Für Lehrende

• Verbindliche Regelungen sind bislang selten, daher ist eine transparente Kommunikation auf Lehrveranstaltungsebene besonders wichtig.
• Eine Arbeitsfassung der Leitlinie für den Umgang mit "KI in der Hochschulpraxis" an der JMU Würzburg findet sich hier: KI in der Hochschulpraxis: Kompass für den Einsatz in Lehre und Prüfung
• Zu Beginn der Lehrveranstaltung sollten die Rahmenbedingungen für den KI-Einsatz klar kommuniziert werden:

Ist die Nutzung während des Semesters erlaubt?

Welche Formen der Dokumentation sind erforderlich?

Welche Rolle darf KI in Prüfungsleistungen spielen?

• Der Einsatz von KI in der hochschuldidaktischen Lehre darf experimentell sein. So kann ein reflektierter Umgang entstehen, der sowohl die Eigenständigkeit des wissenschaftlichen Denkens fördert als auch die Potenziale digitaler Werkzeuge ausschöpft.
• Ein Musterformular für die Regelung des KI-Einsatzes findet sich beispielsweise hier: KI-Tutoren Bayern: Blaupause für ChatGPT-Nutzungsrichtlinien

Der Einsatz von KI in Studium und Lehre darf nicht dazu führen, dass zentrale Elemente wissenschaftlicher Arbeit – wie kritisches Denken, argumentative Eigenleistung und methodische Reflexion – in den Hintergrund geraten. Gerade in der Literaturwissenschaft ist die Fähigkeit, Texte eigenständig zu analysieren, zu interpretieren und in theoretische Kontexte einzubetten, grundlegend.

• Seien Sie sich bewusst, dass KI inzwischen für viele zum Arbeitsalltag gehört– auch für Studierende. Sorgen Sie für eine offene Seminaratmosphäre, in der KI thematisiert und nicht tabuisiert wird. 
• Fördern Sie eine Haltung, die KI als ergänzendes Werkzeug begreift, nicht als Ersatz für wissenschaftliche Eigenleistung.
• Bieten Sie Raum für die Reflexion über den eigenen Denkprozess im Umgang mit KI – etwa durch begleitende Aufgaben, Diskussionen oder Portfolioformate.
• Vermitteln Sie, wann und wofür KI im Studienalltag hilfreich sein kann – und wo ihre Nutzung kritisch zu hinterfragen ist.

Praxisnahe Formate ermöglichen Studierenden, die Funktionsweise und Grenzen von KI eigenständig zu erkunden. Besonders geeignet sind:

• Kollaborative Textanalysen, bei denen KI alternative Lesarten oder historische Kontexte vorschlägt.
• Rollenspiele mit KI-Chatbots, etwa in der Rolle literarischer Figuren oder Autor*innen, um literarische Epochen, Motive und Charakteristika zu erschließen, Beispiele: 

Choose a female character from one of Shakespeare’s plays we studied in class (e.g., Ophelia, Lady Macbeth, Viola, Desdemona) and create a short fictional interview that you will conduct with an AI tool. The AI will generate the character responses. You are a contemporary interviewer, asking the (artificial) character about their motivations, conflicts, and experiences. 

Begin your fictional character interview with the following prompt (example: Ophelia from Hamlet):  
You are Ophelia from Shakespeare's play Hamlet. I am a contemporary interviewer and will conduct a character interview with you to get a better understanding of the character in the play.

Afterwards, ask 4-5 substantial questions that reveal something to you about Ophelia and possibly about the play as a whole, e.g. 
- Ophelia, many readers feel you had little control over your own life. Do you see yourself as powerless, or were there moments when you asserted your agency?
- Hamlet’s behavior toward you shifts dramatically. How did you interpret his actions, and what would you have expected from him?

Nimm die Rolle der Figur Lotte aus Johann Wolfgang von Goethes "Die Leiden des jungen Werthers" ein. Schreibe einen Brief an Wilhelm nach dem Suizid Werthers, in dem du deine Sicht der Geschehnisse darlegst. Hast du Werthers Zuneigung von Anfang an bemerkt? Wie standest du zu ihm?  

• Stilistische Experimente, z. B. das Umschreiben von Szenen oder Gedichten zur Analyse sprachlicher Merkmale und narrativer Perspektiven.

Es gilt, die Prüfungsformate kritisch zu hinterfragen und an die veränderten Bedingungen anzupassen. Ein zukunftsorientierter Umgang mit KI in Prüfungssettings bedeutet nicht, die Technologie zu verbieten, sondern sie didaktisch sinnvoll zu integrieren. Dies kann durch alternative Prüfungsformate geschehen, die die aktive Auseinandersetzung mit KI fördern und zugleich die Eigenleistung der Studierenden sichtbar machen.

Grundsätzlich gilt: Jedes Fach sollte sich ermutigt fühlen, eine offene Diskussion über die bestehenden Prüfungsformate zu führen. 

• Diversifizierung der Prüfungsformate: Wenn für Lehrende prüfungsrechtlich die Möglichkeit besteht, können statt häuslicher Prüfungsformate Klausuren, Portfolioarbeiten, in-class essays, mündliche Prüfungen, Projektformate oder reflexive Aufgaben eingesetzt werden.
• KI als Prüfungsgegenstand: Aufgabenstellungen können gezielt darauf ausgerichtet sein, dass Studierende KI-Tools nutzen, deren Ergebnisse analysieren, bewerten und in einen wissenschaftlichen Kontext einordnen.
• Transparente Bewertungskriterien: Die Bewertung sollte klar zwischen technischer Nutzung, kritischer Reflexion und eigenständiger Argumentation unterscheiden. So bleibt die wissenschaftliche Qualität der Leistung nachvollziehbar.
• Dokumentationspflicht: Der dokumentierte Einsatz von KI sollte als Best-Practice-Beispiel in der Lehre eingeführt werden, nicht als Kompromiss. Eine Unterscheidung zwischen Strukturierung, Ideenfindung und Stilistik erscheint zielführend. 
• Wünschenswert sind fachinterne Regelungen zum Umgang mit Verdachtsfällen.

Weitere Informationen, Best-Practice-Beispiele und Kursangebote finden Sie auf den folgenden Seiten. Zusätzlich gilt: Nach dem ab August 2025 in Kraft getretenen "EU AI Act" sind Arbeitgeber verpflichtet, auf Schulungsangebote hinzuweisen.

Universität Würzburg (teilweise intern):

• Universitätsbibliothek Würzburg: Literaturrecherche mit KI (E-Learning-Angebot), Link
• WueCampus-Raum "Text- und mediengenerierende Künstliche Intelligenz (ChatGPT & Co) in der Lehre", Link
• Website des Rechenzentrums der Uni Würzburg zur Nutzung KI-gestützter Tools, Link
• WueDive (Universität Würzburg), Link
• BayLern (für Beschäftigte an bayerischen Universitäten), Link

Allgemein:

• KI-Campus (Lernplattform des Stifterverbandes für Künstliche Intelligenz), Link
• KI-Tutoren Bayern (TU München), inkl. Tutorials und Muster-Formularen, Link
• Hochschulforum Digitalisierung, Link
• Weiterbildungsangebot FOKI (versch. Workshops), Link
• Open Educational Resources zum Thema KI, Link

• Themenwelt „Open Educational Resources und Künstliche Intelligenz“ (Landesportal für Studium und Lehre NRW), Link