Veranstaltungsprogramm

Die digitale Transformation stellt Hochschulen vor Herausforderungen: der datenschutzkonforme Zugang zu genKI für Hochschulangehörige und das Aufeinanderprallen zweier Systeme, der disruptiv agierenden Tech-Welt und den langsam agierenden, gremienbasierten Hochschulen. Unsere Open-Source-KI-Plattform hat sich dieser Herausforderung gestellt und einen sicheren Zugang zu genKI geschaffen. Nun entwickelt sich dieses Interface zu einem eigenständigen KI-Ökosystem und löst die zweite Herausforderung, indem es die Schnittstelle zwischen den Handlungsräumen von Hochschulen und Technologieunternehmen bildet. So bietet die Plattform die teamorientierte Auseinandersetzung mit genKI über eine Gruppenchatfunktion sowie die Möglichkeit, die Interaktion mit genKI im Sinne von KI-Leitfäden zu dokumentieren. Der Gruppenchat ermöglicht die Einbindung der genKI als interdisziplinäres und interkulturelles „Teammitglied“. Die Exportfunktion unterstützt die Nachvollziehbarkeit des KI-Einsatzes und erstellt eine automatisierte Zusammenfassung der Chatverläufe, der verwendeten KI-Modelle und Anpassungen der System-Prompts. Neben diesen Funktionen ist die Plattform in ihrem Design- und Entwicklungsprozess auch ein wichtiger Diskursbeitrag im Themenfeld der Auseinandersetzung mit genKI. Mit diesem Beitrag möchten wir uns der Diskussion stellen, um gemeinsam die zukünftigen Interaktionsräume von Menschen und KI-Systemen zu gestalten.

Die rasante Entwicklung von KI-Technologien eröffnet neue Möglichkeiten für die Hochschullehre. Um diese Potenziale zu nutzen, haben das Zentrum für Lernen und Innovation (ZLI) und das Forschungszentrum CATALPA an der FernUniversität 2024 eine KI-Experimentierumgebung entwickelt, die es Lehrenden und Studierenden ermöglicht, generative KI-Tools in der Lehre zu erproben.

Die KI-Experimentierumgebung umfasst die Integration verschiedener KI-Modelle. Über ein Webinterface wurden mehrere Open-Source-Modelle zur Verfügung gestellt und über ein Plugin wurde ChatGPT in die Lernplattform Moodle integriert. Ein besonderer Fokus lag dabei auf der Einhaltung der rechtlichen Rahmenbedingungen und der Nutzungsfreundlichkeit.

Im Beitrag sollen, nach einer kurzen Skizzierung der KI-Experimentierumgebung, die Ergebnisse der internen Evaluation präsentiert werden. Eine wesentliche Erkenntnis soll darin bestehen, welche KI-Szenarien in der Lehre zum Einsatz kommen und wie diese aus Sicht von Lehrenden und Studierenden bewertet werden. Untersucht werden dabei u.a. die Nutzungsfreundlichkeit und Akzeptanz der Tools, der Lernerfolg und die Lernmotivation sowie die Selbstwirksamkeit der Studierenden und die AI Literacy.

Durch die umfassende Evaluation und den Einsatz verschiedener KI-Szenarien werden wertvolle Erkenntnisse gewonnen, die zur Verbesserung der Lehre und zur Förderung des Lernens mit generativer KI beitragen.

In diesem Beitrag stellen wir die Entwicklung, Implementierung und Nutzung eines hochschuleigenen KI-Interfaces vor, das APIs von OpenAI, DeepL, Perplexity (Sonar) sowie eine lokale Installation von Stable Diffusion zur Bildgenerierung nutzt. In naher Zukunft ist zudem die Integration selbst gehosteter Open Source LLMs geplant. Ziel der Plattform ist es, Lehrende und Studierende mit maßgeschneiderten KI-gestützten Funktionen zu unterstützen, die gezielt hochschulspezifische Bedarfe adressieren.

Zur Evaluierung des Interfaces kombinieren wir quantitative Nutzendenbefragungen mit qualitativen Interviews von Lehrenden und Studierenden. Dabei analysieren wir sowohl Nutzungsmuster als auch Akzeptanzfaktoren und Hemmnisse. Ein besonderes Augenmerk liegt auf der Frage, inwieweit das hochschuleigene Interface gegenüber kommerziellen Alternativen bevorzugt wird.

Unsere Ergebnisse liefern Einblicke in die Nutzungsgewohnheiten, Akzeptanzfaktoren sowie mögliche Hemmnisse bei der Implementierung hochschuleigener KI-Lösungen. Der Beitrag leistet damit nicht nur einen empirischen Beitrag zur Nutzung KI-gestützter Werkzeuge in der Hochschullehre, sondern gibt auch praxisnahe Anregungen für die Weiterentwicklung institutioneller KI-Strategien. Wir zeigen, dass die Kombination aus hochschulspezifischen Lösungen und der Nutzung ausgewählter kommerzieller Anbieter, wie etwa OpenAI, erfolgversprechend sein kann, wenn Datenschutz, Transparenz und Interoperabilität berücksichtigt werden.