KI haelt Einzug an Hochschulen — mal strategisch geplant durch die Hochschulleitung, mal durch spontane Einzelinitiativen. Studierende nutzen Chatbots zur Lernunterstuetzung, 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.
Warum Hochschulen einen anderen Ansatz brauchen
Unternehmen koennen bei KI nach dem Prinzip „Technology first“ vorgehen: neue Ablaeufe einfuehren 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
Dr. Stefan Bieletzke von der Trainings-Online GmbH stellte auf der internationalen EDULearn-Konferenz 2026 in Palma 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.