Penn State launches tool to help faculty set clear AI expectations with students

Visueller Standard statt unklarer Erwartungen im Syllabus

Die sogenannten GenAI Use Icons unterscheiden drei Stufen — erlaubt, eingeschränkt und nicht gestattet — und lassen sich sowohl kursweit als auch aufgabenbezogen einsetzen. Der Clue: Die Icons waren bereits zuvor verfügbar, doch das neue Tool reduziert die Hürde der Implementierung über einen integrierten Rich-Content-Editor in Canvas erheblich.

Drei Stufen, eine gemeinsame Sprache

Das System operiert bewusst simpel. Dozierende wählen eine von drei Genehmigungsstufen und wenden diese auf Kurs-, Syllabus- oder Assignment-Ebene an. Jedes Icon ist farblich codiert und mit editierbaren Beschreibungstexten versehen — die Anpassung an individuelle Policies ist damit eingebaut. Die Nutzung bleibt optional; ein Instructor Guide auf der Penn-State-KI-Website begleitet den Einstieg.

Crystal Ramsay, Assistant Vice Provost am AI Center of Excellence in Teaching and Learning, betonte laut Universität, dass KI-Kompetenz nicht nur die Fähigkeit zur Nutzung voraussetze, sondern auch das Verständnis dafür, wann und wo sie angemessen sei. Die Icons schafften eine gemeinsame Sprache über Fächergrenzen hinweg.

Entwickelt wurde das System von Instructional Designern der Commonwealth Campuses und des World Campus, die auf Forschung aus Oregon und North Carolina zurückgriffen. Die Smeal College of Business Online-MBA-Programme treiben die breitere Adoption voran. Den eigentlichen Tool-Bau leiteten Jana Hitchcock (World Campus) und Dani McCauley (Penn State Behrend).

Relevanz für die Hochschul-IT jenseits von Penn State

Das Kernproblem, das Penn State hier adressiert, ist universell: Dozierende formulieren KI-Regeln oft unterschiedlich, widersprüchlich oder gar nicht — Studierende navigieren dann blind. Ein visueller Standard, der semestertreit und veranstaltungsübergreifend konsistent ist, senkt die Kommunikationslatenz erheblich.

Für deutsche Hochschulen liegt die Übertragbarkeit auf der Hand, aber mit Caveats:

• LMS-Abhängigkeit: Das Tool ist Canvas-spezifisch. Moodle, ILIAS oder OpenOlat erfordern eigenständige Plugin-Entwicklung oder manuelle Umsetzung über Textbausteine.
• Policy vor Tool: Ohne institutionell abgestimmte KI-Nutzungspolicies liefern die besten Icons nichts. Die drei Stufen setzen voraus, dass die Hochschule überhaupt definiert, was „erlaubt", „eingeschränkt" und „nicht gestattet" jeweils bedeutet.
• Skalierbarkeit: Die assignment-bezogene Granularität ist ein echtes Feature — eine pauschale Kursmarkierung reicht bei heterogenen Aufgabentypen nicht aus.

Das Beispiel Illinois State, das aktuell KI Faculty Fellows für personalisierte Studierendenunterstützung aufstellt, zeigt die gleiche Richtung: Institutionen versuchen, den Wildwuchs individueller KI-Entscheidungen durch strukturierte Rollen und Tools zu kanalisieren.

Machbarkeitsbewertung

Go — mit Einschränkungen. Das Icon-Konzept ist pragmatisch und kopierbar; der Implementierungsaufwand in nicht-Canvas-Umgebungen bleibt der Engpass. Für deutschsprachige Hochschulen empfiehlt sich ein Proof-of-Concept: Drei definierte KI-Nutzungsstufen als Textbausteine ins LMS integrieren, bevor ein vollständiges Plugin evaluiert wird. Die Metrik ist einfach — messbar ist, ob Studierende nach drei Wochen Seminarbetrieb die KI-Regeln einer Veranstaltung korrekt benennen können.