Handreichung zum Einsatz generativer KI in Studium und Lehre

Hochschule für Jüdische Studien Heidelberg (HfJS) — Stand: 2026

Generative Künstliche Intelligenz (KI)¹ eröffnet neue Möglichkeiten für Studium, Lehre und Forschung. Sie unterstützt wissenschaftliche Arbeitsprozesse, kann Lernprozesse individuell unterstützen und den Zugang zu Wissen erleichtern. Zugleich wirft ihr Einsatz Fragen der wissenschaftlichen Integrität, der Transparenz, des Datenschutzes, des Urheberrechts sowie der Qualität akademischer Leistungen auf.

Die Hochschule für Jüdische Studien Heidelberg (HfJS) versteht generative KI als Werkzeug zur Unterstützung wissenschaftlichen Arbeitens. Ziel dieser Handreichung ist es, Studierende und Lehrende zu einem souveränen, reflektierten und verantwortungsvollen Umgang mit generativer KI zu befähigen. Im Mittelpunkt steht die Förderung intellektueller Souveränität. Diese umfasst die Fähigkeit, wissenschaftliche Fragestellungen eigenständig zu bearbeiten, Informationen kritisch zu bewerten, begründete Urteile zu entwickeln und KI-Systeme bewusst als unterstützende Werkzeuge einzusetzen. Intellektuelle Souveränität bedeutet darüber hinaus die Bereitschaft, wissenschaftliche Fragestellungen auch dort eigenständig zu bearbeiten, wo generative KI scheinbar einfache Lösungen anbietet. Wissenschaftliche Bildung setzt die Fähigkeit voraus, Unsicherheiten auszuhalten, eigene Urteile zu entwickeln und wissenschaftliche Erkenntnisse kritisch einzuordnen und zu reflektieren. Der Einsatz generativer KI dient daher nicht der Verkürzung wissenschaftlicher Lernprozesse, sondern ihrer bewussten Unterstützung.

Diese Handreichung bietet einen Orientierungsrahmen für den verantwortungsvollen Einsatz generativer KI an der HfJS. Er erläutert die rechtlichen, organisatorischen und didaktischen Rahmenbedingungen, gibt praxisnahe Empfehlungen für Studium, Lehre und Prüfungen und fördert einen transparenten und reflektierten Umgang mit KI. Da sich technische Möglichkeiten und rechtliche Vorgaben fortlaufend weiterentwickeln, wird die Handreichung regelmäßig überprüft und bei Bedarf aktualisiert.

0. Sechs Grundprinzipien für den KI-Einsatz an der HfJS

1. Generative KI unterstützt wissenschaftliches Arbeiten, ersetzt jedoch weder eigenständiges Denken noch wissenschaftliche Urteilsbildung.

2. Die Anwendenden tragen die uneingeschränkte Verantwortung für sämtliche Inhalte.

3. KI-generierte Inhalte sind kritisch zu prüfen und nachvollziehbar zu belegen.

4. Der Einsatz von KI ist entsprechend den Vorgaben dieser Handreichung transparent zu dokumentieren.

5. Datenschutz und Vertraulichkeit haben Vorrang.

6. Wissenschaftliche Kernkompetenzen werden auch ohne KI eingeübt.

1. Grundsätzliches und Verantwortlichkeiten

Ist die Nutzung generativer KI an der HfJS erlaubt?

Zulässigkeit: Der Einsatz generativer KI ist grundsätzlich zulässig, sofern er mit der Lehrveranstaltung, der Prüfungsordnung und der Aufgabenstellung vereinbar ist. Beim Einsatz generativer KI sind die gesetzlichen Bestimmungen einzuhalten, z.B. die Europäische KI-Verordnung (EU AI Act), das Urheberrecht sowie die Datenschutzgrundverordnung (DSGVO).
Lernzielorientierter Einsatz: Die grundsätzliche Zulässigkeit des Einsatzes generativer KI bedeutet nicht, dass jede wissenschaftliche Aufgabe sinnvollerweise an KI-Systeme delegiert werden sollte. Welche Arbeitsschritte eigenständig zu erbringen sind und in welchen Phasen KI als Unterstützung eingesetzt werden kann, richtet sich nach den jeweiligen Lernzielen und den zu erwerbenden wissenschaftlichen Kompetenzen. Generative KI soll wissenschaftliches Arbeiten unterstützen, nicht jedoch eigenständiges Denken, wissenschaftliche Urteilsbildung oder die fachliche Verantwortung ersetzen. Der reflektierte Einsatz generativer KI erweitert wissenschaftliche Handlungsmöglichkeiten, setzt jedoch den eigenständigen Erwerb wissenschaftlicher Kernkompetenzen voraus.

Wer haftet für Fehler und KI-generierte Inhalte?

Eigenverantwortung und Prüfpflicht: Die inhaltliche und rechtliche Verantwortung für KI-generierte Inhalte verbleibt vollständig bei den Anwendenden. Da KI-Modelle plausibel klingende, aber unzutreffende Informationen („Halluzinationen“), systematische Verzerrungen („Biases“) sowie erfundene Quellen- oder Literaturangaben generieren können, müssen alle Ergebnisse vor der Verwendung anhand verlässlicher Quellen verifiziert werden.
Keine Autorschaft: KI-Systeme besitzen weder eine Rechtspersönlichkeit noch können sie eine Autor- oder Mitautorenschaft für wissenschaftliche Leistungen beanspruchen.

2. Datenschutz, Recht und Nachhaltigkeit

Welche datenschutz- und urheberrechtlichen Vorgaben gelten?

Datenschutz und Anbieterwahl: Datenschutzkonforme Dienste (z.B. YoKI)² sind bevorzugt zu nutzen. Bei anderen Anbietern ist vorab zu prüfen, ob Datenübermittlung, Speicherort und Modelltraining den Vorgaben der DSGVO sowie den Hochschulvorgaben entsprechen.
Urheberrecht: Da KI-generierte Inhalte geschützte Fragmente enthalten können, besteht bei einer nicht kenntlich gemachten Übernahme das Risiko unbeabsichtigter Plagiate.
Datenbeschränkungen: Schutzwürdige Daten (z.B. personenbezogene oder sensible Daten Dritter, geschützte Primärquellen, studentische Arbeiten, unveröffentlichte Fremdtexte) dürfen nicht in externe KI-Systeme hochgeladen werden. Eigene Textentwürfe dürfen nur dann in externe KI-Systeme eingegeben werden, wenn sichergestellt ist, dass die eingegebenen Inhalte nicht zum Training von KI-Modellen verwendet werden.

Was gilt für Inklusion und digitale Teilhabe?

Inklusion und Barrierefreiheit: KI-gestützte Lehr- und Lernangebote sowie automatisch erzeugte Inhalte (z.B. Zusammenfassungen oder Transkripte) sollen möglichst barrierefrei gestaltet und für assistive Technologien nutzbar sein.

Was ist unter ökologischer Nachhaltigkeit zu verstehen?

Ressourcenschonender Einsatz: Generative KI verbraucht erhebliche Energie- und Rechenressourcen. Setzen Sie KI daher bewusst und nur bei einem fachlichen oder didaktischen Mehrwert ein. Für einfache Aufgaben genügen ressourcenschonendere Alternativen (z.B. Suchmaschinen oder lokale Rechtschreibprogramme).

3. Einsatz generativer KI in den Jüdischen Studien

Wie kann generative KI das wissenschaftliche Arbeiten unterstützen?

Um einem Kompetenzverlust (De-Skilling) entgegenzuwirken, sollten zentrale wissenschaftliche Fähigkeiten nicht unreflektiert an KI-Systeme delegiert werden. Die Hochschule für Jüdische Studien Heidelberg fördert stattdessen die gezielte Kompetenzerweiterung (New-Skilling) durch den reflektierten Einsatz generativer KI als Lern- und Denkpartner.

Generative KI kann den wissenschaftlichen Arbeitsprozess unterstützen – von der Literaturrecherche über die sprachliche Überarbeitung eigener Texte bis hin zur Prüfungsvorbereitung. Besonderen didaktischen Mehrwert kann sie beim Strukturieren komplexer Themen, beim Vergleich wissenschaftlicher Positionen sowie bei der Entwicklung präziser Forschungsfragen bieten. Als unterstützendes Werkzeug ersetzt sie jedoch weder eigenständiges Denken noch fachwissenschaftliche Urteilsbildung.

Der Erwerb wissenschaftlicher Kompetenzen setzt voraus, dass bestimmte Lern- und Arbeitsprozesse bewusst ohne KI-Unterstützung erfolgen. Insbesondere die Entwicklung eigener Fragestellungen, die Analyse und Interpretation von Quellen, wissenschaftliches Argumentieren sowie das Verfassen zentraler Textpassagen sollten regelmäßig eigenständig eingeübt werden. Nur auf dieser Grundlage können KI-generierte Ergebnisse fachlich eingeordnet, kritisch bewertet und verantwortungsvoll genutzt werden.

Hierzu gehören KI-freie Lernphasen, in denen wissenschaftliche Kernkompetenzen regelmäßig ohne Unterstützung generativer KI eingeübt werden. Sie bilden die Grundlage für einen reflektierten und verantwortungsvollen KI-Einsatz.

Wo liegen die spezifischen Grenzen im Bereich der Jüdischen Studien?

Lückenhafte Datenbasis: Generative KI basiert auf digital leicht verfügbaren Massendaten. Bei seltenen, spezialisierten oder nicht digitalisierten Quellen der jüdischen Literatur und Geschichte ist ihre Aussagekraft häufig eingeschränkt.
Hohes Halluzinationsrisiko bei Primärsprachen: Bei hebräischen, aramäischen oder jiddischen Quellentexten – insbesondere unvokalisierten oder rabbinischen Texten – besteht ein erhöhtes Risiko fehlerhafter Übersetzungen sowie erfundener Quellen- und Literaturangaben.
Notwendigkeit fachlicher Quellenkritik: Die Interpretation religiöser, historischer oder philologischer Quellen erfordert eine fachlich fundierte wissenschaftliche Prüfung. KI-generierte Auskünfte dürfen daher niemals an die Stelle der eigenständigen Analyse von Primär- und Sekundärquellen treten.

4. Richtlinien für Prüfungsleistungen (für Studierende)

Gilt die Zulässigkeit von KI-Nutzung für alle Prüfungsformen gleichermaßen?

Prüfungen dienen dem Nachweis wissenschaftlicher Kompetenzen und eigener wissenschaftlicher Leistungen. Daher richtet sich der zulässige Umfang des KI-Einsatzes nach den jeweiligen Qualifikationszielen der Prüfungsleistung. Maßgeblich ist nicht die Nutzung oder Nichtnutzung generativer KI als solche, sondern ob die zu prüfenden Kompetenzen von den Studierenden selbst erbracht und nachgewiesen werden.

Unter Beachtung der rechtlichen Bestimmungen sowie der HfJS-KI-Richtlinie richtet sich der zulässige Umfang der KI-Nutzung nach der jeweiligen Prüfungsform.

Unbeaufsichtigte schriftliche Prüfungsleistungen (z.B. Hausarbeiten, Abschlussarbeiten): Der Einsatz generativer KI ist im Rahmen der in diesem Kapitel genannten Vorgaben grundsätzlich zulässig. Die Bewertung der Prüfungsleistung richtet sich nach dem Nachweis wissenschaftlicher Kompetenzen, insbesondere Analysefähigkeit, Syntheseleistung, kritischer Reflexion und wissenschaftlicher Urteilsbildung, und nicht nach reiner Wissensreproduktion.
Beaufsichtigte Prüfungen (z.B. Klausuren, mündliche Prüfungen): Der Einsatz generativer KI ist nur zulässig, wenn dies in der Aufgabenstellung ausdrücklich vorgesehen und technisch während der Prüfung ermöglicht wird. Steht die Wissensabfrage im Vordergrund, ist die Nutzung generativer KI grundsätzlich ausgeschlossen.

Wie muss ich den Einsatz von KI in meinen Arbeiten kennzeichnen?

Bei der Nutzung von KI in Prüfungsleistungen gelten folgende Vorgaben:

Eigenständigkeitserklärung: Schriftliche Bestätigung, ob und in welchem zulässigen Rahmen KI genutzt wurde, in Form der Antiplagiatserklärung der HfJS.
Dokumentation: Eine tabellarische Übersicht im Anhang dokumentiert das verwendete KI-System, die Modellversion, das Zugriffsdatum sowie Zweck und Art der Nutzung. Eine lückenlose Prompt-Dokumentation ist nicht erforderlich. Es genügt eine nachvollziehbare Dokumentation der Einsatzbereiche (vgl. Verzeichnis über die Nutzung KI-basierter elektronischer Hilfsmittel gemäß Antiplagiatserklärung).
Zitierweise bei Textübernahme: Wörtlich oder sinngemäß übernommene KI-generierte Textpassagen sind – analog zu Zitaten – unter Angabe des verwendeten Systems auch an der jeweiligen Stelle der Arbeit kenntlich zu machen.

Was ist im Umgang mit KI unzulässig?

Folgende Formen der KI-Nutzung sind mit den Grundsätzen wissenschaftlicher Redlichkeit unvereinbar:

Vollständige Fremderstellung: Die KI-basierte Erstellung einer Prüfungsleistung ohne eigene wissenschaftliche Leistung (z.B. die vollständige Generierung eines Hausarbeitstextes zur unmittelbaren Abgabe) ist ausgeschlossen und gilt als Täuschungsversuch.
Ungeprüfte Übernahme: KI-generierte Inhalte dürfen nicht ohne eigene fachliche Prüfung und wissenschaftliche Kontrolle übernommen werden.
Verdeckte KI-Nutzung: Die Nutzung generativer KI entgegen den geltenden Dokumentations- oder Kennzeichnungspflichten ist nicht erlaubt und kann gemäß Prüfungsordnung als Täuschungsversuch gewertet werden.

Beeinflusst die Nutzung von KI bzw. der Verzicht auf KI meine Note?

Freiwilligkeit: Die Nutzung generativer KI ist freiwillig. Ist der Einsatz von KI für die Bearbeitung einer Aufgabe vorgesehen oder notwendig, bieten Lehrende Studierenden, die KI aus ethischen, datenschutzrechtlichen oder finanziellen Gründen nicht nutzen möchten, gleichwertige Alternativen an.
Gleichbehandlungsgebot: Eine zulässige und dokumentierte KI-Nutzung darf die Bewertung ebenso wenig beeinflussen wie ein bewusster Verzicht.

5. Leistungsbewertung und Täuschungsverdacht (für Lehrende)

Lehrende gestalten Lern- und Prüfungsformate so, dass wissenschaftliche Eigenständigkeit, kritische Reflexion und fachliche Urteilsfähigkeit gefördert werden. Lehrende verstehen sich zugleich als wissenschaftliche Lernbegleiterinnen und Lernbegleiter. Sie unterstützen Studierende dabei, wissenschaftliche Arbeitsprozesse zu reflektieren, den Einsatz generativer KI kritisch einzuordnen und schrittweise wissenschaftliche Eigenständigkeit zu entwickeln. Persönliches Feedback und fachlicher Dialog gewinnen dabei gegenüber einer rein produktorientierten Leistungsbewertung weiter an Bedeutung.

Welche Grundsätze gelten für Leistungsbewertung und Täuschungsverdacht?

Klare Vorgaben zum KI-Einsatz: Lehrende sollen spätestens zu Beginn der Lehrveranstaltung in transparenter Form (z.B. im Syllabus oder in der Modulbeschreibung) festlegen, ob und in welchem Umfang generative KI genutzt werden darf. Dokumentations- und Kennzeichnungspflichten sind transparent zu benennen. Dabei ist zwischen beaufsichtigten und unbeaufsichtigten Prüfungsformen zu unterscheiden.
Kein Einsatz von KI-Detektoren: Software-Werkzeuge zur Identifikation KI-generierter Inhalte sind technisch unzuverlässig und können daher nicht als alleiniger Nachweis einer unzulässigen KI-Nutzung verwendet werden.
Dialogbasierte Klärung: Bei begründetem Verdacht soll der Sachverhalt in einem strukturierten Gespräch geklärt werden.
Weiteres Verfahren: Kann der Sachverhalt im Klärungsgespräch nicht abschließend geklärt werden, erfolgt das weitere Verfahren nach den Vorgaben der jeweils geltenden Prüfungsordnung.
Menschliche Letztentscheidung: Die Verantwortung für die Leistungsbewertung liegt stets bei den Lehrenden. KI kann die Korrektur unterstützen, ersetzt jedoch weder die fachliche Prüfung noch die abschließende Entscheidung. Auch bei KI-gestützter Korrekturunterstützung bleibt eine kritische Prüfung erforderlich, um Automatisierungsbias entgegenzuwirken.

6. Praktischer Prompt-Katalog für wissenschaftliches Arbeiten (für Studierende)

Die Qualität KI-generierter oder KI-gestützt erstellter Inhalte hängt wesentlich von der Präzision des Prompts sowie von der anschließenden kritischen Prüfung durch die Anwendenden ab. KI-generierte oder KI-gestützt erstellte Inhalte allein ersetzen weder die eigenständige wissenschaftliche Analyse noch die Prüfung anhand verlässlicher Quellen.

Die folgenden Beispiele dienen als Orientierung und müssen an Fragestellung, Fachgebiet und Arbeitskontext angepasst werden.

Phase / Einsatzbereich	Prompt-Vorlage
1. Themenfindung und Fragestellung	„Ich interessiere mich für das Thema [Thema]. Schlage fünf wissenschaftlich relevante Forschungsfragen vor. Erläutere jeweils, warum sie wissenschaftlich interessant sind und welche Forschungslücken sie adressieren könnten.“
2. Literatur-Brainstorming	„Welche wissenschaftlichen Debatten existieren zum Thema [Thema]? Ordne die wichtigsten Forschungspositionen und nenne zentrale Autorinnen und Autoren. Weise ausdrücklich darauf hin, wenn Angaben unsicher sind.“
3. Forschungsdesign	„Ich möchte folgende Forschungsfrage untersuchen: [Fragestellung]. Welche geeigneten wissenschaftlichen Methoden kommen hierfür in Betracht? Erläutere Vor- und Nachteile der jeweiligen Methode.“
4. Exzerpt-Unterstützung	„Erkläre die Kernaussagen dieses Textes. Unterscheide zwischen Fakten, Interpretationen und Argumentationen. Welche Aussagen erscheinen besonders überzeugend? Welche Annahmen oder Schwächen erkennst du?“
5. Gliederungs-Check	„Prüfe die folgende Gliederung kritisch. Welche logischen Brüche, inhaltlichen Lücken oder fehlenden Aspekte erkennst du im Hinblick auf meine These? [Gliederung]“
6. Argumentativer Gegenpart	„Übernimm die Rolle einer Gutachterin bzw. eines Gutachters einer wissenschaftlichen Zeitschrift. Beurteile Aufbau, Argumentation, Nachvollziehbarkeit und wissenschaftliche Qualität meines Textes. Formuliere auch kritische Rückfragen.“
7. Argumentationsprüfung	„Prüfe meine Argumentation auf logische Schwächen, unbegründete Annahmen oder mögliche Gegenargumente. Schlage Verbesserungen vor, ohne meine Position zu verändern.“
8. Faktenprüfung und Quellenverifikation	„Prüfe folgende Aussage anhand der angegebenen Quellen. Weise auf Widersprüche, Beleglücken oder Interpretationsprobleme hin: [Quellen].“
9. Wissenschaftliche Sprache	„Überarbeite den folgenden Abschnitt sprachlich im Stil wissenschaftlicher Texte. Verändere weder die Argumentation noch die Zitate. Erläutere die vorgenommenen Änderungen stichpunktartig.“
10. Abstract erstellen	„Erstelle auf Grundlage meines Textes einen Abstract mit maximal 200 Wörtern. Verwende ausschließlich die Informationen meines Textes und füge keine neuen Inhalte hinzu.“
11. Prüfungsvorbereitung	„Erstelle zu diesem Kapitel zehn Prüfungsfragen unterschiedlichen Schwierigkeitsgrades. Gib die Lösungen erst auf Nachfrage aus.“
12. Lernpartner	„Stelle mir nacheinander Fragen zum Thema [Thema]. Gib mir nach jeder Antwort ein fachliches Feedback und vertiefe das Thema schrittweise.“
13. Übersetzung wissenschaftlicher Texte	„Übersetze den folgenden wissenschaftlichen Text ins Deutsche/Englische. Behalte Fachterminologie und Quellenangaben unverändert bei und weise auf unsichere Übersetzungen hin.“
14. Zeit- und Arbeitsplanung	„Ich muss bis zum [Datum] eine Hausarbeit von [Umfang] Seiten fertigstellen. Erstelle einen realistischen Arbeitsplan mit Literaturrecherche, Gliederung, Schreibphase, Überarbeitung und Korrektur.“
15. Reflexion der KI-Nutzung	„Welche Arbeitsschritte in meinem Projekt sollten von mir selbst durchgeführt werden und bei welchen kann KI sinnvoll unterstützen? Begründe deine Einschätzung unter Berücksichtigung guter wissenschaftlicher Praxis.“

7. Beratung und Qualifizierung

Die Hochschule versteht sich als sozialer Lern- und Diskussionsraum. Wissenschaftliche Erkenntnis entsteht nicht allein durch individuelle Textproduktion, sondern wesentlich im fachlichen Austausch, in Diskussionen, Kolloquien, Seminaren und im Dialog zwischen Lehrenden und Studierenden. Generative KI kann diesen wissenschaftlichen Austausch unterstützen, ihn jedoch nicht ersetzen.

Gesetzliche Pflicht zur KI-Kompetenz: Die Fähigkeit, KI-Systeme kritisch zu verstehen, verantwortungsvoll einzusetzen und ihre Möglichkeiten sowie Grenzen zu beurteilen (AI Literacy), gehört zu den zentralen Zukunftskompetenzen im Hochschulbereich. Gemäß Art. 4 der Verordnung (EU) 2024/1689 (EU AI Act) unterstützt die Hochschule für Jüdische Studien Heidelberg den Erwerb der erforderlichen KI-Kompetenz.
KI-Kompetenz umfasst dabei nicht nur die sachgerechte Anwendung generativer KI-Systeme, sondern auch das Verständnis ihrer grundlegenden Funktionsweise, die kritische Bewertung ihrer Ergebnisse, den reflektierten Umgang mit Unsicherheiten, Halluzinationen und Verzerrungen (Biases) sowie die Fähigkeit, KI verantwortungsvoll und transparent in wissenschaftliche Arbeits- und Lernprozesse zu integrieren. Ziel ist die Förderung einer wissenschaftlichen Praxis, in der generative KI die eigenständige Erkenntnisgewinnung unterstützt, ohne wissenschaftliche Urteilsbildung oder kritisches Denken zu ersetzen.
Qualifizierungsangebote:Die Angebote von heiSKILLS an der Universität Heidelberg unterstützen Studierende und Lehrende bei der kontinuierlichen Weiterentwicklung ihrer KI-Kompetenzen sowie beim reflektierten Einsatz generativer KI in Studium und Lehre.
Support-Strukturen: Bei Fragen zur Prüfungsgestaltung, zum zulässigen Einsatz generativer KI oder zum Umgang mit Täuschungsverdacht beraten das Studiendekanat und das Prüfungsamt der HfJS.

Der reflektierte Einsatz generativer KI bereichert die moderne wissenschaftliche Praxis und eröffnet zusätzliche Möglichkeiten für Studium und Lehre an der Hochschule für Jüdische Studien Heidelberg. Sein verantwortungsvoller Einsatz entfaltet seinen Mehrwert im Zusammenspiel von technischer Unterstützung, wissenschaftlicher Integrität, kritischer Reflexion und eigenständiger Urteilsbildung.

Die Hochschule für Jüdische Studien Heidelberg versteht den verantwortungsvollen Umgang mit generativer KI als fortlaufenden Entwicklungsprozess. Sie überprüft diese Handreichung regelmäßig hinsichtlich technischer, rechtlicher und didaktischer Entwicklungen und entwickelt ihre Unterstützungs- und Qualifizierungsangebote kontinuierlich weiter. Ziel ist der nachhaltige Aufbau von KI-Kompetenzen bei Studierenden und Lehrenden sowie die Förderung einer Kultur wissenschaftlicher Integrität und intellektueller Souveränität.³

KI-Systeme, die auf der Basis von Trainingsdaten selbstständig neue Inhalte (wie Texte, Übersetzungen, Programmiercode oder Grafiken) erzeugen können.
KI-Plattform der Universität Heidelberg, die verschiedene Sprachmodelle über eine hochschuleigene Infrastruktur bereitstellt.
https://ki-campus.org/lernangebote/kurse/generative-ki-fuer-abschlussarbeiten .