AI LITERACY FÜR HOCHSCHULEN UND FORSCHUNG
KI-Beratung Hochschulen Schweiz
Ich unterstütze Schweizer Hochschulen, Forschungsdienste, Grants Offices, Forschungsmanagement, Graduate Schools und Transferable-Skills-Programme ebenso wie Stiftungen, NPOs, Verbände, Fachgesellschaften und wissenschaftsnahe Stabsstellen dabei, AI Literacy aufzubauen und KI verantwortungsvoll in konkrete Arbeitsprozesse zu übersetzen.
Gemeinsam klären wir, welche Nutzungen sinnvoll sind, welche Kompetenzen Teams benötigen und ob ein Workshop, klare Leitplanken oder ein kleiner Pilot der passende erste Schritt ist.
Hochschulen und wissenschaftsnahe Organisationen benötigen selten einfach ein weiteres KI-Tool. Häufig fehlt zuerst eine gemeinsame Einschätzung, welche Anwendungen sinnvoll sind, welche Regeln gelten und welcher nächste Schritt zur Organisation passt.
Eine erste Abklärung kann Orientierung schaffen, ohne bereits eine umfassende KI-Strategie oder ein grosses Technologieprojekt vorauszusetzen.
Leitung, Stiftungsrat oder Team sehen Handlungsbedarf, wissen aber nicht, wo sie anfangen sollen. Häufig muss zuerst gemeinsame AI Literacy aufgebaut werden, um sinnvolle, produktive und verantwortbare Use Cases zu erkennen.
Forschungsdienste, Graduate Schools, wissenschaftsnahe Stabsstellen und Leitungsgremien brauchen gemeinsame Begriffe, klare Leitplanken und praxisnahe Übungen.
Einzelne Teams arbeiten mit verschiedenen Tools, während gemeinsame Leitplanken, Rollen und Prüfschritte fehlen.
Bei Fördergesuchen, Personendaten, Forschungsdaten oder internen Richtlinien ist oft unklar, welche Inhalte in welches KI-Tool eingegeben werden dürfen und wer die Ergebnisse prüft.
Grants Offices und Forschungsdienste beantworten wiederkehrende Fragen zu Ausschreibungen, Förderinstrumenten, Budgets, Reglementen und Berichtspflichten.
Reglemente, interne Richtlinien, FAQ, Workshop- und Kursunterlagen oder Kommunikationsvorlagen liegen verteilt in PDFs, Webseiten und Ablagen.
Viele KI-Fragen entstehen in wissenschaftsnahen Schnittstellenfunktionen: dort, wo Forschungsunterstützung, Förderlogiken, institutionelle Regeln, Governance und praktische Umsetzung zusammenkommen. In der Hochschulforschung werden solche Funktionen teilweise als Third Space beschrieben; in der Praxis sind konkrete Bezeichnungen wie Forschungsdienste, Grants Offices, Research Support, Graduate Schools, Transferable Skills oder wissenschaftsnahe Stabsstellen meist anschlussfähiger.
Universitäten, Fachhochschulen und Pädagogische Hochschulen sowie rektorats- und vizerektoratsnahe Stabsstellen, zentrale Dienste und weitere wissenschaftsnahe Fachfunktionen.
Forschungsförderung, Research Support und Research Management Offices mit Aufgaben rund um Ausschreibungen, Fördergesuche, Budgets, Reglemente, Beratung und vertrauliche Informationen.
Graduate Schools, Graduate Centers oder Graduate Campuses, Transferable-Skills-Programme sowie Nachwuchs- und akademische Karriereförderung für Doktorierende und Postdocs.
Förderorganisationen mit eigenen Anforderungen an Gesuchsmanagement, Reporting, Förderwissen, Vertraulichkeit und verantwortliche Entscheide.
Organisationen mit knappen Ressourcen, Mitglieder- oder Stakeholder-Kommunikation, Gesuchstellung, Wissensarbeit und wiederkehrenden Servicefragen.
Akademien, Netzwerke, Forschungsprojekte und weitere Organisationen, die komplexes Wissen zugänglich und KI-Nutzung nachvollziehbar gestalten wollen.
Fragen zu Datenschutz, Vertraulichkeit und wissenschaftlicher Integrität lassen sich bei KI-Nutzung oft nicht durch einfache Ja/Nein-Regeln lösen. Entscheidend ist, die konkrete Situation zu klären: Welches Material wird verwendet, welches Tool kommt zum Einsatz, welche Aufgabe soll KI übernehmen, und wer prüft den Output? So werden abstrakte Prinzipien wie gute wissenschaftliche Praxis, Transparenz, Verantwortung und sorgfältige Prüfung in konkrete Arbeitsregeln übersetzt.
Förderstiftungen betrachten KI eher aus der Perspektive der Mittelvergabe: Gesuchsmanagement, Reporting, Portfoliowissen, interne Richtlinien und Vorbereitung von Gremienarbeit.
NPOs, Verbände und Forschende nutzen KI häufiger aus der Perspektive der Gesuchstellung, Kommunikation, Projektarbeit, Wissensorganisation und knapper Ressourcen.
In beiden Fällen gilt: KI kann vorbereiten, strukturieren und entlasten. Fachliche Beurteilung, Förderentscheide und Verantwortung bleiben bei Menschen.
Vorgehen
Gute KI-Einführung heisst für mich nicht, fertige Lösungen abzuliefern, die im Alltag niemand weiterentwickeln kann. KI kann Arbeit besser machen, aber nicht automatisch einfacher: Professionelle Nutzung verlangt präzise Aufgabenklärung, kritische Prüfung und klare Verantwortung.
Darum führt der Ablauf von der gemeinsamen Orientierung über die Auswahl weniger sinnvoller Use Cases bis zu einem passenden Workshop oder Pilotprojekt. Ziel ist nicht Abhängigkeit von externer Beratung, sondern AI Literacy, klare Entscheidungen und ein Vorgehen, das zur Organisation passt.
1
Ziele, Prozesse, Zielgruppen, Daten, bestehende Regeln und interne Kompetenzen gemeinsam einordnen.
2
Wenige Anwendungsfälle nach Nutzen, Risiko, Machbarkeit, Datenlage und organisatorischer Passung auswählen.
3
Einen begrenzten Pilot umsetzen oder die relevanten Rollen mit einem passenden Workshop befähigen.
4
Erfahrungen prüfen, Verantwortlichkeiten dokumentieren und über Weiterführung, Anpassung oder Stopp entscheiden.
Je nach Fragestellung beginnen wir mit Orientierung, bauen Kompetenzen in einem Workshop auf oder testen einen konkreten Anwendungsfall in einem klar abgegrenzten Pilotprojekt.
Ich ordne mit Ihnen ein, welches Tool zu Material, Aufgabe und Verantwortung passt – etwa bei Fördergesuchen, internen Richtlinien, Workshop-Unterlagen oder wiederkehrenden Beratungsfragen. Entscheidend sind Verständnis und Entscheidungsfähigkeit, nicht möglichst viele Tools.
Mit Forschungsdiensten, Stiftungen, NPOs, Verbänden oder Fachgesellschaften wählen wir aus realen Aufgaben wenige Anwendungsfälle aus: nützlich für den Alltag, realistisch testbar und begrenzt genug, um verantwortbar zu bleiben.
Ein Pilot testet einen klaren Zweck mit definierten Zielgruppen, Datenquellen, Rollen und Prüfkriterien. Erst die Auswertung zeigt, ob Anpassung, Ausbau oder Stopp sinnvoll sind.
Workshops für Graduate Schools, Graduate Centers und Transferable-Skills-Programme verbinden Prompting mit Literatur- und Textarbeit, Quellenkritik, Datenschutzsensibilität und menschlicher Prüfung. Es geht um Befähigung, nicht um Tool-Demos.
Reglemente, Verfahren, FAQ und Kommunikationsvorlagen können eine kuratierte Knowledge Base für KI-Assistenten, Chatbots oder Voicebots mit RAG-Architektur bilden. Entscheidend sind klare Rollen, gepflegte Quellen, System-Prompt-Logik, Tests mit realen Fragen und definierte Grenzen – unabhängig davon, ob die Umsetzung als Custom GPT, Chatbot, Voicebot oder in einem anderen Format erfolgt.
Solche Systeme können Wissenszugang und wiederkehrende Anfragen unterstützen. Wir klären Rolle, Zielgruppe, Quellen, Eskalationswege und die Situationen, in denen ein Mensch übernehmen muss.
Ich helfe Ihnen zu unterscheiden, wo KI sinnvoll assistiert und wo zu viel Verantwortung an ein System abgegeben würde. Daraus entstehen verständliche Regeln für Tools, Daten, Aufgaben, Outputs und menschliche Prüfung.
Wir beginnen bei Ihren realen Aufgaben und Entscheidungen – nicht bei einer vorgegebenen Tool-Liste.
Ob KI sinnvoll eingesetzt werden kann, hängt nicht nur vom Tool ab. Entscheidend ist die konkrete Kombination aus Material × Tool × Aufgabe × Output.
Ein öffentlicher Text, ein internes Protokoll und ein vertrauliches Fördergesuch erfordern unterschiedliche Entscheidungen – ebenso eine Ideensammlung, eine Übersetzung oder eine fachliche Beurteilung.
Ich unterstütze Sie dabei, diese Fragen strukturiert zu klären und in praktikable Abläufe für Ihre Organisation zu übersetzen. Wo es um rechtliche Vorgaben, Datenschutz oder interne Freigaben geht, binden wir die zuständigen Stellen Ihrer Organisation sinnvoll ein.
Zur KI-Ampel: erste Orientierung für konkrete NutzungssituationenSollberger AI Consulting arbeitet auf Mandatsbasis mit Organisationen im Schweizer Hochschul- und Wissenschaftsumfeld zusammen.
Laufende Zusammenarbeit mit der Schweizerischen Akademie der Geistes- und Sozialwissenschaften.
Laufende Zusammenarbeit, unter anderem im Rahmen des Transferable Skills Programms der Universität Bern.
Abgeschlossene Zusammenarbeit mit der Dienststelle Forschungsförderung.
Dr. Michael Sollberger ist Gründer von Sollberger AI Consulting und promovierter Philosoph. Er verbindet analytisches Denken mit praktischer Erfahrung im Schweizer BFI-Sektor.
Er verfügt über mehr als zehn Jahre Erfahrung im Forschungsmanagement und kennt die Anforderungen von Forschungsförderung, Research Support und wissenschaftsnahen Schnittstellen aus der Praxis. Seine Arbeit verbindet KI-Workshops, Präsentationen, Einführungen und Beratung mit der Entwicklung oder Auswahl passender KI-Lösungen für konkrete Aufgaben. Dazu gehören domänenspezifische KI-Assistenten, Chatbots und Voicebots ebenso wie die Klärung von Einsatzszenarien, Grenzen, Datenschutz, Qualitätssicherung und menschlicher Verantwortung.
Mehr zum Profil im LebenslaufEin sinnvoller Einstieg beginnt mit einer kurzen Klärung von Zielen, Arbeitsprozessen, Daten, bestehenden Regeln und internen Kompetenzen. Daraus lässt sich entscheiden, ob zunächst ein Orientierungsworkshop, eine Policy-Abklärung, eine Schulung oder ein klar begrenzter Pilot passt.
Nein. Für erste, risikoarme Schritte genügt oft ein klarer Rahmen für Zweck, erlaubte Tools und Daten, Verantwortlichkeiten und menschliche Prüfung. Eine umfassendere Strategie kann auf den gemachten Erfahrungen aufbauen.
Das hängt von Material, Tool, Aufgabe und Output ab. Öffentliche Inhalte, interne Dokumente, personenbezogene Daten und vertrauliche Fördergesuche müssen unterschiedlich behandelt werden. Vor einer Nutzung klären wir, welches Tool geeignet oder freigegeben ist, welche Informationen wirklich nötig sind und wer das Ergebnis prüft. Bei rechtlichen Vorgaben, Datenschutz oder internen Freigaben werden die zuständigen Stellen Ihrer Organisation einbezogen.
Ein KI-Assistent, Chatbot oder Voicebot ist die Arbeitsoberfläche für eine konkrete Aufgabe: Er unterstützt zum Beispiel beim Finden von Informationen, beim Formulieren, beim Strukturieren oder beim Beantworten wiederkehrender Fragen. RAG beschreibt dagegen eine technische Architektur im Hintergrund. Dabei kann der Assistent bei Bedarf Informationen aus einer kuratierten und gepflegten Wissensbasis abrufen und für seine Antwort nutzen. Entscheidend ist deshalb nicht «RAG» als Schlagwort, sondern ein nützlicher Assistent mit klaren Quellen, Rollen, Grenzen, Tests und menschlicher Verantwortung.
Ja, wenn Zweck, Zielgruppe, Datenquellen, Rollen und Prüfkriterien eng abgegrenzt sind. Ein Pilot soll Annahmen testen und Erfahrungen ermöglichen, bevor über einen Ausbau entschieden wird.
Geeignet sind Workshops, die AI Literacy aufbauen und an konkreten Arbeitsweisen der Teilnehmenden ansetzen: Prompting, Literatur- und Textarbeit, kritische Prüfung von Ergebnissen, Datenschutzsensibilität und verantwortungsvolle Nutzung. Ziel ist nicht eine Tool-Demo, sondern die Fähigkeit, KI im eigenen Forschungsalltag sinnvoll und kritisch einzusetzen.
Förderstiftungen betrachten KI unter anderem im Gesuchsmanagement, Reporting und im Zugang zu Förderwissen. NPOs und Forschende sind häufig Gesuchstellende und fokussieren stärker auf Antragserstellung, Kommunikation, Wissensarbeit und knappe Ressourcen. In beiden Fällen bleiben fachliche Beurteilung und Verantwortung bei Menschen.
Typischerweise mit einem unverbindlichen Erstgespräch. Danach können Bedarf, Zielgruppe, Datenlage, mögliche Pilotprojekte und ein realistischer Umfang geklärt werden.
Wenn Sie prüfen möchten, wie KI in Ihrer Hochschule, Ihrem Forschungsdienst oder Ihrer Organisation verantwortungsvoll eingesetzt werden kann, eignet sich ein kurzes Erstgespräch als nächster Schritt.
Erstgespräch anfragen