Zwischen Digitalisierung und Künstlicher Intelligenz: Chancen und Risiken der digitalen Transformation für die Hochschulzulassung

Die Möglichkeiten, die Künstliche Intelligenz (im Weite-

ren: KI) eröffnet, sind derzeit in aller Munde. Dabei wer-

den natürlich auch Anwendungsfelder der öffentlichen

Verwaltung bzw. der Hochschulen in den Blick genom-

men, etwa die Studienplatzvergabe. Dieser Beitrag soll

aufzeigen, welche Spielräume der europäische wie auch

der deutsche Rechtsrahmen dafür bietet. Es wird sich

herausstellen, dass das Zulassungsrecht eher eine Frage

der Digitalisierung im engeren Sinne bleiben wird und

die Chancen der KI mit guten Gründen – zumindest in

Deutschland – eher auf dem Gebiet der vorgelagerten

Studienberatung oder der verwaltungsinternen Verfah-

rensüberwachung liegen.

I. Einleitendes

Eine Studie der Harvard Business School im Verbund

mit weiteren Forschungseinrichtungen aus dem Septem-

ber 2023 hat gezeigt, dass Menschen, die bei ihrer wis-

sensbasierten Arbeit KI nutzten, 12,2 % mehr Arbeiten

erledigten, um 25,1 % schneller und um 40 % erfolgrei-

cher arbeiteten als ihre analog tätigen Kolleginnen und

Kollegen.1 Für die öffentliche Verwaltung formuliert der

CIO des Bundes auf seiner Homepage, KI könne „Ver-

waltungsabläufe effizienter […] gestalten, zur Arbeits-

entlastung beitragen und die Kommunikation mit dem

Bürger verbessern“. Auf diese Weise unterstütze sie „die

Entwicklung einer modernen, effizienten und krisenres-

ilienten Verwaltung für die digitale Gesellschaft von

morgen“.2 Insbesondere mit dem Erfolg des Textgenera-

tors ChatGPT der amerikanischen Firma OpenAI ist KI

in das Bewusstsein breiter öffentlicher Kreise getreten.3

Der Hype um die KI erfasst nahezu alle Branchen und

Fachrichtungen, etwa auch das Bildungssystem.4 KI ist

im größeren Kontext der Digitalisierung bzw. der „digi-

talen Transformation“ zu betrachten.5 Selbstverständlich

handelt es sich um eine Entwicklung mit Ambivalenz;

die immer detailliertere Wahrnehmung der Welt und die

damit einhergehenden Datenfluten bergen auch die

Gefahr von Überwachung, Fehlwahrnehmung und

Überforderung.6

Der „Algorithmic Turn“ hat inzwischen auch das ju-

ristische Universum erreicht.7 Im Gesellschaftsrecht

wird etwa gefragt, ob es zulässig ist, dass unternehmeri-

sche Vorstandsentscheidungen auf Algorithmen über-

tragen werden8, und die verwaltungswissenschaftliche

Literatur diskutiert die Thematik ebenfalls,9 seit Jüngs-

tem sogar mit Blick auf die Hochschulzulassung.10 Laut

Medienberichten nutzen in den USA derzeit bereits etwa

56 Prozent der Colleges KI zur Administration ihrer Zu-

lassungsverfahren; überwiegend zur Auswertung der Es-

says, die neben oder anstatt der sonstigen Zulassungskri-

terien, etwa Studienfähigkeitstests und Interviews,

herangezogen werden.11 Allerdings muss vor einer vor-

Matthias Bode

Zwischen Digitalisierung und Künstlicher

Intelligenz: Chancen und Risiken der digitalen

Transformation für die Hochschulzulassung

F. Dell’Acqua/S. Rajendran/E. McFowland III u.a., Navigating the

Jagged Technological Frontier, Working Paper 24–013, 2, www.

hbs.edu (7.5.2024).

„Künstliche Intelligenz in der Verwaltung“, www.cio.bund.de

(7.5.2024).

J. J. Vasel, Künstliche Intelligenz und die Notwendigkeit agiler

Regulierung, NVwZ 2023, 1298 (1298).

C. de Witt/C. Gloerfeld/S. E. Wrede (Hrsg.), Künstliche Intelli-

genz in der Bildung, 2023; F. Pasquale, New Laws of Robotics,

2020, S. 60 ff.

Vgl. W. Hoffmann-Riem, Die digitale Transformation als rechtli-

che Herausforderung, JuS 2023, 617 (617 f.).

Vgl. A. Thiele, § 10 Verwaltung, B. Verwaltungsverfahren, in:

K. Chibanguza/C. Kuß/H. Steege, Künstliche Intelligenz, 2022,

Rn. 1 f., 16; T. Klenk/F. Nullmeier/G. Wewer, Auf dem Weg zum

Digitalen Staat? Stand und Perspektiven der Digitalisierung in

Staat und Verwaltung, in: dies., Handbuch Digitalisierung in Staat

und Verwaltung, 2020, S. 3 (10 ff.).

N. Lettieri, Law in Turing‘s Cathedral, Notes on the Algothmic

Turn of the Legal Universe, in: W. Barfield, The Cambridge

Handbook of the Law of Algorithms, 2020, S. 691 (691 ff.);

m.w.N. G. Britz/M. Eifert, § 26 Digitale Verwaltung, in:

A. Voßkuhle/M. Eifert/C. Möllers, Grundlagen des Verwaltungs-

rechts, Bd. I, 3. Aufl. 2022, Rn. 84 ff.

Vgl. F. Möslein, Digitalisierung im Gesellschaftsrecht, ZIP 2018,

204 (207 ff.).

M.w.N. M. Heine/A.-K. Dhungel/T. Schrills/D. Wessel, Künstliche

Intelligenz in öffentlichen Verwaltungen, 2023; Klenk/Nullmeier/

Wewer (Fn. 6), 3 ff.; M. Martini, Blackbox Algorithmus – Grund-

fragen einer Regulierung Künstlicher Intelligenz, 2019; H. Hill,

Was bedeutet Künstliche Intelligenz (KI) für die Öffentliche

Verwaltung?, VM, 2018, 287 (287 ff.).

T. Rademacher, Digitalisierung des Zugangs zu staatlichen

Leistungen: Darf – oder soll – künstliche Intelligenz über

die Studienzulassung entscheiden?, RdJB 2021, 254 (254 ff.);

M. Martini/J. Botta/D. Nink/M. Kolain, Automatisch erlaubt?,

2020, S. 16 ff; vgl. aus sozialwissenschaftlicher Perspektive

M. Lünich, Der Glaube an Big Data, 2022, S. 202 ff.

„8 in 10 Colleges Will Use AI in Admissions by 2024“, 27.9.2023,

in: www.intelligent.com (7.5.2024); vgl. N. Singer, A.I. Tools

Might Hurt or Help When Applying to College, New York Times,

Kapitel 2, S. 4.

Ordnung der Wissenschaft 2023, ISSN 2197–9197O R D N U N G D E R W I S S E N S C H A F T 3 ( 2 0 2 4 ) , 1 9 3 — 2 0 6

1 9 4

G. Groh, Künstliche Intelligenz, in: K. Weber, Rechtswörterbuch,

31. Ed. 2023, „Künstliche Intelligenz“.

G. Groh (Fn. 12); vgl. C. Djeffal, Künstliche Intelligenz, in: Klenk/

Nullmeier/Wewer (Fn. 6), S. 51 (53).

C. Krönke, Digitale Verwaltungshilfe, Die Verwaltung 56 (2023),

31 (36).

Martini (Fn. 9), S. 23 f.

Martini (Fn. 9), S. 21.; Britz/Eifert (Fn. 7), Rn. 88.

Djeffal (Fn. 13), S. 53.

Djeffal (Fn. 13), S. 56 ff.

M.w.N. G. Hornung, in: F. Schoch/J.-P. Schneider, Verwaltungs-

recht, 3. EL 2022, § 35a Rn. 36 f.

M. Rehbein, Digitalisierung, Görres-Gesellschaft, Staatslexikon,

8. Auflage 2017.

Klenk/Nullmeier/Wewer (Fn. 6), S. 5 f.

L. Michael, Rechtsstaatliche Systembildung am Beispiel des voll-

ständig automatisierten Verwaltungsaktes, DVBl 2023, 186 (188).

So wohl A. Guckelberger, Deutschlands E‑Government-Perfor-

mance im Vergleich zu Österreich und der Schweiz, DÖV 2023,

317 (318).

schnellen Übertragung dieser Modelle gewarnt werden,

greifen sie doch — wie zu zeigen sein wird — tief in die

Grundprinzipien der kontinentaleuropäischen Verfas-

sungsordnungen ein.

Zunächst sollen die Begrifflichkeiten geklärt werden,

um sodann Potentiale von KI für den Übergang von der

Schule zur Hochschule aufzuzeigen (III.). Auf dieser

Grundlage sind die europarechtlichen sowie staatsrecht-

lichen Grenzen zu untersuchen (IV.) und Anwendungs-

felder für Digitalisierung (V.) zu beleuchten.

II. Rahmenbedingung und Terminologie

Um die Betrachtung zu strukturieren, sollen zunächst

die Begriffe KI (1.) und Digitalisierung (2.) geklärt wer-

den (3.). Zudem ist auf Hochschulzugang und Hoch-

schulzulassung einzugehen (4.).

1. Was ist KI?

KI wird terminologisch ursprünglich der Informatik

zugerechnet. Sie wird „als automatisiertes intelligentes

Verhalten“ definiert und beschreibt „die Fähigkeit von

Maschinen, menschliches Entscheidungsverhalten

durch komplexe Algorithmen zu imitieren.“12 KI schaffe

die Möglichkeit, „aus einer anwachsenden Basis zutref-

fender Daten für die Zukunft stärkere (auch kontextbe-

zogene) Wiedererkennungseffekte“ zu generieren und

dadurch „reale Unsicherheiten statistisch präziser“ zu

reduzieren. Dabei sei sog. „schwache KI“, die einzelne

Teilbereiche des Lebens nachmodelliere, von „starker

KI“ zu unterscheiden, bei der Maschinen „umfassend

das Niveau menschlichen Denkens“ erreichen.13 Chris-

toph Krönke zieht den Vergleich zum Menschen und ver-

steht unter KI Technologien, „die in der Lage sind, durch

algorithmengesteuerte Verarbeitung von Dateninput in

-output eine Aufgabe auszuführen, von der man, würde

sie von einem Menschen ausgeführt, behaupten würde,

dass sie Intelligenz erfordere.“14

Im Gegensatz zum sog. maschinellen Lernen, bei

dem der Mensch über die Hierarchie des Lernstoffes ent-

scheidet, erfolgt diese Bewertung im Rahmen des KI-ge-

steuerten sog. Deep Learning durch das System selbst,

das starke und schwache Abhängigkeiten unterscheiden

und damit Muster erkennen kann.15 Charakteristikum

der KI ist also das sich selbst erweiternde Fortschreiben

von Wissen und die Anwendung auf neue Kontexte. Mit

hoher Geschwindigkeit können KI-Anwendungen „gro-

ße Datenmengen nach subtilen Mustern oder Typabwei-

chungen […] durchforsten“ sowie „Rückschlüsse aus er-

kannten Mustern ziehen und ihr Verhalten an diese

Erkenntnisse anpassen“.16 Auf der Grundlage von

Wahrscheinlichkeiten und Unsicherheiten werden Ent-

scheidungen getroffen.17

Allein für den Bereich der Verwaltung kommen un-

zählige Anwendungsfelder für KI in Betracht. Generati-

ve IT kann Text, Sprache, Bilder o.ä. erstellen, was die

Kommunikation erleichtert und die Entscheidungsfin-

dung unterstützt.18 Auch die Vorhersage von Sicherheits-

risiken im Rahmen der Polizeiarbeit, die Bedarfs-

planung, etwa im Personalbereich, aber auch die

Anlagenüberwachung und die Verkehrsleitung sind

Anwendungsfälle.19

2. Was ist Digitalisierung?

Nach allgemeinem Verständnis bezeichnet Digitalisie-

rung im engeren Sinne „die Umwandlung von her-

kömmlichen nicht-digitalen Medien und Informations-

einheiten sowie von kontinuierlichen (analogen) Signa-

len in diskrete (digitale) Objekte“. Im weiteren Sinne

zähle dazu die „zunehmend allgegenwärtige Nutzung

von vernetzter Computertechnologie zur Unterstützung

von Prozessen im privaten wie gesellschaftlichen

Leben“.20 Inzwischen wird der Begriff zunehmend breiter

verstanden und bezeichnet auch die „automatisiert[e]

und autonomisiert[e]“ Entscheidungsfindung; überdies

soll er auch die Effekte erfassen, die die digitalen Medien

auf Politik und Verwaltung haben.21 Digitalisierung hat

sich zum übergreifenden „Leitbild“ entwickelt.22

3. Begriffliche Überschneidungen, Übergänge

Insbesondere im politischen Bereich verschwimmen

beide Begriffe zuweilen. Aber auch in der Wissenschaft

wird KI teilweise der Digitalisierung zugeordnet.23 Die

Enquete-Kommission „Künstliche Intelligenz“ des Deut-

schen Bundestages prognostizierte, KI werde „zu einer

neuen Stufe der Digitalisierung der Arbeit führen, mitBode · Zwischen Digitalisierung und Künstlicher Intelligenz 1 9 5

BT-Drs. 19/23700, 300.

BM für Wirtschaft, Was ist Digitalisierung?, www.de.digital

(7.5.2024).

Vgl. Britz/Eifert (Fn. 7), Rn. 5.

Martini (Fn. 9), S. 16 f.

Vgl. Thiele (Fn. 6), Rn. 36.

Vgl. C. Funke, § 10 Verwaltung, A. Einführung, in: K

Chibanguza/C. Kuß/H. Steege, Künstliche Intelligenz, 2022,

Rn. 12 f.

Vgl. m.w.N. M.-E. Geis, Die Rechtsprechung des BVerfG zum

„Recht auf Bildung“ in den Jahren 1972–1977, in: WissR, Beiheft

18, 2007, 9 (9 ff.); M. Bode, Nach Numerus clausus III: Aktuelle

Entwicklungen auf dem Gebiet des Hochschulzulassungsrechts,

NVwZ 2022, 1672 (1672 ff.).

Vgl. Michael (Fn. 22), 189.

Vgl. Hoffmann-Riem (Fn. 5), 618.

Vgl. Lettieri (Fn. 7), S. 701 f.

S. Hartong/A. Breiter/J. Jarke/A. Förschler, Digitalisierung von

Schule, Schulverwaltung und Schulaufsicht, in: Klenk/Nullmeier/

Wewer (Fn. 6), S. 485 (493).

Vgl. N. Luhmann, Das Recht der Gesellschaft, 1993, S. 133 f.

deutlichen Unterschieden zur bisherigen Automatisie-

rung und Digitalisierung“.24 Als Oberbegriff fasst das

Bundesministerium für Wirtschaft und Klimaschutz die

„Digitalisierung“ auf; sie bedeute „die Verwendung von

Daten und algorithmischen Systemen für neue oder ver-

besserte Prozesse, Produkte und Geschäftsmodelle.“25

Die Frage nach den Begrifflichkeiten darf nicht darü-

ber hinwegtäuschen, dass es sich in technischer Hinsicht

um eine kontinuierliche Entwicklung handelt; begonnen

hat sie bereits in den 1960er Jahren mit den frühen Stu-

fen der Automatisierung, die heute eher der Digitalisie-

rung im engeren Sinne zuzuordnen wären, etwa der au-

tomatisierten Datenerfassung.26 Hinzu treten Systeme,

die nach vorgegebenen Parametern arbeiten. Als An-

wendungsfelder algorithmischer Prozessoptimierung in

diesem Sinne gelten im Bereich der öffentlichen Verwal-

tung beispielsweise Verkehrsleitsysteme, die Erstellung

und Auswertung von Geodaten.27 Je stärker weitere, nur

der Kategorie nach bekannte Umstände verarbeitet wer-

den und eine automatisierte, z.T. sich selbst optimieren-

de28 Leistungserbringung erfolgt, desto eher handelt es

sich um KI. Hierzu können bereits der automatisierte

Erlass von Steuerbescheiden oder die automatisierte und

wohnortnahe Kita-Anmeldung gezählt werden, aber

auch der Einsatz generativer KI etwa bei der Kommuni-

kation mit Bürgerinnen und Bürgern.29

In diesem Beitrag ist unter KI die Nutzung digitaler

Daten zum Erkennen von Mustern, zur Abgabe von Pro-

gnosen und zur Entscheidungsfindung zu verstehen. Als

Digitalisierung wird – in einem engeren Sinne – die Um-

wandlung von Daten und Prozessen in digitale, also

nicht-analoge Form verstanden, bei der es zur Optimie-

rung von Geschäftsprozessen kommen kann.

4. Hochschulzugang und ‑zulassung

Die Vergabe von Studienplätzen nach gleichförmigen

Regeln und mit einem hohen Technisierungsgrad bietet

sich in besonderer Weise für den möglichen Einsatz von

KI bzw. für die Digitalisierung an. Der Hochschulzugang

ist landesrechtlich ausgestaltet und regelt, wer zur Auf-

nahme eines Studiums berechtigt ist, vgl. etwa § 49

Hochschulgesetz NRW (HG NRW). Der Regelfall ist das

Abitur als allgemeine Hochschulzugangsberechtigung.

Stehen in einem Studiengang weniger Studienplätze zur

Verfügung als Bewerberinnen und Bewerber vorhanden

sind, so erfolgt eine Zulassungsbeschränkung. Bei den

besonders stark nachgefragten Studiengängen Human‑,

Zahn- und Tiermedizin sowie der Pharmazie findet ein

sog. Zentrales Auswahlverfahren (ZV) nach weitgehend

einheitlichen Kriterien statt, bei örtlich zulassungsbe-

schränkten Studiengängen führen die Hochschulen die

Auswahl nach eigenem, die landesrechtlichen Vorgaben

konkretisierenden Recht durch.30 Um zu verhindern,

dass Plätze doppelt vergeben werden, erfolgt eine Koor-

dination im Rahmen des Dialogorientierten Servicever-

fahrens (DoSV) seitens der Stiftung für Hochschulzulas-

sung (SfH). Diese IT koordiniert die priorisierten Studi-

enwünsche der Bewerberinnen und Bewerber und

gleicht sie mit den vorhandenen Studienplätzen ab.

Der Prozess der Bewerbung – vielfach die erste eigen-

ständige Berührung junger Menschen mit der Verwal-

tung – steht traditionell im Fokus öffentlichen Interesses,

symbolhaft verkörpert im ambivalenten Image der frü-

heren Zentralstelle für die Vergabe von Studienplätzen

(ZVS). Mit ihren auf den ersten Blick rigiden Regelun-

gen, die auf den zweiten Blick vielfach auch gerade unter

Aspekten der Verteilungsgerechtigkeit geboten sind,

stellt die Hochschulzulassung ein Themengebiet dar, das

geradezu prädestiniert ist für Modernisierung bzw. für

die Berücksichtigung veränderter Erwartungen der Di-

gital Natives.31 Die täglichen Erfahrungen, die in der

Online-Welt bzw. der „Verwobenheit von Online- und

Offline-Interaktionen“32 gemacht werden, beeinflussen

die Erwartungen, welche an sonstige Bereiche, etwa auch

an Verwaltungsleistungen, gestellt werden.33 Dazu gehört

auch die Vorstellung, Unterschiede und (vermeintliche)

Ungerechtigkeiten der Benotung im Bildungsbereich

ausgleichen zu können.34

Nicht nur dem Recht kommt damit übrigens die

Funktion des Unterscheiders zwischen einerseits norma-

tiven, also im Enttäuschungsfall aufrecht zu erhaltenden,

und andererseits kognitiven, also bei Enttäuschung auf-

zugebenden Erwartungen zu.35 Vielmehr ist es zuneh-

mend Software, die die Rolle des „de facto regulator ofO R D N U N G D E R W I S S E N S C H A F T 3 ( 2 0 2 4 ) , 1 9 3 — 2 0 6

1 9 6

Lettieri (Fn. 7), S. 703.

Anfrage an ChatGPT 3.5 v. 21.9.2023; ähnliche Antwort auf

Anfrage an Bard AI v. 21.9.2023.

Djeffal (Fn. 13), S. 54.

Vgl. Rademacher (Fn. 10), 256 ff.; vgl. Hoffmann-Riem (Fn. 5),

625 f.

M.w.N. G. Borges, in: ders./U. Keil, Rechtshandbuch Big Data,

2024, § 1.

Statistische Angaben zum WiSe 2022/23, www.hochschulstart.de

(Zugriff: 7.5.2024).

Vgl. zum Arbeitsrecht M. Mohn, Dürfen Arbeitnehmer ChatGPT

zur Erledigung ihrer Aufgaben einsetzen?, NZA 2023, 538 (540).

human societies“ einnimmt.36 Im Folgenden sind daher

einerseits die sich aus den faktischen bzw. technischen

Möglichkeiten ergebenden Erwartungen mit den nor-

mativ – insbesondere durch Gesetzgeber und Gerichte –

geschaffenen Grundlagen abzugleichen.

III. Out of the box: Chancen von KI

Auf der Suche nach Vorteilen, die durch KI für die Zulas-

sungsprozesse entstehen, bietet es sich an, – im Sinne

eines Feldversuchs – zunächst die generative KI selbst zu

befragen, bildet sie doch cum grano salis eine Art Quer-

schnitt des im Internet vertretenen und auslesbaren

Informationsspektrums ab. Sowohl ChatGPT als auch

sein Konkurrent Bard kommen zu ähnlichen Ergebnis-

sen: Durch die schnelle Analyse großer Datenmengen

könne die Hochschulzulassung schneller und effizienter

werden. „Vorurteile und Diskriminierungen“ würden

reduziert, indem die Entscheidung „auf objektive[n]

Kriterien basiert und menschliche Voreingenommen-

heit minimiert“. Auch zur „Identifizierung von Talenten

und Potenzialen“ solle KI beitragen, „indem sie Muster

und Zusammenhänge in den Bewerbungsdaten erkennt,

die für menschliche Beobachter möglicherweise schwer

zu erkennen sind.“37 Da sich diese Einschätzung mit den

naheliegenden und allgemein bekannten Vorteilen der

KI als Querschnittstechnologie generell deckt38 und

ebenso den Erwartungen im juristischen Fachkreis ent-

spricht,39 sollen diese drei Aspekte im Folgenden näher

untersucht werden.

1. Schnellere Analyse großer Datenmengen

Die Analysefähigkeit in Bezug auf große Datenmengen

wird vor allem im Zusammenhang mit „Big Data“ schon

lange diskutiert.40 Bei der Hochschulzulassung handelt

es sich tatsächlich um eine Materie, bei der große Daten-

mengen in kurzen Zeiträumen, nämlich bis zur Vergabe

der Studienplätze im Februar und im August eines jeden

Jahres, erfasst, sortiert, validiert und verarbeitet werden

müssen.

So bewarben sich zum WiSe 2022/23 beispielsweise

im Zentralen Verfahren 42.214 Personen, die insgesamt

1.061.237 Bewerbungen abgaben.41 In den allermeisten

Fällen prüfte die SfH die eingereichten Unterlagen. In

Bezug auf sog. Sonderanträge, etwa Anträge unter Hin-

weis auf besondere individuelle Härte, Zweitstudium

(1.120 Anträge), beruflich Qualifizierte (482 Anträge)

oder ausländische Bewerberinnen und Bewerber traf die

SfH eigene, in der Regel über eine reine Validierung hin-

ausgehende Entscheidungen. Gleiches gilt für Anträge

auf Verbesserung der Durchschnittsnote aufgrund indi-

vidueller Nachteile. Im DoSV koordinierte die SfH im

selben WiSe insg. 1.818.774 Bewerbungen (inkl. den ge-

nannten des Zentralen Verfahrens) von 265.534 Bewer-

berinnen und Bewerbern an 164 Hochschulen.

Es handelt sich also zweifelsfrei um eine große Da-

tenmenge. Fraglich ist allerdings, ob bei deren Auswer-

tung KI hilfreich sein könnte. Bereits gegenwärtig erfolgt

die Prüfung der Daten nach gesetzlichen bestimmten

Regeln. Aufwändig ist derzeit vor allem die Validierung.

Um diese vereinfachen zu können, wäre eine schlichte

Digitalisierung bzw. Hinterlegung der Zeugnisdaten er-

forderlich, nicht unbedingt KI. Auch soweit die intelli-

gente Steuerung von Eingabemöglichkeiten in Suchmas-

ken etc. betroffen sind, handelt es sich eher um einen As-

pekt der Digitalisierung (siehe Kap. V.).

Soweit es um die Bearbeitung von Sonderanträgen

geht, also solche auf Zulassung wegen besonderer per-

sönlicher Härten oder auf Zulassung zum Zweitstudium,

wäre KI dazu in der Lage, Texte zu erfassen und Ent-

scheidungen vorzuschlagen. So könnten etwa im Bereich

der Härteanträge ärztliche Gutachten zusammengefasst

und entsprechend der medizinischen Fachterminologie

sortiert bzw. beurteilt werden. Dies würde dazu beitra-

gen, die Verwaltungspraxis gleichförmiger zu gestalten

als es Menschen angesichts der Einflussfaktoren Stress,

Tagesform etc. erreichen können. Gleichwohl muss die

Letztentscheidung hier beim Menschen verbleiben, um

Besonderheiten Rechnung zu tragen.

Bei der Textanalyse durch Programme wie ChatGPT

ist allerdings zu beachten, dass die datenschutzrechtli-

chen Vorgaben einzuhalten sind.42 Dies bedeutet, dass

Gesundheitsdaten nach Art. 9 Abs. 1 Datenschutzgrund-

verordnung (DSGVO) höchstens dann verarbeitet wer-

den dürfen, wenn eine entsprechende Einwilligung vor-

liegt oder ein sonstiger Ausnahmegrund nach Art. 9

Abs. 2 DSGVO vorliegt. Dies dürfte bei Antragsdaten re-

gelmäßig ausscheiden. Entsprechende Auswertungssoft-

ware käme also nur in Betracht, soweit sichergestellt

wäre, dass die Daten das Auswertungssystem nicht ver-

lassen bzw. einer Verarbeitung zugestimmt wird.Bode · Zwischen Digitalisierung und Künstlicher Intelligenz 1 9 7

C. Orwat, Diskriminierungsrisiken durch Verwendung von Algo-

rithmen, 2019, S. XII; vgl. Rademacher (Fn. 10), 268 ff.

Vgl. m.w.N. Orwat (Fn. 43), S. 8 f.; Britz/Eifert (Fn. 7), Rn. 120 ff.

Vgl. m.w.N. G. Wewer, Digitale Ethik, in: Klenk/Nullmeier/ders.

(Fn. 6), S. 231 (233, 240).; U. Schliesky, Digitale Ethik und Recht,

NJW 2019, 3692 (3695 ff.).

Vgl. BVerfGE 33, 303 (303 f.); 43, 291 (317 f.).

Vgl. EuGH, Urt. v. 13.2.1985, Rs. 293/83 (Gravier),

ECLI:EU:C:1985:69. Dem folgen Art. 5 Abs. 2 S. 2 StV über die

Hochschulzulassung sowie die entsprechenden Normen für die

örtlichen Zulassungsverfahren.

Vgl. etwa § 49 Abs. 9 HG NRW.

Vgl. Art. 8 Abs. 4 StV über die Hochschulzulassung. Vgl. statt

vieler OVG NRW, Beschl. v. 19.11.2019 – 13 B 1352/19 –, juris,

Orientierungssatz.

Vgl. Bundestierärztekammer, „Tiermedizin ist weiblich“, www.

bundestieraerztekammer.de (7.5.2024); ausführlich zu dieser

A.-L. Comba, Geschlechterspezifische Chancen und Herausforde-

rungen in der Veterinärmedizin in Deutschland, 2020.

Martini/Botta/Nink/Kolain (Fn. 10), S. 16.

Vgl. dazu Martini/Botta/Nink/Kolain (Fn. 10), S. 17.

Martini/Botta/Nink/Kolain (Fn. 10), S. 17; Rademacher (Fn. 10),

262.

Vgl. M. Langer/V. Lazar, Künstliche Intelligenz in eignungsdiag-

nostischen Interviews, in: S. Schulte/M. Hiltmann, Eignungsdiag-

nostische Interviews, 2023, S. 311 (314 f.).

Vgl. F. Lang/H. Reinbach, Künstliche Intelligenz im Arbeitsrecht,

NZA 2023, 1273 (1274 ff.); F. Malorny, Auswahlentscheidungen

durch künstlich intelligente Systeme, JuS 2022, 289 (292 ff.).

Rademacher (Fn. 10), 257 ff.

2. Reduktion von Vorurteilen und Diskriminierungen

Ob algorithmische Entscheidungen zur Reduktion von

Diskriminierungen beitragen, erscheint zunächst frag-

lich. Bislang ist eher das Gegenteil bewiesen: So zeigte

eine mit Zuwendungen der Antidiskriminierungsstelle

des Bundes erstellte Studie auf, dass algorithmisch

getroffene Aussagen häufig sog. „statistische

Diskriminierung[en]“ enthalten. Es werden dabei „zur

Differenzierung Ersatzinformationen bzw. Variablen

oder Proxies (z. B. Alter) herangezogen, weil die eigent-

lichen Eigenschaften, nach denen differenziert werden

soll (z. B. Arbeitsproduktivität), für die Entscheidenden

durch Einzelfallprüfungen nur schwer ermittelbar

sind“.43 Gerade die durch KI möglich gewordene Erken-

nung von Mustern und die Identifizierung von Korrela-

tionen befördert diese Gefahr.44 Daher erscheint es nötig,

eine Digitale Ethik zu etablieren, die als Bereichsethik

dazu beitragen kann, dass bereits bei der Konstruktion

von Software ethische Standards Berücksichtigung fin-

den (sog. ethics by design) und die insbesondere auch der

Verwaltung helfen sollte, die Verlagerung von Entschei-

dungen auf Maschinen in ihren gesellschaftlichen Folgen

abzuschätzen.45

Gerade bei der Verteilung öffentlicher Güter – hier

Studienplätze – ist die diskriminierungsfreie Normie-

rung der maßgeblichen Regelungen von grundsätzlicher

Bedeutung. Dies folgt aus dem verfassungsrechtlich ar-

mierten Grundsatz der Chancenoffenheit des Zulas-

sungssystems, wie ihn das BVerfG in seiner Rechtspre-

chung 1972 erstmals ausdrücklich begründet hat und

seitdem fortschreibt.46 Auch der EuGH und die einfa-

chen Gerichte beteiligen sich hieran. So dürfen etwa

sonstige Staatsangehörige aus EU-Mitgliedstaaten beim

Übertritt in das Studium nicht anders behandelt werden

als deutsche Staatsangehörige,47 es sei denn, es fehlen ih-

nen die erforderlichen Sprachkenntnisse.48 Hinsichtlich

des Alters ist beispielsweise entschieden, dass bis zum

55. Lebensjahr keine Differenzierung unter den Studien-

bewerberinnen und ‑bewerbern erfolgen darf, jenseits

dessen jedoch schon.49 Auch eine unterschiedliche Be-

handlung aufgrund des Geschlechts erfolgt ganz bewusst

nicht, auch wenn dies zuweilen gefordert wird50 und

wohl verfassungsrechtlich auch zulässig wäre.51 Vor die-

sem Hintergrund scheint die KI, abgesehen von der be-

reits oben angesprochenen Unterstützung einer gleich-

förmigen Entscheidungspraxis, wenig zu einem höheren

Maß an Chancengleichheit in der Hochschulzulassung

beitragen zu können. Insbesondere ist das aus anderen

Teilen der Welt bekannte Korruptionsproblem bei Zu-

gang zu Elite-Universitäten in Deutschland angesichts

der engmaschigen rechtlichen Durchdringung des Zu-

lassungsprozesses nicht gegeben.52

3. Identifizierung von Talenten und Potenzialen

Auf den ersten Blick scheint KI ein wesentliches Problem

der Hochschulzulassung verbessern zu können, nämlich

eine individuell zugeschnittene Information über die

Studienmöglichkeiten bieten zu können und gleichzeitig

das Profil des Studiengangs mit den Fähigkeiten und

Vorbildungen der Bewerberinnen und Berwerber abzu-

gleichen. Denkbar wäre etwa, die „Datenschätze aus

beruflichen und privaten Onlineplattformen wie

LinkedIn oder Facebook“ zu erheben, die „technisch

ermöglichen, Indikatoren dafür zu bestimmen, welche

Bewerber sich im Studium als besonders erfolgreich ent-

puppen“.53 Damit würde über die Hochschulzulassung

tatsächlich auf einer fundamental anderen Datengrund-

lage entschieden als bislang. Dies greift Erwartungen

etwa aus dem Bereich der Eignungsdiagnostik auf, die

den Einsatz von KI beispielsweise zur „Vorhersage von

Berufserfolg oder Karriereaussichten“ diskutieren.54

Auch im Arbeitsrecht finden entsprechende Auswahl-

tools bereits Anwendung.55 In vielen Staaten, etwa den

USA, wird Software zur Prognose der Studienverläufe,

des Finanzierungsbedarfs etc. herangezogen, und auch

in China werden (nicht nur) Bildungsbiographien per KI

beobachtet.56O R D N U N G D E R W I S S E N S C H A F T 3 ( 2 0 2 4 ) , 1 9 3 — 2 0 6

1 9 8

Thiele (Fn. 6), Rn. 7; Djeffal (Fn. 13), S. 58.

M. Martini, Transformation der Verwaltung durch Digitalisie-

rung, DÖV 2017, 443 (443).

Vasel (Fn. 3), 1300.

UN SCPV, 78th year, 9381st meeting.

Guckelberger (Fn. 23), 319. Vgl. A. Jüngling, Die Digitalstrategie

der EU-Kommission: Regulierung von Künstlicher Intelligenz,

MMR 2020, 440–445 (441).

P. Bräutigam, Die rechtliche Emanzipation der Software – von der

Lochkarte in die Cloud, NJW 2022, 3118 (3120 f.); Hoffmann-

Riem (Fn. 5), 626 f.

M.w.N. Vasel (Fn. 3), 1301 f.

Schliesky (Fn. 45), 3695 ff.

EU, Vorschlag für ein Gesetz über Künstliche Intelligenz,

COM(2021) 206 final v. 21.4.2021.

Vgl. P. Müller-Peltzer/V. Tanczik, Künstliche Intelligenz und Da-

ten, Data-Governance nach der geplanten KI-Verordnung, RDi

2023, 452 (452 f.).

Ähnlich dem Vorbild des Online-Shoppings wäre es

in einem solchen Modell denkbar, den Interessierten –

ggf. sogar unter Berücksichtigung des gesellschaftlichen

Bedarfs –„entortet“ und „entzeitet“ Studienangebote an-

zubieten.57 Dies könnte ein Weg sein, um das „Bezie-

hungsgefüge“ des Staates gegenüber seinen Bürgern

„transparenter, partizipativer und interaktiver“ zu ge-

stalten.58 Ließe sich dies auf Grundlage des geltenden

Rechts ermöglichen?

IV. Rechtliche Grenzen der Anwendung von KI

Es ist zu überprüfen, welche rechtlichen Spielräume für

ein Zulassungsverfahren bestehen, in dem Talente und

Potenziale automatisch identifiziert und ggf. sogar

beschieden werden. Dabei ist zunächst auf die Grundla-

gen der KI-Regulierung (1.), bzw. die europarechtlichen

(2.) und staatsrechtlichen Perspektiven (3.) einzugehen.

Welche Anwendungsfelder bieten sich hiernach für KI

(4.)?

1. Normierung von KI

Der Regulierung von KI widmen sich weltweit derzeit

diverse Akteure, wobei sich eine „Tripolarität“ aus den

USA, China und der EU abzuzeichnen scheint.59 Hinzu

treten die Vereinten Nationen, deren Sicherheitsrat sich

auf Betreiben Großbritanniens mit der Thematik befasst

und die Bildung einer eigenen Behörde diskutiert.60 Die

EU begreift KI auch als Ergänzung ihrer Digitalisie-

rungsstrategie für die öffentliche Verwaltung und als

Unterstützung des gemeinsamen Binnenmarktes.61

Eine gesetzliche Regulierung von KI ist auch deshalb

kompliziert, weil Software sich von der Herstellung ei-

ner, etwa auf Disketten, verkörperten Ware zunehmend

zum global und open source verfügbaren Service entwi-

ckelt.62 Außerdem ist die Entwicklung rasant und unvor-

hersehbar. Unsicherheiten und künftige Entwicklungen

sind daher möglichst bereits im Rahmen der Normie-

rung so weit wie möglich zu berücksichtigen; die Nor-

men sollten adaptiv und „lernend“ ausgestaltet werden –

ein Ansatz der als „agile Regulierung“ bezeichnet wird.63

Weitergehend wird sogar versucht werden, ethische

Grundsätze im Recht der Digitalisierung zu

verankern.64

2. Europarechtlich: KI-Verordnung und DSGVO

Der Entwurf der KI-Verordnung65 der EU, dem das

Europäische Parlament inzwischen zugestimmt hat,

unterscheidet sog. verbotene Praktiken, etwa die biome-

trische Personenerfassung oder Social Scoring, Titel 2.

Daneben stehen Hochrisiko-KI, welche unter gewissen

Bedingungen eingesetzt werden darf, Titel 3, und

„Bestimmte KI-Systeme“ mit begrenztem Risiko, Titel 4.

Als hochriskant sollen u.a. solche KI-Systeme ange-

sehen werden, „die in der allgemeinen oder beruflichen

Bildung eingesetzt werden, insbesondere um den Zu-

gang von Personen zu Bildungs- und Berufsbildungsein-

richtungen oder ihrer Zuordnung dazu zu bestimmen

oder um Personen im Rahmen von Prüfungen als Teil

ihrer Ausbildung oder als Voraussetzung dafür zu be-

werten“, denn ihnen kommt entscheidender Einfluss auf

den weiteren Bildungsverlauf und das Berufsleben zu.

„Bei unsachgemäßer Konzeption und Verwendung kön-

nen solche Systeme das Recht auf allgemeine und beruf-

liche Bildung sowie das Recht auf Nichtdiskriminierung

verletzen und historische Diskriminierungsmuster fort-

schreiben“, wie Erwägungsgrund 35 bestimmt.

Sowohl Anbieter als auch Nutzer dieser Systeme

müssen dafür sorgen, dass im Rahmen eines Risikoma-

nagementsystems die kontinuierliche Beobachtung des

Programms erfolgt, Tests vorgesehen werden und ein

Training mit diskriminierungsfreien Daten66 stattfindet.

Auch sind Dokumentationspflichten einzuhalten und

eine menschliche Aufsicht sicherzustellen, Artt. 8 ff. E

AI-VO. Nach alledem wäre der Einsatz von KI-gestütz-

ten Zulassungsverfahren als „Zuordnung“ zu Bildungs-

einrichtungen zwar möglich, müsste aber unter mensch-

licher Aufsicht, diskriminierungsfrei und dokumentiert

erfolgen.

Weiter sind die Vorgaben des europäischen Daten-

schutzrechts einzuhalten. Eine Verarbeitung zur Sicher-

stellung der „Wahrnehmung einer Aufgabe, die im öf-

fentlichen Interesse liegt“, wie die Hochschulzulassung,

kann durch eine mitgliedstaatliche Rechtsgrundlage ge-Bode · Zwischen Digitalisierung und Künstlicher Intelligenz 1 9 9

So auch Rademacher (Fn. 10), 263.

Vgl. dazu M. Ludwigs/A. Velling, Der vollständig automatisierte

Verwaltungsakt in den Grenzen des Europa- und Verfassungs-

rechts, VerwArch 2023, 71 (88). Werden diese Rechte nicht aus-

drücklich erwähnt, so müssen sie „in jedem Fall aber zumindest

auf der Vollzugsebene beim vollständig automatisierten Erlass“

Beachtung finden. W. Lent, Neues zum Rundfunkbeitragsrecht,

LKV 2020, 337 (342).

Verordnung (EU) 2016/679 v. 27.4.2016, L 119/1.

M.w.N. Britz/Eifert (Fn. 7), Rn. 106 ff.

BVerfG, Urt. v. 16.2.2023, 1 BvR 1547/19 u. 2634/20 -,

Rn. 112, 117.

M.w.N. Thiele (Fn. 6), Rn. 35.

BVerfGE 147, 253 (253 f.).

BVerfG, Urt. v. 16.2.2023, 1 BvR 1547/19 u. 2634/20 -, Rn. 100,

121.

J. Eichenhofer, Der vollautomatisierte Verwaltungsakt zwischen

Effizienz- und Rechtsschutzgebot, DÖV 2023, 93 (96).

M.w.N. Martini (Fn. 9), S. 68.

H. P. Bull, Der „vollständig automatisiert erlassene“ Verwaltungs-

akt, DVBl 2017, 409 (416).

stattet werden, die den Zweck festlegt und die Verhält-

nismäßigkeit wahrt, Art. 6 Abs. 1 S. 1 e) i.V.m. Art. 6

Abs. 3 DSGVO.67 Weiterhin sieht Art. 22 Abs. 1 DSGVO

das Recht vor, „nicht einer ausschließlich auf einer auto-

matisierten Verarbeitung – einschließlich Profiling – be-

ruhenden Entscheidung unterworfen zu werden, die […]

rechtliche Wirkung entfaltet oder […] in ähnlicher Weise

erheblich beeinträchtigt.“ Allerdings darf der Gesetzge-

ber durch Rechtsvorschrift Ausnahmen vorsehen. Dabei

ist zu beachten, dass das Fachrecht, das die automatisier-

te Entscheidung gestattet, gem. Art. 22 Abs. 2 Buchst. b

DSGVO „angemessene Maßnahmen zur Wahrung der

Rechte und Freiheiten sowie der berechtigten Interessen

der betroffenen Person enthalten“ muss.68

Die Norm schließt eine völlig automatisierte Ent-

scheidung nicht aus, setzt ihr aber enge Grenzen. Erwä-

gungsgrund 71 konkretisiert dies, indem er vorsieht, dass

dem Betroffenen die „Darlegung des eigenen Stand-

punkts“ ermöglicht werden müsse, die Verarbeitung

habe „fair und transparent“ zu erfolgen.69 Je automati-

sierter und undurchschaubarer ein algorithmengesteu-

ertes bzw. ‑gestütztes Verfahren ausgestaltet wird, umso

klarer und niederschwelliger muss der Gesetzgeber die

Verfahrensrechte die Betroffenen ausgestalten. Ein KI-

gesteuertes Auswahlsystem wäre hiernach nicht ausge-

schlossen, solange es gesetzlich normiert ist.

3. Staatsrechtlich

Staatsrechtlich ist zunächst der Wesentlichkeitsgedanke

zu beachten, wenn es um den Einsatz von KI geht.70 Das

BVerfG hat in jüngster Zeit seine Rechtsprechung hierzu

konkretisiert: Im Zusammenhang mit der automatisier-

ten Datenanalyse zu Polizeizwecken führte das BVerfG

aus, dass der Gesetzgeber „die wesentlichen Grundlagen

zur Begrenzung von Art und Umfang der Daten und der

Verarbeitungsmethoden selbst durch Gesetz vorgeben“

müsse. Der Verwaltung seien „Art und Umfang der

Daten und die Verarbeitungsmethoden insgesamt

inhaltlich ausreichend, normenklar und transparent“

vorzugeben.71 Dies gelte auch für die heranzuziehenden

Datenbestände; je umfassender diese seien, desto stärker

wiege der Eingriff. Eine „umfassend[e]“ Normierung

seitens des Gesetzgebers wird auch in der Literatur gefor-

dert.72

Besondere Bedeutung erfährt der Wesentlichkeitsge-

danke im Zusammenhang staatlicher Verteilungsent-

scheidungen. Der Gesetzgeber müsse „die Auswahlkrite-

rien der Art nach selbst festlegen“, wie das BVerfG 2017

ausführte. Zwar kämen den Hochschulen „gewisse Spiel-

räume für die Konkretisierung dieser Auswahlkriterien“

zu, doch kein eigenes „Kriterienerfindungsrecht“.73 Erst

recht darf der Staat die Verteilungsregeln nicht von pri-

vaten Dritten bestimmen lassen.

Eine weitere Grenze stellt das aus dem Rechtsstaats-

prinzip erwachsende Gebot der Möglichkeit einer ge-

richtlichen Kontrolle dar. Unter Bezugnahme auf den

Einsatz von KI führte das BVerfG aus, ihr „Mehrwert,

zugleich aber auch ihre spezifischen Gefahren liegen da-

rin, dass nicht nur von den einzelnen Polizistinnen und

Polizisten aufgegriffene kriminologisch fundierte Mus-

ter Anwendung finden, sondern solche Muster automa-

tisiert weiterentwickelt oder überhaupt erst generiert

und dann in weiteren Analysestufen weiter verknüpft

werden.“ Ihr Einsatz müsse aber im Bereich der ein-

griffsintensiven Polizeiarbeit ausgeschlossen bleiben.74

In ähnlicher Weise wird in der Literatur der Einsatz

selbst lernender Algorithmen für die unmittelbare Ent-

scheidungsfindung abgelehnt, denn die Mustererken-

nung, „entziehe sich der juristischen Programmierung

weitgehend und könne daher auch nur beschränkt re-

konstruiert und damit erklärt werden“.75

Rechtsstaatlichkeit gebietet, „jede Form staatlicher

Machtausübung vorhersehbar und rekonstruierbar aus-

zugestalten“.76 Dies korrespondiert mit dem Aktenein-

sichtsrecht nach § 29 VwVfG und bezieht sich auf alle

Verfahrensschritte, die zu einer Verwaltungsentschei-

dung führen; umso wichtiger ist dieses Recht bei auto-

matisiert getroffenen Entscheidungen, da IT Fehler auf-

weisen kann.77 Auch beim deterministischen, also nicht

auf das Selbst-Lernen ausgelegten Einsatz von Algorith-

men, die zur Auswertung von Daten eingesetzt werden,

„muss der Gesetzgeber für schützende Regelungen sor‑O R D N U N G D E R W I S S E N S C H A F T 3 ( 2 0 2 4 ) , 1 9 3 — 2 0 6

2 0 0

BVerfG, Urt. v. 16.2.2023, 1 BvR 1547/19 u. 2634/20 -, Rn. 101.

BVerfGE 154, 152 (260 Rn. 192).

M.w.N. Rademacher (Fn. 10), 267 f.

Vgl. Rademacher (Fn. 10), 268.

BVerfGE 33, 303 (330); zuvor bereits: BVerwGE 6, 13 (15); 7, 287

(136).

R. Kreyßing, Verwaltungsentscheidungen durch KI, DÖV 2024,

266 (269 f.).

Zwar kommt dem Bund eine konkurrierende Gesetzgebungszu-

ständigkeit gem. Art. 72 Abs. 3 S. 1 Nr. 6, Art. 74 Abs. 1 Nr. 33

GG zu, doch erscheint es nicht als wahrscheinlich, dass er sich

dieser Materie auf absehbare Zeit annehmen möchte.

Vgl. m.w.N. Thiele (Fn. 6), Rn. 9.

Thiele (Fn. 6), Rn. 35.

Zu den Auswahltests generell vgl. L. Fleck/A. Fuchs/

I. Schneider/S. C. Herpertz, Studieneignungstest im Auswahlver-

fahren“ (AdH), ZBS (3) 2022, 82 (83).

Vgl. S. J. Anbro/R. A. Houmanfar/J. Thomas/K. Baxter u.a.,

Behavioral Assessment in Virtual Reality: An Evaluation of

Multi-User-Simulations in Healthcare Education, Journal of

Organizational Behavior Management (43) 2023, 92 (92 ff.); A.

Junga/P. Kockwelp/D. Valkov/B. Marschall u.a., Virtual Reality

based teaching – a paradigm shift in education?, in: 73. Jahresta-

gung der Deutschen Gesellschaft für Neurochirurgie, 2022; Uni

Münster, „Virtuelles Lernen, damit es den echten Patienten umso

besser geht“, 9.7.2021, www.medizin.uni-muenster.de (7.5.2024).

Zur Bedeutung der Studienberatung vgl. M. Worf/F. Lorz/S. Sei-

del, Brauchen Hochschulen Beratung für ihre Studierenden?, ZBS

(1+2) 2021, 40 (41 f.).

gen.“78 Es sei „eine unabhängige Kontrolle“ zu

gewährleisten.79

Um algorithmisch getroffene Entscheidungen nach-

vollziehbar zu machen, wird inzwischen explainable ari-

fical intelligence entwickelt.80 Auch die Offenlegung des

Quellcodes bietet nicht unbedingt mehr Erhellendes, zu-

mindest soweit die Algorithmen unbekannte Datenmen-

gen filtern bzw. verarbeiten.81

Die Nutzung der prädiktiven Vorteile von KI wird im

Bereich der Grundrechtsausübung beschränkt. Eine be-

darfsgerechte staatliche „Berufslenkung“ ist nach der

Rechtsprechung des BVerfG im Rahmen der Hochschul-

zulassung ausgeschlossen, da sie die Freiheit der Berufs-

wahl nach Art. 12 Abs. 1 GG beeinträchtigt.82

Ein Anspruch auf eine Entscheidung durch einen

Menschen dürfte – vom Objektivierungsverbot des Art. 1

GG abgesehen, das letztlich auch in Art. 22 DSGVO zum

Ausdruck kommt, – nicht bestehen. Wenn allerdings

„Neutralität, Objektivität und Rechtmäßigkeit“ der Ver-

waltungsentscheidung durch KI verletzt würden, käme

dem Telos nach auch ein Verstoß gegen den Funktions-

vorbehalt des Art. 33 Abs. 4 GG in Betracht, nach dem

hoheitsrechtliche Befugnisse durch öffentlich-rechtlich

Bedienstete wahrzunehmen sind.83

In der Zusammenschau ergibt sich hieraus, dass der

Gesetzgeber – derzeit die Länder84 – das Zulassungsrecht

jedenfalls in Bezug auf die Entscheidungskriterien vor-

geben muss. Darunter sind alle Umstände zu verstehen,

die einer Person gegenüber anderen Personen einen

Vorteil bei der Verteilung des Studienplatzes einräumen.

Diese Kriterien müssen auch belastbar und im Vorhin-

ein erkennbar sein. Ihre Anwendung kann maschinell

erfolgen und muss überprüfbar sein.

4. Anwendungsfelder für KI

Auf dieser Grundlage sind nun Anwendungsfelder für

KI im Zulassungsrecht zu untersuchen.

a. Nutzung von Daten aus sozialen Medien

Die Nutzung der Profile aus sozialen Medien mag im

Einzelfall Hinweise auf Motivation und Neigung geben,

ist aber bereits aufgrund der Unbestimmtheit der auszu-

wählenden Kriterien und der Invalidität der Daten völlig

ungeeignet für die rechtssichere Entscheidung in einem

Verteilungsverfahren. Darüber hinaus sind Daten, die

Private – häufig zufällig – in sozialen Medien ablegen,

grundsätzlich dem staatlichen Zugriff entzogen.85 Dass

private Headhunter zuweilen Kundschaft über soziale

Medien, etwa Portale wie LinkedIn, akquirieren, ändert

hieran nichts. Die fehlende Rekonstruierbarkeit und die

Invalidität stehen dem Einsatz von KI entgegen.86 Ihre

Nutzung zur Erkennung von Motivationsmustern o.ä.

kommt hier also nicht in Frage.

b. Eignungstests

In Betracht käme die Heranziehung von KI im Rahmen

von Eignungstests.87 Insbesondere könnte sie hier das

Verhalten von Probanden simulieren, deren Verfügbar-

keit vielfach ein erhebliches Ressourcenproblem dar-

stellt. In ähnlicher Form wird bereits derzeit an der Uni-

versität Münster im Rahmen von Augmented and Virtu-

al Reality Applications in der medizinischen Lehre mit

virtuellen Patienten gearbeitet.88 Solange die von der KI

gestellten Aufgaben bzw. Szenarien und die vom Prüf-

ling gelieferten Antworten dokumentiert und durch

einen Menschen überprüft werden können, ist gegen die

Heranziehung entsprechender Programme nichts einzu-

wenden. Nicht in Betracht kommen hingegen die auto-

matisierte Auswertung und die unmittelbare Entschei-

dung über einen Studienplatz.

c. Studienberatung

Auch in der Studienberatung kann KI unterstützen.89 Ihr

kommunikative Potential, insbesondere beim Abgleich

von Erwartungen mit Fakten-basierten Zusammenhän-Bode · Zwischen Digitalisierung und Künstlicher Intelligenz 2 0 1

Die Entscheidung über den Einsatz obliegt der Hochschule; die

erzielten Ergebnisse haben jedoch keinen Einfluss auf die Aus-

wahlentscheidung. Vgl. § 48 Abs. 9 HG BW; § 60 Abs. 2 Nr. 6 HG

NRW.

P. Petri/M. Kersting, Studienplatzvergabe 2.0, ZBS (3) 2022, 77

(78 ff.).

Vgl. m.w.N. A.-K. Helten/U. Wienkop/D. Wolff-Grosser/C.

Zitzmann, „Wie kann ich dich unterstützen?“ Chatbot-basierte

Lernunterstützung für Studienanfänger:innen, in: T. Schmohl/A.

Watanabe/K. Schelling, Künstliche Intelligenz in der Hochschul-

bildung, 2023, S. 145 (146 ff.).

A. Lawall, Steigerung des Lernerfolgs der Studierenden durch

digitale, interaktive Umfrage- und Feedbacksysteme, HM (1+2)

2022, 55 (57 f.).

2022 betraf dies etwa die Goethe Universität Frankfurt a.M.

mit ca. 282 Plätzen, 2023 die Universität Münster mit ca. 1.320

Plätzen. Vgl. G. Grodensky, Panne bei Studienplatzvergabe an der

Goethe-Uni zieht bundesweit Kreise, Frankfurter Rundschau,

6.9.2022, www.fr.de (7.5.2024); K. Völker, Universität sieht bei

sich keine Fehler, Westfälische Nachrichten, 12.10.2023, www.

wn.de (7.5.2024).

Vgl. A. Guckelberger, Deutschlands (Rück-)Stand in der Verwal-

tungsdigitalisierung, LTZ 2023, 167 (167 f.); G. De Gregorio, The

rise of digital constitutionalism in the European Union, Internati-

onal Journal of Constitutional Law, 19(1), 2021, 41 (41 ff.).

Verordnung (EU) 2018/1724 v. 21.11.2018, L 295/1.

Dies wird als „einheitliches digitales Zugangstor“ bezeichnet und

befindet sich im Portal „Ihr Europa“.

Vgl. Thiele (Fn. 6), Rn. 29 ff.; J. Botta, Der digitale Staat als gläser-

ner Staat, DÖV 2023, 421 (422).

gen, etwa Wissen über den Studiengang, die Hochschule

etc., ist längst erkannt. So sehen Baden-Württemberg

und Nordrhein-Westfalen für viele Studiengänge, etwa

im Bereich der Psychologie, der Wirtschaft oder des

Rechts, das Absolvieren eines Self-Assessment-Tests als

Immatrikulationsvoraussetzung vor.90 Diese Tests

ermöglichen die „selbstverantwortliche Erfassung stu-

dienerfolgsrelevanter Eignungsmerkmale“ und finden in

der Praxis Anklang.91 In vergleichbarer Weise können

KI-geleitete Chatbots etwa Studienanfängern Hilfestel-

lung bei der Analyse von Wissenslücken oder bei der

Optimierung ihrer Lernmethoden bieten.92 Auch inter-

aktive Umfrage- und Feedbacksysteme steigern den

Lernerfolg.93 Ebenso könnten intelligente berufsspezifi-

sche Bedarfskalkulationen hier Anwendung finden.

Anders als in den oben betrachteten Szenarien werden

dabei keine unmittelbar rechtlich verbindlichen Ent-

scheidungen getroffen, sondern nur Informationen

geboten.

d. Technische Unterstützung, etwa im Überbuchungs-

prozess

Weiter kommt in Betracht, per KI die Funktionalität der

IT zu unterstützen. Ein Anwendungsfall könnte die Kon-

trolle von Überbuchungsentscheidungen sein. In der

Vergangenheit hat sich die Überbuchung von Studien-

plätzen mit dem Ziel, eine möglichst passgenaue

Erschöpfung der Studienplatzkapazitäten zu erreichen,

hin und wieder als fehleranfällig erwiesen.94

Hier kann KI dazu beitragen, aus den bekannten

Überbuchungswerten der Vergangenheit einerseits und

aus der Anzahl an Bewerbungen und an Studienplätzen

andererseits eine Prognose des erwartbaren Ergebnisses

zu erstellen. Derartige Kalkulationen abstrakter Art

ohne die Verarbeitung personenbezogener Daten sind

rechtlich unangreifbar.

V. Digitalisierung

Damit ist der Blick auf die Digitalisierung im engeren

Sinne zu richten, also die Frage, welche Maßnahmen

jenseits von KI in Frage kommen, um Hochschulzulas-

sungsprozesse zu optimieren. Hier kann zwischen

Zulassungs-externen Vorgaben, also allgemeinen

Anforderungen an die Verwaltungsdigitalisierung, und

Zulassungs-immanenten Bedarfen unterschieden wer-

den. Während die externen Vorgaben vor allem auf die

EU und den Bund zurückgehen (1.), orientieren sich die

Bedarfe an den bereits existierenden verwaltungsrecht-

lichen Gestaltungsspielräumen (2.).

1. Zulassungs-externe Vorgaben für die Digitalisierung

Im Rahmen ihrer Digitalisierungsstrategie entwickelt

die EU Leitlinien und Vorgaben für Verwaltungsdienst-

leistungen,95 die unter anderem den Bereich der Bildung

betreffen. Die Single Gateway Verordnung96 verpflichtet

die Mitgliedstaaten, einen einheitlichen Zugang zu ver-

schiedenen Verwaltungsleistungen vorzusehen. So muss

etwa der Antrag auf die „Zulassung zu einer öffentlichen

Hochschuleinrichtung“ elektronisch gestellt werden

können; gleiches gilt für akademische Zeugnis-Aner-

kennungsentscheidungen, Anhang II, Artt. 6, 14 Single

Gateway VO. Dafür richten Kommission und Mitglied-

staaten ein öffentliches Portal97 ein, das die einmalige

Erfassung von Benutzerdaten („Once Only Principle“)

ermöglicht und mit den Portalverbünden von Bund und

Ländern in Deutschland kompatibel ist.

Der Bund hat mit dem Onlinezugangsgesetz (OZG)

die Grundlage für die BundID bzw. das Nutzerkonto

Bund geschaffen, § 3 Abs. 2 OZG.98 Im Rahmen der Re-

gistrierung für die Teilnahme am DoSV kann die Bund-

ID, also das Nutzerkonto Bund, verwendet werden, vgl.O R D N U N G D E R W I S S E N S C H A F T 3 ( 2 0 2 4 ) , 1 9 3 — 2 0 6

2 0 2

Verordnung (EU) 910/2014 v. 28.8.2014, L 257/73.

100

Vgl. § 3 Abs. 4 E‑OZG, BT-Drs. 20/8093, 9.

101

Botta (Fn. 98), 423.

102

Bedenklich wäre die umfassende Verwendung der neuen ID um,

„umfassende Persönlichkeitsprofile“ zu erstellen. Botta (Fn. 98),

424; vgl. E. Peuker, Einführung einer einheitlichen Bürger-Identi-

fikationsnummer, ZRP 2024, 83 (84 f.).

103

BT-Drs. 19/24226, 82.

104

D. Herrmann, in: J. Bader/M. Ronellenfitsch, BeckOK VwVfG,

62. Ed. 2024, § 25 VwVfG Rn. 1.

105

Vgl. Lettieri (Fn. 7), S. 703 f.

106

OVG HH, Beschl. v. 5.2.2010 – 3 Bs 179/09 –, juris, Rn. 19; OVG

NRW, Beschl. v. 4.10.2021 – 13 B 1272/21 –, juris, Rn. 12.

etwa § 4 Abs. 1 S. 2 2. Ts. Vergabeverordnung NRW (Ver-

gabeVO NRW). Dies ermöglicht die Übernahme der

dort hinterlegten Stammdaten. Innerhalb der EU sieht

die eIDAS Verordnung99 eine einheitliche Identifikation

u.a. für natürliche Personen vor. Dem trägt die aktuelle

OZG-Novelle Rechnung.100 Die EU-weite Übernahme

bewerbungsspezifischer Daten stellt für alle Beteiligten

eine Erleichterung dar.

Der Bund sieht überdies – ohne dass dies EU-recht-

lich zwingend wäre101 – eine einheitliche Identifikations-

nummer vor, „um Daten einer natürlichen Person in ei-

nem Verwaltungsverfahren eindeutig zuzuordnen“, um

die Datenqualität der Register zu verbessern und Mehr-

aufwände zu reduzieren. Hierfür wird die Steuer-ID

nach § 139b AO genutzt, § 1 Identifikationsnummernge-

setz (IDNrG). Auch Hochschulen sind hinsichtlich der

„systematisch geführten personenbezogenen Datenbe-

stände zu Bildungsteilnehmenden“ sog. registerführende

Stellen, müssen also bis Ende 2026 ihre Daten mit der

zentralen Datenbank abgleichen und die einheitliche ID

vorsehen, Anlage zu § 1 IDNrG Nr. 25. Die SfH ist hierzu

nicht verpflichtet, könnte die Nummer aber als öffentli-

che Stelle für ihre digitalen Verwaltungsdienstleistungen

übernehmen, § 3 Abs. 2 S. 1 Nr. 2 IDNrG. Zwar begegnet

eine ausufernde Nutzung der ID in Hinblick auf das all-

gemeine Persönlichkeitsrecht der Betroffenen gem.

Art. 2 Abs. 1 i.V.m. Art. 1 GG verfassungsrechtlichen Be-

denken.102 Im Bereich der Hochschulzulassung könnte

eine einheitliche Nutzung der ID das Problem unzulässi-

ger Mehrfachregistrierungen lösen, das derzeit über die

Angabe der E‑Mail-Adresse zu verringern versucht wird,

vgl. § 4 Ab. 1 S. 2 VergabeVO NRW.

Zwar können nunmehr auch Personen eine Steuer-

ID erhalten, die „bislang noch nicht steuerlich in Er-

scheinung getreten“ sind,103 allerdings nur auf Veranlas-

sung der Meldebehörden, § 5 Abs. 2 IDNrG, was einen

Aufenthalt im Bundesgebiet voraussetzt. Damit dürfte

die ID für eine Heranziehung im vorgelagerten Zulas-

sungsprozess ausscheiden. Wünschenswert wäre, dass

künftig auch ausländische Studienbewerberinnen und

-bewerber entsprechend identifiziert werden könnten.

2. Zulassungsimmanente Bedarfe für Digitalisierung

In Bezug auf einige Aspekte bringt das Zulassungsver-

fahren Digitalisierungsbedarfe mit sich, die z.T. bereits

erkannt sind und im Rahmen des bestehenden Rechts

berücksichtigt werden können.

a. Nutzerfreundliche Ausgestaltung von Formularen

Gerade im Zusammenhang mit digitalen Formularen

und Eingabemöglichkeiten ist entsprechend der aus dem

Rechtsstaatsprinzip abzuleitenden Betreuungspflicht

heraus geboten,104 möglichst nutzerunterstützende

Lösungen zu wählen. Gem. § 25 Abs. 1 S. 1 VwVfG soll

die Behörde „die Abgabe von Erklärungen […] oder die

Berichtigung von Erklärungen oder Anträgen anregen,

wenn diese offensichtlich nur versehentlich oder aus

Unkenntnis“ unterbleiben oder fehlerhaft abgegeben

werden. Algorithmisch gesteuertes „Techno-Nudging“

kann hier dazu beitragen, Falschangaben zu reduzie-

ren.105 Die Rechtsprechung erkennt dabei freilich gewisse

Mitwirkungspflichten der Bewerberinnen und Bewerber

an: So gilt es etwa für künftige Studierende als zumutbar,

sich eine E‑Mail-Adresse zuzulegen; auch die besonders

sorgfältige Lektüre von Hinweistexten in Portalen sei zu

erwarten, da im Rahmen der Zulassung eine „bedeutsa-

me Lebensentscheidung“ getroffen werde.106 Überdies

kommt der Behörde – gerade in massenhaften Verfahren

– keine Amtsermittlungspflicht zu, vgl. etwa § 6 Abs. 2

S. 4 VergabeVO NRW.

b. Digitalisierung der Bildungsnachweise

Bei der massenhaften Erfassung von Daten im Rahmen

elektronischer Formulare können sowohl bei der Antrag-

stellung als auch bei der Bearbeitung Fehler unterlaufen.

Im eigenen Interesse wird die Behörde soweit wie mög-

lich auf bereits vorhandene und validierte Daten zurück-

greifen. Dies ist auch vorteilhaft für die Studienbewerbe-

rinnen und ‑bewerber und vereinfacht den Daten-

transfer, etwa im Bewerbungsprozess oder beim Stu-

dienortwechsel.Bode · Zwischen Digitalisierung und Künstlicher Intelligenz 2 0 3

107

Vgl. C. Krönke, Information als Voraussetzung des Verwaltungs-

handelns, DVBl 2023, 1044 (1048).

108

Bundesamt für Sicherheit in der Informationstechnik, Handrei-

chung „Digitale Zeugnisse“, 2024, www.bsi.bund.de (7.5.2024);

vgl. M. Bode, Zwischen Öffnung und Digitalisierung, Aktuelle

Entwicklungen auf dem Gebiet des Hochschulzugangsrechts,

OdW 2022, 181 (196 f.).

109

Bis Ende 2022 waren erst 22 der vorgesehenen 575 Verwaltungs-

leistungen digitalisiert. Guckelberger (Fn. 23), 322 f.

110

BVerfGE 147, 253 (338 Rn. 184).

111

Vgl. M. Bode, Zwischen Realität und Utopie: Die „Numerus

clausus III“-Entscheidung des BVerfG, OdW 2018, 173 (180 ff.).

112

Vgl. Bode (Fn. 30), 1676.

113

Vgl. KMK, Schnellmeldung Abiturnoten 2023, 2024, www.kmk.

org (7.5.2024).

114

Hartong/Breiter/Jarke/Förschler (Fn. 34), 486 f.

115

Vgl. etwa Art. 5 Abs. 2 StV über die Hochschulzulassung.

116

Vgl. zum gescheiterten Projekt einer sog. Prozentrangtransforma-

tion der KMK Bode (Fn. 108), 192.

117

Das BVerfG forderte „eine annähernde Vergleichbarkeit der

Noten“. BVerfGE 147, 253 (337 Rn. 182).

118

M.w.N. Bode (Fn. 108), 191 f.

119

Vgl. J. Bergerhoff/L. Bergholz/P. Seegers/S. Segt, Statistische Kor-

rekturen verbessern die Aussagekraft der Bachelornoten, in: HM

(1+2), 2022, 49 (50 f.).

120

Vgl. zur inzwischen wieder abgeschafften Regelung in Branden-

burg M. Bode, in: L. Knopp/F.-J. Peine/H. Topel, Brandenburgi-

sches Hochschulgesetz, 3. Aufl. 2018, BbgHZG, § 2 Rn. 12 ff.

Wie auch bei der elektronischen Aktenführung bedeutet

Digitalisierung hier „nicht einfach nur, Papierdokumen-

te einzuscannen und in Form von PDFs abzuspeichern“,

sondern es ist ein Konzept zu entwickeln, das „die bruch-

und verlustfreie Weiterverarbeitung ermöglichst, insbe-

sondere auch durch andere Behörden“.107 Dabei sind

gemeinsame Standards für die Validierung und Authen-

tifizierung von Daten zu erarbeiten. Hierzu laufen gegen-

wärtig einige Projekte, doch lässt sich ein Ersteinsatz

nicht absehen.108

Auch hinsichtlich der Abiturzeugnisse dürfte ein

Grund für die schleppende Digitalisierung in den unter-

schiedlichen Länderregelungen liegen und dem Fehlen

ausreichender finanzieller Mittel sowie hinreichender

Projektkompetenz. Hier zeigt sich besonders auffällig,

dass sich „Deutschland mit der Digitalisierung schwer

tut“, wie es Annette Guckelberger ausdrückt.109

c. Unterstützung bei der „Bereinigung“ von Schul-

oder Hochschulnoten

In seinem Numerus clausus III-Urteil entschied das

BVerfG 2017, dass die „mangelnde Aussagekraft der

unbereinigten, nominellen Abiturnote hinsichtlich einer

Beurteilung der Eignung der Studienbewerber“ zu einem

„Vergleichbarkeitsdefizit“ führte und die Noten daher

zumindest in Studiengängen mit einem erhöhten Nach-

frageüberhang auszugleichen seien.110 Dieser Ausgleich

wirft allerdings viele Fragen auf; etwa, wer zur Ver-

gleichskohorte gehört, wie unter föderalistischen Aspek-

ten gewünschte unterschiedliche Traditionen beim

Übergang in die Sekundarstufe II abgebildet werden

können und wie weit auch intertemporale Aspekte, etwa

der frühere Erwerbszeitpunkt des Abiturs und ein zeit-

gebunden anderes Notenniveau, berücksichtigt werden

sollen.111 Derzeit wird, um die Vergleichbarkeit herzustel-

len, auf die Kohorte der Personen zurückgegriffen, die

sich auf mindestens einen der in das ZV einbezogenen

Studiengänge bewerben.112 Um die Repräsentationskraft

zu erhöhen und auch die – verfassungsrechtlich gebote-

ne – Anwendung auf örtlich zulassungsbeschränkte Stu-

diengänge mit erhöhtem Bewerberüberhang zu ermögli-

chen, läge ein Rückgriff auf die länderübergreifenden,

jährlich veröffentlichten und Dezimal-genauen KMK-

Statistiken113 nahe. Derzeit erweisen sich die analogen

Ermittlungsprozesse als zu langwierig; hier könnte Digi-

talisierung durch Vernetzung der Schulbehörden bzw.

zeitnahe Erstellung der Referenzstatistiken nützlich sein

und sich zu einem Anwendungsfall für „datenbasierte

Schulsteuerung“ entwickeln.114 Es ließe sich auch an die

Einbeziehung von Noten aus dem EU-Umfeld denken.

Da diese Studienbewerberinnen und ‑bewerber Deut-

schen bundesweit zulassungsrechtlich gleichgestellt

sind,115 ist es als bedenklich abzusehen, dass hierzu der-

zeit116 keine belastbaren Umrechnungsreferenzen beste-

hen.117

Eine vergleichbare Relevanz weisen – je nach landes-

rechtlicher Ausgestaltung – die Bachelor-Noten bei Zu-

gang und Zulassung zum Master auf.118 Es ist inzwischen

in der Eignungsdiagnostik anerkannt, dass die absoluten

Notenergebnisse wenig valide sind und sie idealerweise

unter Heranziehung des im Studiengang an der Hoch-

schule erreichten Notenperzentils bzw. ggf. unter Be-

rücksichtigung weiterer Lebenslaufdaten korrigiert wer-

den sollten.119 Gleichwohl haben sich auch hier

die Versuche, „relative Noten“ auszuweisen, nicht

durchgesetzt.120 Eine solche Korrektur könnte eine bun-

desweite studiengangspezifische Referenzdatenbank

ermöglichen.

d. Automatisierter Erlass von Verwaltungsakten

Fraglich ist, ob sich die Hochschulzulassung für den

automatisierten Erlass von Verwaltungsakten eignet. Seit

dem Jahr 2017 sehen der Bund und die meisten Länder

den „vollständig durch automatische Einrichtungen“

erfolgenden Erlass von Verwaltungsakten vor, „sofern

dies durch Rechtsvorschrift zugelassen ist und weder ein

Ermessen noch ein Beurteilungsspielraum besteht“,

§ 35a VwVfG des Bundes. Entsprechende Normen beste-

hen mit § 155 Abs. 4 AO für den Steuerbescheid bzw. mit

§ 31a SGB X für das Sozial- sowie mit § 10a Rundfunk‑O R D N U N G D E R W I S S E N S C H A F T 3 ( 2 0 2 4 ) , 1 9 3 — 2 0 6

2 0 4

121

Umfassend Bull (Fn. 77), 411.

122

Hoffmann-Riem (Fn. 5), 619.

123

A. Berger, in: H. J. Knack/H.-G. Henneke, VwVfG, 11. Aufl. 2020,

§ 35a Rn. 56.; kritisch: N. Braun Binder, Vollständig automa-

tisierter Erlass eines Verwaltungsaktes und Bekanntgabe über

Behördenportale, DÖV 2016, 891 (895).

124

Vgl. Bull (Fn. 77), 410 f.; U. Stelkens, in: P. Stelkens/H. J. Bonk,

VwVfG, 10. Aufl. 2023, § 35 a Rn. 19 f.

125

Diese wurden bereits vor Erlass des § 35 a VwVfG unter § 35

VwVfG subsumiert. Stelkens (Fn. 124), § 35 a Rn. 22; N. Braun

Binder, Vollständig automatisierter Erlass eines Verwaltungsaktes

und Bekanntgabe über Behördenportale, DÖV 2016, 891 (894).

126

Stelkens (Fn. 124), § 35 a Rn. 21.

127

Stelkens (Fn. 124), § 35 a Rn. 21; Berger (Fn. 123), § 35a Rn. 37 f.

128

Braun Binder (Fn. 125), 893.

129

M.w.N. Guckelberger (Fn. 23), 321; vgl. dies., Automatisierte

Verwaltungsentscheidungen: Stand und Perspektiven, DÖV 2021,

566 (569).

130

Lent (Fn. 68), 343.

131

Bull (Fn. 77), 411.

132

VG München, Beschl. v. 24.2.2022 – M 4 E 21.6611 –, juris.

133

VG Köln, Urt. v. 9.2.2021 – 6 K 444/20 –, juris.

134

Michael (Fn. 22), 190.

135

Bull (Fn. 77), 414, 417.

beitragStV für das Rundfunkbeitragsrecht. Diese „algo-

rithmendeterminierte Entscheidung“ erfolgt seitens der

Behörde ohne menschliches Tun; ausgelöst wird sie

durch die vom Verwaltungshandeln betroffene Person

selbst, etwa durch das Einreichen der elektronischen

Steuererklärung.121 Demgegenüber werden bei bloß

„algorithmenbasierten Entscheidungen“ – die den Regel-

fall darstellen – Menschen bei der Entscheidungsfindung

durch technische Hilfsmittel, etwa Textverarbeitungs-

programme, lediglich unterstützt.122 Solche „mit Hilfe

automatischer Einrichtungen erlassene[r]“ Verwaltungs-

akte ließ bereits § 35 VwVfG zu, wie die Gesamtschau mit

§§ 28 Abs. 2 Nr. 4 und § 37 Abs. 5 bzw. § 39 Abs. 2 Nr. 3

VwVfG ergibt. Bei beiden Arten von Verwaltungsakten

kann gem. § 28 Abs. 2 Nr. 4 VwVfG auf die Anhörung

verzichtet werden.123

Der Unterschied zwischen teil- und vollautomatisier-

ten Verwaltungsakten liegt zum einen in dem Maß der

Entscheidungshoheit, die dem Menschen als Verant-

wortlichen für die zu treffende Entscheidung zukommt;

überprüft er etwa im Rahmen der (automatisierten)

Sachverhaltsermittlung Tatsachen auf ihre Glaubhaftig-

keit, so liegt lediglich eine Teilautomatisierung vor.124

Zum anderen entscheidet „der Sachverhalt und dessen

Subsumtion unter das materielle Recht“; als vollautoma-

tisiert kann eine Entscheidung gelten, bei der keine „ech-

te“ Sachverhaltsermittlung stattfindet, etwa bei Ampeln

im Straßenverkehr oder Streckenbeeinflussungsanla-

gen.125 Dagegen erfolgt beim vollautomatisierten Verwal-

tungsakt die „Sammlung, Auswertung und Verifizierung

der Sachverhaltsdaten“ ohne oder nur unter nahezu irre-

levantem Dazwischentreten des Menschen.126 Der Voll-

automatisierung steht jedoch nicht entgegen, dass aus-

nahmsweise das „Aussteuern“ eines Falles zur menschli-

chen Entscheidung vorgesehen wird.127

Das Fachrecht muss die automatisierte Entscheidung

nach § 35a VwVfG ausdrücklich (mindestens per Rechts-

verordnung oder Satzung128) gestatten, was der Wertung

des Art. 22 Abs. 2 Buchst. b DSGVO entspricht. Sein Er-

lass soll über den einschränkenden Wortlaut für Ermes-

sen und Beurteilungsspielraum auch dann ausgeschlos-

sen sein, „wenn sich unbestimmte Rechtsbegriffe nicht

in die IT-Sprache übersetzen lassen oder eine automati-

sierte Sachverhaltsaufklärung unzulänglich wäre“.129 Aus

diesem Grund wird etwa die Bescheidung von Härtefall-

anträgen, beispielsweise im Bereich des Rundfunks, in

automatisierter Form für unzulässig gehalten.130 „Be-

fremdlich“ unterschiedlich131 und entscheidend behör-

denfreundlicher erlaubt das Steuerrecht die Vollautoma-

tisierung gem. § 155 Abs. 4 AO, „soweit kein Anlass dazu

besteht, den Einzelfall durch Amtsträger zu bearbeiten“.

Im ZV bei der SfH erfolgt derzeit eine antragsindivi-

duelle Freigabe der geprüften Unterlagen durch Sachbe-

arbeiterinnen und Sachbearbeiter; bei sog. Wiederbe-

werberinnen und ‑bewerbern, die bereits einen Zulas-

sungs- oder Ablehnungsbescheid erhalten haben, wer-

den die Daten automatisch übernommen. Sog.

Sonderanträge, etwa bei Bewerbungen auf ein Zweitstu-

dium, auf einen Platz in der sog. Härtequote oder unter

Beifügung einer Hochschulzugangsberechtigung aus

Drittstaaten, werden ebenfalls manuell geprüft. An vie-

len Hochschulen wird es ähnlich gehandhabt. Eine ge-

wisse Ausnahme stellen Zulassungsverfahren, vor allem

an der TU München dar, bei denen im Rahmen von Eig-

nungsfeststellungsverfahren bestimmte Segmente an of-

fenkundig besonders geeigneten bzw. ungeeigneten Be-

werbungen abhängig von einem erreichten Punktewert

automatisch beschieden werden.132 Ähnliches ist bei der

automatisiert gesteuerten Exmatrikulation bei unvoll-

ständiger Überweisung des Semesterbeitrags an der Uni-

versität zu Köln zu beobachten.133

Die rechtspolitische Symbolwirkung, die

§ 35a VwVfG zukommt,134 spricht dafür, auch in der Mas-

senverwaltung vollautomatisierte Verwaltungslösungen

zuzulassen. Wie Hans Peter Bull betont, sollten bei der

Beurteilung der Frage, welche Bescheide elektronisch er-

lassen werden dürfen, die „Besonderheiten der verschie-

denen Verwaltungsaufgaben“ sowie die „Interessen [sic]

der verschiedenen Beteiligten“ berücksichtigt werden.135

So obliegt es dem Fachgesetzgeber zu entscheiden, wel-

che Arten von Verwaltungsentscheidungen automati-

onsgeeignet sind; je geringer der „Realanteil“ einer Ent-Bode · Zwischen Digitalisierung und Künstlicher Intelligenz 2 0 5

136

Berger (Fn. 123), § 35a Rn. 59 ff.; vgl. T. Stuhlfauth, in: M. Funke-

Kaiser/K. Obermayer, VwVfG, 6. Aufl. 2021, § 35a Rn. 8.

137

§ 21 Abs. 5 VergabeVO NRW.

138

Stelkens (Fn. 124), § 41 Rn. 134s.

139

H. Schmitz/L. Prell, Rechtsstaatliche Standards für E‑Verwaltungs-

akt und E‑Bekanntgabe im VwVfG, NVwZ 2016, 1273 (1279).

140

Einfaches Bestreiten lässt das BVerwG im Bereich der postali-

schen Bekanntgabe nach § 41VwVfG grundsätzlich ausreichen.

BVerwG, Urt. v. 29.11.2023 – 6 C 3/22 –, juris, Rn. 19 ff.

141

C. Tegethoff, Die Dogmatik der Bekanntgabefiktion von Verwal-

tungsakten auf dem Prüfstand, in: C. Brüning/W. Ewer/S. Schla-

cke/ders., Fes‌ tschrift U. Ramsauer, 2023, S. 215 (229 f.); ders.,

in: U. Ramsauer, VwVfG, 24. Aufl. 2023, § 41 Rn. 88; vgl. auch

H. Schmitz/L. Prell, in: Stelkens/Bonk (Fn. 124), § 3a Rn. 5g.

142

Die Behörde muss die Authentifizierung des Nutzers und die

Speicherbarkeit des Dokuments gewährleisten, das dann am

Tag nach dem Abruf als bekanntgegeben gilt. Vgl. auch zu den

Voraussetzungen der Öffentlichkeit D. Couzinet/D. Fröhlich, in:

T. Mann/C. Sennekamp/M. Uechtritz, VwVfG, 2. Aufl. 2019, § 41

Rn. 101 f., 105 f.

143

Tegethoff (Fn. 141), § 41 Rn. 43 f.

144

Stelkens (Fn. 124), § 41 Rn. 134a.

145

Couzinet/Fröhlich (Fn. 142), § 41 Rn. 106.

146

Der Nutzungszwang wird ergänzt um das Angebot der Assistenz

für „Bewerberinnen und Bewerber, die glaubhaft machen, dass

ihnen die Kommunikation über die Webportale der Hochschule

und der Stiftung nicht möglich ist“. §§ 4 Abs. 1, 3 S. 3 VergabeVO

NRW. Vgl. Britz/Eifert (Fn. 7), Rn. 55.

scheidung, also die Bewertung umweltbezogener Um-

stände, ausfällt und je weniger Abwägung sie erfordert,

desto höher ist ihr „Automationspotential“.136

Der Verteilungsalgorithmus des DoSV trifft klar nor-

mierte Verteilungsentscheidungen; keinem Menschen

wäre es möglich, die Vielzahl der Verteilungsentschei-

dungen, die sich insbesondere aus dem Nachrücken

oder Umbuchen zwischen Quoten ergeben, gleichzeitig

zu übersehen oder gar selbst zu bescheiden. Auch be-

steht hinsichtlich der allermeisten zu prüfenden Doku-

mente (von den Sonderanträgen abgesehen) im Rahmen

der Antragsprüfung keinerlei über die Verifizierung hin-

ausgehende Bewertungsentscheidung. Mag man auch

die Bescheide in der derzeitigen Ausgestaltung des ZV

aufgrund dieser Verifizierungsdienste nur als teilauto-

matisiert ansehen, so spricht vieles dafür, dass diejenigen

Zulassungsprozesse, die zumindest in den sog. Haupt-

quoten keine Antragsprüfung mehr vorsehen, vollauto-

matisierte Bescheide hervorbringen. Spätestens mit Ein-

bindung digitaler Bildungsnachweise dürfte dies der Re-

gelfall werden. Dies ist auch interessengerecht, da eine

gleichförmige, IT-gesteuerte Entscheidungspraxis im

Massenverfahren dem Gleichbehandlungsgrundsatz

entspricht. Dem steht nicht entgegen, dass Sonderanträ-

ge bis auf Weiteres manuell zu bescheiden wären. Die er-

forderliche fachrechtliche Berechtigungsnorm liegt je-

denfalls bereits vor.137

e. Automatisierte Bekanntgabe von Bescheiden

Das Verwaltungsrecht stellt verschiede Methoden bereit,

anhand derer in Verfahren mit massenhaftem Bescheid-

aufkommen eine rechtssichere Bekanntgabe erfolgen

kann. Die sicherste Variante, nämlich die Zustellung mit

Zustellurkunde, ist zugleich die aufwändigste bzw. teu-

erste und kommt daher faktisch nur im Ausnahmefall

zum Einsatz. Auf dem Gebiet der elektronischen Verwal-

tungsakte hat der Normgeber zwei unterschiedliche

Modelle vorgesehen: Zum einen Regelungen, die auf den

tatsächlichen – und nachweisbaren138 – Abruf des Betrof-

fenen abstellen, etwa § 41 Abs. 2a VwVfG,

§ 37 Abs. 2a SGB X (sog. Abrufvariante); zum anderen

kann auch die Bereitstellung des Bescheides seitens der

Behörde genügen, wobei die fiktive Möglichkeit der

Kenntnisnahme ausreicht, vgl. etwa § 122a AO, § 9 OZG

(sog. Fiktionsvariante).139 § 9 OZG ist als am „behörden-

freundlichsten“ angesehen, da er anders als § 122a AO für

den Eintritt der Fiktionswirkung nicht auf den schwierig

zu erbringenden Nachweis des „Zugang[s] der Benach-

richtigung“ über die Bereitstellung, sondern auf den

Nachweis der „Bereitstellung und den Zeitpunkt der

Bereitstellung“ abstellt. Hier dürfte ein einfaches Bestrei-

ten der bzw. des Betroffenen unter Berufung darauf, der

Bescheid sei nicht bereitgestellt worden,140 zwar möglich

sein; es kann aber seitens der Behörde schnell widerlegt

werden.141

Beide Varianten sind technikoffen gefasst und kön-

nen durch Abruf „über öffentlich zugängliche Netze“, in

der Praxis also das Internet oder Hochschulportale,142 er-

folgen, wobei die Fiktionsvariante aber zumindest ein

Nutzerkonto voraussetzt.143 Die Kommunikation über

Portale ist inzwischen „üblich geworden“.144 Diese Vari-

anten sind nicht abschließend, wie der Wortlaut des § 37

Abs. 2 S. 1 VwVfG zeigt („[…] oder in anderer Weise

[…]“) zeigt. Alle denkbaren Modelle müssen in ihrer

Ausgestaltung jedenfalls dem Rechtsstaatsgebot entspre-

chen, unter anderem also rechtliches Gehör bieten und

transparent bzw. verständlich ausgestaltet sein.145 Ent-

sprechend haben die Landesgesetzgeber bereits 2012 ein

an der Fiktionsvariante orientiertes Modell eingeführt,

bei dem zulassungsrechtliche Bescheide im DoSV-Be-

nutzerkonto, dessen Nutzung verpflichtend ist,146 zum

Abruf bereitgestellt werden. Sie gelten „am dritten Tag

nach Absendung der E‑Mail über die Bereitstellung“ als

bekannt gegeben. Den Zugang der Benachrichtigungs-

mail müssen im Zweifel SfH bzw. Hochschulen nachwei-

sen, § 21 Abs. 6 VergabeVO NRW. Da der Zugang vonO R D N U N G D E R W I S S E N S C H A F T 3 ( 2 0 2 4 ) , 1 9 3 — 2 0 6

2 0 6

147

Vgl. aber OVG Bremen, Beschl. v. 19.4.2023 – 8 B 321/22 –, juris.

148

De Gregorio (Fn. 95), 56 ff.; vgl. Vasel (Fn. 3), 1303.

149

Vgl. S. Braun/N. Dwenger/D. Kübler/A. Westkamp, Implement-

ing quotas in university admissions, An experimental analysis,

Games and Economic Behavior, Vol. 85, 2014, 232 (232 ff.).

150

Zu diesem „computation-enhanced legal empiricism“ vgl. Lettieri

(Fn. 7), 719.

Bescheiden allerdings in der Praxis des Zulassungsrechts

eher selten bestritten wird,147 erscheint es möglich, aber

nicht unbedingt geboten, auf das OZG-Modell

umzustellen.

VI. Fazit

Die Vorstellung, dass KI – ganz entsprechend den gro-

ßen an sie gestellten Erwartungen – die Verteilungsver-

fahren für Studienplätze ersetzt, dürfte bis auf Weiteres

eine Illusion bleiben. Die Anwendung von KI scheidet

für Verwaltungsverfahren mit Grundrechtsbezug derzeit

weniger deswegen aus, weil die Auswertung der erfor-

derlichen Daten oder die Berechnungen zu kompliziert

wären, sondern weil ihr der Grundsatz der Verfahrens-

transparenz entgegensteht. Erst wenn KI – ebenso wie

digitale Services – ihre Entscheidungen erklären kön-

nen, nicht nur technisch rekonstruierbar, sondern auch

rechtlich plausibilisierbar werden, scheinen hier Fort-

schritte möglich. Der sich allmählich herausbildende

„Digitale Konstitutionalismus“, wie er etwa in der KI-

Verordnung der EU zum Ausdruck kommt,148 ebenso

wie die staatsrechtlichen Grundsätze halten an diesen

Prinzipien fest.

Dass aber bestimmte Teilaspekte des Verfahrens

durch KI, vor allem aber auch Digitalisierung im enge-

ren Sinne, evident verbessert werden könnten, ist unbe-

stritten. Dies beginnt bei elektronischen Bildungsnach-

weisen, geht über kommunikative Erleichterungen und

endet beim Erlass automatisierter Bescheide.

Langfristig könnte KI allerdings zu einer Optimie-

rung der Verteilungsgerechtigkeit in Bezug auf Studien-

plätze beitragen. Denn sie ermöglicht der Forschung, das

tatsächliche Verhalten auf diesen non-profit-Märkten

besser zu verstehen und auch auszuwerten.149 Dies hat

Rückwirkung auf die rechtliche Theoriebildung. Hier ist

mit Nicola Lettieri ein neuer, IT-gestützter Empirismus

zu beobachten, der sich für die kognitiven und sozialen

Mechanismen interessiert, durch die das Recht seine

Wirkung entfaltet.150 Auf diese Weise kann KI zur theo-

retischen Reflektion und interessengerechten Gestaltung

von Verwaltungsverfahren beitragen.

Dr. iur., M.A. Matthias Bode ist Professor für Staats- und

Europarecht an der Hochschule für Polizei und öffent-

liche Verwaltung (HSPV) NRW.

Kostenfreies Abonnement

E‑Mail Kontakt