Rethinking Higher Education/de/Chapter 10
Universität der Zukunft: KI-gestützte Hochschulbildung zwischen europäischem Humanismus und chinesischer Innovation
Martin Woesler
Hunan-Normaluniversität
Zusammenfassung
Die Hochschulbildung steht an einem Scheideweg. Die Konvergenz von Künstlicher Intelligenz, post-pandemischem Hybridlernen und Smart-Campus-Technologien transformiert Universitäten von Institutionen der Wissensvermittlung zu adaptiven Lernökosystemen. Dieser Artikel untersucht, wie europäische und chinesische Universitäten auf diese Transformation reagieren, gestützt auf institutionelle Daten, Politikanalyse und aktuelle empirische Forschung. Wir dokumentieren Chinas staatlich geleiteten Ansatz -- verkörpert durch die UNESCO-preisgekrönte Intelligente Bildungsplattform mit 293 Millionen Lernenden -- und kontrastieren ihn mit dem dezentralisierten Modell der EU, das über 65 Europäische-Universitäten-Allianzen mit über 570 Institutionen in 35 Ländern operiert. Durch einen systematischen Vergleich von KI-Adoptionsrichtlinien, Hybridlernmodellen, Smart-Campus-Infrastruktur und Integration generativer KI argumentieren wir, dass weder die chinesische Betonung von Geschwindigkeit und Umfang noch die europäische Betonung demokratischer Steuerung und Lehrautonomie allein ausreichend ist. Eine Synthese -- die Chinas Kapazität zur schnellen Bereitstellung mit Europas Bekenntnis zu humanistischen Werten und institutioneller Selbstverwaltung verbindet -- bietet das vielversprechendste Modell für die Universität der Zukunft.
Schlüsselwörter: Universitätstransformation, KI in der Hochschulbildung, Smart Campus, Hybridlernen, EU-China-Vergleich, Generative-KI-Richtlinien, digitale Bildung
1. Einleitung
Am 13. März 2024 eröffnete das Jean-Monnet-Exzellenzzentrum an der Hunan-Normaluniversität seine Vortragsreihe „Digitalisierung in China und Europa" mit einer Präsentation zum Thema „Universität der Zukunft." Der Vortrag, an dem mehr als 200 Teilnehmer anwesend waren, erkundete, wie Künstliche Intelligenz, virtuelle Realität und hybride Pädagogiken die Institution umgestalten, die seit der Gründung der Universität Bologna 1088 als primäres Vehikel für fortgeschrittene Wissensvermittlung gedient hat.
Die Universität steht vor einem Paradox. Als Institution ist sie bemerkenswert stabil -- ihre grundlegende Organisationsform (Departments, Fakultäten, Vorlesungen, Prüfungen, Abschlüsse) hat sich in einem Jahrtausend weniger verändert als fast jede andere soziale Institution. Doch die Umgebung, in der sie operiert, hat sich innerhalb eines einzigen Jahrzehnts bis zur Unkenntlichkeit verändert. Studierende, die heute die Universität betreten, werden in einen Arbeitsmarkt eintreten, auf dem schätzungsweise 44 Prozent der Beschäftigten ihr Kompetenzprofil innerhalb von fünf Jahren werden ändern müssen (WEF 2023). Sie werden täglich KI-Werkzeuge nutzen -- 50 Prozent nutzen sie bereits mindestens wöchentlich innerhalb und außerhalb des Hörsaals (EDUCAUSE 2025). Sie erwarten Hybridlernangebote -- 86 Prozent der auf dem Campus studierenden Bachelorstudierenden bevorzugen eine Kombination aus Präsenz- und Online-Kursen (Rize Education 2025). Und sie werden in einer Wirtschaft arbeiten, in der die Institutionen, die sie ausbilden -- Unternehmen, Online-Plattformen, Bootcamps -- zunehmend mit Universitäten um den Zertifikatsmarkt konkurrieren.
Dieser Artikel untersucht, wie europäische und chinesische Universitäten diese Transformation navigieren. Er baut auf den Begleitkapiteln dieses Bandes auf, die spezifische Dimensionen der Bildungsdigitalisierung adressieren -- KI im Sprachlernen, alternative Lernformen, Datenschutz, KI-Ethik und Nachhaltigkeit --, indem er die übergreifende institutionelle Frage behandelt: Welche Art von Universität brauchen wir für das KI-Zeitalter, und wie arbeiten die beiden größten Bildungssysteme der Welt darauf hin?
2. Der Smart Campus: Infrastruktur für die Zukunft
2.1 Chinas Intelligente Bildungsplattform
Chinas Ansatz zur Universitätstransformation wird durch die Nationale Intelligente Bildungsplattform (国家智慧教育平台) verkörpert, die im März 2022 gestartet und 2023 mit dem UNESCO-Preis König Hamad Bin Isa Al-Khalifa für den Einsatz von IKT in der Bildung ausgezeichnet wurde. Bis Ende 2023 verband die Plattform 519.000 Bildungseinrichtungen, 18,8 Millionen Lehrende und 293 Millionen Lernende, mit über 100 Millionen registrierten Nutzern aus mehr als 200 Ländern und 36,7 Milliarden Aufrufen (UNESCO 2023).
Die Plattform integriert vier Unterplattformen -- für Grundbildung, Berufsbildung, Hochschulbildung und Lehrerfortbildung -- in eine einheitliche digitale Infrastruktur. Für die Hochschulbildung im Besonderen bietet sie Zugang zu mehr als 27.000 Online-Kursen, virtuellen Simulationsexperimenten und interinstitutionellen kollaborativen Lernräumen. Der Umfang ist beispiellos: Kein anderes Land betreibt eine einzelne Bildungsplattform, die fast 300 Millionen Nutzer bedient.
Die Intelligente Bildungsplattform spiegelt einen distinktiv chinesischen Ansatz an Bildungstechnologie wider -- zentralisiert, staatlich finanziert, rasch bereitgestellt und mit breiteren nationalen Strategien integriert. Die Strategie zur Bildungsdigitalisierung des 14. Fünfjahresplans positioniert die digitale Transformation als essenziell für Chinas Ziel, bis 2035 weltweit führend in der Bildung zu werden. Provinzregierungen haben die nationale Plattform durch regionale Initiativen ergänzt; die Provinz Hunan beispielsweise hat in Smart-Classroom-Infrastruktur an ihren öffentlichen Universitäten investiert, darunter die Hunan-Normaluniversität.
2.2 Europäische Smart-Campus-Initiativen
Der europäische Ansatz zur Smart-Campus-Entwicklung ist charakteristisch dezentralisiert. Anstelle einer einzelnen nationalen oder kontinentalen Plattform verfolgen europäische Universitäten Smart-Campus-Initiativen individuell oder über kollaborative Netzwerke. Die Europäische-Universitäten-Initiative, finanziert durch Erasmus+, hat 65 Allianzen mit über 570 Hochschuleinrichtungen in 35 Ländern etabliert (Europäische Kommission 2025). Diese Allianzen erleichtern gemeinsame digitale Infrastruktur, gemeinsame Online-Programme und kollaborative Forschung, aber jede Institution behält die Autonomie über ihre technologischen Entscheidungen und pädagogischen Ansätze.
Einzelne europäische Universitäten haben bemerkenswerte Smart-Campus-Projekte entwickelt. Der Smart Data Campus der Universität Edinburgh integriert IoT-Sensoren, Lernanalytik und prädiktive Systeme. Die Smart-Campus-Initiative der TU Delft nutzt Digital-Twin-Technologie zur Optimierung von Gebäudemanagement und Lernumgebungen. Der Aktionsplan für digitale Bildung der Europäischen Kommission (2021-2027) bietet politische Orientierung und Förderanreize, schreibt aber -- anders als Chinas Ansatz -- keine spezifischen technologischen Lösungen vor.
Der EU-Ansatz bietet Vorteile in institutioneller Vielfalt und Lehrautonomie -- Universitäten können Technologien an ihre spezifischen Kontexte und pädagogischen Traditionen anpassen. Allerdings produziert er auch Fragmentierung, Doppelarbeit und langsamere Übernahme im Vergleich zu Chinas zentralisiertem Modell.
2.3 Smart-Classroom-Design und Lernergebnisse
Forschung zur Wirksamkeit von Smart Classrooms bietet empirische Grundlagen für institutionelle Investitionsentscheidungen. Eine Studie mit 421 chinesischen Studierenden von Projekt-985-, Projekt-211- und lokalen Universitäten ergab, dass „psychologische Freude, ausgelöst durch immersive Smart-Classroom-Infrastruktur, eine wichtige Quelle wahrgenommener akademischer Verbesserung darstellt" und dass „lehrkraftgeleitetes Scaffolding mit KI diesen Effekt verstärkt" (Zhang, C. 2026). Die Studie legt nahe, dass Smart-Classroom-Technologie das Lernen nicht primär durch Informationsvermittlung verbessert, sondern durch die Schaffung engagierender, immersiver Umgebungen, die Studierende in Motivation und Aufmerksamkeit steigern.
Eine systematische Übersicht über Smart-Campus-Technologien identifizierte die Integration von IoT, KI, Cloud Computing und Big-Data-Analytik als Schlüsselelemente intelligenter Campus-Infrastruktur, wobei personalisierte Dashboards, KI-Chatbots und prädiktive Analytik als die vielversprechendsten Anwendungen hervortraten (Elbertsen, Kok und Salimi 2025). Allerdings stellte die Übersicht auch fest, dass die meisten Smart-Campus-Implementierungen auf der Ebene des Gebäudemanagements verbleiben statt pädagogische Transformation zu bewirken -- sie optimieren den Energieverbrauch von Gebäuden, anstatt fundamental zu verändern, wie Lehre und Lernen stattfinden.
3. KI-personalisiertes Lernen
3.1 Das Versprechen und die Realität
Die Bestrebung nach KI-personalisiertem Lernen -- Unterricht, der an Tempo, Stil, Vorwissen und Lernziele jedes Studierenden angepasst ist -- repräsentiert eine der überzeugendsten Visionen für die Universität der Zukunft. China hat diese Vision mit besonderer Begeisterung aufgegriffen. Die Intelligente Bildungsplattform integriert adaptive Lernalgorithmen, die Kurse empfehlen, Schwierigkeitsgrade anpassen und individualisiertes Feedback basierend auf Studierendenleistungsdaten bereitstellen.
Allerdings offenbart empirische Forschung ein differenzierteres Bild. Eine thematische Analyse der Wahrnehmungen von 48 chinesischen Studierenden zu KI-personalisiertem Lernen ergab, dass Studierende Effizienzgewinne schätzten -- schnelleren Zugang zu relevanten Materialien, zielgerichtetere Übungsaufgaben, sofortige Rückmeldung --, aber Bedenken hinsichtlich übermäßiger Abhängigkeit von KI-Empfehlungen und des möglichen Verlusts kritischen Denkens und autonomer Lernfähigkeit äußerten (Wang et al. 2024). Studierende beschrieben eine Spannung zwischen der Bequemlichkeit KI-geleiteter Lernpfade und ihrem Wunsch, selbstständig zu erkunden, sich abzumühen und zu entdecken.
Diese Spannung spiegelt eine tiefere philosophische Frage über Bildung wider. Wenn der Zweck universitärer Bildung bloß darin besteht, vorbestimmtes Wissen und Fähigkeiten so effizient wie möglich zu vermitteln, dann repräsentiert KI-Personalisierung eine eindeutige Verbesserung. Wenn Bildung jedoch auch der Entwicklung intellektueller Autonomie, Ambiguitätstoleranz, der Fähigkeit zu kritischem Denken und der Fähigkeit dient, Fragen zu formulieren statt sie bloß zu beantworten, dann kann übertriebene Personalisierung kontraproduktiv sein -- sie optimiert das Messbare, während sie das Wesentliche untergräbt.
3.2 Personalisierung in der Praxis: Drei Modelle
In der aktuellen Praxis haben sich drei distinkte Modelle KI-personalisierten Lernens herausgebildet:
Das Empfehlungsmodell nutzt KI, um Kurse, Lektüre und Lernaktivitäten basierend auf Studierendenleistungsdaten und Präferenzen vorzuschlagen. Dies ist der Ansatz der meisten MOOC-Plattformen und Chinas Intelligenter Bildungsplattform. Es behandelt Bildung analog zum Inhaltskonsum -- Studierenden werden Bildungserfahrungen „empfohlen" wie Netflix Filme empfiehlt. Das Modell ist effizient für selbstgesteuertes Lernen, wirft aber Bedenken hinsichtlich Filterblasen auf (Studierende werden zu komfortablem Material gelenkt statt zu herausfordernden Inhalten) und hinsichtlich der Reduktion von Bildung auf Konsum.
Das adaptive Modell passt Schwierigkeit, Tempo und Reihenfolge der Lernmaterialien in Echtzeit basierend auf Studierendenreaktionen an. Adaptive Lernplattformen wie Knewton, DreamBox und Chinas Squirrel AI haben messbare Verbesserungen bei standardisierten Testleistungen demonstriert. Kritiker argumentieren jedoch, dass adaptives Lernen für messbare Ergebnisse optimiert, während es möglicherweise das Unmessbare vernachlässigt -- Neugier, Kreativität, die Bereitschaft, sich auf Schwierigkeiten einzulassen, statt sie zu umgehen.
Das Tutoring-Modell nutzt KI-Chatbots oder virtuelle Tutoren, um individualisierten Unterricht zu bieten, Fragen zu beantworten, Konzepte zu erklären und Problemlösungen anzuleiten. Studien zu KI-Tutoring in Mathematik und Naturwissenschaften haben vielversprechende Ergebnisse gezeigt, insbesondere für Studierende, die sonst keinen Zugang zu individuellem Tutoring hätten. Die KI-gestützte Sprachlernstudie in diesem Band stellte fest, dass KI-Tutoring psychologische Vorteile bietet -- insbesondere den „Keine-Angst-vor-Fehlern"-Effekt --, die den menschlichen Unterricht ergänzen statt ersetzen (Woesler, in diesem Band).
Jedes Modell hat berechtigte Anwendungen, aber keines konstituiert „personalisierte Bildung" in dem tieferen Sinne, wie ihn Bildungsphilosophen vorsehen. Genuine Personalisierung würde nicht bloß die Anpassung der Inhaltsvermittlung an individuelle Lernmuster umfassen, sondern die Unterstützung der Entwicklung jedes Studierenden als einzigartiger intellektueller und moralischer Akteur -- ein Ziel, das jenseits der aktuellen KI-Fähigkeiten liegt.
3.3 Europäische Zurückhaltung und chinesische Begeisterung
Europäische Institutionen haben sich KI-personalisiertem Lernen generell mit größerer Zurückhaltung genähert als ihre chinesischen Pendants. Dies spiegelt mehrere Faktoren wider: stärkere Datenschutzrahmenwerke (die DSGVO stellt strenge Anforderungen an die Verarbeitung von Studierendendaten für Personalisierungszwecke; siehe das Begleitkapitel zum Datenschutz, Woesler, in diesem Band), eine Tradition der Lehrautonomie bei pädagogischen Entscheidungen und eine humanistische Bildungsphilosophie, die Bildung -- die Formung der ganzen Person -- über Fähigkeitserwerb betont.
Chinesische Institutionen, die in einem permissiveren Datenumfeld operieren und durch staatliche Politik ermutigt werden, haben sich aggressiver in Richtung KI-Personalisierung bewegt. Die Betonung des Bildungsministeriums auf „intelligente Bildung" (智慧教育) und die Integration von KI in die Nationale Intelligente Bildungsplattform schaffen institutionelle Anreize zur Übernahme. Allerdings bleibt die empirische Evidenz zur Wirksamkeit gemischt, und chinesische Forschende fordern zunehmend kritische Evaluation neben Enthusiasmus.
4. Hybridlernen als post-pandemischer Standard
4.1 Die Dauerhaftigkeit hybrider Modelle
Die COVID-19-Pandemie zwang Universitäten weltweit, Online-Lernen in großem Umfang zu übernehmen. Die Frage in den Jahren 2024-2026 ist nicht, ob eine Form der Online-Vermittlung fortgesetzt werden soll, sondern wie die Mischung zu optimieren ist. Daten legen nahe, dass Hybridlernen keine vorübergehende Anpassung ist, sondern ein permanentes Merkmal der Hochschulbildung. Über 68 Prozent der Universitäten haben ihre Online-Angebote seit 2020 erweitert, wobei nahezu die Hälfte plant, Online-Programme zu einer zentralen strategischen Säule zu machen (EDUCAUSE 2025). Eine Befragung von auf dem Campus studierenden Bachelorstudierenden ergab, dass 86 Prozent einen hybriden Ansatz mit ein bis vier Online-Kursen pro Semester bevorzugen (Rize Education 2025).
Forschung unter Verwendung von Strukturgleichungsmodellierung und Deep-Neural-Network-Analyse bestätigte, dass Hybridlernen ein nachhaltiges post-pandemisches Modell darstellt, seine Wirksamkeit jedoch stark von der institutionellen Unterstützungsinfrastruktur abhängt -- einschließlich zuverlässiger Technologie, geschulter Lehrkräfte, angemessener Prüfungsgestaltung und Unterstützungsdiensten für Studierende (Yaqin et al. 2025). Die Studie identifizierte institutionelle Unterstützung als stärkeren Prädiktor für den Erfolg von Hybridlernen als entweder Technologiequalität oder digitale Kompetenz der Studierenden.
4.2 Chinesische Übernahme von Blended Learning
In China fand eine Studie zu Faktoren, die die Verhaltensabsicht zur Übernahme von Blended Learning bei Studierenden in der post-pandemischen Ära beeinflussen, breite Akzeptanz neben spezifischen Bedenken (Yu et al. 2023). Studierende schätzten die Flexibilität von Blended Learning -- die Möglichkeit, aufgezeichnete Vorlesungen zu wiederholen, asynchron auf Materialien zuzugreifen und im eigenen Tempo zu studieren --, äußerten aber Sorge über reduzierte soziale Interaktion und die Schwierigkeit, Selbstdisziplin in Online-Umgebungen aufrechtzuerhalten.
Diese Bedenken korrespondieren mit langjährigen Kritiken an Online-Bildung. Die soziale Dimension des universitären Lernens -- die informellen Gespräche auf Fluren, die Debatten in Seminaren, die kollaborativen Projekte, die berufliche Netzwerke aufbauen -- kann in digitalen Umgebungen nicht vollständig repliziert werden. Chinesische Universitäten haben darauf mit der Entwicklung hybrider Formate reagiert, die Online-Inhaltsvermittlung mit intensiven Präsenzworkshops, kollaborativen Projekten und Mentoring-Sitzungen kombinieren. Die eigene Erfahrung der Hunan-Normaluniversität mit der Jean-Monnet-Vortragsreihe illustriert diesen Ansatz: Vorträge wurden vor 150-200 Teilnehmern mit gleichzeitigem Online-Streaming gehalten, gefolgt von Präsenz-Diskussionssitzungen mit kleineren Gruppen.
Eine Meta-Analyse, die 37 Blended-Learning-Studien von 2000 bis 2024 umfasste, fand einen positiven oberen mittleren Effekt auf Lernergebnisse (SMD = 0,698), wobei der optimale Online-Anteil bei etwa 50 Prozent lag. Dieser Befund ist bedeutsam für die Curriculumgestaltung: Er legt nahe, dass das wirksamste Hybridmodell weder primär online mit gelegentlichen Präsenzveranstaltungen noch primär in Präsenz mit ergänzenden Online-Materialien ist, sondern eine in etwa gleiche Mischung aus beidem. Die pädagogische Implikation ist, dass Hybridlernen als integrierte Erfahrung gestaltet werden sollte -- nicht einfach „derselbe Kurs über zwei Kanäle vermittelt" --, wobei spezifische Lernaktivitäten dem Modus zugewiesen werden, der ihrem pädagogischen Zweck am besten entspricht: Informationsvermittlung online, soziales Lernen und vertiefte Diskussion in Präsenz.
5. Generative KI im Curriculum
5.1 Die Adoptionswelle
Generative KI hat sich mit bemerkenswerter Geschwindigkeit von einer Neuheit zur Allgegenwärtigkeit in der Hochschulbildung entwickelt. Die EDUCAUSE-Erhebung 2025 ergab, dass 57 Prozent der Hochschuleinrichtungen KI-Integration priorisieren, gegenüber 49 Prozent 2024. Eine globale Analyse institutioneller Adoptionsrichtlinien fand ein Spektrum von Reaktionen, von vollständigen Verboten (zunehmend selten) über obligatorische Integration (noch unüblich) bis zum entstehenden Mainstream der „regulierten Integration" -- KI-Nutzung unter spezifizierten Bedingungen mit angemessener Quellenangabe (Computers and Education: Artificial Intelligence 2025).
In den Vereinigten Staaten ermutigen 63 Prozent der forschungsstarken Universitäten die Nutzung generativer KI, während 27 Prozent sie entmutigen oder einschränken. In Europa variieren die Richtlinien dramatisch nach Institution und Land, was das dezentralisierte Steuerungsmodell widerspiegelt. In China wird das Bild durch die Beschränkung des Zugangs zu globalen KI-Werkzeugen (ChatGPT, Claude, Gemini, Copilot) und die Förderung inländischer Alternativen (Ernie Bot, Tongyi Qianwen, DeepSeek) verkompliziert.
5.2 Chinesische Studierende zwischen globaler und inländischer KI
Eine Studie darüber, wie chinesische Studierende zwischen globaler und inländischer generativer KI navigieren, ergab, dass Studierende komplexe Strategien entwickeln, um auf eingeschränkte Werkzeuge neben offiziell zugelassenen inländischen Alternativen zuzugreifen (Xie et al. 2025). Studierende berichteten, VPNs, ausländische Konten und Peer-Netzwerke zu nutzen, um auf ChatGPT und andere eingeschränkte Plattformen zuzugreifen, während sie zugleich inländische Werkzeuge für Arbeiten verwendeten, die von Lehrenden überprüft würden. Dieses duale Nutzungsmuster spiegelt eine Spannung in Chinas KI-Bildungsstrategie wider zwischen der Förderung von KI-Adoption und der Kontrolle des KI-Ökosystems.
5.3 Herausforderungen für die akademische Integrität
Die Integration generativer KI wirft dringende Fragen zur akademischen Integrität auf. Eine Studie ergab, dass 58 Prozent der Studierenden zugaben, KI zur unehrlichen Erledigung von Aufgaben genutzt zu haben, während 65 Prozent anerkannten, dass Plagiat bei unbearbeitetem KI-Inhalt ein Problem darstellt (ICAI 2024; Frontiers in Artificial Intelligence 2024). Chinesische Universitäten haben mit quantitativen Maßnahmen reagiert -- die Tianjin University of Science and Technology (天津科技大学) zum Beispiel schrieb 2024 vor, dass KI-generierter Inhalt in Bachelorarbeiten 40 Prozent nicht überschreiten darf. Das Bildungsministerium hat Studierenden verboten, KI-generierte Inhalte als eigene akademische Arbeit einzureichen.
Diese Reaktionen illustrieren die Schwierigkeit, KI-Nutzung in der Bildung zu regulieren. Ein 40-Prozent-Schwellenwert ist prinzipiell messbar, in der Praxis aber schwer durchsetzbar -- wie bestimmt man den exakten Anteil KI-generierten Inhalts in einem Text, der von seinem menschlichen Autor substanziell überarbeitet wurde? Die tiefere Herausforderung besteht nicht darin, KI-Nutzung zu erkennen, sondern Bewertungsmethoden zu entwickeln, die die genuin menschlichen Beiträge wertschätzen -- originäres Denken, kritische Analyse, kreative Synthese --, die KI nicht replizieren kann. Hier konvergieren die philosophischen Traditionen der europäischen Bildung und der chinesischen Selbstkultivierung (修身, xiushen): Beide betonen die Entwicklung der ganzen Person, nicht bloß die Produktion korrekter Antworten.
5.4 Institutionelle Politiklandschaften
Das globale Bild der GenAI-Richtlinien in der Hochschulbildung ist durch rasche Evolution und signifikante institutionelle Variation gekennzeichnet. In China gehörte die Fudan-Universität im Januar 2026 zu den ersten großen chinesischen Universitäten, die umfassende KI-Richtlinien veröffentlichten, die sich sowohl an Studierende als auch an Lehrende richteten. Die Richtlinien erlauben KI für Forschungsunterstützung und Lernhilfe, verbieten aber ihre Nutzung bei formalen Prüfungen ohne explizite Genehmigung der Lehrenden. Andere chinesische Universitäten folgten mit unterschiedlichem Grad an Permissivität, wobei die übergreifende Richtung -- geprägt durch das Bildungsministerium -- eher auf regulierte Integration als auf Verbot zielt.
In Europa stellte der OECD Digital Education Outlook (2023) fest, dass keines der 18 befragten Länder oder Jurisdiktionen spezifische Regulierungen zu generativer KI in der Bildung erlassen hatte, obwohl neun unverbindliche Leitlinien veröffentlicht hatten. Bis 2025 hatte sich dieses Bild signifikant gewandelt, wobei mehrere Länder (darunter die Niederlande, Finnland und Irland) nationale Leitlinien veröffentlichten und einzelne Universitäten institutionsspezifische Richtlinien entwickelten. Allerdings hinkt das Tempo der Politikentwicklung weiterhin dem Tempo der KI-Adoption durch Studierende und Lehrende hinterher.
Die Politiklandschaft in der Hochschulbildung zeigt zunehmend eine Bereitschaftslücke. Die EDUCAUSE AI Landscape Study 2024 ergab, dass 80 Prozent der Lehrenden und Mitarbeitenden KI-Werkzeuge nutzen, doch weniger als jeder Vierte die formale KI-Richtlinie ihrer Institution kennt. Diese Kluft zwischen Praxis und Governance repräsentiert eine der dringendsten Herausforderungen für die Universität der Zukunft -- institutionelle Richtlinien müssen nicht nur existieren, sondern kommuniziert, verstanden und als relevant wahrgenommen werden von der akademischen Gemeinschaft.
6. Die Rolle der Lehrenden in der Universitätstransformation
6.1 Lehrende als Agenten des Wandels
Die Transformation der Universität kann nicht von oben aufgezwungen werden -- sie muss von Lehrenden geführt oder zumindest mitgeführt werden. Eine kritische Reflexion über aktuelle KI-Trends in der Hochschulbildung argumentierte, dass die Transformation „von Lehrenden geführt statt technologiegetrieben" sein müsse (Ruano-Borbalan 2025). Lehrende sind die Träger des Fachwissens, die Gestalter der Lehrpläne und die primäre Schnittstelle zwischen Studierenden und Institution. Ihr Engagement -- oder ihr Widerstand -- bestimmt, ob technologische Innovation sich in genuine pädagogische Verbesserung übersetzt.
Doch Lehrende sehen sich erheblichen Herausforderungen gegenüber. Viele Akademiker, die vor dem KI-Zeitalter ausgebildet wurden, haben keine persönliche Erfahrung mit den Werkzeugen, die ihre Studierenden täglich nutzen. Die Anreizstrukturen akademischer Karrieren -- die in den meisten Systemen Forschungspublikationen über Lehrinnovation belohnen -- bieten begrenzte Motivation, Zeit in pädagogische Transformation zu investieren. Und die Geschwindigkeit technologischen Wandels erzeugt Unsicherheit darüber, welche Innovationen sich zu übernehmen lohnen und welche ephemere Trends sind.
Eine Studie zu Regulierungen, Technologierichtlinien und Einstellungen von Universitäten zu KI in China, basierend auf Politikanalyse und 33 Interviews mit Lehrenden an chinesischen Forschungsuniversitäten, ergab, dass Lehrende KI generell als förderlich für Personalisierung und Forschungsproduktivität betrachten, aber Bedenken hinsichtlich akademischer Integrität, algorithmischer Voreingenommenheit und übermäßiger Abhängigkeit von automatisierten Systemen äußern (Higher Education Quarterly 2025). Diese Bedenken spiegeln jene europäischer Lehrender wider und legen nahe, dass die Erfahrung der Lehrenden mit KI-getriebener Transformation kulturelle und systemische Unterschiede transzendiert.
6.2 Professionelle Weiterbildung für das KI-Zeitalter
Sowohl europäische als auch chinesische Universitäten sehen sich der Herausforderung der professionellen Weiterbildung von Lehrenden für KI-augmentierte Lehre gegenüber. Chinas Ansatz war charakteristisch großmaßstäblich: Die nationale Lehrerfortbildungsplattform, integriert in die Intelligente Bildungsplattform, hat über 10 Millionen Lehrende in digitalen Kompetenzen geschult. Allerdings bleibt die Schulung für KI-Integration in der universitären Lehre im Besonderen uneinheitlich, wobei Elite-Forschungsuniversitäten schneller voranschreiten als regionale lehrorientierte Einrichtungen.
Europäische Ansätze zur Weiterbildung von Lehrenden variieren nach Institution, werden aber zunehmend durch EU-Förderung unterstützt. Die Erasmus+-Ausschreibung 2026 stellt 145,6 Millionen Euro für Kooperationspartnerschaften und zukunftsorientierte Projekte bereit, mit digitaler Transformation in der Bildung als Schwerpunktthema. Die Europäischen Universitätsallianzen haben zudem interinstitutionelle Austauschprogramme für Lehrende mit Fokus auf digitale Pädagogik geschaffen.
Die wirksamsten Programme zur Weiterbildung von Lehrenden teilen mehrere Merkmale: Sie sind disziplinspezifisch statt generisch, sie umfassen praktisches Experimentieren statt passiver Unterweisung, sie schaffen Peer-Praxisgemeinschaften statt einmaliger Workshops, und sie adressieren explizit die ethischen und pädagogischen Fragen, die KI aufwirft, statt sich ausschließlich auf technische Fähigkeiten zu konzentrieren.
7. EU vs. China: Zwei Visionen der Zukunftsuniversität
7.1 Das chinesische Modell: Staatlich geleitete Transformation
Chinas Vision der Zukunftsuniversität ist gekennzeichnet durch zentralisierte Planung, massive digitale Infrastruktur, rasche Bereitstellung und enge Integration mit nationalen Entwicklungszielen. Der „Modernisierung der Bildung 2035"-Plan des Staatsrats positioniert Bildung als strategische nationale Priorität und verknüpft Bildungstransformation explizit mit technologischer Innovation und wirtschaftlicher Wettbewerbsfähigkeit. Der „Plan für die Entwicklung Künstlicher Intelligenz der neuen Generation" (2017) positioniert KI-Kompetenz zudem als nationales strategisches Gut, mit Implikationen für jede Bildungsstufe.
Die praktische Manifestation dieser Vision ist im Umfang beeindruckend. Ab September 2025 wurde KI-Bildung in allen Grund- und weiterführenden Schulen obligatorisch -- Grundschulen konzentrieren sich auf KI-Kompetenz und Exposition, Mittelschulen auf Logik und kritisches Denken, Oberschulen auf angewandte Innovation und Algorithmendesign. Auf Universitätsebene hat Chinas „Double First-Class"-Universitätsinitiative (双一流) eine Riege von Eliteinstitutionen geschaffen, die als Labore für KI-gestützte Pädagogik dienen. Die Peking-Universität, die Tsinghua-Universität und die Zhejiang-Universität, unter anderem, haben KI-spezifische Forschungszentren eingerichtet und KI-Werkzeuge in die Lehre aller Disziplinen integriert.
Die Vorteile dieses Modells sind evident in Umfang und Geschwindigkeit. Kein anderes Bildungssystem kann eine Plattform bereitstellen, die 293 Millionen Lernende innerhalb von zwei Jahren nach dem Start bedient, oder KI-Bildung in allen Grund- und weiterführenden Schulen innerhalb eines einzigen Politikzyklus vorschreiben. Die nahezu universelle Breitband-Konnektivitätsrate an chinesischen Schulen (99,9 Prozent der Schulen mit 100 Mbps oder schnellerem Anschluss, laut Bildungsministerium 2023) -- erreicht durch den Bildungsinformatisierungsaktionsplan 2.0 -- bietet ein technologisches Fundament, das viele europäische Länder noch nicht erreicht haben.
Die Nachteile sind ebenso evident in den Beschränkungen institutioneller Autonomie, dem begrenzten Raum für von Lehrenden initiierte pädagogische Innovation außerhalb staatlich definierter Parameter und den Zugangsbeschränkungen zu globalen KI-Werkzeugen, die die Vorbereitung der Studierenden auf internationale Karrieren einschränken können. Der Ansatz des „umzäunten Gartens" -- Förderung inländischer KI-Plattformen bei gleichzeitiger Beschränkung des Zugangs zu ChatGPT, Claude und Gemini -- erzeugt ein Paradox: Studierende werden in KI-Kompetenz geschult unter Verwendung einer begrenzten Teilmenge der global verfügbaren Werkzeuge, was sie möglicherweise in internationalen akademischen und beruflichen Kontexten benachteiligt.
7.2 Das europäische Modell: Demokratische Steuerung und humanistische Werte
Die europäische Vision der Zukunftsuniversität wird durch die Tradition der institutionellen Autonomie geprägt, die in der Magna Charta Universitatum (1988, bestätigt 2020) verankert ist, den Bologna-Prozess-Rahmen und den Europäischen Hochschulraum. Die Europäische-Universitäten-Initiative, gestartet 2019 und seitdem signifikant ausgebaut, repräsentiert den ambitioniertesten Versuch, ein kontinentales Universitätssystem zu schaffen und zugleich institutionelle Vielfalt zu bewahren. Mit 145,6 Millionen Euro, die in der Erasmus+-Ausschreibung 2026 für Kooperationspartnerschaften und zukunftsorientierte Projekte bereitgestellt werden, investiert die EU substanziell -- wenngleich nicht im Maßstab der zentralisierten Finanzierung Chinas.
Das intellektuelle Fundament des europäischen Modells schöpft aus dem Konzept der Bildung -- dem deutschen Bildungsideal der persönlichen Formung durch Auseinandersetzung mit Wissen, Kultur und kritischer Forschung -- und seinen Entsprechungen in anderen europäischen Traditionen (der französischen Tradition der culture générale, der britischen Tradition der liberal education). Diese Traditionen teilen eine Betonung von Bildung als mehr als Fähigkeitserwerb: Es ist die Entwicklung der Fähigkeit zu unabhängigem Denken, ethischem Urteilen und bürgerschaftlicher Teilhabe.
Die EU-KI-Verordnung bietet einen distinktiven regulatorischen Rahmen, der prägt, wie europäische Universitäten an die KI-Adoption herangehen. Die Verordnung stuft als „hochriskant" KI-Systeme ein, die zur Bewertung von Lernergebnissen, zur Bestimmung des Zugangs zu Bildung und zur Überwachung des Studierendenverhaltens bei Prüfungen eingesetzt werden. Emotionserkennung in Bildungseinrichtungen ist verboten. Diese regulatorischen Beschränkungen, die kein chinesisches Äquivalent haben, schaffen einen Rahmen ethischer Leitplanken, der eine sorgfältige, reflektierte KI-Integration fördert.
Die Vorteile dieses Modells liegen im Schutz akademischer Freiheit, dem Respekt vor disziplinärer Vielfalt und der Integration ethischer Reflexion in die technologische Adoption. Die Nachteile sind Fragmentierung, langsame Übernahme, uneinheitliche Umsetzung in den Mitgliedstaaten und das Risiko, dass demokratische Steuerungsprozesse zu Hindernissen für rechtzeitige Anpassung werden. Ein Vergleich der digitalen Transformation europäischer Hochschuleinrichtungen fand signifikante „Gemeinsamkeiten und Unterschiede" -- die Gemeinsamkeiten angetrieben durch geteilte Herausforderungen und EU-Politikanreize, die Unterschiede reflektierend divergierende nationale Traditionen, Förderniveaus und institutionelle Kulturen (EUA 2025).
7.3 Auf dem Weg zu einer Synthese
Das vielversprechendste Modell für die Universität der Zukunft schöpft aus den Stärken beider Ansätze und mildert zugleich ihre Schwächen. Vom chinesischen Modell nimmt es die Bereitschaft, in digitale Infrastruktur im großen Maßstab zu investieren, die Integration von KI-Kompetenzen in alle Disziplinen (nicht nur Informatik) und die Dringlichkeit rascher Anpassung. Vom europäischen Modell nimmt es das Bekenntnis zu institutioneller Autonomie, die Integration ethischer Rahmenwerke in technologische Adoption, die Betonung kritischen Denkens und humanistischer Bildung neben technischen Fähigkeiten und das Prinzip, dass Bildungstransformation von Lehrenden geführt und nicht administrativ aufgezwungen werden sollte.
Konkret könnte diese Synthese umfassen: geteilte digitale Infrastruktur (wie im chinesischen Modell) mit institutioneller Freiheit in ihrer pädagogischen Anwendung (wie im europäischen Modell); obligatorische KI-Kompetenz in allen Disziplinen (wie in Chinas neuem Grund-und-Sekundarschulmandat) kombiniert mit ethischer Reflexion über die Grenzen und Risiken von KI (wie im Rahmen der EU-KI-Verordnung); großmaßstäbliche Datenplattformen für Lernanalytik (wie in Chinas Intelligenter Bildungsplattform) gesteuert durch strenge Datenschutzprinzipien (wie in der DSGVO); und nationale Investitionen in Smart-Campus-Infrastruktur (wie in Chinas Provinzinitiativen) bereitgestellt durch wettbewerbsbasierte, leistungsorientierte Verfahren (wie im Erasmus+-Modell).
7.4 Vergleichende Zusammenfassung
Die folgende Tabelle fasst die wichtigsten Dimensionen des Unterschieds zwischen dem chinesischen und dem europäischen Ansatz zur Zukunftsuniversität zusammen:
Infrastruktur: China betreibt eine zentralisierte nationale Plattform (Intelligente Bildungsplattform, 293 Mio. Nutzer); die EU betreibt dezentralisierte institutionelle und allianzbasierte Systeme (65 Allianzen, 340 Hochschulen).
KI-Integration: China schreibt KI-Bildung auf allen Ebenen ab September 2025 vor, mit Förderung inländischer KI-Werkzeuge; die EU fördert KI-Kompetenz durch die KI-Verordnung (Februar 2025) und institutionelle Richtlinien, mit offenem Zugang zu globalen Werkzeugen.
Governance: China folgt einem Top-down-, staatlich gelenkten Modell, wobei das Bildungsministerium und der Staatsrat die Richtung vorgeben; die EU folgt einem Bottom-up-, von Lehrenden gesteuerten Modell, wobei institutionelle Autonomie durch den Bologna-Prozess geschützt wird.
Datenumfeld: Chinas Gesetz zum Schutz persönlicher Informationen (PIPL) erlaubt breitere Nutzung von Bildungsdaten unter staatlicher Aufsicht; die DSGVO der EU stellt strenge Datenschutzanforderungen, die die Lernanalytik einschränken.
Geschwindigkeit der Übernahme: Chinas zentralisiertes Modell ermöglicht rasche Bereitstellung für Hunderte Millionen Nutzer; die demokratischen Prozesse der EU gewährleisten sorgfältige Abwägung, verlangsamen aber die Umsetzung.
Qualitätssicherung: China setzt auf institutionelle Akkreditierung und staatlich geleitetes Qualitätsmonitoring; die EU setzt auf disziplinäre Begutachtung durch Peers, institutionelle Akkreditierung und die European Standards and Guidelines (ESG).
Kulturelle Grundlage: China schöpft aus konfuzianischen Bildungstraditionen, die Fleiß, Respekt vor Lehrenden und Dienst am Staat betonen; Europa schöpft aus Aufklärungstraditionen, die kritisches Denken, individuelle Autonomie und bürgerschaftliche Teilhabe betonen.
Keines der beiden Modelle adressiert vollständig die zentrale Herausforderung der Zukunftsuniversität: die Integration technologischer Fähigkeit mit humanistischem Zweck. China demonstriert, was Technologie im großen Maßstab erreichen kann; Europa demonstriert, warum Maßstab allein nicht ausreicht ohne ethische Reflexion und individuelle Entfaltung als Bildungsziele.
7.5 Die Kompetenzen-Frage: Was sollte die Zukunftsuniversität lehren?
Hinter den institutionellen und technologischen Fragen liegt eine fundamentalere: Was sollte die Universität der Zukunft lehren? Die traditionelle Antwort -- disziplinäres Wissen, organisiert in Studiengängen -- reicht zunehmend nicht aus in einer Welt, in der Wissen im Überfluss vorhanden, frei zugänglich und rasch veraltet ist. Der Bericht des Weltwirtschaftsforums über die Zukunft der Arbeit (2024) schätzt, dass 44 Prozent der Kernkompetenzen von Beschäftigten innerhalb von fünf Jahren disrupted werden, was statische Kompetenzprofile schneller obsolet macht, als Universitäten ihre Lehrpläne aktualisieren können.
China hat auf diese Herausforderung mit charakteristischer Direktheit reagiert, indem es KI-Kompetenz als Kernkompetenz ab der Grundschule vorschreibt und Kurse zu „Innovation und Unternehmertum" (创新创业) in die universitären Lehrpläne aller Disziplinen integriert. Das Begleitkapitel zu alternativen Lernformen (Woesler, in diesem Band) dokumentiert, wie chinesische Institutionen auch Micro-Credentials, kompetenzbasierte Bildung und projektbasiertes Lernen als Ergänzung zu traditionellen Studiengängen übernehmen.
Europäische Reaktionen waren vielfältiger, konvergieren aber zunehmend auf einem Rahmenwerk „transversaler Kompetenzen" -- kritisches Denken, Kreativität, Zusammenarbeit, Kommunikation, digitale Kompetenz und ethisches Urteilen. Der EU-Referenzrahmen für Schlüsselkompetenzen für lebenslanges Lernen (aktualisiert 2018) bietet einen Bezugspunkt, aber die Umsetzung auf institutioneller Ebene bleibt inkonsistent.
Die tiefere Frage ist, ob die Zukunftsuniversität Studierenden primär beibringen sollte, was sie denken sollen (Wissensvermittlung), wie sie denken sollen (kritisches Urteilen) oder wie sie lernen sollen (adaptive Kapazität). Das chinesische Modell, mit seiner Betonung praktischer Fähigkeiten und nationaler Entwicklungsprioritäten, tendiert zum Ersten und Dritten. Das europäische Modell, mit seiner Betonung von Bildung und akademischer Freiheit, tendiert zum Zweiten. Die Universität der Zukunft wird alle drei brauchen -- und die Weisheit zu wissen, wann jedes angemessen ist.
Dies führt uns zurück zur bereits notierten konfuzianisch-aufklärerischen Konvergenz. Beide Traditionen erkennen an, dass Bildung über bloße Wissensvermittlung hinausgehen muss, um die ganze Person zu entwickeln -- den konfuzianischen 君子 (junzi, vorbildlichen Menschen) und das Aufklärungsideal des autonomen, kritisch denkenden Bürgers. Im Zeitalter der Künstlichen Intelligenz sind diese humanistischen Ideale nicht obsolet; sie sind wichtiger denn je. Die genuin menschlichen Fähigkeiten, die beide Traditionen kultivieren -- moralisches Urteil, ästhetische Sensibilität, Empathie, die Fähigkeit, Ambiguität und Komplexität zu navigieren -- sind genau die Fähigkeiten, die KI nicht replizieren kann und die der Arbeitsmarkt der Zukunft zunehmend wertschätzen wird.
8. Schlussfolgerung
Die Universität der Zukunft wird weder ein chinesischer Smart Campus noch ein europäisches humanistisches Seminar sein -- sie muss beides sein. Die Herausforderung des kommenden Jahrzehnts besteht nicht darin, zwischen technologischer Effizienz und humanistischer Tiefe zu wählen, sondern sie zu integrieren. KI-personalisiertes Lernen muss mit der Kultivierung intellektueller Autonomie koexistieren. Smart-Classroom-Infrastruktur muss pädagogischer Innovation dienen, nicht bloß dem Gebäudemanagement. Generative KI muss in Lehrpläne auf eine Weise integriert werden, die das kritische Denken der Studierenden entwickelt, statt es zu ersetzen. Und Hybridlernen muss nicht bloß für Bequemlichkeit, sondern für genuine bildungswirksame Effektivität gestaltet werden.
Der Vergleich europäischer und chinesischer Ansätze zur Universitätstransformation zeigt, dass keines der beiden Systeme das Rätsel der Zukunftsuniversität vollständig gelöst hat. China demonstriert, was möglich ist, wenn ein Staat massive Ressourcen in die Bildungsdigitalisierung investiert; Europa demonstriert, was notwendig ist, wenn Bildungstransformation von demokratischen Werten und humanistischen Traditionen geleitet wird. Die Universität, die 2035 -- und 2050 -- gedeihen wird, wird diejenige sein, die von beiden Traditionen lernt, Umfang mit Subtilität, Geschwindigkeit mit Reflexion und Innovation mit den bleibenden menschlichen Werten verbindend, die die Universität seit fast einem Jahrtausend getragen haben.
Danksagung
Diese Forschung wurde unterstützt durch das Jean-Monnet-Exzellenzzentrum „EU-Studies Centre: Digitalization in Europe and China" (EUSC-DEC), finanziert durch die Europäische Union unter Fördervertrag Nr. 101126782. Die geäußerten Ansichten und Meinungen sind ausschließlich die des Autors und spiegeln nicht notwendigerweise die der Europäischen Union wider.
Literaturverzeichnis
Computers and Education: Artificial Intelligence. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Elsevier. DOI: 10.1016/j.caeai.2024.100348.
EDUCAUSE. (2025). Shaping the future of learning: AI in higher education.
Elbertsen, L., Kok, R., & Salimi, N. (2025). Designing the future smart campus: Integrating key elements to enhance user experience. Journal of Science and Technology Policy Management, 16(10), 117-137.
European Universities Association (EUA). (2025). Similarities and differences in the digital transformation of higher education. Global University Associations Forum (GUAF).
International Center for Academic Integrity (ICAI). (2024). Academic integrity and generative AI: Student survey data. As cited in: Frontiers in Artificial Intelligence (2024), "Shaping integrity: Why generative artificial intelligence does not have to undermine education." DOI: 10.3389/frai.2024.1471224.
Liu, X., et al. (2025). Regulations, technology policies and universities' attitudes to artificial intelligence in China. Higher Education Quarterly, 79(4). DOI: 10.1111/hequ.70055.
OECD. (2023). Digital Education Outlook 2023: Emerging governance of generative AI in education.
Rize Education. (2025). The hybrid college of the future.
Ruano-Borbalan, J.-C. (2025). The transformative impact of artificial intelligence on higher education: A critical reflection on current trends and future directions. International Journal of Chinese Education. SAGE. DOI: 10.1177/2212585X251319364.
UNESCO. (2023). Smart Education Platform of China: Laureate of UNESCO Prize for ICT in Education.
Wang, X., Xu, X., Zhang, Y., Hao, S., & Jie, W. (2024). Exploring the impact of artificial intelligence application in personalized learning environments: Thematic analysis of undergraduates' perceptions in China. Humanities and Social Sciences Communications, 11(1), 1644.
Yu, T., Dai, J., & Wang, C. (2023). Adoption of blended learning: Chinese university students' perspectives. Humanities and Social Sciences Communications, 10(1), 390. Nature.
Woesler, M. (this volume). Ethical frameworks for AI in higher education: Between European regulation and Chinese innovation.
Woesler, M. (this volume). Student data protection in the digital university: GDPR and China's PIPL compared.
Woesler, M. (this volume). Learning a foreign language with and without AI: An empirical comparative study.
World Economic Forum (WEF). (2023). Future of Jobs Report 2023.
Xie, Q., Li, M., & Cheng, F. (2025). Between regulation and accessibility: How Chinese university students navigate global and domestic generative AI. Globalisation, Societies and Education. Taylor & Francis.
Yaqin, A. M. A., Muqoffi, A. K., Rizalmi, S. R., Pratikno, F. A., & Efranto, R. Y. (2025). Hybrid learning in post-pandemic higher education systems: an analysis using SEM and DNN. Cogent Education, 12(1), 2458930. Taylor & Francis.
Zhang, C. (2026). Unlocking academic gains in smart-classroom settings: A moderated-mediation study among Chinese undergraduates. Acta Psychologica. Elsevier.