Erklärungen · Grafiken · Lösungen · Code
RessourceneinsatzRechenleistung · Energie · API-Gebühren · Arbeitszeit
„Breiter Zugang zu leistungsfähiger KI führt zu dezentraler Innovation.“
Studierende nutzen kommerzielle KI bereits für ihre Studienaufgaben. Ein institutioneller Dienst schafft gleichberechtigten Zugang und hält die Verantwortung für Daten, Nutzungsregeln und Budgets bei der Hochschule.
Wir brauchen eine Datenökonomie für KI-generiertes Wissen.
Wenn ein Mensch eine gute Erklärung entwickelt, mit KI eine hilfreiche Grafik erzeugt oder eine interessante Lösung findet, dann steckt darin Arbeit. Es wurden Rechenressourcen eingesetzt, Zeit investiert und menschliche Entscheidungen getroffen.
Und trotzdem verschwindet ein großer Teil dieses Wissens anschließend wieder in persönlichen Chatverläufen.
Prompt, Process, Provenance
Research Data Alliance · Rahmenvorschlag
Fragestellung und Kontext bestimmen.
Erzeugen, beurteilen und überarbeiten.
Entstehung für weitere Arbeit festhalten.
Niedrigschwelliger Zugang zu leistungsfähigen Modellen, barrierearme Oberflächen, Anleitung zur verantwortlichen Nutzung und transparente Kohortenbudgets.
Permissionless Innovation innerhalb vereinbarter Daten- und Ressourcengrenzen. Hochschulangehörige können institutionelle Probleme von innen bearbeiten.
Nachvollziehbare Modellwahl, klare Datenwege und bewusste Freigaben. Standardmäßig privat; keine verdeckte Prompt-Analyse oder automatisierten Ranglisten von Studierenden.
Geprüfte Ergebnisse mit Kontext, Version und Berechtigungen bewahren. Sie durchsuchbar und nachnutzbar machen, ohne ihre Herkunft zu verlieren.
Git führt die Historie gespeicherter Änderungen; GitLab stellt die Dateien als Projekte mit Zugriffsrechten bereit. ChatBHT archiviert dort bereits Gespräche, Metadaten und Agentendateien. Ein Commit-Link verweist auf genau einen gespeicherten Stand. Spätere Änderungen verdecken dadurch nicht, was ursprünglich festgehalten wurde.
GitLab System Hooks sind automatische Benachrichtigungen des Archivservers. Wird ein Projekt angelegt oder werden neue Dateien hochgeladen, kann ein aktivierter Hook einen Verarbeitungsdienst informieren. Der geplante Dienst würde Berechtigungen prüfen und freigegebene Änderungen projektübergreifend in eine Warteschlange stellen, statt jedes Archiv einzeln zu kontrollieren.
Ein Extraktor würde geänderte Archive auslesen und die vorhandenen Angaben in einen einheitlichen Datensatz überführen: Prompt, Modell, Kontext, Output und menschlichen Beitrag, soweit dokumentiert. Jeder Eintrag würde seine Quellversion behalten. Ergebnisse aus unterschiedlichen Projekten ließen sich dadurch auf dieselbe Weise durchsuchen und vergleichen.
interaction_idtimestampsubjectmodelmodel_versionpromptcontext_sourcesoutputtool_callsartefactstoken_usagevisibilitylicensehuman_reviewhuman_changescommit_idEin eigener Suchspeicher würde freigegebene Einträge katalogisieren, ohne für jede Frage Tausende Projekte erneut zu öffnen. Er würde Stichwortsuche, thematische Ähnlichkeit und zusammengefasste Statistiken unterstützen. Geänderte Berechtigungen oder gelöschte Quelldaten müssten auch im Katalog berücksichtigt werden.
Ein Wissensgraph würde Einträge durch benannte Beziehungen verbinden: Welche Quelle wurde verwendet, aus welchem Dialog entstand eine Grafik, wo wurde ein Ergebnis nachgenutzt? Ähnlichkeit könnte verwandte Arbeiten vorschlagen. Eine menschliche Prüfung würde diese Vorschläge von bestätigten Verbindungen unterscheiden.
Eine KI-gestützte Suche würde Fragen anhand der freigegebenen institutionellen Archive beantworten und auf die gespeicherten Versionen verweisen. Sie könnte verwandte Arbeiten über Fachbereiche und Partnerinstitutionen hinweg sichtbar machen. Persönliche Kontaktvermittlung wäre freiwillig; die Zugriffsrechte würden weiterhin für jedes Ergebnis gelten.
Welche Lösungsansätze zur MQTT-Sicherheit wurden an unserer Hochschule bereits entwickelt?
Welche Prompts führten zu hilfreichen Erklärgrafiken für die Mechatronik?