Publikationen und Vorträge

@misc{Wittke2024,

title = {Öffnung der Hochschulen durch KI in Anerkennungsprozessen},

author = {Andreas Wittke and Stefanie Bock and Anja Lorenz},

url = {https://festival.hfd.digital/de/sessions-2024/?id=629301},

year  = {2024},

date = {2024-06-06},

urldate = {2024-06-06},

abstract = {Anerkennungs-, aber auch Anrechnungsverfahren sind komplexe Vorgänge an Hochschulen, die bisher zeitintensiv und intransparent waren. Large Language Models könnten dazu eingesetzt werden, diese aktuell noch sehr analogen Verfahren teilweise zu automatisieren.



KI-Technologien verändern Hochschulen tiefgreifend - nicht nur in Lehre und Forschung, sondern auch in der Verwaltung. Dabei geht es nicht nur um das Prompting von Briefvorlagen. Künftig wird KI direkt in Verwaltungsprozesse und -systeme integriert, z.B. über Campus-Management-Systeme.



Bei der Anerkennung von Studienleistungen werden idealerweise nicht nur das Transcript of Records (ToR) herangezogen, das alle bisherigen Leistungen im Studium aufführt, sondern auch die Modulhandbücher oder die einzelnen Modulbeschreibungen. Für diese Dokumente gibt es im Moment jedoch keine Standards, sondern bestenfalls Empfehlungen, z. B. für kompetenzorientierte Strukturen. Doch Kompetenzraster wie ESCO, DKZ oder GRETA werden hier (noch?) nicht durchgehend benutzt. Wenn Modulbeschreibungen kompetenzorientiert formuliert sind (was seit Bologna der Fall ist), können KI-Systeme diese Texte auf diese standardisierten Kompetenzen hin analysieren, bei Bedarf werden sie dafür im Vorfeld auch aus anderen Sprachen übersetzt. In einem zweiten Schritt können diese Kompetenzen mit denen aus anderen Lehrveranstaltungen verglichen und eine Empfehlung für die Anrechnung gegeben werden.



Eine solche Lösung kann nicht nur den Anerkennungsprozess für die Hochschulverwaltungen selbst vereinfachen, die Studierenden könnten sogar selbstständig testen, wie wahrscheinlich eine Anrechnung eines bestimmten Moduls für einen Studiengang wäre, bspw. im Vorfeld von geplanten Auslandssemestern, Studiengangs- oder -ortswechseln.



Die TH Lübeck hat dafür einen offenen Prototypen entwickelt. Dieser kann ohne die Nutzung von persönlichen Daten unter http://ai-isy.th-luebeck.de/recogaidemo/ getestet werden.},

howpublished = {Input auf dem University:Future Festival},

keywords = {artificial intelligence, competences, higher education, large language models, recognition},

pubstate = {published},

tppubtype = {presentation}

}