KI im Hochschulkontext: Forschung, Praxis und Campus-Management

KI-Agenten im Campus-Management: autonome digitale Mitarbeitende?

Claudia

KI-Agenten sind mehr als nur smarte Chatbots. Das Hochschulforum Digitalisierung hat im Mai 2026 ein viel beachtetes Papier zur „Agentischen KI im Hochschulsystem“ veröffentlicht (PDF-Link am Ende/Umfang: 20 Seiten) – und bringt damit auf den Punkt, was viele Hochschulverantwortliche bereits ahnen: Die nächste Welle der KI-Integration betrifft nicht das interaktive Antworten auf Fragen im Chat, sondern: Das zielorientierte und weitgehend autonome Ausführen von Aufgaben mit verfügbaren Tools. Vordefinierte KI-Workflows sind dabei hilfreich, aber auch ohne diese Workflows sucht der KI-Agent nach einer Lösung, erfasst Zustände, agiert autonom und löst Aktionen aus z.B. im Bereich Einsatzplanung, Prüfungsamt oder Marketing. Das dürfte weniger die Studierenden direkt betreffen sondern eher die Prozesse in der Verwaltung. Was bedeutet das für das Campus-Management?

KI-Agenten im Campus-Management — zum Vergrößern anklicken | Foto: Alex Knight / Pexels

Chatbot vs. Agent: Ein grundlegender Unterschied

Ein KI-Chatbot antwortet. Ein KI-Assistent folgt einem Workflow. Ein KI-Agent handelt. Das klingt simpel, ist aber der entscheidende Unterschied. Während ein Chatbot auf eine Frage reagiert und dann wartet, kann ein KI-Agent eine Aufgabe entgegennehmen, eigenständig mehrere Schritte planen und ausführen — und dabei auf Daten, Systeme, Tools und andere Agenten zugreifen. Er agiert quasi wie ein Mitarbeitender.

Konkret: Ein Chatbot antwortet einem Verwaltungsmitarbeiter auf „Wer ist zur Prüfung zugelassen?“ mit „Gem. der aktuellen Daten-Liste: alle“. Ein KI-Agent „Prüfungsamt“ hingegen könnte abarbeiten, was nötig ist für die Prüfung, z.B. eigenständig, welche Voraussetzungen für die Prüfungsanmeldung erfüllt sein müssen und ob Studierende diese individuell erfüllen, checkt dann Anwesenheitsquoten, trägt „zugelassen“ pro Studierenden ein, schickt eine individuelle Info an kritische Kandidaten und informiert das Prüfungsamt mit einem Report – ohne dass ein Mensch jeden Schritt anstoßen muss. Der KI-Agent macht das jeden Morgen zwischen 6.00 und 7:30 Uhr.

Was bedeutet das für das Campus-Management?

Im Hochschulbetrieb gibt es zahlreiche Prozesse, die heute noch manuell oder halbautomatisch ablaufen — und die für KI-Agenten geradezu prädestiniert sind:

  • Prüfungsanmeldung mit Voraussetzungsprüfung: Der Agent prüft eigenständig, ob Teilnahmevoraussetzungen erfüllt sind, und meldet den Studierenden automatisch an oder leitet Grenzfälle an einen menschlichen Verwaltungsmitarbeitenden weiter.
  • Dokumentenmanagement: Eingehende Anträge werden klassifiziert, weitergeleitet und — sofern möglich — direkt bearbeitet, bevor ein Mensch die Freigabe erteilt.
  • Stundenplanoptimierung: Auf Basis von Raumbelegung, Dozentenverfügbarkeit und Studierendenzahlen erstellt der Agent Planungsvorschläge oder bucht Räume selber um.
  • Betreuungsaufgaben: Frühwarnsystem bei Anwesenheitsabfall oder drohenden Prüfungsfehlern — inklusive automatischer Benachrichtigung an Studiengangsleitung.
  • FAQ und Servicekommunikation: Häufig gestellte Anfragen werden vollständig und kontextbezogen beantwortet, ohne Sekretariatskapazitäten zu binden.
  • Studiengang-Anlage: Modulhandbücher werden überprüft und übertragen ins Campus-Management inkl. Zeitverläufen und Lehrkräften, die bei Bedarf informiert und angefragt werden.
  • Allgemeine Presse-Recherche: Suche nach spannenden Themen für unseren Social-Media-Auftritt, sende uns jede Woche 3 Vorschläge und entwerfe Text sowie Bild für Instagram und trage es dort, nach Freigabe, ein.

Dabei ist entscheidend: Der Agent handelt innerhalb klar definierter Grenzen und mit menschlicher Kontrollmöglichkeit. Er ist dabei nicht nur Antwortgeber oder Assistent, sondern der Agent ist Entscheider — und jede Entscheidung muss dann aber auch im Nachhinein nachvollziehbar sein (Explainable AI). Und: Die Grenzen müssen eng so gesetzt sein, dass Governance, DSGVO und AI ACT jederzeit eingehalten werden.

TraiNex und KI-Agenten: WAAS — Workforce as a Service

Bei TraiNex entwickeln wir den Agenten-Ansatz unter dem Konzept WAAS — Workforce as a Service weiter. Die Idee: KI-Agenten bekommen ein Onboarding, einen Arbeitsplatz, Rechner und Mailadresse sowie einen TraiNex-Zugang mit zugewiesenen Rechten. Der TraiNex-KI-Agent übernimmt definierte Aufgabenpakete im Campus-Management und handeln dabei im eigenen Namen im Auftrag der Hochschule — dokumentiert, nachvollziehbar und regelkonform.

Erste Praxistests waren sehr erfolgreich. TraiNex-KI-Agenten reagieren auf Mails, lesen Anhänge, tragen Daten ein oder überprüfen Listen, typischerweise nachts, entweder automatisch oder auf Zuruf. Die TraiNex-KI-Agenten kennen die TraiNex-Funktionen in- und auswendig. Ein KI-Teamleiter ist dabei Vermittler zwischen menschlichem Vorgesetzten und einem Team von KI-Unter-Agenten. Der KI-Teamleiter darf dabei auch Aufgaben an Menschen verteilen falls nötig, für z.B. einen Telefonanruf. Spannend? Neugierig? Mehr unter waas.ki-campus.eu

Fazit

KI-Agenten sind kein Science-Fiction-Konzept mehr. Sie werden Campus-Management-Systeme in den nächsten Monaten und Jahren grundlegend verändern — als digitaler Mitarbeitender, der zunächst Routineaufgaben übernimmt. Wir vom TraiNex sind vorbereitet. Und Hochschulen, die sich jetzt damit beschäftigen, und rechtskonforme Einsatzmöglichkeiten austesten, dürften im Wettbewerb gut aufgestellt sein.

→ Zum vollständigen Paper des Hochschulforum Digitalisierung (PDF)

KI-LOTSE: Die neue Servicestelle der HRK für KI-Strategie an Hochschulen

Claudia

Hochschulen, die ernsthaft mit Künstlicher Intelligenz umgehen wollen, stehen vor einer Frage, die sich nicht mit einem einzelnen Tool beantworten lässt: Wie steuern wir das strategisch — über Fachbereiche, Verwaltung und Rechtsfragen hinweg? Seit Frühjahr 2026 gibt es dafür eine bundesweite Anlaufstelle: KI-LOTSE.

KI-LOTSE – Orientierung, Navigation und KI für Hochschulen
KI-LOTSE — Orientierung. Navigation. KI. Für Hochschulen.

Was ist KI-LOTSE?

KI-LOTSE ist ein Projekt der Hochschulrektorenkonferenz (HRK), gefördert durch das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR). Wie der Name andeutet, geht es um Orientierung: nicht um einzelne KI-Anwendungen, sondern um das Navigieren im Gesamtsystem. Die Seite beschreibt die eigene Rolle präzise: „Leitstelle für Orientierung, Technologie, Service und Expertise zu Künstlicher Intelligenz an Hochschulen.“

Die Zielgruppe ist klar definiert: Hochschulleitungen und strategische Entscheider:innen. Also genau diejenigen, die nicht nach dem nächsten Chatbot-Tutorial suchen, sondern nach Antworten auf Fragen wie: Welche KI-Infrastruktur brauchen wir? Was erlaubt der EU AI Act uns — und was nicht? Wie verantworten wir KI-Einsatz in Prüfungen?

Was KI-LOTSE konkret bietet

Das Angebot gliedert sich in vier Themenfelder — Rechtsfragen, Infrastruktur, Persönlichkeitsbildung und KI & Didaktik — sowie zwei direkte Servicelinien:

Strategische Beratung: Hochschulleitungen können ab sofort eine kostenlose ein- oder zweitägige Beratung vor Ort beantragen. Das Angebot richtet sich an Rektorate und Präsidien, die KI institutionell verankern wollen — nicht als Einzelprojekt, sondern als Teil eines kohärenten Steuerungsrahmens.

Rechtssupport: Eine juristische Anlaufstelle für typische Rechtsfragen rund um KI — von Datenschutz über Prüfungsrecht bis zum EU AI Act. Kein Anwaltsbüro, aber verlässliche Einordnung und Handreichungen — kostenlos.

Dazu kommen Think-Tank-Aktivitäten: thematische Arbeitsgruppen (darunter eine AG „KI & Prüfen“) sowie eine Good-Practice-Datenbank, die strategisches Handeln auf Leitungsebene mit konkreten Beispielen aus dem Feld unterfüttert.

Warum das gut ist

Es gibt inzwischen viele Angebote rund um KI in der Bildung — Toolsammlungen, Promptguides, Webinare. Was oft fehlt, ist die strategische Ebene: Wie entscheidet eine Hochschule, was sie mit KI macht — und was nicht? Wie schafft sie Verlässlichkeit für Lehrende, Studierende und Verwaltung?

KI-LOTSE setzt an genau diesem Punkt an. Und das von der HRK — einer Organisation mit dem nötigen Mandat, um gesamtsystemisch zu denken. Das verdient Aufmerksamkeit.

Wer an Hochschulen bereits mit dem Thema KI-Strategie und Reife beschäftigt ist, findet übrigens ergänzende Werkzeuge: Unsere frei verfügbaren Workshop-Materialien zur KI-Reifegrad-Matrix helfen dabei, den aktuellen KI-Reifegrad einer Hochschule zu bestimmen — KI-LOTSE bietet dann die Beratung und den Rahmen, um die nächsten Schritte zu gehen. Beide Ressourcen ergänzen sich gut.

Fazit

KI-LOTSE ist noch jung — die Website ging im April 2026 live. Aber das Konzept stimmt: eine gebündelte, von der HRK betriebene Servicestelle, die Hochschulen nicht mit noch mehr Einzelangeboten überflutet, sondern Orientierung gibt. Wir wünschen dem Team viel Erfolg und freuen uns, dass es dieses Angebot jetzt gibt.

→ Zur KI-LOTSE-Website

Das RAGI-Modell: KI-Anwendungen an Hochschulen systematisch klassifizieren

Claudia

KI hält Einzug an Hochschulen — mal strategisch geplant durch die Hochschulleitung, mal durch spontane Einzelinitiativen. Studierende nutzen Chatbots zur Lernunterstützung, Verwaltungen experimentieren mit automatisierten Prozessen, Lehrende setzen adaptive Systeme ein. Doch bei aller Vielfalt fehlt bislang ein gemeinsamer Rahmen, um diese Anwendungen systematisch einzuordnen. Genau hier setzt das RAGI-Modell an.

Das RAGI-Modell — KI-Klassifikationsrahmen für Hochschulen
Das RAGI-Modell — KI-Klassifikationsrahmen für Hochschulen (zum Vergrößern anklicken)

Warum Hochschulen einen anderen Ansatz brauchen

Unternehmen können bei KI nach dem Prinzip „Technology first“ vorgehen: neue Abläufe einführen und danach innerhalb regulatorischer Rahmenbedingungen bewerten. Fuer oeffentliche Einrichtungen wie europaeische Hochschulen gilt das Gegenteil: Sie muessen KI-Systeme von Anfang an im Kontext institutioneller Verantwortung betrachten — und das, ohne die technologische Entwicklung vorherzusehen.

Erschwerend kommt hinzu, dass sich KI zunehmend von isolierten Hilfssystemen zu generalisierten, teils autonomen Anwendungen weiterentwickelt. Bislang fehlte ein anerkannter konzeptioneller Rahmen, der verschiedene KI-Systeme im Hochschulkontext systematisch klassifiziert und vergleichbar macht.

Das RAGI-Modell: Vier Dimensionen fuer eine fundierte Einordnung

Der Geschäftsführer der Trainings-Online GmbH stellte auf der internationalen EDULearn-Konferenz 2026 in Spanien das RAGI-Modell vor — ein Klassifikationsrahmen fuer KI-Systeme, der auf vier Dimensionen basiert:

  • R – Responsibility (Verantwortung): Metadimension, die institutionelle und ethische Steuerungsaspekte abbildet
  • A – Autonomy (Autonomie): In welchem Ausmass handelt das System selbststaendig?
  • G – Generality (Generalitaet): Ist das System auf eine Aufgabe spezialisiert oder breit einsetzbar?
  • I – Intelligence (Intelligenz): Wie komplex ist die kognitive Leistung des Systems?

Die drei Leistungsdimensionen A, G und I spannen einen Faehigkeitsraum auf, in dem sich jede KI-Anwendung verorten laesst. Die Verantwortungsdimension R ergaenzt diesen Raum als Steuerungsperspektive.

Anwendungsbeispiele aus dem Hochschulalltag

  • Raumoptimierungssysteme kombinieren Autonomie und Intelligenz, ohne generell einsetzbar zu sein. Sie handeln selbststaendig, aber in einem klar definierten Aufgabenbereich.
  • Lern-Chatbots verbinden Generalitaet und Intelligenz, agieren aber nicht autonom. Sie beantworten eine breite Palette von Fragen, warten aber stets auf Nutzereingaben.

Ein autonomes, allgemein intelligentes System (AGI) birgt andere Risiken als ein spezialisiertes Assistenzsystem — und erfordert entsprechend andere Governance-Massnahmen.

Verantwortung als Steuerungsprinzip

Das RAGI-Modell fragt gezielt, ob bestimmte Kombinationen der drei Leistungsdimensionen aus Verantwortungsgruenden begrenzt werden sollten — insbesondere solche, die zu hochgradig autonomen und allgemein intelligenten Systemen fuehren. Campus-Management-Systeme wie TraiNex verwalten heute Pruefungen, Zulassungen, Dokumente und Kommunikation. Je staerker KI in diese Prozesse integriert wird, desto wichtiger wird ein klarer Rahmen wie das RAGI-Modell.

Fazit

Das RAGI-Modell liefert einen einfachen, aber erweiterbaren Dimensionsrahmen, der technische Faehigkeiten von KI-Systemen mit ihrem institutionellen Anwendungskontext verknuepft. Fuer Entscheider an Bildungseinrichtungen schafft es die konzeptionelle Grundlage, um KI-Investitionen gezielt zu planen und verantwortungsvoll zu gestalten.

→ Zum vollstaendigen Paper auf ResearchGate (EDULearn 2026)

Workforce as a Service (WaaS) bringt digitale Verstärkung ins Hochschulteam

Claudia

Stellenbesetzungen, die Wochen dauern. Kolleginnen im Urlaub oder krank. Routineaufgaben, die sich stapeln. Für viele Hochschulverwaltungen ist das Alltag — und es kostet Zeit, die eigentlich den Studierenden gehören sollte. Workforce as a Service (WaaS) bietet einen neuen Ansatz: digitale Mitarbeitende, die direkt im TraiNex arbeiten — und das menschliche Team entlasten, nicht ersetzen.

Roboter und Menschen als Teammitglieder im WaaS-Modell
Mensch und Maschine als Team — zum Vergrößern anklicken

Was steckt hinter WaaS?

WaaS steht für Workforce as a Service — digitale Mitarbeitende, die speziell für den Einsatz in Campus-Management-Systemen geschult sind. Sie erhalten ein eigenes TraiNex-Benutzerkonto, eine eigene Rolle und ein eigenes Mailpostfach. Anders als allgemeine KI-Tools sind sie von Anfang an mit den spezifischen Prozessen einer Hochschule vertraut — die Einarbeitungszeit beträgt rund einen halben Tag.

Rund um die Uhr verfügbar, 100 Prozent TraiNex-kompatibel und flexibel einsetzbar: WaaS-Agenten unterstützen dort, wo die Kapazitäten knapp werden — ob planbar oder spontan auf Zuruf.

Was übernehmen digitale Mitarbeitende konkret?

Das Aufgabenspektrum ist breit: Terminverschiebungen koordinieren, Modulhandbücher aktualisieren, Anwesenheitsprüfungen durchführen, Räume planen, Krankenkassendaten verwalten oder Prüfungszulassungen prüfen. Auch komplexere Aufgaben sind möglich — digitale Teams aus mehreren Agenten bearbeiten parallel verschiedene Aspekte eines Vorgangs.

Das entscheidende Prinzip dabei: WaaS-Agenten entlasten das Team bei Routineaufgaben, damit die Menschen sich auf das Wesentliche konzentrieren können — auf Beratung, Entscheidungen und den direkten Kontakt mit Studierenden. Menschen bleiben der Kern jeder Hochschule.

Unterstützung, keine Ersetzung

Ein häufiges Missverständnis: KI ersetzt Stellen. Beim WaaS-Ansatz ist das ausdrücklich nicht das Ziel. Digitale Mitarbeitende springen ein, wenn Kapazitäten fehlen — im Krankheitsfall, in Spitzenzeiten, bei einmaligen Projekten. Sie ergänzen das Team, nicht ersetzen es. Die Entscheidungshoheit und der persönliche Kontakt bleiben beim Menschen.

Fazit

WaaS ist kein Science-Fiction-Szenario, sondern eine praxisnahe Antwort auf einen realen Engpass: zu viele Aufgaben, zu wenig Zeit, zu knappe Personalressourcen. Die Technologie ist da — und sie kann heute schon helfen, ohne dass ein langer Implementierungsprozess nötig ist. Hochschulen, die TraiNex nutzen, können direkt starten.

→ Mehr Informationen und Demo-Termin vereinbaren oder Kontakt per E-Mail: WAAS@ki-campus.eu

KI-Prompts auf Institutionsebene steuern: Neues Paper von TraiNex auf der EDULearn 2026

Claudia

Wie stellt eine Hochschule sicher, dass KI-Tools zuverlässig, pädagogisch sinnvoll und konsistent genutzt werden — auch von Mitarbeitenden ohne Prompt-Expertise? Diese Frage stand im Mittelpunkt eines Beitrags, den Forscher der Trainings-Online GmbH und der TH OWL auf der 18. internationalen EDULearn-Konferenz im Juli 2026 in Palma vorstellten.

Konferenzposter: Prompt Governance in Higher Education (EDULearn 2026)
Konferenzposter der EDULearn 2026 — zum Vergrößern anklicken

Das Paper „Prompt Governance in Higher Education: Curated Prompt Libraries for Reliable AI Assistance“ stellt eine kuratierte Prompt-Bibliothek als Governance-Ansatz vor — direkt integriert in ein Campus-Management-System. Statt KI-Nutzung dem Zufall zu überlassen, können Hochschulen damit Prompts zentral verwalten, Zielgruppen steuern und die Nutzung monitoren.

Das System unterscheidet fünf Prompt-Typen: von frei bearbeitbaren Prompts über datenbankbasierte Abfragen bis hin zu agentengesteuerten Workflows, die etwa eigenständig Literaturrecherchen in externen Datenbanken durchführen. Eingebunden in einen Campus-Chat-Assistenten erkennt das System die Absicht des Nutzers und wählt automatisch passende Prompts aus — inklusive kontextueller Anreicherung aus Modulhandbüchern und Stundenplänen.

Der Ansatz zeigt: Verlässliche KI an Hochschulen braucht keine komplexe Infrastruktur — sondern kluge Einbindung in bestehende Systeme wie TraiNex.

→ Zum vollständigen Paper auf ResearchGate