Bearbeitungszugang anfragen
Session-Dokumentation • Input • Deutsch

Von der Schatten-KI zur Systemintegration am Beispiel des KIT

Cover-Bild für Von der Schatten-KI zur Systemintegration am Beispiel des KIT

Hinweis: Die Inhalte auf dieser Seite wurden teilweise von KI generiert und können Fehler enthalten.

Foliensatz

Dieser Inhalt wurde redaktionell geprüft.

Wortwolke

KI-generierter Inhalt

Zusammenfassung

KI-generierter Inhalt

1. Kontext

Das Karlsruher Institut für Technologie (KIT) steht vor der Herausforderung, den unkontrollierten Einsatz von KI-Tools („Schatten-KI“) in Lehre, Forschung und Administration in eine strategisch gesteuerte und systemisch integrierte Nutzung zu überführen. Mit dem Projekt GenAI@KIT wird seit Anfang 2025 ein dreistufiger Prozess verfolgt: von der individuellen Nutzung über eine geregelte Bereitstellung (KI-Toolbox) bis hin zur vollständigen Integration in die IT-Landschaft. Ziel ist es, KI nicht nur als Textgenerator, sondern als strukturierten Mehrwert für die Organisation zu etablieren.

2. Kernaussagen

Strategischer Übergang von Schatten-KI zur Systemintegration

  • Das KIT verfolgt einen dreistufigen Prozess:
    1. Individuelle Nutzung („Schatten-KI“): Ungeregelter Einsatz privater Accounts für dienstliche Zwecke.
    2. Geregelter Zugang (KI-Toolbox): Zentrale Plattform für Mitarbeitende (seit Ende 2025) und Studierende (ab Frühjahr 2026).
    3. Vollständige Systemintegration: Langfristige Einbindung von KI-Agenten in Geschäftsprozesse (z. B. SAP, Campus-Management-Systeme).
  • Die KI-Toolbox dient als Brücke zwischen chaotischem Einzeleinsatz und systematischer Nutzung.

Die KI-Toolbox als zentrales Ökosystem

  • Funktionen der KI-Toolbox:
    • Prompt-Vorlagen: Qualitätsgesicherte, versionierbare Prompts mit Platzhaltern für teamweite Nutzung.
    • Custom Chatbots: Über 590 fachspezifische Chatbots für Lehre, Forschung und Administration (z. B. Onboarding, Helpdesk).
    • Team-Nutzung: Gemeinsame Ressourcen und Workflows zur Förderung kollektiven Lernens.
    • API-Integration: Bereitstellung von API-Zugängen für alle Nutzer:innen als Vorstufe zum „agentischen Arbeiten“.
  • Ziel: KI als strukturierten Mehrwert etablieren, statt als reinen Textgenerator.

Steuerung durch Nudging und Budgetierung

  • Nachhaltigkeit und Kostenkontrolle:
    • Nudging: Standardmäßig wird ein lokal gehostetes, mittleres KI-Modell priorisiert (49 % der Anfragen), um Kosten und CO₂-Emissionen zu reduzieren.
    • Budgetierung: Persönliche Limits für teure Cloud-Modelle; darüber hinausgehende Nutzung erfordert Kostenstellenfreigabe.
    • Transparenz: Nutzer:innen erhalten Rückmeldung zu verursachten Kosten und CO₂-Emissionen.
  • Hintergrund: KI-Rechenzentren könnten den globalen Energieverbrauch bis 2028 verdoppeln oder verdreifachen.

Systematischer Kompetenzaufbau als Voraussetzung

  • Verpflichtendes Basismodul:
    • Entwickelt im Verbund baden-württembergischer Hochschulen (HNDBW).
    • Dauer: 30–40 Minuten; behandelt Grundlagen zu Datenschutz, Modelltypen und Urheberrecht.
    • Voraussetzung für die Nutzung der KI-Toolbox; frei verfügbar und anpassbar.
  • Dezentraler Kompetenzaufbau:
    • Use Case Canvas: Workshop-Format für Fachabteilungen zur Entwicklung fachspezifischer KI-Anwendungen.
    • Ziel: KI-Kompetenz direkt im Arbeitskontext aufbauen und Erfolg messbar machen.
    • Beispiel: Zusammenarbeit mit der Rechtsabteilung, um KI für Vertragsprüfungen zu nutzen.

Skalierung durch Custom Chatbots und Skills

  • Chatbots in der Lehre:
    • Seit Sommersemester 2026 können Lehrende eigene Chatbots in der Lernplattform einrichten (31 Chatbots in den ersten 7 Tagen).
    • Skills: Didaktische Bausteine (z. B. für Reflexionsprozesse oder SMART-Zielformulierung), die als vorgefertigte Prompts in Chatbots integriert werden.
  • Ziel: KI als pädagogisches Werkzeug nutzen, nicht nur als Textgenerator.

Perspektive des agentischen Arbeitens

  • API-Zugang als Grundlage:
    • Alle Mitarbeitenden und Studierenden erhalten Zugang zu KI-Modellen via API.
    • Anwendungsbeispiele:
      • Automatisierte Prüfung von AVV-Verträgen (Proof of Concept mit der Datenabteilung).
      • Integration in Geschäftsprozesse (z. B. Vertragsmanagement).
  • Herausforderung: Abwägung zwischen generischen KI-Lösungen und lizenzierter Software.

3. Fazit

Das KIT zeigt mit GenAI@KIT, wie der Übergang von unkontrollierter Schatten-KI zu einer strategisch integrierten Nutzung gelingen kann. Handlungsempfehlungen für Hochschulen und Organisationen:

  1. Zentrale Plattform (z. B. KI-Toolbox) als Ökosystem etablieren, um Wildwuchs zu vermeiden.
  2. Kompetenzaufbau priorisieren – von verpflichtenden Basismodulen bis zu fachspezifischen Workshops.
  3. Nudging und Budgetierung nutzen, um Kosten und Nachhaltigkeit zu steuern.
  4. Custom Chatbots und Skills entwickeln, um KI fachlich und didaktisch sinnvoll einzusetzen.
  5. API-Zugänge bereitstellen, um den Übergang zu agentischem Arbeiten vorzubereiten.

Langfristiges Ziel: KI nicht als isoliertes Tool, sondern als integralen Bestandteil der IT-Landschaft und Organisationskultur zu verankern.

Fragen & Antworten

KI-generierter Inhalt
Welche KI-Modelle werden konkret in der KI-Toolbox angeboten?

Es werden sowohl Cloud-Modelle über die Azure Cloud als auch lokal gehostete Modelle (z. B. Mistral oder Granite) bereitgestellt, wobei auch europäische Modelle einbezogen werden.

Wie wird der Datenschutz und das Urheberrecht bei der Nutzung der API gewährleistet?

Die Sicherheitsvorkehrungen sind identisch mit der Oberfläche: Bei lokalen Modellen bleiben die Daten lokal, bei Cloud-Modellen gehen sie extern. Die Nutzer müssen durch eine Pflichtschulung kompetent gemacht werden, welche Daten sie gemäß Urheberrecht eingeben dürfen.

Ist das Schulungsmodell nur für Mitarbeitende oder auch für Studierende gedacht?

Das Basismodul ist für beide Gruppen verpflichtend, um Grundkenntnisse über Modelltypen und Datenschutz zu vermitteln. Die fachspezifische KI-Nutzung wird hingegen dezentral durch die Lehrenden in den jeweiligen Fächern adressiert.

Was genau sind 'Skills' für Chatbots und handelt es sich dabei um ein didaktisches oder technisches Konzept?

Es ist beides: Technisch handelt es sich um spezialisierte Teil-Prompts, die automatisch aktiviert werden, wenn das Modell ein bestimmtes Thema erkennt. Didaktisch ermöglichen sie so Schablonen für Prozesse wie Reflexionsgespräche oder die SMART-Zielformulierung.

Wie wird das Risiko gehandhabt, dass KI-Agenten Zugriff auf sensible Speicher, E-Mails und Systeme benötigen?

Dies wird als zentrale Kompetenz im Training vermittelt, wobei gelernt wird, den Zugriff gezielt auf bestimmte, kontrollierbare Verzeichnisse einzugrenzen, statt einen ungefilterten Zugriff zu gewähren.

Diagramm

KI-generierter Inhalt
100% 
mindmap
  root)Von der Schatten-KI zur Systemintegration am Beispiel des KIT(
    ["Dreistufiger Integrationsprozess"]
      ["Individuelle Nutzung (Schatten-KI)"]
      ["KI-Toolbox als zentrale Plattform"]
      ["Vollständige Systemintegration"]
    ["KI-Toolbox Funktionen"]
      ["Prompt-Vorlagen für Teams"]
      ["Custom Chatbots (590+)"]
      ["API-Integration für Nutzer:innen"]
    ["Steuerung durch Nudging"]
      ["Lokales KI-Modell als Standard"]
      ["Budgetierung mit Kostenlimits"]
      ["Transparenz zu CO₂-Emissionen"]
    ["Kompetenzaufbau"]
      ["Verpflichtendes Basismodul (30-40 Min)"]
      ["Use Case Canvas Workshops"]
      ["Fachspezifische KI-Anwendungen"]
    ["Custom Chatbots in Lehre"]
      ["Lehrende erstellen eigene Chatbots"]
      ["Skills als didaktische Bausteine"]
      ["31 Chatbots in ersten 7 Tagen"]
    ["Agentisches Arbeiten"]
      ["API-Zugang für alle Nutzer:innen"]
      ["Integration in Geschäftsprozesse"]
      ["Abwägung generisch vs. lizenziert"]