Künstliche Intelligenz in Forschung, Lehre und Hochschule

doi:10.3790/978-3-428-59325-5

Künstliche Intelligenz in Forschung, Lehre und Hochschule

Preview Login to order (PDF)

BOOK

Cite BOOK

Style

Löwisch, M., Würtenberger, T., Geis, M., Heckmann, D. (Eds.) (2025). Künstliche Intelligenz in Forschung, Lehre und Hochschule. Duncker & Humblot. https://doi.org/10.3790/978-3-428-59325-5

Format

BIBTEX

ENDNOTE

RIS

Download

Künstliche Intelligenz in Forschung, Lehre und Hochschule

Editors: Löwisch, Manfred | Würtenberger, Thomas | Geis, Max-Emanuel | Heckmann, Dirk

Internetrecht und Digitale Gesellschaft, Vol. 72

(2025)

Preview Login to order (PDF)

Additional Information

Book Details

Publisher Name: Duncker & Humblot
ISBN: 978-3-428-59325-5
978-3-428-19325-7 (print edition)
DOI: https://doi.org/10.3790/978-3-428-59325-5
Edition: 1
Language: German
Pages: 494
Collections: D&H 2025
NBE D&H
NBE RECHT
RECHT 2025
Subjects: Administrative law, general
Artificial intelligence

Pricing

Institution: € 180.00 (incl. local VAT if applicable)
Individual: € 119.90 (incl. local VAT if applicable)

About The Author

Max-Emanuel Geis studierte Rechtswissenschaft in Augsburg und Freiburg. Nach Promotion und Habilitation in Regensburg übernahm er 1994/95 eine Professur für Öffentliches Recht in Augsburg. Nach einer weiteren Professur an der Universität Konstanz wechselte er 2002 auf den Lehrstuhl für Öffentliches Recht I an der Universität Erlangen-Nürnberg und gründete dort 2003 die Forschungsstelle für Wissenschafts- und Hochschulrecht, der er als Direktor vorsteht. Er hat mittlerweile über 280 Publikationen vorzuweisen. Seit 2022 ist er Sprecher des Kompetenzzentrums der Universität Erlangen-Nürnberg für interdisziplinäre Wissenschaftsreflexion (ZIWIS). Geis ist seit 2004 für den Wissenschaftsrat tätig. Seit 2018 ist er Mitglied des Bayerischen Verfassungsgerichtshofs.

Manfred Löwisch studierte Rechtswissenschaften in Tübingen, Würzburg und München. Promotion in Tübingen. Habilitation in Hamburg. Seit 1969 o. Professor für Bürgerliches Recht, Wirtschaftsrecht, Arbeits- und Sozialversicherungsrecht an der Albert-Ludwigs-Universität Freiburg. 1980–1989 gleichzeitig Richter am OLG Karlsruhe. 1991–1995 Rektor der Universität Freiburg. 2000–2006 stellv. Vorsitzender des Universitätsrats. Seit 2005 Leiter der Forschungsstelle für Hochschularbeitsrecht an der Universität Freiburg. Zugleich Rechtsanwalt bei Krauss Law in Lahr (Schwarzwald).

Thomas Würtenberger lehrt nach Professuren in Augsburg und Trier seit 1988 in Freiburg Staats- und Verwaltungsrecht, wo er seit 2005 die Forschungsstelle für Hochschulrecht leitet. Als Gastprofessor wirkte er u.a. an den Rechtsfakultäten von Paris I Sorbonne, Straßburg, Lausanne und Kyoto (Ritsumeikan). Seine Forschungsschwerpunkte liegen im Verfassungsrecht, Sicherheitsrecht, Hochschul- und Wissenschaftsrecht sowie in historischer Verfassungsvergleichung. Er ist Mitherausgeber der Internetzeitschrift »Ordnung der Wissenschaft«, hat Monographien u.a. zu »Zeitgeist und Recht« (2. Aufl. 1991) sowie »Symbole der Freiheit« (2017) veröffentlicht und ist Rechtsanwalt in der Stuttgarter Kanzlei Wuertenberger.

Abstract

Digitalisierung und Künstliche Intelligenz sind der große Zug unserer Zeit. Noch zögert der akademische Bereich bisweilen im Umgang mit dem über ihn hereinbrechenden Wandel. Darauf reagiert dieser Sammelband. Mit seinen 25 Beiträgen gibt er einen Überblick über die Herausforderungen, vor die die Künstliche Intelligenz die Hochschulen stellt. Der Bogen ist weitgespannt: Er reicht von einer ethischen Grundlegung der Künstlichen Intelligenz über ihre unionsrechtlichen Regelungen und datenschutzrechtlichen Eingrenzungen bis hin zu praktischen Fragen ihrer Umsetzung im Hochschulalltag. Zentrale Themen wie die Nutzung Künstlicher Intelligenz in Prüfungsverfahren, ihre Eignung für Berufungsverfahren oder der Umgang mit Fake Papers weiter erörtert. Trotz der sich abzeichnenden digitalen Revolutionierung des Hochschulbereichs bleiben die Beiträge den Grundsätzen des Wissenschafts- und Hochschulrechts verpflichtet, ein Spagat, der die Praxistauglichkeit dieses Bandes fördert.»Artificial Intelligence in Research, Teaching and Higher Education«: Digitalisation and artificial intelligence are the big trends of our time. With its 25 contributions, this anthology provides an overview of the challenges that artificial intelligence poses for universities: from an ethical foundation of artificial intelligence, regulations under EU law and data protection restrictions to practical questions of its implementation in everyday university life. The contributions remain to the principles of science and higher education law, which enhances the practicality of this volume.

Section Title	Page	Action	Price
Geleitwort	5
Vorwort	7
Inhaltsverzeichnis	9
Dirk Heckmann und Sarah Rachut: Einführung: Künstliche Intelligenz im Mittelpunkt der Wissenschaft	13
I. Künstliche Intelligenz: mehr als ein Hype	13
II. Grundbegriffe und Grundlagen Künstlicher Intelligenz	15
III. Auf dem Weg zu einem KI-Recht	18
IV. Einsatz Künstlicher Intelligenz an Hochschulen: Rechtssicherheit im Übergang	19
V. Künstliche Intelligenz im Spiegel des Straf-, Urheber- und Datenschutzrechts	20
VI. Künstliche Intelligenz im Wissenschaftsbetrieb	21
VII. Künstliche Intelligenz in einzelnen Anwendungsbereichen	22
VIII. Ausblick	22
I. Grundlagen, Grundfragen, Grundbegriffe	25
Paul Kirchhof: Künstliche Intelligenz	27
I. Der Ausgangsbefund: Der intelligent programmierte Automat	27
II. Der Auftrag, die Herrschaft über die Maschine zu behalten	28
III. Die Herrschaft des Menschen über die Technik	30
IV. Maßstäbe für die Verantwortung des Menschen	31
V. Die Verantwortlichen	33
VI. Freiheit der Betroffenen	34
VII. Anfälligkeit und Wehrhaftigkeit des Rechts	36
Silja Voeneky: Key Elements of Responsible Artificial Intelligence: Human Rights, the EU AI Act, and the Need for Adaptive International AI Regulation	39
I. AI Systems as Disruptive Multipurpose Tools	40
1. How to define AI?	43
2. How to regulate AI induced Risks and Potential Benefits?	45
II. Human Rights as Legitimate Basis of AI Regulation?	49
III. Sector-Specific AI Regulation to Protect Human Rights	53
1. Regulation of AI-Driven Medical Devices in the EU	54
2. Regulation of Automated and Autonomous Cars in Germany	56
3. First Conclusion	58
IV. Comprehensive AI Regulation	59
1. OECD Principles on AI: Soft Law to Protect Human Rights	59
2. EU AI Act: Law to Protect Fundamental Rights	62
a) Introduction	62
b) First Class of Risks: Prohibited AI Practices	64
c) Second Class of Risks: High-Risk AI Systems	65
aa) Adaptive and Future-Proof?	66
bb) Specific Requirements	68
cc) Conformity Assessment Procedure	68
dd) Fundamental Rights Assessment	71
d) Third Class of Risks: General-Purpose Models	72
e) Rights Based Research Exception or Disproportional Loophole?	74
3. Second Conclusion	75
V. Outlook: A Universal International AI Treaty and Adaptive Regulation	79
Hans Burkhardt: Ein Beitrag zur Künstlichen Intelligenz	83
I. Was ist künstliche Intelligenz?	83
II. Paradigmenwechsel: Künstliche Neuronale Netze	84
III. Überkopfpendel	87
IV. Deep Blue	89
V. Der Durchbruch: Deep Learning mit Faltungsnetzen	89
VI. AlphaGo Zero und Alpha Zero von Deep Mind (Google)	90
1. AlphaGo Zero (Okt 2017)	90
2. Alpha Zero von DeepMind (Dez 2017)	92
3. Fortschritte bei der Hardware und dem Energieverbrauch beim Spielen	93
VII. Besser als der Mensch	93
VIII. Computer-Hardware	95
IX. Ausblick	96
Diemut Kucharz: Sprachverständnis und Sprachförderung in der Wissenschaft	99
I. Einleitung	99
II. Zentrale Sprachregister als Ausdruck von Sprachvarietäten	100
1. Mögliche Arten von Sprachregistern	101
2. Merkmale einzelner Sprachregister	102
III. Bedeutung für Menschen mit Deutsch als Fremdsprache	105
IV. Sprachliche Unterstützung und Förderung	106
V. Fazit	108
Maria Kalweit und Gabriel Kalweit: Warum wir neu lernen müssen, mit Maschinen zu sprechen – eine Momentaufnahme der Generativen Künstlichen Intelligenz im Januar 2024	111
I. Was verbirgt sich eigentlich hinter GPT?	113
II. Warum jetzt?	115
III. Welches Ziel verfolgen diese Systeme?	117
IV. Was folgt daraus?	118
V. Sind Halluzinationen Bug oder Feature?	121
VI. Sind meine Daten sicher?	123
VII. Wie ist die rechtliche Lage?	124
VIII. Was sind die Implikationen?	125
Kirsten Rulf: Why U.S. Universities have more influence in the global debate on AI Governance and Regulation and how German Universities can reclaim their seat at the table. A workshop report	129
I. Introduction	129
II. Not learning for school but for life	131
III. Characteristics of the U.S. Professional School	132
IV. Conclusion	136
II. Auf dem Weg zu einem KI-Recht	139
Daniel Becker und Daniel Feuerstack: Die EU-KI-Verordnung – Überblick und Bewertung mit Fokus auf Entwicklung und Einsatz von KI-Systemen an Hochschulen	141
I. Einleitung	141
II. Anwendungsbereich	142
1. Sachlicher Anwendungsbereich: KI-Systeme	142
2. Personeller und räumlicher Anwendungsbereich	143
3. Ausnahmen	144
III. Risikobasierter Ansatz	146
1. Verbotene KI-Praktiken	146
2. Hochrisiko-KI-Systeme	147
3. KI-Systeme mit minimalem Risiko und Transparenzrisiko	150
4. KI-Modelle mit generellem Verwendungszweck	150
IV. Fazit	153
Daniel Feuerstack: Menschenrechtliche Vorgaben an die Transparenz KI-basierter Entscheidungen und deren Berücksichtigung in bestehenden Regulierungsansätzen	155
I. Einleitung	156
II. Definition von KI-Systemen	159
III. Das Problem der Intransparenz KI-basierter Entscheidungen und dessen rechtliche Konsequenzen	160
1. Intransparenz und deren Ursachen	160
2. Rechtliche Konsequenzen der Intransparenz KI-basierter Entscheidungen	161
3. Qualitative Unterschiede zu anderen „Black Boxes“	163
IV. Menschenrechtliche Vorgaben an die Transparenz KI-basierter Entscheidungen	165
1. Staatliche KI-basierte Entscheidungen	165
a) Begründungspflicht aus dem Willkürverbot	166
b) Begründungspflicht aus dem Recht auf wirksame Beschwerde in Verbindung mit dem Diskriminierungsverbot	167
2. Nichtstaatliche KI-basierte Entscheidungen	169
a) Keine indirekte Bindung an die Menschenrechte	169
b) Staatliche Schutz- und Sorgfaltspflichten	170
3. Rechtfertigung	172
4. Zusammenfassung	174
V. Transparenz in bestehenden Regulierungsansätzen	175
1. Die EU-Datenschutzgrundverordnung	175
2. Die EU-KI-Verordnung	177
3. OECD-Empfehlungen zu KI	178
VI. Zusammenfassung und Ausblick	179
Michael Greiner: Künstliche Intelligenz in der bayerischen Hochschulpolitik	181
I. Vorbemerkung	181
II. Förderphilosophie und Zielsetzungen: HighTech Agenda Bayern und KI-Mission des Freistaat Bayern	181
1. HighTech Agenda Bayern	181
2. Leitgedanken der KI-Mission	182
III. Grundlinien der Hightech Agenda Bayern	183
IV. Grundlinien der HTA-Förderung in der Künstlichen Intelligenz	184
V. Umsetzung des KI-Schwerpunkts an den bayerischen Hochschulen	187
VI. Aktuelle Herausforderungen in Lehre und Prüfungswesen	188
VII. Herausforderungen der Künstlichen Intelligenz in der Zukunft	189
III. Einsatz Künstlicher Intelligenz an Hochschulen: Rechtssicherheit im Übergang	191
Dirk Heckmann und Sarah Rachut: Rechtssichere Hochschulprüfungen mit und trotz generativer KI	193
I. Einleitung	193
1. Generative KI „überrollt“ universitäres Lernen, Lehren und Prüfen	193
a) Perspektive der Studierenden	194
b) Perspektive der Hochschule	194
c) Perspektive der Lehrenden	195
d) Zwischenfazit	195
2. Einordnung generativer KI im Prüfungswesen	195
a) Anknüpfungspunkt „zugelassene Hilfsmittel“	195
b) Anknüpfungspunkt „eigenständige Prüfungsleistung“	196
c) Fazit	196
3. Rechtliche Herausforderungen	197
a) de lege lata	197
b) de lege ferenda	197
II. Rechtliche Eckpunkte	197
1. Relevante rechtliche Anforderungen	198
a) Grundrechte (Art. 12 Abs. 1, Art. 3 Abs. 1, Art. 5 Abs. 3 GG)	198
b) Rechtsstaatliche Anforderungen, insb. Gesetzesvorbehalt	199
c) Einfachgesetzliches Prüfungsrecht	200
d) Satzungsrecht (Prüfungsordnungen)	200
e) Datenschutzrecht	201
2. Perspektivisch: „KI-Recht“	202
III. Eckpunkte zur Systematik des Einsatzes generativer KI	203
1. Begriffliche Annäherung	203
a) Keine Definition von Künstlicher Intelligenz	203
b) Zulassung, Einschränkung oder Verbot „technischer Hilfsmittel“ bei der Vorbereitung, Durchführung und (Täuschungs-)Kontrolle von Prüfungen	204
2. Übersicht der Anwendungsszenarien I – Perspektive der Studierenden	207
a) Vorbemerkung: Unterscheidung von beaufsichtigten Prüfungen (z. B. Klausuren) und unbeaufsichtigten schriftlichen Arbeiten (Bachelorarbeiten etc.)	207
b) Digitale Anwendungen für „unterstütztes Lernen“	208
c) Generative KI als Recherche-Tool zu Prüfungsaufgaben	208
d) Generative KI zur formalen Verbesserung eigenständig erstellter Texte	209
e) Generative KI als Instrument zu Inspiration und Vorentwurf einer Aufgabenlösung	209
f) Generative KI als Co-Erstellerin einer Prüfungsleistung	209
3. Übersicht der Anwendungsszenarien II – Perspektive der Hochschule	210
a) Einsatz von KI-Detektoren zur Täuschungskontrolle und Aufdeckung des KI-Einsatzes durch Studierende	210
b) Exkurs: Einsatz von KI zur Klausuraufsicht	213
c) Exkurs: Einsatz von KI zum Lehr-/Lern-Monitoring	214
d) Exkurs: Einsatz generativer KI in der Hochschulverwaltung	214
4. Übersicht der Anwendungsszenarien III – Perspektive der Lehrenden	214
a) Einsatz von generativer KI zur Unterstützung der Lehre	214
b) Einsatz von generativer KI zur Erstellung von Prüfungsaufgaben	214
c) Einsatz von generativer KI als Bestandteil innovativer Lehr- und Prüfungsformate	215
IV. Leitgedanken zum rechtssicheren Einsatz generativer KI im Prüfungskontext	215
1. Disclaimer („work in progress“)	215
2. Regulierungsbedarf	216
3. Verhältnismäßiger Ausgleich von Lehr- und Lernfreiheit mit Chancengerechtigkeit	217
V. Fazit	218
Thomas Würtenberger: Wandel der Lehrfreiheit durch Digitalisierung und Künstliche Intelligenz	221
I. Der verfassungsrechtliche Kontext der Fragestellung	222
1. Keine gesetzliche Regelung der Verteilung von Lehrfreiheit	222
2. Überblick über die verfassungsrechtlichen Fragestellungen	223
II. Der verfassungsrechtliche Schutz der Lehrfreiheit von Professoren	224
1. Der Schutzbereich	224
2. Zur Differenzierung zwischen dem Schutz der Lehrfreiheit an staatlichen und an privaten Hochschulen	225
III. Der verfassungsrechtliche Schutz der Lehrfreiheit der Hochschulen und ihrer akademischen Gremie	227
IV. Grundrechtsschutz der Studierenden durch Art. 12 Abs. 1 und Art. 3 Abs. 1 GG	227
1. Durch Art. 12 Abs. 1 GG	228
2. Durch Art. 3 Abs. 1 GG	228
V. Zur Auflösung von Grundrechtskollisionen im Bereich der Lehre	228
1. Grundrechtsschutz durch Organisation, Verfahren und Beteiligungsrechte	229
2. Beachtung der Verhältnismäßigkeit bei der Abgrenzung der Lehrfreiheit verschiedener Grundrechtsträger	230
a) Besonders tiefe Eingriffe in die mit der Forschungsfreiheit verbundene Lehrfreiheit	230
b) Eingriffe in die Didaktik betreffen nur Randbereiche der Lehrfreiheit	231
3. Kompetenzteilung zwischen zentraler Leitungsebene und den Repräsentativorganen bei der Festlegung der Vorgaben für die Lehre	233
VI. Einzelfragen der Zuordnung der Lehrfreiheit	234
1. Vorgaben durch die Studien- und Prüfungsordnungen	234
2. Geringstmöglicher Eingriff: zum Vorrang der Selbstorganisation der Lehre durch die beteiligten Hochschullehrer	235
3. Vorgaben zu den Lehrformaten innerhalb eines akkreditierten Studiengangs	235
4. Zur Freiheit der Methodenwahl	236
5. Vorgaben zu den Prüfungsformen	237
6. Fristen für Korrekturen etc.	237
7. Tools zur Lehr- und Lernbegleitung und zur Verbesserung der Effizienz des Studiums	238
8. Prüfungsaufsicht und Proctoring	239
9. Formen generativer Künstlicher Intelligenz wie zum Beispiel ChatGPT	239
10. Plagiatssoftware	241
11. Verwendung von KI bei der Leistungsbewertung in Prüfungsverfahren?	241
VII. Schlussbemerkung	242
Rolf Schwartmann, Sonja Kurth und Moritz Köhler: Der Einsatz von KI an Hochschulen – eine rechtliche Betrachtung	243
I. Einleitung	243
II. Einsatz von KI auf Studierendenseite	244
1. Rechtlicher Rahmen	244
2. Übertragung des allgemeinen Prüfungsrechts auf den KI-Einsatz	245
3. Neue Prüfungsordnungen und -formen	247
4. Beweisrechtliche Fragen	248
III. Einsatz von KI auf Hochschulseite	250
1. Rechtlicher Rahmen	250
a) Klassifizierung des KI-Einsatzes nach der KI-VO	250
b) Rolle der Hochschule und ihres Personals nach der KI-VO	251
c) Verhältnis der KI-VO zum sonstigen Recht	252
2. Bewertung einzelner Anwendungsfälle	252
a) Einsatz in der Lehre	252
b) Einsatz zur Prüfungsbewertung	253
aa) Bewertung nach KI-Verordnung	253
bb) Bewertung nach Prüfungsrecht	254
cc) Bewertung nach Datenschutzrecht	254
IV. Handlungsempfehlungen für Hochschulen und deren Angehörige	255
IV. Künstliche Intelligenz im Spiegel des Straf-, Urheber- und Datenschutzrechts	257
Eric Hilgendorf: Künstliche Intelligenz, Papiermühlen und „fake research papers“. Neue Formen der Wissenschaftskriminalität in strafrechtlicher Perspektive	259
I. Einleitung	259
II. Wissenschaftliches Fehlverhalten vs. Vielfalt in der Wissenschaft	261
III. Wissenschaftliches Fehlverhalten, Schutzgut und Vielfalt wissenschaftlicher Methoden	262
IV. Neue Formen des Wissenschaftsbetrugs und erste Reaktionen der Wissenschaftsgemeinschaft	265
V. Die Problemlage – fachspezifische Unterschiede	267
VI. Organisierte Forschungsfälschung	269
VII. Strafrechtliche Bewertung	270
1. Einführung eines Straftatbestandes „Wissenschaftsbetrug“ (2012)	270
2. Forschungsfälschungen und Betrug	271
3. Zur Strafbarkeit des Betreibens von Fälschungswerkstätten	273
4. Das Betreiben von Klonjournalen und pseudowissenschaftlichen Zeitschriften	274
VIII. Ein neuer Straftatbestand zum Schutz der Integrität wissenschaftlicher Forschung?	275
IX. Schutz vor ungerechtfertigten Beschuldigungen	278
X. Resümee	280
Anna K. Bernzen: Urheberrechtsverletzungen bei der Erstellung von Fake Research Papers	281
I. Ein bekanntes Problem nimmt neue Dimensionen an	281
II. Rechtsverletzung durch das Hochladen fremder Werke	282
1. Urheberrechtliche Relevanz des Hochladens	282
2. Mögliche Schrankenregelungen	283
a) Schranke für vorübergehende Vervielfältigungshandlungen	283
b) Text und Data Mining-Schranken	283
3. Schlichte Einwilligung	285
III. Rechtsverletzung durch Übernahmen aus fremden Werken	286
1. Keine generelle Unzulässigkeit von Übernahmen	286
2. Übernahme fremder Ideen	287
3. Vervielfältigung fremder Werke	287
a) Legitimierung durch die Zitatschranke	287
b) Verletzung des Urheberpersönlichkeitsrechts	290
4. Bearbeitung oder andere Umgestaltung fremder Werke	290
IV. Rechtsverletzung aufgrund fremder Urheberschaft	291
1. Urheberrechtsschutz für KI-generierte Papers	291
2. Urheberschaft an KI-generierten Papers	293
V. Nur punktuelle Handhabe nach dem Urheberrecht	294
Monika Muhr: KI-Schöpfungen und Urheberrecht	295
I. KI-Schöpfungen und Werkbegriff	295
II. Schutzlücke hinsichtlich KI-Schöpfungen	297
III. Schutzbedürftigkeit von KI-Schöpfungen aufgrund von Marktversagen	298
IV. Eignung eines Schutzrechtszur Auflösung des Marktversagens	299
V. Integration des Schutzes KI-Schöpfungen in das Immaterialgüterrecht	299
Margrit Seckelmann und Jan Horstmann: Künstliche Intelligenz im Hochschulbereich und Datenschutz	303
I. Einführung	303
1. Die richtigen Noten für die falschen Studierenden?	303
2. Grundlegende Einsichten für KI im Hochschulbereich	305
II. Potenziale von KI an der Hochschule: Lehre im Fokus	307
III. Spannungslagen zwischen KI und Datenschutz	309
1. Relevante Merkmale von KI	310
a) Grundlagen	310
b) Trennung und Verschränkung der Datenverarbeitung in Training und Einsatz	311
2. Ausgewählte datenschutzrechtliche Anforderungen und resultierende Spannungen	312
a) Sachlicher und persönlicher Anwendungsbereich	313
b) Datenschutzgrundsätze des Art. 5 DS-GVO	315
c) Rechtsgrundlagen	317
d) Übermittlung in Drittstaaten	320
e) Profiling und automatisierte Entscheidung im Einzelfall	321
f) Technisch-organisatorischer Datenschutz und Datenschutz-Folgenabschätzung	327
V. Fazit und Ausblick	329
V. Künstliche Intelligenz im Wissenschaftsbetrieb	331
Charlene Röhl et al.: Industrie 4.0: Neue Metrik zur Vergabe von Professuren für die Technikwissenschaften	333
I. Einleitung	333
II. Publikationsbasierte Metriken reichen nicht aus für Lehrstuhlvergabe	335
III. Konzept der Evalitech-Metrik	335
IV. Evalitech-Demo: Assistenzsystem für Berufungsverfahren	340
V. Schritte zum Einsatz der Evalitechmethode	344
Klaus Herrmann: Berufungsverfahren für Professuren und künstliche Intelligenz	347
I. Am Beispiel von Evalitech	347
II. Einstellungsvoraussetzungen, Anforderungsprofil und „erweiterte“ Indikatorik	352
1. Leistungsprinzip als Maßstab	352
2. Gesetzliche Einstellungsvoraussetzungen	355
3. Herausforderungen für Indikatorik	358
III. Fachprinzip und Mitwirkung an der Selbstverwaltung gewährleistet Wissenschaftsfreiheit	360
1. Selbstverwaltung in der Wissenschaft, Fachprinzip und Beurteilungsspielraum	360
2. Mehrstufige Gremienbeteiligung und Bestenauslese, Dokumentationsanforderungen	363
3. Herausforderungen für Indikatorik-Plattform bzw. KI	365
IV. Feststellung und Vergleich wissenschaftlicher Leistungen durch die Berufungskommission	366
1. Befugnis und Pflicht der Berufungskommission zum Leistungsvergleich	366
2. Risiken arithmetischer Bewertungen	369
3. Herausforderung an Bewertungsprozesse einer Indikatorikplattform	371
V. Mitwirkungspflichten für Bewerber und Datenschutz der Indikatorikplattform	372
1. Regelung von Mitwirkungspflichten durch Rechtsvorschrift	373
2. Rechtsgrundlage und Erforderlichkeit der Indikatorikplattform	374
3. Tracking, Datenzuordnung und Bewertung	377
4. Zweckänderung bei außerwettbewerblicher Datennutzung	380
VI. Fazit	381
Matthias Bode: Zwischen Digitalisierung und Künstlicher Intelligenz: Chancen und Risiken der digitalen Transformation für die Hochschulzulassung	383
I. Einleitendes	383
II. Rahmenbedingung und Terminologie	385
1. Was ist KI?	385
2. Was ist Digitalisierung?	386
3. Begriffliche Überschneidungen, Übergänge	386
4. Hochschulzugang und -zulassung	387
III. Out of the box: Chancen von KI	389
1. Schnellere Analyse großer Datenmengen	389
2. Reduktion von Vorurteilen und Diskriminierungen	390
3. Identifizierung von Talenten und Potenzialen	392
IV. Rechtliche Grenzen der Anwendung von KI	393
1. Normierung von KI	393
2. Europarechtlich: KI-Verordnung und DSGVO	393
3. Staatsrechtlich	395
4. Anwendungsfelder für KI	397
a) Nutzung von Daten aus sozialen Medien	397
b) Eignungstests	397
c) Studienberatung	398
d) Technische Unterstützung, etwa im Überbuchungsprozess	399
V. Digitalisierung	399
1. Zulassungsexterne Vorgaben für die Digitalisierung	399
2. Zulassungsimmanente Bedarfe für Digitalisierung	401
a) Nutzerfreundliche Ausgestaltung von Formularen	401
b) Digitalisierung der Bildungsnachweise	402
c) Unterstützung bei der „Bereinigung“ von Schul- oder Hochschulnoten	402
d) Automatisierter Erlass von Verwaltungsakten	404
e) Automatisierte Bekanntgabe von Bescheiden	406
VI. Fazit	408
VI. Künstliche Intelligenz in einzelnen Anwendungsbereichen	409
Prof. Dr. Dirk Heckmann und Dr. Lorenz Marx: KI-Einsatz zur Leistungskontrolle am (Hochschul-)Arbeitsplatz. Anforderungen aus Sicht des Datenschutzrechts	411
I. Einleitung	411
II. Verhaltens- und Leistungskontrollen im betrieblichen und wissenschaftlichen Bereich	413
III. Status Quo: Grundlagen des (Beschäftigten-)Datenschutzes im Kontext von Verhaltens- und Leistungskontrolle	415
IV. Herausforderungen und Lösungsansätze	417
1. Interessensabwägung bei Leistungskontrolle am Arbeitsplatz	417
2. Der Einsatz von KI zur Leistungskontrolle: Verschärfung der Überwachung oder legitimes „Feintuning“?	420
V. Ausblick auf den KI-Einsatz zur Leistungskontrolle im Beschäftigungskontext im Jahr 2030	422
VI. Handlungsempfehlungen	423
VII. Zusammenfassung	424
Gabriel Kalweit et al.: Künstliche Intelligenz in der Krebstherapie	425
I. Einleitung	425
II. Was ist KI?	427
III. Wo KI bereits eingesetzt wird	429
IV. Die Vision einer KI-kontrollierten Therapie	431
V. Ethische Überlegungen der KI-gestützten Krebstherapie	432
Andreas Zöllner: Künstliche Intelligenz und Mitbestimmung im Hochschul- und Wissenschaftsbetrieb. Zugleich eine systematische Gegenüberstellung von BetrVG und Personalvertretungsgesetzen	435
I. Künstliche Intelligenz in der Betriebs- und Personalverfassung	435
1. KI-Regelungen durch das Betriebsrätemodernisierungsgesetz	436
2. Fehlende KI-Regelungen in den Personalvertretungsgesetzen	436
3. Vergleich zwischen BetrVG und Personalvertretungsgesetzen – Mitbestimmungsdefizit in öffentlichen Dienststellen?	436
a) Hinzuziehung von externen KI-Sachverständigen	437
b) Rechtzeitige Unterrichtung und Beratung vor KI-Einsatz	438
c) Personelle Auswahlrichtlinien durch/mittels KI	439
d) Fazit	440
4. Keine (Legal-)Definition für „Künstliche Intelligenz“ im BetrVG	440
II. Weitere Mitbestimmungstatbestände	441
III. KI-Mitbestimmung in der Rechtsprechung: Beschluss des ArbG Hamburg vom 16.01.2024	442
1. Sachverhalt	442
2. Wesentlicher Inhalt der Entscheidung	443
3. Bewertung der Entscheidung	443
a) Keine technische Überwachung durch KI (§ 87 Abs. 1 Nr. 6 BetrVG)	443
b) Auch keine Überwachung durch Kennzeichnung der KI-unterstützten Arbeitsergebnisse	445
c) Ordnungsverhalten im Betrieb nicht berührt (§ 87 Abs. 1 Nr. 1 BetrVG)	446
d) Gesundheitsschutz (§ 87 Abs. 1 Nr. 7 BetrVG)	446
IV. Relevanz der Entscheidung für das öffentliche Hochschularbeitsrecht	447
1. Gleichlauf der Mitbestimmung in BetrVG und Personalvertretungsgesetzen	447
2. Digitalisierungsfreundliche Tendenzen der Verwaltungsgerichte	447
V. Ausnahmen von der Mitbestimmung im Wissenschaftsbetrieb	448
1. Tendenzschutz gem. § 118 Abs. 1 BetrVG	448
2. KI-Tools zu Lehr- oder Forschungszwecken	449
3. Tendenzschutz auch an öffentlich-rechtlichen Einrichtungen?	449
VI. Auswirkungen der KI-Verordnung	450
1. Art. 26 Abs. 7 KI-VO – kollektivrechtlicher Auffangtatbestand	450
2. Eigenständige Bedeutung im Wissenschaftsbetrieb?	451
3. Regelungssperren durch die KI-VO?	451
VII. Einführung von ChatGPT an der Universität Hamburg (UHHGPT)	451
1. Keine Beteiligung des Personalrats	452
2. Bewertung	452
3. Einführung von DeepL mit Zustimmung des Personalrats	453
VIII. Fazit	454
Gerrit Christoph: KI im industriellen Mittelstand: naive Hoffnungen, übertriebene Befürchtungen	455
I. Um was geht es?	455
II. Definitionen und Formen von KI	455
III. KI als internationaler Wettbewerbsvorteil	456
IV. Wo liegen brachliegende Potenziale?	457
1. Finanz- und Rechnungswesen	458
2. Personalmanagement	458
3. Produktion	458
4. Supply Chain Management	459
5. Kundenkommunikation und Service	459
6. Marketing und Vertrieb	460
7. Entwicklung und Innovation	460
V. Woran scheitert die zügige Einführung von KI in Unternehmen?	460
1. Mensch	460
2. Technik	461
3. Kosten	461
VI. Naive Hoffnungen, übertriebene Befürchtungen?	462
VII. Fazit	463
Pascal Bronner: Selbstlernende Systeme in Lernumgebungen. Der Einsatz von KI-Systemen in der Schulbildung und die KI-Verordnung der EU	465
I. Einleitung	465
II. Digitalisierung und KI in der Schule: (Rechts-)Politische Zielbestimmung	466
III. Einsatz von KI-Systemen in der Schule	468
1. Anwendungsebenen und technische Methoden	468
a) Schulorganisationsebene	468
b) Unterrichts- und Lernebene	469
2. Anwendungsparadigmen von KI-Systemen im Schulkontext	470
a) (Adaptive) Intelligente Tutoring-Systeme (ITS)	470
b) Einsatz von generativer Künstlicher Intelligenz	471
3. Potenziale und Herausforderungen: Gestaltung des KI-Einsatzes in Schulen	472
IV. KI-Kompetenz („AI Literacy“)	474
V. Die KI-VO und KI in der Schule: Rechtliche Implikationen	475
1. Hintergrund: Der Regelungsinhalt der KI-VO	475
2. KI-Systeme und GPAI-Modelle als Regelungsobjekt	476
3. Schulen als Akteure in der KI-Wertschöpfungskette	477
4. Rechtliche Anforderungen an den Betrieb von KI-Systemen im Schulkontext	478
a) Verbot von KI-Systemen mit unannehmbarem Risiko	478
b) Hochrisiko-KI-Systeme	479
aa) Anwendungsbereiche des Art. 6 Abs. 2 i. V. m. Anh. III Nr. 3 KI-VO	479
bb) Anforderungen an Schulen als Betreiber von Hochrisiko-KI-Systemen	480
cc) Ausnahme des Art. 6 Abs. 3 KI-VO	481
c) Bestimmte KI-Systeme, Art. 50 KI-VO: Transparenz und Kennzeichnung	482
d) Generative KI-Modelle, Art. 51 ff. KI-VO	482
VI. Fazit und Ausblick	483
Autorenverzeichnis	485
Sachregister	489

Cite BOOK

Style

Format

Künstliche Intelligenz in Forschung, Lehre und Hochschule

Additional Information

Book Details

Pricing

About The Author

Abstract

Table of Contents

Contact

Quick Navigation