Smarte Hochschul-Assistenzen, die als dialogische KI das hochschulische Erlebnis und die Arbeits-Effizienz sowohl für Studierende als auch für Mitarbeitende im täglichen Betrieb unverzichtbar bereichern.
Und zwar aus hochschulischer Sicht rechtssicher, kontrolliert, datenschutzkonform und konsequent integriert in das Campus-Management-System.
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.
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.
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 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.
Am 6. Juli 2026 veröffentlichte der Wissenschaftsrat seine Empfehlungen „Intellektuelle Souveränität: Empfehlungen für die Hochschulbildung in Zeiten generativer KI“ — neun konkrete Forderungen an Hochschulen, Lehrende, Studierende, Länder und Bund. Beim Lesen hatten wir mehrfach denselben Gedanken: Genau dafür entwickeln wir TraiNex und SMARTA.
Intellektuelle Souveränität vs. Generative KI — zum Vergrößern anklicken
Was der Wissenschaftsrat fordert
„Kritisches Denken lässt sich nicht an eine KI delegieren“, sagt WR-Vorsitzender Wolfgang Wick. Diese Aussage ist keine KI-Skepsis — sie ist eine Präzisierung: KI soll gezielt eingesetzt werden, nicht unkontrolliert. Der Wissenschaftsrat fordert Hochschulen auf, sowohl KI-Kompetenzen aufzubauen als auch KI-freie Räume im Curriculum zu verankern. Prüfungsformate sollen überdacht, Hochschulen als soziale Lernorte erhalten werden. Und: Souveräne KI-Infrastrukturen sollen entstehen, die langfristig finanziert und hochschulübergreifend nutzbar sind.
Nicht möglichst viel KI — sondern die richtige KI
Nicht möglichst viel KI, sondern KI gezielt und kontrolliert — mit dem richtigen Kontext, für Lehrende, Studierende und die Hochschulverwaltung. Für uns heißt das: Context Engineering voranzutreiben, also die intelligente Verbindung von KI mit dem individuellen Nutzer und dessen aktueller Situation. Automatische Berücksichtigung von Studienverläufen, Lehrplänen, Prüfungsordnungen, dem Stundenplan oder konkret der heutigen Vorlesung und dem Lernskript. Dazu verbinden wir generative KI mit unserer algorithmischen Intelligenz, gesteuert durch Agenten.
Context Engineering als Antwort
Eine KI, die automatisch den Studienstand, den Lehrplan, die Prüfungsordnung und den Inhalt der heutigen Vorlesung berücksichtigt, ist keine unkontrollierte Black Box — sie ist ein präzises Werkzeug mit definiertem Kontext. Das ist der Kern von SMARTA: Nicht generative KI, die einfach antwortet, sondern KI, die den richtigen Kontext aus dem Campus-Management-System bezieht. Studienverläufe, Lehrpläne, Prüfungsordnungen, Stundenplan, das Lernskript der heutigen Vorlesung — all das bildet den Rahmen, innerhalb dessen die KI agiert.
Fazit
Der Wissenschaftsrat hat einen wichtigen Orientierungsrahmen gesetzt. Für Hochschulen, die KI nicht einfach „einführen“ wollen, sondern gezielt einsetzen möchten — mit Kontrolle, Kontext und Kompetenz — zeigt TraiNex, wie das konkret aussehen kann.
Kann eine KI zuverlässig erkennen, ob ein Studierender frustriert, motiviert oder gleichgültig ist? Diese Frage stand im Mittelpunkt unserer empirischen Studie, die wir im Juli 2025 auf der EDULEARN-Konferenz in Palma de Mallorca vorgestellt haben.
Sentiment-Analyse: KI vs. Mensch — zum Vergrößern anklicken
Sentiment-Analyse als Kernkomponente von SMARTA
Im SMARTA-Projekt entwickeln wir KI-gestützte Chatbots, die Studierende bei Motivation, Lernorganisation und persönlichen Herausforderungen begleiten. Damit die Chatbots einfühlsam reagieren können — auf Prokrastination, sozialen Druck oder Frustration — müssen sie den emotionalen Ton der Konversation präzise erfassen. Dafür setzen wir automatisierte Sentiment-Analyse ein.
Was die Studie untersucht hat
In einem Vergleichstest haben wir Sentiment-Klassifikationen von Sprachexperten, Studierenden und verschiedenen GPT-Modellen (GPT-3.5 und neuere Versionen) gegenübergestellt: wie gut erkennen die Modelle positive, negative und neutrale Aussagen? Qualitätsmetriken: Accuracy, Precision, Recall und Konfusionsmatrizen.
Das Ergebnis: GPT ist zuverlässiger als erwartet
Selbst ältere Modelle wie GPT-3.5 erkennen Sentiment mit hoher Zuverlässigkeit. Mit optimierten Prompts und neueren Modellen steigt die Übereinstimmung mit menschlichen Bewertungen weiter. Abweichungen treten vor allem bei neutralen Aussagen auf — einem Bereich, in dem auch menschliche Beurteilungen häufig divergieren. Daraus leiten wir ein neues Konzept ab: den Human-AI-Gap-Benchmark. KI-Performance sollte nicht an einer Fehlerquote von null gemessen werden, sondern im Verhältnis zur menschlichen Fehlerquote.
Rechtliche Einordnung: EU AI Act
Sentiment-Analyse ist trotz ihrer Zuverlässigkeit ein Black-Box-Prozess mit eingeschränkter Erklärbarkeit. Wir haben die Methode auf Konformität mit dem EU AI Act geprüft — ob sie unter Medical AI oder verbotene Emotionserkennung fällt. Unsere Lösung: Sentiment-Ergebnisse werden anonym gespeichert, der Chat-Verlauf wird unmittelbar nach dem Gespräch gelöscht.
Fazit
KI-gestützte Sentiment-Analyse ist praxistauglich und präzise genug für den Einsatz im Hochschulkontext. Im SMARTA-Projekt wird sie als vertrauenswürdiges Modul eingesetzt — ein weiterer Schritt zu einer KI, die nicht nur antwortet, sondern wirklich versteht.
Studierende können mit der neuen Funktion ihren aktuelle Notenstand analysieren lassen. Das komplette Notenblatt wird beim Aufruf des Services zunächst algorithmisch anonymisiert, bevor es der KI zur Analyse übergeben wird.
Der Chatbot geht dann dialogisch vor: Zuerst werden Erfolge hervorgehoben – oft mit überraschenden Perspektiven für ein ehrliches Lob. Anschließend folgt die Betrachtung der Herausforderungen, immer zurückhaltend, aber ehrlich und dabei motivierend. Immer wird deutlich gemacht, warum jedes Fach nicht nur für das Studium, sondern auch für das Leben von Bedeutung ist.
Unterstützt von der KI entwickelt der Studierende den nächsten Erfolgsschritt im Hinblick auf kommende Prüfungen und kann direkt passende Lernstrategien erfragen.
In ersten Tests mit Studierenden wurde die Funktion als „mächtig motivierend“ und „hilft mir wie ein persönlicher Coach“ beschrieben.
Diese Website benutzt Cookies. Wenn Sie die Website weiter nutzen, gehen wir von Ihrem Einverständnis aus.
