Digital Learning Campus

Sondercluster

🌍 Global Perspectives Die Session kontrastiert den marktgetriebenen, dezentralen Ansatz der USA (z. B. New Yorker Ampelmodell) mit Japans systematischer Zertifizierung via MDASH-Programm und Brasiliens Fokus auf technologische Souveränität und soziale Inklusion. Diese Beispiele verdeutlichen, wie nationale Strategien zwischen technologischer Innovation, gesellschaftlicher Grundkompetenz und digitaler Teilhabe variieren.

Aufzeichnung

Wortwolke

Zitate

„KI Kompetenzen [betrachten wir] vorangestellt als sehr kontextabhängig, sehr mehrdimensional, also nicht als isoliertes Set individueller Fähigkeiten, sondern eben als ein Zusammenspiel ganz verschiedener mehrerer Ebenen.“

„In den USA selber [verfolgt man] keinen sehr zentral standardisierten Ansatz, sondern dass KI Kompetenzen selber sehr dezentral durch die Hochschulen, durch die Bundesstaaten [...] und durch die föderalen Initiativen [...] passiert.“

„KI Kompetenz wird in Japan als Grundkompetenz für alle und ganz klar für die gesamte Gesellschaft [verstanden].“

Zusammenfassung

Kontext

Die Veranstaltung beleuchtet internationale Ansätze zur Entwicklung und Vermittlung von KI-Kompetenzen aus der Perspektive des globalen Netzwerks des Deutschen Akademischen Austauschdienstes (DAAD). Der Fokus liegt auf der Gegenüberstellung unterschiedlicher nationaler Strategien, die von fächerübergreifender Integration über praxisorientierte Reformen bis hin zu ganzheitlichen Ansätzen reichen. Dabei wird analysiert, wie politische Prioritäten, institutionelle Rahmenbedingungen und kulturelle Werte die Ausgestaltung von KI-Kompetenzen prägen.

Kernaussagen

1. Mehrdimensionalität von KI-Kompetenzen

Definition: KI-Kompetenz wird nicht als isoliertes technisches Set verstanden, sondern als Zusammenspiel aus:
- Akteur:innen: Politik, Hochschulen, Forschungseinrichtungen, Einzelpersonen (Lehrende, Studierende, Verwaltung).
- Kompetenzbereiche: Technische Fähigkeiten, Ethik, Recht, gesellschaftliche Implikationen, praktische Anwendung.
- Anwendungskontexte: Nutzung in Prüfungen, Lehr-Lernszenarien, Forschungskooperationen.
Modell: Der DAAD nutzt ein dreidimensionales Framework, um internationale Entwicklungen vergleichbar zu machen.

2. USA – Dezentraler, marktnaher Ansatz

Strategischer Rahmen:
- Kein zentraler Ansatz; Entwicklung erfolgt dezentral durch Hochschulen, Bundesstaaten und föderale Initiativen.
- Fokus auf Wettbewerbsfähigkeit am Arbeitsmarkt und Partnerschaften mit der Tech-Industrie.
Beispiele:
- Executive Order 2023: Förderung von KI-Kompetenzen für Jugendliche und Lehrkräfte („AI Ready Workforce“).
- Traffic Light Approach (New York): Ampelmodell zur Klassifizierung von KI-Anwendungen in Schulen nach Risiko und pädagogischem Zweck:
  - Grün: Unterstützende Anwendungen für Lehrkräfte (z. B. Unterrichtsplanung).
  - Gelb: Sensible Anwendungen unter menschlicher Aufsicht (z. B. Recherche, kreative Projekte).
  - Rot: Verbotene Anwendungen (z. B. Benotung, Förderpläne).
- Hochschulen: Einführung fachbezogener KI-Kompetenzen (z. B. Ohio State University ab 2029) oder uniweite Richtlinien (z. B. Columbia University).
Herausforderungen:
- Hohe Abhängigkeit von Technologieunternehmen (z. B. Google, Amazon) wirft Fragen zu Datenschutz und kommerziellen Interessen auf.
- Zwischenfazit: Innovationsgetrieben, arbeitsmarktorientiert, aber mit Risiken der Plattformabhängigkeit.

3. Japan – KI als gesellschaftliche Grundkompetenz

Strategischer Rahmen:
- Vision „Society 5.0“: KI als Lösung für soziale Probleme (z. B. Überalterung, Nachhaltigkeit).
- Nationale KI-Strategie 2019: Systematischer Kompetenzaufbau als gesellschaftliche Aufgabe („human-centered AI“).
Umsetzung:
- MDASH-Programm: Standardisiertes Zertifizierungsprogramm für Hochschulen mit zwei Stufen:
  - Literacy Level: Grundlagen für alle Studierenden.
  - Applied Basic Level: Fachspezifische Anwendung (z. B. Medizin, Ingenieurwesen).
- Erfolge: Über 600 Universitäten zertifiziert; Ziel von 500.000 KI-kompetenten Absolvent:innen pro Jahr erreicht.
- Beispiel: Tokyo University integriert KI als Querschnittskompetenz in alle Studiengänge.
Aktuelle Entwicklungen:
- Neue KI-Strategie 2023: Fokus auf industrielle Anwendung und menschliche Kompetenzen als Gegengewicht zu KI.
- Frage: Wie lassen sich menschliche Fähigkeiten (z. B. kritisches Denken) angesichts allgegenwärtiger KI-Nutzung fördern?
Zwischenfazit: KI als Grundkompetenz für die gesamte Gesellschaft; standardisierte Curricula mit Fokus auf Ethik und Praxis.

4. Brasilien – Fokus auf Inklusion und Souveränität

Strategischer Rahmen:
- Leitfaden für verantwortungsvolle KI: Partizipative Entwicklung nationaler Richtlinien für Bildung.
- Nationale Strategie Wissenschaft, Technologie und Innovation (2024–2034): KI als Hebel für Innovation und Wettbewerbsfähigkeit, aber mit Betonung auf sozialer Gerechtigkeit.
- Brasilianischer KI-Plan (2022–2026): Ziele wie Lebensqualitätsverbesserung, grüne Datacenter, portugiesischsprachige KI-Modelle.
KI-Kompetenzverständnis:
- Breites Spektrum: KI-Literacy, digitale Kompetenzen, ethische Bewertung, pädagogische Anwendung, institutionelle Governance.
- Herausforderung: Hohe Nutzungsbereitschaft (70 % der Schüler:innen), aber geringer Fortbildungsstand der Lehrkräfte (64 % fühlen sich unvorbereitet).
Beispiele:
- Paraná: KI als Pflichtfach ab der 9. Klasse (UNESCO-preisgekrönt).
- Universität Brasília: Zertifizierte Fortbildung für 1.000 Lehrkräfte („JAGUAR/SEU-Projekt“).
- Sao Paulo: Hochschulen mit KI-Abteilungen (z. B. USP), Supercomputer für Forschung, Kooperationen mit Industrie (z. B. Shell).
Zwischenfazit: Verantwortungsvolle Nutzung, digitale Teilhabe und technologische Souveränität als zentrale Ziele; partizipative Strategieentwicklung.

5. Globale Trends und pädagogische Steuerungsmodelle

Entwicklung von „Verstehen“ zu „Nutzen“:
- Früher: Fokus auf AI Literacy (Funktionsweise von KI).
- Heute: Produktive, fachspezifische Anwendung und Integration in Curricula.
Spannungsfeld Mensch-Maschine:
- Risiken: „Skill Skipping“ (Überspringen von Lernstufen) und „Deskilling“ (Verlust von Basisfähigkeiten).
- Lösungsansätze: Förderung menschlicher Kompetenzen (z. B. kritisches Denken) als Gegengewicht zu KI.
Beispiel „Traffic Light Approach“: Siehe USA; zeigt, wie KI-Anwendungen nach Risiko und pädagogischem Nutzen klassifiziert werden können.

Fazit

Handlungsempfehlungen:
- Hochschulen: KI-Kompetenzen als Querschnittsthema in alle Studiengänge integrieren (Beispiel Japan) und gleichzeitig menschliche Fähigkeiten stärken.
- Politik: Rahmenbedingungen für verantwortungsvolle KI-Nutzung schaffen (Beispiel Brasilien) und internationale Kooperationen ausbauen (z. B. EU-Mercosur-Partnerschaft).
- Praxis: Modelle wie das Ampelmodell (USA) oder standardisierte Zertifizierungen (Japan) können als Blaupause für andere Länder dienen.
Botschaft:
- KI-Kompetenz ist kein rein technisches Thema, sondern erfordert eine mehrdimensionale Betrachtung (Akteur:innen, Kompetenzbereiche, Anwendungskontexte).
- Internationale Ansätze zeigen, dass erfolgreiche Strategien kulturelle und gesellschaftliche Werte widerspiegeln – ein „One-Size-Fits-All“-Modell gibt es nicht.
- Die Balance zwischen technologischer Innovation und menschlicher Handlungsfähigkeit bleibt eine zentrale Herausforderung.

Fragen & Antworten

Welche Gruppen wurden bei der Betrachtung von KI-Kompetenzen berücksichtigt – nur Studierende oder generell alle Nutzer?

Die Betrachtung fokussiert sich zwar auf den Hochschulbereich, umfasst aber ganzheitlich verschiedene Akteure, darunter Studierende, Lehrende, Forschende sowie akademisch verwaltende Mitarbeitende.

Was sind die größten Unterschiede und Gemeinsamkeiten der drei vorgestellten Länder im Umgang mit KI?

Gemeinsam ist allen Ländern der zunehmende Fokus auf die praktische Anwendung. Die Unterschiede liegen in den Ansätzen: Die USA verfolgen einen dezentralen, marktnahen und innovationsgetriebenen Weg, Japan betrachtet KI als gesellschaftliche Grundkompetenz für alle, und Brasilien legt einen starken Fokus auf verantwortungsvolle Nutzung und digitale Teilhabe.

Glossar

Begriff	Definition
Society 5.0	Ein japanisches Zukunftsbild einer Gesellschaft, die durch die Vernetzung von physischem Raum und Cyberspace soziale Probleme wie Überalterung lösen möchte.
Traffic Light Approach	Ein in New York genutztes Ampelmodell zur Klassifizierung von KI-Anwendungen in Schulen nach Risiko und pädagogischem Zweck in die Kategorien Grün, Gelb und Rot.
MDASH-Programm	Ein standardisiertes japanisches Zertifizierungsprogramm für Hochschulen, das Kompetenzen in Mathematik, Data Science und KI auf Literacy- und Applied-Basic-Level vermittelt.
Skill Skipping	Das Phänomen, bei dem durch den Einsatz von KI klassische Lernstufen im Bildungsprozess übersprungen werden.
Deskilling	Der Verlust von grundlegenden menschlichen Fähigkeiten durch die zunehmende Automatisierung und Nutzung von KI.
AI Ready Workforce	Ein Ziel der US-amerikanischen Strategie zur Förderung von KI-Kompetenzen bei Jugendlichen und Lehrkräften, um die Wettbewerbsfähigkeit am Arbeitsmarkt zu sichern.
Technologische Souveränität	Ein zentrales Ziel der brasilianischen KI-Strategie, das die Unabhängigkeit in der Entwicklung von Infrastrukturen und Sprachmodellen betont.
Human-centered AI	Ein Leitprinzip der japanischen KI-Strategie, bei dem die KI dazu dient, die menschliche Produktivität zu steigern und soziale Probleme zu lösen.

Diagramm

100%

mindmap
  root)KI-Kompetenzen im internationalen Vergleich(
    ["Mehrdimensionalität von KI-Kompetenzen"]
      ["Akteur:innen: Politik, Hochschulen, Forschung"]
      ["Kompetenzbereiche: Technik, Ethik, Recht"]
      ["DAAD-Framework: 3D-Vergleichsmodell"]
    ["USA: Dezentraler Ansatz"]
      ["Marktnahe Strategie: Arbeitsmarkt, Tech-Partnerschaften"]
      ["Traffic Light Approach: Risikoklassifizierung"]
      ["Herausforderung: Plattformabhängigkeit"]
    ["Japan: Gesellschaftliche Grundkompetenz"]
      ["Society 5.0: KI für soziale Probleme"]
      ["MDASH-Programm: 2-stufige Zertifizierung"]
      ["Fokus: Ethik und Praxisintegration"]
    ["Brasilien: Inklusion und Souveränität"]
      ["Nationale Strategie: Soziale Gerechtigkeit"]
      ["KI-Pflichtfach ab 9. Klasse (Paraná)"]
      ["Herausforderung: Lehrkräfte-Fortbildung"]
    ["Globale Trends"]
      ["Shift: Von Verstehen zu Nutzen"]
      ["Spannungsfeld: Mensch vs. Maschine"]
      ["Steuerung: Ampelmodell, Zertifizierungen"]