34. OAG-Treffen 08.09.2026

Datum: 08. September 2026, 9:00 - 10:30 Uhr

Protokollführung: Tanja Trzeciak (unterstützt durch Sebastian Busse und ChatGPT 5.6 Sol, https://www.openai.com/)

Teilnehmende: Alexander Schütze, Bertram Walter, Eugenia Lais, Eva Regensburg, Frank Waldschmidt-Dietz, Isabel Cutrim Tavares dos Santos, Joss von Hadeln, Maraike Büst, Marc Schetelig, Marcel Neumann, Nadine Ackermann, Sebastian Busse, Sebastian Schaper, Tanja Trzeciak, Viet Duc Vu

Das nächste OAG-Treffen findet statt am 27.10.2026, 9:00 - 10:30 Uhr. Teilnahme-Link: https://webconf.hrz.uni-giessen.de/b/seb-c7n-lnt-cqu

1. Begrüßung und Veranstaltungshinweis zum AI Summer Camp

Für die anstehenden Veranstaltungen des Summer Camps wurde darauf hingewiesen, dass die Workshops weitgehend ausgebucht sind. Für ein zusätzlich angebotenen Workshop zur Hochschul- und Prüfungskultur werden weitere Plätze bereitgestellt. Die Keynotes können weiterhin ohne vorherige Buchung besucht werden, wobei die Raumkapazität bei rund 440 Plätzen liegt. Organisatorische Fragenbitte an die ZAD Geschäftsstelle richten.

2. Prozessorientiertes Lehren und Prüfen sowie „3P Modell“

Als Schwerpunkt wurde die stärkere Berücksichtigung des Arbeitsprozesses bei Lehr- und Prüfungsformaten diskutiert. Ausgangspunkt war die zunehmende Schwierigkeit, bei ausschließlich produktorientierten Prüfungen wie Hausarbeiten den Eigenanteil der Studierenden angesichts der Nutzung generativer KI nachvollziehen zu können. Ergänzend wurde das „3P Modell“ mit den Komponenten Prozess, Produkt und Präsentation eingebracht, bei dem beispielhaft Gewichtungen von 25 Prozent, 25 Prozent und 50 Prozent vorgeschlagen worden waren. Als zentrale offene Frage wurde festgehalten, wie solche Prüfungsformate rechtssicher in Prüfungsordnungen und Modulbeschreibungen verankert werden können.

3. Prüfungsrechtliche Rahmenbedingungen

Es wurde berichtet, dass Abweichungen zwischen tatsächlich durchgeführten Prüfungen und den Regelungen in Prüfungsordnungen oder Modulbeschreibungen bereits zu erfolgreichen Einwänden von Studierenden geführt hatten. Besonders bei Gruppenprüfungen müsse nach aktueller Auskunft der Rechtsabteilung gewährleistet sein, dass individuelle Leistungen erkennbar und individuell bewertbar seien. Gleichzeitig wurde hinterfragt, wie sich diese Vorgabe mit dem eigentlichen Lernziel von Gruppenarbeit vereinbaren lässt, wenn gerade die gemeinsame Leistung und Zusammenarbeit gefördert werden sollen. Aufgrund der Komplexität wurde angeregt, das Thema in einer eigenen Sitzung mit einschlägiger prüfungsrechtlicher und praktischer Expertise vertieft zu behandeln.

4. Praxisbeispiel „Projektplanung Data Analytics“ von Sebastian Busse (Punkte 4. - 13.)

Aus dem Masterstudiengang Data Analytics wurde das Pflichtmodul „Projektplanung Data Analytics“ vorgestellt, das zu Beginn des dritten Semesters auf ein nachfolgendes Projektmodul und die Thesis vorbereitet. Das neun CP umfassende Modul wurde als zehnwöchiges, stark prozessorientiertes Seminar gestaltet und in der ersten Durchführung von knapp 40 Studierenden belegt. Statt einer einzelnen Abschlussabgabe bearbeiteten die Studierenden aufeinander aufbauende Übungszettel, die am Ende zu einem Portfolio von etwa zehn bis 15 Seiten zusammengeführt wurden. Das Modul wurde ausschließlich mit „bestanden“ oder „nicht bestanden“ bewertet.

5. Aufbau der Übungszettel und individuelle Reflexion

Die ersten Übungszettel dienten der individuellen Reflexion bisheriger wissenschaftlicher Arbeit und griffen insbesondere Erfahrungen aus der Bachelorarbeit auf. Die Studierenden sollten unter anderem Fragestellung, Methodik und Ergebnisse ihrer bisherigen Arbeit rekonstruieren sowie rückblickend den eigenen Arbeits und Projektplan reflektieren. Durch persönlich geprägte Reflexionsfragen sollte eine Bearbeitung gefördert werden, bei der eigene Erfahrungen und Entscheidungen stärker eingebracht werden mussten. Die Rückmeldungen zeigten, dass viele Studierende diese Möglichkeit für eine vergleichsweise offene Auseinandersetzung mit ihrem bisherigen wissenschaftlichen Arbeiten nutzten.

6. Gruppenarbeit und fortlaufende Projektdokumentation

Ab den späteren Übungszetteln wurde die individuelle Arbeit mit Gruppenaufgaben kombiniert. Anhand eines Projekts zum Vergleich manueller und KI gestützter Transkription sollten unter anderem Forschungsfragen, Hypothesen, Messgrößen, Recherche, Rollenverteilung und Auswertung schrittweise entwickelt und dokumentiert werden. Gemeinsame Teile durften innerhalb einer Gruppe identisch abgegeben werden, während zusätzlich individuelle Reflexionen zur jeweiligen Rolle verlangt wurden. Inhaltliche Abweichungen zwischen eigentlich gemeinsam zu erstellenden Texten zeigten jedoch, dass die Zusammenarbeit innerhalb einiger Gruppen nicht ausreichend abgestimmt war.

7. Erfahrungen mit dem prozessorientierten Format

Als wesentlicher Vorteil wurde hervorgehoben, dass durch die aufeinander aufbauenden Abgaben Inkonsistenzen und Verständnisprobleme sichtbar wurden, die bei einer einzelnen Abschlussabgabe vermutlich verborgen geblieben wären. So konnten Widersprüche bei Hypothesen, Berechnungen, Methoden oder Rollenverteilungen sowie konzeptionelle Missverständnisse bereits während des Semesters erkannt und in folgenden Sitzungen aufgegriffen werden. Planänderungen wurden grundsätzlich akzeptiert, sofern sie nachvollziehbar dokumentiert und reflektiert wurden. Für künftige Durchgänge sollen insbesondere die Dokumentation von Änderungen, die Anforderungen an Projektpläne und die Zusammenarbeit innerhalb der Gruppen deutlicher adressiert werden.

8. Arbeitsaufwand, Textbegrenzung und Skalierbarkeit

Als entscheidend wurden klare Seiten oder Zeichenbegrenzungen für die einzelnen Abgaben bewertet, da die mit KI Unterstützung produzierbaren Textmengen erheblich gestiegen seien. Gleichzeitig verursache die fortlaufende Prüfung der Konsistenz über mehrere Abgaben einen deutlich höheren Begutachtungsaufwand als eine einzelne Abschlussleistung. Bei künftig größeren Kohorten müsse das individuelle Feedback daher stärker standardisiert und auf besonders relevante Problembereiche konzentriert werden. Geprüft wird derzeit, ob anonymisierte Portfolios mit Large Language Models anhand definierter Kriterien voranalysiert werden können, um besonders kritische Stellen für die anschließende menschliche Begutachtung zu identifizieren.

9. Bewertung mit „bestanden“ und „nicht bestanden“

Die Voraussetzungen für ein Bestehen sollen sowohl formale als auch inhaltliche Kriterien umfassen. Erwartet wird ein vollständiges Portfolio mit den vorgesehenen Aufgaben sowie eine hinreichende Konsistenz zwischen den einzelnen Bearbeitungsschritten und innerhalb der Gruppenarbeit. Bei deutlichen fachlichen Fehlern oder erheblichen Diskrepanzen soll zunächst eine Überarbeitung verlangt werden, bevor endgültig über das Bestehen entschieden wird. Intern wird hierzu über ein Kriterien beziehungsweise Ampelsystem nachgedacht, das problematische Bereiche systematischer erfassbar machen soll.

10. Benotete und unbenotete Module

Es wurde diskutiert, inwieweit unbenotete Module Freiräume für stärker lernorientierte Formate schaffen können. In FB07 bestehen bereits Module, in denen lediglich „bestanden“ oder „nicht bestanden“ vergeben wird und die erworbenen Credit Points nicht in die Gesamtnote einfließen. Aus einem weiteren Fachbereich wurde berichtet, dass eine entsprechende Regelung grundsätzlich ebenfalls möglich wäre, bislang abgesehen vom Berufspraktikum jedoch nicht genutzt werde. Gleichzeitig wurde auf die mögliche Gefahr hingewiesen, dass Studierende bei unbenoteten Angeboten einen geringeren Workload investieren könnten, weshalb eine verbindliche Prozessstruktur weiterhin als notwendig angesehen wurde.

11. Hybride Lehre und Beteiligung der Studierenden

Die synchrone Beteiligung am vorgestellten Seminar ging von zunächst etwa zehn Personen auf zwei bis drei regelmäßig Teilnehmende zurück, während die Mehrheit die zeitnah bereitgestellten Aufzeichnungen nutzte. Das Format war zusätzlich als „Flipped Classroom“ mit vorbereitenden Lehrvideos konzipiert worden, wurde in dieser Form aber nur begrenzt angenommen. Es wurde angenommen, dass insbesondere die digitale und asynchrone Organisation die Zusammenarbeit in Gruppen erschwerte und teilweise zu den beobachteten Inkonsistenzen beigetragen haben könnte. Für künftige Formate wurde daher eine stärkere Präsenzkomponente, zumindest zu Beginn der Gruppenarbeit, als potenziell hilfreich eingeschätzt, soweit dies die Struktur des Studiengangs zulässt.

12. KI Nutzung und Verantwortung für den eigenen Lernprozess

Es wurde hervorgehoben, dass Studierende beim Einsatz von KI verstehen sollten, an welchen Stellen sie durch die Delegation von Aufgaben eigene Lerngelegenheiten verlieren. Eine rein kontrollierende oder sanktionierende Perspektive wurde als nicht ausreichend angesehen. Im vorgestellten Seminar sollten deshalb persönliche Reflexionsfragen und aufeinander aufbauende Aufgaben dazu beitragen, eine eigenständige Auseinandersetzung mit dem Arbeitsprozess zu erzwingen beziehungsweise wahrscheinlicher zu machen. Ergänzend war auf Nachfrage der Studierenden eine Sitzung zum Einsatz von KI Werkzeugen beim wissenschaftlichen Schreiben aufgenommen worden.

13. Weitergabe und Weiterentwicklung des Seminarkonzepts

Die Materialien des vorgestellten Seminars, einschließlich Übungszetteln, Aufzeichnungen und digitalem Whiteboard, sollen bei Interesse zur Verfügung gestellt werden. Da es sich um den ersten Durchlauf handelte und die Auswertung noch nicht vollständig abgeschlossen war, wurde eine spätere erneute Vorstellung der Ergebnisse angeboten. Dabei sollen insbesondere die Bewertung, der Feedbackaufwand sowie Erfahrungen mit größeren Kohorten betrachtet werden. Das ursprünglich vorgesehene Thema zu KI Kompetenzen und kontinuierlicher Qualifizierung konnte aufgrund der Abwesenheit von Jos nicht mehr behandelt werden und wurde auf eine spätere Sitzung vertagt.

14. KI Werkzeuge in Verwaltungsprozessen

Als weiteres Thema wurde der Einsatz von ChatGPT, Claude, Copilot und vergleichbaren Werkzeugen für wiederkehrende Verwaltungsaufgaben diskutiert. Als konkretes Anwendungsszenario wurde die automatisierte Vorbereitung von Antworten auf häufig wiederkehrende Studierendenanfragen genannt, wobei die KI zunächst einen Entwurf erstellen und die abschließende Prüfung durch Mitarbeitende erfolgen soll. Die direkte Integration in Ticketsysteme über API Schnittstellen wurde grundsätzlich als möglich, technisch jedoch deutlich komplexer als eine einfache Chat Nutzung eingeschätzt. Im Akademischen Auslandsamt wird hierzu im Rahmen einer betreuten Masterarbeit ein Prototyp erprobt, bei dem eingehende Anfragen auf Basis hinterlegter Informationen verarbeitet und Antwortentwürfe erzeugt werden sollen.

15. API Service des HRZ und verfügbare KI Modelle

Es wurde auf den bestehenden API Service des HRZ hingewiesen und ein entsprechender Link im Chat bereitgestellt. Über den Dienst können API Zugänge zu verschiedenen Large Language Models genutzt werden, wobei aktuell ein monatliches Standardbudget von 50 Euro genannt wurde. Der tatsächliche Verbrauch hängt stark vom verwendeten Modell sowie von Umfang und Art der Ein und Ausgaben ab und kann über ein Dashboard nachvollzogen werden. Für Beratung zu entsprechenden Services wurde das KI Team des HRZ als Ansprechpartner genannt.

16. API Zugang, Anwendungen und Datenschutz

Es wurde erläutert, dass ein API Zugang lediglich den direkten Zugriff auf ein Sprachmodell ermöglicht und nicht automatisch die zusätzlichen Funktionen einer vollständigen Anwendung wie ChatGPT oder Claude umfasst. Diese Funktionen werden durch die umgebende Software bereitgestellt und müssen bei eigenen API Lösungen entsprechend ergänzt oder über geeignete Anwendungen eingebunden werden. Zugleich wurde betont, dass ein API Zugang das Datenschutzproblem bei extern betriebenen Modellen nicht grundsätzlich löst, da eingegebene Daten weiterhin an externe Server übertragen werden können. Für sensible Forschungs oder personenbezogene Daten wurden daher lokale beziehungsweise institutionell bereitgestellte Modelle als erforderlich oder zumindest vorzugswürdig benannt.

17. Möglicher OAG-Austausch zu KI Setups und API Nutzung

Aufgrund des Interesses wurde angeboten, in einer späteren OAG Sitzung ein konkretes KI Setup einschließlich API Zugängen, verwendeter Anwendungen und technischer Einrichtung vorzustellen. Ein vergleichbares Format hatte bereits früher zum lokalen Einsatz von Bild KI stattgefunden. Die Vorstellung könnte als Mini Workshop durchgeführt und aufgezeichnet werden, sodass sie auch nachträglich genutzt werden kann. Über Termin und Ausgestaltung soll in einer der kommenden Sitzungen entschieden werden.

18. Summer Camp Hackathon und Abschluss

Der Hackathon im Rahmen des AI Summer Camp selbst findet ohne öffentliches Publikum in der Rathenaustraße 10 statt, damit die teilnehmenden Studierenden ungestört arbeiten können. Ablauf, Ergebnisse und Begutachtung sollen anschließend ausführlich dokumentiert und transparent gemacht werden. Die nächste reguläre OAG Sitzung findet im Oktober statt; dort sollen unter anderem das vertagte Thema zu KI Kompetenzen sowie mögliche zusätzliche Termine zu API Setups und zum prozessorientierten Seminarkonzept weiter besprochen werden.