Zugangswege zu generativer KI

Auf dieser Seite werden einige Möglichkeiten aufgezeigt, wie Lehrende und Studierende Erfahrungen mit generativer KI sammeln können. Außerdem gibt es Hinweise dazu, wie der Einsatz von KI-Anwendungen in der Lehre aus rechtlicher Sicht zu bewerten ist.

Nutzung privater Zugänge

Grundsätzlich sollen Lehrende die Möglichkeit erhalten, KI-Anwendungen – wie andere fachrelevante Anwendungen auch – für fachbezogene Zusammenhänge testen zu können. Dabei sollten sie sich einen Zugang mit ihren beruflichen Daten erstellen. Die Nutzung von privaten Zugängen für dienstliche Zwecke sollte vermieden werden.

Details zu den rechtlichen Rahmenbedingungen für die Nutzung von KI-Anwendungen in der Lehre bietet die Broschüre "Handlungsempfehlungen für den didaktischen Einsatz von generativer KI in der Hochschullehre".

Möglichkeiten zum Testen von KI-Anwendungen

Aus der Vielzahl an Angeboten haben sich die folgenden für umfangreiche Tests von generativer KI herauskristallisiert.

Bitte beachten: Diese Anwendungen werden lediglich zum Ausprobieren, Testen und Kennenlernen von generativer KI empfohlen. Für einen uneingeschränkten Einsatz in der Lehre eignen sie sich nur nach vorheriger Abklärung aller rechtlichen Rahmenbedingungen.

  • Merkmale:

    • URL: https://academiccloud.de/
    • Angebot der Gesellschaft für wissenschaftliche Datenverarbeitung Göttingen (GWDG) von Uni Göttingen und Max-Planck-Gesellschaft
    • Anmeldung mit FernUni-Zugangsdaten (SSO, hier "Förderierte Anmeldung")
    • Angebot läuft auf lokaler Infrastruktur der GWDG, Daten bleiben auf EU-Servern.
    • Auswahl aus 14 Open-Source-LLMs

    Vorteile:

    • Angebot aus akademischem Umfeld
    • Anmeldung über SSO ohne Neuerstellung eines Kontos
    • EU-Server
    • Einstellung von Temperatur (von vorhersagbar bis kreativ) und Systemprompt möglich
    • Hochladen von Anhängen
    • Export von Ergebnissen

    Nachteile:

    • keine kommerziellen LLMs nutzbar
    • manchmal geringe Geschwindigkeit
  • Merkmale:

    • URL: https://chat.ki-campus.org/
    • Chatbot des KI-Campus in Zusammenarbeit mit HAWKI
    • 7 LLMs nutzbar (u.a. GPT 4o)
    • Lernräume thematisieren Prompting für unterschiedliche Themenfelder wie Wissenschaftliches Arbeiten, Organisation oder Kreativität
    • mit KI-Campus-Konto nutzbar

    Vorteile:

    • deutsches Angebot
    • Open Source und kommerzielle Modelle nutzbar
    • Anbindung an Kursinhalte des KI-Campus
  • Merkmale:

    • URL: https://language-tools.ec.europa.eu/
    • Angebot der Europäischen Kommission
    • Werkzeuge zum Übersetzen, Zusammenfassen, Transkribieren und Anonymisieren von Texten
    • frei verfügbar für Angehörige von Hochschulen

    Vorteile:

    • europäisches Angebot
    • wird in der Europäischen Kommission eingesetzt, daher müssen die Ergebnisse von besonderer Qualität sein

    Nachteile:

    • keine Chatbot-Funktion, "nur" oben genannte Möglichkeiten
    • geringe Geschwindigkeit
  • Merkmale:

    • URL: https://poe.com/
    • Angebot der amerikanischen Firma Quora
    • Auswahl aus einer großen Vielzahl von LLMs
    • Möglichkeit zur Nutzung vorgefertigter und Erstellung eigener Bots mit spezifischen Ausrichtungen
    • kostenloser und kostenpflichtiger Zugang

    Vorteile:

    • eine Vielzahl von LLMs steht in einer Plattform zur Verfügung
    • sowohl Text- als auch Bildgenerierung möglich
    • sehr komfortabler Vergleich zwischen Ergebnissen verschiedener LLMs möglich
    • Möglichkeit der Erstellung von Chatbots für spezifische Aufgaben
    • Nutzung vorgefertigter Chatbots

    Nachteile:

    • amerikanisches Angebot, daher nicht DSGVO-konform
    • leistungsstärkere Modelle nur kostenpflichtig erhältlich
    • Limitierung der Anzahl von Anfragen durch Punktesystem
  • Merkmale:

    • URL: https://www.nomic.ai/gpt4all
    • Desktop-App zur Nutzung von LLMs
    • lokale Anwendung ohne Internet-Anbindung
    • Möglichkeit der Erfassung von Dokumenten als Datenbasis für Chats

    Vorteile:

    • Vielzahl an nachinstallierbaren Open Source Modellen
    • kostenpflichtige Modelle über API-Schlüssel einbindbar
    • lokale, auf dem eigenen Rechner laufende App
    • lokale Dokumente können als Datenbasis für Chats erfasst werden

    Nachteile:

    • Geschwindigkeit abhängig vom verwendeten Rechner, generell sind Ausgaben viel langsamer als bei Online-Angeboten
    • für manche LLMs wird sehr viel Speicherplatz benötigt
    • Erfassung von Dokumenten kann sehr viel Zeit in Anspruch nehmen

Szenarien für den Einsatz von KI-Anwendungen in der Lehre

In diesem Abschnitt werden Szenarien aufgelistet, die bis zur flächendeckenden Einführung einer KI-Anwendung an der FernUniversität in der Lehre aus datenschutzrechtlicher Sicht möglich sind. Das letzte Szenario ist allerdings nicht möglich.

  • Lehrende haben ein Benutzerkonto, Studierende haben kein Benutzerkonto
    • Die Lehrenden haben eine Lizenz und ein Benutzerkonto mit ihren dienstlichen Daten (z. B. dienstliche E-Mail-Adresse) bei einer KI-Anwendung.
    • Die Lehrenden zeigen in ihrer Lehrveranstaltung den Studierenden die Funktionalität der KI-Anwendung.
    • Prompts der Studierenden werden von den Lehrenden eingegeben. Die Ausgaben werden allen Studierenden zur Verfügung gestellt.
  • Lehrende nutzen Pseudonyme für die Anmeldung bei KI-Anwendungen

    • Theoretisch besteht die Möglichkeit Pseudonyme oder sogenannte Wegwerf-E-Mail-Adressen für eine Registrierung bei KI-Anwendungen zu verwenden.
    • Allerdings ist zu prüfen, ob die Nutzungsbedingungen der Anbieter vorsehen, dass Pseudonyme oder Wegwerf-E-Mail-Adressen zur Registrierung genutzt werden dürfen.
  • Lehrende haben ein Benutzerkonto und fragen die freiwillige Nutzung von Studierendenkonten für einzelne Lehrveranstaltungen ab

    • Lehrende fragen bei den Studierenden ab, ob sie über ein privates Benutzerkonto bei einer KI-Anwendung verfügen.
    • Sofern dies bei einer ausreichend großen Anzahl von Studierenden der Fall ist, könnte das für Übungen in der Lehre genutzt werden, wenn keine Verpflichtung besteht.
    • In der Lehrveranstaltung wird im Rahmen der Regeln im Umgang mit KI-Anwendungen auf die Freiwilligkeit der Nutzung des privaten Nutzerkontos der Studierenden verwiesen und die Zustimmung eingeholt (Hinweis: Es handelt sich hier nicht um eine datenschutzrechtliche Einwilligung).
    • Studierende ohne Konto sollen in diesem Szenario bei anderen zusehen können, um eine Benachteiligung zu vermeiden.
  • Lehrende geben den Studierenden die Nutzung von KI-Anwendung vor, bei der sie sich mit ihren personenbezogenen Daten anmelden sollen

    Das ist nicht zulässig.