Das MIT veröffentlichte im Juni 2026 einen Bericht darüber, wie Studierende KI-Tools in allen Bereichen nutzen. Laut der Studie besuchen weniger Studierende die Sprechstunden, in Online-Diskussionsforen gibt es weniger Beiträge und Lerngruppen in Wohnheimen und Bibliotheken werden kleiner. Lehrende sagen, es sei schwieriger festzustellen, was Studierende tatsächlich lernen.
Was der Bericht empfiehlt
Das Komitee rät von KI-Text-Detektoren ab, da diese Arbeiten von Nichtmuttersprachlern oder neurodivergenten Studierenden häufig fälschlich als KI-generiert einstufen. Stattdessen soll bei jeder Abschluss- oder Doktorarbeit die Nutzung von KI offengelegt werden; als Mitautor darf KI nicht aufgeführt werden. Lehrende sollen transparent machen, wenn sie KI für Folien, Feedback oder die Benotung einsetzen.
Anstelle pauschaler Regeln schlägt der Bericht vor, dass jeder Kurs eine eigene KI-Richtlinie festlegt – ausgehend von den Lernzielen, der Prüfungsform und dem jeweiligen Fach. Zu den empfohlenen Änderungen im Unterricht gehören mündliche Prüfungen, Portfolios über das gesamte Semester, Gespräche vor Ort und projektbasiertes Arbeiten.
Größere Auswirkungen und ungleicher Zugang
Die Studie warnt, dass Studierende, die sich kostenpflichtige KI-Abos leisten können – sie können mehrere hundert Dollar im Monat kosten –, gegenüber Kommilitonen ohne diese Möglichkeit einen Vorsprung gewinnen könnten. Das MIT stellt Lehrenden und Promovierenden über seine Plattform Parley bereits monatlich kostenlose KI-Guthaben im Wert von $30 zur Verfügung. Studierende im Grundstudium müssen den Zugang jedoch selbst bezahlen.
Ähnliche Entwicklungen zeigen sich an anderen Hochschulen. Harvard befragte 2024 Studierende und stellte fest, dass 87.5 % KI nutzten; etwa ein Viertel gab an, seltener in die Sprechstunde zu gehen. In Großbritannien nutzten Ende 2025 95 % der Vollzeitstudierenden KI, besonders häufig Studierende aus wohlhabenderen Haushalten.
Warum es wichtig ist
Studierende könnten Sprechstunden und Lerngruppen meiden und dadurch wichtige Gelegenheiten für persönliche Unterstützung und gemeinsames Lernen verpassen. Für Lehrende wird es schwieriger, das tatsächliche Verständnis zu beurteilen, was sich auf die Noten und die Qualität des Feedbacks auswirken könnte. Der Leistungsunterschied zwischen Studierenden, die sich hochwertige KI-Tools leisten können, und jenen, die das nicht können, könnte auf dem Campus wachsen.
