Immer mehr Hochschulen sehen sich in der Verantwortung, ihren Angehörigen den Zugang zu generativen KI-Systemen zu ermöglichen. Dabei steht die Gewährleistung von sozialer Barrierefreiheit, Datenschutz und eine für die Zwecke der Hochschule angepasste Nutzung im Vordergrund. Erfahrungswissen, wie dies anzupacken ist, ist jedoch rar gesät. Ein ausgezeichneter Anlass, um mit dem Entwicklerteam von HAWKI zu sprechen. Bereits seit Mai letzten Jahres ist HAWKI an der Hochschule für angewandte Wissenschaft und Kunst Hildesheim/Holzminden/Göttingen (HAWK) im Einsatz und wird seitdem kontinuierlich weiterentwickelt, indem auch andere Hochschulen offen in den Lösungs- und Entwicklungsprozess einbezogen werden.

Seitdem ist viel passiert

Vor knapp einem dreiviertel Jahr bin ich bei meinen Recherchen auf HAWKI /hɔːki/ gestoßen – zu diesem Zeitpunkt eines der ersten Hochschul-Interfaces, über das den Angehörigen Zugang zum GPT-Sprachmodell ermöglicht wurde. Genutzt wird die API-Schnittstelle von OpenAI. Das Sahnehäubchen: das Interface, das als eine Art Benutzeroberfläche zur Interaktion mit dem Sprachmodell verstanden werden kann, liegt auf GitHub und ist damit für alle interessierten Hochschulen frei verfügbar. So kam ich in Kontakt mit Stefan Wölwer, einem der Ermöglicher des Interfaces und Professor für Interaction Design an der HAWK. Ihm stellte ich die Frage, ob das HAWKI-Team nicht Lust hätte, ihr Projekt unserer Community vorzustellen. Gefragt – getan. Nicht nur bei HAWKI ist seitdem viel passiert. Die Forderung nach sicheren, leistungsstarken generativen KI-Systemen, die den Angehörigen der Hochschulen kostenfrei zur Verfügung gestellt werden, scheint immer lauter zu werden. Ebenso werden die damit verbundenen Fragen bezüglich des operativen Prozesses zur Schaffung solcher Zugangslösungen immer häufiger gestellt. Lassen Sie uns deshalb erneut das Erfahrungswissen des HAWKI-Teams anzapfen.

Gesprochen habe ich mit dem Projektteam um Vincent Timm, Jonas Trippler und Stefan Wölwer darüber, wie aus einem Prototyp eine hochschulübergreifend genutzte Interface-Lösung wurde, wie sich diese Community-basiert weiterentwickelt, welche weiteren Pläne das Entwicklerteam hat und was neben den Aspekten rund um Technik und Finanzierung nicht vergessen werden darf.

(Kurze Disclaimer: HAWKI stellt nur ein KI-Zugangs-Modell unter weiteren Alternativen dar, wie Sie folgendem Übersichtbeitrag von Dr. Peter Salden, Dr. Malte Persike und Jonas Leschke entnehmen können.)

Mit einem Prototyp über kurze Wege zum Erfolg

Auf die Frage, warum HAWKI so schnell an den Start gehen konnte, gibt es mehr als nur einen Grund. Exemplarisch möchte ich drei skizzieren. Sie lassen erste Schlüsse zu, wie das Thema operativ angegangen werden kann und welche möglichen Vorbedingungen dabei hilfreich sind.

1. Wegbereiter

Zunächst ist zu erwähnen, dass das Projektteam um Timm, Trippler und Wölwer bei der Umsetzung ihrer Ideen bereits zu einem frühen Zeitpunkt Unterstützung ihrer Hochschule erhielt. Wie im Gespräch deutlich wurde, basiert diese Unterstützung sowohl auf der erkannten Bedeutung des Vorhabens als auch auf dem Vertrauen in die Notwendigkeit einer agilen Kommunikation zwischen Projektteam und hochschulinternen Stakeholdern.

Eine zentrale Rahmenbedingung stellt hierbei die 2021 veröffentlichte Digitalisierungsstrategie der HAWK dar. Wölwer, der selbst an dieser mitschrieb, berichtet: “Durch die AG-Digitalisierung und insbesondere der daraus resultierenden Strategie, haben viele Akteure unserer Hochschule ein Bewusstsein für die transformative Kraft von Digitalisierung entwickeln können. KI schließt unweigerlich daran an. Wenn jemand skeptisch nachfragt, warum wir HAWKI auf die Beine stellen, können wir begründen, worauf das Ergebnis abzielt. Das hat uns den Weg freigemacht.„

Neben der Digitalisierungsstrategie hat sich auch die chancenorientierte Positionierung zum Aufkommen generativer KI als unterstützend erwiesen. An der HAWK hätte man sich recht schnell auf eine technologieoffene Haltung einigen können. Zu diesem Zeitpunkt seien die medialen Debatten noch verstärkt von Skandalmeldungen geprägt, erinnert sich Wölwer: “Was ich wirklich schlimm fand, war, dass eine ganze Generation unter Generalverdacht gestellt wurde – dass alle mithilfe von ChatGPT nur betrügen wollen. Daher sind wir über unsere AG Digitalisierung ans Präsidium herangetreten und haben uns für eine offene Haltung eingesetzt und gesagt: ‘Wir wollen das aktiv nutzen. Vertraut den Studierenden.’ Diese Haltung hat sich etabliert und dazu geführt, dass wir frühzeitig die richtigen Weichen gestellt haben.” Nicht nur scheint das HAWKI-Projekt auf genau diesen ‘richtigen Weichen’ zu liegen, auch weist Wölwers Beitrag auf eine weitere Gelingensbedingung hin. So deutet sich durch das direkte Herantreten an das Präsidium an, dass sich die Kommunikationskultur an der HAWK durch kurze Wege kennzeichnet. Die kurzen Wege sollten im Verlauf des HAWKI-Projekts noch häufiger genutzt werden, wie das Team im Gesprächsverlauf immer wieder deutlich macht. Mit projektrelevanten Hochschulakteuren wie den Mitarbeiter:innen der IT, den Datenschutzbeauftragten sowie der Vizepräsidentin für Studium und Lehre, Katja Scholz-Bürig, konnten so umgehend Absprachen getroffen werden.

Digitalisierungsstrategie, KI-Positionierung und die Kommunikation über kurze Wege stellen wichtige Voraussetzungen dar, die in Zustimmung und Vertrauen münden und den Weg freimachen – aussichtsreiche Bedingungen, um einen Prototyp auf die Strecke zu bringen.

2. Schrittweise vom Prototyp zum Launch

Blicken wir genauer auf das Wirken im Projektteam selbst, dann kann als ein weiterer Erfolgsgrund die Profession des Teams herangezogen werden. Timm, Trippler und Wölwer sind im Interaction Design beheimatet, wo die Entwicklung von Prototypen quasi zum Kerngeschäft gehört. Bereits im Januar 2023 konnte das Team auf einen ersten Interface-Prototyp blicken. Zum typischen Vorgehen gehört dabei eine inkrementelle Entwicklung basierend auf Erprobung, Reflexion und Anpassung, die nicht allein technische Facetten berücksichtigt, sondern auch Design und sozialwissenschaftliche Implikationen einbezieht. So erklärt Wölwer: “Wir fokussieren uns nicht allein auf das Interface, sondern schauen auch immer auch auf die Systeme drumherum, worunter alle Stakeholder fallen, die an der Ermöglichung, Nutzung und Weiterentwicklung beteiligt sind.” Weil sich das im Vorfeld niemals vollständig antizipieren lässt, sondern das Feedback der ‘Systeme’ erfordert, hat das Team sich im Mai letzten Jahres dazu entschlossen, HAWKI zunächst langsam auszurollen. Das war laut Timm sinngemäß mit folgendem herzlichen Hinweis verbunden: “Hängt es nicht sofort an die ganz große Glocke, sondern macht das in kleinen Schritten. Schaut, wie es sich über Mund-zu-Mund-Propaganda an der HAWK verbreitet.” Das Nachjustieren und Ergänzen von Features entwickelt sich somit kontinuierlich mit dem Anstieg der Nutzerzahlen, ist aber nicht der einzige Grund für das Vorgehen und steht im Zusammenhang mit der wohl am häufigsten gestellten Frage an das Projektteam: die der Finanzierung.

3. „Man kriegt es nur raus, indem man es ausprobiert”

Wenn man, wie beim HAWKI-Interface der Fall, die API von OpenAI nutzt, wird man in Tiers (1-5) eingeteilt. Je nach monatlicher Nutzung steigt man in diesen Tiers auf und erhält dadurch zusätzliche Einstellungsmöglichkeiten und Zahlungsoptionen. Die Tiers bestimmen auch, wie viele Anfragen man pro Minute an OpenAI stellen kann. Timm empfiehlt daher, HAWKI den Hochschulangehörigen schrittweise zur Verfügung zu stellen, so dass man kontrolliert in den Tiers aufsteigt und sich mit der Zeit bei steigender Nutzung auch das Anfragelimit erhöht. Davon ausgehend bietet OpenAI zwei Bezahlmodelle:

Nicht ungewöhnlich sei es, dass Hochschulen mit dem Prepaid-Modell starten, bei dem im Voraus ein Kontingent an Token erworben wird. Ein Token ist in diesem Kontext die Einheit der Textverarbeitung, die im Sprachmodellen verwendet und bei OpenAI daher als Berechnungsgrundlage der Kosten herangezogen wird. 750 Wörter können mit ca. 1000 Tokens gleichgesetzt werde, was im Falle von GPT4 Turbo derzeit 0,03 Cent sind. Wird eine Anweisung (Prompt) also über HAWKI gesendet, reduziert diese und der durch das KI-Modell generierte Output das erworbene Kontingent an Token. Doch was ist, wenn die Nutzung durch die Hochschulangehörigen plötzlich stark steigt und das Kontingent erschöpft? Timm nennt hier zum einen die Möglichkeit, eine bestimmte Anzahl von Token automatisch nachzubuchen, wenn das gebuchte Kontingent aufgebraucht ist. Zum anderen biete OpenAI in der Regel ebenfalls die Möglichkeit, sich ein monatliches Limit zu setzen, damit ein gesetztes Budget nicht überschritten wird. 

Beim zweiten Modell, PayAsYouUse, hat man ebenfalls die Möglichkeit eines generellen Limits, allerdings wird hier am Ende des Monats einfach abgebucht, was man verbraucht hat. An der HAWK, an der bereits einige Erfahrung mit dem Nutzerverhalten gemacht worden ist, findet dieses Modell Anwendung. So belaufen sich die monatlichen Kosten für die Nutzung von GPT4 Turbo an der HAWK derzeit auf 60 Cent pro nutzender Person.

Weil andere Hochschulen andere Rahmenbedingungen mitbringen, haben sich verschiedene Regulierungsmaßnahmen entwickelt, die über die Wahl zwischen den beiden OpenAI-Modelle hinausgehen, beobachtet das HAWKI-Team bei der Implementierung ihres Interfaces. Wichtig, so Wölwer, bleibt: “Man kriegt es nur raus, indem man es ausprobiert. Das ist der springende Punkt”. Eine weitere wichtige Komponente ist daher der Mut, Dinge einfach auszuprobieren, wenn mögliche Risiken bekannt und im Zaum zu halten sind. Dies bedeutet aber auch, OpenAI’s ChatGPT nicht als das einzig mögliche KI-Modell zu betrachten und sich der Erprobung von Alternativen nicht zu verschließen.

Sichtbar wird, dass das HAWKI-Team auf günstige Rahmenbedingungen stößt, die die Entwicklung des Interfaces begünstigen. Für andere Hochschulen können diese Bedingungen ganz anders aussehen, was potenziell auch zu ganz anderen KI-Zugangsansätzen führt. Das soll jedoch nicht heißen, dass Hochschulen selbst mit der Entwicklung eines Interface-Prototyps starten müssen. Ein gemeinsames Weiterdenken bestehender Ansätze kann unter Umständen zielführender sein.

Gemeinsam die richtigen Fragen stellen

“Der Zugang zu wichtigen Technologien sollte nicht durch Gatekeeper erschwert werden”, sagt Timm. Genau aus dieser Überzeugung heraus hat sich das HAWKI-Team entschlossen, sein Interface als Open Source zur Verfügung zu stellen. Die positive Resonanz der Hochschulgemeinschaft auf diese Bereitstellung bestätigt, dass damit ein hilfreicher Schritt unternommen wurde. Bisher haben etwa siebzehn Hochschulen das Interface im Einsatz und weitere zehn testen die Nutzung über eine Testversion. Rund dreißig Hochschulen haben bereits an Informationsveranstaltungen teilgenommen und Interesse bekundet, so meine Gesprächspartner. “Das Tolle ist, dass daraus jetzt ein hochschulübergreifendes Netzwerk entstanden ist, weil wir auf einen enormen Gesprächsbedarf der Hochschulen zum Thema KI-Integration gestoßen sind”, schildert Wölwer. Aus dem hier stattfindenden Austausch schlussfolgert das Team zum einen, dass ein Interface von Hochschule zu Hochschule unterschiedlichen Bedürfnissen gerecht werden muss und eine „one fits all“-Lösung hingegen oft wenig befriedigend ist. Zum anderen wird dem Team die Chance deutlich, dass sich das HAWKI-Interface entsprechend der vielfältigen Bedürfnisse und Perspektiven anderer Hochschulen gemeinsam gewinnbringend weiterentwickeln lässt. Timm erklärt: “Mit HAWKI bekommen die Hochschulen ein Grundgerüst, das sie an ihre Bedürfnisse anpassen können, und wir entwickeln dieses Grundgerüst parallel weiter. Wenn die Hochschulen eigene Features entwickeln, von denen auch andere Hochschulen profitieren können, können wir diese wieder in das Grundgerüst einbauen”. Um dem Rechnung zu tragen, arbeitet das Team derzeit an einer benutzerfreundlichen Administrationsoberfläche, über die “die Anpassung von HAWKI an die Hochschulen (Logo austauschen, Hintergrund ändern, Selbstbeschreibung der KI) unkompliziert erfolgen kann”, so Trippler. 

Gerade weil es derzeit noch keine erprobte Blaupause für den optimalen KI-Zugang an Hochschulen gibt, ist die wertvollste Erfahrung des hochschulübergreifenden Austauschs zum Thema, gemeinsam Antworten auf die ‘richtigen Fragen’ zu finden. “Sich intensiv mit der Integration zu beschäftigen, hat uns erst in die Lage versetzt, auf die entscheidenden Fragen zu kommen, bei welchen Herausforderungen KI an unserer Hochschule und anderen Hochschulen unterstützen kann und wie man das anpackt”, resümiert Timm. Genau aus diesem Grund arbeitet Timm gerade an einem Leitfaden zur Einführung von KI-Schnittstellen. Hiermit ist der Aufruf verbunden, an diesem Leitfaden mitwirken, denn vielleicht haben auch Sie bereits wertvolle Erfahrungen gesammelt, die es zu teilen lohnt:

Die technischen Möglichkeiten im Blick

Neben vielen noch zu lösenden Herausforderungen einer wünschenswerten Integration von KI-Sprachmodellen, wie z.B. die Annäherung an faktensichere KI-Outputs oder die Pseudonymisierung von personenbezogenen Daten in Prompts, ist parallel immer auch auf die technische Entwicklung der Modelle im Blick zu behalten. Hier tun sich plötzlich neue Möglichkeitsräume auf, die alte Lösungsansätze durch vermeintlich einfachere/bessere ersetzen. Timm beschreibt diese Erfahrung in Bezug auf die Faktizität der KI-Outputs beispielsweise wie folgt: “Die Modelle von Google ermöglichen so eine gewaltige Kontextmenge. In vielen Anwendungsfällen würde es ausreichen, alle relevanten Daten anzuhängen, um wirklich gute Antworten zu erhalten. Wir dachten bisher, dass wir riesige Vektordatenbanken anlegen müssten, aber mit der wahnsinnigen Kontextlänge von Google ist das vielleicht gar nicht mehr nötig. Das ist wieder ein Moment, wo wir zunächst dachten, Vektordatenbanken is the way to go”. Das Team ist auch gespannt, was sich im Bereich Open Source tut, sodass nicht nur das Interface, sondern auch das KI-Modell im Hintergrund ein offenes ist. An einem Auswechseln der Sprachmodelle je Nutzungsszenario, wird gerade ebenfalls gearbeitet, genauso wie an einer Option zur Gruppeninteraktion im Dialogfenster, stellt Trippler in Aussicht. Erkannte Bedürfnisse aus der KI-Interaktion in Studium und Lehre sowie neue technische Möglichkeiten treffen hier aufeinander. Bei so vielen Plänen ist es nur logisch, dass das HAWKI-Team jüngst um ein weiteres Mitglied, Entwickler Arian Sadafi, erweitert wurde.

Mit einem Zugang allein ist es nicht getan

All diese Mühen wären allerdings vergeblich, wenn nicht gleichzeitig ein entscheidendes Handlungsfeld vorangetrieben wird, das bisher unerwähnt blieb: Es ist essenziell, dass Hochschulen ihre Angehörigen im Verstehensprozess darüber unterstützen, was Künstliche Intelligenz (KI) für Studium und Lehre bedeutet, damit der KI-Zugang verantwortungsvoll und gewinnbringend verwendet wird. Timm, der HAWKI früh in seine Lehre integrierte, weist selbstkritisch darauf hin: “Wir sind dafür verantwortlich, Räume zu schaffen, die zur Beschäftigung mit KI-Tools einladen und wir sind da, um das, was die Hochschulangehörigen dabei lernen, einzuordnen”. 

Nicht immer seien es die Studierenden, die, mit Bewusstsein über die Grenzen generativer KI-Tools ausgerüstet, perfekte Use Cases bereits vor Augen haben. Nicht immer seien es die Lehrenden, die unmotiviert sind, KI in ihre Veranstaltungen zu integrieren. Beide Statusgruppen brauchen jedoch ein gewisses Maß an Aufklärung, um ins gewinnbringende Experimentieren mit der Technologie zu kommen. KI-Leitlinien, die den Hochschulangehörigen erste Orientierungspunkte aufzeigen, sind nur ein erster Schritt.

Stefan Wölwer ist Professor für Interaction Design an der Hochschule für angewandte Wissenschaft und Kunst Hildesheim/Holzminden/Göttingen (HAWK)

LinkedIn

Vincent Timm, M.A., ist wissenschaftlicher Mitarbeiter und Leiter des Interaction Design Labs an der HAWK.

LinkedIn

Jonas Trippler, B.A., ist wissenschaftlicher Mitarbeiter im Forschungsprojekt Hands On an der HAWK

Website

Sie wollen mehr über das HAWKI-Team erfahren?

Dann freuen Sie sich auf Vincent Timm und Stefan Wölwer beim University:Future Festival.