Schliepi

Nur weil du es nicht gebraucht hast, heißt das noch lange nicht, dass es keine Leute gibt die das brauchen. Der Bachelor soll eine breite Grundausbildung darstellen, und die Themen sind durchaus für einige Felder relevant. Natürlich brauchst du nie alles, aber für jeden Teilbereich gibt es Leute, die das brauchen:
Low-Level Architekturen (Neumann, Harvard, irgendwelche Mischformen, ...) sind durchaus relevant, wenn man Low-Level Performance Tuning betreiben möchte, z.B. bei Cache-Optimierung
Die verschiedenen TCP Arten, Header, MTU-Größe und so weiter ist alles relevant, wenn man Netzwerktechnik macht
Turingmaschinen sind relevant für Theorem Prover und Formale Verifikation, was gerade in Zeiten von AI ja wieder interessanter wird
Kontextfreie (und seltener Kontextsensitive) Grammatiken sind relevant für den Compilerbau
Analysis brauchst du für Numerische Simulation
Lineare Algebra und Stochastik brauchst du für Statistisches Lernen
und und und
Mit dem Argument "brauche ich nicht" kann man auch Großteile des Schulstoffes wie z.B. Kurvendiskussion oder Stochastik abschaffen. Nur weil du das nicht braucht, heißt das noch lange nicht, dass dein Kumpel neben dir, der Ingenieur werden will, das nicht braucht.
Der Fachinformatiker hingegen behandelt wirklich nur das Allernötigste, das wirklich JEDER braucht. Wenn du dein Studium verwendest um hinterher Sysadmin oder Webdev zu werden... selber Schuld.

Das kommt jetzt nicht ganz überraschend, denn ein Bachelor in Wirtschaftsinformatik soll üblicherweise nicht auf Administratortätigkeiten vorbereiten. Viele Leute die ich kenne, ohne dir das zu unterstellen, wählen die Wirtschaftsinformatik nicht aus dem besonderen eigenen Interesse an der Verknüpfung Informatik mit der Betriebswirtschaft, sondern weil sie "Respekt" vor dem Studium der reinen Informatik haben. Insbesondere was die Anteile an Mathematik angeht. Diese Abschlüsse sind anders und bereiten auf ganz andere Themen vor. Natürlich ist jeder schlecht beraten, der ein Studium dafür absolviert, hinterher der Tätigkeit eines Fachinformatikers nachzugehen. Wenn drei Jahre Studium keinen Mehrwert gebracht haben, dann waren die drei Jahre defintiiv schlecht angelegt, was dann aber eher an der Studien(ein)richtung liegt.

Und dennoch gibt es deutlich mehr Leute, die nach der Fachinformatiker Ausbildung noch über ein Studium nachdenken, als es Personen mit Informatikbachelor gibt, die noch eine Ausbildung anhängen möchten. Wie auch immer das in Zukunft weiterlaufen wird, aber Theoriewissen und die Herausforderungen eines intensiven Studiums rentieren sich eher langfristig als kurzfristig. Ich glaube, dass insbesondere das Thema "KI" dazu führt, dass Leute mit oberflächlichem Wissen weniger gefragt sind, als Leute, die tiefergehendes Verständnis haben um Ergebnisse bewerten zu können.

Ich möchte nicht den Anspruch erheben, auf die hier aufgeworfenen Fragen eine abschließende Antwort zu haben. Aber dennoch fühlen sich viele Antworten hier etwas "biased" an, was den Stellenwert eines Studiums angeht. Jetzt muss man heutzutage leider einfach konstantieren, dass es viele schlechte (meiner Meinung nach überwiegend private) Hochschulen gibt, deren Absolventen eine zweifelhafte Qualität aufweisen. Aber die gleichen Personen, die hier in einem Thread argumentieren, dass durch die Akkreditierung alle Hochschulabschlüsse gleichwertig sind, stellen in einem anderen Thread fest, dass die Stellensuche mit einem Jodeldiplom einer privaten Hochschule doch nicht so einfach ist. Natürlich gibt es diese Problemfälle auch auf staatlichen Hochschulen, nur eben in anderer Quantität.
Gleichwohl kann man hier im Forum bzw. besonders auch auf Reddit viel über Auszubildende lesen, die weite Teile ihrer Berufserfahrung im First Level Support (ausschalten, einschalten) sammeln: hier würde ich die Berufserfahrung am Ende der Ausbildung auch nicht überbewerten wollen. Das, was dann von der Berufsschule kam und in AP1 und AP2 abgeprüft wurde ist mMn schon recht überschaubar in Komplexität und Tiefe. Das ist kein Vorwurf, aber es ist einfach etwas anderes als ~20 Modulprüfungen eines 180 ECTS Studiengangs.
Ich würde sagen, dass ein durchschnittlicher frischer Bachelorabsolvent mehr gelernt hat, als ein durchschnittlicher frisch-ausgebildeter Fachinformatiker. In beiden Lagern gibt es dann bessere und schlechtere, ohne Frage. Auch kann der jeweilige Fokus recht verschiedenen sein, denn "den Studiengang" und "das Studium" gibt es ohnehin nicht.
In Bewerbungsprozessen wird ggf. immer genau das grade fehlen, was gerade nicht vorhanden ist. Dem Fachinformatiker wird erzählt, dass eigentlich jemand mit einem Studium gesucht wird, und dem Studienabsolventen wird erzählt, dass mehr Berufserfahrung erwartet wird.

Ich möchte nicht den Anspruch erheben, auf die hier aufgeworfenen Fragen eine abschließende Antwort zu haben. Aber dennoch fühlen sich viele Antworten hier etwas "biased" an, was den Stellenwert eines Studiums angeht. Jetzt muss man heutzutage leider einfach konstantieren, dass es viele schlechte (meiner Meinung nach überwiegend private) Hochschulen gibt, deren Absolventen eine zweifelhafte Qualität aufweisen. Aber die gleichen Personen, die hier in einem Thread argumentieren, dass durch die Akkreditierung alle Hochschulabschlüsse gleichwertig sind, stellen in einem anderen Thread fest, dass die Stellensuche mit einem Jodeldiplom einer privaten Hochschule doch nicht so einfach ist. Natürlich gibt es diese Problemfälle auch auf staatlichen Hochschulen, nur eben in anderer Quantität.
Gleichwohl kann man hier im Forum bzw. besonders auch auf Reddit viel über Auszubildende lesen, die weite Teile ihrer Berufserfahrung im First Level Support (ausschalten, einschalten) sammeln: hier würde ich die Berufserfahrung am Ende der Ausbildung auch nicht überbewerten wollen. Das, was dann von der Berufsschule kam und in AP1 und AP2 abgeprüft wurde ist mMn schon recht überschaubar in Komplexität und Tiefe. Das ist kein Vorwurf, aber es ist einfach etwas anderes als ~20 Modulprüfungen eines 180 ECTS Studiengangs.
Ich würde sagen, dass ein durchschnittlicher frischer Bachelorabsolvent mehr gelernt hat, als ein durchschnittlicher frisch-ausgebildeter Fachinformatiker. In beiden Lagern gibt es dann bessere und schlechtere, ohne Frage. Auch kann der jeweilige Fokus recht verschiedenen sein, denn "den Studiengang" und "das Studium" gibt es ohnehin nicht.
In Bewerbungsprozessen wird ggf. immer genau das grade fehlen, was gerade nicht vorhanden ist. Dem Fachinformatiker wird erzählt, dass eigentlich jemand mit einem Studium gesucht wird, und dem Studienabsolventen wird erzählt, dass mehr Berufserfahrung erwartet wird.

Ich möchte nicht den Anspruch erheben, auf die hier aufgeworfenen Fragen eine abschließende Antwort zu haben. Aber dennoch fühlen sich viele Antworten hier etwas "biased" an, was den Stellenwert eines Studiums angeht. Jetzt muss man heutzutage leider einfach konstantieren, dass es viele schlechte (meiner Meinung nach überwiegend private) Hochschulen gibt, deren Absolventen eine zweifelhafte Qualität aufweisen. Aber die gleichen Personen, die hier in einem Thread argumentieren, dass durch die Akkreditierung alle Hochschulabschlüsse gleichwertig sind, stellen in einem anderen Thread fest, dass die Stellensuche mit einem Jodeldiplom einer privaten Hochschule doch nicht so einfach ist. Natürlich gibt es diese Problemfälle auch auf staatlichen Hochschulen, nur eben in anderer Quantität.
Gleichwohl kann man hier im Forum bzw. besonders auch auf Reddit viel über Auszubildende lesen, die weite Teile ihrer Berufserfahrung im First Level Support (ausschalten, einschalten) sammeln: hier würde ich die Berufserfahrung am Ende der Ausbildung auch nicht überbewerten wollen. Das, was dann von der Berufsschule kam und in AP1 und AP2 abgeprüft wurde ist mMn schon recht überschaubar in Komplexität und Tiefe. Das ist kein Vorwurf, aber es ist einfach etwas anderes als ~20 Modulprüfungen eines 180 ECTS Studiengangs.
Ich würde sagen, dass ein durchschnittlicher frischer Bachelorabsolvent mehr gelernt hat, als ein durchschnittlicher frisch-ausgebildeter Fachinformatiker. In beiden Lagern gibt es dann bessere und schlechtere, ohne Frage. Auch kann der jeweilige Fokus recht verschiedenen sein, denn "den Studiengang" und "das Studium" gibt es ohnehin nicht.
In Bewerbungsprozessen wird ggf. immer genau das grade fehlen, was gerade nicht vorhanden ist. Dem Fachinformatiker wird erzählt, dass eigentlich jemand mit einem Studium gesucht wird, und dem Studienabsolventen wird erzählt, dass mehr Berufserfahrung erwartet wird.

Ich möchte nicht den Anspruch erheben, auf die hier aufgeworfenen Fragen eine abschließende Antwort zu haben. Aber dennoch fühlen sich viele Antworten hier etwas "biased" an, was den Stellenwert eines Studiums angeht. Jetzt muss man heutzutage leider einfach konstantieren, dass es viele schlechte (meiner Meinung nach überwiegend private) Hochschulen gibt, deren Absolventen eine zweifelhafte Qualität aufweisen. Aber die gleichen Personen, die hier in einem Thread argumentieren, dass durch die Akkreditierung alle Hochschulabschlüsse gleichwertig sind, stellen in einem anderen Thread fest, dass die Stellensuche mit einem Jodeldiplom einer privaten Hochschule doch nicht so einfach ist. Natürlich gibt es diese Problemfälle auch auf staatlichen Hochschulen, nur eben in anderer Quantität.
Gleichwohl kann man hier im Forum bzw. besonders auch auf Reddit viel über Auszubildende lesen, die weite Teile ihrer Berufserfahrung im First Level Support (ausschalten, einschalten) sammeln: hier würde ich die Berufserfahrung am Ende der Ausbildung auch nicht überbewerten wollen. Das, was dann von der Berufsschule kam und in AP1 und AP2 abgeprüft wurde ist mMn schon recht überschaubar in Komplexität und Tiefe. Das ist kein Vorwurf, aber es ist einfach etwas anderes als ~20 Modulprüfungen eines 180 ECTS Studiengangs.
Ich würde sagen, dass ein durchschnittlicher frischer Bachelorabsolvent mehr gelernt hat, als ein durchschnittlicher frisch-ausgebildeter Fachinformatiker. In beiden Lagern gibt es dann bessere und schlechtere, ohne Frage. Auch kann der jeweilige Fokus recht verschiedenen sein, denn "den Studiengang" und "das Studium" gibt es ohnehin nicht.
In Bewerbungsprozessen wird ggf. immer genau das grade fehlen, was gerade nicht vorhanden ist. Dem Fachinformatiker wird erzählt, dass eigentlich jemand mit einem Studium gesucht wird, und dem Studienabsolventen wird erzählt, dass mehr Berufserfahrung erwartet wird.

Es wäre mal interessant zu prüfen, ob sich seit der Einführung der "KI" die mittlereile Fragelänge von neuen Threads geändert hat. Meine (subjektive) Wahrnehmung ist, dass es kaum noch über Promptlänge hinausgeht. Es geht (gefühlt) immer mehr in Richtung "hier ist mein Einzeiler, mehr war es mir nicht wert, jetzt springt mal bitte alle für mich".

Es wäre mal interessant zu prüfen, ob sich seit der Einführung der "KI" die mittlereile Fragelänge von neuen Threads geändert hat. Meine (subjektive) Wahrnehmung ist, dass es kaum noch über Promptlänge hinausgeht. Es geht (gefühlt) immer mehr in Richtung "hier ist mein Einzeiler, mehr war es mir nicht wert, jetzt springt mal bitte alle für mich".

Es wäre mal interessant zu prüfen, ob sich seit der Einführung der "KI" die mittlereile Fragelänge von neuen Threads geändert hat. Meine (subjektive) Wahrnehmung ist, dass es kaum noch über Promptlänge hinausgeht. Es geht (gefühlt) immer mehr in Richtung "hier ist mein Einzeiler, mehr war es mir nicht wert, jetzt springt mal bitte alle für mich".

Es wäre mal interessant zu prüfen, ob sich seit der Einführung der "KI" die mittlereile Fragelänge von neuen Threads geändert hat. Meine (subjektive) Wahrnehmung ist, dass es kaum noch über Promptlänge hinausgeht. Es geht (gefühlt) immer mehr in Richtung "hier ist mein Einzeiler, mehr war es mir nicht wert, jetzt springt mal bitte alle für mich".

Wenn lediglich einige Stunden Aufwand nötig sind, um eine spürbare Qualifikationsverbesserung zu erreichen, erschließt sich mir nicht, was einen Ausbildungsbetrieb ernsthaft davon abhalten sollte. Angesichts der Tatsache, dass die Zahl neuer KI-Fachkräfte auf dem Arbeitsmarkt nahezu explosionsartig wächst (vgl. Linkedin et al.), dürfte dies auch personell kaum ein Hindernis darstellen.
Gleichwohl bleibe ich bei dem Grundsatz: "A fool with a tool is still a fool." Wenn es an der Fähigkeit fehlt, Probleme eigenständig und ohne KI-Unterstützung zu lösen, werden einige Stunden KI-Training daran wenig ändern. Entscheidend ist nicht das Werkzeug, sondern das Verständnis und die methodische Kompetenz derjenigen, die es nutzen.

Genau darin liegt für mich auch der Schwachpunkt deiner Umfrage. Es wird eine "gezielte" einer "speziellen" "KI"-Ausbildung gegenübergestellt. Ich verstehe zwar den Gedanken hinter dieser dichotomen Auswahl, halte sie aber für zu unscharf. Es macht einen erheblichen Unterschied, ob das Thema lediglich für eine Stunde angerissen wird oder ob dafür ein eigenes Lernfeld geschaffen werden soll. Man könnte sogar argumentieren, dass der Begriff "gezielte KI-Ausbildung" theoretisch auch einen Anteil von 0 % umfassen könnte.

Wenn lediglich einige Stunden Aufwand nötig sind, um eine spürbare Qualifikationsverbesserung zu erreichen, erschließt sich mir nicht, was einen Ausbildungsbetrieb ernsthaft davon abhalten sollte. Angesichts der Tatsache, dass die Zahl neuer KI-Fachkräfte auf dem Arbeitsmarkt nahezu explosionsartig wächst (vgl. Linkedin et al.), dürfte dies auch personell kaum ein Hindernis darstellen.
Gleichwohl bleibe ich bei dem Grundsatz: "A fool with a tool is still a fool." Wenn es an der Fähigkeit fehlt, Probleme eigenständig und ohne KI-Unterstützung zu lösen, werden einige Stunden KI-Training daran wenig ändern. Entscheidend ist nicht das Werkzeug, sondern das Verständnis und die methodische Kompetenz derjenigen, die es nutzen.

Genau darin liegt für mich auch der Schwachpunkt deiner Umfrage. Es wird eine "gezielte" einer "speziellen" "KI"-Ausbildung gegenübergestellt. Ich verstehe zwar den Gedanken hinter dieser dichotomen Auswahl, halte sie aber für zu unscharf. Es macht einen erheblichen Unterschied, ob das Thema lediglich für eine Stunde angerissen wird oder ob dafür ein eigenes Lernfeld geschaffen werden soll. Man könnte sogar argumentieren, dass der Begriff "gezielte KI-Ausbildung" theoretisch auch einen Anteil von 0 % umfassen könnte.

Meine auch, und konterkariert ein wenig die Hoffnung und den Optimismus den jüngeren Menschen noch einen guten Weg/eine gute Zukunftsperspektive zu eröffnen.

Glücklicherweise kenne ich mittlerweile einige wertgeschätzte Senior-Entwickler, welche beginnen umzudenken.

Anknüpfend an das, was @Schliepi gesagt hat: Ich bin mir immer noch nicht sicher, worüber hier eigentlich diskutiert wird. Geht es hier um Prompting (was man an einem Nachmittag erlernen kann), KI & Ethik (ein Riesenfass, was ich eigentlich nicht aufmachen möchte), das Einordnen und Evaluieren von LLM-Antworten (was automatisch mit Erfahrung kommt), oder das Entwicklen und verstehen von datengetriebenen Systemen (was auch immer das bedeuten mag)? Was ist "KI" in dem Kontext überhaupt? LLMs?
Ich weiß ehrlich gesagt nicht, wie konzeptionelles Verständnis ohne mathematische Herleitungen auf Hochschulniveau erfolgen soll. Warum ein Modell funktioniert, wo es scheitert und wann ich es einsetzen darf ist ein Riesenfass. In der Ökonomie (anderes Thema, ich weiß), gibt es eine Menge aktive Forschung, die nur untersucht, warum ich auf ein gegebenes Problem ein gewisses statistisches Modell anwenden kann.
Alleine so etwas einfaches wie lineare Regression, was ja jeder mal in der Schule gehabt hat ("Wie lege ich eine Gerade möglichst akkurat durch ein paar Messpunkte"), erfordert relativ schnell mal mindestens Grundlagen in Linearer Algebra und Statistik, wenn man über Regularisierung oder Multicollinearity reden will. Von komplexeren Modellen wie Gradient-Boosting Verfahren, SVMs, oder neuronalen Netzen in diskreter oder kontinuierlicher Zeit mal abgesehen.
Ich bekomme über zwei Ecken immer mal wieder mit, wie bei uns an der Uni an der Data Science Bachelor PO geschraubt wird, habe selber auch entsprechende Veranstaltungen tutoriert, und ich finde ehrlich gesagt 3 Jahre Studium schon relativ knapp bemessen für das Thema. Wahl des Modells und anschließendes Training ist auch keine Trivialität.
Wenn es aber nur um das Einbinden von Agents und Aufbauen von Pipelines geht - sorry, aber dafür braucht es kein Hintergrundwissen in Data Science. Da reichen absolut grundlegende Fähigkeiten im Bereich Anwendungsentwicklung und Netzwerktechnik. API-Calls sind API-Calls, ob es jetzt an eine Datenbank, einen Webserver, einen MQTT-Broker, oder einen Agent geht ist doch völlig egal.
Bei dem hier
sehe ich ehrlich gesagt nicht die Notwendigkeit, da KI als Thema mit reinzubringen. Das System funktioniert genau gleich, ob da eine KI oder ein anderer Netzwerkdienst dahintersteht. Wenn überhaupt, dann sind mMn solche Themen eher interessant, weil sie spannende Fragestellungen in verteilten Systemen mit sich bringen - und nicht weil da eine KI dahinterhängt.
Insofern bin ich nicht von der Notwendigkeit KI in die Ausbildung zu integrieren überzeugt. Ich denke den Fokus darauf zu legen, den angehenden Fachinformatikern solides Handwerkszeug beizubringen (Programmieren, Softwareentwicklung, Netzwerktechnik, Betriebssysteme, ...), bringt ihnen mehr. Alles andere ist entweder bei soliden Grundlagen schnell selber gelernt, oder erfordert so viel Zeit, dass es schlichtweg die anderen Themen komplett verdrängen würde.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

Mein Verständnis von KI-Skills
ist idealerweise eine fundierte Ausbildung -- etwa im Bereich Data Science oder Machine Learning -- sowie die Fähigkeit, sowohl mit klassischen ML-Verfahren als auch mit künstlichen neuronalen Netzen eigenständig Modelle zu entwickeln. Dazu gehört ebenso, diese Systeme für konkrete Anwendungsfälle zu optimieren, kritisch zu evaluieren und nachhaltig in bestehende Prozesse zu integrieren.
Was häufig als KI-Skills bezeichnet wird
ist die Nutzung eines vorgefertigten Systems, welches -- nicht selten von externen Anbietern -- über eine einfache Eingabemaske oder Schnittstelle bereitgestellt wird. Manche fühlen sich bereits dann als Experten, wenn sie glauben, Anfragen besonders geschickt formulieren zu können (Prompting). Eine andere Variante besteht darin, fertige Modelle herunterzuladen und einzubinden, ohne deren Funktionsweise wirklich zu verstehen. Dies in der Hoffnung, dass bei der Integration in Geschäftsprozesse und Entwicklungsprozessen schon nichts schiefgehen wird.
Nach meiner Einschätzung lässt sich dieses oberflächliche Niveau an Kompetenz innerhalb weniger Tage erreichen. Es spricht nichts dagegen, solche Werkzeuge in Ausbildung und Studium einzusetzen. Mit echter fachlicher Kompetenz oder nachhaltigem Skill-Aufbau hat das aus meiner Sicht jedoch nur begrenzt zu tun. Die Wahrscheinlichkeit ist recht hoch, dass die Person am Ende weder eigene Fähigkeiten hat, noch diese Systeme sinnvoll einsetzen kann. Die Leute, deren Mehrwert nur daraus besteht von ChatGPT und Co. zu copy&pasten, sind die ersten, für die es später keinen Platz mehr geben wird.

Wenn das Thema eines Moduls die Funktionsweise eines Taschenrechners wäre, würdest du dann auch schreiben, dass im Studium ein Taschenrechner erforderlich ist um Bestnoten zu erreichen? Ich empfinde das als eine extreme Vereinfachung des Sachverhalts, nur um als Argument dienen zu können.

Mir fällt es vorallem deshalb schwer, weil sich die getätigten Äußerungen nicht mit meiner Wahrnehmung der Realität decken. Und ich vermute, dies ist auch bei anderen der Fall, die ebenfalls aus diesem System kommen oder besser kennen. Es gibt nicht "DEN" Umgang mit KI im Studium und deshalb auch noch keine Erfolge, die man übertragen könnte.

Ja, das ist genau richtig.
Es ist richtig, dass Hochschulen damit beginnen einen Umgang mit KI bei häuslichen Arbeiten wie Seminar- und Hausarbeiten zu finden. Keine Hochschule würde verbieten, KI zu verwenden, um beim Lernprozess zu unterstützen, nur dass dies eben auf eigene Gefahr passiert.
Warum ich mich hier jedoch einklinke ist das verzerrte Bild, welches diese Aussage hier erzeugt:
Es ist etwas völlig anderes, wenn sich eine private oder staatliche Hochschule nicht völlig der KI versperrt oder Methoden suchen, einen sinnvollen Umgang damit zu finden. Dies zeigt auch dein Beispiel von der Hochschule Bochum. Ich würde auch behaupten, dass es mehrheitlich an den Hochschulen den Konsens gibt, dass auch aus rechtlichen Gründen die Anwendung von KI nicht grundsätzlich untersagt werden kann.
Es ist aber etwas völlig anders, dass der Einsatz vorgeschrieben ist, erwartet wird oder gar Voraussetzung für eine Bestnote ist. Das nur allein mit "KI" überhaupt eine 1.0 erreicht werden kann, mag auf einer einzelnen pay2win Hochschule der Fall sein, ist es aber bei einer staatlichen Hochschule mitnichten. Sorry, dass ich das so klar formulieren muss.
Ich will an dieser Stelle nicht persönlich werden, aber wer sich als Hochschullehrer bezeichnet, was man rechtlich (mit wenigen Ausnahmen in vereinzelten Bundesländern) nur als Professor oder Privatdozent nach einer Habilitation ist, sollte meiner Meinung nach nicht ein so falsches Licht auf die Hochschullehre werfen.

Du hast ja ganz sicher deine Erfahrungen gemacht und das möchte ich dir nicht absprechen. Aber es ist nicht redlich hier von "die Hochschulen" zu sprechen, als ob dies eine geschlossene Gruppe mit abgeschlossener Meinungsbildung wäre. Es mag einzelne, insbesondere private Hochschulen geben, die solche Schritte gehen, aber es ist ganz sicher nicht die breite Masse. Wenn du es so formulierst wirkt das allquantifizierend und davon kann keine Rede sein.
Auch wenn ich dabei mein Gebiet etwas verlasse: Vorgeschriebener Einsatz halte ich nur schwer mit der Freiheit von Forschung und Lehre vereinbar. Aber wie gesagt, das ist nur meine Einzelmeinung.
Immerhin sollten wir zumindest nicht so tun, als ob das alles in "den Hochschulen" schon geklärt wäre, nur weil es erste Gehversuche (mit unbekanntem Ausgang) gibt, solche Werkzeuge in ein Curriculum zu integrieren.