Ihre Studierenden nutzen KI längst. Offen ist, ob sie dabei mit Ihren Kursmaterialien lernen.
46,5 Prozent der Studierenden nutzen KI inzwischen täglich für ihr Studium, ein Jahr zuvor waren es 24,9 Prozent. Nur noch 2,4 Prozent verzichten ganz darauf (CHE, Juli 2026). Befragt wurden rund 28.600 Studierende, vor allem aus Wirtschaft, Recht und Sozialer Arbeit. Ein allgemeiner KI-Chat kennt dabei weder das Skript noch die Lernziele der Lehrveranstaltung.
Die Hochschulen reagieren. An 53 Prozent sind KI-gestützte Lernassistenten in der Umsetzung, berichten die Vizepräsidentinnen und Vizepräsidenten für Lehre im HFD-Monitor 2026. Demos laufen allerdings mit sauberen Beispiel-PDFs. Was ein System in einem echten Kurs leistet, zeigt erst ein Test mit Ihrem Material. Dieser Leitfaden ordnet KI-Tutoren gegenüber vorhandenen Angeboten ein, nennt zehn Auswahlkriterien, beschreibt einen Vergleichstest in acht Aufgaben und gibt einen Überblick über die Optionen, die Hochschulen heute haben.
Zur Transparenz: acemate bietet selbst einen KI-Tutor für Hochschulen an. Die Kriterien gelten für jeden Anbieter und für Eigenentwicklungen. Wo acemate steht, lesen Sie im letzten Abschnitt.
Das Wichtigste in Kürze
- Erst klären, was schon da ist: Viele Hochschulen bieten mit HAWKI oder der Academic Cloud bereits datenschutzkonformen KI-Zugang. Ein KI-Tutor muss darüber hinaus etwas für eine konkrete Lehrveranstaltung leisten.
- Mit eigenen Materialien testen: Tabellen, Formeln, gescannte Seiten und Fragen, die das Skript nicht beantwortet, zeigen mehr als jede Demo.
- Urheberrecht vor dem Upload klären: Wer fremde Lehrbücher oder Artikel in ein KI-System lädt, vervielfältigt sie und braucht dafür eine Erlaubnis.
- Lernwirkung nüchtern einordnen: Ein randomisiertes Experiment fand bessere Testergebnisse, eine große Feldevaluation kaum Unterschiede im selbst eingeschätzten Lernerfolg.
- Den Pilot auf eine Entscheidung ausrichten: Erfolgskriterien, Budgetverantwortung und Entscheidungstermin stehen vor dem Start fest.
HAWKI, Eigenbau oder KI-Tutor: Was braucht Ihre Hochschule?
Ein KI-Tutor ist ein KI-gestütztes System, das Studierende im Dialog beim Erschließen von Kursinhalten, beim Üben und beim Überprüfen ihres Verständnisses begleitet. Er arbeitet mit den Materialien einer Lehrveranstaltung, belegt seine Antworten mit Fundstellen und lässt sich von Lehrenden steuern.
Bevor Sie Anbieter vergleichen, lohnt der Blick auf das Vorhandene. Schnittstellen wie HAWKI oder die Academic Cloud, die datenschutzkonformen Zugang zu Sprachmodellen geben, laufen an 55 Prozent der Hochschulen im Regelbetrieb. KI-Anbindungen im Lernmanagementsystem sind erst an 13 Prozent im Regelbetrieb (KI-Monitor 2025).
| Bedarf | Passender Ansatz | Entscheidende Frage |
|---|---|---|
| Recherche, Schreiben, Ideen entwickeln | Zentraler KI-Zugang wie HAWKI | Deckt das vorhandene Angebot den Zweck schon ab? |
| Fragen zu einem Skript beantworten | Kursbezogener Dokumentenchat | Findet er die richtige Stelle und belegt sie? |
| Verstehen, üben, Rückmeldung erhalten | Didaktisch steuerbarer KI-Tutor | Welche Lernhandlungen unterstützt er tatsächlich? |
| Fristen, Anlaufstellen, Studienorganisation | Service-Assistent | Wer hält die Informationen aktuell? |
Viele Hochschulen erwägen einen Eigenbau. 66 Prozent haben selbst gehostete Chatbots wie KI-Tutorensysteme auf der strategischen Agenda. Im Regelbetrieb laufen sie an 12 Prozent, an weiteren 44 Prozent als Modellversuch (KI-Monitor 2025). Ein Eigenbau passt, wenn über viele Semester Personal für Betrieb, Qualitätssicherung und Weiterentwicklung bereitsteht. Vergleichen Sie Eigenbau und Einkauf deshalb anhand derselben Kriterien und derselben Gesamtkosten über mehrere Jahre.
Zehn Auswahlkriterien für KI-Tutoren an Hochschulen
Zu jedem Kriterium steht, wer es an Ihrer Hochschule prüft. Daraus ergibt sich die Besetzung Ihrer Auswahlgruppe.
1. Passt der Tutor zu Lernziel und Lehrformat?
Ein Seminar mit anspruchsvollen Fachtexten braucht andere Unterstützung als eine Vorlesung, in der Rechenwege geübt werden. Beschreiben Sie dem Anbieter eine typische Lerneinheit Ihres Kurses und lassen Sie zeigen, wie Studierende sie mit dem Tutor bearbeiten. Aus der Funktionsliste wird so eine konkrete Frage: Was hilft beim Verstehen, was beim Üben, und was braucht Ihr Kurs nicht?
Wer prüft: Lehrende, Hochschuldidaktik
2. Kommt er mit Ihren tatsächlichen Materialien zurecht?
Ein gut lesbares Text-PDF ist der einfachste Fall. Echte Kurse enthalten Tabellen, Formeln, Abbildungen, gescannte Seiten und Folien mit wenig Text. Testen Sie mit einem repräsentativen Materialpaket und fragen Sie, welche Formate manuell aufbereitet werden müssen und wer diese Arbeit übernimmt.
Wer prüft: Lehrende, E-Learning-Team
3. Sind Antworten und Quellen fachlich überprüfbar?
Auch Systeme mit Quellenbezug machen Fehler. Spezialisierte juristische Recherchesysteme, die aus geprüften Quellen antworten, lagen in einer Stanford-Studie in 17 bis 33 Prozent der Fälle falsch (Magesh et al., 2025). Lassen Sie Lehrende Antworten anhand eines eigenen Testsets bewerten, öffnen Sie die angegebenen Fundstellen und prüfen Sie bei Rechenaufgaben den Lösungsweg. Fragen Sie auch, wie Studierende eine fehlerhafte Antwort melden und wer sie bearbeitet.
Wer prüft: fachlich verantwortliche Lehrende
4. Können Lehrende die Lernbegleitung steuern?
Für manche Übungen passen schrittweise Hinweise, für andere eine vollständige Erklärung. Lassen Sie zeigen, wie Lehrende Quellen, Themen, Antwortverhalten und Regeln festlegen, etwa dass der Tutor Lösungen zu Übungsblättern nicht vorwegnimmt. Stellen Sie dieselbe Anfrage dann mit anderem Wortlaut. So sehen Sie, ob die Regel im Dialog hält.
Wer prüft: Lehrende, Hochschuldidaktik
5. Wie fügt er sich in Moodle, ILIAS oder Canvas ein?
Ein Link aus dem Lernmanagementsystem (LMS), eine Anmeldung über das Hochschulkonto, eine automatische Kurszuordnung und eine laufende Synchronisation der Materialien sind vier verschiedene Leistungen. Lassen Sie den ganzen Weg in einem Testkurs vorführen, vom Klick im LMS bis zur ersten Antwort im richtigen Kurs. Aktualisieren und löschen Sie danach ein Dokument und fragen Sie, was zum nächsten Semester neu eingerichtet werden muss. Welche KI-Funktionen Moodle und ILIAS selbst mitbringen, zeigt unser Beitrag Moodle KI und ILIAS.
Wer prüft: LMS-Team, IT
6. Erfüllt er Ihre Anforderungen an den Datenschutz?
Fordern Sie Angaben zu Datenflüssen, Unterauftragnehmern, Verarbeitungsorten, Speicherdauer und Löschung an, dazu einen Vertrag zur Auftragsverarbeitung nach Art. 28 DSGVO und eine schriftliche Aussage, ob Eingaben und Inhalte zum Training von Modellen verwendet werden. Ausgangspunkte sind die Orientierungshilfe der Datenschutzkonferenz zu KI und, für Systeme mit angebundenen Dokumenten, die DSK-Orientierungshilfe zu Retrieval-Augmented Generation.
Wer prüft: Datenschutzbeauftragte, IT
7. Dürfen Sie die Materialien hochladen?
Wer ein Lehrbuch, einen Fachartikel oder Verlagsfolien in ein KI-System lädt, vervielfältigt das Werk im Sinne von § 16 UrhG. Dafür braucht es die Zustimmung der Rechteinhaber oder eine gesetzliche Erlaubnis. Die Ausnahme für vorübergehende Vervielfältigungen greift hier nach Einschätzung der Universität Bremen wahrscheinlich nicht. Klären Sie mit Bibliothek und Rechtsabteilung, welche Materialien in den Pilotkurs dürfen, und fragen Sie den Anbieter, ob Studierende hochgeladene Originaldateien herunterladen können.
Wer prüft: Recht, Bibliothek, Lehrende
8. Wie ordnet der Anbieter das System nach der KI-Verordnung ein?
Die europäische KI-Verordnung betrifft Hochschulen an drei Stellen. Seit Februar 2025 müssen Anbieter und Betreiber von KI-Systemen Maßnahmen zur KI-Kompetenz ihres Personals und weiterer Personen in ihrem Auftrag ergreifen, etwa Lehrbeauftragter (Art. 4). Der Digital Omnibus hat den Artikel im Juli 2026 neu gefasst. Gefordert sind jetzt Maßnahmen, die den Aufbau von KI-Kompetenz unterstützen (Verordnung (EU) 2026/1744). Seit August 2026 müssen Studierende erkennen können, dass sie mit einer KI interagieren (Art. 50). Ab dem 2. Dezember 2027 gelten Pflichten für Hochrisiko-Systeme. Dazu zählt KI, die über Zulassungen entscheidet, Lernergebnisse bewertet, das Bildungsniveau einstuft oder Prüfungen auf Täuschung überwacht (Anhang III Nr. 3).
Ein Tutor, der erklärt und Übungen anbietet, fällt nach unserer Lesart nicht unter diese Fälle. Das kann sich ändern, sobald seine Bewertungen in Noten oder Zulassungen einfließen. Lassen Sie sich die Einordnung vom Anbieter schriftlich geben. Diese Einschätzung ersetzt keine Rechtsberatung. Was das für Prüfungsordnung und Prüfungsformate bedeutet, beschreibt unser Beitrag KI in Prüfungen.
Wer prüft: Recht, Projektleitung
9. Wie gut sind Einstieg, Barrierefreiheit und Betreuung?
Zählen Sie die Schritte zwischen Einladung und erster sinnvoller Lernhandlung und testen Sie den Weg auf dem Smartphone und mit assistiven Technologien. Klären Sie außerdem, wer bei Störungen erreichbar ist, wie schnell reagiert wird und wie Produktänderungen mitten im Semester angekündigt werden.
Wer prüft: Studierende, Lehrende, IT
10. Sind Kosten, Vergabe und Fortführung geklärt?
Vergleichen Sie Gesamtkosten für denselben Umfang: Zielgruppe, Kurse, Laufzeit, erwartete Nutzung und Betreuung. Halten Sie die interne Arbeitszeit für Materialaufbereitung, Integration, Freigaben und Schulung getrennt von der Anbieterrechnung fest.
Klären Sie die Vergabe früh. Oberhalb von 216.000 Euro netto müssen Hochschulen Liefer- und Dienstleistungen in der Regel EU-weit ausschreiben (vergabe24, Schwellenwerte 2026). Maßgeblich ist der geschätzte Gesamtwert über die Laufzeit einschließlich Verlängerungen (§ 3 VgV). Fragen Sie auch nach Exportmöglichkeiten und den Schritten für einen Ausstieg.
Wer prüft: Budgetverantwortliche, Einkauf, Projektleitung
So vergleichen Sie KI-Tutoren mit Ihren eigenen Kursmaterialien
Geben Sie allen Anbietern dasselbe Materialpaket, das Sie rechtlich verwenden dürfen: einen typischen Lehrtext, eine anspruchsvolle Tabelle oder Abbildung und Aufgaben mit fachlich geprüften Lösungen. Vereinbaren Sie die gewünschten Einstellungen vor dem Test. Die acht Aufgaben sind ein praktischer Vorschlag und kein standardisierter wissenschaftlicher Vergleich.
| Testaufgabe | Worauf Sie achten |
|---|---|
| Ein schwieriges Konzept aus dem Skript erklären lassen | Fachliche Richtigkeit, verständliche Erklärung, passende Fundstelle |
| Eine Frage stellen, die das Material nicht beantwortet | Sagt der Tutor, dass die Unterlagen dazu nichts enthalten? |
| Eine Tabelle, Formel oder Abbildung einbeziehen | Korrekte Verarbeitung jenseits von Fließtext |
| Einen typischen falschen Lösungsweg vorgeben | Erkennt er den Fehler und erklärt er ihn fachlich passend? |
| Bei einer Übung zunächst nur einen Hinweis anfordern | Hält er die eingestellte didaktische Regel ein? |
| Eine Quelle aktualisieren und erneut fragen | Folgt die Antwort dem neuen Stand? |
| Als neue studierende Person aus dem LMS starten | Anmeldung, Kurszuordnung, erste sinnvolle Nutzung |
| Eine Antwort beanstanden und die Kursauswertung öffnen | Fehlerprozess und verständliche, zusammengefasste Einblicke |
Dokumentieren Sie Ergebnisse mit Datum, Material und Konfiguration, und wiederholen Sie kritische Aufgaben. Ein einzelner günstiger Durchlauf sollte die Entscheidung nicht tragen. Bewerten Sie jede Lösung je Kriterium mit erfüllt, teilweise, offen oder nicht erfüllt und legen Sie vorher fest, welche Kriterien Ausschlusskriterien sind. Fehlende Freigaben oder unzureichende fachliche Qualität gleicht keine Komfortfunktion aus.
Was die Forschung zur Lernwirkung zeigt
Zwei aktuelle Studien aus Deutschland kommen zu unterschiedlichen Befunden.
In einem randomisierten Experiment von Fischer, Rau und Rilke mit 334 Studierenden schnitten Teilnehmende mit Zugang zu einem KI-Tutor in einem späteren Test um 0,23 Standardabweichungen besser ab als die Kontrollgruppe. Uneingeschränkter Zugang wirkte stärker als eingeschränkter. Am meisten profitierten Studierende mit geringerem Vorwissen und guter Selbstregulation. acemate hat für diese Studie die technische Infrastruktur bereitgestellt.
Die Evaluation des bidt zum KI-Tutor OneTutor in 84 Lehrveranstaltungen an zehn bayerischen Hochschulen fand dagegen kaum Unterschiede im selbst eingeschätzten Lernerfolg zwischen Nutzenden und Nichtnutzenden. Objektive Daten wie Prüfungsergebnisse lagen aus Datenschutzgründen nicht vor, und die Studierenden entschieden selbst, ob sie den Tutor nutzen. Die Akzeptanz war hoch: 90 Prozent der befragten Lehrenden hielten den Tutor für eine sinnvolle Ergänzung, 84 Prozent würden ihn wieder einsetzen.

Ein kontrolliertes Experiment misst etwas anderes als eine Evaluation im Kursalltag, in dem Nutzung freiwillig und ungleich verteilt ist. Ein KI-Tutor kann Lernen verbessern. Ob er es in Ihrem Kurs tut, hängt von Einbindung, Zielgruppe und Qualität ab, und genau das sollte Ihr Pilot zeigen. Weitere Studien aus Harvard, Maryland und München, auch mit ungünstigen Befunden, ordnet unser Beitrag Was Studien über KI-Tutoren zeigen ein.
Ein Pilot, der eine Entscheidung ermöglicht
Ein Pilot sollte mit einer von drei Entscheidungen enden: fortführen, gezielt nachbessern oder beenden.
- Einen Kurs wählen. Eine verantwortliche Lehrperson, verfügbare und freigegebene Materialien, eine erreichbare Zielgruppe und ein Zeitraum, der die relevanten Lern- und Prüfungsphasen abdeckt.
- Vor dem Start festhalten. Lernproblem, Freigaben, Zuständigkeiten, Budgetrahmen, Erfolgskriterien und den Termin, an dem über die Fortführung entschieden wird.
- Gemeinsam einsteigen. Studierende probieren den Tutor in einer Sitzung an einer konkreten Kursaufgabe aus. Danach erfassen Sie Zugangsprobleme, fachliche Fehler und den Betreuungsaufwand.
- Ehrlich auswerten. Befragen Sie Studierende und Lehrende rechtzeitig vor Semesterende und werten Sie entlang der vereinbarten Kriterien aus.
Achten Sie dabei darauf, was eine Kennzahl belegen kann. Für einen Kurs mit Klausur ist ein Rückgang der Nutzung nach dem Prüfungstermin normal, für eine semesterbegleitende Lernbegleitung wäre er ein Warnsignal.

Welche Optionen gibt es für einen KI-Tutor an der Hochschule?
Für einen KI-Tutor stehen deutschen Hochschulen drei Wege offen: Landes- und Verbundangebote, eine Eigenentwicklung und spezialisierte Anbieter kursbezogener Tutoren. Die Übersicht ordnet sie nach den zehn Kriterien dieses Leitfadens ein, acemate als einen dieser Anbieter eingeschlossen. Sie ist keine Rangfolge. Welche Kriterien den Ausschlag geben, hängt von Ihrem Kurs ab.
| Option | Was sie ist | Stark bei | Besonders zu prüfen |
|---|---|---|---|
| Landes- und Verbundangebote wie HAWKI oder KI:connect.nrw | Datenschutzkonformer Zugang zu Sprachmodellen für alle Hochschulangehörigen | Datenschutz (6), Kosten (10) | Lernziel (1), Fundstellen (3), Steuerung durch Lehrende (4) |
| Eigenentwicklung | Selbst betriebener Tutor, zugeschnitten auf die eigene Lehre | Steuerung (4), Integration (5), Datenschutz (6) | Qualitätssicherung (3), Betreuung (9), Fortführung (10) |
| Spezialisierte Anbieter wie OneTutor | Eingekaufter Tutor, der aus den Materialien einer Lehrveranstaltung antwortet | Lernziel (1), Fundstellen (3), Steuerung (4) | Datenschutz (6), Vergabe und Ausstieg (10) |
| acemate (Anbieter dieses Beitrags) | Kursbezogener KI-Tutor mit Übungen, Lernpfaden und Analytics | Fundstellen (3), Steuerung (4), Datenschutz (6) | Materialien im Test (2), tiefere LMS-Integration (5), Kosten und Vergabe (10) |
Landes- und Verbundangebote. HAWKI ist eine kostenfreie Open-Source-Oberfläche für generative KI, die über 90 Hochschulen gemeinsam entwickeln, betreiben und nutzen. Dateien lassen sich als Kontext für einzelne Anfragen hochladen. Eine Wissensbasis aus internen Dokumenten wie Lehrmaterialien, auf der Chats und Assistenzsysteme aufbauen, führt das Projekt als geplante Funktion. In Nordrhein-Westfalen gibt die Landesplattform KI:connect.nrw Hochschulen Zugang zu kommerziellen und nicht-kommerziellen Modellen. Seit Juli 2026 bündelt das KI:Expertisezentrum.nrw sie mit KI:edu.nrw für 36 Hochschulen und baut einen gemeinsamen Zugang zu zentral gehosteten offenen Modellen auf (FernUniversität in Hagen, Juli 2026). Diese Angebote sind auf breiten, datenschutzkonformen Zugang ausgelegt. Kursbezug mit Fundstellen, Übungen und Regeln der Lehrenden gehört nicht zu ihrem heutigen Kern.
Eigenentwicklung. 66 Prozent der Hochschulen haben eigene Chatbots wie KI-Tutorensysteme auf der Agenda, im Regelbetrieb laufen sie an 12 Prozent (KI-Monitor 2025). Eine Eigenentwicklung lässt sich genau auf Lehrformate, Datenschutzvorgaben und das eigene LMS zuschneiden, etwa auf Basis einer Landesinfrastruktur. Offen bleibt, wer Qualitätssicherung, Betreuung und Weiterentwicklung über mehrere Jahre trägt, wenn Projektmittel auslaufen.
Spezialisierte Anbieter. OneTutor wurde im Mai 2025 von fünf Studierenden an der TU München als Start-up gegründet und war im Oktober 2025 nach Angaben der TUM an 30 Hochschulen in Deutschland und Österreich in mehr als 620 Lehrveranstaltungen im Einsatz. Studierende stellen Fragen zum Skript, die Antworten stützen sich auf dessen Inhalt. Lehrende kuratieren Quizfragen und sehen anonymisiert, welche Fragen gestellt werden (TUM, Oktober 2025). Die oben beschriebene bidt-Evaluation belegt hohe Akzeptanz unter Lehrenden, zur Lernwirkung liegen dort nur Selbsteinschätzungen vor. Daneben bieten internationale Anbieter kursbezogene Tutoren an, die sich in Lernmanagementsysteme einfügen. Ein Einkauf bringt Betrieb und Weiterentwicklung mit. Datenschutz, Vergabe und den Weg zum Ausstieg prüfen Sie je Anbieter.
acemate. acemate ist der Anbieter, der diesen Leitfaden herausgibt. Der KI-Tutor antwortet aus den Materialien der Lehrveranstaltung und nennt Dokument und Seite, Lehrende steuern Themen und Antwortverhalten. acemate kann selbst als LMS dienen oder sich über Single Sign-on und Deep Links in Moodle oder ILIAS einfügen. Tiefere Integrationen werden je Projekt geplant. Wie bei jedem kommerziellen Angebot gehören Kosten, Vergabe und Fortführung auf die Prüfliste. Details stehen im nächsten Abschnitt.
Für alle Wege gelten Urheberrecht (7) und KI-Verordnung (8) gleichermaßen: Welche Materialien hochgeladen werden dürfen und wie ein System einzuordnen ist, hängt vom Einsatz ab. Häufig ergänzen sich die Wege. Ein Landesangebot deckt Recherche und Schreiben ab, ein kursbezogener Tutor einzelne Lehrveranstaltungen.
Wo acemate in der Hochschullehre steht
Der KI-Tutor von acemate antwortet aus den Materialien der Lehrveranstaltung und nennt Dokument und Seite. Lehrende legen fest, welche Themen er abdeckt und wie er antwortet, und können KI-Funktionen pausieren. Analytics zeigen zusammengefasst, wo das Verständnis in einem Kurs hakt, ohne einzelne Studierende zu überwachen. Die Daten werden in der EU verarbeitet, es gibt einen Vertrag zur Auftragsverarbeitung, und Kursinhalte werden nicht zum Training von KI-Modellen verwendet (KI-Kontrolle und Datenschutz).
An der WHU folgten auf die Forschungsstudie eine Lehrveranstaltung in Business Ethics mit mehr als 260 Studierenden und weitere Kurse in Finance und Accounting. Innerhalb von weniger als sechs Monaten nutzte rund ein Drittel aller WHU-Studierenden acemate. An der Universität zu Köln begann der Einsatz im Wintersemester 2024 am Institut für Genetik und umfasst inzwischen weitere Fachbereiche, darunter die Geographie.
Wenn Sie den KI-Tutor prüfen möchten, bringen Sie zum ersten Gespräch einen konkreten Kurs, typische Materialien und Ihre offenen Fragen mit. Dann klären wir gemeinsam, ob sich der Kurs für einen Pilot eignet. Einen Überblick finden Sie auf unserer Seite für Hochschulen und Lehrende.


