KI an DACH-Hochschulen — September 2026

Überblick

Der September 2026 war durch zwei Schwerpunkte geprägt: die epistemische Resilienz von Studierenden und Lehrenden gegenüber KI-Systemen sowie die Governance digitaler Infrastrukturen. Das Hochschulforum Digitalisierung (HFD) veröffentlichte den ersten Fokusmonitor 2026 zur Verbreitung personalisierter Lernumgebungen. Das ZFHE-Themenheft Bd. 21 Nr. 3 (Digitale Souveränität und Governance) vereinte sechs KI-relevante Beiträge. Die FedCSIS 2026 brachte Beiträge aus Österreich und Deutschland zu KI-Erkennung, Akzeptanzforschung und epistemischer Kritik.

Deutschland

Der HFD Fokusmonitor 2026 (Budde, Sommer, Lüthi; 57 Seiten) befragte Vizepräsident:innen und Prorektoren mit Lehrressort: 95 % der Hochschulen sehen KI-Kompetenz-Vorbereitung als strategisch wichtig, doch adaptive Lernumgebungen sind nur bei 14 % breit im Einsatz; KI-Lernassistenten bei 53 % in der Umsetzungsphase. Das HFD-Arbeitspapier Nr. 94 (Vonlanthen & Koitka-Fieke) entwickelt ein Zwei-Säulen-Konzept für digitale Resilienz: epistemische Vigilanz und praktische Verifikation (DOI-Check, ORCID, Retraction Watch). Ein HFD-Blogbeitrag (Paaßen & Scharlau, TRR 318) formuliert begründetes Misstrauen gegenüber agentischen KI-Systemen als Bildungsziel.

Das ZFHE-Themenheft Bd. 21 Nr. 3 (Digitale Souveränität und Governance, 14.09.2026) vereint sechs KI-relevante Beiträge: Haufe & Stolzenburg (Hochschule Harz) entwickeln ein Compliance-Entscheidungsraster für GenAI-Bereitstellungsmodelle in der Hochschulverwaltung; Zerr & Bidler (HS Pforzheim) belegen in einem Vergleich von 52 Bachelorarbeiten mit sechs KI-Modellen, dass KI systematisch mehr qualitative Bewertungsansätze liefert als menschliche Gutachter — ein Argument für hybride Bewertungsverfahren; Nickel, Asen-Molz & Fuchs (Uni Regensburg/KU Eichstätt) dokumentieren ein standortübergreifendes Seminardesign zu digitaler Souveränität in der Lehrkräftebildung. Melanou, Beege & Kimmig (DHBW/PH Freiburg) publizierten in JCAL eine Längsschnittstudie (N=87, drei Messzeitpunkte): Strukturiertes KI-Tutoring verbessert Motivation und reflektive KI-Nutzung, ohne signifikanten Unterschied im Wissenszuwachs gegenüber der Kontrollgruppe. Auf der FedCSIS 2026 argumentierten Dörpinghaus & Tiemann (Uni Koblenz/BIBB), dass LLMs tacites Wissen und situiertes Textverstehen strukturell nicht leisten können; Vasileva, Reiser & Jürjens (Uni Koblenz) identifizierten in einem SLR (31 Studien) Performance Expectancy und Habit als stärkste Akzeptanzprädiktoren für GenAI in der Hochschullehre.

Österreich

Bretter & Todorova (Universität Wien/University of Queensland) dokumentierten in Research Policy den „AI Funding Penalty“: In einer UK-Repräsentativumfrage (N=1.465) fällt die Förderungsunterstützung von 77 % auf 42 %, sobald GenAI im Forschungsprozess verwendet wird — konditionale Akzeptanz bleibt bei 83–85 % erhalten, wenn substanzieller menschlicher Input bestehen bleibt. Daniel Dan (MODUL University Vienna) trat mit zwei FedCSIS-Beiträgen hervor: HybridDetect (Dan & Nakayama) klassifiziert KI-Kontamination in Studierendenessays in sieben Granularitätsstufen (79,9 % Accuracy) und plädiert für abgestufte Reaktionsrahmen in Prüfungsordnungen. INCLUDE-AI / G.I.U.L.I.A. (Ciaschi & Dan) kombiniert EU-AI-Act-konforme Governance-Taxonomie mit genderbewusster Implementierung. Pinzolits (FH Burgenland) definiert im ZFHE-Themenheft digitale Souveränität als organisationale Verwirklichungschance im Sinne des Capability-Ansatzes. Pammer-Schindler (TU Graz) war Co-Autorin einer Studie zu GenAI-Reflexionsunterstützung in der Pflegeausbildung: GenAI-Summaries fördern lernzielorientierte Reflexion, Chatbots stärken Handlungsplanung.

Schweiz

Schnatz, Bieri & Mahlow (ZHAW) publizierten in Didaktik Deutsch einen Triangulationsansatz für KI-gestützte Schreibforschung (Texte, Prompting-Journals, Survey), der die Unsichtbarkeit von KI-Anteilen im Schreibprozess methodisch adressiert. Hundertmark (HSLU Luzern) veröffentlichte in HMD Praxis der Wirtschaftsinformatik einen partizipativ validierten KI-Werte-Layer aus elf Werten für mündigkeitsfördernde Conversational AI, entwickelt unter Einbezug von Kindern, Eltern und Lehrpersonen.

Ausblick

Die im September dokumentierten Arbeiten zeigen eine zunehmende Differenzierung der DACH-Forschung: von strategischen Rahmendokumenten hin zu empirischen Implementierungsstudien, technischen Detektionssystemen und erkenntnistheoretischen Grundsatzfragen. Offen bleibt, wie Hochschulen die Lücke zwischen strategisch formulierten KI-Kompetenzzielen und messbarer Umsetzung schließen — ein Befund, den der HFD-Fokusmonitor aufwirft. Die für Herbst 2026 erwarteten Durchführungsakte zum EU AI Act für Hochrisiko-KI in Bildungskontexten dürften institutionelle Konkretisierungsbedarfe in Governance und Compliance auslösen.

Quellen

• Brandenburger, J. (2026). Digitale Souveränität bei KI-gestützter Lehrmaterialverarbeitung. ZFHE, 21(3), 133–153. https://doi.org/10.21240/zfhe/21-3/07
• Bretter, C., Todorova, B., Curtis, C., & Hornsey, M. J. (2026). Public views on the use of AI in scientific research. Research Policy, 55(10), 105632. https://doi.org/10.1016/j.respol.2026.105632
• Budde, J., Sommer, T., & Lüthi, R. (2026). HFD Fokusmonitor 2026: Personalisiertes Lernen im KI-Zeitalter. Hochschulforum Digitalisierung.
• Ciaschi, M., & Dan, D. (2026). INCLUDE-AI and G.I.U.L.I.A. FedCSIS 2026, ACSIS Vol. 49, 17–24. https://doi.org/10.15439/2026f8742
• Dan, D., & Nakayama, M. (2026). HybridDetect: Detecting Partial AI Contamination in Student Essays. FedCSIS 2026, ACSIS Vol. 47, 507–512. https://doi.org/10.15439/2026f3512
• Dörpinghaus, J., & Tiemann, M. (2026). Tacit Knowledge and Hermeneutics. FedCSIS 2026, ACSIS Vol. 48, 39–48. https://doi.org/10.15439/2026f5725
• Haufe, C., & Stolzenburg, F. (2026). Generative KI in Hochschulverwaltungen. ZFHE, 21(3), 95–114. https://doi.org/10.21240/zfhe/21-3/05
• Hundertmark, S. (2026). Werte aus Kinderhand: Ein partizipativ validierter KI-Werte-Layer. HMD Praxis der Wirtschaftsinformatik. https://doi.org/10.1365/s40702-026-01327-3
• Lösch, T., Dörfel, L., Porzelt, M., Bayer, S., & Meyermann, A. (2026). Rules for Using AI with Research Data: FDZ Bildung. Zenodo. https://doi.org/10.5281/zenodo.22744582
• Melanou, C., Beege, M., & Kimmig, M. (2026). Generative AI and Learning Dynamics in Higher Education. JCAL. https://doi.org/10.1002/jcal.70322
• Milesi, M. E., Pammer-Schindler, V., et al. (2026). Comparing GenAI Summaries Versus Chatbots for Supporting Reflection. IJHCI. https://doi.org/10.1080/10447318.2026.2731321
• Paaßen, B., & Scharlau, I. (2026). Gesundes Misstrauen gegenüber agentischen KI-Systemen. HFD Blog, 03.09.2026.
• Pietschmann, D., & Karnowski, V. (2026). Situated appropriation of ChatGPT among students. Zenodo. https://doi.org/10.5281/zenodo.22765407
• Pinzolits, R. (2026). Digitale Souveränität: Hochschulen als deliberative Akteure. ZFHE, 21(3), 55–73. https://doi.org/10.21240/zfhe/21-3/03
• Schnatz, N., Bieri, A., & Mahlow, C. (2026). Methodological triangulation in GenAI-supported writing research. Didaktik Deutsch. https://doi.org/10.21248/dideu.974
• Vasileva, V., Reiser, T., & Jürjens, J. (2026). Acceptance of Generative AI in Higher Education. FedCSIS 2026, ACSIS Vol. 49, 119–126. https://doi.org/10.15439/2026f3410
• Vonlanthen, S. D., & Koitka-Fieke, C. (2026). Wachsamkeit & Verifizierung – Digitale Resilienz in der Hochschule. HFD AP 94. Hochschulforum Digitalisierung.
• Zerr, K., & Bidler, M. (2026). Menschliche vs. KI-basierte Bewertung von Abschlussarbeiten. ZFHE, 21(3), 171–192. https://doi.org/10.21240/zfhe/21-3/09