KI:edu.nrw-Themenreihe 2026

09.03.2026 | 11:00 – 12:30 (online)

In dieser Auftaktveranstaltung erhalten Sie Informationen zu den weiteren Terminen im Rahmen der Themenreihe, den angebotenen Themen und den Referent*innen und können alle Ihre organisatorischen Fragen stellen.

In einem inhaltlichen Impuls wird die KI-Kompetenz AG des Projektes ihre Überlegungen zum Verständnis von KI-Kompetenz in KI:edu.nrw vorstellen: Durch die Visualisierung als Landkarte wird sie veranschaulichen, wie KI-Kompetenz für unsere Schulungsangebote konzeptualisiert werden soll. Zudem erfolgt eine Verortung der Diskussion um KI-Kompetenz(en) in der größeren Debatte um Future Skills.

Zielgruppe: Alle Interessierten von Mitgliedshochschulen der DH.nrw

Referent*innen: Robert Queckenberg, Nadine Lordick, Laura Platte, Selina Müller

19.03.2026 | 10:00 – 12:00 Uhr (online)

„Künstliche Intelligenz“ ist gesellschaftlich aktuell omnipräsent und wird sehr kontrovers diskutiert, da sie sowohl enorme Effizienzgewinne in verschiedenen Branchen verspricht als auch die Gefahr birgt, menschliche Arbeitsplätze überflüssig zu machen. Die schnelle Entwicklung dieser Technologie stellt unsere Gesellschaften, Institutionen und unser menschliches Selbstverständnis vor große Herausforderungen. Wie viel Veränderung wir verkraften können und was wir uns zumuten lassen, hängt stark von unserer Resilienz ab – sowohl auf individueller als auch auf gesellschaftlicher Ebene. In diesem Workshop geht es darum, wie wir resilienter im Umgang mit KI werden können und wie ein besseres Verständnis dieser Technologie dazu beitragen kann.

Lernziele

• Grundlegende Eigenschaften generativer Sprachmodelle realistisch einschätzen
• Grundprinzipien von Resilienz auf den Kontext „Künstliche Intelligenz“ übertragen
• Eigene Strategien für einen resilienteren Umgang mit „KI“ entwickeln

Zielgruppe: Alle Interessierten von Mitgliedshochschulen der DH.nrw

Referent: Robert Queckenberg

25.03.2026 | 10.00 – 12.00 Uhr (online)

Der Workshop beleuchtet die Nutzung von KI in der Lehre: Vom einfachen Chatbot hin zum adaptiven virtuellen Tutor. Die Referenten geben Einblicke in die technische Ebene, diskutieren rechtliche Hürden (Urheberrecht, Datenschutz) und präsentieren erste Evaluationsergebnisse zur Akzeptanz bei Studierenden. Ziel ist es, aufzuzeigen, wie KI-Tutoren didaktisch sinnvoll, technisch machbar und ethisch vertretbar in die Hochschullehre integriert werden können. Erprobt wurde dieses Konzept im letzten Jahr durch das KI:edu.nrw Praxisprojekt „Sokratest“. Das Projekt verfolgte einen interdisziplinären Ansatz zur Verbindung validierter Lernprozesse und sokratischer Dialoge mit einer datenschutzkonformen Open-Source-Architektur (RAG-Technologie).

Lernziele

• Marktüberblick: Aktuelle KI-Tutoren-Systeme und Abgrenzung zu generischen Chatbots.
• Technische Kompetenz: Verständnis der grundlegenden (nicht technischen) Funktionsweise von RAG-Systemen (Retrieval-Augmented Generation), Vektordatenbanken und LLM-Integration.
• Didaktische Integration: Verständnis dafür, wie KI-Systeme adaptiv an Lernziele angepasst werden können (formative Leistungsdiagnostik).
• Recht & Ethik: Sensibilisierung für Datenschutz, Urheberrecht und die Förderung von AI Literacy bei Studierenden.

Zielgruppe: Alle Interessierten von Mitgliedshochschulen der DH.nrw

Referenten: Lars Lorenz | Prof. Dr. Alexander Gerber, Hochschule Rhein-Waal

16.04.2026 | 10.30 – 12.00 Uhr (online)

„Wie nachhaltig ist KI? Soziale und ökologische Perspektiven“ richtet den Blick auf die oft unsichtbaren Folgen des Einsatzes von KI-Tools. Der Workshop vermittelt verständlich, welche sozialen und ökologischen Auswirkungen insbesondere generative KI-Systeme mit sich bringen – von Energieverbrauch und Ressourcenbedarf bis hin zu Arbeitsbedingungen. Außerdem wird der Unterschied zwischen „nachhaltiger KI” und „KI für Nachhaltigkeit” verdeutlicht.

Lernziele

• Die Teilnehmenden verstehen den Unterschied zwischen „nachhaltiger KI“ und „KI für Nachhaltigkeit“.
• Die Teilnehmenden kennen wesentliche ökologische Auswirkungen von (generativen) KI-Anwendungen, insbesondere Energie- und Ressourcenbedarf.
• Die Teilnehmenden können soziale Herausforderungen von (generativen) KI-Anwendungen benennen.

Zielgruppe: Alle Interessierten von Mitgliedshochschulen der DH.nrw

Referentin: Selina Müller aus dem KI:edu.nrw-Teilprojekt AI Literacy

Anmeldung

Eine Anmeldung ist bis zum 10.04.2026 möglich.

24.04.2026 | 10:00 – 12:00 Uhr (online)

„Künstliche Intelligenz“ ist eins der großen Buzzwords unserer Zeit: „KI“ als Werkzeug für die Bildung, „KI“ als Rettung für das Klima, „KI“ als Schlüsseltechnologie dieses Jahrhunderts. Dabei ist oft gar nicht klar, was mit „KI“ eigentlich gemeint ist – ein Chatbot auf Basis eines großen Sprachmodells, ein Roboter, der einfache motorische Befehle ausführen kann, oder der Algorithmus einer Suchmaschine…? Auch in der Hochschulkontext leiden Diskussionen um „KI“ oft darunter, dass nicht ganz klar ist, was überhaupt gemeint ist. Deshalb haben wir uns auch im Projekt KI:edu.nrw über dieses Thema ausgetauscht. So entstand eine projektinterne Arbeitsgruppe, die sich mit dieser Frage auseinandersetzt.

Dieser Workshop soll dafür sensibleren, wie wir über „KI“ sprechen. Wir wollen aus ethischer, linguistischer, technischer und praktischer Perspektive aufzeigen, warum es sich oft lohnt, den Ausdruck „KI“ in den eigenen Aussagen durch Alternativen zu ersetzen. In einer anschließenden Arbeitsphase experimentieren die Teilnehmenden damit, alternative Ausdrücke für ihre eigenen Kontexte zu finden.

Lernziele

• Nach dem Workshop sind die Teilnehmenden in der Lage,
  aus verschiedenen Perspektiven zu erörtern, warum die Verwendung des Ausdrucks „Künstliche Intelligenz“ oder „KI“ problematisch sein kann und
• angemessene alternative Ausdrücke für ihre Aussagen zu finden.

Zielgruppe: Alle Interessierten von Mitgliedshochschulen der DH.nrw

Referentinnen: Nadine Lordick, Selina Müller, Laura Platte

Anmeldung

Eine Anmeldung ist bis zum 23.04.2026 möglich.

22.05.2026 | 10.00 – 12.30 Uhr (online)

„KI darf genutzt werden, aber die Nutzung soll kritisch und reflektiert erfolgen.“ Forderungen dieser Art finden sich in allerlei Handreichungen, Richtlinien und Positionspapieren. Aber was bedeutet das überhaupt? In diesem Workshop werden wir versuchen, uns dieser Frage anzunähern, indem wir das Ganze auf den Kopf stellen: Wie sieht eigentlich eine völlig unkritische und unreflektierte Nutzung generativer Modelle wie ChatGPT, Gemini & Co. aus?
Und was bedeutet das für eine sinnvolle Nutzung?
Dieser Workshop richtet sich an alle Hochschulangehörigen, die über KI-Nutzung nachdenken und sich konstruktiv & kritisch damit auseinandersetzen wollen.

Zielgruppe: Alle Interessierten von Mitgliedshochschulen der DH.nrw

Referentin: Nadine Lordick aus dem KI:edu.nrw-Teilprojekt Generative Künstliche Intelligenz

Anmeldung

13.05.2026 | 16.15 – 17.45 Uhr (online)

Der Vortrag untersucht kritisches Denken und reflektierende Schreibprozesse im akademischen Kontext. Im Zentrum steht die Frage, wie die Nutzung von generativen KI-Tools – etwa ChatGPT oder Microsoft Word Copilot – den Schreib- und Denkprozess verändern und prägen. Es wird gezeigt, inwiefern die gängige Sorge vor einer Unterminierung des kritischen Denkens und reflektierenden Schreibens durchaus berechtig ist. Statt KI-Nutzung pauschal abzulehnen wird aber auch gezeigt, dass die tatsächlichen Auswirkungen sehr stark davon abhängen, wie diese Tools jeweils die Nutzerinteraktion gestalten. Entsprechend sollte die bewusste und kritische Wahl der Schreibtools heute zum akademischen Schreiben dazugehören.

Zielgruppe: Studierende und Lehrende sowie Hochschuldidaktiker*innen an Mitgliedshochschulen der DH.nrw

Referent: Prof. Dr. Sebastian Weydner-Volkmann aus dem Teilprojekt Ethik

Anmeldung

Eine Anmeldung ist bis unmittelbar vor Veranstaltungsbeginn möglich.

21.05.2026 | 13:00 – 15:00 Uhr (online)

Generative KI-Modelle bieten vermeintlich die Möglichkeit, binnen Sekunden große Mengen Daten zu analysieren. Die blinde Eingabe von Datensätzen in KI-Chatbots mag verlockend sein, doch die damit verbundenen Fehlerquellen und Halluzinationen können leicht zu verfälschten Ergebnissen führen – besonders bei großen und unbekannten Datenmengen.
In diesem Workshop tauchen wir ein in die Welt der Datenanalyse mit generativen Sprachmodellen und lernen, ihre Stärken und Schwächen realistisch einzuschätzen. Gemeinsam identifizieren wir Fehlerquellen in der Datenverarbeitung und entwickeln Strategien, um diese zu vermeiden. Dabei geht es nicht nur um technisches Know-how, sondern auch darum, ein kritisches Bewusstsein für die Grenzen und Möglichkeiten von KI in der Datenanalyse zu entwickeln.

Lernziele

• Grundlegende Eigenschaften generativer Sprachmodelle realistisch einschätzen
• Fehlerquellen im Prozess der Datenverarbeitung durch generative Sprachmodelle identifizieren
• Ideen für geeignete Workflows zur Identifikation und Vermeidung von Fehlern entwickeln

Zielgruppe: Alle Interessierten von Mitgliedshochschulen der DH.nrw

Referent: Robert Queckenberg

Anmeldung

Die Anmeldung ist geschlossen.

02.06.2026 | 13:00 – 16:00 Uhr

Über LLMs hinaus bieten Multi-Agenten-Systeme (MAS) Potenzial für personalisierte, skalierbare Bildungsanwendungen – von adaptiven Lernsystemen über automatisierte Feedback-Prozesse bis hin zu intelligenten Tutoring-Systemen. Doch wie konzipiert man solche Systeme didaktisch sinnvoll?

Dieser Workshop vermittelt praktisches Wissen über MAS-Architekturen: Teilnehmende lernen Definitionen, Komponenten, Prozesse und Interaktionen zwischen Agents kennen. Anhand konkreter Beispiele aus dem Bildungsbereich werden Erfolgskriterien und Evaluationsmethoden diskutiert.

Im Praxisteil entwerfen Teilnehmende eigene MAS-Architekturen für selbstgewählte Bildungsszenarien. In Kleingruppen werden diese Entwürfe kollegial begutachtet, konstruktiv kritisiert und iterativ verbessert – ein bewährter Design-Prozess, der konkrete Handlungskompetenz vermittelt. Wer möchte, kann den eigenen MAS-Entwurf im Anschluss von Coding-Agents implementieren lassen und so direkt vom Konzept zum funktionsfähigen Prototyp gelangen.

Lernziele

• Definition von MAS kennen
• Komponenten, Prozesse und Interaktionen verstehen
• Bildungs-MAS-Beispiele kennen
• Erfolgskriterien und Evaluationsmethoden kennen
• Eigene MAS-Architekturen entwerfen können

Zielgruppe: Alle Interessierten von Mitgliedshochschulen der DH.nrw

Referent: Niels Seidel, CATALPA | FernUniversität in Hagen, KI:edu.nrw-Praxisprojekt SRL-Agent

Anmeldung

Die Anmeldung ist geschlossen.

11.06.2026 | 12.00 – 13.00 Uhr (online)

Es werden einige Grundlagen einer ethischen Analytik von KI-Systemen und ihren Effekten auf die Anwender und die Gesellschaft vorgestellt. Diese basieren auf bestimmten Prämissen gegenüber der Natur und prognostischen Weiterentwicklung von KI – bspw. der Annahme, dass es sich bei KI um eine disruptive Technologie mit gesamtgesellschaftlicher Bedeutung handelt. Anhand der Prämissen werden bestimmte Lösungsansätze vorgeschlagen. Dazu gehört prominent eine Anwendung der Selbstbestimmungstheorie (Self-Determination Theory) der Psychologen Ryan und Deci auf das Thema.

Lernziele

• Notwendige Prämissen für ein ethisches Verständnis von KI
• Mögliche Lösungsansätze aus der Philosophie und Psychologie für Herausforderungen durch KI

Zielgruppe: Alle Interessierten von Mitgliedshochschulen der DH.nrw

Referent: Dominik Bär aus dem KI:edu.nrw-Teilprojekt Ethik 

Anmeldung

Eine Anmeldung ist bis zum 10.06.2026 möglich.

25.06.2026 | 10:00 – 11:30 Uhr (online) 

Im ersten Austauschforum haben wir uns mit der Frage beschäftigt an welchen Indikatoren, die sich durch Learning Analytics generieren, mögliche Studienprobleme festgemacht werden können. Zudem gab es eine Einführung in die technische Infrastruktur POLARIS, welche verschiedene Quellsysteme wie RWTHonline, Dynexite und Moodle verknüpft und entsprechend die Learning Analytics Daten sammelt.

Die für die RWTH relevanten Indikatoren sind nun festgelegt und mit spezifischen Hypothesen erweitert worden. Derzeit läuft eine Testphase von POLARIS, um diese Hypothesen zu untersuchen und die Indikatoren weiter zu schärfen. In diesem zweiten Austauschforum werden ersten Ergebnisse aus der Testphase präsentiert. Zusätzlich möchten wir das Meinungsbild der Teilnehmenden in Arbeitsgruppen erörtern: Wie nehmen andere Kolleg*innen die Relevanz und Nützlichkeit der aktuellen Indikatoren wahr?

Zielgruppe: Studienberater*innen von Zentralen Studienberatungen an Mitgliedshochschulen der DH.nrw

Referentin: Swenja Schiwatsch aus dem KI:edu.nrw-Teilprojekt Studienberatung

Anmeldung

Eine Anmeldung ist bis zum 15.06.2026 möglich.

30.06.2026 | 14.00 – 15.00 Uhr (online)

Gibt es Aufgaben in meinen Prüfungen, die schwerer sind, als ich beabsichtige? Schneidet ein bestimmtes Thema oder ein bestimmter Aufgabentyp tatsächlich schlechter ab?

Zur Qualitätssicherung von Prüfungsfragen stehen Lehrenden bislang kaum Werkzeuge zur Verfügung, die prüfungsübergreifende Kennwerte zu einzelnen Aufgaben darstellen. Für das RWTH-ePrüfungssystem Dynexite haben wir daher ein Dashboard entwickelt, das Lehrenden Einblicke in die Schwierigkeit ihrer Aufgaben ermöglicht. Die technische Infrastruktur dafür stellt die Learning-Analytics-Software POLARIS bereit, die im Projekt KI:edu.nrw entwickelt wird.

In diesem Vortrag berichten wir über den Entwicklungsprozess des Dashboards: von ersten Anforderungsanalysen über Wireframes und einen technischen Prototypen, einem Workshop in der letzten KI:edu.nrw-Themenreihe, Nutzungstests und Interviews mit Lehrenden bis hin zu einem umfangreichen Dashboard, das inzwischen allen Lehrenden an der RWTH zur Verfügung steht.

Lernziele

Nach dem Vortrag sind die Teilnehmenden in der Lage,

• die Herausforderungen von Prüfenden bei der Qualitätssicherung von Aufgaben zu nennen,

• verschiedene Methoden in der Entwicklung und Evaluation eines Dashboards zu beschreiben und

• die Potenziale und Grenzen der Aufgabenschwierigkeit als Kennzahl in der Qualitätssicherung von Prüfungen zu diskutieren.

Zielgruppe: Lehrende der Mitgliedshochschulen der DH.nrw

Referent*innen: Laura Platte, Martin Breuer aus dem Teilprojekt Learning Analytics