Landes­projekt bwKI-Trans­fer – KI für eine moderne Hochschul­verwaltung

Nachnutzung: Alle öffentlichen Inhalte stehen Hochschulen in Baden-Württemberg zur freien Verwendung bereit. Projektdetails, Evaluierungs­ergebnisse und Downloads sind nach Anmeldung zugänglich.

Fragen oder Anregungen? Das bwKI-Trans­fer-Team freut sich über Rückmeldungen und Austausch.

bwKI-Trans­fer ist ein Landes­projekt Baden-Württembergs im Rahmen des Dialogprozesses „Zukunftslabor Hochschulen in der digitalen Welt“ (MWK BW) – und damit ein konkreter Baustein einer deutlich größeren Bewegung: Bund und EU investieren parallel in eine koordinierte KI-Strategie für Forschung, Lehre und Verwaltung, in die sich die hier vorgestellten Piloterfahrungen, Bewertungs­raster und Schulungs­angebote einordnen. Die folgenden Angebote bieten einen direkten Einstieg in diesen größeren Rahmen.

Bund & EU

• Nationale KI-Strategie der Bundes­regierung – Über­geordnete Strategie von BMBF und beteiligten Ressorts: Förder­programme, KI-Kompetenzzentren, KI-Professuren und das KI-Campus-Lernangebot für Hochschulen.
• Umsetzung der EU-KI-Verordnung in Deutschland – Durchführungs­gesetz zur EU-KI-Verordnung, vom Bundestag am 11. Juni 2026 verabschiedet; Bundes­netzagentur als zentrale Koordinierungs­stelle.

Hochschulen

• Hochschul­rektorenkonferenz (HRK) – Zusammenschluss der deutschen Hochschulen und ihre bildungs­politische Interessen­vertretung; entwickelt Positionen zu Studium, Lehre und Forschung und koordiniert hochschul­übergreifende Vorhaben – u. a. auch den KI-Lotsen.
• KI-Lotse der HRK – BMFTR-geförderte, hochschul­übergreifende Beratungs­stelle der Hochschul­rektorenkonferenz für die strukturierte KI-Einführung an Hochschulen (Laufzeit 2026–2029).
• Hochschul­forum Digitalisierung (HFD) – Gemeinsame, vom BMBF geförderte Initiative von Stifterverband, CHE und HRK: Beratung, Qualifizierung und Vernetzung rund um die digitale Trans­formation der Hochschulen, aktuell mit Schwerpunkt KI.
• Service für Hochschulen (Stifterverband) – Beratungs­angebot des Stifterverbands zu Strategie­entwicklung, Weiterbildung und Peer-Audits für Hochschulen im digitalen Wandel.

Was machen andere Hochschulen mit KI? Die KI-Landkarte bwKI-Trans­fer zeigt Projekte an Hochschulen in und außerhalb Baden-Württembergs – mit Laufzeiten, Budgets, eingesetzten Systemen und Ansprechpersonen. Netzwerken und austauschen leicht gemacht.

Im Rahmen von Arbeits­paket 1 (AP1) hat die Universität Mannheim (UMA) durch Recherche und Partner­befragungen eine strukturierte Über­sicht von KI-Projekten an Hochschulen in und außerhalb Baden-Württembergs erstellt: die KI-Landkarte. Aktuell sind darin über 120 Projekte erfasst. Für jedes Projekt wurden Rahmendaten erhoben: Laufzeiten, Budgets, eingesetzte Systeme und Projekt­partner. Zusätzlich wurden Kontakt­möglichkeiten identifiziert – damit die Landkarte nicht nur informiert, sondern Netzwerken und Austausch zwischen Hochschulen ermöglicht. Die Landkarte ist als eigene Unter­seite auf der Projektseite der Universität Mannheim zugänglich. Die bwKI-Trans­fer-Pilot­projekte sind als Einträge in der Landkarte enthalten – mehr dazu unter Pilot­projekte.

Zur KI-Landkarte BW

Welche KI-Systeme eignen sich für die Hochschul­verwaltung? Eine systematische Markt­sichtung von rund 260 Tools, ein eigener Fragenkatalog und ein Bewertungs­schema bildeten die Grundlage für die Auswahl der Pilot­projekt-Kandidaten in allen Kategorien.

Bevor die Pilot­projekte im bwKI-Trans­fer starten konnten, musste eine Frage beantwortet werden: Welche KI-Tools eignen sich überhaupt für den Einsatz in der Hochschul­verwaltung? Das Team hat dafür den Markt systematisch gesichtet, einen eigenen Fragenkatalog entwickelt und ein Bewertungs­schema mit gewichteten Kriterien aufgebaut – von Funktions­umfang über Datenschutz bis Wirtschaft­lichkeit.

Auf dieser Grundlage wurden geeignete Kandidaten für die verschiedenen Pilot­projekt-Kategorien ausgewählt: Chatbots, juristische Aufgaben, Protokollerstellung, Prozess­modellierung, Bild-/Videobearbeitung, Dokumenten­management, Finanzen und Anforderungs­analyse. Damit andere Hochschulen von der Methodik profitieren können, steht eine Blanko-Bewertungs­vorlage zur Nachnutzung bereit – mit vorbereiteten Formeln und Auswahllisten sofort einsetzbar für eigene Tool-Bewertungen.

Neben der Markt­analyse steht eine Nutzwertanalyse als Arbeits­hilfe zur Verfügung, mit der sich einzelne Verwaltungs­prozesse systematisch auf ihr KI-Potenzial hin prüfen lassen. Die Idee dazu ist bereits im Projektantrag angelegt: Arbeits­paket 2 sah vor, ausgewählte Anwendungs­beispiele und weitere Verwaltungs­prozesse anhand eines Kriterienkatalogs zu bewerten – Kritikalität, Häufigkeit, Aufwand und KI-Unter­stützungs­potential, jeweils im Vergleich zu den entstehenden Kosten. Die Vorlage bildet dafür bis zu 78 typische Aufgaben­bereiche der Hochschul­verwaltung gegen 33 mögliche KI-Funktionen ab (Bewertungs­skala von „Must have“ bis „Won't have“) und wurde um genau diese vier Kriterien ergänzt. Im realen bwKI-Trans­fer-Projekt konnte die Nutzwertanalyse aus zeitlichen und organisatorischen Gründen – bedingt durch eine Stellenumbesetzung – erst später gestartet werden; die Bewertung für die tatsächlichen Piloten wurde daher nachträglich rekonstruiert. Die ausfüllbare Vorlage steht – wie Markt­analyse und Fragebogen-Material – zum Download bereit.

Bewertungs­rahmen und Gewichtung

Die Markt­sichtung kombinierte einen KI-gestützten Rechercheansatz mit anschließender manueller Prüfung – vollständige Automatisierung war nicht möglich, dafür war die Fehlerquote zu hoch für eine belastbare Grundlage. Aus rund 260 gesichteten Tools wurden 70 im Detail nach 14 Kriterien bewertet, basierend auf einem fünfgliedrigen Gewichtungs­schema – mit gleich­rangiger Priorität für Funktions­umfang sowie technisch-organisatorische Rahmenbedingungen (DSGVO, IT-Sicherheit, Systemintegration):

Grundlage für die „14 Kriterien“ waren zwei eigenständige Kriterienkataloge (DE/EN): ein Chatbot-spezifischer mit 17 Funktions­kriterien (u. a. Chatfunktion, LLM-Modelle, Anonymisierung, Dokumentenverarbeitung, Quellenangaben) und ein allgemeiner KI-Tool-Katalog mit 4 Funktions­kriterien. Beide bewerten zusätzlich gemeinsame Dimensionen wie Trans­parenz, DSGVO-/GDPR-Konformität, ISO-Standards, EU AI Act, Systemunabhängigkeit, Open-Source-Status, Hosting-Standort und Preisgestaltung — der Chatbot-Katalog ergänzt Missbrauchsschutz, der KI-Tool-Katalog Nachhaltigkeit.

Reine Kriterien-Kurzlisten (Klartext DE/EN) stehen zum Download bereit — für alle, die nicht den vollen Bewertungs­rahmen brauchen.

Was steckt in der Markt­analyse? – Reiter im Über­blick

Die Markt­analyse ist keine einzelne Tabelle, sondern eine ganze Werkzeugsammlung mit sieben Bausteinen:

• Über­sicht KI-Tools: rund 260 Tools, katalogisiert nach 14 Einsatzkategorien.
• Quellen KI-Tools: der Fragenkatalog, mit dem die Kriterien erhoben wurden.
• Vorlage Bewertung: die Blanko-Arbeits­hilfe zur Nachnutzung – Bewertungs­bögen für alle acht Tool-Kategorien, anonymisiert, mit funktionierenden Formeln und Dropdown-Auswahllisten.
• KI-Tool-Verzeichnisse: über 50 Meta-Verzeichnisse mit europäischen und DSGVO-konformen KI-Tool-Alternativen – ein Fundus für alle, die über die 260 gelisteten Tools hinaus suchen.
• LLM-Modelle: 36 Sprach­modelle und Anbieter, von bekannten kommerziellen Modellen bis zu europäischen Souveränitäts-Initiativen wie OpenEuroLLM oder EuroLLM.
• LLM-Benchmarks: 20 anerkannte Test­verfahren, eingeordnet danach, was sie für die Hochschul­verwaltung konkret aussagen (Faktentreue, Deutschsprach­igkeit, Rechts­sicherheit u. a.).
• Infrastruktur & Dienstleister: über 20 Optionen für den rechts­sicheren Betrieb – von DFN-Rahmenverträgen über die GWDG Academic Cloud bis zu landes­eigener HPC-Infrastruktur.

Welche KI-Bedarfe haben Hochschul­mitarbeitende wirklich? Eine Befragung von 343 Mitarbeitenden aus 17 Hochschulen in Baden-Württemberg liefert erstmals belastbare Antworten – präsentiert beim UDay 2026.

Bevor bwKI-Trans­fer KI-Tools bewertete oder Pilot­projekte startete, stand eine Frage im Zentrum: Was brauchen Hochschul­mitarbeitende wirklich? Von Oktober 2025 bis Januar 2026 hat das Projekt dazu eine Querschnittsbefragung durchgeführt – mit 343 Teilnehmenden aus 17 Hochschulen in Baden-Württemberg eine der umfangreichsten Erhebungen ihrer Art im Land.

Die Ergebnisse wurden vollständig ausgewertet und beim UDay 2026 als wissenschaft­licher Beitrag präsentiert. Sie zeichnen ein differenziertes Bild: KI-Tools werden bereits breit genutzt, aber überwiegend privat und punktuell – eine strukturierte, institutionelle Einbettung fehlt noch vielerorts. Nicht mangelnde Akzeptanz, sondern offene organisatorische Fragen bremsen den nächsten Schritt.

Die Musterumfrage steht Projekt­partnern als Vorlage für eigene Bedarfserhebungen zur Verfügung.

Ergebnisse der Befragung (UDay 2026)

Die Erhebung (evasys-Online-Umfrage, Okt. 2025-Jan. 2026) richtete sich primär an Mitarbeitende der Hochschul­verwaltung, stand aber auch Lehre und Forschung offen.

Nutzung: 75 % setzen KI-Tools bereits im Arbeits­alltag ein, zwei Drittel davon mehrmals pro Woche. Am häufigsten genannt: ChatGPT, DeepL, Copilot, Gemini, Perplexity und Claude – vor allem für Textgenerierung, Über­setzung und Recherche. Auffällig: Der Zugang erfolgt überwiegend über private Konten (44–49 %) statt über dienstliche Zugänge – ein deutliches Signal für eine institutionelle Versorgungs­lücke.

Barrieren: Datenschutz­bedenken (61 %) und fehlende Integration in bestehende Arbeits­abläufe (45 %) sind die größten Hürden – technische Probleme spielen dagegen kaum eine Rolle (11 %). Die Herausforderung liegt also weniger in der Technik als in Organisation und Rahmenbedingungen.

Kompetenzen: Die Selbsteinschätzung der eigenen KI-Kenntnisse liegt im Mittelfeld (2,7 von 5), 62 % haben noch keine Schulung besucht – bei gleich­zeitig hohem Weiterbildungs­interesse, vor allem zu Automatisierung und praktischer Nutzung im Arbeits­alltag.

Potenziale und Grenzen: Größtes Potenzial sehen die Befragten in der Automatisierung wiederkehrender Aufgaben (70 %) und bei der Dokumentenerstellung (67 %). Klare Grenzen ziehen sie beim Umgang mit sensiblen Daten (79 %) und bei wichtigen Entscheidungen (50 %). Persönlicher Kontakt (83 %) und eigene Entscheidungs­prozesse (70 %) sollen auch mit mehr KI-Einsatz unverändert bleiben.

Fazit der Studie: KI befindet sich in der Hochschul­verwaltung in einer Über­gangs­phase – punktuelle Nutzung trifft auf fehlende strukturelle Einbettung. Die Grundhaltung ist überwiegend positiv (92 % sehen Unter­stützungs­potenzial für die eigene Arbeit), die Herausforderung liegt darin, diese Offenheit in organisationale Praxis zu übersetzen.

Die Universität Mannheim entwickelt derzeit einen KI-gestützten technischen Chatbot, der den IT-Support bei Routinefragen rund um die Uhr entlastet. Studierende und Beschäftigte können den Chatbot fragen, wie sie einen Drucker einrichten, ein Passwort zurücksetzen oder auf bestimmte Umgebungen zugreifen. Der Chatbot bietet eine einfache Bedienung, schnelle Problemlösungen und die Möglichkeit, Tickets für den 2nd Level Support zu erstellen. Der Chatbot befindet sich aktuell in mehreren Test­phasen und wird auf Basis aktueller IT-Anleitungen und Webseiten kontinuierlich verbessert.

An der Universität Tübingen wird ein KI-gestützter Chatbot für den IT-Support entwickelt, um Studierende und Beschäftigte bei einfachen technischen Problemen (z. B. WLAN, VPN, Drucker) zu unter­stützen und so den Support zu entlasten. Der Bot nutzt Large Language Models (LLMs) mit Retrieval-Augmented Generation (RAG), um präzise Antworten aus technischen Anleitungen zu generieren. Im ersten Schritt wird ein lokaler Testbetrieb mit einem Wiki als Wissensquelle aufgebaut, gefolgt von einem Server-Test­system. Ziel ist eine kostengünstige, langfristig nutzbare Lösung, die sich leicht um weitere Anwendungs­fälle erweitern lässt. Die Dokumentation der Konfiguration soll den Trans­fer auf andere Hochschulen erleichtern.

Das Pilot­projekt „SmartAssistants“ führt an der Hochschule Offenburg (HSO) eine integrierte KI-Plattform eines europäischen Anbieters ein. Ziel ist es, spezialisierte Chatbots – „SmartAssistants“ als KI-basierten Campus- und Lern-Support für Studien­interessierte, Studierende, Lehr­ende, Verwaltung und Emeriti auf der HSO-Website, im Intranet und im E-Learning-Bereich bereitzustellen. Die Assistants sollen bei typischen Anfragen zu Studien­beratung, Bewerbung, Immatrikulation und Servicefällen on campus (IT, Bibliothek, Finanzen, Personal etc.) auf der Hochschul-Website und im Intranet der HSO unter­stützen und dabei über ein Zugriffsrechte-System nur berechtigten Nutzer­gruppen Antworten & Inhalte ausliefern. Parallel werden SmartAssistants als AI Tutor und zur Feedback-Unter­stützung in E-Learning Kursen getestet, um Selbstlernen und Übungen der Studenten zu begleiten. Die ersten Assistants befinden sich bereits in der internen Test­phase; die vollständige Implementierung ist für Anfang 2026 geplant. Begleitet wird der Rollout durch ein Digital-Adoption-Konzept mit Intranet-News, How-to-Artikeln, Screencasts, Deep-Dive-Sessions und einer QR-Code-Kampagne an zentralen Campus-Stellen.

Während das persönliche Beratungs­gespräch zentral für eine umfassende Orientierung bleibt, profitieren viele Orientierungs­suchende zusätzlich von online Angeboten. In unserem Pilot­projekt unter­suchen wir, inwiefern altbewährte online Orientierungs­werkzeuge (www.was-studiere-ich.de) und KI-gestützte Werkzeuge (u. a. Chatbots) den Prozess der Orientierung fördern können. 

Insbesondere betrachten wir die unter­schiedlichen digitalen Fähigkeiten von Teilnehmenden als vermittelnden Faktor zwischen Werkzeugart und Bewertung des Prozesses. Wir erwarten, dass Menschen mit geringen digitalen Fähigkeiten mehr von Werkzeugen profitieren, die die Interaktion enger strukturieren. Empfehlungen für den Umgang mit KI-Werkzeugen in der Studien­orientierung werden abgeleitet.

Das Projekt unter­sucht den Einsatz eines KI‑basierten Tools zur automatisierten Trans­kription und Auswertung von gesprochenen Inhalten in Sitzungen. Das Tool erkennt Sprecherwechsel, erstellt thematische Zusammenfassungen und strukturiert die Ergebnisse für die spätere Dokumentation. Es kann sowohl Präsenz‑ als auch Online‑Besprechungen erfassen und verarbeiten, sodass Sitzungen unabhängig vom Format zuverlässig protokolliert werden. 

Protokolle manuell zu erstellen ist zeitintensiv und fehleranfällig. Durch die automatisierte Verarbeitung entstehen schnellere Bearbeitungs­zeiten, da Inhalte unmittelbar nach der Sitzung vorliegen und ohne zusätzlichen Aufwand geteilt oder archiviert werden können. Ziel ist es, Beschäftigte zu entlasten, die Qualität der Dokumentation zu erhöhen und Wissen langfristig zugänglich zu machen.

An den Universitäten Tübingen und Mannheim werden im Rahmen eines Pilot­projekts drei spezialisierte KI-Tools für juristische Aufgaben getestet, um die Arbeit in Rechts­wesen, Exportkontrolle oder Datenschutz zu unter­stützen. 

Ziel ist es, die Recherche und Prüfung juristischer Dokumente z. B. bei Prüfungs­ordnungen oder Dienst­vereinbarungen, effizienter zu gestalten. Die Evaluation konzentriert sich auf Benutzer­freundlichkeit, Datengenauigkeit und Arbeits­erleichterung.

Im Mittelpunkt des Projekts steht die Frage, wie KI‑Werkzeuge die Erstellung, Prüfung und Weiter­entwicklung von BPMN‑2.0‑Prozess­modellen unter­stützen können. Die Systeme sollen dabei helfen, Modelle schneller aufzubauen, Varianten zu vergleichen und fach­liche Fragen direkt im Modellierungs­kontext zu beantworten. Ergänzend kommen Analysefunktionen zum Einsatz, die Prozess­daten visualisieren, Fehler automatisch erkennen und Verbesserungs­vorschläge ableiten oder Engpässe filter, um typische Problemstellen sichtbar zu machen. Viele der eingesetzten Tools bieten zudem Schnittstellen, über die Prozess­daten exportiert oder weiterverarbeitet werden können.

Da Prozess­modellierung an Hochschulen bislang überwiegend manuell erfolgt und je nach Einrichtung stark variiert, soll eine KI‑gestützte Lösung zu mehr Einheitlichkeit, höherer Qualität und deutlich kürzeren Bearbeitungs­zeiten beitragen. Die Werkzeuge erleichtern insbesondere die Orientierung in komplexen Prozessen und reduzieren den Aufwand für wiederkehrende Modellierungs­aufgaben. Ziel ist eine effizientere Modellierung nach klaren Standards sowie eine spürbare Entlastung der Beschäftigten.

Der Campus Orientierungs Assistent (COrA) der Pädagogischen Hochschule Ludwigsburg, der bisher das Prüfungs­amt unter­stützt, wird im Rahmen dieses Pilot­projekts auf Verwaltungs­bereiche wie die Studien­abteilung, die Personalabteilung oder das Medienzentrum ausgeweitet und unter realen Bedingungen getestet. COrA unter­stützt Mitarbeitende nicht nur beim Beantworten von Routineanfragen über einen Chatbot, sondern generiert auch automatisch E-Mail-Antworten auf Basis hinterlegter Informationen. Ziel ist es, die Effizienz und Qualität der Anfragenbearbeitung zu steigern, mögliche Zeiteinsparungen zu erfassen und die Akzeptanz der KI-Lösung bei den Fach­bereichen zu prüfen.

Dieses Pilot­projekt unter­sucht, wie eine KI‑erweiterte Enterprise‑Search‑Lösung Hochschulen dabei unter­stützen kann, Informationen system­übergreifend zugänglich zu machen. Die Software soll Dokumente, Inhalte und Daten aus Fakultäten und Verwaltung unabhängig vom Speicherort auffindbar machen und Suchanfragen zentral bündeln. Damit reagiert das Projekt auf die wachsende Menge an verstreuten Informationen, die heute nur mit erheblichem Aufwand recherchiert werden können. Durch die KI‑gestützte Suche lassen sich Inhalte künftig spürbar schneller finden, selbst wenn sie in unter­schiedlichen Systemen oder Ablagestrukturen liegen. Ziel ist es, Suchprozesse deutlich zu beschleunigen, Trans­parenz zu erhöhen und Mitarbeitende im Arbeits­alltag spürbar zu entlasten.

• Quellcode und Dokumentation: f13-os.de
• Architekturdetails: f13-os.de/kennenlernen/softwarearchitektur/
• Roadmap: f13-os.de/kennenlernen/roadmap/
• Eintrag auf openCode.de
• Pressemitteilung Land BW: F13 wird Open-Source-Software (23.07.2025)

Das erste öffentlich ausgeschriebene Partner­forum fand am 28. November 2025 an der Hochschule Offenburg statt (10:00–17:00 Uhr). Unter dem Titel „KI-Impulse für Hochschulen: Grundlagen, Praxis und Umsetzung“ wurden Fach­vorträge zu rechtlichen Rahmenbedingungen, Datenschutz, Change Management und KI-Strategien kombiniert mit einer Postersession, auf der alle Pilot­projekte ihre Zwischenergebnisse präsentierten. Die Veranstaltung war im Hybrid-Format zugänglich: Vorträge wurden per Zoom übertragen, die Postersession und Abschlussdiskussion fanden vor Ort statt.

Links:

• Veranstaltungs­ankündigung (uni-mannheim.de)
• Nachbericht, 10.12.2025 (uni-mannheim.de)
• LinkedIn-Beitrag (Universitäts-IT Mannheim)

Das zweite Partner­forum „KI-Impulse für Hochschulen: Wirkung, Grenzen und Perspektiven im Diskurs“ fand am 6. März 2026 an der Hochschule Ravensburg-Weingarten statt. Es war mit ca. 23 Teilnehmenden vor Ort und 35–40 Teilnehmenden online (insgesamt ca. 58–63 Personen) die bislang größte Veranstaltung des Projekts. Im hybriden Format wurden Vorträge zu aktuellen Pilot­projekten sowie zum Stand der landes­weiten KI-Infrastruktur präsentiert.

Links:

• LinkedIn-Beitrag (Universitäts-IT Mannheim)

Das dritte Partner­forum „KI-Impulse für Hochschulen: Werkzeuge, Methoden und Trans­fer in die Praxis“ findet am 10. Juli 2026 an der Universität Tübingen statt.

Das vierte und abschließende Partner­forum findet am 13. November 2026 an der Universität Heidelberg statt. Die offizielle Einladung mit Agenda folgt rechtzeitig.

Anmeldung:

• Jetzt anmelden (DFN-Buchungs­link)

Zu diesem Zweck sind drei Erhebungs­formate vorgesehen:

1. Eine Fragebogenerhebung zur allgemeinen Akzeptanz und Nutzung des neuen KI-Tools,
2. eine Tagebuchstudie zur Erfassung konkreter Nutzungs­erfahrungen,
3. leitfadengestützte Interviews zur Vertiefung von Nutzungs­mustern und wahrgenommenen Risiken.

Der Einsatz der verschiedenen Erhebungs­instrumente wird pilot­projekt­spezifisch abgestimmt. Die Evaluations­studie wurde durch die Ethik­kommission der Universität Mannheim geprüft und ohne Einwände befürwortet.

Einstieg ohne Vor­kenntnisse. Diese Kurse erklären, was KI ist, wie große Sprach­modelle (LLMs) und generative KI funktionieren – und welche Anwendungs­szenarien im Verwaltungs­umfeld relevant sind.

KIÖV – KI in öffentlichen Verwaltungen 

Anbieter: Uni Lübeck + Mach AG Innovation HUB / KI-Campus

• Dauer: 5 Stunden
• Inhalt: Grundlagen KI, Generative KI, NLP, EU AI Act – direkt auf öffentliche Verwaltung zugeschnitten; vollständig überarbeitet November 2024
• Zugang: kostenlos, Registrierung mit E-Mail (kein Hochschul­account nötig)
• Zertifikat: Leistungs­nachweis kostenlos (ab 60 % der Aufgaben)

IBM: Grundlagen der KI 

Anbieter: IBM SkillsBuild / KI-Campus

• Dauer: 1,5 Stunden
• Inhalt: Einsteigerkurs ohne Vor­kenntnisse; breiter KI-Über­blick
• Zugang: kostenlos, Registrierung mit E-Mail (kein Hochschul­account nötig)
• Zertifikat: Teilnahmebestätigung kostenlos

Generative KI: verstehen, gestalten, verantworten 

Anbieter: Uni Graz + TU Graz / iMooX

• Dauer: 6 Lektionen à 2 Stunden (12 Stunden gesamt)
• Inhalt: Grundlagen generative KI, Kreativität, Gesellschaft, Ethik; Lektion 6 (optional): KI in Organisationen – Potenziale, Risiken, Recht
• Zugang: kostenlos, Registrierung über iMooX-Account oder eduID der Hochschule
• Zertifikat: Teilnahmebestätigung kostenlos (ab 75 % Selbstüber­prüfung)

KI-Kompetenz an Hochschulen (DE) 

Anbieter: Hamburg Open Online University (HOOU)

• Dauer: ca. 3 Stunden (2 Kapitel mit interaktiven Aufgaben und Quiz)
• Inhalt: Technische Grundlagen KI, ethische Aspekte, EU AI Act – zugeschnitten auf Hochschul­mitarbeitende aller Bereiche
• Zugang: kostenlos, CC BY-SA 4.0, EN Version verfügbar
• Zertifikat: Abschluss-Zertifikat nach Bestehen der Kapiteltests

Über HOOU

Die Hamburg Open Online University (HOOU) ist eine offene Bildungs­plattform, koordiniert von der Multimedia Kontor Hamburg (MMKH) mit Partner­hochschulen in Hamburg. HOOU stellt frei verfügbare, offen lizenzierte Lernmaterialien bereit (CC BY-SA 4.0) – kostenlos und ohne Hochschul­zugehörigkeit nutzbar, in Deutsch und Englisch.

Alle HOOU-Lernangebote → 

KI für Alle 1: Einführung in die Künstliche Intelligenz 

Anbieter: Heinrich-Heine-Universität Düsseldorf (HeiCAD – Heine Center for Artificial Intelligence and Data Science) / KI-Campus

• Dauer: 42 Stunden
• Inhalt: Grundlagen KI und maschinelles Lernen, Datenaufbereitung und -analyse, grundlegende Einführung in die Programmierung mit Python, ethische und rechtliche Implikationen von KI
• Zugang: kostenlos, CC BY-SA 4.0, Registrierung mit E-Mail (kein Hochschul­account nötig)
• Zertifikat: qualifizierendes Zertifikat

KI für Alle 2: Verstehen, Bewerten, Reflektieren 

Anbieter: Heinrich-Heine-Universität Düsseldorf (HeiCAD) / KI-Campus – Fortsetzung von „KI für Alle 1“

• Dauer: 42 Stunden
• Inhalt: Vertiefung von KI-Methoden (v. a. maschinelles Lernen), Datenbeschaffung und -aufbereitung, AI Literacy (Nachhaltigkeit, Emotionen gegenüber KI, Mensch-Maschine-Interaktion)
• Voraussetzung: vorheriger Besuch von „KI für Alle 1“ oder gleich­wertiges Grundwissen empfohlen
• Zugang: kostenlos, CC BY-SA 4.0, Registrierung mit E-Mail (kein Hochschul­account nötig)
• Zertifikat: Teilnahmebestätigung

Beide Kurse sind Teil des HeiCAD-Lehr­projekts „KI für Alle“ der HHU Düsseldorf (gefördert im Bund-Länder-Programm „Künstliche Intelligenz in der Hochschul­bildung“). Lehr­ende finden dort zusätzlich frei nachnutzbares OER-Begleitmaterial: heicad.hhu.de/lehre/ki-fuer-alle → 

Diese Kurse gehen über Grundlagen hinaus: Datenschutz im KI-Einsatz, EU AI Act und der verantwortungs­volle Umgang mit KI-Ausgaben sind zentrale Themen – direkt für Hochschul­verwaltung konzipiert oder unmittelbar übertragbar.

KI-Kompetenzen in der Hochschul­verwaltung 

Anbieter: KDU.NRW + Stifterverband / KI-Campus; Kursleitung Prof. Dr. Malte Persike (RWTH Aachen)

• Dauer: 3 Stunden
• Inhalt: Funktions­weise KI-Tools, Umgang mit unzuverlässigen KI-Antworten, Urheberrecht & Datenschutz, EU AI Act & ethische Prinzipien, Effektives Prompting, KI-gestützte Workflows
• Besonderheit: Einziger Kurs, der direkt für Mitarbeitende in der Hochschul­verwaltung entwickelt wurde; kein Vorwissen nötig
• Zugang: kostenlos, Registrierung mit E-Mail; offen für alle (kein Hochschul­account nötig)
• Zertifikat: Leistungs­nachweis kostenlos (ab 60 % Aufgaben); Teilnahmebestätigung ab 50 % Kurszugriff

KI in öffentlichen Verwaltungen (eGov-Campus) 

Anbieter: Prof. Dr. Moreen Heine, Uni Lübeck / eGov-Campus

• Dauer: Selbststudium, ca. 10 Wochen à 2–3 Stunden (jederzeit abrufbar)
• Inhalt: KI-Grundlagen, Anwendungs­szenarien öffentliche Verwaltung, Erklärbare KI (XAI), Ethik und Recht; tiefergehend als KIÖV
• Zugang: kostenlos, OpenAccess; Registrierung mit Moodle-Account auf eGov-Campus
• Zertifikat: Teilnahmebestätigung kostenlos (ab 50 % Kurs­unter­lagen)

EU AI Act Essentials 

Anbieter: appliedAI Institute for Europe + TU München / KI-Campus; Kursleitung Prof. Dr. Boris Paal (TUM), Dr. Till Klein (appliedAI)

• Dauer: 8 Stunden
• Inhalt: Einführung EU AI Act, verwandte EU-Gesetze, Implementierungs­zeitplan, Use Cases für Risikoklassen, Rollen (Provider/Deployer/National Authority); Ziel­gruppe: Verwaltung, Gesundheits­wesen, Bildungs­management
• Zugang: kostenlos, Registrierung mit E-Mail (kein Hochschul­account nötig)
• Zertifikat: Leistungs­nachweis kostenlos

EU AI Act im Hochschul­kontext 

Anbieter: Uni Wien + Hochschule Campus Wien / iMooX; Leitung Prof. Dr. Nikolaus Forgó

• Dauer: 10 Lektionen à 2 Stunden (20 Stunden gesamt); Start März 2026
• Inhalt: EU AI Act für Lehre, Forschung und Verwaltung; Datenschutz, Urheberrecht; kein juristisches Vorwissen nötig; CC BY-NC 4.0
• Zugang: kostenlos; iMooX-Account (kostenlos) oder eduID der Hochschule
• Zertifikat: Teilnahmebestätigung kostenlos (ab 75 % Selbstüber­prüfung)

EU AI Act für Hochschulen – Gesetzliche Regulierungen und Aus­wirkungen auf Lehre 

Anbieter: elan e. V. / NeL + StIL (Studium.Digitale, Frankfurt); Kursleitung: Marieke Prien, Carolina Ziegler, Malte Heyen

• Dauer: 1,5 Stunden
• Inhalt: EU AI Act im Hochschul­kontext – gesetzliche Grundlagen, Aus­wirkungen auf Hochschulen und Lehre; kompakter Einstieg
• Zugang: kostenlos, kein Login nötig (frei zugänglich)
• Zertifikat: keines (Selbststudium)

Über KI-Campus

Die zentrale deutsche Lernplattform für KI in der Hochschul­bildung. Betrieben vom Stifterverband gemeinsam mit DFKI, HPI und weiteren Partnern. Alle Kurse und Zertifikate kostenlos. Registrierung mit E-Mail genügt – kein Hochschul­account nötig.

Seit Januar 2026 läuft ein Verbund­projekt (6,9 Mio. €, BMFTR-gefördert, Laufzeit bis März 2029) zum Ausbau von Lernangeboten für alle Status­gruppen an Hochschulen – explizit auch Verwaltungs­mitarbeitende. BW-Partner: DHBW und Universität Tübingen (UTÜ, bwKI-Trans­fer-Partner).

ki-campus.org → 

Effektives Prompting ist die Grundlage für den produktiven Einsatz generativer KI im Arbeits­alltag – unabhängig vom eingesetzten Tool. Diese Kurse vermitteln Prompting-Strategien von den Grundlagen bis zu praxisnahen Anwendungen sowie fortgeschrittenen Techniken für alle, die über den Einstieg hinaus wollen.

Prompt-Labor: Generative KI in der Hochschul­lehre – Grundlagen 

Anbieter: KI-Campus + Hochschul­forum Digitalisierung (HFD); Kursleitung Prof. Dr. Malte Persike (RWTH Aachen), Stefan Göllner

• Dauer: 12 Stunden
• Inhalt: Grundlagen generativer KI, effektive Prompting-Strategien, Qualitätssicherung von KI-Ausgaben, eigene GPTs
• Ziel­gruppe: Einsteiger:innen, keine Vor­kenntnisse erforderlich
• Zugang: kostenlos, CC BY-SA 4.0, Registrierung mit E-Mail (kein Hochschul­account nötig)
• Zertifikat: Leistungs­nachweis kostenlos

Prompt-Labor: Generative KI in der Hochschul­lehre – Anwendungen 

Anbieter: KI-Campus + Hochschul­forum Digitalisierung (HFD); Kursleitung Prof. Dr. Malte Persike (RWTH Aachen) u. a. – Fortsetzung von „Prompt-Labor: Grundlagen“

• Dauer: 12 Stunden
• Inhalt: Bildgenerierende KI, Informations­visualisierung mit KI, KI beim wissenschaft­lichen Schreiben, Prompting für die Lehre, verantwortungs­voller KI-Einsatz
• Ziel­gruppe: Einsteiger:innen, keine Vor­kenntnisse erforderlich
• Zugang: kostenlos, CC BY-SA 4.0, Registrierung mit E-Mail; EN Version verfügbar
• Zertifikat: Leistungs­nachweis kostenlos

prompting.schule – Grundlagenkurs Prompt Engineering 

Anbieter: Technische Universität Graz, Abteilung Lehr- und Lern­technologien

• Dauer: 4 Lektionen à ca. 60 Minuten (modular)
• Inhalt: Präzise Anweisungen schreiben, Referenztexte nutzen, komplexe Aufgaben unter­teilen, schrittweises Denken fördern
• Ziel­gruppe: breit – Einsteiger:innen, Studierende, Berufstätige, Lehr­kräfte
• Zugang: kostenlos, OER, CC BY 4.0, kein Login nötig
• Zertifikat: keines (freies Selbstlernangebot)

Für Fortgeschrittene: Wer über die Grundlagen hinaus will, findet hier vertiefende Techniken (Chain-of-Thought, strukturierte Prompts, Retrieval-Augmented Generation) sowie verwaltungs­spezifische Vorlagen.

Prompt Engineering Interactive Tutorial (Anthropic) 

Anbieter: Anthropic

• Dauer: 9 Kapitel + Advanced-Appendix (selbstbestimmtes Tempo)
• Inhalt: von Grundstruktur bis zu Halluzinations­vermeidung, komplexen Prompts, Prompt Chaining und Tool Use
• Ziel­gruppe: Fortgeschrittene; auch ohne Programmier­kenntnisse nutzbar über die Google-Sheets-Variante (Claude for Sheets)
• Zugang: kostenlos (Englisch), Standard-Variante benötigt einen Anthropic-API-Key (ggf. geringe Nutzungs­kosten je nach Modellwahl)
• Zertifikat: keines (Übungs­antworten als Selbstkontrolle)

Advanced Prompt Engineering for Everyone 

Anbieter: Vanderbilt University / Coursera – Aufbaukurs zu „Prompt Engineering for ChatGPT“

• Dauer: 9 Stunden
• Inhalt: In-Context Learning, Prompting für mehrere Optionen, Kontrolle der Ausgabeformatierung, Retrieval-Augmented Generation (RAG)
• Ziel­gruppe: Mittelstufe/Fortgeschrittene mit Grunderfahrung in generativer KI
• Zugang: kostenlos auditierbar („Enroll for Free“), Englisch mit KI-Unter­titelung/-Dubbing Deutsch
• Zertifikat: kostenpflichtig (teilbares Coursera-Zertifikat)

Google Prompting Essentials 

Anbieter: Google / Coursera

• Dauer: unter 10 Stunden
• Inhalt: fokussierte Prompt-Grundlagen, Übungen direkt mit Gemini (kostenlose Stufe)
• Ziel­gruppe: Einsteiger:innen mit Anspruch auf schnellen, kompakten Einstieg
• Zugang:kostenpflichtig – kein freier Audit-Modus, Zugang nur über Coursera-Abo (ca. 49 $/Monat)
• Zertifikat: im Abo enthalten

Begleitmaterial: Prompt Pack for Administrators (OpenAI Academy)

Keine Schulung, sondern sieben einsatzbereite Prompt-Vorlagen speziell für die Hochschul­verwaltung: Enrollment-Analyse, Onboarding neuer Mitarbeitender, Eventplanung, finanz­ielle Unter­stützung, Krisen­management, Alumni-Engagement, Curriculum­entwicklung. Englisch, kostenlos, ChatGPT-Edu-Konto/Anmeldung nötig.

Prompt Pack for Administrators (OpenAI Academy) → 

Begleitmaterial: Selbstlernmaterialien Prompt-Labor (HFD)

Ergänzend zu den Kursen: Prompt-Katalog mit dokumentierten Beispiel-Prompts, Workbooks zu Lehr­planung, Durchführung und Evaluation sowie downloadbare Materialien zur Nachnutzung durch Multiplikator:innen. Kostenlos zugänglich.

Selbstlernmaterialien Prompt-Labor (HFD) → 

Hochschulen, die eine eigene strukturierte KI-Fortbildungs­reihe entwickeln wollen, können sich an einem erprobten institutionellen Modell orientieren.

Hamburg: KI-Fortbildungs­reihe 2024 (IT-Planungs­rat Best Practice)  (PDF)

Anbieter: Senatskanzlei Hamburg, Amtsleitung IT und Digitalisierung; dokumentiert über den IT-Planungs­rat

• Format: 7 Module – 5 Online-Formate (je 90 Min.) + 2 Präsenz-Workshops (je max. 4 Stunden)
• Inhalte: KI-Grundlagen · Machine Learning · Generative KI · Verantwortungs­voller Umgang · EU AI Act · Prompt-a-thon® · KI-Showroom
• Reichweite 2024: 1.830 Anmeldungen, durchschnittlich 300 Teilnehmende pro Online-Format
• Nutzung: Freiwillig, kostenlos für Hamburger Verwaltungs­mitarbeitende; Konzept über IT-Planungs­rat dokumentiert und nachnutzbar

Dieses Modell zeigt, wie eine mehrstufige Schulungs­reihe für öffentliche Einrichtungen strukturiert werden kann – von Grundlagen bis zu praxis­orientierten Formaten.

IT-Planungs­rat: KI-Kompetenzrepositorium (Orientierungs­rahmen) 

Anbieter: IT-Planungs­rat / Bertelsmann Stiftung; gefördert durch die öffentliche Hand

• Format: Begleithandbuch (PDF) + Excel-Matrix (KI-Kompetenzrepositorium.xlsx)
• Inhalt: 5 Kompetenzarten (Technisch, Nicht-technisch, Operativ, Gesellschaft­lich, Kommunikativ) · 6 Prüfkriterien für Art.-4-Compliance (A–F) · 7 Kompetenzprofile für verschiedene Stellenkategorien
• Nutzung für Hochschulen: Als Orientierungs­rahmen für institutionelle Schulungs­planung und Nachweis-Dokumentation Art. 4 EU AI Act
• Zugang: kostenlos, direkt downloadbar

Agentic AI beschreibt ein neues Systemparadigma: KI-Modelle planen, nutzen Werkzeuge, merken sich Kontext und führen mehrstufige Aufgaben eigenständig aus – über reine Chatbot-Antworten hinaus. Erste Pilot­projekte in der öffentlichen Verwaltung (z. B. der Bundes­initiative „Agentic AI Hub“) zeigen das Potenzial für automatisierte Antrags­prüfung und Dokumentenbearbeitung.

Agentic AI: The New Software Paradigm 

Anbieter: ElevateSoul.ai + KI-Servicezentrum Berlin-Brandenburg / KI-Campus

• Dauer: 10 Stunden (Englisch)
• Inhalt: Agentenarchitekturen, Speichermechanismen, Context Engineering, Tool-Nutzung, Multi-Agenten-Systeme, Deployment und Evaluierung
• Ziel­gruppe: Fortgeschrittene, sowohl technisch als auch nicht-technisch orientierte Teilnehmende; Grund­kenntnisse KI/LLM hilfreich, aber nicht erforderlich
• Zugang: kostenlos, CC BY-SA 4.0, Registrierung mit E-Mail (kein Hochschul­account nötig)
• Zertifikat: Leistungs­nachweis kostenlos
• Einführung: Kurzüberblick im KI-Campus-Blog „Agentische KI: Die nächste Generation intelligenter Software“ 

Von autonomen KI-Agenten zu Multiagenten­systemen 

Anbieter: IBM SkillsBuild / KI-Campus

• Dauer: 3 Stunden (Deutsch)
• Inhalt: Grundlagen von KI-Agenten, verschiedene Agententypen, Prinzipien und Aufbau von Multiagenten­systemen, praktische Anwendungs­bereiche
• Ziel­gruppe: Einsteiger:innen, keine Vor­kenntnisse erforderlich
• Zugang: kostenlos, CC BY-NC-SA 4.0, Registrierung mit E-Mail (kein Hochschul­account nötig)
• Zertifikat: Leistungs­nachweis kostenlos

Begleitmaterial: Agentische KI im Hochschul­system

Diskussionspapier von KI-Campus und Hochschul­forum Digitalisierung (HFD, April 2026): erste Orientierung für den institutionellen Umgang mit KI-Agenten an Hochschulen – für Mitarbeitende und Leitungen in Verwaltung, Didaktikzentren und strategischen Positionen. Kostenlos verfügbar.

Diskussionspapier als PDF (HFD) → 

Praxiseinblick: Agentic AI Hub (BMDS)

Pilot­programm des Bundes­ministeriums für Digitales und Staats­modernisierung (BMDS) mit dem DigitalService: rund 19 Kommunen und neun Start-ups erproben bis Mai 2026 autonome KI-Agenten für Verwaltungs­aufgaben – etwa automatisierte Prüfung von Wohnberechtigungs­scheinen und Wohngeldanträgen. Zeigt konkrete Anwendungs­fälle von Agentic AI in der deutschen Verwaltungs­praxis (kein Lernangebot, sondern Praxisreferenz).

Agentic AI Hub (BMDS) → 

An Hochschulen kursieren viele Begriffe: KI-Strategie, KI-Policy, KI-Leitlinie, KI-Nutzungs­bedingungen. Oft werden sie synonym verwendet – was zu unklaren Erwartungen und unkoordinierten Dokumenten führt. Das 4-Typen-Framework (Tatiana Moneth, Partner­forum „KI-Impulse für Hochschulen“, November 2025) bringt konzeptionelle Klarheit.

Die vier Dokumenttypen im Über­blick

Welches Dokument zuerst?

Nicht jede Hochschule braucht alle vier Typen gleich­zeitig. Empfehlung je nach Ausgangssituation:

• Kein Dokument vorhanden, begrenzte Ressourcen: Starten Sie mit einem Leitfaden. Niedrigschwellig, schnell erstellbar, flexibel aktualisierbar. Die Generatoren (siehe unten, Accordion 3) helfen beim Einstieg auf Kursebene; die eTeach-Gliederungs­vorlage (Accordion 4) für eine institutionelle Leitlinie.
• Leitfaden vorhanden, nächster Schritt: Policy / Richtlinie entwickeln. Schafft Verbindlichkeit und reduziert Haftungs­risiken. Uni Stuttgart-Paket als Orientierung (Accordion 4).
• Strategisch denken: KI-Strategie erarbeiten. TUM KI-Strategie (CC-Lizenz) als adaptierbarer Rahmen (Accordion 5).
• Konkrete Tool-Einführung: Nutzungs­bedingungen formulieren. KI:connect-Dokumentenpaket liefert fertige Vorlagen (Accordion 4).

Hinweis: Der Vorteil des 4-Typen-Modells liegt nicht darin, alle vier Dokumente zu erstellen – sondern darin, zu wissen, welche Funktion ein neues Dokument erfüllen soll. Eine gut gemachte Leitlinie mit Policy-Charakter ist besser als vier halbfertige Dokumente.

Landes­rahmen BW: MWK-Positions­papier zur EU KI-Verordnung

Das offizielle Positions­papier des Ministeriums für Wissenschaft, Forschung und Kunst Baden-Württemberg (MWK BW) zur EU KI-Verordnung benennt die Landes­position zu risiko­basiertem System, KI-Kompetenzen und Trans­parenz für BW-Hochschulen. Es ist der politische Rahmen, in dem alle institutionellen Dokumente an BW-Hochschulen entstehen sollten.

Download MWK BW Positions­papier (PDF) → 

An der Hochschule Offenburg (HSO) wird im Rahmen des Arbeits­pakets „Kultureller Wandel" derzeit eine neue Version der eigenen KI-Leitlinien erarbeitet. Ausgehend von der in dieser Section zusammengetragenen Recherche entsteht dabei als Vorschlag ein 7-Schritte-Modell zur Einführung von KI-Systemen – mit Verantwortlichkeiten, Prüfpflichten und Hinweisen auf EU AI Act-Anforderungen.

Achtung, Zwischenstand: Das Arbeits­paket „Kultureller Wandel“ ist noch nicht abgeschlossen und wird weiter bearbeitet. Das folgende Modell ist ein erster, grober Vorschlag – keine finale oder freigegebene Fassung.

Vorschlag für ein 7-Schritte-Modell

1. Schritt 1: Bedarfsidentifikation Das Projekt­team identifiziert den Bedarf und erstellt eine erste Beschreibung: Zweck des Systems, Nutzerkreis, KI-Typ (generativ oder klassifikatorisch), relevante Datenarten, vorläufige Ressourcen- und Kostenschätzung. Datenschutz-Folgenabschätzungs-Pflicht wird bereits hier geprüft. Wichtig: IT-Abteilung frühzeitig einbinden.
2. Schritt 2: Erste Prüfung durch das KI-Kern­team Das KI-Kern­team führt eine Vor­prüfung durch: Ist der Use Case sinnvoll? Welche Risikoklasse nach EU AI Act (inkl. Schulungs­pflicht Art. 4)? Intern oder extern implementierbar? Erste go/no-go-Entscheidung. Das Rektorat wird eingebunden, wenn der Einsatz hochschul­strategisch relevant ist.
3. Schritt 3: Parallele rechtliche und organisatorische Prüfungen Mehrere Stellen prüfen gleich­zeitig: Datenschutz (personenbezogene Daten, DSGVO-Konformität, Drittstaaten-/US-Cloud-Frage), IT-Sicherheit (Schutz­bedarfsfeststellung, Sicherheits­konzept, Hosting-Entscheidung), Justitiariat (hochschul­rechtliche Zulässigkeit, Vertrags- und Lizenzfragen), Personalrat (Mit­bestimmungs­pflicht bei Leistungs- und Verhaltenskontrollen).
4. Schritt 4: Beschaffung Erst nach erfolgreichen Parallel­prüfungen und Freigaben: Rektorat erneut einbinden (Vertragsbindung, Abhängigkeiten, Nutzungs­bedingungen, Laufzeiten, Haftungs- und Gerichtsstandsfragen). Beschaffungs­bedarf melden. Finale Vertrags­prüfung mit Justitiariat und Datenschutz­beauftragten (EVB-IT, Auftragsverarbeitungs­verträge).
5. Schritt 5: Urheberrechts­prüfung Drei Ebenen: (a) Eingabedaten – werden urheberrechtlich geschützte Werke eingegeben? (b) Trainingsdaten – eigenes Training? Nutzungs­rechte vorhanden? (c) Output – Nutzungs­rechte? Veröffentlichungs­genehmigung? Einschränkungen durch Anbieter-AGB?
6. Schritt 6: Implementierung System aufbauen, technische Dokumentation erstellen (Architektur, Datenflüsse, Rollen, Logging). Abnahme durch IT-Sicherheit und Datenschutz­beauftragte. Formale Freigabe durch KI-Kern­team. Dann: Test­phase mit ausgewähltem Testnutzerkreis (Schulung → Testnutzung → Feedback → Evaluation).
7. Schritt 7: Freigabe und Inbetriebnahme Rektorat trifft finale Entscheidung (produktiver Einsatz, Außen­wirkung, Risikotragung). Über­gabe an Betriebs­team. Zwei EU AI Act-Pflichten: EU-KI-Register-Eintrag (falls registrierungs­pflichtig) und Schulung aller Nutzenden nach Art. 4 EU AI Act – verpflichtend, Zugangs­voraussetzung zum System. Danach: Produktivbetrieb mit kontinuierlicher Wartung, Leistungs­evaluation und sachlicher Kommunikation nach außen.

Besonderheiten des Modells: Das Modell bindet das Rektorat an drei Punkten explizit ein (Schritt 2, 4, 7) – stärker als die meisten anderen verfügbaren Leitfäden. Die EU AI Act-Registrierung ist als fester Prozess­schritt verankert, nicht als optionaler Hinweis. Die Art. 4-Schulungs­pflicht ist Zulassungs­bedingung – wer nicht geschult ist, bekommt keinen Systemzugang.

Schritte 2 und 7 enthalten explizite EU AI Act-Anforderungen.

Sobald interne Arbeits­ergebnisse freigegeben werden können, werden sie hier auf der Projektseite geteilt.

Wer eine Richtlinie für eine konkrete Lehr­veranstaltung entwickeln möchte, muss nicht bei einem leeren Dokument anfangen. Zwei kostenlose Online-Tools decken den Bedarf auf Kursebene ab.

KI-Policy-Generator – Universität Bamberg Hauptempfehlung

Der KI-Policy-Generator der Universität Bamberg (CIO, Projekt BaKuLe) ist das am weitesten verbreitete und ausgereifteste öffentliche KI-Policy-Tool im deutschsprach­igen Hochschul­raum. Version 3 wurde im März 2026 veröffentlicht.

Das Tool bietet zwei Modi:

• Entscheidungs­baum-Modus (ki-policy.org): Lehr­ende beantworten drei Fragen (KI zum Lernen erlaubt? Bewertet ohne Aufsicht? Kompetenzbeherrschung gesichert?) und erhalten eine passende Richtlinie aus sechs Preset-Varianten (AI-None bis AI-Skill).
• Modular-Textbaustein-Modus: Rund 50 vordefinierte, anpassbare Textbausteine. Lehr­ende wählen aus und ergänzen eigene Inhalte. Das Tool läuft vollständig lokal im Browser – keine Serverübertragung der Eingaben.

Abgedeckte Bereiche: KI-Grundlagen, Lernziele, erlaubte/verbotene Nutzung, Urheberrecht, Datenschutz, Kennzeichnungs­pflichten, Chancen­gleich­heit, Prüfungs­design, praktische Tipps. Output: Her­unter­ladbare KI-Richtlinie (HTML oder Clipboard), JSON-Konfigurations­datei (wiederverwendbar), druckfertig.

ki-policy.org (Version 3) →   Version 2 →   Uni Bamberg CIO / BaKuLe → 

Wichtige Abgrenzung: Der Bamberger Generator eignet sich für lehr­veranstaltungs­bezogene Richtlinien auf Kursebene. Für eine institutionelle Gesamtleitlinie ist er als Ausgangsmaterial nutzbar, aber nicht direkt verwendbar. Dafür stehen die Vorlagen in Accordion 4 zur Verfügung.

Formulargenerator – KIT Zentrum für Mediales Lernen

Das Zentrum für Mediales Lernen (ZML) des KIT bietet einen komplementären Generator: Während der Bamberger Generator die Policy-Regeln erzeugt, liefert das KIT-Tool das Instrument zur Dokumentation der Regeleinhaltung durch Studierende.

Der Formulargenerator erstellt standardisierte HTML-Formulare, mit denen Studierende ihren KI-Einsatz bei einer Abgabe deklarieren. Konfigurierbar per Matrix-Steuerelement (welche Aktivitäten sind erlaubt, in welchem Umfang?), Export als JSON für Wiederverwendung, Live-Vorschau, Sprach­auswahl Deutsch/Englisch.

KIT Formulargenerator → 

Weitere Generatoren: Für Organisationen allgemein (nicht spezifisch Hochschulen) existieren weitere Tools, z. B. ki-richtlinien-generator.de mit expliziter DSGVO- und EU AI Act-Ausrichtung. Für Hochschulen sind die oben genannten universitären Werkzeuge die verlässlichere Wahl.

Seit dem 2. Februar 2025 gilt Art. 4 EU AI Act für alle Hochschulen. Hochschulen sind doppelt betroffen: als Betreiber (Deployer) von KI-Tools in Administration, Lehre und Forschung – und als Anbieter (Provider) von KI-Systemen, die sie selbst entwickeln oder für Studierende bereitstellen.

Art. 4 verlangt, dass alle Personen, die mit dem Betrieb und der Nutzung von KI-Systemen befasst sind, über ausreichende KI-Kompetenz verfügen. Das ist keine Empfehlung, sondern Rechts­pflicht.

Hinweis zum Rechts­rahmen (Stand: Juli 2026): Der „Digital Omnibus on AI“ ist inzwischen verabschiedet (EU-Parlament 16. 06. 2026, Rat 29. 06. 2026) und tritt in Kürze in Kraft. Die Art. 4-Kompetenzpflicht selbst bleibt bestehen – die Formulierung wird von einer Sicherstellungs- zu einer Förderungs­pflicht abgeschwächt, die Frist ändert sich jedoch nicht. Ab dem 2. August 2026 wird Art. 4 durch die nationalen Markt­überwachungs­behörden aktiv beaufsichtigt.

Was eine Leitlinie mindestens abdecken muss

Verbotene Praktiken seit 2. Februar 2025 (Art. 5 EU AI Act)

• Emotions­erkennung am Arbeits­platz oder in Bildungs­einrichtungen (mit definierten Ausnahmen)
• Social-Scoring-Systeme
• Manipulative KI-Systeme

Hochrisiko-KI für Hochschulen (Anhang III EU AI Act)

• KI-Systeme zur Bewertung von Bewerbungen und Studien­platz­vergabe
• KI-Systeme zur automatisierten Prüfungs­bewertung
• KI-Systeme für Personalentscheidungen

Frist durch Digital Omnibus verschoben: Durch den „Digital Omnibus on AI“ wurde die behördliche Durchsetzung der Anhang-III-Hochrisikopflichten von ursprünglich 2. August 2026 auf 2. Dezember 2027 verschoben. Die inhaltlichen Anforderungen (Konformitäts­bewertung, Risiko­management, Daten-Governance) bleiben unverändert – betroffen ist nur der Zeitpunkt der Durchsetzung. Die Trans­parenzpflichten nach Art. 50 EU AI Act (Kennzeichnung von KI-Nutzung) sind von dieser Verschiebung nicht betroffen und gelten weiterhin ab 2. August 2026.

Pflichtlektüre für IT-Sicherheit und Datenschutz

• BSI Kriterienkatalog „Integration extern bereitgestellter generativer KI-Modelle“: 7-Phasen-Sicherheits­anforderungen für Hochschulen als Betreiber. bsi.bund.de (Suchbegriff: AIC4 / KI-Modelle Bundes­verwaltung)
• DSK Orientierungs­hilfe RAG-Systeme (Oktober 2025): Datenschutz­anforderungen für RAG-basierte Chatbots – relevant für Hochschulen, die KI-Chatbots für Studien­beratung, Bibliothek oder Verwaltung einsetzen. datenschutz­konferenz-online.de

Empirische Grundlage – warum Governance-Dokumente gebraucht werden

Working Paper 38 (Schneider et al., HAW Frankfurt, 2025) belegt empirisch ein KI-Paradoxon: Intensivere KI-Nutzung bei Abschlussarbeiten steigert das Vertrauen der Studierenden in KI – trotz bekannter Fehleranfälligkeit. Hinzu kommen Bias-Risiken. Die Autoren empfehlen ausdrücklich institutionelle Regelungen. Das unter­streicht, warum ein klarer Governance-Rahmen keine bürokratische Pflicht ist, sondern akademische Qualitätssicherung.

Working Paper 38 – Schneider et al. (PDF) → 

Wer eine institutionelle KI-Leitlinie entwickeln möchte, muss das Rad nicht neu erfinden. Die folgenden Ressourcen sind frei verfügbar und decken unter­schiedliche Bedarfe ab.

Gliederungs­vorlage – eTeach-Netzwerk Thüringen Top-Empfehlung

Die Gliederungs­vorlage des eTeach-Netzwerks Thüringen (AG KI, verabschiedet 12. Juni 2025) ist die beste verfügbare öffentliche Strukturvorlage für institutionelle KI-Leitlinien im deutschsprach­igen Raum. Sie ist juristisch fundiert (DSGVO, UrhG, EU AI Act, Prüfungs­recht), deckt alle Bereiche ab (Lehre, Prüfungen, Verwaltung) und enthält ein operatives Vier-Stufen-Modell für Prüfungs­zulässigkeit.

Vollständige Gliederungs­struktur:

1. Präambel (Definition gen. KI, Relevanz für die Hochschule, Geltungs­bereich, Dynamik des Feldes)
2. Grundsätze zum Umgang (ethische Grundsätze, Datenschutz & Informations­sicherheit, Urheberrecht, Prüfungs­recht & Chancen­gleich­heit, akademische Integrität)
3. Regeln / Nutzungs­bedingungen (3.1 Zulässigkeit in Lehre/Forschung/Verwaltung/Prüfungen, 3.2 Kennzeichnung und Dokumentation, 3.3 Eigen­verantwortliche Nutzung)
4. Quellen und weiterführende Hinweise

Die Vorlage erläutert explizit den Unter­schied zwischen Leitlinie (flexibel, hohe Akzeptanz, keine direkte Verbindlichkeit) und Richtlinie (rechts­verbindlich, durchsetzbar, höherer Verwaltungs­aufwand) – und empfiehlt, diese Entscheidung vor Beginn der Arbeit mit Gremien zu treffen.

Download Gliederungs­vorlage (PDF) → 

Umfassendstes Dokumentenpaket: KI:connect.nrW – RWTH Aachen

Das KI:connect-Projekt der RWTH Aachen (Landes­initiative NRW) hat das umfassendste deutschsprach­ige Dokumentenpaket zur KI-Einführung an Hochschulen zusammengestellt. Rund 72 Dokumente in fünf Kategorien, als ZIP komplett downloadbar – primär NRW-fokussiert, aber auf andere Bundes­länder übertragbar (Anpassungen beim Personal­vertretungs­recht erforderlich).

Besonders relevant:

• Checkliste rechts­konformer Umgang mit KI (PDF)(phasenweise: Vor / Während / Nach der Nutzung) – als bearbeitbare Word-Datei verfügbar
• Rechts­fragen Allgemein (PDF)(FAQ mit rechtlichen Einschätzungen, Schwerpunkt Azure OpenAI)
• Mit­bestimmungs­prozess (9-Schritte-Musterprozess für Personalräte und IT-Leitungen) – einzigartige Ressource
• Gesamtes Dokumentenpaket (inkl. Dienst­vereinbarungs­vorlagen, DSFA-Vorlagen, AVV-Muster)

Referenz­modell für Verwaltungs­richtlinien: Universität Stuttgart – 5-Dokumente-Paket

Die Universität Stuttgart (Rektorat, beschlossen 30. September 2025) hat als einzige deutsche Hochschule ein vollständiges, aufeinander abgestimmtes 5-Dokumente-System für KI-Governance entwickelt – besonders empfehlenswert für BW-Hochschulen, die eine eigene Verwaltungs­richtlinie entwickeln.

Die fünf Dokumente:

1. Richtlinie zur KI-Nutzung (PDF)(7 Seiten) – inkl. 5-Typen-Klassifikation, Governance-Struktur (KI-Referent*in, Whitelist freigegebener Systeme)
2. Vertraulichkeits­klassifikation C1–C4 (Öffentlich / Intern / Vertraulich / Streng vertraulich) – mit klaren technischen Anforderungen je Klasse
3. Matrix zulässige Anwendungs­fälle – Kompakte Über­sicht (5 Typen × 4 Klassen) als separates Referenzdokument
4. Grundsätze für Studierende (1-Seiten-Commitment) – Eigenverantwortung, Prüfungs­regeln, Kennzeichnungs­pflicht
5. Handreichung für Prüfende - 7 Abschnitte, 4 Optionen für Prüfende (erlauben / ausweichen / voraussetzen / verbieten)

Für Datenschutz und Beschaffung: Universität Potsdam – GPT.UP Ressourcen

Die Universität Potsdam stellt unter dem Motto „Sharing is Caring“ Materialien bereit, die besonders für Hochschulen mit eigener KI-Infrastruktur wertvoll sind: Datenschutz­rechtliche Vorgaben für Azure OpenAI, DSFA-Vorlagen, Verarbeitungs­verzeichnis, DSB-Stellungnahmen, Beschaffungs­materialien (Förderantrags-Vorlagen, Leistungs­beschreibungen) und Support-Dokumentation.

Ressourcen Uni Potsdam GPT.UP → 

Vorlage für Dienst­vereinbarungen: bitkom Leitfaden KI und Mit­bestimmung (Februar 2026)

Der bitkom-Leitfaden enthält Strukturvorschläge für Rahmenbetriebs­vereinbarungen zum KI-Einsatz, die auf Dienst­vereinbarungen an Hochschulen adaptiert werden können. Er benennt sieben Pflichtbausteine: Ziele und Grundsätze, Geltungs­bereich, Einführungs­prozess (wann und wie der Personalrat beteiligt wird), Betroffenenrechte, Mitarbeiterpflichten, Schulungs­angebote (Nachweis der Art. 4-Erfüllung) und Streitbeilegung. Ergänzend zum KI:connect-Mit­bestimmungs­prozess (9-Schritte-Musterprozess, oben) bietet der bitkom-Leitfaden eine inhaltliche Strukturierungs­hilfe für den Verhandlungs­prozess.

Download bitkom Leitfaden KI und Mit­bestimmung (PDF) → 

Struktur­modell KI-Inventar: Universität Mannheim

Alle im Einsatz befindlichen KI-Systeme sollten inventarisiert sein – inklusive Pilot­projekte und Cloud-Dienste. Die Universität Mannheim hat dafür ein zentrales KI-Register mit Pflichtangaben zu Anbieter, Zweck, verarbeiteten Daten und betroffenen Personen­gruppen aufgebaut. Das Modell bietet eine umsetzbare Struktur für ein eigenes KI-Inventar – auch als Vorstufe zur Beschaffungs-Governance (Whitelist freigegebener Systeme, Risikoklassifizierung vor Beschaffung).

Kompakt-Checkliste: Was muss eine Hochschule bereits erledigt haben?

Vier Punkte, die spätestens jetzt geklärt sein sollten:

• KI-Kompetenz-Schulung nach Art. 4 EU AI Act für betroffenes Personal organisiert
• KI-Inventar aller eingesetzten Systeme (inkl. Pilot­projekte, Cloud-Dienste) angelegt
• Verbotene Praktiken (Art. 5 KI-VO, z. B. Emotions­erkennung) für eigene Anwendungs­fälle geprüft
• Personalrat bei mit­bestimmungs­pflichtigen KI-Einführungen frühzeitig informiert und beteiligt

Fertige Leitlinien anderer Hochschulen sind die effektivste Orientierung beim Entwickeln eigener Dokumente. Die folgenden Beispiele wurden ausgewählt, weil sie öffentlich verfügbar, inhaltlich besonders stark oder für den BW-Kontext besonders relevant sind.

HFD-Metastudie: KI-Leitlinien im Check – Update 2024 zu 2026 Über­blick über alle Bundes­länder

Statt einzelner Beispiele liefert das Hochschul­forum Digitalisierung (HFD, gemeinsam mit dem CHE Centrum für Hochschul­entwicklung) eine vergleich­ende Analyse: Der Blickpunkt „KI-Leitlinien im Check. Ein Update von 2024 zu 2026“ (Anja Westermann, Sarah Becker, Jens Tobor, Riccarda Lüthi, Johanna Leifeld, 19. Mai 2026) wertet 30 KI-Leitlinien aus allen 16 Bundes­ländern aus. Kernbefund: ein Wandel von reaktiven Regelwerken hin zu „Enabling-Dokumenten“, die strategische Integration ermöglichen – weg vom reinen Risiko­management, hin zur didaktischen Integration. Der Bericht benennt außerdem Lücken bei Barrierefreiheit und Nachhaltigkeit und plädiert für agilere, regelmäßig aktualisierte Dokumentation.

Die Vorgängerstudie „Blickpunkt: Leitlinien zum Umgang mit generativer KI“ (HFD-KI-Taskforce, Ansprech­partner Jens Tobor, 7. Februar 2024) hatte bereits 46 deutsche Hochschul-Leitlinien systematisch verglichen und Gemeinsamkeiten, Unter­schiede sowie Handlungs­empfehlungen herausgearbeitet – die 2026er-Ausgabe baut direkt darauf auf und zeigt die Entwicklung der letzten zwei Jahre.

Download Blickpunkt KI-Leitlinien 2026 (PDF) →   Artikel & Update 2026 →   Vorgängerstudie 2024 → 

Hochschule Bayern – KI-Leitlinie (kollegialer Entstehungs­prozess)

Der Verband der bayerischen Hochschulen für angewandte Wissenschaften und Technischen Hochschulen (Hochschule Bayern e. V., gemeinsam mit FIDL) hat im Mai 2025 eine gemeinsame 67-seitige KI-Leitlinie veröffentlicht. Entstanden durch kollaborative Arbeit von Lehr­enden und Studierenden verschiedener bayerischer Hochschulen – koordiniert durch Vizepräsidentinnen und -präsidenten für Studium und Lehre. Dieses Modell einer hochschul­übergreifenden Leitlinie ist ein Vorbild für ähnliche Verbundansätze in BW.

Anhänge: Beispiele für KI-Richtlinien, Checkliste für Lehr­ende, Fortbildungs­möglichkeiten.

Download KI-Leitlinie Hochschule Bayern (PDF) → 

TUM KI-Strategie – Vollständig frei adaptierbar (CC BY-NC-SA 4.0)

Die TU München hat 2024/2025 die ausführlichste öffentlich verfügbare Hochschul-KI-Strategie in Deutschland verabschiedet. Das Dokument ist das einzige seiner Art, das alle vier Kern­bereiche (Lehre, Forschung, Verwaltung, Datenschutz/Ethik) systematisch behandelt und zugleich unter einer offenen Lizenz steht – Adaption für andere Hochschulen ist ausdrücklich erlaubt.

Besonderheiten: Ampel­system für KI in Prüfungen, Risiko­bewertungs­rahmen (minimal / begrenzt / hoch / inakzeptabel, analog EU AI Act), FAIR-Datenprinzipien für KI-Forschungs­daten, konkrete Tool-Bereitstellung. 5 Kapitel + Anhang, ca. 30 Seiten, deutsch. Unter­zeichnet von Präsident und CIO. Entstanden in kollaborativer Co-Kreation mit 7 Schools, Studierenden­vertretung, Datenschutz­büro und Universitäts­bibliothek.

Download TUM KI-Strategie (PDF) →   Direktlink Nachnutzung (CC BY-NC-SA 4.0) → 

HFD Arbeits­papier AP92 – KI als Management­aufgabe

Das Hochschul­forum Digitalisierung (HFD) und das CHE Centrum für Hochschul­entwicklung haben im März 2026 ein 79-seitiges Arbeits­papier veröffentlicht, das KI explizit als organisationale Management­aufgabe einordnet – nicht als rein technische oder didaktische Herausforderung.

Kernthese: „Hochschulen managen KI bereits – häufig jedoch ohne einen stabilisierten Gesamtzusammenhang.“ Das Papier entwickelt ein 13-Felder-Rahmenwerk über drei Management­ebenen (strategisch / Koordination & Support / fach­lich-operativ), das Hochschulen als Selbstdiagnoseinstrument nutzen können: Welche Management­felder sind schon bearbeitet, wo liegen Lücken? Das HFD bietet 2026 eine Peer-to-Peer-Strategie­beratung an.

Download HFD AP92 (PDF) →   Strategie­briefing kompakt (PDF) → 

Weitere BW-Beispiele

KI:connect als NRW-Referenz­projekt

Das NRW-Projekt KI:connect (RWTH Aachen) ist das am weitesten entwickelte Hochschul-KI-Netzwerk­projekt in Deutschland. Es zeigt, wie ein Landes­verbund aus Hochschulen gemeinsam Governance-Strukturen, Dokumentenpakete und Schulungs­angebote aufbaut – ein Modell, das für BW-Hochschulen im Rahmen landes­weiter Kooperation (HND-BW, bwKI-Trans­fer) als Referenz dienen kann.

KI:connect Über­sicht → 

Eine KI-Leitlinie ist kein Einmal-Dokument, sondern ein lebendiger Rahmen, der regelmäßig aktualisiert werden muss. Welche Governance-Struktur dafür geeignet ist, hängt von Hochschul­typ und -größe ab. Vier Modelle haben sich an deutschen Hochschulen etabliert.

Modellvergleich

Quellen: TUM KI-Strategie (PDF) (TU München, CC BY-NC-SA 4.0) sowie Präsentation Isabella Hennessen (TUM), „KI-Impulse für Hochschulen“, 06.03.2026 · KI-Leitlinien und KI-Board (Uni Heidelberg) · KI-Fach­beirat (HSO Offenburg, interne Leitlinie, bwKI-Trans­fer-Projektwissen) · Richtlinie zur Nutzung von KI, Abschnitt 7 (PDF) (Uni Stuttgart, v1.0, Oktober 2025)

Empfehlung nach Hochschul­typ

Kleine und mittlere HAW (bis ca. 8.000 Studierende)

Das HSO-Fach­beirat-Modell ist die empfehlenswerteste Struktur. Es ist schlank (max. 15 Mitglieder), verankert die relevanten Stellen (CIO, ISB, DSB, Personalrat), und bindet alle Status­gruppen ein. Der CIO-Vorsitz stellt die Verbindung zwischen Governance und IT-Betrieb sicher.

Alternativ: Uni Stuttgart KI-Referent*in-Modell – für Hochschulen, die eine operative Einzelrolle mit klar definiertem Freigabeprozess bevorzugen. Geringerer Koordinations­aufwand; Whitelist + Freigabeprozess ist sofort rechts­wirksam.

Mittlere bis große Universitäten

Das Heidelberger KI-Board (21 Mitglieder, alle Disziplinen) stellt sicher, dass KI-Governance nicht einseitig technisch oder administrativ bleibt. Das duale Co-Sprecher*innen-Modell verhindert Dominanz einzelner Bereiche.

Große Voll­universitäten

Das TUM-Modell mit vier parallelen Boards und fach­spezifischen Taskforces ermöglicht tiefe fach­liche Diskussion bei strategischer Kohärenz. Für kleinere Hochschulen ist es überdimensioniert – ein vereinfach­tes Zwei-Gremien-Modell (Strategie + Operative Umsetzung) wäre dann sinnvoller.

Ergänzendes Modell: Uni Mannheim – KI-Register-Modell BW-Beispiel

Die Universität Mannheim (Federführerin des bwKI-Trans­fer-Projekts) hat ein zentrales KI-Register eingeführt: Alle KI-Systeme – einschließlich Pilot­projekte und Cloud-Dienste – müssen vor Entwicklung, Beschaffung oder Inbetriebnahme eingetragen werden (Pflichtangaben: Anbieter, Ziele, verwendete Daten, betroffene Personen­gruppen). Das KI-Kern­team prüft die Einträge; bei Hochrisiko-KI entscheidet das Rektorat nach Risiko­bewertung. Das Modell verankert Governance direkt im Beschaffungs­prozess – nicht erst bei der Inbetriebnahme.

Als ergänzendes Instrument zu den vier Governance-Modellen in der Tabelle bietet das Mannheimer KI-Register-Modell besonders für BW-Hochschulen mit Hochrisiko-Anwendungen eine klare Struktur.

KI-Richtlinie Uni Mannheim → 

Wichtige Governance-Prinzipien aus der Praxis

• Leitlinien dürfen nicht statisch sein – regelmäßige Fortschreibung ist Pflicht (TUM: jährlicher Review; Uni Stuttgart: jährlicher Zyklus + Feedback-Kanal)
• KI-Governance muss die akademische und wissenschaft­liche Freiheit ausdrücklich schützen (Uni Mannheim: explizites Commitment)
• Personalräte sind rechtlich einzubinden, wenn KI für Leistungs- und Verhaltenskontrolle von Beschäftigten eingesetzt werden soll
• Nur 10 % der deutschen Hochschulen beziehen Studierende substanziell in KI-Governance ein (HFD KI-Monitor 2025) – hier besteht Nachholbedarf

Das 13-Felder-Management­rahmenwerk als Selbstdiagnose-Instrument für Hochschul­leitungen: HFD AP92 (PDF) → 

bwDigiRecht veröffentlicht Handreichungen speziell für den BW-Hochschul­kontext. Die folgenden Dokumente sind für die Hochschul­verwaltung besonders relevant:

• Hochschulen im Kontext von Anbieter- und Betreiberpflichten (Juli 2025) – Rollenabgrenzung Anbieter/Betreiber gemäß KI-VO konkret für den BW-Hochschul­kontext. PDF bwDigiRecht →
• KI-Nutzungs­regelungen an Hochschulen – Orientierung bei der Erstellung hochschul­interner Regelwerke. PDF bwDigiRecht →
• KI und Datenschutz – DSGVO-Anforderungen beim KI-Einsatz in der Lehre. PDF bwDigiRecht →
• KI und Grundrechte – Informationelle Selbst­bestimmung, Deepfakes, Wissenschafts­freiheit. PDF bwDigiRecht →
• Urheberrecht und KI – Rechts­bereichs­spezifische Analyse urheberrechtlicher Fragen beim KI-Einsatz. PDF bwDigiRecht →
• KI bei dualen Studierenden – Abgrenzung private/berufliche Nutzung von KI im dualen Studium. PDF bwDigiRecht →
• KI-Kompetenz (EU AI Act Art. 4) – Anforderungen aus Art. 4 EU AI Act für Hochschulen. PDF bwDigiRecht →
• Offenlegung der KI-Nutzung an Hochschulen (November 2025) – KI-integrierende vs. KI-robuste Prüfungs­formate; Formulierungs­vorschläge für Prüfungs­ordnungen. PDF bwDigiRecht →
• Rechts­fragen KI-integrierender Prüfungen (Januar 2026) – Für Prüfungs­verwaltung und Prüfungs­recht relevant. PDF bwDigiRecht →
• Gutachten zur Verwaltungs­aktqualität bei KI – Rechts­sicherheit automatisierter Verwaltungs­entscheidungen. PDF bwDigiRecht →

Zum bwDigiRecht-Archiv (hnd-bw.de) →

Die EU-Kommission vereinfacht mit dem „Digital Omnibus on AI“ gezielt Teile der KI-Verordnung – unter anderem die KI-Kompetenzpflicht aus Art. 4 sowie Fristen für Hochrisiko-KI-Systeme. Die folgenden Quellen dokumentieren den aktuellen Verfahrensstand:

• bwDigiRecht Newsletter 02/2026 (Juni 2026) – Leitartikel „Digitale Omnibus-Verordnung über KI“: Stand des Gesetzgebungs­verfahrens und Einordnung der Erleichterungen für Hochschulen. PDF bwDigiRecht →
• bwDigiRecht-Vortrag „Mit dem digitalen Omnibus auf wilder Fahrt“ (university@LEARNTEC, 06.05.2026) – Foliensatz zu den Aus­wirkungen der Omnibus-Gesetzgebung auf Hochschulen. PDF bwDigiRecht →
• Fach­literatur (lt. bwDigiRecht-Newsletter 02/2026) – Michaelis, Oliver: „Digital Omnibus on AI – Anpassung und Vereinfach­ung der KI-VO“ (Teil 1 & Teil 2), Künstliche Intelligenz und Recht (KI+R) 2026, S. 112–120 und S. 155–162; Pilz, Stefan: „Der Digital-Omnibus zur KI – Nachsteuerung zwischen Vollzugserleichterung und Governance-Verschiebung“, KI+R 2026, S. 146–154.
• CMS.law: „KI: Digitaler Omnibus der EU-Kommission“ – laufend aktualisierte juristische Einordnung einer internationalen Kanzlei (Stand: 08.07.2026). cms.law →

Zur bwDigiRecht-Newsletter-Über­sicht (hnd-bw.de) →

ZENDAS (Zentrale Datenschutz­stelle der baden-württembergischen Universitäten) stellt praxis­orientierte Informationen zu datenschutz­rechtlichen Aspekten des KI-Einsatzes bereit – mit direktem Bezug zu Verwaltungs­prozessen:

• KI-gestützte Protokollerstellung – Datenschutz­aspekte beim Einsatz von KI für Sitzungs- und Besprechungs­protokolle. ZENDAS (zendas.de)
• Über­setzungen mit KI – Anforderungen an den datenschutz­konformen Einsatz von KI-Über­setzungs­diensten. ZENDAS (zendas.de)
• Automatisierte Einzelentscheidung – Datenschutz­rechtliche Einordnung automatisierter Entscheidungen nach DSGVO Art. 22. ZENDAS (zendas.de)
• Emotions­erkennungs­systeme – KI-gestützte Emotions­erkennung und deren datenschutz­rechtliche Bewertung. ZENDAS (zendas.de)

Zur ZENDAS KI-Themenseite (zendas.de) →

Ergänzend zum BW-spezifischen Angebot stehen bundes­weit verfügbare Leitfäden bereit, die für Hochschul­verwaltungen direkt anwendbar sind:

• HRK Modus: „KI in Anerkennungs- und Anrechnungs­prozessen“ (2024) – Orientierung und Empfehlungen für Hochschul­verwaltungen zum KI-Einsatz in Studien­anerkennungs­verfahren. hrk-modus.de →
• Bitkom: „Künstliche Intelligenz im Personalwesen“ (Leitfaden 2025) – Handlungs­empfehlungen für den KI-Einsatz in HR-Prozessen, auch hochschul­relevant. PDF bitkom →
• LfDI BW: ONKIDA – Navigator KI & Datenschutz – Orientierungs­instrument des Landes­beauftragten für Datenschutz BW. LfDI BW (onkida) →

Ergänzend zu den BW-spezifischen bwDigiRecht-Handreichungen helfen bundes­weite Leitfäden und interaktive Tools bei der praktischen Einordnung der KI-VO – auch außerhalb des unmittelbaren Hochschul­kontexts entstanden, aber direkt übertragbar:

• bitkom Umsetzungs­leitfaden KI-VO (Oktober 2024) – Praxis­orientierter Leitfaden für Unter­nehmen und Behörden mit Abschnitten zu Anbieter-/Betreiberrolle, Beschaffung, Art. 4 und Art. 50. PDF bitkom →
• Rechts­gutachten Hoeren (Ruhr-Universität Bochum / KI:edu.nrw) – Juristisch vertiefende Analyse der Bedeutung der EU-KI-VO für Hochschulen. PDF Rechts­gutachten →
• EU KI-VO-Check-Tool – Interaktiver Fragebogen der EU-Kommission zur Risikoklassifizierung eigener KI-Systeme; kostenlos, ohne Login. EU KI-VO-Prüfer →
• AI Act Explorer – Weiterführende Einordnung einzelner Artikel und Pflichten der KI-VO nach Risikoklasse. AI Act Explorer →

Die Kommission HAW BW digital – die Koordinations­struktur der 24 Hochschulen für angewandte Wissenschaften in Baden-Württemberg (Sprecher: Jan Münchenberg, HSO) – hat im Januar 2026 drei Impulspapiere zu KI veröffentlicht. Sie richten sich direkt an BW-HAW und bieten konkrete Handlungs­empfehlungen für Administration, Forschung und Lehre.

Impulspapier 1: KI in der Administration

Schritt-für-Schritt-Prozess für Hochschul­verwaltungen: Bestandsaufnahme eingesetzter KI-Tools, Datenschutz- und Risikoeinschätzung, KI-Richtlinie formulieren, Dienst­vereinbarung mit Personalrat abschließen, Schulung der Mitarbeitenden (Pflicht aus Art. 4 KI-VO). Das Impulspapier verweist auf die bwKI-Trans­fer-Landkarte der KI-Projekte an BW-Hochschulen.

Kontakt Landes­arbeits­kreis KI Verwaltung: Fulya Ay

Impulspapier KI in der Administration (PDF) →

Impulspapier 2: KI in der Forschung

• Forschungs­privileg (Art. 2 Abs. 6 KI-VO) gilt nur bei reiner Grundlagenforschung ohne geplanten Praxiseinsatz – enges Verständnis.
• Open-Source-KI: keine pauschale Ausnahme von der KI-VO.
• Urheberrecht, Datenschutz und Trans­parenz bei KI-unter­stützten Outputs (gute wissenschaft­liche Praxis).
• Empfehlung: Hochschulen bevorzugt eigene oder institutionell gehostete Modelle nutzen.

Impulspapier KI in der Forschung (PDF) →

Impulspapier 3: KI in der Lehre

• Curriculare Verankerung von KI-Kompetenzen als Querschnitts­kompetenzen.
• KI in Prüfungen: keine ausschließliche KI-Korrektur; mündliche Erläuterungen oder Disputation für unbeaufsichtigte Formate empfohlen.
• HND-BW bietet KI-Weiterbildungen (didaktisch, curricular, rechtlich, ethisch).

Impulspapier KI in der Lehre (PDF) →

Über­greifende Seite HAW BW digital: hochschulen-bw.de →