Künstliche Intelligenz verspricht ein Mehr an Effektivität und Effizienz. Dementsprechend wird im Hochschulkontext sehr viel über mögliche Potentiale gesprochen und über theoretische Anwendungsmöglichkeiten verhandelt. Patrick Thiemig beschreibt, wie man aus der theoretischen Diskussion zur praktischen Umsetzung kommt. Doch warum ist Erfahrung so wichtig?

In meinen Gesprächen als Change Manager der Universität Münster mit Kolleginnen und Kollegen dreht sich das Thema generative KI oft um die möglichen Anwendungsfälle und Potentiale. Was mir dann aber immer wieder begegnet, ist dieses diffuse Gefühl, nicht zu wissen, wo man beginnen soll. Rahmenbedingungen in Form von Richtlinien und Strategien sind richtig und wichtig und wenn diese dann mit Erfahrungswerten verbunden werden können, wird eine praktische und zum Teil schon erprobte Vorgehensweise dem definierten Rahmenwerk das nötige Leben einhauchen.

Aus diesem Grund hatte ich die Idee, diese Erfahrungsgrundlage zu schaffen. Formalisierte Fortbildungen in Form von Prompting-Workshops, also der How-To-Approach und somit das Handwerk, sind an der Universität Münster bereits seit 2025 etabliert. Wir wollten zusätzlich aber echten Austausch der Lernenden untereinander ermöglichen und einen gesicherten Rahmen schaffen, um sich auszuprobieren. In diesem agieren mein Kollege, Christian Richter, und ich nicht als Dozierende, sondern als Lernbegleitungen.

Da wir Agenten es als eine Chance begreifen, KI in Arbeitsprozesse zu integrieren, haben wir uns entschieden, ein sehr stark auf Partizipation ausgerichtetes Format umzusetzen. Darin legen wir einen hohen Wert darauf, generative KI und die damit zusammenhängenden Implikationen erfahrbar zu machen.

Jetzt könnte man sich natürlich die Frage stellen, warum wir die Funktion nicht einfach nur freigeben, ein E-Learning erstellen und dann die Kolleginnen und Kollegen einfach loslegen lassen? Genau das tun wir, aber es gibt ebenfalls Interessierte, die die erste Hemmschwelle nicht überwinden. Sie wissen schlicht nicht, wo sie anfangen sollen, erahnen aber das Potential. Genau für diese Zielgruppe wurde das Format entwickelt. Dieses ist bewusst offen gestaltet, sodass Professor:innen neben Assistent:innen, Entwickler:innen und Verwaltungsangestellten sitzen. Uns war es wichtig, die unterschiedlichen Hochschulperspektiven zusammenzubringen und nicht nach Zielgruppen aufzuteilen.

Das Format ist dreigeteilt, damit die Arbeitsphase möglichst produktiv ist. In einem halbstündigen Vorbereitungstermin per Zoom erklären wir die Lernziele und definieren Begrifflichkeiten. Des Weiteren wird eine Vorlage vorgestellt, die die Lernenden vorab ausfüllen sollen. In der Vorlage – inspiriert am Canvas des HFD-Botcamps – wird das Problem beschrieben und was ein Agent zur Lösung beitragen könnte. Ebenfalls werden Metadaten, wie zum Beispiel Datenverantwortliche, BSI-Grundschutzeinschätzung oder Risikobewertung, abgefragt. Diese Informationen dienen meinem Kollegen und mir zur Einschätzung, ob überhaupt ein KI-Agent die Lösung und das Vorhaben grundsätzlich umsetzbar ist.

Der Experimentierraum ist für 20 Personen geöffnet, findet in Präsenz statt und dauert drei Stunden. Wir haben uns für Präsenz entschieden, weil wir eine kollegiale Arbeitsatmosphäre schaffen und echten Austausch untereinander ermöglichen wollen. Zu Beginn der Veranstaltung zeigen wir, wie ein KI-Agent konfiguriert wird. Danach erstellen die Lernenden ihre jeweiligen Prototypen. Wir begleiten den Vorgang, beantworten Fragen und beheben Fehler. 

Der zweistündige Abschlusstermin per Zoom ist ungefähr zwei Wochen nach dem Experimentierraum und behandelt dann zwei zentrale Fragestellungen: Wie testet man die KI-Agenten gründlich durch und wie haben sich die Prototypen weiterentwickelt? Ich erläutere die Testfälle und zeige in einer Live-Demo typische Fehlerquellen. Danach präsentieren die Lernenden ihre Prototypen und berichten von ihren Erfahrungen. Das ist uns besonders wichtig, weil wir Wert darauf legen, dass eine dauerhafte und etablierte Lerngemeinschaft entsteht und man sich gegenseitig zu neuen Ideen inspiriert.

Jetzt haben wir viele Prototypen, aber wie geht es damit weiter? Uns war es von Anfang an wichtig, dass KI nicht als Selbstzweck genutzt wird, sondern dass aus den Prototypen ein echter Mehrwert entsteht. Es wird also im Nachhinein geprüft, welche KI-Agenten für die gesamte Universität geöffnet und welche weiterhin privat oder teamintern geteilt werden. Daher haben wir zusätzliche Nutzungsbedingungen für agentische KI im Rahmen von uniGPT entwickelt, die Verantwortlichkeiten festlegen, Zugriffsrechte und Autonomiegrade der Agenten regeln und benötigte Kompetenzen zur Entwicklung, aber auch zur Anwendung, definieren. Dieser Zusatz ist aktuell noch nicht verabschiedet.

Die wichtigste Funktion der zusätzlichen Nutzungsbedingungen ist es, ein Rahmenwerk für die Erstellung und den Einsatz von KI-Agenten festzulegen. Es werden daher technische Fragestellungen (Darf das Model Context Protocol lesend eingesetzt werden? Welche Systeme darf der Agent auslesen? Wer darf auf die Agenten zugreifen?) behandelt, sowie Rollen und Verantwortlichkeiten.

Wir unterscheiden fünf wesentliche Rollen für den Einsatz von KI-Agenten: Agenten-Designer:innen (Konfiguration der Agenten), Datenkurator:innen (inhaltlich verantwortliche Personen), Technik (Bereitstellung der Infrastruktur), Sicherheit und Compliance (Prüfung der Agenten auf IT-Sicherheit insbesondere Schnittstellen) und Qualitätskontrolle (Kriterienkatalog und Rahmen). Ebenfalls enthalten sind Ziele der Kompetenzentwicklung, hier vor allem AI Literacy und agentenspezifische Professionalitätsanforderungen. Weiterhin haben wir eine Deprovisionierungsstrategie entwickelt, inklusive Kill-Switch-Szenario, für den Fall, dass KI-Agenten nicht mehr eingesetzt werden sollen. Es handelt sich um eine Notfallstrategie, falls KI-Agenten, wie aktuell mehrfach in den Medien berichtet wird, deaktiviert werden müssen.

Die Veranstaltungen wurden sehr gut angenommen. Innerhalb von zwei Monaten haben wir vier Durchgänge gehabt und die Plätze waren sehr begehrt. Ein Großteil der Teilnehmenden findet über Netzwerkeffekte den Weg zu uns und das Interesse an weiteren Terminen ist ungebrochen.

Die wichtigste Erkenntnis für uns war, dass die Kolleginnen und Kollegen für konkrete Probleme sehr innovative Lösungsideen entwickeln. Wir haben über 30 verschiedene Anwendungsfälle von Chatbots bzw. KI-Agenten identifizieren können. Unser Ziel, die Probleme als Ausgangspunkt zu nutzen und nicht fertige KI-Agenten bereitzustellen, hat sich für uns sehr gut bewährt und die Anwendungsbreite hat uns selbst überrascht. Wir konnten die typische Falle vermeiden, eine Lösung zu präsentieren und erst danach nach einem passenden Problem zu suchen.

Die praxisnahen Anwendungsfälle ermöglichen es uns, jetzt das dazu passende Rahmenwerk zu entwickeln und auch andere Akteurinnen und Akteure der Universität vom Nutzen generativer KI zu überzeugen.

Wir haben zudem das Gefühl, einen großen Schritt in Richtung KI-Kompetenzentwicklung zu machen. Die Teilnehmenden lernen nicht nur die eigentliche Erstellung von KI-Agenten, sondern ebenfalls die Grenzen und die Bedingungen von generativer KI kennen. Zwei grundlegende Erkenntnisse der Lernenden möchte ich hier hervorheben. Die erste Erkenntnis ist, dass die eigentliche Konfiguration von KI-Agenten gar nicht so schwierig ist. Bis die erste Version des Prototyps läuft, vergeht im Durchschnitt eine halbe Stunde.

Durch das sich entwickelnde technische Grundverständnis verlieren die Teilnehmenden das diffuse Gefühl, welches KI aufgrund der technischen Komplexität (Stichwort Blackbox) mit sich bringt. Die zweite Erkenntnis in diesem Zusammenhang ist, dass den Lernenden klar wird, wie wichtig die Datenqualität ist. Aktuell arbeiten wir ausschließlich mit hochgeladenen Dateien und setzen das Model Context Protocol noch nicht ein. Die Lernenden erleben also live, wo die Grenzen von generativer KI liegen und wie Daten aufbereitet werden müssen, damit diese in KI-Agenten sauber verarbeitet und dementsprechend qualitative Antworten ausgegeben werden.

So bleibt mir am Ende nur zu sagen: Einfach mal machen und auf das kreative und innovative Potential der Kolleginnen und Kollegen vertrauen. An Hochschulen gibt es viele Freiräume für Experimente. Diese müssen gefunden, erschlossen und genutzt werden.

Dieser Text wurde unter Nutzung von generativer KI, DeepSeek-v4-flash (Zugriff am 11.09.2026), sprachlich überarbeitet. Die inhaltliche, konzeptionelle und redaktionelle Verantwortung trägt Patrick Thiemig.

Patrick Thiemig arbeitet im Center of Information Technology der Universität Münster. Als Change- und Wissensmanager setzt er sich intensiv mit Veränderungsdynamiken, Partizipationsformaten und Künstlicher Intelligenz auseinander. Er studierte Philosophie, Europäische Ethnologie und Volkskunde an der Universität Münster und war als Kurator im LWL-Industriemuseum Henrichshütte tätig.