KI-Kompetenz-Kerncurriculum folgt 35 Prozent der Jobnachfrage

Der alte Streit auf dem Campus drehte sich darum, ob Studierende KI nutzen dürfen sollten. Der neue dreht sich darum, ob sie ihren Abschluss machen können, ohne sie zu verstehen. Inside Higher Ed berichtete, dass im März 35 Prozent der Einstiegsjobs KI-Kompetenzen verlangten, gegenüber 13 Prozent sechs Monate zuvor. Das ist keine kleine Anpassung im Vorlesungsverzeichnis. Es ist ein Einstellungssignal, das sich schneller bewegt als viele Studienpläne. Die nützliche Frage ist nicht, ob jede und jeder Studierende KI-Ingenieurin oder KI-Ingenieur werden sollte. Diese Bezeichnung bedeutet auf viel zu vielen Lebensläufen bereits viel zu viele Dinge. Die bessere Frage ist, ob Absolventinnen und Absolventen grundlegende KI-Kompetenz als Teil normaler Berufsfähigkeit nachweisen können, so wie Arbeitgeber früher irgendwann Tabellenkalkulationskenntnisse vorauszusetzen begannen. Wenn Hochschulen KI-Kompetenz zu einer Broschürenfloskel machen, bekommen Studierende nur Rauschen. Wenn sie daraus eine geübte Fähigkeit machen, bekommen Studierende etwas, auf das sie wirklich verweisen können.

Das Einstellungssignal, das Hochschulen nicht ignorieren können

Inside Higher Ed berichtete am 20. August 2026, dass mehrere Colleges und Universitäten in diesem Herbst KI-Anforderungen in allgemeinbildende Curricula, Studienfächer und Zertifikatsprogramme einführen. Derselbe Bericht nannte die Miami University, die Ohio State University und das System der State University of New York als Einrichtungen, die KI in formale akademische Bildungswege integrieren. Das ist wichtig, weil das Nachfragesignal an Einstiegsjobs geknüpft ist, nicht nur an fortgeschrittene technische Rollen. Wenn laut Inside Higher Ed 35 Prozent dieser Jobs KI-Kompetenzen verlangen, wirkt KI-Kompetenz allmählich weniger wie ein freiwilliger Vorteil und mehr wie eine grundlegende Fähigkeit für Beschäftigungsfähigkeit.

Das bedeutet nicht, dass Studierende jedem neuen Zertifikat mit KI im Namen hinterherlaufen sollten. Zertifikatsinflation gedeiht, wenn eine echte Veränderung am Arbeitsmarkt auf vage Sprache trifft. Ein Zertifikat kann nützlich sein, aber nur, wenn es Lernenden einen Nachweis dafür gibt, was sie nach dem Kurs können. Eine Anforderung kann ebenfalls nützlich sein, aber nur, wenn sie mehr vermittelt als Tool-Namen und politische Warnhinweise.

Der Lehrplan holt zum Arbeitsmarkt auf

Die Ohio State University kündigte ihre AI-Fluency-Initiative am 4. Juni 2025 an, laut der Mitteilung der Universität mit dem Titel Ohio State launches bold AI Fluency initiative to redefine learning and innovation. Inside Higher Ed zählte Ohio State später zu den Einrichtungen, die KI zu einem Teil breiterer Lernanforderungen für Studierende machen. Die Reihenfolge ist bemerkenswert: Universitäten fügen nicht nur Nischen-Wahlfächer für Informatikstudierende hinzu. Laut Inside Higher Ed verlagern sie KI auch in die Allgemeinbildung und andere strukturierte Bildungswege. Für Lernende verändert diese Verschiebung, welche Fragen sich vor der Einschreibung lohnen. Ein Kurs mit der Bezeichnung KI-Kompetenz sollte klar machen, ob er zur Allgemeinbildung, zu einem Hauptfach oder zu einem Zertifikatsprogramm gehört, denn diese Wege erfüllen unterschiedliche Zwecke. Allgemeinbildung kann eine gemeinsame Grundlage schaffen. Kurse auf Fachebene sollten die KI-Nutzung mit der jeweiligen Disziplin verbinden. Ein Zertifikat sollte den zusätzlichen Zeitaufwand rechtfertigen, indem es ein klareres Signal erzeugt als ein einzelner Pflichtkurs.

Signal, nicht Lebenslauf-Glitzer

Inside Higher Ed verbindet den curricularen Schub mit Arbeitgebern, die Absolventinnen und Absolventen suchen, die wissen, wie man künstliche Intelligenz nutzt. Diese Formulierung ist wichtig. Sie deutet auf KI-Kompetenzen als Teil der Abschluss- und Berufsfähigkeit hin, nicht als Beweis dafür, dass jede Rolle zu einer spezialisierten KI-Jobbezeichnung wird. Genau hier müssen Studierende Signal von Rauschen trennen: KI-Kompetenz auf einem Zeugnis ist nicht dasselbe wie die Behauptung einer tiefen technischen Spezialisierung. Der praktische Maßstab sollte Nachweisbarkeit sein. Wenn ein Kurs einem Studierenden nur eine Zeile für LinkedIn hinterlässt, ist das ein schwaches Signal. Wenn er ein dokumentiertes Projekt, eine Reflexion über Grenzen oder ein fachspezifisches Beispiel hinterlässt, das die Person in einem Vorstellungsgespräch erklären kann, ist das ein stärkeres Signal. Die Belege in den Einstellungsdaten sind breit, daher sollte die Reaktion der Studierenden konkret sein.

Was Studierende fragen sollten, bevor sie bezahlen

Inside Higher Ed berichtete, dass KI-Anforderungen in allgemeinbildenden Curricula, Studienfächern und Zertifikatsprogrammen auftauchen, was Studierenden drei verschiedene Orte gibt, an denen sie nach Wert suchen können. Fragen Sie, wo die KI-Arbeit im Studienabschluss verankert ist, was sie von Studierenden als Ergebnis verlangt und ob sie mit dem Feld verbunden ist, in das sie tatsächlich einsteigen. Die Frage ist nicht, ob ein Campus ein KI-Angebot hat. Die Frage ist, ob das Angebot Studierenden hilft, KI-Kompetenz in glaubwürdige Arbeitsproben zu übersetzen. Die Ankündigung von Ohio State zeigt, dass große Universitäten KI-Kompetenz als institutionelles Lernthema behandeln, nicht nur als Experiment einzelner Fachbereiche. Das wird andere Hochschulen unter Druck setzen, ihren eigenen Ansatz zu erklären. Studierende sollten die Bewegung begrüßen, aber ihr Urteil nicht aussetzen. Die nächste Phase, auf die man achten sollte, ist, ob diese Anforderungen zu sinnvoller Praxis werden oder nur zu einer weiteren Schicht Vokabular, die auf ohnehin schon volle Studienpläne gelegt wird.