Szenarien des Wissenschaftsrats und ihre Auswirkungen auf die IT der Hochschulen

Der Wissenschaftsrat hat im Februar 2026 ein Papier zu "Wissenschaft in Deutschland - Perspektiven bis 2040" veröffentlicht. Die Überlegungen beinhalten auf S.58ff. vier Szenarien, wie sich die Wissenschaft in Deutschland aufstellen könnte. Im folgenden möchte ich einmal bewerten, welche Konsequenzen jedes Szenario auf die Aufstellung und Wichtigkeit der hochschuleigenen Informationstechnologie hätte. Das Papier des WR schweigt sich darüber im Großen und Ganzen aus -- im Sinne von Change Management ist es aber sicherlich nicht verkehrt, sich darüber Gedanken zu machen.

Das Szenario "Die Wissenschaftsrepublik" ist sicherlich das optimistischste und damit auch unwahrscheinlichste Ergebnis. Die Umschichtung von staatlichem Budget in die Wissenschaft, bis hin zu einer Verdopplung der bestehenden Ausgaben, ist im Hinblick auf die demographischen Kosten einer alternden Bevölkerung eher unwahrscheinlich. Sollte das Szenario aber eintreten, würde das Budget im digitalen Bereich vermutlich für große, staatlich finanzierte Cloud- und KI-Infrastrukturen ausgegeben werden müssen, um Ersatzbeschaffungen für in den späten 2020er und den 2023er Jahren gebaute Rechenzentren (AI Giga Factories) zu tätigen. Die Hochschul-Rechenzentren können den lokalen Support für Arbeitsplätze in Forschung, Lehre und Verwaltung organisieren; große Forschung passiert aber nicht mehr on-premise, sondern in staatlich finanzierten Rechenzentren.

Das Szenario "Die instrumentalisierte Wissenschaft" zeichnet ein Bild der Dominanz der Forschung durch die Verfügbarkeit des Zugangs zu Hyperscalern, zusammen mit einer Senkung der staatlichen Förderung insgesamt. In diesem Szenario müssen die Lizenzkosten für eine wettbewerbsfähige Forschung durch Eigenmittel der Hochschule aufgebracht werden: Campuslizenzen für OpenAI, Google, Microsoft sind nicht fakultativ, sondern grundlegende Notwendigkeit. Damit wird die Schere zwischen drittmittelstarken (technischen) Hochschulen und drittmittelschwachen Hochschulen weiter geöffnet. Nur mit der Möglichkeit, Cloud- und KI-Zugänge aus Overheads zu bedienen, kann die Hochschule attraktive Arbeits- und Lehrbedingungen bieten. Die Hochschul-Rechenzentren, ebenso wie die gesamte Verwaltung, müssen mit Personal- und Budgetknappheit leben.

Das dritte Szenario "Die situative Wissenschaftspolitik" zeichnet sich durch opportunistisches, wenig strategisches Vorgehen aus. Investitionen sind kurzfristig orientiert, was eher zu einem Nachlaufen als einem Vorangehen führt. In diesem Szenario bleiben KI- und Cloud-Infrastrukturen Ländersache, was zu einer Zersplitterung von Investitionsbudgets führt. Um bei der Digitalisierung der Hochschulen Fortschritte zu machen, ist es seitens der Hochschulen notwendig, sich zusammen zu schließen und Anstrengungen für Forschung und Verwaltung selbst zu bündeln. Beispiele könnten föderierte Diensteportale und/oder eine Fokussierung auf wenige Rechenzentren sein, die alle Angebote mandantenfähig bedienen.

Das letzte Szenario "Der globale Forschungsraum" ist grundsätzlich wieder optimistischer, allerdings wird die Sphäre der Aktivität aus dem nationalen in den supranationalen Raum verschoben. In diesem Szenario wird die deutsche Forschungspolitik noch stärker durch EU-Aktivitäten bestimmt. Große Digital-Forschungsinfrastrukturen wie AI Gigafactories werden international gesteuert. Der Einfluss der einzelnen Hochschulen auf ihre digitale Ausstattung schwindet und wird ersetzt durch überstaatlich finanzierte Zugänge, die aber keine Differenzierungsmöglichkeiten mehr zulassen. Die Aufgabe der länderfinanzierten Hochschule wird sich eher auf die Ausbildung und Lehre konzentrieren, während relevante Forschung in größeren Forschungsinstituten stattfindet. Das IT-Budget konzentriert sich auf die Unterstützung der Lehre und Verwaltung, eigene, dauerhafte Forschungsausrüstung wie z.B. HPC-Cluster werden durch die Länder mittelfristig nicht mehr finanziert.

Diese vier Szenarien sind alle nicht so weit hergeholt und tragen jeweils ein Körnchen Wahrheit in sich. Allen gemeinsam sind aber fundamentale Fragen nach der Rolle (und damit dem Budget) der lokalen Hochschul-IT, und der Aufgabe und Qualifikation ihres Personals. Im Sinne eines funktionierenden Change Management wäre es sinnvoll, diese Fragen jetzt zu diskutieren und nicht erst bis 2040 zu warten.

Indiana Jones und die vergangene Zukunft

Auf einem längeren Flug hatte ich neulich die Gelegenheit, Harrison Ford in Indiana Jones und das Rad des Schicksals anzusehen. Alle Elemente, welche die Indiana Jones-Filme ausmachen, waren mit dabei: die Action, die Musik, der Humor. Es war vieles so, wie ich es aus den 1980ern kannte und liebte. Man fühlte sich als Zuschauer in diese Zeit zurückversetzt und fühlte sich wohl. Und genau das ist das Problem. 

Indiana Jones ist ein Rollenmodell für alle (männlichen) Wissenschaftler. Wer würde nicht gerne, statt im Labor zu stehen oder mit SPSS die Umfrage auszuwerten, mit Hut und Peitsche nach alten Artefakten jagen? Wir können es so gut nachfühlen, wenn Indy vom Dekan seines College auf hohe Reisekosten oder zu geringe Erfüllung seiner Lehrverpflichtung hingewiesen wird. Indy ist ein Teil der heroischen Vergangenheit, des was-wäre-wenn unseres eigenen wissenschaftlichen Heldentums. Aber Heldentum ist vergänglich, und die Helden werden älter. Im Film wird Harrison Ford durch KI-basierte Nachbearbeitung optisch verjüngt -- in der realen Welt funktioniert das leider nicht. 

Womit wir bei der Problematik wären, dass wir CIOs gerne aus unserem Erfahrungsreichtum bei der Bewältigung des Jahr 2000-Problems oder sogar dem Übergang von CICS auf PC-Netzwerke schöpfen. Das waren noch Zeiten, als wir die Schlangen des Fortran-Codes mit der Peitsche bekämpften! Aber diese Lösungsansätze helfen uns nicht mehr für die heutige Hochschul-IT. Am Wissen und den vermeintlichen Fähigkeiten von früher festzuhalten, wird uns nicht helfen. Die Gefahr besteht aber, dass wir alten CIOs das trotzdem glauben und unsere  Denkweise und Entscheidungen in dieser Zeit festsitzen. Und es wäre auch falsch, auf die alten Professorinnen und Professoren (in den Senaten und Hochschulräten) zu hören, die heute noch den gleichen Service aus Indy's Zeiten erwarten, den sie seit 20 Jahren gewohnt sind.

Der heutige CIO muss mit komplexen Abhängigkeiten zwischen On-premise und Cloud-Diensten jonglieren. Viele Probleme lassen sich nicht durch Neustart des Servers beheben, sondern benötigen Projektmanagement, Wissen über Enterprise-Architekturen, Abstimmung in den Gremien der IT-Governance. Wenn wir diese Notwendigkeiten ignorieren, kommen wir nicht weiter. Unsere Rechenzentren müssen dieses Wissen entwickeln. Technologien, die unsere Hochschule nicht von anderen differenzieren, müssen wir outsourcen. Nur so kommen wir in die Zukunft.

Wir beenden diesen Post heute einmal mit einem Tucholsky-Zitat: "Lass dir von keinem Fachmann imponieren, der dir erzählt: Lieber Freund, das mache ich schon 20 Jahre so! Man kann eine Sache auch 20 Jahre lang falsch machen" (Kurt Tucholsky, 1890 - 1935).

Cloud und die Auflösung des Ortes

Wenn wir an Universitäten denken, denken wir häufig an Orte: den Campus mit seinen Rasenflächen, die Bibliothek, die Mensa, die Hörsäle. Um Literaturquellen zu beschaffen, gehen wir in die Bücherei. Um Wissen aufzunehmen, gehen wir in den Hörsaal. Um unsere Mitstudierenden zu treffen, verabreden wir uns im Cafe auf dem Campus. Die Universitäten selbst sind mit Orten verknüpft: sie sind benannt nach ihren Orten, die Universität Oxford, Cambridge, München, Paris. Selbst wenn es mehrere Universitäten in einer Stadt gibt, geben wir den Ortsbezug nicht auf. Es gibt 13 staatliche Universitäten in Paris; sie tragen den Namen der Stadt und sind ansonsten durchnummeriert. Die bekannteste ist Paris I (mit dem Beinamen Sorbonne) Können Sie aus dieser Bezeichnung ablesen, durch welchen Forschungsschwerpunkt sie hat? Aber sie können ganz sicher ablesen, in welchem Teil der Welt sie sich befindet.

Eine der wesentlichen Eigenschaften des Konzepts Cloud Computing ist es, den Ortsbezug der Diensterbringung vollkommen in den Hintergrund zu stellen. In welchem Rechenzentrum der Welt genau der über AWS beschaffte Speicher allokiert ist, ist Ergebnis eines technischen Algorithmus, nicht einer bewussten Entscheidung, weder des Diensterbringers noch des Dienstnutzers. Wo die Rechenleistung genau abgerufen wird (und damit auch die energetische Leistung anfällt) ebenso. In der grundlegenden Idee des Konzeptes führt es dazu, dass mit mathematischer Genauigkeit die Nutzung der Cloud-Ressourcen optimiert werden kann. Dies ist ein großer Fortschritt gegenüber einzelnen, örtlich gebundenen Rechenzentren, deren Aufwand für Technik und Personal sowie ökonomische Fixkosten auch dann anfallen, wenn sie nicht vollständig ausgelastet sind.

Cloud-Ressourcen in der wissenschaftlichen IT von Universitäten einzusetzen, ist daher ökonomisch positiv. Aber es nagt an der Ortsgebundenheit, die wir Universitäten ansonsten zuschreiben. Und wir haben auch im Digitalen einiges getan, um diese Ortsgebundenheit aufrecht zu erhalten. Zuallererst definieren wir häufig ein geschlossenes Campusnetzwerk, welches nach außen durch eine Firewall geschützt ist und in dem User mit eigenes erstellten Identitäten und Kennung der Universität auf interne Dienste zugreifen können. Ohne eine solche eigene Kennung erhalten Sie keinen Zugang zu den Lehrsystemen, können keine Bibliotheksdatenbanken durchsuchen und keine Zeugnisse ausdrucken. Falls Sie sich doch einmal geographisch außerhalb des Campus aufhalten sollten? Dann bekommen Sie einen VPN-Zugang, ein Virtual Private Network. Damit können Sie sich von außen in die Universitätsnetze einwählen und so vorspiegeln, als wären Sie geographisch auf dem Campus. Wenn Sie auf diese Weise auf dem Campus sind, erhalten Sie z.B. Zugriff auf die Literaturdatenbanken der Wissenschaftsverlage. Diese diskriminieren den Zugriff durch Geofencing -- sie lassen nur solche Benutzer zu, deren maschinelle Identitäten (IP-Adressen) dem räumlichen zuordenbaren Universitätsnetzwerk entsprechen.

In der Realität des Umgangs mit wissenschaftlichen Daten und Lehrmaterial hat dieser Ortsbezug bereits an Bedeutung eingebüßt, und wird es auch weiter tun. Der Ort, an dem Forschung betrieben oder Lehre durchgeführt wird, befindet sich in einer wissenschaftlichen oder edukativen Wolke. ArXiv als weltweit größte Quelle von Texten, PLos-One als Zeitschrift oder Youtube als Quelle vieler Lehrfilme lassen sich längst nicht mehr einer Universität, noch nicht einmal einer globalen Region zuordnen. Wissenschaft und Lehre finden dort statt, wo Wissen kombiniert und weitergegeben wird. Dafür braucht es keinen konkreten geographischen Ort. Lehrmaterial ist in der Cloud gespeichert, auf verteilten Servern irgendwo in der Welt, auf denen die benötigte, konkrete Instanz von Moodle oder Canvas läuft. Open Science führt als Konzept dazu, dass ohnehin keine Wände mehr rund um Forschungsdaten aufzubauen sind. Lehrende leben auf anderen Kontinenten als die Universität, für die sie ihre aktuellen Vorlesungen anbieten. Studierende, die zunehmend zerrissen werden zwischen den Anforderungen eines Vollzeitstudiums und den ökonomischen Realitäten ihres Alltags, die mindestens einen Nebenjob erfordern, und den sozialen Realitäten, die in einer alternden Gesellschaft die Bürde der Pflege von Angehörigen bei ihnen abladen, sind dankbar für jede Möglichkeit, die zeitliche und örtliche Festlegung einer Universitätsvorlesung digital zu flexibilisieren.

Das ist alles nicht positiv für die Universität als sozialen Raum, als Ort der Begegnung zwischen Menschen, Studierenden, Lehrenden. Es gibt kein Cafe im Cloud Computing, in dem Sie sich verabreden könnten. Es ist weder passend für intensive Gespräche zwischen Lehrenden und Studierenden, noch für die identitätsstiftende Arbeit in naturwissenschaftlichen Laboren, mit der man mühsam die Ergebnisse seiner Doktorarbeit erwirbt. Aber so zu tun, als hätte der Ort der Universität immer noch die gleiche Bedeutung wie Mitte des letzten Jahrhunderts, ist eine Abwehrhaltung, die gegen Windmühlen kämpft.

Können wir 1000 GPUs pro Hochschule dauerhaft finanzieren?

Es ist immer wieder erstaunlich, wie viel Hollywood in einer Rede eines Vorstandsvorsitzenden eines US-Tech-Unternehmens zu finden ist. Gestern abend zeigte Jensen Huang von NVIDIA auf seiner Entwicklerkonferenz einen langen Trailerfilm, in dem Galaxien, Operationen und Wirbelstürme zu sehen waren. Anschließend gab es 90min harte Technologie, aber auf die Anwendungen aus Astrophysik, Medizin und Geowissenschaften kam er immer wieder zurück. Wenn man die Welt zu einem besseren Ort machen möchte, ist das kein schlechter Ausgangspunkt. 

Diesbezüglich würden mir die Astrophysiker:innen, Mediziner:innen und Geowissenschaftler:innen meiner eigenen, kleinen Universität sicherlich zustimmen. Im nächsten Satz würden sie aber Forderungen stellen: um in der Forschung wettbewerbsfähig zu bleiben, brauchen wir auch GPUs. Am liebsten ganze Cluster. Großgeräteanträge bei der DFG wäre doch eine Möglichkeit?

Ich sehe die Notwendigkeit, um wissenschaftlich am Ball zu bleiben. Ich sehe auch die Problematik der dauerhaften Finanzierung einer solchen Investition. Die Bundesförderung übernimmt bei der Erstanschaffung die Hälfte, die andere Hälfte muss die Uni aus ihren Mitteln bestreiten. Das wird nicht wenig sein, und Investitionen drum herum, in die Infrastruktur und Klimatisierung des Rechenzentrums, kommen noch dazu. Nach 4-5 Jahren (wenn es überhaupt so lange dauert), muss vermutlich die ganze Hardware erneuert und durch GPUs der neuesten Generation ersetzt werden. 

Ist das von allen Universitäten leistbar? Vermutlich nicht. Große Universitäten und solche mit einer guten Zusatzfinanzierung aus Overheads, z.B. Technische Universitäten, werden sich damit leichter tun als kleinere Hochschulen.

Der Ausweg liegt in der wissenschaftlichen Kooperation und der Zentralisierung der KI-Infrastruktur auf wenige Rechenzentren, vermutlich nur eines oder zwei pro Bundesland. Hier braucht es einen fairen Zugriff auf die Rechenleistung, Schulung und Support für alle Anwender in allen beteiligten Hochschulen, eine Einigung auf steuerliche Regelungen, und bezüglich einer lastorientierten Kostenbeteiligung der Endnutzer. 

Das einzelne Rechenzentrum der einzelnen Universität ist aus der Nummer leider raus.

Zugang zu Generativer KI für deutsche Universitäten

Eine aktuelle Frage, die mir als CIO gestellt wird, ist ob und wie Forschende, Lehrende, Studierende und die Verwaltung Zugang zu generativen KI-Anwendungen erhalten können. Dabei geht es nicht um die Nutzung von KI innerhalb der Hochschule (wie hier für Studium und Lehre beschrieben), sondern schlicht um eine ungefilterte Möglichkeit, Texte, Daten und Grafiken mit Hilfe von KI zu erstellen oder zu verbessern. Vor allem für Forschende ist es interessant, das Schreiben von wissenschaftlichen Texten, von Programmiercode oder Datenauswertungen zu beschleunigen. Und die versprochenen Produktionsgewinne von KI für Verwaltungen könnten gerade in Hochschulen viel bewirken.

Was kann die Hochschule unternehmen? Eine direkte Möglichkeit wäre, allen Hochschulangehörigen einen persönlichen ChatGPT Plus Tarif für 20 USD pro Monat zur Verfügung zu stellen. Derzeit (Januar 2024) werden von OpenAI aber keine Campuslizenzen für Universitäten angeboten und eine rasche Berechnung ergibt für 1000 Verwaltungsmitarbeitende Kosten von 240.000 EUR p.a. und für 10.000 Studierende 2.4 Mio EUR p.a. Das übersteigt sicherlich das Budget fast jeder Hochschule.

Welche Alternativen gibt es? Das Abrechnungsverfahren von OpenAI funktioniert so, dass "pay per use" nach der Menge an Abfragen (bzw. Token) abgerechnet wird. Eine monatliche Flat-fee als Abonnement lohnt sich also nur, wenn man mehr Abfragen/Token absendet, als im Monatsbeitrag inkludiert ist. Das wird für die meisten Universitätsangehörigen nicht zutreffen. Einige Universitäten haben daher einen einzigen Pro-Account aufgebaut, über den alle Anfragen/Token aus der Hochschule gebündelt versendet werden. Die entstehenden Kosten können entweder zentral über die Hochschule gezahlt oder den Sendenden in Rechnung gestellt werden, sofern möglich. Beispiele sind HAWK, das z.B. in Hildesheim oder Ingolstadt eingesetzt wird, oder die Anbindung über Moodle und Azure wie bei der RWTH Aachen.

Wenn es nicht OpenAI sein muss: falls die Hochschule ohnehin schon Microsoft 365 im Einsatz hat, kann über Copilot for M365 auf Generative KI zugegriffen werden. Bei der häufigsten Campus-Lizenzvariante A3 ist der Zugriff über das Web bereits in den Lizenzkosten beinhaltet. Copilot Pro für die teurere Variante A5 kostet 20 USD pro Monat Aufpreis - erst dann gibt es Copilot für Word, Teams und Powerpoint. Google Bard ist derzeit in Deutschland noch nicht erhältlich. Meta Llama2 verfolgt einen anderen Ansatz; das Modell kann für Forschungszwecke heruntergeladen werden.

Was fällt auf? Alles ausländische Anbieter, d.h. es greifen AI Act, Digital Services Act, und DSGVO. für Urheberrecht und Datenschutz. Bei den einfachsten Lizenzen werden eingeschickte Daten, also z.B. auch Texte über neueste Forschung, vom KI-Server weiterverarbeitet. Ihr Inhalt ist ab dann für alle Nutzer weltweit zugänglich und beeinflusst alle Antworten der KI. Erst ab Enterprise Lizenzen gibt es Schutzverträge, welche eine Weiterverarbeitung regeln. Insofern muss dringend davon abgeraten werden, Forschenden und Mitarbeitenden in der Verwaltung personenbezogene Lizenzen zu beschaffen. Innerhalb eines Jahres weiß der KI-Server ansonsten mehr über die neueste Forschung in der Hochschule als deren Leitung...

Digitale Souveränität - einige Kommentare zu den Empfehlungen des Wissenschaftsrats

Im Herbst 2023 hat eine Arbeitsgruppe des Wissenschaftsrates ein Papier mit Empfehlungen zur Souveränität und Sicherheit der Wissenschaft im digitalen Raum veröffentlicht. Da das Thema Digitale Souveränität schon seit einiger Zeit auf der Agenda der bayerischen Hochschul-CIOs bzw. des Digitalverbundes steht, kommt es genau richtig. Im Frühjahr 2023 haben wir darüber in einer gemeinsamen Sitzung mit den Universitäts-CIO aus Baden-Württemberg diskutiert und wollen ein gemeinsames Positionspapier veröffentlichen.

Bis dahin hier ein paar subjektive Eindrücke aus dem WR-Papier:

Es ist etwas schwierig, in dem Papier eine genaue Definition von "digitaler Souveränität" zu finden, auf die sich die Ausführungen stützen.

Die Empfehlungen sind eigentlich bekannt, die ersten beiden davon sind sehr konkret und zielen auf die einzelne Hochschule: (1) installiere eine:n CIO auf Leitungsebene der Hochschule, um die Steuerung zentral in die Hand zu nehmen und (2) unterstütze Cybersicherheit mit eine:r Cybersicherheitsbeauftragten, Konzepten und Notfallplänen. 

Die (3) Empfehlung zum Aufbau hochschulübergreifender Infrastrukturen erfordert Absprachen im Bundesland. Das ist z.B. in NRW, Bayern schon gelungen. Man muss dabei beachten, dass die Empfehlung über das technische Wissenschaftsnetz, z.B. BelWue, weit hinausgeht; es geht um Kompetenzzentren z.B. für IT-Recht, IT-Sicherheit oder IT-Beschaffung, oder für Forschungsdatenmanagement. Dies erfordert ein hohes Maß an Absprachen, Kommunikation und Vertrauen zwischen den Hochschulen. Noch anspruchsvoller, wenn es hochschultyp-übergreifend geschehen soll. 

Die (4) Empfehlung zur Gestaltung digitaler Angebote unter Pluralität und Offenheit finde ich etwas schwieriger. Einige Beteiligte lesen bei Offenheit immer gleich "Open Source". Ziel dieser Empfehlung ist es aber, Abhängigkeiten zu reduzieren. Wann immer ich ein digitales Produkt lange benutze, werde ich Abhängigkeiten in meiner Hochschule produzieren, was einen Umstieg, egal wohin, schwierig macht und damit meine Steuerungs- und Entscheidungsmöglichkeiten als CIO einschränkt. Das hat weniger mit der Lizenzform zu tun als mit fehlenden Schnittstellen und Standardisierungen. Wenn ich die in der dritten Empfehlung postulierten Infrastrukturen nutzen möchte (z.B. NFDI oder EOSC), dann muss es Schnittstellen geben und diese müssen kontinuierlich gewartet werden. Manchmal ist es mir hier lieber, ich kann einem konkreten Softwareanbieter mit einer Wartungsanfrage auf die Füße treten.

Am Ende von (4) findet sich noch ein separater Absatz, dass "Knowhow und Innovationspotenzial der Wissenschaft für die Entwicklung digitaler Angebote gezielt genutzt und gefördert werden" sollte. Das ist eigentlich ein Aufruf zur Eigenentwicklung. Wie ich im Beitrag über Schatten-IT schon geschrieben habe, sehe ich da Licht und Schatten -- Licht, wenn sich neue IT-Lösungen z.B. als Startup aus einer Universität heraus verbreiten und sehr erfolgreich werden, wie bei UNIwise oder Uninow. Schatten, wenn eine hoffnungsvolle IT-Lösung mangels Wartung langsam verhungert, wie bei UnivIS. Hier gibt es sehr viel Potenzial -- leider auch, um Budget zu versenken.

Bei der letzten Empfehlung, (5) die Gestaltung des digitalen Raumes als Daueraufgabe von Wissenschaftseinrichtungen, sind wir wieder beisammen. Zu viele IT-Projekte beginnen mit befristetem Personal, aber ein späterer dauerhafter IT-Support erfordert Dauerstellen. Stattdessen wird meist ein Projektportfoliomanagement über Jahre mit Stellen-Tetris abgepuffert. Das muss sich definitiv ändern. Wenn man (3) und (5) kombiniert, wird aber schnell klar, dass es eine Budgetkonkurrenz geben wird -- gibt man das Geld an die Hochschulen oder an die Infrastrukturen? "Beides notwendig!", sagt die IT-Sicherheit. "Infrastruktur kann übernehmen", sagen IT-Recht und IT-Beschaffung. "Die zentrale Stelle benötigt lokale Strukturen, um sie zu unterstützen" sagt das Forschungsdatenmanagement. Wo das Ministerium Budget hingeben sollte, sollte eine strategische, offene und konstruktive Diskussion in der Infrastrukturgruppe von (3) ergeben.

Welche Aufgaben hat ein Hochschul-CIO bezüglich der Einführung und Nutzung generativer KI?

Im Juni 2023 hatten wir auf dem Hochschul-CIO-Kongress in Göttingen eine intensive Diskussion, welche Aufgaben ein CIO einer Hochschule bezüglich der Einführung und Nutzung generativer KI (z.B. ChatGPT) haben sollte. Die Diskussion entspann sich zwischen zwei extremen Positionen, die ich plakativ so dargestellt habe:

✅Die aktive Position ist: Ja, der CIO muss sich unbedingt einbringen und in den Fahrersitz. Es ist eine digitale Technologie, welche die Hochschulen grundsätzlich verändert.

❌Die Gegenposition dazu lautet: Nein, es ist nur eine cloudbasierte Technologie für digitales Lehren und Lernen. Es ist Thema der Hochschuldidaktik bzw. Prorektor:innen für Lehre. Die meisten Whitepaper, journalistischen Artikel und Webseiten von Hochschulen konzentrieren sich auf diese Position. Der/die CIO wird hier nicht gebraucht, denn die Technologieressourcen der Universität werden nicht beansprucht. Oder?

Die Kollegen von EDUCAUSE in den USA haben sich diese Frage auch gestellt und eine interessante Umfrage (Quickpoll) veröffentlicht. Eine große Mehrheit von 83% aller 440 antwortenden Educause-Mitglieder stimmten der Aussage zu, dass Generative KI die Hochschulen in den nächsten drei bis fünf Jahren positiv oder negativ verändern wird. Allerdings unterschieden sich die Antworten je nach Position der Befragten: während 90% der Leitungsebene für "instructional technology" oder von "teaching und learning centers" die Verantwortung dafür bei sich sahen, sagten im Gegenteil 58% der Leitung von IT-Einheiten, dass sie sich für KI nicht verantwortlich fühlten. Was die oben gezeigte Gegenposition unterstützen würde: ChatGPT ist nur (?) eine Frage der Hochschullehre.

Allerdings wurden in der Educause-Umfrage bei der Frage nach konkreten Beispielen auch Anwendungsfelder außerhalb von Lehren und Lernen genannt, unterteilt in die vier Felder: Dreaming, Drudgery, Design, and Development (siehe Grafik).

Und damit ist der/die CIO wieder im Spiel, denn es geht auch in der Administration und der Forschungsverwaltung um eine KI-basierte Assistenztechnologie. Im Workshop in Göttingen konnten wir schon einmal folgende Felder herausarbeiten, in denen sich der/die CIO in der eigenen Hochschule unbedingt einbringen muss.

1. Beratung: Zu allererst geht es um eine strategische Beratung, ein Aufzeigen von Technologieszenarien gegenüber Hochschulleitung und Fakultäten. Hier könnten Szenarien erzeugt werden, wie eine KI-unterstützte Lehre bzw. KI-unterstützte Forschung in 1,3 oder 5 Jahren aussieht. und was das für die Ausrichtung der Universität bedeutet. Wir denken, dass die konkreten Bilder eher von den Fachdisziplinen ausgemalt werden, aber es ist Aufgabe der CIOs, das Thema KI und Vergleichsfälle an diese für eine weitere Diskussion heranzutragen.

2. Erprobung: CIOs sollten sich Verbündete suchen, um Einsatzmöglichkeiten von KI in Verwaltungsanwendungen (z.B. im Dokumentenmanagement), in der Nutzerschnittstelle (Chatbots), im Forschungsinformationssystem (z.B. Clusteranalysen) oder zur Bild- und Textgenerierung für Presse und Marketing auszutesten. Ein konkretes Vorgehen könnte das Higher Education Reference Model (HERM) nutzen, um für jede Business Capability aufzuzeigen, wann KI dort zu erwarten ist und dann proaktiv nach Cases zu suchen. Allerdings sollte man hier mit Bedacht vorgehen: auch ein mit KI unterstützter, aber ansonsten schlechter Prozess wird durch KI nicht automatisch besser.

3. Erwartungsmanagement: Die Erwartungen der Anwender an KI sind derzeit noch nicht stabil -- mangels praktischer Erfahrungen im Umgang mit der Technologie reichen die Ideen von einer reinen Extrapolation des Bestehenden, über Weltuntergangsszenarien, zur Ablehnung oder Abwertung der Technologie. Um wirklich beurteilen zu können, welche Anwendungsfälle und welchen Nutzen KI haben wird, ist es notwendig, Personal zur Beratung in der Hochschule auszubilden, sowohl bei wissenschaftlichem Nachwuchs (wegen der Änderungen in der Forschung), als auch in der Verwaltung.

4. Beschaffung: es ist derzeit noch vollkommen im Fluß, wie der technische Zugang (Schnittstellen, Plugins, Cloud vs. On-Premise) zu Generativer KI aussehen wird. Noch wesentlich wichtiger ist aber der wirtschaftliche Zugang: was ist am günstigsten, wenn man einem ganzen Campus Zugang gewähren möchte: flat-rate Campuslizenzen pro Person? token-basierte Lizenzen pro Zugriff? Für welche Benutzergruppen? Sollte man mit verschiedenen KI-Anbietern parallel Verträge machen oder geht man doch über Zwischenhändler bzw. Aggregatoren? CIOs sollten sich einen Überblick über Anbieter schaffen, auch durch Vernetzung mit anderen (Digitalverbund, HFD, etc.).

Da ist doch einiges zusammengekommen. Ich würde mich freuen, über Ihre Erfahrungen an der eigenen Hochschule zu hören!

The Commodization of the University IT: does IT matter?

We usually think of a university as a geographic place, with buildings on a campus where knowledge is created, shared, and taught. Such a place needs infrastructure: computer networks, WLAN access points, and servers. Really? Whether researchers need to work in a geographic location is likely to be questioned quite a bit, at the latest after the Covid pandemic. Individual disciplines, especially in the humanities and social sciences, almost wholly retreated to the home office, and for many universities, it takes work to bring them back to campus for face-to-face teaching.

So is returning to the University necessary for research disciplines that don't use equipment or labs? Well, yes, shout the students! Ahem, no, say those researchers who had positive experiences lecturing over Zoom, sharing materials with Moodle, and organizing stuff using Teams and OneDrive. If the students can not convince them to return, is there an argument for conducting research on-premise?

Not likely. Scientists are tasked with gaining and disseminating new knowledge through research and publications. Most publications are co-authored with other researchers, preferably at another university. Thus, authors co-edit the research work on commonly available platforms: M365, Google Docs, and Github. Why? Because it does not require to access proprietary infrastructure in another university, usually requiring cumbersome remote access procedures, VPNs, and temporary guest logins. It is just easier to use commonly available, commercial cloud-based systems.

Does it make sense for a university to provide digital resources to individual researchers? The university app, where the canteen plan is the most used feature; the costly lab management software that only two research groups use; the ample data space on university servers, where nobody ever deletes obsolete files? Depending on the scientist and the discipline, providing exclusive hardware and software can be very complex and costly, and the "return on investment" (ROI) for the particular university is questionable.

University IT is on a clear path from being a unique, competitive resource to a commodity infrastructure. Nicholas G. Carr started this discussion for other sectors, but it took some time to reach higher education. Ultimately, digital transformation may thus result in a maximum internet connection on campus so scientists can share their data and texts using digital infrastructure from a commercial cloud or a supercomputing center. Of course, the university would have to pay annual fees for access to the cloud or the data center; but they would save investment in buildings,  energy resources, compute servers, and data servers. The new problems that this creates, are subject to another blog post.

Dreimal Vitamin C für die Hochschulen: ein notwendiger Schock und ein Impuls für die Zukunft

Die Bedeutung der letzten fünf Jahre für die Digitalisierung der deutschen Universitäten kann nicht überschätzt werden. In diesen fünf Jahren ist fundamental mehr passiert als in den 30 Jahren vorher, und der Grund dafür liegt in den drei "C": Cloud, Covid und ChatGPT. Zusammen stellen diese Worte 3 Vitaminschocks dar und werden die Art, wie Universitäten ihre Digitalisierung angehen, massiv verändern.

Das erste "C" ist die Cloud. Wie ich an anderer Stelle schon geschrieben habe, ist die Verfügbarkeit von Amazon Web Services, Microsoft 365 oder Google for Education eine grundsätzliche Möglichkeit, das eigene Rechenzentrum loszuwerden. Dies allerdings unter Inkaufnahme einer babylonischen Gefangenschaft zum Cloud-Anbieter, der unter Ausnutzung des Lock-In-Effektes eine Preispolitik fahren kann, welche Universitäten bei steigendem Digitalisierungsgrad an den Rand der eigenen Finanzierungsmöglichkeiten bringt. Dafür gibt es in der besten aller Welten immer die neueste Software, weltweite Erreichbarkeit der Plattform und ein 24/7-besetztes Helpdesk.

Das zweite "C" war 2020 der Schock durch die Covid19-Epidemie. In rasender Geschwindigkeit flexibilisierten die Universitäten die Präsenzlehre, führten Flipped-Classroom-Konzepte ein und ermöglichten Fernklausuren. Die Lehrenden nahmen tausende von Lehrvideos auf, welche so gut angenommen wurden, dass die Studierenden auch nach Ende der Pandemie auf hybride Lehre und die einmal kennengelernten Möglichkeiten nicht verzichten wollen. Zurück zu großen und vollen Hörsälen mit Alleinunterhalter:innen an der Kreidetafel? Nicht mit unseren Studierenden! Ähnlich auch der Einfluss auf die Arbeitsmodi von Verwaltung und Wissenschaftler:innen. Home Office für das Verwaltungspersonal: 2019 eine absolute Seltenheit, seit 2021 durchaus üblich. Arbeitsbesprechungen, sogar wissenschaftliche Konferenzen finden über Zoom statt, man trifft sich vor der Kamera.

Das dritte "C" ist 2023 die weltweite Verfügbarkeit von generativer Künstlicher Intelligenz (Beispiel ChatGPT), sei es für  die Erstellung von Texten, Bildern, oder Software. Neben dem faktischen Todesstoß für die Prüfungsform Hausarbeit ermöglicht Generative KI aber auch einen Produktivitätssprung, sei es durch erleichtertes Verfassen wissenschaftlicher Texte, vereinfachtes Zusammenfassen von Quellen, bessere Übersetzungen oder bessere Grafiken. Als Richard Socher beim DLD23 auf die derzeitigen Fehler von GAI (Halluzinationen) bei der korrekten Verlinkung von Quellen angesprochen wurde, meinte er lapidar: "Geben Sie uns noch ein paar Wochen" (Nachtrag: LLaMa, GPT4).

Die wesentliche Gemeinsamkeit aller drei Vitamin-C-Schocks ist für mich, dass diese am klassischen Universitäts-Rechenzentrum vorbei passiert sind. Die alten Server werden nicht mehr gebraucht. Was wir aber sehr wohl brauchen, sind eine universitätsweite Digitalisierungsstrategie, kundiges Personal für den lokalen Support und eine Schulungskampagne für die Nutzung der neuen Dienste. Ob die deutschen Universitäten dafür personell und finanziell richtig aufgestellt sind?

Three C's and their vitamin shock for Universities

The importance of the last five years for the digitization of Universities cannot be overestimated. More has happened fundamentally in these five years than in the 30 years before, and the reason for this lies in the three "Cs": Cloud, Covid and ChatGPT. Together, these words represent 3 vitamin shocks and will massively change the way universities approach their digitization.

The first "C" is the cloud. As I've written elsewhere, the availability of Amazon Web Services, Microsoft 365 or Google for Education is a fundamental way to get rid of your own data center. However, this is at the cost of a Babylonian captivity to the cloud provider, who, exploiting the lock-in effect, can drive a pricing policy that brings universities to the edge of their own funding possibilities as the level of digitization increases. But in the best of all worlds, there is always the latest software, worldwide accessibility of the platform and a 24/7 helpdesk.

The second "C" in 2020 was the shock of the Covid19 epidemic. At breakneck speed, universities flexibilized face-to-face teaching, introduced flipped classroom concepts, and enabled distance exams. Instructors recorded thousands of instructional videos, which were so well received that even after the pandemic ended, students do not want to give up hybrid teaching and the options they had once learned about. Back to large and crowded lecture halls with solo entertainers at the chalkboard? Not with our students! Similarly, the impact on the work modes of administration and academics. Home office for administrative staff: an absolute rarity in 2019, quite common since 2021. Work meetings, even scientific conferences take place via Zoom.

The third "C" in 2023 is the worldwide availability of generative artificial intelligence (example ChatGPT), whether for the creation of texts, images, or software. In addition to the de facto death blow for the essay assignments, generative AI also enables a leap in productivity, be it through easier writing of scientific texts, simplified summarizing of sources, better translations or better graphics. When Richard Socher was asked at DLD23 about GAI's current failures (hallucinations) in properly linking sources, he succinctly said, "Give us a few more weeks" (addendum: LLaMa, GPT4).

For me, the essential commonality of all three vitamin C shocks is that they happened past the traditional university data center. The old servers are no longer needed. What we do need, however, is a university-wide digitization strategy, knowledgeable staff for local support, and a training campaign for using the new services. Are our universities properly positioned for this in terms of personnel and funding?

Translated with DeepL

Does ChatGPT level the differences between the world's best universities and everyone else?

Is there a power imbalance between American and European universities when it comes to publication impact and research funding? Of course: elite institutions like Harvard, Stanford, and Oxford lead the way, while smaller universities such as Bayreuth linger in the long tail. This holds for the attractiveness for younger researchers searching for a career, the impact factor of publications, and usually the endowment with research funding.

Will AI, available to everyone, even out the playing field? Is it a game-changer? It might be since tools like ChatGPT and other AI solutions are accessible globally. All that's needed is an internet connection and a desktop computer. It won't matter where the researcher is located--whether it's Mombasa or Miami, Bangalore or Boston, Frankfurt or San Francisco--as long as they know how to make use of generative AI and publicly available data.

The conversations about the implications of AI on universities can be looked at in two ways. Supporters of the concept posit that high-end universities have the capacity to use their wealth and receptiveness to technology to carry out AI research projects, resulting in a greater disparity in resources between these universities and those without as much financial backing.

On the other hand, one of the greatest opportunities afforded by AI is the democratization of opportunity. Through the use of open-source software and resources, anyone from anywhere can access the same tools and data sets. This evens the playing field for everyone, regardless of location or means. Furthermore, success in using AI will depend more on creativity and innovation than financial resources, allowing those with a limited budget to still make advances in their research. In this case, the chasm could decrease as anyone with access to open AI resources has the potential to succeed, regardless of their geographic location.

Attending DLD23 in Munich in January 2023, I was lucky enough to approach Erik Brynjolfsson and Andrew McAfee with this question. Their answers differ in detail, but the general sentiment is: the power curve is rock solid, and if you are a small university somewhere in the long tail, you have to act fast.

Erik's answer was: The power law between American and European universities will likely still be in effect when it comes to publication impact and research funding. Elite institutions like Harvard, Stanford, and Oxford will continue to lead the way, while smaller universities such as Bayreuth will remain in the long tail. However, AI could give a new competitive edge to universities that are quick to act on embracing the technology. Those that provide their researchers with technical access and capabilities, use AI in teaching and exams proactively, and create an AI-friendly environment that allows for experimentation with data sets have the potential to move up the power law curve faster than those who are slower at adapting. On the other hand, those who try to suppress using AI or go back to traditional methodologies risk further falling behind. Ultimately it is up to each university’s leader(s) to determine whether they want to move up or slide down this curve.

Andrew's answer: We do not know the answer to that question yet. However, most new technologies have throughout the years increased the effect of the power curve, one way or the other. What might happen if you look at a particular researcher, is that AI is a diamond seeker, meaning that AI is very much capable by sifting through tons of research writings to detect promising new research better than humans might do (e.g through a manual structured literature review, which is always biased). In that case, researchers will get increased visibility even if having few publications (early career) and then be capable to move to a better university up the power law curve. Even when you have the same access to research tools regardless of geography, it is still more attractive to the particular researcher to move where brains who you can go to lunch with, are in one place.

Disclosure: this blog post has been drafted, translated, edited and proofread using sudowrite.com and deepl.com.

ChatGPT und die Folgen für universitäre Prüfungen

Künstliche Intelligenz (KI) ist das aktuelle Schlagwort der Digitalisierung, und die generative KI zur Erstellung von Texten (z.B. ChatGPT), Bildern (z.B. DALL-E) erzeugt die einprägsamsten Ergebnisse für ein breites Publikum. Wie immer bei Software-Innovationen hat die schon länger bestehende Entwicklung der Middleware (OpenAI) mit ihren Data Science-Algorithmen nicht die gleiche mediale Resonanz erfahren, weil sie halt schlechter zu verstehen und zu bebildern ist. Bei generativer KI ist das einfacher, und damit startet die Hypekurve -- von übersteigerten Erwartungen bis hin zu enttäuschten Illusionen.

Für das Bildungswesen stellen die Fähigkeiten der generativen KI, insbesondere bei der Texterstellung, sowohl Risiko als auch Chance dar.  Die Spanne der Unterstützung durch KI ist dabei breit gefächert. Wohl niemand hätte etwas gegen Unterstützung bei der Erstellung einer Gliederung, eines Abstracts, Hilfe bei der Übersetzung in die englische Sprache oder bei der grammatikalischen Fehlerfreiheit eines Textes einzuwenden. Probleme haben wir damit, dass bei der Anfertigung einer Prüfungsleistung (insbesonders als Text: Klausur, Hausarbeit) die Leistung der KI so umfassend ist, dass sie die Eigenleistung des menschlichen Prüflings in den Hintergrund stellt. Wir möchten ja gerne die Einzelleistung des Probanden messen und bewerten!

Solange wir die Leistung des Menschen in einer Kategorie messen, die auch von der Maschine erledigt werden kann, sind wir aber auch selber schuld. Es hat schon seinen Grund, dass wir nach dem Aufkommen des Taschenrechners in den Matheprüfungen der Schule kein Kopfrechnen mehr abfragen. Sowohl in der Vermittlung des Wissens als auch in der Leistungsmessung müssen wir realistisch feststellen, dass sich die Umweltbedingungen geändert haben und eine neue Technologie auf Dauer zur Verfügung steht.

Um es möglichst realistisch und praxisnah zu machen, bereiten wir Studierende in einer Prüfung auf eine reale Situation einer Aufgabenlösung unter Zeitdruck vor: 

• 1980er: "Meier, kommen Sie bitte fix mal zum Chef und erklären Sie, warum die Buchung so durchgeführt wurde. Sie haben das doch gelernt.". Die logische Prüfungsform dafür ist eine "Closed Book"-Klausur, bei der man ohne Hilfsmittel und nur mit Papier und Bleistift etwas auswendig Gelerntes wiedergeben muss. Warum? Eben weil die Praxis später genau solche Fragen stellt, wie wir sie in der Klausur abfragen.

• 2000er: "Meier, in zwei Stunden ist die Präsentation beim Vorstand und wir brauchen schnell eine Zusammenstellung mit dem Vorschlag und der Begründung. Schmeissen Sie mal das Internet an und suchen Sie ein paar Quellen." Das ist natürlich eine "Open Book"-Klausur, bei der alle Hilfsmittel zur Verfügung stehen, aber die Lösung aus einer Vielzahl relevanter und irrelevanter Informationen aggregiert, prägnant zusammengefasst und präsentiert werden muss. (Wenn über diese Zusammenstellung hinaus und mit etwas mehr Zeit alle verfügbaren Informationen gesichtet werden und auf dieser Basis eine eigene Idee entwickelt werden soll, sind wir bei der Prüfungsleistung der schriftlichen Hausarbeit oder Abschlussarbeit. Die ist ohnehin schon "open book".)

Wir können vermutlich davon ausgehen, dass ab 2023 nicht mehr nur "das Internet angeschmissen" wird, sondern Herr oder Frau Meier in der betriebswirtschaftlichen Realität der Zukunft eine generative, texterstellende KI wie ChatGPT zur Problemlösung einsetzen wird. Folgerichtig werden wir auch unsere universitären Prüfungen entsprechend anpassen müssen. Nur verbieten führt uns auf jeden Fall nicht in die Zukunft.

The future of exams according to ChatGPT

 Artificial Intelligence (AI) is the current buzzword of digitization, and generative AI for creating texts (e.g. ChatGPT), images (e.g. DALL-E) produces the most memorable results for a wide audience. As is always the case with software innovation, the longer-standing development of middleware (OpenAI) with its data science algorithms has not received the same media response, simply because it is harder to understand and image. With generative AI, it's easier, and that starts the hype curve -- from inflated expectations to disappointed illusions.

For education, the capabilities of generative AI, especially in text creation, represent both risk and opportunity. The range of AI support in this regard is broad. Arguably, no one would object to assistance in creating an outline, an abstract, help with translation into English, or making sure a text is grammatically correct. We have problems with the fact that in the preparation of an examination performance (especially as a text: exam, term paper) the performance of the AI is so comprehensive that it eclipses the individual performance of the human examinee. We would like to measure and evaluate the individual performance of the examinee!

As long as we measure the performance of the human in a category that can also be done by the machine, we have only ourselves to blame. There is a reason that after the advent of the pocket calculator we no longer ask for mental arithmetic in school math exams. Both in the teaching of knowledge and in the measurement of performance, we have to be realistic about the fact that environmental conditions have changed and a new technology is available for the long term.

To make it as realistic and practical as possible, we prepare students in an exam for a real situation of a task solution under time pressure:

1980er: "Meier, please come quickly to the boss and explain why the booking was done this way. You have learned that, haven't you?". The logical form of examination for this is a "closed book" exam, in which you have to reproduce something you have learned by heart without any aids and with only paper and pencil. Why? Precisely because the practice later asks exactly the same questions as we ask in the exam.

2000er: "Meier, in two hours the presentation will be at the board and we need a quick compilation with the proposal and the reasoning. Fire up the Internet and find some sources." This is, of course, an "open book" retreat, where all the tools are available, but the solution must be aggregated, concisely summarized, and presented from a variety of relevant and irrelevant information. (If, beyond this compilation and with a little more time, all available information is sifted and an own idea is to be developed on this basis, we are at the examination performance of the written term paper or thesis. This is already "open book" anyway).

We can presumably assume that from 2023 onwards, it will no longer be just "the Internet that is switched on", but Mr. or Mrs. Meier will use a generative, text-creating AI such as ChatGPT to solve problems in the business reality of the future. Consequently, we will also have to adapt our university examinations accordingly. In any case, prohibiting AI will not lead us into the future.

Translated with DeepL

Digitalisierungsstand 2022 - wo stehen die Universitäten, was ist zu tun

In diesem etwas längeren Beitrag möchte ich gerne darstellen, wo wir nach der Pandemie stehen, was wir erreicht haben, und was nach der Absage des Digitalpakts dennoch die nächsten Schritte sein müssten. Ich vertrete hier wieder einmal die Sicht eines CIO einer Hochschule, d.h. stelle nicht das Lernen in den Vordergrund, sondern die Leistungsfähigkeit und Digitalstrategie der Hochschule insgesamt.

Wo stehen die deutschen Hochschulen bei der Digitalisierung und welches Ziel ist aus meiner Sicht perspektivisch anzustreben?

Die Hochschulen haben ausgelöst durch die Corona-Pandemie im Bereich der Digitalisierung von Lehrveranstaltungen einen großen Sprung nach vorne gemacht. Lehrende stehen der Erstellung digitaler oder hybrider Lehrangeboten aufgeschlossener gegenüber, Flipped Classroom oder Fernprüfungen wurden zumindest testweise eingeführt. Die meisten Studierenden finden diese Angebote gut und fragen sie auch nach Corona aktiv nach, als Zusatzangebot oder sogar Ersatz von Präsenzalternativen. 

Weiterhin wurden, um den Universitätsbeschäftigten die Arbeit aus dem Home Office zu ermöglichen, viele, aber nicht alle Prozesse digitalisiert. Videokonferenzen, Dokumentenmanagement, Formularserver und VPN-Verbindungen erlauben als technische Möglichkeiten, Personal- und Finanzprozesse auch im Verwaltungsbereich sicher abzuwickeln. Auch hier entsteht nach Corona eine Erwartungshaltung, diese neue Arbeitsumgebung beizubehalten und weiter auszubauen.

Diese Entwicklung ist nicht anders zu betrachten als in anderen Branchen: Nutzer, Kunden, Bürger sind mittlerweile an digitale Dienste gewöhnt, die am besten 24/7/365 verfügbar sind. Ziel muss es daher für die Hochschulen sein, die verfügbaren Personal- und Technikressourcen den neuen Anforderungen anzupassen -- diese sind nämlich während der Pandemie nicht mitgewachsen.

Was sind aus meiner Sicht die wesentlichen Herausforderungen und Hemmnisse, denen die deutschen Hochschulen ganz aktuell im Zuge der Digitalisierung gegenüberstehen?

Die gestiegenen Erwartungen der IT-Nutzer der Hochschulen an die Universitäten treffen auf eine unveränderte Personallage in den Rechenzentren und eine ebensolche Finanzsituation. Während der Corona-Pandemie sind digitale Dienste hinzugekommen, Hardware (Videoserver) erweitert und Softwarelizenzen (Zoom, MS365 Campuslizenzen) in großen Zahlen beschafft worden. Die daraus resultierenden zusätzlichen Aufgaben sind in den Rechenzentren mit hohem Aufwand ad hoc bewältigt worden; nach der Pandemie werden Server und Lizenzen aber dauerhaft weiterbetrieben.

Was als Projekt gestartet ist, geht in den Normalbetrieb über und benötigt dauerhafte Unterstützung. Und neue Anforderungen stehen bereits vor der Tür: Analysebasierte Lernsteuerung (Student Success /Relationship Management, Learning Analytics), nationale Anbindung an NFDI und OZG-Verfahren, internationale Anbindung z.B. an EMREX. Die Förderprogramme z.B. für mehr KI-Professuren erzeugen mehr Ressourcenbedarf für Digitalisierung im Forschungsbereich (High Performance Computing). Dies sind keine einmaligen Projekte, sondern auf Dauer angelegte Fachverfahren, die von den Hochschulen auch betreut werden müssen.

Gleichzeitig hemmen gewachsene Strukturen eine größere Arbeitsteilung untereinander. Fast jede Hochschule betreibt ein eigenes Rechenzentrum. Die qualitativen Anforderungen an die dortigen Stellen sind jedoch stark gewachsen. Die Aufgaben verändern sich vom reinen IT-Betrieb hin zur inhaltlichen Unterstützung der Anwender in Lehre und Forschung. Mit zunehmender Nutzung von Cloud-Diensten fällt der eigene IT-Betrieb sogar teilweise weg, das Rechenzentrum wandelt sich zum IT-Servicezentrum. Diese Entwicklung ist eigentlich positiv, denn der Betrieb eigener Mail-, Web- oder Moodle-Server „on premise“ stellt für die Hochschulen keinen Wettbewerbsvorteil mehr dar – im Gegenteil werden Ressourcen gebunden, die besser und individueller den Nutzern der Hochschule zugutekommen könnten. Diese allgemeinen Dienste könnten durch einen gemeinsamen IT-Betrieb mehrerer Hochschulen (Private Cloud) in digitaler Souveränität erbracht werden; länderweise Organisation bietet sich an. Derzeit gibt es aber für eine standortübergreifende Kooperation mit anderen Hochschulen aus Sicht der einzelnen Hochschule keinen ökonomischen Grund, da der Bezug von IT-Dienstleistungen als umsatzsteuerpflichtig angesehen werden kann, die Beschaffung eigener Hardware hingegen  mit 50% von der DFG bezuschusst wird.

Welche Hebel und Stellschrauben sehe ich, um diesen Herausforderungen zu begegnen? 

Zum Ersten muss es durch ökonomische und steuerliche Anreize gelingen, dass die Zusammenarbeit der Hochschulen in Hochschulkooperationen bzw. Digitalverbünden attraktiver gestaltet wird als ein Alleingang. Dazu gehört eine Betonung

1. von lokalen Implementierungs- und Schnittstellenprojekten, die Hochschulen an nationale und internationale Datendrehscheiben anbinden: NFDI, OZG, EMREX. Diese müssen die spezielle Situation und die Anwendungssysteme jeder Hochschule betrachten. Auch wenn große Systeme wie HISinOne in der ihnen eigenen Entwicklungsgeschwindigkeit Schnittstellen entwickeln, so ist die konkrete Umsetzung vor Ort je nach Anwendungsportfolio unterschiedlich aufwendig oder dringend. Für diese lokale Anpassung fehlen häufig Ressourcen.
2. der Schaffung gemeinsamer Servicestellen, welche die Hochschulen operativ (!) entlasten. Beispiele sind Rechtsberatung (Lizenzrecht, Datenschutzrecht, gemeinsame rechtliche Vertretung ggü. Lizenzgebern usw.), IT-Einkauf (Bewirtschaftung von Rahmenverträgen bis hin zur Anbindung an Einkaufssysteme der einzelnen Hochschule) oder IT-Sicherheit (Security Operations Center, Critical Emergency Response Team). Diese Servicestellen können länderspezifisch, aber auch länderübergreifend wirken.

Zum Zweiten entsteht durch die Förderung vieler digitaler Lehrprojekte (von StIL, BMBF usw.) ein Bedarf nach nachhaltiger Unterstützung derer technischer Implementierung. Das ist wiederum spezifisch für die einzelne Hochschule und wird zu einer dauerhaften Aufgabe im IT-Servicezentrum oder einer ähnlichen zentralen Stelle. Während bei den Förderprojekten im Lehrbereich die Didaktik, Konzeption und Durchführung einzelner Lehrveranstaltungen im Vordergrund steht, muss es hier um die Hintergrundaufgaben gehen: 

1. z.B. eine nachhaltige Einbettung der Lehrprojekte in eine meist hochschulspezifische gesamte technisch-digitale Lehr-, Lern-, Prüfungs- und Lernanalysearchitektur;
2. durch Anwendung von Student Success Management und Learning Analytics die datenschutzkonforme Realisierung datenbasierter Erkenntnisse und Interventionen, um z.B. Abbruchquoten zu minimieren.

Wo sehe ich einen besonderen Bedarf für ein hochschul- und länderübergreifend abgestimmtes Vorgehen, etwa zur Erschließung von Synergien, Vereinheitlichung von Schnittstellen oder Etablierung von Standards?

Viele der im vorhergehenden Abschnitt angesprochenen Maßnahmen können bereits durch Förderung innerhalb eines Bundeslandes angestoßen werden. Die Schaffung gemeinsamer Servicestellen wird z.B. im Digitalverbund Bayern durch Förderung des zuständigen Ministeriums realisiert. Für das Landesministerium ermöglicht dies eine gezielte und gebündelte Förderung einzelner Themengebiete, setzt allerdings eine vorherige Abstimmung und betriebliche Kooperation der Hochschulen voraus.

Einige Themen gehen jedoch über Ländergrenzen hinaus und müssen übergreifend, ggf. auch durch Anstoß auf Bundesebene unterstützt werden. Beispiele sind: 

1. die Unterstützung des Karrierewegs Studierender mit den drei Übergängen: Schule auf Bachelorstudium, Bachelor- auf Masterstudium und Masterstudium auf Erstanstellung (im öffentlichen Dienst, z.B. Lehrer, Juristen). Bei jedem Schritt ist eine Mobilität über Ländergrenzen hinweg möglich. Derzeit sind Medienbrüche hierbei eher die Regel als die Ausnahme, d.h. die strukturierten Daten der einen Seite werden auszugsweise auf der empfangenden Seite wieder manuell eingegeben. Bei den beiden Übergängen „Schule auf Studium“ und „Studium auf Erstanstellung“ sind nicht alleine die Hochschulen gefragt, sondern eine Digitalisierung muss mit anderen Ministeriumsbereichen gemeinsam angegangen werden. Beim Übergang „Bachelor auf Master“ ist das allerdings anders. Hier könnten die Hochschulen von sich aus eine Vereinheitlichung von Schnittstellen anstoßen. Dies ist umso wichtiger, weil wegen Anrechnungsfragen und Eignungsfragen häufig das komplette Bachelorzeugnis strukturiert verarbeitet werden muss. (--> Vereinheitlichung von Schnittstellen)
2. Die Unterstützungsmodalitäten von IT-Beschaffungen aus Bundesmitteln, was die DFG mit einschließt. Solange die Abrechnungsmodalitäten der einzelnen Hochschule eine Betrachtungsweise ermöglichen, welche eine isolierte Beschaffung austauschbarer IT-Standard-Hardware wie z.B. Mailserver günstiger zu stellen scheint als die Beschaffung von Diensten über eine Private oder Public Cloud, werden keine Kooperationsgewinne gehoben werden können. Die Logik, dass durch Bundes- oder Länderförderung der Kauf einer Mailserver-Hardware zu 50% bezuschusst wird, der Bezug von Maildiensten aus der Cloud aber mit 19% Umsatzsteuer belegt wird, führt isoliert betrachtet immer zur Beschaffung eigener Hardware; mit der daraus folgenden Notwendigkeit eigener Rechenräume, lokalem IT-Betriebspersonal, lokaler IT-Sicherheit und dem Ruf nach Ersatzinvestition nach wenigen Jahren. Die Unterstützungsmodalitäten müssen so geebnet sein, dass eine Entscheidung über „Make or Buy“ bezüglich IT-Dienstleistungen allein nach dem strategischen Interesse oder den operativen Ressourcenfähigkeiten der jeweiligen Hochschule getroffen werden kann. (--> Etablierung von Standards)
3. Private Clouds im Sinne des vorherigen Absatzes können auch von Hochschulen oder Verbünden betrieben werden, nicht nur von kommerziellen Anbietern. Wenn in diesem Fall (IT-) Leistungen zwischen Hochschulen geteilt werden, gelten derzeit bundesrechtliche Vorgaben z.B. im Finanzbereich (Umsatzsteuerpflicht). Innerhalb eines Bundeslandes kann man die gegenseitige Leistungserbringung vielleicht als staatliche Aufgabe begreifen. Es müsste aber auch möglich sein, dass diese Leistungserbringung ländergrenzenübergreifend passieren kann. Ggf. erfordert das eine Änderung von Bundesgesetzgebung. (--> Etablierung von Standards)
4. Die Analyse von Lerndaten erfordert schließlich eine Betrachtung und Auslegung der Datenschutzregeln, die am besten föderal harmonisiert erfolgen sollte. In einigen Bundesländern definiert das Hochschulgesetz, welche Daten zweckgebunden von den Studierenden erhoben werden sollen, um den Zweck der besseren Förderung des Studienerfolgs zu erfüllen. In verschiedenen Bundesländern gibt es jedoch verschiedene Auslegungen der zuständigen Datenschutzaufsicht, was mit diesen Daten angestellt werden darf. Hier sollte eine bundesweite Diskussion bessere Erkenntnisse liefern als sechzehn isolierte Diskussionen. (--> Erschließung von Synergien)

Fazit

Mit den Initiativen zur digitalen Lehre (vgl. Stiftung Innovation in der Hochschullehre) und digitalen Forschungsdaten (vgl. Nationale Forschungsdateninfrastruktur) hat Deutschland im Frontend an der Schnittstelle zu den Lehrenden und Forschenden bereits große Fortschritte und auch gute Erfahrungen gemacht. Was wir jetzt aufbauen müssen, ist das Backend, welches diese Initiativen auf Dauer auch am Laufen halten kann. Hier habe ich, hoffe ich, ein paar Vorschläge gemacht.

EDUCASE TOP10 IT Issues: übertragbar auf die deutsche Hochschullandschaft?

EDUCAUSE, die amerikanische Vereinigung der Hochschul-CIOs, ist durchaus besser organisiert als ihre europäischen oder gar deutschen Pendants. Die Herausforderungen sind aber auch andere: die Hochschulen haben ökonomische Zwänge, leben von vollzahlenden Masterstudiengängen, sind daher auch schneller und konsequenter beim Abschneider alter, kostenträchtiger Zöpfe. Man fragt sich also jedes Mal, wenn man von EDUCAUSE liest: ist das US-spezifisch, oder trifft es auch für deutsche Hochschulen zu? Voilá, anbei die aktuellen TOP10 Themen der amerikanischen Hochschul-IT-Landschaft:

 

Den erklärenden Artikel dazu findet man unter https://er.educause.edu/articles/2022/10/top-10-it-issues-2023-foundation-models. Die drei abstrakten Felder "Führen mit Weisheit", die "Ultra-intelligente Institution" und "Alles ist überall" können wir einmal so übernehmen -- abstrakt genug ist es ja.

Hinter "Führen mit Weisheit" verbirgt sich ein Blick auf die Führungs- und Personalsituation der Hochschul-IT. Zuerst, nicht überraschend, (#1) die Forderung nach Einbezug in die strategische Planung. In Deutschland haben wir schon seit einiger Zeit, auch durch Untersuchungen von Markus von der Heyde, ein ganz gutes Bild über die Ausprägung von CIO-Funktionen in den Hochschulleitungen. Das können wir also unterschreiben. Der Umgang mit Talenten (#3) ist bei uns ebenfalls ein Problem. Hier steht uns zum Einen das deutsche Dienstrecht im Weg, welches marktübliche Bezahlungen deutlich erschwert. Zum anderen sind Aufstiegsmöglichkeiten selten und wenig flexibel. Unter diesen Bedingungen zu führen (#5) ist auch bei uns eine Herausforderung. Zusammengefasst: ja, alle drei Punkte treffen auch bei uns zu.

Die "ultra-intelligente Institution" kümmert sich um den Studienerfolg durch Nutzung von Data Analytics, sowohl innerhalb des Studiums (#4, #7) als auch bei den Bewerbungen (#6). Den Analysen auch Taten folgen zu lassen (#7), ist dabei nicht selbstverständlich. Learning Analytics ist auch bei uns ein durchaus heißes Thema, welches durch das teilweise sehr deutsch diskutierte Thema Datenschutz aber ein höheres Aufregungspotential birgt. Hier ist sicherlich interessant, welche Technologien mit welchem Erfolg in den USA eingesetzt werden -- Vorreiter sind wir da nicht. Interessant ist allerdings, dass die Schulung zu Privacy und Awareness (#2) zugleich als sehr wichtig eingestuft wird. Hier haben wir vermutlich genauso Nachholbedarf wie die amerikanischen Kolleginnen.

Schließlich gibt es unter "Alles ist überall" eine Wahrnehmung auf den Studienort und Arbeitsplatz Hochschule, der nicht so anders ist, post-Covid, als in allen anderen Branchen. Die Grenzen des Arbeitens (#8) und des Lernens (#9) verschwimmen; Menschen arbeiten von zuhause, Studierende tragen ihre digitale Lernumgebung als primäre Informationsquelle zuhause als auch in der Uni mit sich herum.  Anwendungssysteme können auch in der Cloud laufen (#10), nicht mehr nur auf den Servern des Rechenzentrums: eine Chance, kein Fehler.

Im Ergebnis: doch nicht so unterschiedlich. Vielleicht sollten wir uns auch mal mit den Kolleginnen von EDUCAUSE unterhalten?

Zwei neue Empfehlungen zur Digitalisierung der Hochschullehre -- von Ministerien, für Ministerien (1/2)

Im Sommer 2022 waren die deutschen Hochschulbildungsgremien nicht untätig. Zwei neue Empfehlungen wurden veröffentlicht. Im Juli 2022 gab der Wissenschaftsrat seine Empfehlungen zur Digitalisierung in Lehre und Studium heraus. Im September 2022 zog die Kultusministerkonferenz mit ihrem Gutachten zur Digitalisierung im Bildungssystem nach.

Wie die Titel der beiden Reports schon sagen, geht es nicht um die Digitalisierung der Universitätsverwaltung und auch nicht um eine digital unterstützte Forschung. Das ist wieder einmal schade und zu kurz gegriffen. Diese drei Bereiche müssen zusammen gedacht und behandelt werden!

In diesem ersten von zwei Blogposts geht es um das Gutachten der KMK.

Die Empfehlungen der Ständigen Wissenschaftlichen Kommission der KMK für den Bildungsbereich Hochschule sind in drei Bereichen gruppiert. Da in der KMK die Länderministerien über ihr eigenes Vorgehen diskutieren, richten sich die Empfehlungen an die Ministerien, nicht an die Hochschulen und nicht an deren einzelne Lehrende.

Die Stärkung digitaler Kompetenzen bei Studierenden und Dozierenden hätte ich mir gerne vor der Covid-Pandemie thematisiert gewünscht. Faktisch haben wir in den letzten beiden Jahren hier einen großen Sprung gemacht, und ich gehe davon aus, dass die beiden nächsten Abiturientenjahrgänge so viel Erfahrung aus dem Homeschooling mitbringen, dass wir darauf gut aufbauen können. Etwas wohlfeil ist der Ruf nach Fortbildung für Lehrende -- das ist an den meisten Hochschulen längst etabliert, aber es wird zu wenig genutzt. Das liegt auch an der Bequemlichkeit der Lehrenden, aber noch viel mehr an der mangelnden Anrechenbarkeit digitaler Lehre auf das Lehrdeputat. Die meisten Hochschulen können nicht selber entscheiden, wie das Lehrdeputat gestaltet wird. Hier sind die Länderministerien selbst gefragt!

Beim Aufbau technischer, räumlicher, fachdidaktischer und rechtlicher Strukturen sehe ich uns CIOs auf jeden Fall mit im Boot. Aber auch hier hängen wir von den Ministerien ab. Um BYOD  nutzbar zu macht, braucht es WLAN. Das ist dort schwierig zu installieren, wo wir Hörsäle im Inneren von Stahlbetongebäuden aus den 1970ern vorfinden. Davon gibt es leider nicht so wenige, und diese stehen seit Jahren auf der Bauliste der jeweiligen Länder. Auch für den Übergang zwischen dem physischen und dem digitalen Raum brauchen wir Baumaßnahmen, z.B. um Seminarräume mit Videokonferenztechnologie auszurüsten. Dass wir schließlich IT-Personal so bezahlen müssen, wie es am Personalmarkt üblich ist, sollte selbstverständlich sein, daran hindert uns aber das starre Stellenkorsett des öffentlichen Dienstes.

Die Empfehlung zur Entwicklung von Lehr- und Digitalisierungsstrategien gebe ich gerne weiter und verstärke sie sogar. Wir haben uns an der Uni Bayreuth bereits zum zweiten Mal eine eigene Digitale Agenda gegeben, die uns bis 2025 leiten soll. Gleichzeitig haben wir CIOs in Bayern für alle Hochschulen eine Digitalisierungsstrategie erstellt und setzen diese in einer hochschulübergreifenden Kooperation als Digitalverbund um. Die Empfehlung der KMK fokussiert eher auf den Austausch von Lehr- und Lernmaterial (Open Educational Resources); das ist mir zu kurz. Die wirkliche Musik in der Kooperation spielt finanziell in gemeinsamen Verwaltungsprozessen, z.B. im Einkauf, oder in der Zusammenarbeit in der IT-Sicherheit.

Nach dem Ende der Pandemie folgt das Ende der Digitalisierung an den Unis -- oder nicht?

Das kollektive Aufatmen zu Beginn des Sommersemester 2022 war an meiner Universität deutlich hörbar. Endlich konnte wieder normale Präsenzlehre durchgeführt werden. Normale Klausuren, ohne Hilfsmittel und in großen Hörsälen wurden geschrieben. Die Lehrenden bauten die Influencerlampen auf ihren Schreibtischen ab, die sie zum Ausleuchten ihrer Vorlesungsaufzeichnungen verwendet hatten. Sitzungen von Fakultätsräten konnten auf mobile Videokonferenzkameras verzichten, deren Freisprecheinrichtungen die remote zugeschalteten Teilnehmer wegen des Halls sowieso nicht verstanden.

Alles wieder auf Anfang?

Nachdem die Corona Epidemie vorbei ist, könnte man auf die Idee gekommen, dass man auch der Digitalisierung der Universitäten Einhalt gebieten könnte. War es nicht mühsam und teuer mit der digitalen und hybriden Lehre? Könnte man nicht viel Geld sparen, indem die Zoom-Campuslizenz für alle aufgegeben, die Office365-Lizenz ohnehin wegen Bedenken der Datenschützer verboten und die Durchführung von Fernklausuren inkl. der Plagiatsüberprüfungen eingestellt wird?  

Es geht aber nicht nur um die Lehre. Auch in der Forschung möchten viele zurück in das Jahr 2019 und davor. Wissenschaftliche Konferenzen sollten wieder mit Flugzeugen angeflogen werden, oder? War es nicht schön, sich 24 Stunden in einen Flieger zu setzen um irgendwo in der Welt eine halbe Stunde zu 10 Zuhörern zu sprechen, die man vorher noch nie gesehen hatte und die keine Frage stellten? 

Diese kleine Überspitzung zeigt, dass es kein zurück gibt und auch nicht geben kann. Fast alle Konferenzen, die ich kenne, werden mittlerweile hybrid durchgeführt. Das ist für eine globale Verbreitung des Wissens absolut sinnvoll und erlaubt es dennoch denjenigen, die vor Ort teilnehmen, die so wichtige zwischenmenschliche Beziehung aufzubauen. Den richtigen Weg zur hybriden Lehre müssen wir aber noch finden. Das Pendel schwingt zurück in die andere Richtung, in eine vermeintlich bessere Vergangenheit.  Eine Welt in der alle Studierenden brav aufgereiht vor dem Dozenten im Hörsaal sitzen, wird als erstrebenswert angesehen. Es entspricht dem häufigen Normalfall vor der Corona-Pandemie und nährt so die Illusion von der guten alten Hochschulzeit. Vor dieser Art von Hörsaalromantik sollten wir uns hüten.

University professors manage a curated playlist

 The availability of all kinds of information on the Internet brings us to a new role for professors in university teaching. They become trusted intermediaries for knowledge acquisition.

As a professor, when I prepare new teaching materials for lectures, I naturally search the Internet for appropriate graphics, case studies, videos and other information. It is always amazing what material can be found there -- it ranges from incredibly well-prepared materials (e.g., Hans Rosling's TED Talks, which can be adopted almost unedited and in full beauty) to politically one-sided, colorized, or just plain wrong information. Using my knowledge and experience, I pick out the sound and credible media from this haystack and present it to my students in lecture.

The more external material I incorporate in this way, the more I create a playlist. In an earlier post, I did use the music analogy, and here it is similar. My students have a kind of basic trust in me as a lecturer, that the "music" I play will help them in their acquisition of knowledge.

*In the past* the lecturer was a "single source of truth", a "gatekeeper", who transferred exclusive information from the world of science into the teaching world. In the past, the only music I could hear was the music I played myself. In addition to this source, there was the library, also curated by a gatekeeper*, with further reading.

This world has changed. Similar to the transition from edited encyclopedias to unedited Wikipedia, the role of the former gatekeepers must change with it. We professors must drown out a growing background noise of dangerous half-knowledge as we attempt to share our knowledge. From all sides and even during lectures, our students are bombarded with unfiltered music, texts, and images on the very topics we want to teach, meticulously prepared and neatly supported with citations.

What do I have to do? Put my beautiful music against the ever louder noise and become louder myself, more pointed, more opinionated, more pointed, so that I can be heard? So that perhaps less balanced and less scientific? That can't be it.

Rather, I now see my task as compiling a playlist for students from the available music (= information from around the world). This playlist is curated, it can be followed, it can be liked, it brings my students closer to a topic -- in a natural process that is comprehensible to them and that is obviously gaining a foothold in other fields.

We just have to overcome the not invented here syndrome. That exists with professors, too, but that will be another post.

Translated with DeepL

German Universities and the cloud -- what do we need to do?

The accelerated digitization of German colleges and universities in 2020/2021, in response to the COVID19 pandemic, would not have been possible without the massive uptake of cloud offerings. Teaching via video conferencing systems such as Zoom, digital remote exams with and without proctoring, and collaborative work via collaboration systems such as Confluence or Microsoft Teams found their way into the normal working day virtually overnight. More digitization happened in a few weeks than in the years before. Cloud providers such as Zoom, Google, and Microsoft captured shares of the digitization budget to a much greater extent than ever before planned. It became very clear during this period that the pre-pandemic digital world was caught up with a reality for which the universities and their administrations, which were nevertheless quite slow to act, were not prepared in their basic structures.

Cloud services extend the IT services previously used in universities and are mostly provided by their own data centers. They can be set up quickly and decentrally on PCs and notebooks and used by university staff. They do not lead to the acquisition of new large-scale equipment in the data centers, but they do lead to demand for user support from existing IT staff.

Utilization of these additional options, which are intended to improve the attractiveness and competitiveness of a university, is only possible after fundamental, internal considerations. Whereas in the past a data center or IT department could decide for itself whether to introduce software, the use of cloud services raises strategic issues that can only be resolved at the level of university management. The relocation of parts of the IT infrastructure, including data storage "off-campus", has implications for digital sovereignty, the design of basic infrastructures, or personnel development. In addition to new opportunities, unexpected dependencies arise. Recommendations for the concrete use of cloud services in universities were published by ZKI e. V. in 2021 in a result report with specific recommendations. The HRK has taken up the topic with Circular No. 26/2021.

There are strategic questions that must be fundamentally answered at the level of university managements, CIOs, ministries, federal states HRK before cloud use. They concern organizational, legal, and financial framework conditions.

Digital sovereignty: Most German universities operate their own data center. There are many reasons for this. Cloud services have been added during the pandemic. With cloud services, there is perceived uncertainty about the long-term development of license fees, as well as a dependency due to the increasing integration of cloud services into everyday operations (vendor lock-in). In the future, universities will have to weigh up on a political level whether such uncertainties and dependencies should be accepted or whether providing services in their own data center is fundamentally a sovereign path.

Cooperation structures: Private clouds could represent a middle ground between a company's own data center and cloud services from commercial providers. These could be either inter-university offerings via state data centers or the direct provision of services between universities. The decision on cooperation will have to be made partly by the universities themselves and partly in dialog with the state ministries. This also raises the question of the institutional structure of the cooperation. The state of Bavaria is attempting to establish this cooperation as a statutory task by founding a digital alliance (cf. Art 6(5) of the Higher Education Innovation Act) and to address the issues jointly across all types of higher education institutions.

Fiscal aspects of cooperation: the purchase of IT services is subject to VAT unless it is scientific cooperation. This applies to commercial cloud offerings (Microsoft 365, Zoom), but also, depending on the design, to inter-university offerings via the above-mentioned cooperation structures. Unless there is a provision in tax law here, e.g. that cooperation between universities is a public task, an IT service via cooperation may be up to 19% more expensive than providing the same service via an own university computer center.

Procurement: the current ways of procuring IT services are geared toward operating their own university computer centers. In the nationwide DFG funding program "Grossgeräte der Länder", they are half-subsidized with federal funds. Therefore, state-funded universities have no incentive to consider cloud services as a substitute if they have to pay for them in full.

Support structures: academics are used to being able to request assistance from commercial data centers, networks, and cloud operators 24 hours a day, 7 days a week. Small to mid-sized universities cannot provide this support. What does this mean for future workforce planning?

Sustainability: Increasingly, the university's own IT provision needs to be climate-proofed. For the state of Bavaria, an initial study has revealed a need for construction measures in the double-digit millions to meet the climate targets set by the state and federal governments concerning existing university data centers. Should these investments still be made when "everything is going to the cloud"?

The search for legal frameworks regarding the necessary cloud use in a European, or better, the inner-German legal framework is obvious. The Zoom provision of the DFN via the Telekom cloud shows an inner-German way for personal data of students and researchers, the NFDI for research data. However, cloud-based delivery of online university elections is not yet possible in many countries and is the subject of ongoing legal discussions.

With these issues in mind, it is necessary to take a hybrid view of the reliable and sustainable provision of IT services and to create prerequisites in each direction. The goal must be to efficiently operate IT infrastructures for universities that have been built and maintained with tax funds.


Translated with DeepL, edited with Grammarly.

Deutsche Unis in der Cloud - was muss noch getan werden?

Die beschleunigte Digitalisierung der deutschen Hochschulen und Universitäten in den Jahren 2020/2021, als Reaktion auf die COVID19-Pandemie, wäre ohne die massive Inanspruchnahme von Cloud-Angeboten nicht möglich gewesen. Lehre über Videokonferenzsysteme wie Zoom, digitale Fernprüfungen mit und ohne Proctoring, gemeinsames Arbeiten über Kollaborationssysteme wie Confluence oder Microsoft Teams fanden quasi über Nacht den Eingang in den normalen Arbeitsalltag. In wenigen Wochen passierte mehr Digitalisierung als in den Jahren davor. Cloud-Anbieter wie Zoom, Google, Microsoft eroberten sich Anteile am Digitalisierungsbudget in viel höherem Maße als jemals vorher geplant. Sehr deutlich wurde in dieser Zeit, dass die digitale Welt vor der Pandemie von einer Realität eingeholt wurde, auf welche die doch recht langsam agierenden Universitäten und deren Verwaltungen in ihren Grundstrukturen nicht vorbereitet waren.

Clouddienste erweitern die bisher in den Hochschulen genutzten und meist von den eigenen Rechenzentren angebotenen IT-Dienste. Sie können schnell und dezentral auf den PCs und Notebooks eingerichtet und von den Hochschulangehörigen genutzt werden. Sie führen nicht zur Anschaffung neuer Großgeräte in den Rechenzentren, wohl aber zur Nachfrage nach Unterstützung der Anwenderinnen und Anwender durch das bestehende IT-Personal. 

Eine Nutzung dieser zusätzlichen Optionen, mit denen die Attraktivität und Wettbewerbsfähigkeit einer Hochschule verbessert werden soll, ist nur nach grundlegenden, internen Überlegungen möglich. Konnte früher ein Rechenzentrum oder eine IT-Abteilung selbst über die Einführung einer Software entscheiden, so entstehen bei der Nutzung von Cloud-Services strategische Fragen, die nur auf der Ebene einer Hochschulleitung zu klären sind. Die Verlagerung von Teilen der IT-Infrastruktur einschließlich der Datenspeicherung „off-campus“ hat Auswirkungen auf die digitale Souveränität, die Gestaltung von Basisinfrastrukturen oder die Personalentwicklung. Neben neuen Möglichkeiten entstehen unerwartete Abhängigkeiten. Empfehlungen zur konkreten Nutzung von Cloud-Diensten in Hochschulen hat der ZKI e. V. im Jahr 2021 in einem Ergebnisbericht mit konkreten Empfehlungen veröffentlicht. Mit dem Rundschreiben Nr. 26/2021 hat die HRK das Thema aufgegriffen.

Es gibt strategische Fragen, die vor einer Cloudnutzung auf der Ebene der Hochschulleitungen, der CIOs, der Ministerien, Bundesländer HRK grundlegend beantwortet werden müssen. Sie betreffen organisatorische, gesetzliche und finanzielle Rahmenbedingungen.

1. Digitale Souveränität: Die meisten deutschen Hochschulen betreiben ein eigenes Rechenzentrum. Die Gründe dafür sind vielfältig. Während der Pandemie sind Cloud-Dienste dazu gekommen. Bei Cloud-Diensten wird eine Unsicherheit bezüglich der langfristigen Entwicklung der Lizenzgebühren wahrgenommen, sowie eine Abhängigkeit durch eine zunehmende Integration der Cloud-Dienste in den Betriebsalltag (Vendor Lock-In). Die Hochschulen werden in Zukunft auf politischer Ebene abwägen müssen, ob solche Unsicherheiten und Abhängigkeiten in Kauf genommen werden sollen oder eine Bereitstellung von Diensten im eigenen Rechenzentrum grundsätzlich ein souveräner Weg ist.
2. Kooperationsstrukturen: Einen Mittelweg zwischen eigenem Rechenzentrum und Cloud-Diensten kommerzieller Anbieter könnten Private Clouds darstellen. Bei diesen könnte es sich entweder um interuniversitäre Angebote über Landesrechenzentren oder um die direkte Erbringung von Diensten zwischen Hochschulen handeln. Die Entscheidung über eine Kooperation wird zum Teil von den Hochschulen selbst, zum Teil mit den Länderministerien im Dialog zu treffen sein. Damit stellt sich auch die Frage nach der institutionellen Gestaltung der Kooperation. Das Bundesland Bayern versucht, durch Gründung eines Digitalverbundes (vgl. Art 6(5) des Hochschulinnovationsgesetzes) diese Kooperation als gesetzliche Aufgabe zu etablieren und die Fragen gemeinschaftlich über alle Hochschultypen hinweg anzugehen.
3. Steuerliche Aspekte der Kooperation: der Bezug von IT-Diensten unterliegt der Umsatzsteuer, sofern es sich nicht um Wissenschaft handelt. Dies betrifft kommerzielle Cloudangebote (Microsoft 365, Zoom), aber je nach Ausgestaltung auch interuniversitäre Angebote über die o.a. Kooperationsstrukturen. Sofern hier keine steuergesetzliche Vorkehrung getroffen wird, z.B. dass Kooperation zwischen Hochschulen eine öffentliche Aufgabe darstellt, wird ein IT-Dienst über eine Kooperation ggf. bis zu 19% teurer sein als die Erbringung des gleichen Dienstes über ein eigenes Hochschulrechenzentrum.
4. Beschaffung: die bisherigen Wege der Beschaffung von IT-Diensten sind auf den Betrieb eigener Hochschulrechenzentren ausgerichtet. Im DFG-Programm „Großgeräte der Länder“ werden sie hälftig mit Bundesmitteln bezuschusst. Daher gibt es keine Anreize für die länderfinanzierten Hochschulen, Clouddienste als Ersatz zu betrachten, wenn sie diese voll bezahlen müssen.
5. Unterstützungsstrukturen: Wissenschaftlerinnen und Wissenschaftler sind daran gewöhnt, bei kommerziellen Rechenzentren, Netz- und Cloudbetreibern 24 Stunden am Tag und 7 Tage in der Woche Hilfe anfordern zu können. Diese Unterstützung können kleine bis mittlere Hochschulen nicht leisten. Was bedeutet dies für zukünftige Personalplanungen?
6. Nachhaltigkeit: In zunehmendem Maße muss die eigene IT-Bereitstellung klimatechnisch verbessert werden. Für das Bundesland Bayern hat eine erste Untersuchung einen zweistelligen Millionenbedarf an notwendigen Baumaßnahmen ergeben, um den Klimazielen von Land und Bund bezüglich der bestehenden Hochschulrechenzentren gerecht werden zu können. Sollen diese Investitionen noch getätigt werden, wenn doch „alles in die Cloud geht“?
7. Die Suche nach gesetzlichen Rahmenbedingungen bezüglich der notwendigen Cloud-Nutzung in einem europäischen, besser innerdeutschen Rechtsrahmen ist offensichtlich. Die Zoom-Bereitstellung des DFN über die Telekom-Cloud zeigt einen innerdeutschen Weg für personenbezogene Daten von Studierenden und Forschenden, die NFDI für Forschungsdaten. Die cloudbasierte Durchführung von Online-Hochschulwahlen ist in vielen Ländern aber noch nicht möglich und Gegenstand laufender rechtlicher Diskussionen.

Mit Blick auf diese Fragen ist es notwendig, die zuverlässige und nachhaltige Bereitstellung von IT-Diensten hybrid zu betrachten und in jede Richtung Voraussetzungen zu schaffen. Ziel muss es sein, aus Steuermitteln aufgebaute und unterhaltene IT-Infrastrukturen für Hochschulen effizient zu betreiben.