Variante 1: Tabelle
Fall 1: KI-Agenten
In diesem Fall ging es um KI-Agenten.
bis zum Alumni-Treffen
in 9 Monaten
in 12 Monaten
Mein Ziel
Ein tragfähiger und intern abgestimmter Umsetzungsansatz liegt vor. Der konkrete KI-Anwendungsfall ist beschrieben, erste Bedarfe sind erhoben und es gibt eine gemeinsame Einschätzung, welche Funktion das Assistenzsystem übernehmen soll – und welche ausdrücklich nicht.
Ein begrenzter Prototyp ist in einem ausgewählten Pilotbereich testbar. Studierende können erste typische Fragen stellen, zum Beispiel zu Fristen, Beratungsangeboten, Studienorganisation oder passenden Ansprechpersonen.
Der Pilotbetrieb ist abgeschlossen oder weit fortgeschritten. Es liegt eine belastbare Entscheidungsgrundlage dafür vor, ob und unter welchen Bedingungen das System auf weitere Bereiche der Hochschule übertragen werden kann.
Mein Weg zum Ziel
Bedarfsgespräche mit Studienberatung, Studierenden und IT führen; typische Anliegen sammeln; Zielgruppe und Nutzungsszenarien eingrenzen; Datenschutz, Barrierefreiheit und Zuständigkeiten frühzeitig mitdenken; kurze Entscheidungsvorlage für die nächste Projektphase erstellen.
KI-Agenten direkt in der Personalverwaltung Wissensbasis aufbauen und qualitätssichern; technischen Prototyp entwickeln oder vorhandenes Tool konfigurieren; Testgruppe gewinnen; Feedbackschleifen einplanen; Kommunikationsmaterialien erstellen, die klar erklären, was das System leisten kann und wann menschliche Beratung notwendig bleibt.
Pilot auswerten; Nutzungsdaten und qualitative Rückmeldungen zusammenführen; Antwortqualität prüfen; Pflege- und Verantwortungsprozesse definieren; Skalierungsszenarien entwickeln; Ressourcenbedarf, Governance und Anschlussfähigkeit an bestehende Hochschulportale klären.
Einbezogene Personen
Studienberatung, Studierende bzw. Studierendenvertretung, IT-Abteilung, Datenschutzbeauftragte:r, Hochschuldidaktik, Qualitätsmanagement, ggf. ein:e Vertreter:in der Hochschulleitung
Pilot-Fachbereich oder ausgewählter Studiengang, Studienberatung, IT-Betrieb, Kommunikation, Datenschutz, studentische Tester:innen, ggf. externe Anbieter oder interne KI-/Digitalisierungsexpert:innen.
Hochschulleitung, zentrale Verwaltung, Fakultäten/Fachbereiche, Studienberatung, IT, Qualitätsmanagement, Kommunikation, Personalentwicklung, Governance-Gremium für digitale Transformation oder KI.
Mögliche Herausforderungen
Zu breiter Anwendungsfall; unklare Erwartungen an KI; Sorge vor Ersatz persönlicher Beratung; Datenschutzbedenken; fehlende Übersicht über vorhandene Informationsquellen; unterschiedliche Interessen der beteiligten Bereiche.
Unvollständige oder veraltete Wissensbasis; technische Schnittstellen fehlen; Antworten wirken zu allgemein oder fehleranfällig; geringe Beteiligung von Studierenden im Test; hoher Aufwand für redaktionelle Pflege.
Skalierung erzeugt neue Komplexität; Zuständigkeiten bleiben unklar; Finanzierung und Betrieb sind nicht langfristig gesichert; Qualitätssicherung wird unterschätzt; Akzeptanz sinkt, wenn Fehler nicht transparent bearbeitet werden.
So löse ich die Herausforderung
Den Fall bewusst eng zuschneiden und mit einem klaren Pilotfokus starten; Erwartungen transparent kommunizieren; KI als Ergänzung, nicht als Ersatz der Beratung rahmen; Datenschutz und Studierende von Beginn an beteiligen; vorhandene Informationsquellen priorisieren statt alles gleichzeitig integrieren.
Mit geprüften, begrenzten Inhalten beginnen; klare Eskalationswege zu menschlicher Beratung einbauen; regelmäßige Feedbacktermine festlegen; Testgruppe aktiv begleiten; Pflegeaufwand sichtbar machen und redaktionelle Verantwortung früh klären.
Skalierung nur auf Basis definierter Qualitätskriterien vornehmen; Governance, Budget und Verantwortlichkeiten schriftlich festhalten; Monitoring dauerhaft verankern; Fehlerkultur und transparente Kommunikation etablieren; Weiterentwicklung als kontinuierlichen Serviceprozess statt als einmaliges IT-Projekt planen.
Fall 2: KI-Agenten
bis zum Alumni-Treffen
in 9 Monaten
in 12 Monaten
Mein Ziel
KI-Agenten entwickeln
KI-Agenten testen
Weltherrschaft
Mein Weg zum Ziel
Mit vielen verschiedenen Leuten sprechen und es am Ende von ChatGPT machen lassen
KI-Agenten direkt in der Personalverwaltung implementieren
DIe KI eine Lösung dafür entwickeln lassen
Einbezogene Personen
Die KI und ich
Die KI und ich
Die KI und ich
Variante2
Fall 2.2
Themenschwerpunkt 1: Digitale Souveränität
Fall 1: Proprietäre Anbieter
Schlüsselfrage: Wie kann eine Hochschule generative KI nutzen, ohne sich dauerhaft von einzelnen kommerziellen Anbietern und proprietären Plattformen abhängig zu machen?
Lösungsidee: Statt auf ein einzelnes KI-Tool zu setzen, schafft die Hochschule einen flexiblen Zugang zu verschiedenen Modellen und Anbietern. So bleiben Wechselmöglichkeiten erhalten und Datenschutz, Kosten sowie technische Abhängigkeiten besser steuerbar.
Stakeholder: Beteiligt sind insbesondere Hochschulleitung, IT, Datenschutz, Beschaffung, Lehrende, Studierende und Verwaltung. Auch Kooperationen mit anderen Hochschulen können eine wichtige Rolle spielen.
Erfolgsfaktoren und Stolpersteine: Erfolgsentscheidend sind klare Ziele, offene technische Standards und früh abgestimmte Zuständigkeiten. Stolpersteine entstehen vor allem durch kurzfristige Einzelentscheidungen, fehlende Exit-Strategien und eine zu starke Bindung an einzelne Anbieter.
Quick Wins und Big Ideas: Kurzfristig können bestehende KI-Dienste und Abhängigkeiten erfasst sowie gemeinsame Auswahlkriterien entwickelt werden. Langfristig sind hochschulübergreifende KI-Infrastrukturen oder gemeinsame Beschaffungs- und Betriebsmodelle denkbar.
Handlungsempfehlungen: Ausgangspunkt sollten nicht einzelne Tools, sondern die Anforderungen der Hochschule sein. Wechselmöglichkeiten, Datenschutz und Kosten sollten von Beginn an mitgedacht und Kooperationen mit anderen Hochschulen gezielt genutzt werden.
Offene Fragen: Welche Abhängigkeiten sind akzeptabel? Welche Dienste sollten selbst oder gemeinsam betrieben werden? Und welche Kompetenzen muss die Hochschule langfristig selbst vorhalten?
Kontakt: KI-Lab / Hochschulforum Digitalisierung, [Ansprechperson und Kontakt]
Fall 2: RAG-Modelle
Schlüsselfrage: Wie kann eine Hochschule generative KI nutzen, ohne sich dauerhaft von einzelnen kommerziellen Anbietern und proprietären Plattformen abhängig zu machen?
Lösungsidee: Statt auf ein einzelnes KI-Tool zu setzen, schafft die Hochschule einen flexiblen Zugang zu verschiedenen Modellen und Anbietern. So bleiben Wechselmöglichkeiten erhalten und Datenschutz, Kosten sowie technische Abhängigkeiten besser steuerbar.
Stakeholder: Beteiligt sind insbesondere Hochschulleitung, IT, Datenschutz, Beschaffung, Lehrende, Studierende und Verwaltung. Auch Kooperationen mit anderen Hochschulen können eine wichtige Rolle spielen.
Erfolgsfaktoren und Stolpersteine: Erfolgsentscheidend sind klare Ziele, offene technische Standards und früh abgestimmte Zuständigkeiten. Stolpersteine entstehen vor allem durch kurzfristige Einzelentscheidungen, fehlende Exit-Strategien und eine zu starke Bindung an einzelne Anbieter.
Quick Wins und Big Ideas: Kurzfristig können bestehende KI-Dienste und Abhängigkeiten erfasst sowie gemeinsame Auswahlkriterien entwickelt werden. Langfristig sind hochschulübergreifende KI-Infrastrukturen oder gemeinsame Beschaffungs- und Betriebsmodelle denkbar.
Handlungsempfehlungen: Ausgangspunkt sollten nicht einzelne Tools, sondern die Anforderungen der Hochschule sein. Wechselmöglichkeiten, Datenschutz und Kosten sollten von Beginn an mitgedacht und Kooperationen mit anderen Hochschulen gezielt genutzt werden.
Offene Fragen: Welche Abhängigkeiten sind akzeptabel? Welche Dienste sollten selbst oder gemeinsam betrieben werden? Und welche Kompetenzen muss die Hochschule langfristig selbst vorhalten?
Kontakt: KI-Lab / Hochschulforum Digitalisierung, [Ansprechperson und Kontakt]
Fall 3: Open-Source-Modelle
Schlüsselfrage: Wie kann eine Hochschule generative KI nutzen, ohne sich dauerhaft von einzelnen kommerziellen Anbietern und proprietären Plattformen abhängig zu machen?
Lösungsidee: Statt auf ein einzelnes KI-Tool zu setzen, schafft die Hochschule einen flexiblen Zugang zu verschiedenen Modellen und Anbietern. So bleiben Wechselmöglichkeiten erhalten und Datenschutz, Kosten sowie technische Abhängigkeiten besser steuerbar.
Stakeholder: Beteiligt sind insbesondere Hochschulleitung, IT, Datenschutz, Beschaffung, Lehrende, Studierende und Verwaltung. Auch Kooperationen mit anderen Hochschulen können eine wichtige Rolle spielen.
Erfolgsfaktoren und Stolpersteine: Erfolgsentscheidend sind klare Ziele, offene technische Standards und früh abgestimmte Zuständigkeiten. Stolpersteine entstehen vor allem durch kurzfristige Einzelentscheidungen, fehlende Exit-Strategien und eine zu starke Bindung an einzelne Anbieter.
Quick Wins und Big Ideas: Kurzfristig können bestehende KI-Dienste und Abhängigkeiten erfasst sowie gemeinsame Auswahlkriterien entwickelt werden. Langfristig sind hochschulübergreifende KI-Infrastrukturen oder gemeinsame Beschaffungs- und Betriebsmodelle denkbar.
Handlungsempfehlungen: Ausgangspunkt sollten nicht einzelne Tools, sondern die Anforderungen der Hochschule sein. Wechselmöglichkeiten, Datenschutz und Kosten sollten von Beginn an mitgedacht und Kooperationen mit anderen Hochschulen gezielt genutzt werden.
Offene Fragen: Welche Abhängigkeiten sind akzeptabel? Welche Dienste sollten selbst oder gemeinsam betrieben werden? Und welche Kompetenzen muss die Hochschule langfristig selbst vorhalten?
Kontakt: KI-Lab / Hochschulforum Digitalisierung, [Ansprechperson und Kontakt]
Fall 4: Digitale Souveränität in der Verwaltung
Schlüsselfrage: Wie kann eine Hochschule generative KI nutzen, ohne sich dauerhaft von einzelnen kommerziellen Anbietern und proprietären Plattformen abhängig zu machen?
Lösungsidee: Statt auf ein einzelnes KI-Tool zu setzen, schafft die Hochschule einen flexiblen Zugang zu verschiedenen Modellen und Anbietern. So bleiben Wechselmöglichkeiten erhalten und Datenschutz, Kosten sowie technische Abhängigkeiten besser steuerbar.
Stakeholder: Beteiligt sind insbesondere Hochschulleitung, IT, Datenschutz, Beschaffung, Lehrende, Studierende und Verwaltung. Auch Kooperationen mit anderen Hochschulen können eine wichtige Rolle spielen.
Erfolgsfaktoren und Stolpersteine: Erfolgsentscheidend sind klare Ziele, offene technische Standards und früh abgestimmte Zuständigkeiten. Stolpersteine entstehen vor allem durch kurzfristige Einzelentscheidungen, fehlende Exit-Strategien und eine zu starke Bindung an einzelne Anbieter.
Quick Wins und Big Ideas: Kurzfristig können bestehende KI-Dienste und Abhängigkeiten erfasst sowie gemeinsame Auswahlkriterien entwickelt werden. Langfristig sind hochschulübergreifende KI-Infrastrukturen oder gemeinsame Beschaffungs- und Betriebsmodelle denkbar.
Handlungsempfehlungen: Ausgangspunkt sollten nicht einzelne Tools, sondern die Anforderungen der Hochschule sein. Wechselmöglichkeiten, Datenschutz und Kosten sollten von Beginn an mitgedacht und Kooperationen mit anderen Hochschulen gezielt genutzt werden.
Offene Fragen: Welche Abhängigkeiten sind akzeptabel? Welche Dienste sollten selbst oder gemeinsam betrieben werden? Und welche Kompetenzen muss die Hochschule langfristig selbst vorhalten?
Kontakt: KI-Lab / Hochschulforum Digitalisierung, [Ansprechperson und Kontakt]
Variante3
Fall 3.1
Themenschwerpunkt 1: Digitale Souveränität
Schlüsselfrage: Wie kann eine Hochschule generative KI nutzen, ohne sich dauerhaft von einzelnen kommerziellen Anbietern und proprietären Plattformen abhängig zu machen?
Lösungsidee: Statt auf ein einzelnes KI-Tool zu setzen, schafft die Hochschule einen flexiblen Zugang zu verschiedenen Modellen und Anbietern. So bleiben Wechselmöglichkeiten erhalten und Datenschutz, Kosten sowie technische Abhängigkeiten besser steuerbar.
Stakeholder: Beteiligt sind insbesondere Hochschulleitung, IT, Datenschutz, Beschaffung, Lehrende, Studierende und Verwaltung. Auch Kooperationen mit anderen Hochschulen können eine wichtige Rolle spielen.
Erfolgsfaktoren und Stolpersteine: Erfolgsentscheidend sind klare Ziele, offene technische Standards und früh abgestimmte Zuständigkeiten. Stolpersteine entstehen vor allem durch kurzfristige Einzelentscheidungen, fehlende Exit-Strategien und eine zu starke Bindung an einzelne Anbieter.
Quick Wins und Big Ideas: Kurzfristig können bestehende KI-Dienste und Abhängigkeiten erfasst sowie gemeinsame Auswahlkriterien entwickelt werden. Langfristig sind hochschulübergreifende KI-Infrastrukturen oder gemeinsame Beschaffungs- und Betriebsmodelle denkbar.
Handlungsempfehlungen: Ausgangspunkt sollten nicht einzelne Tools, sondern die Anforderungen der Hochschule sein. Wechselmöglichkeiten, Datenschutz und Kosten sollten von Beginn an mitgedacht und Kooperationen mit anderen Hochschulen gezielt genutzt werden.
Offene Fragen: Welche Abhängigkeiten sind akzeptabel? Welche Dienste sollten selbst oder gemeinsam betrieben werden? Und welche Kompetenzen muss die Hochschule langfristig selbst vorhalten?
Kontakt: KI-Lab / Hochschulforum Digitalisierung, [Ansprechperson und Kontakt]
Schlüsselfrage: Wie kann eine Hochschule generative KI nutzen, ohne sich dauerhaft von einzelnen kommerziellen Anbietern und proprietären Plattformen abhängig zu machen?
Lösungsidee: Statt auf ein einzelnes KI-Tool zu setzen, schafft die Hochschule einen flexiblen Zugang zu verschiedenen Modellen und Anbietern. So bleiben Wechselmöglichkeiten erhalten und Datenschutz, Kosten sowie technische Abhängigkeiten besser steuerbar.
Stakeholder: Beteiligt sind insbesondere Hochschulleitung, IT, Datenschutz, Beschaffung, Lehrende, Studierende und Verwaltung. Auch Kooperationen mit anderen Hochschulen können eine wichtige Rolle spielen.
Erfolgsfaktoren und Stolpersteine: Erfolgsentscheidend sind klare Ziele, offene technische Standards und früh abgestimmte Zuständigkeiten. Stolpersteine entstehen vor allem durch kurzfristige Einzelentscheidungen, fehlende Exit-Strategien und eine zu starke Bindung an einzelne Anbieter.
Quick Wins und Big Ideas: Kurzfristig können bestehende KI-Dienste und Abhängigkeiten erfasst sowie gemeinsame Auswahlkriterien entwickelt werden. Langfristig sind hochschulübergreifende KI-Infrastrukturen oder gemeinsame Beschaffungs- und Betriebsmodelle denkbar.
Handlungsempfehlungen: Ausgangspunkt sollten nicht einzelne Tools, sondern die Anforderungen der Hochschule sein. Wechselmöglichkeiten, Datenschutz und Kosten sollten von Beginn an mitgedacht und Kooperationen mit anderen Hochschulen gezielt genutzt werden.
Offene Fragen: Welche Abhängigkeiten sind akzeptabel? Welche Dienste sollten selbst oder gemeinsam betrieben werden? Und welche Kompetenzen muss die Hochschule langfristig selbst vorhalten?
Kontakt: KI-Lab / Hochschulforum Digitalisierung, [Ansprechperson und Kontakt]
Schlüsselfrage: Wie kann eine Hochschule generative KI nutzen, ohne sich dauerhaft von einzelnen kommerziellen Anbietern und proprietären Plattformen abhängig zu machen?
Lösungsidee: Statt auf ein einzelnes KI-Tool zu setzen, schafft die Hochschule einen flexiblen Zugang zu verschiedenen Modellen und Anbietern. So bleiben Wechselmöglichkeiten erhalten und Datenschutz, Kosten sowie technische Abhängigkeiten besser steuerbar.
Stakeholder: Beteiligt sind insbesondere Hochschulleitung, IT, Datenschutz, Beschaffung, Lehrende, Studierende und Verwaltung. Auch Kooperationen mit anderen Hochschulen können eine wichtige Rolle spielen.
Erfolgsfaktoren und Stolpersteine: Erfolgsentscheidend sind klare Ziele, offene technische Standards und früh abgestimmte Zuständigkeiten. Stolpersteine entstehen vor allem durch kurzfristige Einzelentscheidungen, fehlende Exit-Strategien und eine zu starke Bindung an einzelne Anbieter.
Quick Wins und Big Ideas: Kurzfristig können bestehende KI-Dienste und Abhängigkeiten erfasst sowie gemeinsame Auswahlkriterien entwickelt werden. Langfristig sind hochschulübergreifende KI-Infrastrukturen oder gemeinsame Beschaffungs- und Betriebsmodelle denkbar.
Handlungsempfehlungen: Ausgangspunkt sollten nicht einzelne Tools, sondern die Anforderungen der Hochschule sein. Wechselmöglichkeiten, Datenschutz und Kosten sollten von Beginn an mitgedacht und Kooperationen mit anderen Hochschulen gezielt genutzt werden.
Offene Fragen: Welche Abhängigkeiten sind akzeptabel? Welche Dienste sollten selbst oder gemeinsam betrieben werden? Und welche Kompetenzen muss die Hochschule langfristig selbst vorhalten?
Kontakt: KI-Lab / Hochschulforum Digitalisierung, [Ansprechperson und Kontakt]
Schlüsselfrage: Wie kann eine Hochschule generative KI nutzen, ohne sich dauerhaft von einzelnen kommerziellen Anbietern und proprietären Plattformen abhängig zu machen?
Lösungsidee: Statt auf ein einzelnes KI-Tool zu setzen, schafft die Hochschule einen flexiblen Zugang zu verschiedenen Modellen und Anbietern. So bleiben Wechselmöglichkeiten erhalten und Datenschutz, Kosten sowie technische Abhängigkeiten besser steuerbar.
Stakeholder: Beteiligt sind insbesondere Hochschulleitung, IT, Datenschutz, Beschaffung, Lehrende, Studierende und Verwaltung. Auch Kooperationen mit anderen Hochschulen können eine wichtige Rolle spielen.
Erfolgsfaktoren und Stolpersteine: Erfolgsentscheidend sind klare Ziele, offene technische Standards und früh abgestimmte Zuständigkeiten. Stolpersteine entstehen vor allem durch kurzfristige Einzelentscheidungen, fehlende Exit-Strategien und eine zu starke Bindung an einzelne Anbieter.
Quick Wins und Big Ideas: Kurzfristig können bestehende KI-Dienste und Abhängigkeiten erfasst sowie gemeinsame Auswahlkriterien entwickelt werden. Langfristig sind hochschulübergreifende KI-Infrastrukturen oder gemeinsame Beschaffungs- und Betriebsmodelle denkbar.
Handlungsempfehlungen: Ausgangspunkt sollten nicht einzelne Tools, sondern die Anforderungen der Hochschule sein. Wechselmöglichkeiten, Datenschutz und Kosten sollten von Beginn an mitgedacht und Kooperationen mit anderen Hochschulen gezielt genutzt werden.
Offene Fragen: Welche Abhängigkeiten sind akzeptabel? Welche Dienste sollten selbst oder gemeinsam betrieben werden? Und welche Kompetenzen muss die Hochschule langfristig selbst vorhalten?
Kontakt: KI-Lab / Hochschulforum Digitalisierung, [Ansprechperson und Kontakt]
