Nach langer Wartezeit melden wir uns zurück im Jahr 2026 mit heißen Updates und neuen Veranstaltungen!
ai×-Veranstaltungen
hai×athon – Erstelle deinen eigenen KI-Baustein
Am 05.03.2026 von 9.00 – 16.00 Uhr wird’s praktisch: Beim haixathon in der Bayernallee (Multifunktionsräume) entwickeln Lehrende an einem Tag ihren eigenen, sofort einsetzbaren KI-Baustein für die Lehre – mit kompakten Inputs, viel Werkstattzeit und direktem Support.
Beispiel-Bausteine: KI-gestützter Arbeitsauftrag oder neues
Lehr-/Lernszenario; Prüfungs- oder Feedback-Idee (mit klaren Regeln und Transparenz); Prompt- und Material-Set für Studierende; Guideline/Policy für Ihre Veranstaltung oder Ihren Fachbereich; Mini-Workflow oder Tool, das Zeit spart
Danach begleiten wir die Umsetzung bis zum KI-Summit mit Austausch, Sprechstunden und passgenauer Unterstützung.
Mehr Infos folgen auf der zugehörigen ILIAS-Gruppe – wenn Sie das anspricht, melden Sie sich einfach an, indem Sie der Gruppe beitreten.
Neues aus der FH Aachen
Neues aus dem ZHQ-Blog
Wie können wir kritisches Denken mit LLMs fördern? Der Artikel zeigt, wie Studierende mit LLMs besser hinterfragen statt nur kopieren.
„Das Arbeitsgedächtnis des Menschen ist begrenzt. Lernen gelingt nur dann, wenn diese begrenzte mentale Kapazität sinnvoll genutzt wird.“
-Aus Kritisches Denken mit LLMs fördern von Miriam Barnat
KI wird in der Lehre an der FH Aachen immer sichtbarer: 9 von 15 eingereichte Lehrinnovationen 2025 haben KI-Bezug, obwohl es kein expliziter Teil der internen Ausschreibung war. Von kursnaher Lernassistenzen, über curriculare Neuentwürfen bis hin zu kollaborativen Projektsettings erleben wir neue praxisnahe Lehrszenarien.
Update zum FH-Chatbot
Der FH-Chatbot (KI:connect) bietet nun neue Funktionen und Modelle:
Neben GPT 5.2 bietet es nun auch die Option Bilder zu generieren (30 pro Woche) und die Generierung von API-Keys an, sodass Sie die Modelle auch außerhalb der FH-Chatbot-Oberfläche mit höherem Schutz genießen können.
Vortragsaufzeichnung zu KI als Lehr- und Lernkonzept verfügbar
KI-Technologien, insbesondere genKI, hat in nahezu alle Lebensbereiche der Menschen Einzug gehalten. Wie verändern sich dadurch unser Lehren und Lernen an der Hochschule? In dem Vortrag nimmt Prof. Dr. Toni Loh die ethischen Fragen in den Blick, die sich mit dem Einsatz von KI an der Hochschule und allgemein im Bildungssektor stellen. Zur eigenen praktischen Anwendung stellt Toni Loh ein Bewertungsmodell vor, mit dem sich eine Technologie umfassend ethisch beurteilen lässt.
Wer den Live-Vortrag am 28.01.2026 von Prof. Dr. Toni Loh (Hochschule Bonn-Rhein-Sieg) zu Künstliche Intelligenz als Lehr- und Lernkonzept an der Hochschule – Eine kritische ethische Reflexion verpasst hat oder gerne einfach noch einmal reinschauen möchte, findet ihn im KI-Wiki des ZHQs zusammen mit dem Folienset und dem Evaluationsbogen.
ai×ternes
Hochschule und Lehre
Was tun, wenn die KI die Prüfungen schreibt?
Vor diesem Problem stand Panos Ipeirotis als er seine Take Home Prüfung korrigierte. Die Lösung? Mündliche Prüfungen – skalierbar Dank KI-Prüfer. Die Kosten waren dabei mit 15 $ für 36 Prüflinge überschaubar. In der Prüfung fragte der KI-Prüfer sowohl den Entstehungsprozess der vorherigen Abgabe ab als auch Inhalte zum Kurs. Im Anschluss bewertete ein ein Gremium aus unterschiedlichen LLMs die gegebenen Antworten. Mehr Infos zu Stolpersteinen und Learnings im Artikel.
Mit KI gemacht – wenig gelernt
KI-Unterstützung führt zu Produktivitätssteigerungen, insbesondere für Anfänger:innen. Allerdings gefährden gerade diese auch ihren eigenen Komptenzerwerb. In diesem neuen Anthropic-Paper wird genau diese These für Programmierer:innen geprüft und grundsätzlich bestätigt. Sie finden aber auch Interaktionsmuster, die es erlauben mit KI zu arbeiten und dennoch auf dem gleichen Level zu lernen, wie die Nichtnutzer:innen.
Das soll schwer sein?
„Gib mir mal jeweils drei einfache, mittelschwere und schwere Aufgaben zur Lebesgue-Integration.“ Wer solche oder ähnliche Prompts schon einmal probiert hat, ist häufig enttäuscht, dass der Schwierigkeitsgrad der Aufgaben nicht dem gewünschten Leveln entspricht. Das liegt nicht nur am Prompt, sondern auch daran, dass LLMs den Schwierigkeitsgrad von Aufgaben für Menschen nicht einschätzen können. Vice Versa wurde dieses Problem schon länger festgestellt, auch wir Menschen können schlecht einschätzen, welche Dinge genKI lösen kann und welche nicht.
Googlest du noch? Literaturrecherche und wissenschaftliches Arbeiten im KI-Zeitatler
Die Univiersitätsbibliothek Duisburg-Essen hat eine Seite speziell zu KI-Tools für Literaturrecherche und wissenschaftliches Arbeiten veröffentlicht. Diese bietet einen guten Überblick über aktuelle Tools und deren Besonderheiten.
Arbeit, Politik und Wirtschaft
Was bringt die KI in der Arbeit?
Während die Kosten von KI 2025 nach einigen Rechnungen 1,5 Billionen Dollar erreicht haben und 2026 sogar zwei Billionen übersteigen sollen, ist immer noch sehr umstrittig, wie hoch der Effizienzgewinn in Unternehmen wirklich ausfällt. So sehen von den im Atlassian AI Collaboration Report befragten Mitarbeiter:innen immerhin Drittel eine hohe Produktivitätssteigerung bei sich selbst, diese versickert scheinbar aber auf den höheren Ebenen. So sehen nur 4 % der Befragten auf Leitungsebene einen Return on Investment.
KI kann weiterhin nur einen Bruchteil von realen Projekten aus der Arbeitswelt vollständig selbstständig bewältigen, wie der Remote Labor Index zeigt. Selbst die besten Modelle schaffen es nur in 3,7 % der Projekte erfolgreich abzuschließen. Dennoch werden laut Anthropics Economic Report genau dieses anspruchsvollen Aufgaben an die KI delegiert, statt die eigene Routine zu automatisieren.
Wie viel Ressourcen verbraucht die KI?
Der ökologische Fußabdruck von KI bleibt oft eine Schätzung. Wegen fehlender Transparenz der Betreiber und uneinheitlicher Offenlegung lassen sich Belastungen nur begrenzt nachvollziehbar vergleichen.
Alex de Vries-Gao beschreibt in seinem Paper , dass der ökologische Fußabdruck von KI rasant ansteigt, die genaue Quantifizierung aber durch die mangelnde Transparenz der Rechenzentrumsbetreiber erschwert wird.
Hank Green (Wissenschaftsyoutuber) vertritt in seinem Video die These, dass die Debatte über den Wasserverbrauch von KI hochgradig komplex ist und leicht für irreführende Narrative instrumentalisiert werden kann, indem man entweder wesentliche Teile des Lebenszyklus (wie das Training von Modellen) weglässt oder den lokalen Kontext ignoriert. zudem sei der prognostizierte Anstieg des Strombedarfs politisch und ökologisch besorgniserregender als der reine Wasserverbrauch.
Cooper Elsworth et al. argumentieren in der Google-Studie, dass der tatsächliche ökologische Einfluss einzelner KI-Anfragen in einer realen hochskalierten Produktionsumgebung wesentlich geringer ist, als viele öffentliche Schätzungen vermuten lassen. Am Beispiel von Google Gemini wird dargelegt, dass eine mediane Textanfrage weniger Energie verbraucht als neun Sekunden Fernsehen und nur etwa fünf Tropfen Wasser benötigt.
Forschung und Entwicklung
Wer ist hier der Boss? Wenn der Chatbot dich manipuliert
Während wir Chatbots und Agenten als effiziente Hilfe wahrnehmen, deutet eine großangelegte Studie von Sharma et al., die 1,5 Millionen Interaktionen auf Claude.ai analysierte, auf eine schleichende Erosion der menschlichen Autonomie hin. Die Forscher warnen vor einer „situationalen Entmachtung“:
„Situationale Entmachtung“ meint Situationen, in denen KI-Nutzung Wahrnehmung verzerrt, Werturteile „auslagert“ oder Handlungen anstößt, die nicht mehr zu den eigenen Werten passen.
Dieser Zustand tritt ein, wenn die Interaktion mit einer KI dazu führt, dass Nutzer eine verzerrte Realitätswahrnehmung entwickeln, unauthentische Werturteile fällen oder Handlungen vollziehen, die nicht mehr ihren eigenen Werten entsprechen. Auffällig: Gespräche mit höherem Entmachtungspotenzial erhielten im Schnitt mehr positive Bewertungen.
KI-Tooltime
Disclaimer: Beachten Sie bitte immer die Nutzungsbedingungen und durch die Tools erhobenen Daten. Weiterhin ist jegliche Nutzung im beruflichen Kontext mit den entsprechenden Stellen abzuklären.
Agentensysteme überall
Egal ob Anthropics Claude Code/Cowork, Googles CLI, OpenAIs Codex, Cursor oder auch Open Source-Lösungen wie OpenClaw (ehemals Clawdbot/Moltbot); Agentische Systeme auf dem eigenen Rechner agieren zu lassen, scheint aktuell der Trend 2026 zu sein. Egal ob als Coding-Assistent, tagtägliche Hilfe oder um auf Agenten-Reddit zu posten und Menschen zu mieten.
Weil diese Tools oft Zugriff auf Dateien, Terminal und Web haben, steigen die Risiken für Datenschutz und Cybersecurity. Prompt Injection und Halluzinationen bleiben dabei zentrale Schwachstellen – besonders, wenn die KI eigenständig Tools bedient.
Damit sind diese Dinge mit Vorsicht zu genießen, am besten auf einem Zweitsystem oder einer virtuellen Machine mit minimalen Rechten.
Modelle und Tools:
OpenAI
- veröffentlicht GPT 5.2
- hat große Hardwarepläne
- veröffentlicht neues Bildgenerierungsmodell GPT-Image 1.5
- bietet Billig-Abo ChatGPT Go an
- arbeitet an Werbungeeinblendungen im Free und Go-Abo
- veröffentlicht Prism: Werkzeug für das wissenschaftliche Schreiben
- 00Nix, niemand nutzt den ChatGPT Agent-Modus
- schafft den Model Router ab, da User lieber kein Reasoning haben
- veröffentlicht Project Genie: Bau deine eigene Welt mit natürlicher Sprache
- veröffentlicht spezialisierte Open Source-Sprachmodelle zur Übersetzung von Texten
Anthropic veröffentlicht mit Opus 4.6 ihr neues Flagschiff-Modell
Perplexity hat die eigene Infrastruktur stark umgebaut und setzt jetzt auf bessere Modelle an
Open Source/Weight:
- Qwen Image Layered erlaubt das Zerteilen von Bildern in Ebenen
- Qwen3-TTS-VD-Flash erlaubt Text-to-Speech mit geklonten Stimmen
- Mistral veröffentlicht Speech to Text-Modelle, die sogar auf einem Smartphone in Echtzeit laufen können.
- Kimi K2.5, das neue Open Source Frontier-Modell?
- Mit GLM5 schließt Z.ai an kommerzielle Anbieter an
- Nvidea veröffentlicht das erste Modell (30B) seiner Nemotron 3-Reihe. 100 und 500 Milliarden Parameter-Modelle sollen folgen.
Mitreden?
Möchten Sie sich im internen Austausch zu KI in der Lehre vernetzen und eigene Erfahrungen teilen? Dann melden Sie sich bei [email protected] – wir nehmen Sie in eine interne Webex-Gruppe mit anderen Interessierten auf.