ASU Atomic: Wie eine Uni Dozenten-Vorlesungen ohne Zustimmung zerhackt

Die Arizona State University hat mit „ASU Atomic" eine KI-Plattform in die Beta geschickt, die Dozenten-Vorlesungen ohne deren Wissen in Lernmodule zerhackt — und die Ergebnisse sind nicht nur ethisch fragwürdig, sondern akademisch schlicht schwach. Professoren erfuhren von der Plattform durch Mundpropaganda, nicht durch offizielle Kommunikation der Universität. Die Transkriptionen enthalten sachliche Fehler, die Clips sind so kurz, dass jeder fachliche Kontext verloren geht, und die generierten Module liefern weder Quellenangaben noch weiterführende Lektüre. Das ist kein Einzelfall von KI-Unbeholfenheit — das ist ein Strukturproblem, das die gesamte Debatte über KI im Bildungsbereich neu rahmt.

Was ASU hier demonstriert, ist keine mutige Innovation. Es ist ein Lehrstück darüber, was passiert, wenn Hochschulinstitutionen KI-Werkzeuge einsetzen, bevor sie die grundlegenden Fragen der Zustimmung, Qualitätssicherung und akademischen Integrität geklärt haben. Und weil Canvas, das Learning Management System hinter dem Datenzugriff von Atomic, mit einem Marktanteil von über 30 Prozent zu den meistgenutzten Plattformen an amerikanischen Universitäten gehört, ist das Replikationspotenzial dieses Fehlers erheblich.

ASU Atomic: Funktionsweise und Fehlerquellen

Atomic ist laut eigener FAQ-Seite darauf ausgelegt, „aus der vollständigen Inhaltsbibliothek von ASU Online zu schöpfen" — über Fachbereiche wie Business, Technologie, Leadership und Geschichte hinweg. Die Plattform nimmt lange Lehrvideos, schneidet sie auf sehr kurze Clips herunter und lässt KI daraus Text, Quizfragen und Modulabschnitte generieren. Das Ergebnis: personalisierte Lernmodule, die in der Theorie Studieninhalte schnell und effizient vermitteln sollen.

Die Praxis sieht anders aus. Laut dem Investigativbericht von 404 Media generierte die Autorin Samantha Cole ein siebenabschnittiges Modul zum Thema KI-Ethik — und stieß dabei auf eine Reihe handfester Fehler. Der Begriff „x-riskers", den Professor Euvin Naidoo von der Thunderbird School of Management im Video verwendete, wurde von der KI konsistent als „X-Riscus" transkribiert. Dieser Fehler pflanzte sich durch den gesamten Modultext und die zugehörigen Quizfragen fort. Abschnittstitel wurden doppelt vergeben: „Ethics and Responsibility in AI" und „AI Ethics: From Theory to Practice" tauchten als separate Sektionen auf, überschnitten sich inhaltlich aber erheblich.

Noch gravierender: Das Modul enthielt keinen einzigen Quellenlink, keine weiterführende Literatur, keine Zitationshinweise — und keine Nennung der Personen, die in den Videos zu sehen waren, sofern kein Name im Zoom-Fenster sichtbar war. Wer die Wissensbasis dieser Inhalte hinterfragen oder vertiefen wollte, stand vor einer leeren Wand.

Professoren: Schockiert, übergangen, verwertet

Chris Hanlon, Professor für US-amerikanische Literatur an der ASU, entdeckte die Plattform über einen Post auf Bluesky — nicht durch eine offizielle Mitteilung seiner Universität. Als er Atomic öffnete, sah er sein eigenes Gesicht in einem Modul, zusammen mit Kollegen, die er kannte, und anderen, die er nicht kannte. Die KI hatte einen einminütigen Ausschnitt aus einem zwölfminütigen Vortrag verwendet, in dem er den Literaturkritiker Cleanth Brooks erwähnte. Die KI transkribierte dessen Namen als „Client Brooks" — ein Fehler, der sich durch das gesamte Modul zog.

Hanlon formulierte sein Unbehagen präzise: „Dass die Universität, für die du arbeitest, dein Bild und deine Vorlesungen und deine Materialien ohne deine Erlaubnis verwendet, sie auf eine Art und Weise zerhackt, die möglicherweise nicht widerspiegelt, was für ein Lehrer du wirklich bist — und das dann einem echten Studenten in der realen Welt serviert." Sarah Florini, Filmwissenschaftlerin und Associate Director des Lincoln Center for Applied Ethics an der ASU, tauchte in einem Modul zu KI-Ethik auf — obwohl ihr Clip aus einem vollständig anderen Kurs stammte: FMS 598 Digital Media Studies, einem Filmstudien-Masterkurs. Sie hatte das Video 2020 aufgenommen, vor dem Durchbruch generativer KI, und die Passage war lediglich eine kurze Begriffsklärung als Einstieg in ein tiefergehendes Thema. „Das ist wirklich ein gutes Beispiel dafür, wie problematisch es ist, Unterrichtsschnipsel aus dem Kontext zu reißen", sagte sie.

Ein weiterer Dozent, der anonym bleiben wollte, brachte das Kernproblem auf den Punkt: Wer seinen Clip sieht, weiß nicht, ob er eine These vertritt, ein Gegenargument präsentiert oder eine Position als Folie für spätere Kritik aufbaut. „Entweder wird jemand denken, ein ‚Experte' hat das gesagt, also muss es stimmen — oder sie denken, das ist offensichtlich Unsinn, der Experte muss dumm sein. Aber ich hätte auch gerade einen Strohmann aufgebaut haben können!" Die Clips sind so kurz, dass Kontext in vielen Fällen schlicht nicht erkennbar ist.

Canvas LMS: Das ungefragte Rohstofflager

Die Videos für Atomic scheinen aus Canvas zu stammen, dem Learning Management System der ASU, das vom Unternehmen Instructure betrieben wird. Canvas gehört zu den meistverbreiteten LMS-Plattformen in den USA und wird von einer Vielzahl von Universitäten eingesetzt. Was das bedeutet: Wenn eine Institution wie ASU entscheidet, KI-Plattformen Zugriff auf ihre Canvas-Bibliothek zu geben, hat sie damit potenziell Zugriff auf alles, was Dozenten dort jemals hochgeladen haben — Vorlesungsvideos, Seminarmaterialien, Diskussionsrunden.

Die Frage, ob Dozenten bei der Einstellung dieser Materialien in Canvas damit einverstanden waren, dass sie für KI-Trainings oder KI-generierte Produkte genutzt werden, ist offen. In den Nutzungsbedingungen, denen Hochschullehrer beim Upload zustimmen, ist ein solcher Verwendungszweck in der Regel nicht explizit genannt. Das schafft eine strukturelle Grauzone, die weit über ASU hinausreicht: Jede Universität, die Canvas nutzt und gleichzeitig KI-Tools integrieren möchte, steht vor denselben Fragen der Zustimmung, Datensouveränität und Qualitätskontrolle. Laut einer Educause-Studie sehen 83 Prozent der Hochschulen den Datenschutz bei KI-Tools als primäre Herausforderung.

Nach der Anfrage von 404 Media wurden die Anmeldungen für Atomic vorübergehend geschlossen. Die bestehenden Nutzerkonten blieben jedoch aktiv, und die Plattform war weiterhin nutzbar. Eine offizielle Stellungnahme von ASU Atomic, dem Präsidiumsbüro oder der Pressestelle blieb zum Zeitpunkt der Berichterstattung aus.

Gegenposition: Ist die Empörung verhältnismäßig?

Es wäre unredlich, die Gegenposition nicht zu benennen. Universitäten stehen unter echtem Druck, Bildungszugang zu skalieren — und KI-gestützte Lernmodule sind ein legitimes Werkzeug, um Inhalte breiter verfügbar zu machen. Die Idee, aus bestehenden Vorlesungsvideos schnell zugängliche Lernhäppchen zu generieren, ist nicht per se verwerflich. Viele Dozenten haben kein Problem damit, dass ihre Inhalte wiederverwendet werden — solange sie gefragt werden.

Außerdem befindet sich Atomic explizit in der Beta-Phase. Transkriptionsfehler und inhaltliche Schwächen in einem frühen Teststadium sind nicht zwingend ein Zeichen strukturellen Versagens, sondern normaler Teil eines Entwicklungsprozesses. Wer jedes Beta-Produkt am Standard eines fertigen Lehrbuchs misst, legt eine unfaire Messlatte an.

Dennoch: Diese Verteidigung greift hier nicht vollständig. Erstens wurden reale Personen — Professoren mit akademischer Reputation — ohne Zustimmung mit ihrem Gesicht und ihrem Namen in einem Produkt eingesetzt, das öffentlich zugänglich war. Zweitens war die Beta nicht auf einen kontrollierten internen Kreis beschränkt: 404 Media meldete sich mit einer privaten E-Mail-Adresse ohne jede ASU-Zugehörigkeit an und erhielt uneingeschränkten Zugang. Ein Beta-Produkt mit öffentlichem Zugang und echten Dozenten-Identitäten ist kein geschütztes Experiment mehr — es ist eine Veröffentlichung.

So What: Strategische Implikationen für DACH-Entscheider

Was ASU hier vorgeführt hat, ist kein amerikanisches Randproblem. Es ist ein Frühindikator für einen Konflikt, der auch europäischen Hochschulen und Bildungseinrichtungen bevorsteht. Der EU AI Act, dessen Hauptteil ab August 2026 in Kraft tritt, stellt KI-Systeme im Hochrisikobereich — darunter Systeme, die Bildungszugang oder Lernerfolg beeinflussen — unter deutlich schärfere Auflagen. Systeme, die personenbezogene Daten von Lehrenden verarbeiten und deren Inhalte automatisiert transformieren, werden voraussichtlich als hochriskant eingestuft. Das bedeutet: Transparenzpflichten, Dokumentationspflichten, und das ausdrückliche Recht Betroffener auf Information.

Für deutsche Hochschulen kommt die DSGVO hinzu. Artikel 22 reguliert automatisierte Entscheidungsprozesse, Artikel 35 verpflichtet zur Datenschutz-Folgenabschätzung bei Hochrisikoverarbeitung. Wer als Bildungseinrichtung ein System wie Atomic einführt, muss prüfen, ob Dozenten-Videos personenbezogene Daten enthalten — und das tun sie, da Gesichter und Stimmen eindeutig identifizierbar sind. Eine Einwilligungsgrundlage ist in diesem Fall nicht optional. Weitere Details zur DSGVO-konformen KI-Nutzung sind für Entscheider zwingend zu beachten.

Für Entscheider in deutschen Universitäten, Weiterbildungsträgern und Corporate-Learning-Abteilungen lautet die konkrete Handlungsempfehlung: Bevor KI-Tools auf interne Lehr- und Schulungsvideos losgelassen werden, braucht es einen klaren Prozess — Opt-in statt Opt-out, transparente Kommunikation über Verwendungszweck, und ein Qualitätsgateway, das verhindert, dass fehlerhafte KI-Transkriptionen als Lernmaterial ausgespielt werden. Das klingt nach Bürokratie. Es ist tatsächlich das Minimum an institutioneller Sorgfalt.

Fazit: Beta-Status rechtfertigt keine fehlende Zustimmung

ASU Atomic ist kein Ausreißer — es ist ein Symptom. Hochschulen sind unter Druck, KI-Lösungen schnell zu implementieren, und dabei wird die Frage der Zustimmung betroffener Dozenten als nachgelagert behandelt. Das ist ein Fehler, der sich rächt: rechtlich, reputationell und akademisch.

Die wahrscheinlichste Entwicklung: Wer in den nächsten zwölf Monaten ähnliche Plattformen ohne klare Opt-in-Struktur und Qualitätskontrolle einführt, riskiert nicht nur Empörung im eigenen Kollegium, sondern — zumindest in der EU — regulatorische Konsequenzen. Wenn der Hauptteil des AI Act ab August 2026 greift, werden Systeme dieser Art einer erheblich schärferen Prüfung standhalten müssen. Die Frage ist nicht ob, sondern wann die erste europäische Hochschule genau für diesen Fehler haftbar gemacht wird. ASU hat das Drehbuch schon mal geschrieben — für andere liegt es jetzt offen auf dem Tisch.