A Framework for Artificial Intelligence in Business Education

A Framework for Artificial Intelligence in Business Education: Exemplars and Critical Themes for Successful  Integration. Author: Tawnya Means PhD, Inspire Higher Ed

_Small-File_A Framework for Artificial Intelligence in Business Education_Jan2026_FinalReport

Basierend auf Erkenntnissen aus 48 AACSB-akkreditierten Business Schools bestätigt dieser von AACSB unterstützte Bericht, dass KI in der betriebswirtschaftlichen Ausbildung die Experimentierphase hinter sich gelassen hat und nun koordiniertes, institutionelles Handeln erfordert.

Die Teilnahme am Bericht war freiwillig, die beteiligten Schulen unterscheiden sich stark in ihrer Grösse, und die Ergebnisse zeigen vor allem beispielhafte Praktiken statt einer hochschulübergreifenden Realität. Viele dieser Best Practices beruhen auf Public-Private-Partnerships mit Google oder OpenAI, die für den Schweizer Kontext nur bedingt relevant sind. Dennoch ist die Stossrichtung eindeutig. Institutionen kommen dort voran, wo klare Governance, sichere Plattformen und kontinuierliche Faculty-Entwicklung zusammenspielen. Fehlt dieses Fundament, bleibt der Fortschritt fragmentiert.

Für uns liegt der zentrale Engpass nicht bei Bewusstsein oder Motivation, sondern bei Infrastruktur und Regulierung. Sichere, genehmigte Plattformen für Datentransfer und Lehrmaterialien sind Voraussetzung für eine skalierte KI-Nutzung. Solange entsprechende Lösungen – etwa die Datenschutzrichtlinien für Unterrichtsmaterialien im Rahmen von HSLUNext, pendent seit März 2025 – fehlen, sind die Handlungsmöglichkeiten der Dozierenden in Lehre und Prüfung klar eingeschränkt.
Gleichzeitig bestätigt der Bericht mehrere Prioritäten, bei denen Dozierende bereits jetzt ansetzen:

• • Die Verschiebung von allgemeinen KI-Diskussionen hin zu domänenspezifischen Anwendungen in Marketing, Finance, Operations, Accounting und Strategie konsequent weiterführen.
  • KI als normales professionelles Arbeitsinstrument behandeln und Lernsettings gestalten, die Urteilsvermögen, Validierung und Entscheidungsfindung in den Vordergrund stellen – nicht primär den formalen Output.
  • Ethische KI-Nutzung explizit als berufliche Kompetenz adressieren: Verständnis von Datenflows, Transparenz von Data-to-Decision-Prozessen und Risikomanagement ist ein klarer Wettbewerbsvorteil für Absolvent:innen.
  • Prüfungen unter der Annahme von KI-Nutzung gestalten und bewerten, wie Studierende KI-gestützte Arbeit begründen, einordnen und kritisch reflektieren.

Eine zentrale Erkenntnis ist, dass die Kompetenzen der Dozierenden kontinuierlich weiterentwickelt werden sollen. Dazu gehören geteilte Praktiken, konkrete Beispiele und ein regelmässiger Austausch über Disziplinen hinweg. Wir verfügen bereits über viele starke, aber isolierte Beispiele guter Praxis. Der nächste Schritt besteht darin, diese über gemeinsame Plattformen, eine klare strategische Ausrichtung und eine systematische Integration von KI über das Curriculum hinweg zu verbinden.

Wenn Ihr konkrete Unterstützung, Beispiele oder Formate zur Integration von KI in eure Lehre oder Prüfung benötigt, meldet euch! Der Livestream bietet dafür eine gute Austauschplattform: Neue Termine im FS26 für die Livestream-Reihe „Generative KI für Use Cases an der Hochschule“