Bearbeitungszugang anfragen
Session-Dokumentation • Diskussion • Englisch

Different countries, different solutions: an international comparison of AI strategies

Cover-Bild für Different countries, different solutions: an international comparison of AI strategies

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

Wortwolke

KI-generierter Inhalt

Zusammenfassung

KI-generierter Inhalt

Kontext

Die Diskussion beleuchtete internationale Unterschiede in der Implementierung von Künstlicher Intelligenz (KI) an Hochschulen. Im Fokus standen transferierbare Praktiken, insbesondere:

  • Aufbau von Infrastruktur
  • Balance zwischen Compliance, Risikobewertung und Innovationsförderung
  • Anpassung von Curricula, Prüfungsformaten und Lehrmethoden
  • Governance-Modelle

Ziel war es, konkrete Ansätze zu identifizieren, die Hochschulen im deutschsprachigen Raum adaptieren können. Die Session adressierte dabei die Frage, wie internationale Erfahrungen pragmatisch genutzt werden können, um lokale Herausforderungen zu bewältigen.

Kernaussagen

1. Entwicklungen und Trends in Deutschland (Jannika Budde)

  • Akademische Integrität vs. Pragmatismus: Der initiale Fokus auf akademische Integrität hat sich hin zu pragmatischen Lösungen verschoben, z. B. Zugang zu KI-Tools und Infrastruktur.

    • Beispiel: 4 % der Hochschulen in einer Stichprobe boten 2023 Workshops oder Selbstlernkurse für Studierende an.
    • Ziel: Förderung von KI-Literacy für Studierende, Lehrende und Verwaltung.

  • Strategische Nutzung von KI: Aktuell wird untersucht, wie KI in Lernprozesse integriert werden kann (z. B. Lernanalytik, spezialisierte Chatbots für Beratung).

    • Herausforderung: KI-Literacy ist oft ein "Add-on" und noch nicht curricular verankert.

  • Vernetzung: Plädoyer für stärkere Zusammenarbeit zwischen Institutionen, um bewährte Lösungen zu kopieren statt neu zu entwickeln.

    • Beobachtung: Erste Ansätze zur Nutzung von Open Educational Resources (OER) in Deutschland.

2. Erfahrungen aus den Niederlanden (Johannes Schleiss)

  • Infrastruktur und Governance:

    • Unterschiedliche Reaktionen auf KI: Einige Hochschulen setzen auf Partnerschaften mit privaten Anbietern (z. B. Breda University of Applied Sciences mit Microsoft), andere auf eine Suite verschiedener Tools.
    • Nationaler Ansatz: SURF (Kooperation aller niederländischen Hochschulen) baut eine nationale Plattform für KI-Tools auf, die ab 2027 flächendeckend verfügbar sein soll.

  • Strategieentwicklung:

    • Shift von Experimenten zu integrierten Strategien, z. B. durch "AI Desks" oder Frameworks zur Vereinheitlichung der Sprache (z. B. "Strategy Compass" der Breda University).
    • Kritik: Diskussionen fokussieren oft auf Optimierung bestehender Systeme (z. B. Prüfungsformate), statt Bildungsziele grundlegend zu hinterfragen.
    • Vision: Strategien müssen auf einer klaren Vision basieren, um Fragmentierung zu überwinden.

  • KI-Literacy:

    • Beispiel: Breda University führte verpflichtende KI-Trainings für alle Mitarbeitenden ein.
    • Fokus: Meist auf generative KI und Sprachmodelle beschränkt.

3. Perspektiven aus den USA (Philipp Schmidt)

  • Fragmentierung und Ungleichheit:

    • Das US-Hochschulsystem ist stark fragmentiert, mit großen Unterschieden zwischen Institutionen (z. B. Community Colleges vs. Elite-Universitäten).
    • Problem: Fehlende koordinierte Ansätze auf nationaler Ebene; viele Hochschulen fühlen sich von der Geschwindigkeit des Wandels überfordert.

  • Kollaboration und Netzwerke:

    • Erfolgsbeispiel: Ein Netzwerk von 400 Community Colleges teilt Kursmaterialien und Programmentwürfe, um Ressourcen zu bündeln und Verhandlungsmacht gegenüber Tech-Konzernen zu gewinnen.
    • Vorteil: Community Colleges sind weniger von institutionellem Ego geprägt und kooperieren bereitwilliger.
    • Herausforderung: Elite-Institutionen (z. B. MIT, Harvard) teilen seltener Materialien, da sie sich als "einzigartig" wahrnehmen.

  • Studierende als Treiber:

    • Studierende adaptieren KI schneller als Lehrende und Verwaltung.
    • Spannungsfeld: Kritische Haltung von Studierenden gegenüber unreflektierter KI-Nutzung (z. B. Proteste gegen Datenzentren).

4. Transferierbare Praktiken und Voraussetzungen

a) Netzwerke und Kollaboration

  • Erfolgsfaktoren:

    • Konkrete Problemstellung: Netzwerke funktionieren am besten, wenn sie spezifische Probleme lösen (z. B. Integration von KI-Kompetenzen in bestehende Curricula).
    • Vertrauen: Face-to-Face-Meetings sind entscheidend für den Aufbau von Beziehungen.
    • Kopieren statt neu erfinden: Beispiele wie die Übernahme eines Assessment-Frameworks der Sydney University für niederländische Berufsschulen zeigen, dass Lösungen adaptiert werden können.

  • Herausforderungen:

    • Fragmentierung: Viele Netzwerke existieren parallel, was die Koordination erschwert.
    • Ressourcen: Nicht alle Hochschulen verfügen über die technische oder personelle Kapazität, um komplexe Lösungen umzusetzen.

b) Infrastruktur und Tools

  • Beispiele:
    • SAxI (Saxion University): Chatbot für Studierende zur einfachen Informationsabfrage (z. B. Prüfungstermine, Raumpläne).
      • Voraussetzungen: Technische Infrastruktur und organisatorische Kapazitäten.
      • Risiko: Gering, da nur bestehende Informationen zugänglich gemacht werden.
    • Datenanalyse: Tools wie Cloudcode ermöglichen es, institutionelle Daten (z. B. Studierendenstatistiken) schneller und breiter zugänglich zu machen.
      • Herausforderung: Datenqualität und Governance (z. B. Datenschutz in Deutschland).

c) Einbindung von Studierenden

  • Ansätze:
    • Partizipation: Studierende werden oft in Strategiekomitees eingebunden, aber strukturelle Integration fehlt noch.
    • Beispiel: San Diego State University führte eine Umfrage zu KI-Nutzung durch und veröffentlichte die Ergebnisse – 50 weitere Institutionen übernahmen das Design.
    • Kritik: In Deutschland ist die Beteiligung von Studierenden an strategischen Prozessen gering (ca. 15 % laut Monitor).

5. Ethische Aspekte und Compliance

  • Unterschiede zwischen EU und USA:

    • Compliance: In der EU sind klare rechtliche Vorgaben (z. B. DSGVO, KI-Verordnung) vorhanden, während in den USA institutionelle Richtlinien dominieren.
    • Ethik: Beide Regionen betonen die Notwendigkeit verantwortungsvoller KI-Nutzung, aber die Umsetzung variiert.
      • Beispiel: Der "Value Compass" in den Niederlanden definiert Kernwerte für den Bildungsbereich, um ethische Diskussionen zu strukturieren.
      • Kritik: KI-Tools sind oft mit Bias behaftet, und Hochschulen müssen ihre Verantwortung für den Einsatz reflektieren.

  • Innovation vs. Ethik:

    • Dilemma: Innovation entsteht oft auf Kosten von Ausbeutung (z. B. Umweltbelastung, Arbeitsbedingungen).
    • Forderung: Hochschulen sollten eine starke Stimme in der gesellschaftlichen Debatte um KI einnehmen.

6. Finanzierung und Ressourcen

  • USA:

    • Quellen: Philanthropie, Bundes- und Landesmittel, Priorisierung innerhalb der Institutionen.
    • Ungleichheit: Gut ausgestattete Institutionen investieren strategisch in KI, während andere auf Pilotprojekte beschränkt bleiben.

  • Niederlande:

    • Kooperation: SURF und ähnliche Netzwerke bündeln Ressourcen, um Dienstleistungen gemeinsam zu entwickeln.
    • Priorisierung: KI-Kompetenzen werden horizontal in bestehende Rollen integriert (z. B. Forschung, Lehre).

  • Deutschland:

    • Föderalismus: Bundesländernetzwerke (z. B. in NRW oder Baden-Württemberg) arbeiten an gemeinsamen Lösungen.
    • Kritik: Argument der "Föderalisierung" wird oft als Ausrede für mangelnde Zusammenarbeit genutzt.

Offene Fragen

  1. Strategische Vision:

    • Wie können Hochschulen eine gemeinsame Vision für KI entwickeln, die über die Optimierung bestehender Systeme hinausgeht?
    • Uneinigkeit: Die Diskussionen in den Niederlanden zeigen, dass Bildungsziele noch nicht grundlegend hinterfragt werden.

  2. Studierendenbeteiligung:

    • Wie kann die strukturelle Einbindung von Studierenden in strategische Prozesse verbessert werden?
    • Beobachtung: Studierende sind oft unzufrieden mit der mangelnden Berücksichtigung ihrer Perspektiven.

  3. Datenqualität und -governance:

    • Wie können Hochschulen ihre Dateninfrastruktur verbessern, um KI-Tools effektiv zu nutzen?
    • Herausforderung: In Deutschland bestehen starke Vorbehalte gegenüber der Nutzung von Studierendendaten.

  4. Ethische Verantwortung:

    • Wie können Hochschulen ihrer Verantwortung für den ethischen Einsatz von KI gerecht werden, ohne Innovationen zu behindern?
    • Spannungsfeld: KI-Tools sind oft intransparent, aber Hochschulen sind nicht deren Entwickler:innen.

  5. Vernetzung:

    • Wie können bestehende Netzwerke besser koordiniert werden, um Doppelarbeit zu vermeiden?
    • Problem: Viele Netzwerke existieren parallel, was die Effizienz mindert.

Ergebnis

Die Diskussion zeigte, dass internationale Hochschulen ähnliche Herausforderungen bei der KI-Implementierung bewältigen, aber unterschiedliche Lösungsansätze verfolgen. Kernbotschaften für die Praxis:

  1. Kollaboration vorantreiben:

    • Netzwerke und Kooperationen sind entscheidend, um Ressourcen zu bündeln und Verhandlungsmacht gegenüber Tech-Konzernen zu gewinnen.
    • Empfehlung: Konkrete Probleme identifizieren und Lösungen kopieren (z. B. Chatbots, Assessment-Tools).

  2. KI-Literacy fördern:

    • Verpflichtende Trainings für alle Statusgruppen (Studierende, Lehrende, Verwaltung) einführen.
    • Beispiel: Technische Hochschule Nürnberg machte einen KI-Kurs für Studierende verpflichtend.

  3. Studierende einbinden:

    • Umfragen und partizipative Formate nutzen, um Studierendenperspektiven in Strategien zu integrieren.
    • Beispiel: San Diego State University veröffentlichte Umfrageergebnisse und erhöhte so die Beteiligung.

  4. Agile Strategien entwickeln:

    • Eine "Lernmentalität" kultivieren, die Experimente und Scheitern zulässt.
    • Empfehlung: Strategien als dynamische Prozesse begreifen, die regelmäßig angepasst werden.

  5. Ethische Reflexion stärken:

    • Frameworks wie den "Value Compass" nutzen, um ethische Diskussionen zu strukturieren.
    • Forderung: Hochschulen sollten sich aktiv in die gesellschaftliche Debatte um KI einbringen.

Handlungsaufforderung: Hochschulen im deutschsprachigen Raum sollten internationale Beispiele prüfen und pragmatische Lösungen adaptieren – insbesondere in den Bereichen Infrastruktur, Kollaboration und Studierendenbeteiligung.

Diagramm

KI-generierter Inhalt
100% 
mindmap
  root)Different countries, different solutions: an international comparison of AI strategies(
    ["Entwicklungsphasen der KI-Implementierung"]
      ["Deutschland: Infrastruktur & KI-Literacy"]
      ["Niederlande: Governance & Tool-Sets"]
      ["USA: Fragmentierung & Adoptionskluft"]
    ["Erfolgsfaktoren für transferierbare Lösungen"]
      ["Netzwerke & Kollaboration"]
      ["Konkrete Anwendungsfälle (Chatbots, Datenanalyse)"]
    ["Governance und ethische Aspekte"]
      ["Vision & Strategie"]
      ["Ethische & rechtliche Rahmenbedingungen"]
    ["Studentische Partizipation"]
      ["Einbindung in Prozesse"]
      ["Transparenz & Vertrauen"]
    ["Finanzierung und Ressourcen"]
      ["Quellen (Philanthropie, Bundesmittel)"]
      ["Kooperative Modelle"]