Rahmenbedingungen zur Nutzung von KI an der Universität Greifswald
Worum geht es?
Künstliche Intelligenz (KI) nimmt eine zunehmend prägende Rolle in Forschung, Lehre und Alltag an Universitäten ein. Besonders im Fokus ist dabei der Einsatz generativer KI, welche neue Möglichkeiten für Forschung, Studium und Lehre eröffnet, gleichzeitig aber Fragen hinsichtlich guter wissenschaftlicher Praxis und des Einsatzes im Kontext von Prüfungen, Haus- und Abschlussarbeiten aufwirft. Des Weiteren spielen Themen wie Datenschutz, Urheberrecht und der verantwortungsvolle Umgang mit sensiblen Daten eine bedeutende Rolle. Diese Übersichtseite bietet eine Zusammenfassung wichtiger Informationen zu Regelungen, Anwendungen, Unterstützungsangeboten sowie Weiterbildungsformaten. Sie dient damit Studierenden, Lehrenden und Mitarbeitenden als Orientierungshilfe für den Einsatz von KI in unterschiedlichen Kontexten.
Was muss ich beachten?
Die Nutzung generativer KI erfordert einen verantwortungsvollen und reflektierten Umgang. Es ist unerlässlich, die geltenden Vorgaben in Studium und Lehre zu beachten und den Einsatz von KI transparent zu machen. Der Schutz personenbezogener und sensibler Daten hat oberste Priorität; deren Eingabe in externe KI-Anwendungen ist unzulässig (siehe auch Leitlinien zum Einsatz von KI). Auch urheberrechtliche Aspekte sind zu berücksichtigen. Generative KI sollte daher ausschließlich als unterstützendes Werkzeug eingesetzt werden und nicht die eigenständige Leistung ersetzen!
Wo bekomme ich Hilfe?
Die Nutzung von KI-Anwendungen sollte nicht unreflektiert erfolgen. Einen Einstieg bietet die Basisschulung des URZ, die zugleich Voraussetzung für die Nutzung der KI-Tools der Universität Greifswald ist.
Darüber hinaus stellt das Zentrum für akademische und digitale Kompetenzen (ZADK) umfassende Informationen zu den verschiedenen Kompetenzbereichen im Umgang mit KI-Anwendungen bereit, auf die auch die nachfolgenden Leitfragen verweisen.
Koordinierung und Ansprechpartner*innen
Die Koordinierung und Bearbeitung von zentralen KI-relevanten Themen erfolgt durch eine Steuergruppe, die sich aus Vertreter*innen aller Statusgruppen, Fakultäten, Verwaltung und zentralen Einrichtungen zusammensetzt. Darüberhinaus bearbeiten verschiedene Fokusgruppen unterschiedliche Themenkomplexe, wie z. B. Angebote im Bereich KI-Kompetenzen oder auch Vorgaben für den Einsatz von KI im Prüfungskontext.
Steuergruppe KI
- Patrizia Grenz (stud. Prorektorin)
- Dr. Juliane Huwe (Kanzlerin)
- Prof. Dr. Lars Kaderali (UMG)
- Dr. Jana Kiesendahl (ZADK)
- Dr. Wenke Liedtke (THF)
- Anja Mauritz (E-Verwaltung)
- Prof. Dr. Peter Michalik (Prorektor)*
- Prof. Dr. Boris Schinkels (RSF)
- Prof. Dr. Ralf Schneider (URZ | CIO)
- Prof. Dr. Daniel Siegel (MNF)
- Prof. Dr. Anette Sosna (Prorektorin)*
- Prof. Dr. Tina Terrahe (PHF)
- Stefan Wehlte (Justitiariat)
- Dr. Christian Winterhalter (UB)
- Prof. Dr. Kristina Yordanova (Inst. f. Data Science)
- Doreen Hallex (ZQSL)
- Prof. Dr. Lars Kaderali (UMG)
- Jana Kiesendahl (ZADK)
- Dr. Wenke Liedtke (ThF)
- Prof. Dr. Peter Michalik (Prorektor)*
- Annika Peschel (ZPA)
- Prof. Dr. Boris Schinkels (RSF)
- Prof. Dr. Daniel Siegel (MNF)
- Prof. Dr. Anette Sosna (Prorektorin)
- Lukas Voigt (stud. Prorektor)
- Prof. Dr. Micha Werner (PhF)
- Dr. Philipp Adämmer (Inst. für Data Science)
- Jette Boeck (Studierende/eTutorin)
- Dr. Jasmin Hirschberg (Sprachenzentrum)
- Dr. Jana Kiesendahl (ZADK)*
- PD Dr. Martha Kuhnhenn (Kommunikationswissenschaft)
- Kai Steffen (UB)
- Greet Stichel (Digital Changemaker & VWL)
- Prof. Dr. Ines Sura-Rosenstock (Medienpädagogik)
- Prof. Dr. Lars Kaderali (UMG)
- Stefan Kemnitz (URZ)
- Prof. Dr. Peter Michalik (Prorektor)
- Prof. Dr. Ralf Schneider (URZ | CIO)*
- Dr. Juliane Huwe (Kanzlerin)
- Anja Mauritz (E-Verwaltung)
- Prof. Dr. Peter Michalik (Prorektor)
Glossar
Digitale Systeme, die Lerninhalte individuell an den Wissensstand, das Lerntempo und die Bedürfnisse von Studierenden anpassen.
Eine festgelegte Folge von Regeln oder Rechenschritten zur Lösung eines Problems oder zur Verarbeitung von Daten. In KI-Systemen dienen Algorithmen dazu, Muster in Daten zu erkennen und Ausgaben zu berechnen.
Schnittstelle, über die verschiedene Software-Systeme miteinander kommunizieren können, z. B. zwischen einer Lernplattform und einem KI-Tool.
Angebot des Universitätsrechenzentrums Greifswald mit KI-Tools, die auf universitätseigenen Servern betrieben werden. Eingaben verlassen laut Seite diesen geschützten Rahmen nicht.
Systematische Fehler oder Vorurteile in KI-Systemen, die durch unausgewogene Trainingsdaten oder fehlerhafte Modelle entstehen können.
Sehr große und komplexe Datenmengen, die mit klassischen Methoden nur schwer verarbeitet werden können und oft Grundlage für KI-Anwendungen sind.
Ein dialogorientiertes KI-System, das Fragen beantwortet oder Aufgaben automatisiert, z. B. Studienberatung oder Unterstützung im E-Learning.
Lizenzmodell, mit dem Urheber*innen festlegen, unter welchen Bedingungen Werke genutzt werden dürfen.
Schutz personenbezogener und sensibler Daten vor unbefugtem Zugriff oder Missbrauch. Im Hochschulkontext besonders relevant im Zusammenhang mit der DSGVO (siehe auch Leitlinien) und wenn Eingaben an externe KI-Systeme übermittelt werden.
Deep Learning ist eine Methode des maschinellen Lernens, der auf künstlichen neuronalen Netzen basiert. Der Computer lernt dabei aus sehr vielen Beispielen (Trainingdaten). Das System erkennt dabei Schritt für Schritt Muster in Daten, etwa in Texten oder Bildern. So kann es zum Beispiel Gesichter erkennen oder Antworten formulieren. Der Computer „versteht“ dabei nicht wie ein Mensch, sondern berechnet, welches Ergebnis wahrscheinlich passt.
Digitale Kompetenz umfasst die sichere, kritische und verantwortungsvolle Nutzung von digitalen Technologien. Sie geht weit über reine Computerkenntnisse hinaus und beinhaltet die Fähigkeit, digitale Medien zur Information, Kommunikation und Problemlösung sowie zur Erstellung von Inhalten souverän einzusetzen.
Elektronisch unterstütztes Lernen über digitale Plattformen und Werkzeuge.
Beschäftigt sich mit moralischen und gesellschaftlichen Fragen rund um den Einsatz von KI, z. B. Transparenz, Fairness und Verantwortung.
KI-Systeme, die neue Inhalte erzeugen können, etwa Texte, Bilder, Videos oder Programmcode.
Spezialisierter Prozessor, der komplexe Berechnungen für KI-Anwendungen beschleunigt.
Fehlerhafte oder frei erfundene Inhalte, die von generativen KI-Systemen erzeugt werden.
Präsenz-Lehre und synchrone Online-Lehre werden zeitgleich (synchron) angeboten. In diesem Verständnis bezeichnet Hybrid-Lehre nicht jeden Mix aus Online- und Präsenz-Lehre, sondern den Modus doppelter Synchronizität.
Ein KI-System, das ein Ziel verfolgt, Informationen verarbeitet, Entscheidungen trifft und selbstständig einzelne Schritte ausführen kann, zum Beispiel recherchieren, planen oder Aufgaben in digitalen Werkzeugen autonom erledigen.
Fähigkeit, KI-Systeme sachkundig zu nutzen und kritisch einzuordnen. Dazu gehören Verstehen, Anwenden, Reflektieren und Mitgestalten.
Teilgebiet der Informatik, das Systeme entwickelt, die menschenähnliche Fähigkeiten wie Lernen, Problemlösen oder Sprachverarbeitung ausführen können. Sie arbeitet mit Algorithmen und Datenmustern.
Großes Sprachmodell, das auf umfangreichen Textdaten trainiert wurde und natürliche Sprache verstehen sowie erzeugen kann.
Analyse von Lerndaten zur Verbesserung von Lehr- und Lernprozessen.
Verfahren, bei dem Computersysteme aus Daten lernen und Muster erkennen, ohne explizit programmiert zu werden.
Tendenz von KI-Systemen, dominante oder häufig vertretene Perspektiven zu reproduzieren.
Ausführlicher Prompt (Eingabe) mit Angaben zu Rolle, Aufgabe, Arbeitsschritten, Kontext, Ziel und gewünschtem Ausgabeformat.
KI-Systeme, die verschiedene Datentypen gleichzeitig verarbeiten können, z. B. Text, Bild und Audio.
Verarbeitung natürlicher Sprache durch Computer, z. B. Übersetzung, Texterstellung oder Sprachassistenten.
Rechenmodell, das an die Funktionsweise des menschlichen Gehirns angelehnt ist und für viele KI-Anwendungen verwendet wird.
Frei zugängliche wissenschaftliche Inhalte. Im KI-Kontext relevant für die rechtlich zulässige Nutzung von Texten.
Software, deren Quellcode öffentlich zugänglich ist und verändert werden darf.
Ergebnis, das ein KI-System erzeugt, zum Beispiel Text, Bild, Code, Zusammenfassung oder Analyse.
Eingabe oder Arbeitsauftrag an eine generative KI. Die Qualität des Prompts beeinflusst die Qualität der Ausgabe.
Technik zur gezielten Formulierung von Eingaben, um bessere Ergebnisse von KI-Systemen zu erhalten.
Beherrschung der Technik des Prompt Engineerings, also der Fähigkeit, KI-Systeme durch klare, präzise und kontextreiche Eingaben sinnvoll zu steuern.
Vorformulierter Eingabetext, der für eigene Zwecke angepasst werden kann.
Daten, die die untersuchten Gruppen oder Phänomene angemessen abbilden. Sie helfen, Verzerrungen zu verringern.
Konzept für den verantwortungsvollen Einsatz von KI unter Berücksichtigung von Ethik, Datenschutz und gesellschaftlichen Auswirkungen.
Verbrauch von Strom, Wasser oder Rechenleistung beim Betrieb von KI-Systemen.
KI-Modell zur Verarbeitung und Generierung natürlicher Sprache.
Zusammenhänge in Daten, auf deren Basis KI-Systeme Vorhersagen oder Ausgaben erzeugen.
Vereinfachende oder verzerrende Darstellung von Personen oder Gruppen.
Datenbasis, mit der ein KI-System trainiert wird. Qualität, Umfang und Verzerrungen dieser Daten beeinflussen die Ergebnisse.
Nachvollziehbarkeit, dass und wie KI eingesetzt wurde.
Klärung, wer für KI-gestützte Entscheidungen, Fehler oder Schäden zuständig ist.
Digitale Helfer, die Aufgaben automatisieren oder Informationen bereitstellen, z. B. KI-Tutoren.