KI für alle Drei Hochschulen bringen gemeinsam KI in die Lehre
Künstliche Intelligenz gilt als eine der zentralen Schlüsseltechnologien der Zukunft. Deshalb soll das Thema Künstliche Intelligenz verstärkt auch in der Lehre und Weiterbildung an Universitäten und Hochschulen etabliert werden. Die Technische Universität Braunschweig überzeugte in einem Wettbewerb mit einem Verbundprojekt, an dem auch die TU Clausthal und die Ostfalia beteiligt sind. Gefördert wird das Projekt für vier Jahre im Rahmen der Bund-Länder-Förderinitiative „Künstliche Intelligenz in der Hochschulbildung“.
KI ist in aller Munde – in vielen Bereichen des Lebens erhoffen sich Nutzer*innen Vereinfachungen komplexer Vorgänge. „KI spielt heutzutage in immer mehr Lebensbereichen eine Rolle und ist nicht mehr wegzudenken. KI erlaubt eine verbesserte Nutzungserfahrung in vielen Anwendungen der Sprach- oder Bilderkennung, wie zum Beispiel in Sprachassistenzsystemen oder im automatisierten Fahren, aber auch bei der Personalisierung sozialer Medien oder bei Lernsoftware“, sagt Professor Tim Fingscheidt, der die Abteilung Signalverarbeitung und Machine Learning an der TU Braunschweig leitet.
Zuverlässigkeit und Vertrauen in Ergebnisse
Wenn KI einen so großen Stellenwert im Alltag einnimmt, sollten sich Nutzer*innen mit der Anwendung der neuen Technologie auseinandersetzen. „Um zu wissen, wie und wo man eine Software verantwortungsvoll einsetzen kann, sollte man die Methode dahinter verstehen“, sagt Professor Sebastian Stiller vom Institut für Mathematische Optimierung. Es gebe erhebliche Unterschiede zwischen den Methoden, die heute als KI bezeichnet werden. „Manche Methoden arbeiten mit klar definierten und exakten Kriterien – wie ein Taschenrechner. Andere liefern Ergebnisse, die nur in einem statistischen Sinne gelten. Stellen Sie sich vor, Stadtplaner entwickeln Konzepte auf der Basis von KI-Werkzeugen, deren Gültigkeit sie nicht beurteilen können. Wir wollen, dass unsere Absolvent*innen verstehen, was sie benutzen, und dadurch auch wissen, was sie behaupten.“
Auch Professor Tim Kacprowski, Leiter der Abteilung Data Science in Biomedicine am Peter L. Reichertz Institut für Medizinische Informatik, ist überzeugt, dass methodisches Wissen in der Lehre dabei hilft, sowohl die Interpretation der Ergebnisse zu erleichtern als auch das Vertrauen in KI zu stärken. „Wir müssen auch in der Lehre viel intensiver über die Möglichkeiten und Grenzen von KI reden und allen potentiellen Anwender*innen die Möglichkeit geben, methodisches Basiswissen zu erlangen.
Wie KI in der Lehre ankommen soll
Hier setzt das Verbundprojekt „KI4ALL“ an. „Wir werden zunächst eine Bestandsanalyse vornehmen und ein standortübergreifendes KI-Vorlesungsverzeichnis erstellen. Der Begriff KI ist sehr weitläufig. Darunter fallen verschiedene Methoden, die in unterschiedlichen fachlichen Kontexten Einsatz finden. Diese fachliche Diversität hat auch unseren Forschungsantrag motiviert: Einerseits wollen wir im Sinne einer KI-Literacy gemeinsam grundlegende Angebote erstellen, um alle Zielgruppen fit für das Thema zu machen. Andererseits haben die einzelnen Standorte unterschiedliche fachliche Schwerpunkte in der Forschung, deren Zukunftsfähigkeit wir stärken wollen, indem wir gezielt fachspezifische KI-Methoden in die Lehre und Weiterbildung integrieren“, so Professor Henning Wessels, Juniorprofessor für Datengetriebene Modellierung und Simulation mechanischer Systeme, über die Herangehensweise im Forschungsprojekt.
KI-Vorlesungsverzeichnis und digitale Lehrangebote
Das Standortübergreifende kann man sich als eine neue Datenbank oder Website mit interaktivem Interface vorstellen, auf der für alle beteiligten Standorte – die TU Braunschweig, TU Clausthal und die Ostfalia – KI-Lehrangebote gefunden und gebucht werden können.
Zu den genannten grundlegenden Inhalten zählen Lehr-Lerninhalte, um eine Art KI-Kompetenz oder auch „KI-Literacy“ für ein breites Publikum – Studierende, Mitarbeitende in der Verwaltung, in Weiterbildung und Industrie – zu erreichen. Es sind unterschiedliche Formate geplant, darunter Online-Vorlesungen und Computer-Labs, bei denen eigenständig Programmieraufgaben im Rahmen neuronaler Netze gelöst werden müssen, um auch praktische Erfahrungen mit KI-Verfahren sammeln zu können.
Nur auswendig gelernte Lösungen?
Wie verlässlich und robust ist so eine KI überhaupt? Passen die Algorithmen wirklich zu einem konkreten Problem oder hat die Software bloß die Lösung des Problems aus einer anderen Quelle „auswendig gelernt“? Solchen Fragen kann man beispielsweise in jahrgangsinternen Wettbewerben nachgehen. Einen weiteren Schwerpunkt wird das sogenannte Föderierte Machine Learning bilden, bei dem mehrere kleinere Instanzen künstlicher Intelligenz zu einer großen KI kombiniert werden: So wird es möglich sein, eine sehr große, standortübergreifende Datengrundlage zur Verfügung zu stellen, ohne dass das finale Machine-Learning-Modell jemals Zugriff auf die Primärdaten hat. Hier ergeben sich also neue Möglichkeiten, was sowohl die Nutzung von Daten und Rechenressourcen als auch den Datenschutz angeht.
Über die Förderinitiative
40 Einzelprojekte von Hochschulen und 14 Verbundprojekte mehrerer Hochschulen werden im Rahmen der Bund-Länder-Förderinitiative „Künstliche Intelligenz in der Hochschulbildung“ gefördert. Mit der Förderinitiative, die mit rund 133 Millionen Euro ausgestattet ist und deutschlandweit 81 Hochschulen erreicht, soll KI breit im Hochschulsystem etabliert werden. Gefördert werden einerseits Maßnahmen, die zur Qualifizierung zukünftiger akademischer Fachkräfte beitragen. So werden Hochschulen etwa bei der Entwicklung von Studiengängen oder einzelnen Modulen im Bereich der Künstlichen Intelligenz unterstützt. Andererseits werden Hochschulen bei der Gestaltung von KI-gestützten Lern- und Prüfungsumgebungen gefördert.