KI-Campus-Kurse (kuratierte Empfehlung)

Kurzliste der Kurse, alle Empfehlungen basieren auf eigener Teilnahme.

KI und Arbeitswelt - Der Kurs behandelt systematisch die Implikationen von Künstlicher Intelligenz (KI) für die Arbeitswelt und vermittelt theoretische sowie praxisrelevante Kenntnisse aus einer arbeits- und gewerkschaftspolitischen Perspektive. Tipp: Vergangenheit, Gegenwart und Zukunft der Arbeit.

KI-Kompetenzen in der Hochschulverwaltung - Künstliche Intelligenz eröffnet neue Möglichkeiten in der Hochschulverwaltung, von der Textgenerierung über Datenanalysen bis zur Automatisierung von Prozessen. KI-Tools effektiv und verantwortungsvoll im Verwaltungsalltag einsetzen. Praxisnaher Einblick in Funktionsweisen, rechtliche Grundlagen und typische Anwendungsfälle. (Pflicht für LLM-Chatbot-KI-Campus)

KI und Diversität- Grundlegende Konzepte von KI, Biases erkennen, mit ethischen Fragestellungen befassen, Standards vertrauenswürdiger KI kennen und Einblicke erhalten in Prompting-Techniken. 
Bewusstsein für Chancen und Risiken entwickeln und KI verantwortungsvoll anwenden.

Erklärbare Künstliche Intelligenz - Ein Überblick darüber, warum erklärbare Künstliche Intelligenz (XAI) unverzichtbar ist, wenn KI‑Systeme – etwa in der Medizin, industriellen Qualitätskontrolle, Smart Farming oder Kreditbewertung – Entscheidungen treffen, die von Menschen nachvollzogen und vertraut werden müssen.

Data Literacy - Data Lifecycle -Wachsende Datenmengen kennzeichnen fast alle Lebensbereiche. 
Je stärker die Digitalisierung die Welt durchdringt, umso mehr wird der Bedarf sichtbar, mit Daten kompetent umgehen zu können. 
Eine Sensibilisierung für einen planvollen und sicheren Umgang mit Daten sowie ihren bewussten und ethisch reflektierten Einsatz.

KI für Lehrende: generative KI im Hochschulkontext - Ein Kurs für Hochschullehrende zum Thema generative KI. Neben den technischen Hintergründen werden auch wichtige rechtliche, gesellschaftliche und ethische Aspekte vermittelt. 
Darüber hinaus werden Fragestellungen behandelt, die speziell für Hochschulen relevant sind, wie beispielsweise Prüfungsanpassungen und Leistungsbewertungen. Der Kurs unterstützt dabei, realistische Erwartungen an KI-Tools zu entwickeln und einen verantwortungsvollen Umgang damit zu erlernen.

EU AI Act Essentials - Konzepte und Anforderungen des EU AI Acts. 
Basiswissen über den EU AI Act (auch KI-VO).

Prompt-Labor – generative KI in der Hochschullehre: Grundlagen - Generative KI-Tools (auch: »GenAI«) können Hochschullehrende in den verschiedensten Bereichen unterstützen: Sie schreiben und optimieren Texte, generieren Prüfungsaufgaben, Datenauswertungen, Medieninhalte und Präsentationen. Dadurch entstehen vielfältige Möglichkeiten für die Vorbereitung, Durchführung und Evaluation von Lehrveranstaltungen. Funktionsweisen, typische Besonderheiten und Fallstricke im Umgang mit GenAI werden behandelt.

Transformer-basierte Large Language Models verstehen - Large Language Models prägen heute viele KI-Anwendungen, von integrierten Chatbots bis zu KI-Agenten. Eine verständliche Einführung in die Grundlagen moderner Sprachmodelle. Im Mittelpunkt steht die Transformer-Architektur. 
Zentrale Konzepte wie Attention, Positional Encoding und der modulare Aufbau der Architektur.
Ziel ist ein klares konzeptionelles Verständnis und bewusster verzichtet auf Programmierung und komplexe mathematische Herleitungen. Ein Überblick über aktuelle Modelle von OpenAI und DeepSeek, deren Aufbau, Entwicklung und Unterschiede.

Lokale KI-Sprachmodelle - volle Unterstützung bei Installation und Wartung

Wer generative KI ausprobieren möchte, muss nicht zwangsläufig auf Cloud-Dienste großer Anbieter zurückgreifen. 
Mit einer lokalen Installation läuft das Sprachmodell direkt auf dem eigenen Rechner, unabhängig vom Betriebssystem und ohne dass Eingaben das Gerät verlassen.

Plattformunabhängige Anleitungen

Für den Einstieg in lokale KI-Sprachmodelle stehen mehrere ausgereifte, kostenfreie Anwendungen zur Verfügung, die auf Windows, macOS und Linux funktionieren:

Ollama
Kommandozeilen-basiertes Tool zum Herunterladen und Betreiben von Open-Source-Sprachmodellen. 
Besonders geeignet für alle, die auch eigene Skripte oder Programme an das Modell anbinden möchten.

LM Studio
Grafische Oberfläche mit integrierter Modell-Bibliothek. Modelle lassen sich per Klick herunterladen, verwalten und direkt in einem Chat-Fenster testen, ideal für den niedrigschwelligen Einstieg ohne Kommandozeile.

GPT4All
Schlanke Anwendung mit Fokus auf Benutzerfreundlichkeit. Läuft auch auf Geräten mit begrenzter Hardware-Ausstattung und eignet sich gut für erste Gehversuche.

Open WebUI
Webbasierte Oberfläche, die sich mit Ollama koppeln lässt und ein Chat-Erlebnis nahe an bekannten Cloud-Chatbots bietet, inklusive Chatverlauf, mehreren Unterhaltungen und Modellwechsel, alles lokal gehostet.

Datenschutz -der entscheidende Vorteil

Der zentrale Unterschied zu cloudbasierten KI-Chatbots besteht im Datenfluss.
Bei einer lokalen Installation verlässt keine Eingabe das eigene Gerät.
Es findet keine Übertragung an Server Dritter statt, es erfolgt keine Verarbeitung außerhalb der eigenen Kontrolle und es gibt keine Speicherung bei einem externen Anbieter.
Dadurch sind lokale Modelle die datenschutzfreundlichste Möglichkeit, KI-Sprachmodelle kennenzulernen – ganz ohne die Abwägung, ob eine Eingabe „unbedenklich genug” für einen Cloud-Dienst ist.

Wichtiger Hinweis zur Nutzung

Lokal installierte KI-Modelle eignen sich für Test- und Lernzwecke im Rahmen der Kompetenzentwicklung.
Für die Verarbeitung dienstlicher Daten mit Personenbezug ist weiterhin das offizielle, DSGVO-geprüfte KI-Verfahren der Hochschule zu verwenden.
Eine lokale Installation ersetzt nicht die institutionelle Freigabe für dienstliche Anwendungsfälle.
Die Verantwortung für den konkreten Einsatzzweck liegt bei der nutzenden Person.

Hardware-Voraussetzungen

Die Anforderungen an Arbeitsspeicher und Prozessor variieren je nach Größe des lokalen Sprachmodells.
Als grobe Orientierung:
- ca. 3–4 Milliarden Parameter: ab 8 GB RAM, Einstieg, ältere/schwächere Geräte,
- ca. 7–8 Milliarden Parameter: ab 16 GB RAM, Standard-Laptops, guter Kompromiss,
- ab 13 Milliarden Parameter: ab 32 GB RAM, leistungsfähigere Geräte empfohlen.  

Eine dedizierte Grafikkarte (GPU) ist hilfreich, aber nicht zwingend notwendig. Sie beschleunigt die Antwortgeschwindigkeit spürbar.
Ohne GPU läuft die Berechnung zwar langsamer über den Prozessor (CPU), ist aber auf jedem halbwegs aktuellen Rechner funktionsfähig.
Es sollte freier Festplattenspeicher von mindestens 5–10 GB pro Modell eingeplant werden.