Falsche KI-Antworten über Hochschulen und Universitäten sind nicht nur Schicksal

Wie schnell sich das Verhalten gerade verschiebt, zeigt der Digital News Report 2025 des Reuters Institute der University of Oxford: 7 Prozent aller Online-Nachrichtennutzer:innen greifen inzwischen wöchentlich auf KI-Assistenten zurück, bei den unter 25-Jährigen sind es bereits 15 Prozent (Quelle: Reuters Institute, University of Oxford). Noch deutlicher zeigt sich die Verschiebung bei den eingeschriebenen Studierenden in Deutschland: Laut einer bundesweiten Befragung der Hochschule Darmstadt nutzen inzwischen 91,6 Prozent von ihnen KI-Tools wie ChatGPT im Studium, 2023 waren es erst 63 Prozent (Quelle: Hochschule Darmstadt). Ob sich Studieninteressierte in der Bewerbungsphase ähnlich verhalten, ist nicht gesondert untersucht, aber bei dieser Geschwindigkeit keine gewagte Annahme.

Die bequeme Erklärung: die KI halluziniert eben

Es liegt nahe, das Problem bei der KI zu suchen, und Fehler sind tatsächlich keine Ausnahme. Eine Studie der Europäischen Rundfunkunion mit der BBC hat über 3.000 Antworten von ChatGPT, Copilot, Gemini und Perplexity ausgewertet: 45 Prozent enthielten mindestens ein erhebliches Problem, in 31 Prozent der Fälle waren die angegebenen Quellen schlicht falsch, und 20 Prozent wiesen gravierende Genauigkeitsprobleme auf, darunter veraltete Informationen (Quelle: EBU).

Das entlastet Hochschulen und Universitäten trotzdem nicht: Die Studie zeigt ausdrücklich, dass ein Teil dieser Fehler auf veraltete Quellen zurückgeht, nicht auf freie Erfindungen der KI. Wer einer solchen falschen Antwort nachgeht, findet meist eine echte Seite, nur eben in einer Version, die die Hochschule oder Universität selbst längst hätte offline nehmen oder auf die aktuelle, korrigierte Version hätte weiterleiten müssen. Für genau diesen Teil der Fehlinformationen trägt am Ende nicht die KI die Verantwortung, sondern die eigene, veraltete Unterseite.

Was eine KI wirklich sieht, wenn sie eine Hochschul- oder Universitätswebsite besucht

Eine klassische Google-Suche zeigt zehn Ergebnisse und überlässt die Auswahl dem Menschen. Ein System mit KI-gestützter Websuche, wie Perplexity, ChatGPT mit aktivierter Suche oder Google AI Overviews, muss sich festlegen: Es liest eine oder mehrere Seiten und formuliert daraus eine einzige Antwort. Gerade bei zeitkritischen oder sich ändernden Angaben wie Fristen oder Zulassungszahlen greifen solche Systeme inzwischen häufig gezielt auf eine Live-Suche zurück, statt sich allein auf den eigenen Trainingsstand zu verlassen. Damit das funktioniert, muss erkennbar sein, welche Version einer Information gerade gilt. Genau das ist bei vielen Studiengangsseiten nicht der Fall.

Der eingefrorene Wissensstand: ein zweites, unabhängiges Problem

Neben der falschen Live-Quelle gibt es eine zweite Fehlerquelle, die mit dem Zustand der aktuellen Website nichts zu tun hat. Sprachmodelle werden zu einem festen Zeitpunkt trainiert, ihrem Wissens-Stichtag, teils mehrere Jahre in der Vergangenheit (Quelle: Real-time Factuality Assessment from Adversarial Feedback, arXiv). Alles, was ein Modell über eine Hochschule oder Universität "auswendig" weiß, stammt aus diesem eingefrorenen Stand, egal wie aufgeräumt die Website heute ist, solange keine Live-Suche den alten Stand überschreibt, was nicht bei jedem System und jeder Frage zuverlässig passiert.

OpenAI selbst nennt bei der Ankündigung der ChatGPT-Websuche genau solche Fälle als Auslöser für eine automatische Live-Suche: Sportergebnisse, Aktienkurse und Nachrichten, also Daten, die sich ständig ändern (Quelle: OpenAI, "Introducing ChatGPT search"). Bewerbungsfristen oder Zulassungszahlen sind genauso dynamisch, nur ohne die Prominenz von Aktienkursen, weshalb unklar bleibt, wie zuverlässig ein System hier tatsächlich eine Live-Suche auslöst statt sich auf einen veralteten Trainingsstand zu verlassen. Gerade deshalb kommt es darauf an, dass die Informationen, die aktuell für künftige Modelle gesammelt werden, schon jetzt stimmen: Nur so besteht überhaupt die Chance, dass ein neues Modell bei solchen dynamischen Daten etwas Richtiges gelernt hat.

Warum gerade Hochschul- und Universitätswebsites so viele alte Spuren hinterlassen

Über Jahre entstehen an einer Hochschule oder Universität sehr viele Seiten: neue und ausgelaufene Studiengänge, geänderte Prüfungsordnungen, alte Bewerbungsfristen, Projektseiten, die nach Förderende einfach online bleiben. Niemand hat dabei böse Absicht, es fehlt schlicht oft an Zeit, konsequent aufzuräumen. Alte Seiten werden selten sauber abgeschaltet oder weitergeleitet, sie bleiben im Netz und weiter indexiert. Für Google ist das seit Jahren ein Thema, für Systeme mit KI wird das Problem größer, weil am Ende nur eine einzige Antwort herauskommt.

Ohne Struktur bleibt auch der Rest Zufall

Selbst aktuelle Seiten sind für eine KI nicht automatisch gut lesbar. Fakten wie Regelstudienzeit, Zulassungsvoraussetzungen oder ECTS-Punkte stehen meist als Fließtext irgendwo auf der Seite, nicht als ausgezeichnete Daten. Strukturierte Daten nach dem Schema.org-Standard können das deutlich verringern: Sie machen explizit, was auf einer Seite gilt, statt es der Interpretation eines Sprachmodells zu überlassen.

Erkennen ist oft nicht das Problem. Handeln schon.

Veraltete Seiten und fehlende Struktur lassen sich beide beheben, sie kosten aber vor allem Zeit, nicht technisches Verständnis. Ein Monitoring kann zeigen, wo das Problem liegt, es ändert aber nichts, wenn niemand die Kapazität hat, danach auch zu handeln. Genau diese Lücke zwischen Erkennen und Handeln lässt alte Seiten Jahr für Jahr online bleiben. Der eingefrorene Wissensstand von weiter oben bleibt davon unberührt, den kann weder eine Hochschule noch eine Universität allein beheben.

Was sich davon inzwischen beobachten lässt

Immerhin wird die Situation langsam sichtbarer. Google hat der Search Console im Juni 2026 einen eigenen Bericht hinzugefügt, der zeigt, wie oft eigene Seiten in AI Overviews auftauchen (Quelle: Search Engine Journal). Der Rollout läuft aktuell schrittweise an, viele Website-Betreiber haben noch keinen Zugriff, und Klickzahlen liefert der Bericht ohnehin noch nicht. Aber es ist ein erster Schritt zu einer Antwort auf eine Frage, die bislang niemand seriös beantworten konnte: Kommt die eigene Hochschule oder Universität in der KI-Antwort überhaupt vor?

Was aus dieser Erkenntnis folgen müsste

Ein Content-Audit zeigt, welche Studiengangs- und Fristenseiten noch online sind und welche weg müssten. Schema.org-Auszeichnung macht aus den verbleibenden Seiten maschinenlesbare Fakten statt Fließtext. Beides veraltet ohne laufende Pflege schnell wieder, deshalb braucht es ein Monitoring, das dauerhaft anzeigt, wo eine Seite veraltet ist oder eine KI falsch zitiert, im Idealfall automatisiert genug, dass nicht jeder Fund von Hand nachgearbeitet werden muss.

Das lässt sich mit den ohnehin knappen Kapazitäten einer Hochschule oder Universität kaum allein aufbauen und dauerhaft betreiben, deshalb braucht es meist einen Partner, der das für Hochschulen und Universitäten nicht zum ersten Mal macht.

Den eingefrorenen Wissensstand einer KI ändert das nicht. Aber genau den Teil, den eine Hochschule oder Universität tatsächlich beeinflussen kann, entscheiden diese Schritte: ob sie in der KI-Antwort vorkommt, oder ob das weiterhin dem Zufall überlassen bleibt.