18 Monate Ki-Tutor: Was funktioniert und was nicht
Fragen um 23 Uhr, zwei Wochen vor der Klausur. Zum dritten Mal in einer Woche erklären, was ein Compiler ist. Quizfragen bauen, obwohl nach fünf Minuten die Ideen ausgehen.
Solche Aufgaben übernimmt an mehr als 40 Hochschulen inzwischen ein KI-Tutor. Was davon trägt und was nicht, hat Alexander Pretschner im Mai 2026 in einem Webinar bilanziert: Professor für Software & Systems Engineering an der TU München, Mitgründer von OneTutor, anderthalb Jahre Betrieb in eigenen Vorlesungen mit bis zu 1.200 Erstsemestern.
Der Vortrag bleibt bewusst nah am Thema. Es geht nicht um das Prüfen in Zeiten von KI, nicht zentral um die Forschung und auch nicht um das Erkennen maschinell erzeugter Texte, sondern um eine einfachere Frage: was ein Werkzeug im Lernen verändert. Genau dort treffen zwei Probleme aufeinander. Das ältere: Eine Vorlesung läuft in eine Richtung, passt selten zu allen im Saal, und für Tutorien fehlt Geld. Das neuere: Wer das Denken auslagert, lernt nichts, ein Chatbot ohne Kursmaterial erfindet Antworten, und wer keine Lizenz bezahlen kann, bleibt zurück.
Die Beobachtungen in diesem Beitrag stammen aus einem Webinar im Mai 2026 mit Alexander Pretschner. Die belastbaren Zahlen stammen aus der Begleitforschung des bidt, die den bayernweiten Einsatz im Sommersemester 2025 untersucht hat. Um die besprochenen Erkenntnisse auch über das Webinar hinaus zugänglich zu machen, fassen wir die wichtigsten Punkte hier als Blogbeitrag zusammen. Falls Sie solche Webinare nicht verpassen wollen, können Sie sich hier bei unserem Newsletter registrieren.
Was funktioniert
Zwei Arten von Lücken, zwei Werkzeuge
Manche Lücken sind bekannt: Wer merkt, dass ein Thema oder eine Problemstellung noch nicht verstanden ist, kann gezielt nachfragen. Dafür genügt ein Chat, der auf dem Kursmaterial basiert statt auf dem halben Internet und seine Antwort mit einem Verweis auf die jeweilige Folie belegt.
Andere Lücken bleiben dagegen unsichtbar. Wer nicht ahnt, dass etwas fehlt, formuliert dazu auch keine Frage. Genau an dieser Stelle hilft ein Quiz, das den Stoff von außen anspielt und so Verständnislücken sichtbar macht, bevor sie in der Prüfung auftauchen.
Diese Unterscheidung erklärt, warum es zwei Werkzeuge braucht und nicht nur eines: Der Chat wartet, bis jemand kommt, während das Quiz aktiv auf die Suche geht.
Für die Lehre heißt das: Ein Chatfenster allein deckt nur die halbe Aufgabe ab.
Fragen, die im Hörsaal niemand stellt
In einem Saal mit 1.200 Leuten hebt kaum jemand die Hand, um nach den Grundlagen zu fragen. Im Chat passiert genau das. Lehrende sehen nicht, wer gefragt hat, und diese Distanz senkt die Hemmschwelle.
Die Fragen entstehen nicht ohne Lehrende
Ein Prompt, und 50 fertige Prüfungsfragen liegen vor? So arbeitet das System nicht. Die Lehrperson gibt Themen und Stichworte vor, daraus entstehen Multiple-Choice- und Freitextfragen samt Musterantworten, und dann beginnt die Arbeit. Etwa 80 Prozent der Fragen sind nach Pretschners Einschätzung direkt brauchbar. Der Rest ist ungenau, mehrdeutig oder schlicht falsch.
Kuration ist damit keine Komfortfunktion, sondern Bedingung. Wer diesen Schritt überspringt, läuft Gefahr, fehlerhafte Fragen an eine ganze Kohorte zu verteilen.
Ein zweiter Befund aus der Praxis fällt weniger ins Auge. Das beste Uploadmaterial sind nicht die Folien, sondern die Transkripte der Aufzeichnungen. Gesprochene Sprache wiederholt sich, und an dieser Redundanz erkennt das System, was in einer Sitzung Gewicht hatte und was nur gestreift wurde.
Für Lehrende heißt das: Wer Vorlesungen ohnehin aufzeichnet, hat die beste Quelle bereits liegen.
Der Rückkanal, den es vorher nicht gab
Bisher zeigte sich am Ende des Semesters, was nicht angekommen war, und zwar in der Klausur. Jetzt steht es am Montag in der Auswertung: welche Fragen in der Woche gestellt wurden, welche Themen im Quiz scheitern, wo die Fehlerquote steigt.
Alexander Pretschner hat daraus eine Routine gemacht. Eine halbe Stunde vor der Vorlesung ein Blick in die Auswertung, dann beginnt die Sitzung mit dem, was in der Woche nicht angekommen ist. Die Begründung dafür fällt ungewöhnlich aus: Schuld sei meist die Erklärung und nicht das Verständnis der Studierenden.
Zwei Nebeneffekte fallen auf. Manche Fragen liegen erschreckend weit vor dem eigentlichen Stoff, was eine Korrektur des Tempos erlaubt. Und in den Übungsgruppen verschwindet eine ganze Kategorie von Fragen: Was früher im Tutorium geklärt wurde, kommt dort nicht mehr an.
Für die Hochschule heißt das: Der Nutzen liegt nicht nur bei den Studierenden. Lehrende und Studierende arbeiten auf derselben Plattform, und daraus entsteht eine Rückmeldung, die vorher schlicht nicht vorhanden war.
Ab welcher Kursgröße lohnt sich das? Der Chat trägt sich ab etwa zehn Teilnehmenden, weil Grundlagenfragen auch in kleinen Gruppen offen bleiben. Die aggregierte Auswertung lohnt erst bei großen Kohorten. Gut, wenn eine Vorlesung mit 1.200 Erstsemestern und 60 Tutorinnen und Tutoren sonst unübersichtlich bleibt. Auch hilfreich in einem Seminar mit 20 Leuten, nur bringt dort die aggregierte Auswertung der Probleme wenig, denn es zeigt sich auch ohne Werkzeug, wo es klemmt.
Was passiert mit den Daten der Studierenden? Lehrende sehen aggregierte Auswertungen, die Studierenden bleiben dabei stets pseudonym, eine namentliche Zuordnung von Fragen oder Quizergebnissen gibt es nicht. Die Nutzung setzt eine Zustimmung voraus und war in keinem der Projekte verpflichtend. Der Betrieb läuft nach eigener Darstellung in Deutschland, die Anbindung über Single Sign-on und LTI 1.3. Für die IT heißt das: Die Prüfung der Auftragsverarbeitung bleibt trotzdem Teil der Beschaffung.
Der Ablauf über ein Semester
In der Praxis hat sich ein Ablauf bewährt, der vor dem Semester beginnt: Der Kurs wird angelegt, das vorhandene Material wandert ins System, und die ersten Quizfragen entstehen und werden kuratiert, sodass der Tutor am ersten Vorlesungstag benutzbar ist. Den Unterschied macht dann aber die Vorstellung in der Vorlesung, denn ohne dieses Signal der Lehrperson steigen die Studierenden nicht ein. Danach genügt ein einfacher Takt: Neue Quizfragen zu einem Thema gehen dann live, wenn die zugehörigen Materialien im Lernmanagementsystem erscheinen. Zwingend ist das nicht.
Der Preis dafür liegt bei 15 bis 20 Minuten pro 90-minütiger Vorlesung, im nächsten Jahr wiederverwendbar. Wie das in einer konkreten Veranstaltung aussieht, zeigt der Beitrag zum didaktischen Einsatz an der TH Rosenheim.
Die Begleitforschung stützt diesen Teil. 84 Prozent der 31 befragten Dozierenden würden das Werkzeug in derselben Veranstaltung wieder einsetzen, und 86 Prozent der Nutzenden der Chatfunktion waren damit eher oder sehr zufrieden.
Was nicht funktioniert
Ein Werkzeug ändert keine Haltung
Die klarste Absage des Vortrags richtet sich an die Hoffnung, Technik löse ein Motivationsproblem. Die Erwartungen an ein Studium gehen weit auseinander. Manche interessieren sich für das Fach, manche für den Abschluss, die meisten für beides in wechselndem Verhältnis. Wer nur bestehen will, lernt mit einem Tutor nicht plötzlich anders.
Gut, wenn ein Werkzeug jene erreicht, die ohnehin fragen. Weniger gut als Antwort auf eine Kohorte, die am Fach kein Interesse hat.
Wer nichts hochlädt, hat kein Tutorium
Ein System, das bei den Lehrenden ansetzt, verlangt Arbeit von denen, die den geringsten unmittelbaren Nutzen davon haben. Die Frage steht im Vortrag offen im Raum: Was habe ich als Lehrperson davon? Pretschner hält diese Haltung für falsch, trifft sie aber über Fächer und Hochschultypen hinweg.
Die Begleitforschung liefert die Zahl dazu. Von 93 gemeldeten Kursen waren 84 aktiv. In neun Kursen landete nie Material im System, obwohl die Teilnahme zugesagt war. Ohne Material und ohne kuratierte Fragen bleibt ein Kurs leer, unabhängig davon, wie gut die Technik arbeitet.ä
Die Nutzung sammelt sich vor der Prüfung
Über das Semester bleibt die Aktivität flacher. Dann steigt sie steil an, kurz vor der Klausur, und ein zweites Mal vor der Nachklausur. Der am häufigsten genannte Nutzen ist gesparte Zeit.
Lernen besteht in Teilen darin, sich durch Schwierigkeiten zu arbeiten. Gesparte Zeit ist deshalb kein verlässlicher Hinweis auf Verständnis, sondern zunächst nur gesparte Zeit. In der Begleitforschung halten 86 Prozent das Werkzeug für hilfreich bei der Prüfungsvorbereitung, praktisch gleichauf mit Skripten und Unterlagen aus der Veranstaltung bei 87 Prozent. Der Tutor konkurriert also nicht mit dem Skript, sondern liegt daneben.
Fördert Multiple Choice oberflächliches Lernen? Diese Gefahr räumt der Vortrag ausdrücklich ein. Ein Pool aus Multiple-Choice-Fragen trainiert Wiedererkennen, keine Argumentation. Genau deshalb ist Multiple Choice nicht der einzige Fragenmodus: Freitextfragen verlangen eine eigene Formulierung, die gegen eine Musterantwort abgeglichen wird. Die nächste Stufe geht darüber hinaus, als fragender statt antwortender Tutor, der zu einem Konzept aus der Sitzung nachfragt. Der Gedanke dahinter steht im Beitrag über den Unterschied zwischen antwortender und fragender KI. Für Lehrende heißt das: Was der Fragenpool nicht trainiert, muss die Prüfung selbst einfordern.
Nicht alle werden erreicht
Ein Fünftel der befragten Studierenden hat das Angebot nicht genutzt. Die Gründe sind aufschlussreich. Eine grundsätzliche Ablehnung generativer KI spielt kaum eine Rolle, Datenschutzbedenken ebenfalls nicht. Im Vordergrund stehen andere Lernmethoden, die als wirksamer empfunden werden, besonders solche mit eigener Recherche und eigener Verarbeitung. Ein Viertel hält generative KI im eigenen Fachbereich für nicht sinnvoll, 8 Prozent scheiterten am Zugang.
Funktioniert das jenseits der MINT-Fächer? Eine der größeren Installationen läuft in der Philosophie. Auffällig ist die Haltung, nicht das Ergebnis. In Geistes- und Sozialwissenschaften fällt die Skepsis größer aus, vor allem gegenüber Fragen, die Nuancen zulassen müssen. Die Begleitforschung kann das nicht prüfen, weil ein Vergleich zwischen Fächergruppen mit den vorliegenden Fallzahlen derzeit nicht möglich ist.
Für die Lehre heißt das: Vier von fünf sind nicht alle. Das verbleibende Fünftel ist kein Kommunikationsproblem, sondern eine didaktische Information.
Was offen bleibt
Woran ließe sich Wirksamkeit messen?
Ob Studierende ein Angebot annehmen, ist die einfache Frage. Die schwierige lautet, ob es wirkt, und daran hängt jede Empfehlung an eine Hochschule.
Der Vortrag sortiert die Möglichkeiten und lässt sie offen. Bessere Noten, mehr Engagement, weniger Abbrüche, mehr Freude am Fach. Dazu ein Kriterium, das in Ausschreibungen selten auftaucht: ob der Wiedereinstieg nach zwei Wochen Krankheit leichter fällt. Und der Vorbehalt, dass bessere Noten nicht dasselbe sind wie besseres Verstehen.
Was die Begleitforschung zeigt und was nicht
Zehn bayerische Hochschulen, drei Jahre, wissenschaftlich verantwortet vom bidt. Der erste Bericht des bidt liegt seit März 2026 vor, dabei geht es um die ersten empirischen Ergebnisse zum Einsatz von OneTutor im SoSe 2025.
Das Ergebnis fällt nüchterner aus, als die Zufriedenheitswerte vermuten lassen. Zwischen Häufignutzenden, Wenignutzenden und Nichtnutzenden zeigt sich kein Unterschied im subjektiv wahrgenommenen Lernerfolg. Das Design lässt solche Aussagen auch kaum zu: nicht experimentell, Nutzung nach eigener Entscheidung, und Prüfungsergebnisse durften aus Datenschutzgründen nicht zugespielt werden. Eine Verallgemeinerung halten die Autoren derzeit für nicht möglich.
Eine Zahlenreihe aus dem Vortrag sieht dagegen nach Wirkung aus. In einer Einführungsvorlesung mit rund 1.200 Erstsemestern fielen 34 Prozent durch, unter den Nutzenden 28 Prozent, unter den aktiven Nutzenden mit mindestens 20 Interaktionen 13 Prozent. Dieselbe Folie hält daneben fest, dass zwischen Nutzungshäufigkeit und Note keine Korrelation besteht, und nennt die Befunde vorläufig.
Belegt ist damit die Akzeptanz. Die Wirkung ist offen. Für die Beschaffung heißt das: Eine Entscheidung lässt sich heute auf Nutzung und Zufriedenheit stützen, nicht auf nachgewiesenen Lernerfolg.
Continuous Assessment bleibt ungelöst
Der naheliegende nächste Schritt wäre, aus dem Gespräch einen Nachweis zu machen. Wer ein Konzept im Dialog erklären kann, hat es verstanden, und laufende Gespräche könnten Klausuren entlasten. Der Vortrag beschreibt diesen Weg und verwirft ihn im gleichen Atemzug, jedenfalls vorläufig. Der Grund ist banal: Vor das Gespräch lässt sich ein eigener Agent schalten. Dafür gibt es bislang keine Lösung.
Lässt sich der Chat vor Prüfungen abschalten? Ja, Chat und Quiz getrennt, etwa für Take-Home-Prüfungen. Die Frage, wie eigenständige Leistung nachgewiesen wird, löst das nicht.
Was sich an der Rolle der Lehrenden ändern könnte
Drei Entwicklungen bleiben im Vortrag ausdrücklich offen.
Ökonomie. Wenn in Bayern etwa dreißig Mal eine sehr ähnliche Einführung in die Informatik gehalten wird, steht die Frage im Raum, warum es dreißig bleiben müssen.
Campus-Exodus. Studierende kommen seltener auf den Campus, besonders in technischen Fächern. Ob das dem Lernen gut tut, ist offen.
Dazu passt ein Bekenntnis, das im Vortrag beiläufig kommt. Die Frontalvorlesung gilt dort nicht als Fehler. 90 Minuten zusammenhängende Erzählung haben einen eigenen Wert, Flipped Classroom hängt an Kultur und Kohortengröße und skaliert bei 1.500 Teilnehmenden nicht. Gemeint ist Assistenz, kein Ersatz. Für Hausaufgaben ist das Werkzeug ausdrücklich nicht gedacht, denn Hausaufgaben dürfen schwer sein.
Was von anderthalb Jahren bleibt
Zurück zum Anfang: die Frage um 23 Uhr, der dritte Erklärversuch zu einem Problem , der leere Fragenkatalog. Für diese drei Dinge gibt es inzwischen ein Werkzeug, und es wird angenommen. Vier von fünf Studierenden nutzen es, wenn es im Kurs liegt, und die Lehrenden würden es überwiegend wieder einsetzen.
Was daraus für den Lernerfolg folgt, ist offen. Die belastbarste Studie dazu findet bislang keinen messbaren Unterschied, und die Nutzung sammelt sich vor der Klausur statt über das Semester. Was bleibt, ist der Satz, mit dem das Webinar endet: Nötig ist ein Verständnis dafür, wo solche Werkzeuge wirken und wo nicht. Erst daraus ergibt sich die Stelle, an der Nutzen entsteht.
