Grenzen der Künstlichen Intelligenz für personalisiertes Lernen in der Hochschulbildung: Ein systematischer Review führender Artikel

Künstliche Intelligenz (KI) gestaltet die Hochschulbildung neu, indem sie personalisiertes Lernen (PL) ermöglicht und Lehr- sowie Lernpraktiken verbessert. Zur Untersuchung globaler Forschungstrends, pädagogischer Paradigmen, Überlegungen zu Gerechtigkeit und Nachhaltigkeit, didaktischer Strategien, Lernergebnissen und interdisziplinärer Zusammenarbeit wurde in dieser Studie systematisch eine Auswahl von 29 Artikeln überprüft, die im Social Sciences Citation Index (SSCI) Q1 gelistet sind und die oberen 25 % der zitierten Artikel repräsentieren, veröffentlicht zwischen Januar 2020 und Dezember 2024 in der Web of Science-Datenbank. Die Ergebnisse zeigen, dass die Forschung zu KI-PL sich auf Asien, insbesondere China, konzentriert und überwiegend im Bereich der Bildungswissenschaften und Informatik verortet ist. Quantitative Designs dominieren, oft ergänzt durch qualitative Einblicke, wobei überwachtes maschinelles Lernen der häufigste Algorithmus ist. Während konstruktivistische Prinzipien in den meisten Studien implizit leitend sind, verbessert eine explizite theoretische Fundierung die Übereinstimmung von KI und Pädagogik sowie die Bildungsergebnisse. KI zeigt Potenziale zur Verbesserung von Unterrichtsansätzen wie PBL, STEAM, Gamification und UDL sowie zur Förderung höherer kognitiver Fähigkeiten, jedoch kann unkritische Anwendung die Lernendenautonomie beeinträchtigen. Systematische Berücksichtigung von Gerechtigkeit und Nachhaltigkeitszielen (SDG) ist begrenzt. Aufkommende interdisziplinäre Kooperationen zeigen Potenzial, sind aber noch nicht vollständig institutionalisiert, was die integrative Systemgestaltung einschränkt. Diese Ergebnisse unterstreichen die Notwendigkeit einer stärkeren theoretischen Verankerung, der Ausrichtung von KI an pädagogischen und gesellschaftlichen Erfordernissen sowie der beruflichen Weiterbildung zur Verbesserung der KI-Kompetenz von Lehrenden. Koordinierte Anstrengungen von Wissenschaft, Industrie und Politik sind essentiell, um skalierbare, kontextangepasste KI-Lösungen für eine inklusive, adaptive und transformativen Hochschulbildung zu entwickeln.