Digital Learning Campus

Sondercluster

📚 Student Voices Die Session beleuchtet die studentische Perspektive durch die Analyse von Misstrauen gegenüber institutionellen Systemen und der starken Präferenz für kommerzielle Tools aufgrund von Gewohnheit und sozialer Validierung. Es wird deutlich, dass für Studierende nicht nur die technische Verfügbarkeit, sondern vor allem die Angst vor Überwachung und die fehlende Integration in individuelle Workflows über die Nutzung entscheiden.

Wortwolke

Zusammenfassung

Kontext

Die Session thematisiert die Herausforderungen digitaler Souveränität im Hochschulkontext, insbesondere im Bereich KI. Oft wird digitale Souveränität auf technische Aspekte reduziert, während soziale und institutionelle Rahmenbedingungen vernachlässigt werden. Studierende nutzen bevorzugt proprietäre KI-Modelle, was Abhängigkeiten von Big Tech verstärkt und Misstrauen sowie Ungleichheiten fördert. Die Referent:innen stellen ein föderiertes Modell aus Thüringen vor, das verteilte Server kooperativ vernetzt und Ressourcen gemeinsam nutzbar macht.

Kernaussagen

1. KI-Nutzung an Hochschulen: Emotionale und psychologische Faktoren

Hohe Nutzungszahlen, aber geringe Akzeptanz von Hochschul-KI-Systemen:
- Laut Studien nutzen 91,6 % der Studierenden KI (Garel & Meer 2025), jedoch bevorzugen 84 % kommerzielle Anbieter wie ChatGPT oder Cloud gegenüber Hochschul-Lösungen (Honeikal 2026).
- Gründe: Misstrauen gegenüber institutionellen Systemen (z. B. Angst vor Überwachung durch Lehrende), fehlende Transparenz zu Nutzungsregeln und unklare Leistungsfähigkeit der Tools.
Vertrauen als zentraler Faktor:
- Institutionelles Vertrauen (z. B. Datenschutzbedenken) und Vertrauen in die Leistungsfähigkeit der Systeme sind entscheidend.
- Fehlende Shared Credibility: Kommerzielle Anbieter profitieren von sozialer Verbreitung und geteiltem Wissen, während Hochschul-Tools oft unbekannt bleiben.

2. Sieben Schlüsselfaktoren für studentische KI-Nutzung

Die Referent:innen identifizieren nicht-technische Faktoren, die die Nutzung beeinflussen:

Vertrauen: Institutionell (Datenschutz) und technisch (Leistungsfähigkeit).
Sichtbarkeit: Bekanntheit der Hochschul-Tools.
Gewohnheit: Präferenz für etablierte Tools (z. B. ChatGPT).
Shared Credibility: Sozialer Austausch über Tools und deren Nutzen.
Leistung: Verfügbare Rechenkapazitäten und Token-Kontingente.
Flexibilität: Einschränkungen durch zentrale Systeme (z. B. fehlende API-Zugänge).
Ablehnung: Kritische Haltung gegenüber KI (10 % der Studierenden lehnen KI grundsätzlich ab, 72 % nutzen sie trotz Bedenken).

3. Infrastrukturelle Herausforderungen und Insellösungen

Fragmentierte Ansätze:
- Hochschulen entwickeln individuelle Lösungen (z. B. KI-basierte Quiz-Tools, Chatbots für Vorlesungsskripte), die oft geringe Nutzungszahlen aufweisen.
- Fehlende Vernetzung führt zu Redundanzen und ineffizienter Ressourcennutzung.
Flexibilität als Problem:
- Zentrale KI-Systeme bieten oft eingeschränkte Funktionen (z. B. keine Datei-Uploads oder Websuche).
- Fehlende API-Zugänge erschweren die Integration in individuelle Workflows (z. B. Mail-Clients, Knowledge-Bases).

4. Föderiertes Modell: Open Model App und Open Model Proxy

Lösungsansatz aus Thüringen:
- Open Model App: Webinterface und API für offene KI-Modelle, zugänglich für alle Thüringer Hochschulen ohne separate Registrierung.
- Open Model Proxy:
  - Vernetzung verteilter Serverstandorte (z. B. Weimar, Erfurt) zu einem föderierten System.
  - Anfragen werden dynamisch an verfügbare Server weitergeleitet, um Ausfälle zu kompensieren und Rechenleistung zu bündeln.
Vorteile des föderierten Modells:
- Ressourcenbündelung: Gemeinsame Nutzung von Rechenleistung und Expertise.
- Vertrauen durch Dezentralität: Geringere Angst vor Überwachung durch räumliche Distanz zum eigenen Rechenzentrum.
- Resilienz: Ausfall einzelner Server beeinträchtigt das Gesamtsystem nicht.
- Shared Credibility: Gemeinsame Modellnutzung fördert Austausch und Vertrauen.
- Chancengleichheit: Zugang zu leistungsfähigen Modellen unabhängig von der finanziellen Ausstattung der Hochschule.

5. Kooperation als Schlüssel zur KI-Souveränität

Notwendigkeit der Zusammenarbeit:
- Hochschulen müssen kooperieren, um Ressourcen effizient zu nutzen und Abhängigkeiten von kommerziellen Anbietern zu reduzieren.
- Aktuelle Initiativen (z. B. KI-Expertisezentrum in NRW) zeigen erste Ansätze, benötigen aber breitere Beteiligung.
Einbindung aller Akteur:innen:
- Digitale Souveränität ist ein soziotechnisches Problem und erfordert die Partizipation von Studierenden, Lehrenden und Verwaltung.
- Fehlende Kompetenzvermittlung: In Geisteswissenschaften wird KI oft ignoriert, in Informatik fehlt der Zugang zu Rechenressourcen für Studierende.

Fazit

Digitale Souveränität im KI-Bereich erfordert mehr als technische Lösungen – sie setzt kooperative Netzwerke, Vertrauen und soziale Praktiken voraus. Hochschulen sollten:

Föderierte Modelle wie den Open Model Proxy einführen, um Ressourcen zu bündeln und Chancengleichheit zu fördern.
API-Zugänge bereitstellen, um Flexibilität und Integration in individuelle Workflows zu ermöglichen.
Studierende und Lehrende aktiv einbinden, um Misstrauen abzubauen und Nutzungskontexte zu gestalten.
Bestehende Netzwerke (z. B. Digitalisierungsinitiativen) nutzen, um Kooperationen zu initiieren.
Kritische Reflexion über KI fördern, um Kompetenzen zu vermitteln und Ablehnung zu reduzieren.

Die Referent:innen betonen, dass studentische Partizipation und Sichtbarkeit der eigenen Position entscheidend sind, um Technologien und Praktiken zu entwickeln, die für alle Akteur:innen funktionieren.

Fragen & Antworten

Was würdet ihr euch in Bezug auf KI und Universitäten wünschen?

Ein bewussterer und kritischerer Umgang mit der Technologie, bei dem auch die Ablehnung von KI nicht unterschätzt wird und Studierende motiviert werden, ihre eigene Meinung zu äußern, statt sich hinter Sprachmodellen zu verstecken.

Welche Kompetenzen fehlen auf beiden Seiten (Lehrende und Studierende)?

In den Geisteswissenschaften fehlt oft die grundlegende Kompetenzvermittlung und kritische Reflexion, da das Thema teilweise totschweigen wird. In der Informatik gibt es hingegen oft ein Problem beim technischen Zugang zu Rechenressourcen für Studierende.

Was wären die nächsten Schritte, um eine vernetzte Lösung zu schaffen und wie viele Hochschulen müssten partizipieren?

Es wird empfohlen, an bereits bestehende Netzwerke im Bereich der Digitalisierung anzuknüpfen, um engagierte Personen zu identifizieren und vorhandene Rechenressourcen sowie Expertise zu bündeln.

Diagramm

100%

mindmap
  root)KI-Souveränität kooperativ denken(
    ["KI-Nutzung an Hochschulen"]
      ["Hohe Nutzung kommerzieller KI (91,6%)"]
      ["Misstrauen gegenüber Hochschul-Tools"]
      ["Shared Credibility fehlt"]
    ["Schlüsselfaktoren für Nutzung"]
      ["Vertrauen & Transparenz"]
      ["Sichtbarkeit & Gewohnheit"]
      ["Leistung & Flexibilität"]
    ["Infrastrukturelle Herausforderungen"]
      ["Fragmentierte Insellösungen"]
      ["Eingeschränkte API-Zugänge"]
      ["Redundante Ressourcennutzung"]
    ["Föderiertes Modell Thüringen"]
      ["Open Model App & Proxy"]
      ["Dynamische Serververnetzung"]
      ["Resilienz & Chancengleichheit"]
    ["Kooperation als Schlüssel"]
      ["Ressourcenbündelung nötig"]
      ["Einbindung aller Akteur:innen"]
      ["Kritische Reflexion fördern"]

Von Insellösungen zu Netzwerken: KI-Souveränität kooperativ denken