Landes­projekt bwKI-Trans­fer – KI für eine moderne Hochschul­verwaltung

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)

bwKI-Trans­fer begleitet die KI-Einführung an Hochschulen mit einer systematischen ethischen Komponente – als integraler Projektbestandteil, nicht als Nachgedanke.

Das Begleitmodul identifiziert, analysiert und adressiert systematisch die Bedenken gegenüber dem KI-Einsatz an Hochschulen – kurzfristig geht es um Fehler, Halluzinationen und fehlende Verlässlichkeit, um Bias, Fairness und Diskriminierung sowie um Intrans­parenz, Manipulation, Des­information und Missbrauch; langfristig um Abhängigkeit, Kompetenzverlust und Dequalifizierung sowie um Arbeits­platz­sorgen und die Veränderung von Tätigkeits­profilen. Das Vorgehen gliedert sich in vier Schritte: Zunächst werden die relevanten Bedenken durch Umfragen und Fokus­gruppen identifiziert, anschließend werden die kurzfristigen Bedenken experimentell in den Pilot­projekten analysiert und ein Studien­design zur Unter­suchung der langfristigen Bedenken entwickelt, bevor die gewonnenen Er­kenntnisse abschließend für Hochschulen kommuniziert und aufbereitet werden. Dieses Arbeits­paket wird derzeit inhaltlich weiter ausgearbeitet.