neu denken – Beispiele für die Hochschulpraxis
Jeder Artikel enthält: didaktische Einordnungen, konkrete Impulse für die Lehre, Hinweise auf weiterführende Materialien und ggf. passende Artikel im Online Writing Lab.
Rechtliche Grundlagen zum Einsatz von KI finden Sie in unserem Übersichtsartikel:
KI in der Lehre: Rechtliche Grundlagen auf einen Blick
Das können Sie jetzt tun
- Reflektieren Sie, welche Rolle Schreiben aktuell in Ihren Lehrveranstaltungen spielt. Welche Schreibaufgaben stellen Sie? Was sollen Studierende dabei lernen?
- Nehmen Sie eine Schreibaufgabe, die Sie regelmäßig stellen, und testen Sie sie selbst: Geben Sie die Aufgabenstellung in ein KI-Tool ein. Was kommt heraus?
Das Team Lehr- und Kompetenzentwicklung (LeKo) unterstützt Sie gerne bei der Weiterentwicklung Ihrer Lehre.
📧 Kontakt: leko@th-nuernberg.de
So geht es weiter
Im nächsten Artikel Mehr als Texte tippen: Schreiben als Lern- und Denkwerkzeug beleuchten wir Schreiben im Studium als kognitive, soziale und kulturelle Praxis – und schaffen damit die Grundlage für alle weiteren didaktischen Überlegungen.
Quellen
- Hadra, M., Cambridge, K. & Mesbah, M. Evaluating the accuracy and reliability of AI content detectors in academic contexts. Int J Educ Integr 22, 4 (2026). https://doi.org/10.1007/s40979-026-00213-1
- Hoffmann, N./Göbel, H./Rütten, D./Schmidt, S. (2026) :„Manchmal muss ich mich aktiv zum selbst denken motivieren“. Bericht zur Studierendenbefragung 2025 zum akademischen Schreiben mit KI. Schreibzentrum der Goethe-Universität Frankfurt a. M.
Weiterführende Literatur
- Buck, I. (2025). Wissenschaftliches Schreiben mit KI. UTB.
- Buck, I. & Limburg, A. (2023). Hochschulbildung vor dem Hintergrund von Natural Language Processing (KI-Schreibtools). Ein Framework für eine zukunftsfähige Lehr- und Prüfungspraxis. die hochschullehre, 9(6), 70–84. DOI: 10.3278/HSL2306W
- Limburg, A., Bohle-Jurak, U., Buck, I., Grieshammer, E., Gröpler, J., Knorr, D., Mundorf, M., Schindler, K. & Wilder, N. (2023). Zehn Thesen zur Zukunft des Schreibens in der Wissenschaft (Diskussionspapier Nr. 23). Hochschulforum Digitalisierung. https://hochschulforumdigitalisierung.de/sites/default/files/dateien/HFD_DP_23_Zukunft_Schreiben_Wissenschaft.pdf
Titelbild: Jamillah Knowles & Digit / https://betterimagesofai.org / https://creativecommons.org/licenses/by/4.0
Bildnachweis: Jamillah Knowles & Digit / https://betterimagesofai.org / https://creativecommons.org/licenses/by/4.0/
Der Beitrag wurde veröffentlicht im Juni 2026.
