Zuletzt aktualisiert am 26.09.2025
KI-Mentoring
Bei dem Projekt handelt es sich um ein neues Projekt / eine wiederholte Einreichung
Ars Docendi Kategorie
Qualitätsverbesserung von Lehre und Studierbarkeit
Ars Docendi Kriterien
- Digitale Transformation
- Partizipation und Mitgestaltung
Gruppengröße
20-49
Anreißer (Teaser)
Das KI-Mentoring nutzt die Vorteile eines Bottom-up-Ansatzes, um KI-Kompetenzen von Lehrenden zu fördern, indem sie sich mit erfahrenen Kolleg*innen vernetzen und auf Augenhöhe mit thematisch ausgerichteten Angebotseinheiten begleitet werden.
Kurzzusammenfassung des Projekts
Das KI-Mentoring-Programm wurde an der FHCW in zwei Semestern, SoSe 24 und Wise 24/25, durchgeführt und stand allen haupt- und nebenberuflich Lehrenden an der Hochschule zur Teilnahme offen.
Das Ziel war es, durch den Bottom-up-Ansatz des Peer-Mentorings den kollegialen Austausch zu ermöglichen, bei dem sich sowohl Mentor*innen als auch Mentees als Lernende begreifen und einander auf Augenhöhe bei der Bildung ihrer AI-Literacy begleiten und unterstützen.
Der interdisziplinäre Diskurs über Departmentgrenzen hinweg ermöglicht eine praxisnahe und multiperspektivische Auseinandersetzung mit den untersch. Themenfoki der KI in der Hochschullehre. Der Ablauf beider Durchgänge umfasste ein organisatorisches Vortreffen der Mentor*innen, eine gemeinsame Matchingveranstaltung, zahlreiche Kontaktstunden und eine Abschlussfeier mit Überreichung der Teilnahmebestätigungen.
Die behandelten Themenschwerpunkte bilden die breite Palette an Anwendungen, Fragestellungen und Herausforderungen im Kontext von KI in der Lehre gut ab. Neben dem Ausprobieren vielzähliger Tools wurden auch die Grenzen von KI, ethische Aspekte und ihre Auswirkungen auf die akad. Integrität diskutiert.
In Evaluierungen teilten die Lehrenden mit, dass sie konkrete Ideen für ihre Lehrpraxis entwickeln konnten und sowohl ihr Vertrauen als auch ihre Motivation im Umgang mit KI-Anwendungen wächst. Mithilfe des Mentorings konnten sie sich auch langfristig Vernetzen und nachhaltig von der Expertise im eigenen Haus profitiere
Kurzzusammenfassung des Projekts in englischer Sprache
The AI mentoring program was carried out at FH Campus Wien in two consecutive semesters, SoSe 24 and Wise 24/25, and was open to all full-time and part-time lecturers at the university.
The aim of the project is to enable a collegial exchange at eye level through the bottom-up approach of “reverse mentoring”, in which both mentors and mentees see themselves as learners and accompany and support each other in the development of AI literacy.
The interdisciplinary discourse across departmental boundaries enables a practical and multi-perspective examination of the topic of AI in university teaching. The course of both programs included an initial meeting, a matching event, numerous contact hours and a graduation ceremony with the awarding of certificates.
The main topics covered reflect the broad range of applications, issues and challenges of AI in teaching very well. In addition to trying out numerous tools, the limits of AI, ethical aspects and their impact on academic integrity were also discussed.
In evaluations, lecturers reported that they had already been able to develop concrete ideas for their teaching practice and that both their confidence and security as well as their motivation in dealing with AI applications were growing. With the help of the mentoring program, the participants were also able to network in the long term and thus benefit sustainably from the expertise within their own institution.
Nähere Beschreibung des Projekts
Ziel des KI-Mentorings war es, die Lehrenden der FH Campus Wien (FHCW) durch kollegialen Austausch und fächerübergreifende Vernetzung bei der Entwicklung ihrer AI-Literacy zu unterstützen. Erfahrenere Lehrende sollen ihre Kolleg*innen in berufsbezogenen Fragen rund um KI beraten und begleiten. Dabei verstehen sich durchaus beide Rollen – Mentor*innen und Mentees – als Lernende. Dieser Ansatz des Peer-Mentorings ermöglicht es allen Teilnehmenden, ihre Kompetenzen zu erweitern und Ideen für den Einsatz in der Lehre zu sammeln. Das Programm folgt der zugrunde liegenden Auffassung von Lehre als Gemeinschaftsaufgabe − einer geteilten Verantwortung und einer kooperativen Haltung, wenn es darum geht, trotz wachsender Komplexität der Problemstellungen ausgelöst durch die rasante technologische Entwicklung im Bereich KI nach stetiger Weiterentwicklung in der Lehre zu streben. Das KI-Mentoring soll mit dazu beitragen, die Qualität der Lehre an der FHCW an die Anforderungen der digitalen Transformation anzupassen.
Rahmenbedingungen
Das KI-Mentoring-Projekt entstand vor dem Hintergrund der KI-Strategie der FHCW, welche in Zusammenarbeit des Vizerektorats für Lehre und Internationales mit dem Teaching Support Center (TSC) entwickelt wurde. In den letzten Jahren hat sich KI zu einer Schlüsseltechnologie entwickelt, die tiefgreifende Veränderungen für den tertiären Bildungsbereich mit sich bringt. Hochschulen stehen vor der Herausforderung, transformatorische Bemühungen zu unternehmen, um Kompetenzen wie kritisches Denken und Metakognition als tragende Säulen einer demokratischen Gesellschaft und den Wert der akademischen Integrität unter veränderten Vorzeichen aufrechtzuerhalten. Buck und Limburg (2023, 81 f.) sehen hier alle Akteur*innen in der Pflicht. Die Gruppe der Lernenden umfasst nicht nur die Studierenden, sondern alle Hochschulangehörigen. Diese Meinung vertritt auch die Vizerektorin HS-Prof.in Mag.a Dr.in Evelyn Süss-Stepancik, die als dringendes Strategieziel bis Ende 2025 formuliert: Alle Lehrenden sollen sich intensiv mit den Vorder- und Rückseiten von KI auseinandersetzen und sich auf dieser Grundlage eine fundierte Meinung zu deren Einsatzmöglichkeiten in der Lehre bilden (vgl. Bernhard et al. 2024, 137).
Zur Erreichung dieses Ziels hat die FHCW im Rahmen ihrer KI-Strategie zahlreiche Maßnahmen ins Leben gerufen. Das KI-Mentoring-Programm ist eine davon.
Die Methode „Mentoring“
Mit dem Peer-Mentoring-Ansatz wurde eine Methode gewählt, mittels derer auf vorhandene Ressourcen und Expertisen innerhalb der Hochschule zurückgegriffen wird, um diese optimal zu nutzen. Gleichzeitig soll der kollegiale Lernprozess angeregt werden, bei dem Teilnehmende einander auf Augenhöhe begegnen und voneinander lernen und profitieren. Dieser Ansatz entspricht auch Erkenntnissen der Wirksamkeitsforschung hochschuldidaktischer Qualifizierungsmaßnahmen, die die Bedeutung von reflektierter Praxis und Erfahrungsaustausch für die Verbesserung der Lehre betonen (vgl. Maier 2017, 4). Gerade vor dem Hintergrund von KI eignet sich ein so dynamisches und kollaboratives Lernkonzept, das nicht nur den Wissenserwerb, sondern darüber hinaus auch die kritische Auseinandersetzung und tiefergehende Reflexion von Inhalten fördert. Begegnen sich Menschen mit gemeinsamer beruflicher Praxis, wird ein Gefühl der Verbundenheit begünstigt, das Offenheit und den Austausch von Ideen unter der Berücksichtigung untersch. Perspektiven ermöglicht. Hinsichtlich der Herausforderungen, die mit KI auf Hochschulen zukommen, reicht es nicht aus, lediglich in der Handhabung von Technologien und Anwendungen zu schulen und über die Möglichkeiten und Grenzen von KI(-Tools) zu informieren. Um Studierende bei einem reflektierten und verantwortungsbewussten Umgang mit KI unterstützen und begleiten zu können, ist es auch für Lehrende unerlässlich, bspw. die ethischen Dimensionen im Umgang mit KI zu erfassen.
Neben der Nutzung des Bottom-up-Ansatzes des Mentorings schöpft die Methode auch die interdisziplinären Potenziale der FHCW aus. Der fächer- und departmentübergreifende Austausch in den Mentor*innen-Mentees-Gruppen ermöglicht die Betrachtung von KI in der Lehre aus dem Blickwinkel untersch. Disziplinen. Im Gegensatz zu externen Schulungen durch IT-Spezialist*innen bietet dieser Ansatz den Vorteil, dass er die spezifischen Bedürfnisse und Kontexte der verschiedenen Fachbereiche beleuchtet und somit eine praxisnahe und anwendungsorientierte Auseinandersetzung mit KI erlaubt.
Ablauf des KI-Mentorings
Das KI-Mentoring fand in zwei Durchgängen statt, dem Pilotdurchgang im SoSe 2024 und einer 2. Runde im WiSe 2024/25. Der im Folgenden skizzierte Ablauf war beide Male der gleiche. Die Durchgänge unterschieden sich lediglich in der Anzahl der Teilnehmenden und den Themenschwerpunkten.
Nach einer Ausschreibung konnten sich interessierte Lehrende als KI-Mentor*innen bewerben. Voraussetzung für die Teilnahme war ein umfangreicher, regelhafter oder auch experimenteller didaktischer Einsatz von KI in der eigenen Lehre.
Bei einem vom TSC online veranstalteten Kick-off-Termin trafen sich vorerst nur die Mentor*innen und konnten ihr Angebot kurz vorstellen und von ihren bisherigen Erfahrungen mit KI in der Lehre berichten. Mentor*innen und Mentees vernetzten sich in einem Moodle-Kurs für das Mentoring. In einem Kontaktstundenverzeichnis, das zusätzlich eine Übersicht zu den Themenschwerpunkten der Mentor*innen bot, wählten die Mentees 8 Kontaktstunden bei 1-2 Mentor*innen.
An der ein Monat danach stattfindenden Matchingveranstaltung nahmen nun auch die Mentees teil. In einem „Markt der Möglichkeiten“ konnten sie die Mentor*innen und ihre Foki nun auch persönlich kennenlernen und falls gewünscht ihre Vorauswahl ändern. Anschließend wurden verbindliche Mentoring-Gruppen gebildet und eine Matchingvereinbarung, die auch alle organisatorischen Regelungen festhielt, wurde als Zeichen des Commitments unterzeichnet.
Statt der klassischen Dyade wurde ein Gruppenformat, ein/e Mentor*in für 2–4 Mentees, gewählt, das sich zunehmenden Belegen nach als besonders nachhaltig erweist. Es fördert dauerhafte Netzwerke und formelle Beziehungen können in informelle Kommunikationsstrukturen übergehen (Fritz & Schmid 2019, 27 f.).
Die Kontaktstunden wurden im 1. Durchgang als Einzel- oder Doppelstunden angeboten, im 2. Durchgang ausschließlich als Doppelstunden, da sich herausstellte, dass eine Einheit für den Austausch in der Kleingruppe und die Einführung und Erprobung eines KI-Tools zu kurz bemessen ist.
Eine Zwischenevaluation fand für die Mentor*innen in Form eines Online-Meetings statt, die Mentees wurden per Umfragetool befragt. Am Semesterende organisierte das TSC nach Absolvierung aller Kontaktstunden eine feierliche Abschlussveranstaltung, in deren Rahmen wesentliche Learnings geteilt wurden und auch die Verleihung der Teilnahmezertifikate durch die Vizerektorin erfolgte. Insgesamt nahmen 17 Mentor*innen und 52 Mentees am Programm teil.
Thematische Schwerpunkte
Das themenreiche Angebot der Mentor*innen spiegelt die aktuelle Situation, wie sie vermutlich von vielen wahrgenommen wird, sehr gut wider: Fast täglich scheinen neue KI-Tools und -Anwendungen aufzutauchen. Einen Überblick zu behalten und auch über die Konsequenzen für die Hochschullehre informiert zu sein und bleiben, kann überfordernd wirken.
Das Feedback der Mentees deutet darauf hin, dass das KI-Mentoring half, ihr Gedankenchaos zu strukturieren. Im Pilotdurchgang lag der Fokus auf einer breiten Auseinandersetzung mit dem Thema KI und ihren vielfältigen Anwendungsmöglichkeiten im Hochschulkontext. Die folgende Aufzählung soll einen Überblick bieten:
- KI in der Lehre: Critical Thinking, Lehrmaterialien mit KI gestalten
- KI-gestützte Visualisierungen: Erstellen von Grafiken u. Abbildungen mit KI, Bildgeneratoren, kritische Bildkompetenz
- Vergleich u. Anwendung von KI-Tools: ChatGPT, Claude3, Perplexity, Gemini
- Ethische u. gesellschaftl. Aspekte: Gender und Diversity in KI-Tools
- KI in Schreibprozessen: Anwenden von KI bei Forschungs- u. Bachelorarbeiten, sozialwiss. Schreiben u. Recherchieren mit KI
Im 2. Durchgang wurden die thematischen Vorgaben seitens des TSC stärker akzentuiert. Ein Fokus sollte auf der Auseinandersetzung mit MS Copilot liegen, da dieser im Studienjahr 2024/25 für eine begrenzte freiwillige Nutzergruppe ein von der FHCW finanziertes und unterstütztes KI-Tool ist. Einen weiteren Schwerpunkt sollte das Thema „KI in der Lehre“ bilden. Das Programm der Mentor*innen umfasste:
- KI-Tools für Lehre u. Literaturrecherche: HIX.AI, DeepL, Copilot, Research Rabbit, Elicit
- KI-gestützte Präsentation u. Interaktionsmöglichkeiten: Prezi, Gamma, Slidesgo, Mentimeter, Padlet, Miro, Kahoot
- Textverarbeitung mit KI: Verfassen/Prüfen/Kürzen/Übersetzen, akademisches Schreiben mit ChatGPT und Copilot
- KI für Unterrichtsvor- u. -nachbereitung: Transkripte und Zusammenfassungen mit Zoom AI Companion, Copilot in MS Office
- Kritische Reflexion: Grenzen von KI, ethische Aspekte von LLMs
- KI zur Unterstützung bei der Entwicklung von Fallbeispielen u. Therapieplänen
- Prompting
Wie die Auflistung der Themen zeigt, beschränkten sie sich nicht auf das Vermitteln von reinem Tool-Anwendungswissen. Inhalte wurden stets im Hochschulkontext diskutiert, was zwingend auch zu einer Auseinandersetzung auf der Metaebene führte.
Eine der Mentor*innen aus dem Bereich Gender und Diversity, veranschaulichte bspw. anhand von verschiedenen Bildgeneratoren die Biases von KI-Anwendungen, die in Form von geschlechtsspezifischen und ethnischen Verzerrungen in Erscheinung treten, und regte durch ihren fast provokativ gestalteten Input zur kritischen Reflexion an.
Einen weiteren Fokus bildeten auch KI-Anwendungen im Kontext von Abschlussarbeiten. Während ein Mentor, quasi aus Studierendenperspektive, den Entstehungsprozess der KI-unterstützen Bachelorarbeit vorstellte, konzentrierte sich eine andere Mentorin vor allem auf das Thema der Plagiatserkennung und stellte verschiedene Tools vor, die Lehrenden dabei helfen sollen, KI-generierte Texte zu identifizieren. Vor diesem Hintergrund wurde reflektiert, wie unerlässlich es ist, als Lehrperson selbst Erfahrung mit KI-Texten zu sammeln, um ein Gefühl für sie zu bekommen.
Reflexion vor Perfektion
Die FHCW formuliert in ihrem Leitfaden zu KI in der Lehre, dass Studierende vor dem Hintergrund der „21st Century Skills“ den Einsatz von KI-Tools im Hinblick auf ihre zukünftige Berufstätigkeit als Teil ihres digitalen Kompetenzportfolios kennen und einen kritischen Umgang damit erlernen sollen (KI-Leitfaden FHCW 2024, 3). Als logische Konsequenz können und sollen auch Lehrende KI-Systeme nutzen und ihre Didaktik und Methodik damit anreichern. Das KI-Mentoring begreift Lehrende in dieser neuen (Doppel-)Rolle als Lernende und liefert ein Angebot, das sie bei der Weiterentwicklung ihrer individuellen Lehrpraxis in dem dynamischen Umfeld begleitet. Dabei steht nicht die Perfektionierung der Anwendung einzelner Tools im Vordergrund, sondern vielmehr die Reflexion ihres sinnvollen Einsatzes.
Bernhard, P.; Hanzl, C.; Süss-Stepancik, E. (2024): KI-Strategien für Hochschulen: Best Practices der FH Campus Wien. In: Wien Holding GmbH (Hrsg.), Digitale Melange. Beiträge zur künstlichen Intelligenz aus Wirtschaft, Forschung, Politik und Verwaltung. S. 135-142. Wien: Bohmann.
Buck, I.; Limburg, A. (2023): Hochschulbildung vor dem Hintergrund von Natural Language Processing (KI-Schreibtools). Ein Framework für eine zukunftsfähige Lehr- und Prüfungspraxis. In: Zeitschrift für Hochschulentwicklung, Jg. 18, Nr. 5, S. 79-96.
Fritz, A; Schmid, F (2019): Mentoring an Hochschulen. Sbg.: ÖZBF
Maier, M. (2017): Differenzsensibles Lehrkonzept Peer Mentoring für ECTS-fähiges Modul "Mentoring" inkl. Evaluation. Frankfurt University of Applied Sciences, Ffm.
Vizerektorat für Lehre und Internationales/AG KI, FH Campus Wien (2024): Leitfaden zum Einsatz von Künstlicher Intelligenz (KI) in der Lehre.
Akzeptanz und Resonanz
In beiden Durchgängen des KI-Mentorings wurde, um die Akzeptanz aller Teilnehmenden zu ermitteln, eine Zwischenevaluierung durchgeführt. Diese wurde mittels Onlinefragebogen für die Mentees und in zwei Fokusgruppen für die Mentor*innen durchgeführt.
Nach Abschluss des Durchgangs sollten die Mentor*innen außerdem einen Artikel auf Campus Connect, der Austauschplattform der FHCW, veröffentlichen, in dem sie nicht nur die Schwerpunkte ihres Mentoring-Angebots, sondern auch ihre Eindrücke und Learnings teilten.
Die Umfrage umfasste 12 Fragen zur Wahrnehmung bzw. Einschätzung inhaltlicher und organisatorisch-administrativer Aspekte (Mehrf.-Ausw., Ranking, Likert-Skala, Freitext). Im 1. Durchgang nahmen 82 % Personen teil.
Auf die Frage der Motivation für die Teilnahme war eine Mehrfachauswahl möglich. Die fachliche Weiterentwicklung als Lehrende/Forschende und das Interesse am Thema waren die am häufigsten gewählten Antwortmöglichkeiten. Dies lässt auf eine hohe intrinsische Motivation und fachliches Interesse schließen. Die Mehrheit der Mentees bewertete die Qualität der Betreuung durch ihre Mentor*innen als gut bis sehr gut. Besonders geschätzt wurde der interdisziplinäre Austausch, der neue Perspektiven auf den Einsatz von KI in verschiedenen Fachbereichen eröffnete.
Auch die Bereitschaft, das Gelernte in die eigene Lehrpraxis zu integrieren, scheint laut der Befragung sehr hoch zu sein. Viele Mentees gaben an, dass sie durch das Programm konkrete Ideen für den Einsatz von KI in ihren LVs entwickelt haben und diese auch umsetzen wollen.
Die Relevanz der behandelten Themen wurde von den Mentees als hoch eingestuft. Besonders praxisnahe Aspekte wie KI-gestützte Prüfungsfragen oder die Entwicklung von Übungsbeispielen wurden als positiv bewertet. Dies zeigt, dass das Mentoring-Programm die Bedürfnisse der Lehrenden gut adressierte.
Die Unterstützung durch die Mentor*innen wurde als besonders wertvoll empfunden. Viele Mentees hoben hervor, dass der direkte Erfahrungsaustausch mit erfahrenen Kolleg*innen ihre Sichtweise auf KI in der Lehre erweitert und Unsicherheiten abgebaut hat. Sie sind gern bereit, das Programm weiterzuempfehlen.
Die Umfrage zeigte auch, dass das Mentoring das Selbstvertrauen im Umgang mit KI-Tools steigerte. Viele Mentees fühlten sich danach besser gerüstet, KI-Anwendungen in ihrem Lehrkontext einzusetzen und kritisch zu reflektieren.
Die Umfrageergebnissen deuten also durchaus darauf hin, dass das KI-Mentoring-Programm auf große Akzeptanz gestoßen ist und als wertvoller Beitrag zur Weiterentwicklung der Lehre an der FHCW wahrgenommen wurde.
Die Abschlussberichte der Mentor*innen boten eine weitere Möglichkeit, die Akzeptanz des Programms einzuschätzen. Es fiel auf, dass gerade der Bottom-up-Ansatz der Mentoring-Methode einen großen Mehrwert ausmachte. So heißt es in den Artikeln:
- Eine besondere Bereicherung des Mentorings war der intensive Austausch innerhalb der Gruppe. Das Teilen von bereits erprobten Ansätzen, das gegenseitige Feedback sowie das gemeinsame Feilen an guten Prompts trugen wesentlich zur Qualität unserer Arbeit bei. Besonders wertvoll war auch der interdisziplinäre Charakter der Gruppe, die Teilnehmer*innen aus den Bereichen Soziale Arbeit, Physiotherapie und Logopädie umfasste. Dieser breite Erfahrungshorizont ermöglichte es uns, Fallbeispiele neu zu denken und innovative Perspektiven zu entwickeln.
-Die Erfahrung aus den Mentoring-Gruppen zeigt: Das angeleitete und praxisorientierte Ausprobieren von KI-Tools und der Austausch über Departmentgrenzen hinweg wirkt nicht nur motivierend, sondern stärkt auch die Bereitschaft der Lehrenden, sich mit diesen Technologien auseinanderzusetzen. - Gleichzeitig wurde deutlich, dass sich Lehrende unterschiedlich schnell an neue Technologien anpassen. (…) Fortbildungsmaßnahmen und Mentoring-Programme halte ich daher für unerlässlich, Vorbehalte abzubauen und ein fundiertes Verständnis für den Einsatz von KI zu vermitteln.
Die positive Resonanz sowohl seitens der Mentor*innen als auch der Mentees, die sich in Zwischenevaluierungen, den persönlichen Gesprächen mit den Mentorinnen und deren Abschlussartikeln äußerte, legt nahe, dass das KI-Mentoring einen nachhaltigen Beitrag zur Integration von KI in die Hochschullehre leisten kann.
Nutzen und Mehrwert
Das KI-Mentoring-Programm trägt auf vielfältige Weise zur zukunftsorientierten Entwicklung der FHCW bei. Der Mehrwert liegt dabei unter anderem bei der studiengangs- und departmentübergreifenden Herangehensweise des Programms. Der interdisziplinäre Ansatz birgt Innovationspotenzial, da durch die Einbeziehung von Lehrenden aus allen Studiengängen und Departments ein breiter, disziplinübergreifender Austausch angeregt wurde. Dieser ermöglichte die Betrachtung von KI-Anwendungen aus unterschiedlichen Perspektiven.
Eine Frage, die fast alle Teilnehmenden verband, war, wie Lehrende ihre Studierenden bei der Entwicklung ihrer AI-Literacy begleiten und unterstützen sollen, wenn sie selbst damit beschäftigt sind, einen Überblick über die rasanten Entwicklungen zu gewinnen. Die Rolle der FHCW ist es, den Lehrenden bei der Entwicklung eines professionellen Selbstverständnisses zu unterstützen ein breites Fort- und Weiterbildungsangebot in diesem Bereich zur Verfügung zu stellen, wie z. B. Workshops und Schulungen zu KI-Anwendungen. Doch gerade der Bottom-up-Ansatz eines Mentoringprogramms kann dem Überforderungsgefühl seitens der Lehrenden entgegenwirken.
Sowohl Mentor*innen als auch Mentees verstehen sich als Lehrende. Zwischen ihnen besteht ein horizontales Verhältnis auf Augenhöhe, das eine vertraute Umgebung schafft, in der individuelle Bedürfnisse leichter adressiert werden können. Diesen Mehrwert betonte auch eine Teilnehmende in ihrem Abschlussbericht: „Das angeleitete und praxisorientierte Ausprobieren von KI-Tools und der Austausch über Departmentgrenzen hinweg wirkt nicht nur motivierend, sondern stärkt auch die Bereitschaft der Lehrenden, sich mit diesen Technologien auseinanderzusetzen.“ Der angesprochene motivationssteigernde Effekt der Maßnahme wirkt sich auch positiv auf die einzelnen Studiengänge der Teilnehmenden aus, da diese dort gleichsam als Multiplikator*innen ihres Kompetenztuchwachs und Anwendungswissens agieren und Kolleg*innen anderer Fächer davon profitieren können.
Lehrende bekamen die Möglichkeit, sich untereinander zu vernetzen und auch bei der zukünftigen Planung ihrer LVs die interne Expertise zu nutzen und ihr Lehrangebot so an die Anforderungen des digitalen Zeitalters anzupassen, was nicht zuletzt dem Anspruch einer stetigen Qualitätsentwicklung in der Lehre entspricht.
Übertragbarkeit und Langlebigkeit
Das Projekt läuft seit 2024
Gegebenenfalls geplanter Endzeitpunkt: Januar 2025
Das KI-Mentoring-Programm erzielte trotz zeitlich begrenzter Laufzeit nachhaltige Resultate, die über die abgeschlossenen Mentoring-Durchgänge hinauswirken. In erster Linie ist hier natürlich die Kompetenzentwicklung der Lehrenden im Umgang mit KI(-Tools) zu nennen. Die Mentees können ihre praxisorientierten Erfahrungen und Erkenntnisse, die sie durch das gemeinsame Ausprobieren und Diskutieren sammelten, direkt in die Konzeption von LVs einfließen lassen, was langfristig zur Weiterentwicklung ihrer Lehre beiträgt. Dass diese Bereitschaft der Teilnehmenden, das Gelernte in die eigene Lehrpraxis zu integrieren, groß ist, zeigte sich auch im Rahmen der Auswertung der Zwischenevaluierung. Die Mehrheit gab dort an, durch das Mentoring konkrete Ideen für den Einsatz von KI in ihren Lehrveranstaltungen entwickelt zu haben und diese auch umsetzen zu wollen.
Darüber ermöglichte das Programm eine nachhaltige Vernetzung zwischen den Teilnehmenden über Studiengangs- und Departmentgrenzen hinweg. Diese Verbindungen bleiben auch nach Abschluss des Projekts bestehen und bieten eine Grundlage für weiteren informellen Austausch zu KI-Themen.
Eine nachhaltige Ressource bilden außerdem die von den Mentor*innen verfassten Artikel, die auf Campus Connect, der internen Austauschplattform der Hochschule, veröffentlicht wurden. Sie dienen als hilfreiche Quelle zur Orientierung für Lehrende, die sich mit dem Einsatz von KI in der Lehre auseinandersetzen möchten und führten aufgrund ihrer FH-weiten Zugänglichkeit zu einer stärkeren Wahrnehmung des Programms innerhalb der FHCW. Regelmäßige das Programm begleitende LinkedIn-Beiträge, die vom Vizerektorat verfasst wurden, konnten auch die Resonanz an den Partnerhochschulen der FHCW steigern.
Institutionelle Unterstützung
Die institutionelle Unterstützung des KI-Mentorings und die damit zum Ausdruck gebrachte Aufgeschlossenheit gegenüber dem Thema KI in der Lehre trug bestimmt zum Erfolg des Projekts bei. Auch Studien zeigen, dass von der Hochschulleitung vorbehaltlos unterstütze Mentoring-Programme deutlich erfolgreicher sind (Vgl. Fritz & Schmid 2019, 27).
Hier ist nicht nur die finanzielle Vergütung der Mentor*innen, sondern auch das Übernehmen der Lizenzgebühren für sämtliche KI-Anwendungen seitens der Institution zu nennen, wobei die Mentor*innen über die Notwendigkeit kostenpflichtiger Versionen entscheiden konnten.
Im Rahmen der Begleitung des Programms durch das TSC fand nach einem Kick-off-Teffen auch eine Matchingveranstaltung statt, bei der Mentor*innen und Mentees zusammengeführt wurden. Die daraus resultierenden schriftlichen Vereinbarungen wurden von beiden Seiten unterzeichnet, um die Verbindlichkeit des Mentorings zu unterstreichen.
Den Abschluss der zwei Mentoring-Durchgänge bildete jeweils eine feierliche Veranstaltung. Die Vizerektorin Evelyn Süss-Stepancik überreichte den Lehrenden in diesem Rahmen nicht nur persönlich die Teilnahmebestätigungen, sondern war auch bei allen anderen Veranstaltungen des Mentorings anwesend. Nach Abschluss des Programms führte sie mit den Mentor*innen ein längeres reflektierendes Gespräch über die Erfahrung als Mentor*in. Diese intensive Begleitung verdeutlichte die hohe Wertschätzung für das Projekt seitens der Hochschulleitung. Das KI-Mentoring hat einen ersten Grundstein zur Professionalisierung im Bereich der KI gelegt. Diese wird aktuell mit einem Projekt zur Copilot-Pro-Lizenz für versch. Anspruchsgruppen fortgesetzt.
Fritz, A; Schmid, F (2019): Mentoring an Hochschulen. Sbg. ÖZBF
