Hinweis: Die Inhalte auf dieser Seite wurden teilweise von KI generiert und können Fehler enthalten.
🚨 Fringe Die Session räumt mit der Illusion auf, dass Fachwissen für KI-Produktivität ausreicht, und postuliert stattdessen, dass echte Kompetenz nur durch individuelles „Learning by Doing“ und das bewusste Durchlaufen von Fehlern entsteht. Überraschend ist zudem die Erkenntnis, dass für die Produktentwicklung bewusst homogene Teams statt diverser Gruppen gewählt werden, um die Umsetzung zu beschleunigen.
Die Universität Kassel hat mit den „KI-FrAItagen“ ein Experimentierformat entwickelt, um Verwaltungsmitarbeitende niedrigschwellig an KI-Tools heranzuführen. Ausgehend von offenem Ausprobieren und Lernen hat sich das Format zu einem strukturierten Werkstattansatz weiterentwickelt, der tragfähige Piloten für den Regelbetrieb vorbereitet. Ziel ist es, KI nicht nur nach außen (z. B. für Studierende), sondern auch intern für Verwaltungsvereinfachung, Wissensmanagement und Prozessoptimierung einzusetzen.
Iterativer Prozess: Die KI-FrAItage starteten 2025 als offenes Lernformat mit explorativer Nutzung von KI-Tools und Grundlagenvermittlung. Seit 2026 liegt der Fokus auf der Entwicklung konkreter Piloten, die perspektivisch in den Regelbetrieb überführt werden sollen.
Lernräume als Erfolgsfaktor: Regelmäßige, alle zwei Wochen stattfindende Sessions („LAN-Parties“) sichern kontinuierlichen Austausch und verhindern ein „Versanden“ der Projekte. Themen werden praxisnah aus dem Arbeitsalltag der Teilnehmenden abgeleitet.
Die Universität Kassel identifizierte acht zentrale Handlungsfelder für die KI-Einführung an Hochschulen:
Illusion vs. Realität:
Heterogenität der Gruppen:
Unterschätzter Aufwand:
Professionelle Unterstützung:
Phasenmodell:
Neue Daueraufgaben:
Problemorientierung vor Toolauswahl: Identifiziere konkrete Verwaltungsprozesse mit hohem Optimierungspotenzial – erst dann prüfe, ob KI eine passende Lösung bietet.
KI-Kompetenz aktiv aufbauen: Ermögliche „Learning by Doing“ durch Experimentierräume und regelmäßige Austauschformate. Externe Expertise kann unterstützen, ersetzt aber nicht die eigene Erfahrung.
Übergang in den Regelbetrieb von Anfang an planen: Erfolgreiche KI-Projekte erzeugen neue Daueraufgaben (Betrieb, Pflege, Qualitätssicherung). Kläre frühzeitig Verantwortlichkeiten und Ressourcen für die Phasen nach dem Prototyp.
Interdisziplinäre Teams und Führungskräfte einbinden:
Realistischen Aufwand einplanen: Der Großteil der Arbeit liegt in der unsichtbaren Vor- und Nachbereitung. Stelle sicher, dass ausreichend personelle und zeitliche Ressourcen zur Verfügung stehen.
Die KI-FrAItage der Universität Kassel zeigen, dass KI-Integration in der Verwaltung kein technisches, sondern ein organisatorisches und kulturelles Projekt ist. Der Schlüssel zum Erfolg liegt in der Kombination aus strukturierten Lernräumen, iterativem Vorgehen und der Bereitschaft, langfristige Verantwortung für KI-Lösungen zu übernehmen.
Es wird ein interdisziplinäres Team aus juristischer Expertise, Datenschutz- und IT-Sicherheitsspezialisten sowie internen Entscheidungsträgern eingebunden. Technisch erfolgt die Sicherung über Alerts und Dashboards, während die fachliche Qualität durch dauerhafte personelle Verantwortung und automatisierte Tests sichergestellt wird.
Die meisten erarbeiteten Produkte sind Chatbots, die auf einer lokal gehosteten Open Web UI fungieren.
Die Gruppen hatten eine Netto-Teilnehmerzahl zwischen 15 und 25 Personen. Die Teilnahme erfolgte über eine Anmeldung, wobei insbesondere in der letzten Phase gezielte Einzelgespräche geführt wurden, um die Eignung und zeitliche Verfügbarkeit zu prüfen.
mindmap
root)KI-FrAItage: Verwaltungsarbeit mit KI neu erproben(
["Entwicklung des Formats"]
["Iterativer Prozess: Experimente zu Piloten"]
["Lernräume: Regelmäßige Sessions"]
["Strategische Handlungsfelder"]
["Infrastruktur & Datensicherheit"]
["Governance & Ethik"]
["Kompetenzen & Qualifizierung"]
["Kompetenzaufbau"]
["Learning by Doing statt Workshops"]
["Heterogene Gruppen fördern Ideen"]
["Aufwand & Begleitung"]
["Eisberg-Modell: 80% unsichtbarer Aufwand"]
["Professionelle Unterstützung nötig"]
["Vom Prototyp zum Regelbetrieb"]
["Phasenmodell: Experiment → Rollout"]
["Neue Daueraufgaben: Pflege & Governance"]
["Problemorientierter Ansatz"]
["Alltagsprozesse als Ausgangspunkt"]
["Hoher Mehrwert durch Optimierung"]