Mittwoch Morgen, eine Senior Lecturer der Wirtschaftsfakultät an der University of Cape Town öffnet ihr Postfach. Siebenundvierzig neue Nachrichten seit Montag. Einunddreißig stammen von Studierenden. Zwölf betreffen dieselben drei Dinge: eine Klarstellung zur Aufgabenstellung in Woche 8, ein Verlängerungsantrag wegen eines Todesfalls in der Familie, und dieselbe Frage zu den Pflichtlektüren auf dem LMS, die sie am Freitag schon beantwortet hat. Sechs sind administrativ — ein Curriculum-Ausschuss, der die Zuordnung von Lernzielen einfordert, eine Fachzeitschrift, die nach ihrer Revisions-Frist fragt, eine HR-Anfrage, die sie seit vier Werktagen ignoriert. Die Lehre für die Woche beginnt um 14:00. Die eigentliche Vorlesungsvorbereitung hat noch nicht begonnen.
So sieht die unglamouröse Woche einer SA-Akademikerin aus, besonders im zweiten Semester. Die Lehre ist der Teil, den alle sehen. Die Verwaltung drumherum, für eine Dozentin mit einem 150er-Erstsemester-Modul und einem 40er-Honours-Seminar, sind zwischen fünfzehn und zwanzig Stunden reine Nicht-Lehre, Nicht-Forschungs-Arbeit. Kurs-Koordinationstreffen, Notenmoderation, Studierenden-Mails, Ethik-Freigabe-Papierkram, Fachbereichs-Ausschüsse, Linienführung von zwei Tutoren, die Notentabelle am Semesterende und die Doktorierenden, die wirklich Betreuung brauchen.
Ich habe etliche Gespräche mit Akademikern aus UCT, Stellenbosch, Wits, NWU, UJ, UWC und einer Handvoll TVET-Colleges geführt, ob KI etwas dieser Last übernehmen kann. Die Antwort ist ja, in einem schmaleren Band als der Hype suggeriert, und mit einer nicht verhandelbaren Linie um das, wofür eine Universität existiert — lehren, prüfen, examinieren, zertifizieren. Diese Linie zählt. Überschreiten Sie sie, und die Institution bedeutet weniger.
Wo KI in der Fakultätsverwaltung wirklich Wert bringt
Die unglamouröse, repetitive Arbeit beim Führen eines Moduls ist genau die Sorte strukturierter, vorhersehbarer, mengenstarker Aufgabe, mit der Automatisierung gut umgeht. Drei Muster, die sich aus meiner Erfahrung in einem einzigen Semester auszahlen.
Das erste ist die Triage-Schicht für Studierenden-Anfragen. Ein begrenzter Handler vor der kursbezogenen E-Mail-Adresse der Dozentin, oder einer eigenen Modul-Adresse, liest eingehende Nachrichten, ordnet sie wenigen Kategorien zu — Aufgaben-Klarstellung, Verlängerungsantrag, Noten-Anfrage, LMS-Zugriffsproblem, allgemeine FAQ — und beantwortet entweder die echten FAQs direkt aus dem Modulhandbuch oder leitet die anderen mit einer einzeiligen Zusammenfassung an die Dozentin weiter. Der Handler gibt nicht vor, die Dozentin zu sein. Die Auto-Antwort sagt klar, dass es eine Kursassistenz ist, die Erstauskunft gibt, und dass die Dozentin auf alles, was Urteil braucht, persönlich antwortet. Der Handler erledigt nie einen Verlängerungsantrag selbst. Diese Entscheidung bleibt bei der Akademikerin.
Das zweite ist die Moderations- und Noten-Verwaltungsschicht. Die eigentliche Korrektur bleibt bei der Dozentin und beim Tutoren-Team. Wofür KI wirklich nützlich ist: der Papierkram drumherum — die Tabelle der Moderatorin in das richtige Format bringen, den Moderationsbericht aus der Korrektur-Tabelle und der Musterlösung entwerfen, den studierendenbezogenen Feedback-Absatz erzeugen, zu dem die Korrektorin die Stichpunkte schreibt. Nichts davon ändert eine einzige Note. Es verdichtet die vier Stunden Schreibtischarbeit rund um einen 150-Klausuren-Korrekturzyklus auf etwa vierzig Minuten.
Das dritte ist der Ausschuss-Papierkram. Sitzungs-Tagesordnungen, Protokolle, Maßnahmenlisten, die Lernziel-Zuordnung des Curriculum-Ausschusses, die HEQC-Selbstevaluierung, die alle fünf Jahre ansteht. Eine KI, die aus den Dokumenten des letzten Zyklus und den Mails des aktuellen Semesters arbeitet, entwirft Version eins. Die einberufende Person liest, korrigiert, zirkuliert. Der Entwurf war für eine Akademikerin nie der Engpass — Ausschussarbeit fraß Sonntagnachmittage, weil niemand Zeit zum Tippen hatte. Nehmen Sie das Tippen weg.
Studierenden-Unterstützung, ohne Lehre vorzutäuschen
Hier sind die meisten südafrikanischen Universitäten in Gefahr, das Falsche zu tun. Die Versuchung, einen „Campus-KI-Assistenten" auszurollen, der jede Frage einer Studentin beantwortet, ist stark, besonders weil jeder Anbieter einen anpreist. Ich habe das in der Praxis nicht funktionieren sehen. Die Universität, die einen Chatbot „Wie soll ich mich für die Klausur vorbereiten?" beantworten lässt, ist eine schlechte Antwort von der Titelseite von GroundUp entfernt.
Ein engerer Rahmen funktioniert. Die Stellen, an denen ich KI in der Studierenden-Unterstützung einsetzen würde:
- Verwaltungs-Wegfinder — wo man einen Antrag auf Nachklausur einreicht, wann die Spätanmelde-Frist ist, welche Formulare eine Studentin in finanzieller Notlage vom Student-Funding-Büro braucht, wie man einen Lernraum in der Bibliothek bucht.
- Technische LMS-Fehlerbehebung — der Passwort-Reset, das „Ich sehe den Ordner Woche 6 nicht"-Problem, das sich als Freigabe-Datum entpuppt, der Turnitin-Upload, der still gescheitert ist.
- Bestätigung außerhalb der Bürozeiten — eine Studentin, die um 22:40 Uhr in der Nacht vor der Abgabe eine Mail schickt, verdient eine Bestätigung, dass die Nachricht angekommen ist, und einen sinnvollen nächsten Schritt — nicht Stille bis 09:00.
- Verweis an die richtige Person — bei allem, was psychische Gesundheit, finanzielle Not, Belästigung oder akademischen Einspruch betrifft, ist die Aufgabe des Handlers, die Studentin heute an die zuständige Stelle zu bringen, nicht selbst zu unterstützen.
Alles Akademische — der eigentliche Inhalt eines Kurses, der richtige Zugang zu einem Essay, wie man einen Fachartikel liest — gehört zur Dozentin oder zu Peer-Tutoren. Nicht zum Modell. Die Studentin zahlt R75.000 im Jahr, an manchen Institutionen mehr, für menschliche Lehre. Den Menschen genau im Moment der Verwirrung zu ersetzen, ist genau der Moment, in dem sie den Menschen am meisten braucht.
Es gibt auch einen leiseren Punkt zum Zugang. Studierende aus unterprivilegierten schulischen Hintergründen — und davon hat SA noch viele — brauchen oft eine Stützung, die die KI am schlechtesten gibt. Das Modell wird eine selbstsichere, flüssig klingende Antwort liefern, die verfehlt, was die Studentin tatsächlich missverstanden hat. Eine Erstsemester-Tutorin, die die Kohorte kennt, wird das nicht.
Die akademische Integritäts-Linie
Universitäten machen eine Sache, die der Rest der Wirtschaft nicht macht. Sie bezeugen, dass eine Absolventin das Wissen und Können nachgewiesen hat, das die Qualifikation behauptet. In dem Moment, in dem diese Bezeugung weniger bedeutet, bedeutet die Institution weniger. KI setzt das in zwei Richtungen unter Druck, und die Institution muss bei beiden bewusst sein.
Die studierendenseitige Richtung ist bekannt. ChatGPT schreibt plausibel klingende Bachelor-Essays. Die Korrektorin, die das Prüfungsdesign nicht angepasst hat, bewertet ein Modell, keine Lernende. Die ehrliche Antwort ist nicht, ChatGPT erkennen zu wollen — die Detektoren funktionieren nicht zuverlässig genug, und Turnitin selbst ist von frühen Aussagen zurückgerudert. Sie ist, Prüfungen neu zu gestalten. Mündliche Prüfungen. Schreiben im Hörsaal. Iterative Aufgaben, bei denen der Lösungsweg selbst der bewertbare Beleg ist. Projekte mit Live-Verteidigung. Die guten Fachbereiche an SA-Universitäten tun das schon. Die, die am Take-Home-Essay als Hauptprüfung festhalten, werden in drei Jahren töricht aussehen.
Die fakultätsseitige Richtung wird weniger diskutiert. Eine Dozentin, die die KI die Bewertungsrubrik entwerfen, dann gegen diese Rubrik bewerten, dann das Feedback schreiben lässt, hat die Studentin nicht geprüft. Sie hat eine Kette von Modell-Ausgaben bezeugt. Der Senat darf erwarten, dass die menschliche Prüferin sich mit der menschlichen Arbeit auseinandergesetzt hat. Die Linie, die wir bei unseren Kunden halten: KI unterstützt den Papierkram rund um die Prüfung. KI erzeugt oder finalisiert die Prüfung nicht selbst.
Das ist die Linie. Es gibt keinen klugen Umweg.
POPIA, DHET-Berichte und die Frage der Studierendendaten
Studierende an SA-Universitäten sind Datensubjekte. POPIA gilt. Darüber liegen die DHET-Meldepflichten (die HEMIS-Einreichungen), der CHE-Akkreditierungs-Zyklus, und an den meisten Institutionen eine interne Informationsgovernance-Richtlinie, die älter ist als POPIA und überarbeitet werden muss. Jede KI, die persönliche Studierendendaten berührt, muss in alle vier passen.
Drei konkrete Dinge, die jedes Mal hochkommen, wenn wir ein Projekt mit einem Fachbereich abstecken:
- Studierenden-Namen, Matrikelnummern, Noten und alle Gesundheits- oder Behinderungs-Offenlegungen gehen nicht durch ein Verbraucher-KI-Werkzeug, dessen Bedingungen Training auf der Eingabe erlauben. Der zulässige Weg ist ein vertraglich gebundener Auftragsverarbeiter mit klaren Datenverarbeitungs-Bedingungen, oder ein Inhouse-Deployment.
- Überall, wo persönliche Daten einer Studentin aus irgendeinem Grund in ein Modell fließen, muss die Einwilligungsgrundlage klar sein. Die bestehende Datenschutzerklärung der Universität deckt vermutlich Analyse ab. Sie deckt mit ziemlicher Sicherheit nicht „wir geben Ihren Essay durch einen Drittanbieter-KI-Dienst zur Bewertung". Wenn Sie das zweite tun wollen, holen Sie zuerst spezifische Einwilligung ein.
- Prüf-Spuren. Wer hat wann mit welchem Werkzeug auf welche Studierenden-Daten zugegriffen. Das ist jetzt das erste, was die Information Regulator verlangt, sobald eine Beschwerde landet. Es ist auch das erste, was Ihr institutioneller Information Officer beim nächsten Compliance-Review fragen wird.
Ein spezieller Hinweis für Doktorvater und Doktormutter. Das Forschungsmaterial von Doktoranden — Interview-Transkripte, Entwürfe, unveröffentlichte Ergebnisse — ist sowohl POPIA-sensibel als auch aus Gründen akademischer Integrität sensibel. Es durch Verbraucher-KI-Werkzeuge zu schicken, um „beim Lektorat zu helfen", kann den Anspruch des Kandidaten auf eine eigenständige Arbeit, künftige Publikationsmöglichkeiten und jede Forschungsethik-Genehmigung kompromittieren. Tun Sie es nicht.
Wovon ich abraten würde
Drei Dinge, gegen die ich aktiv argumentieren würde, falls ein Universitäts-Kunde sie aufbringt.
Ein allgemeiner Campus-Chatbot. Die Institution sieht aus, als täte sie etwas. Die Studierenden machen innerhalb einer Woche schlechte Erfahrungen, gehen drumherum, und das Projekt produziert eine schlechte Rendite auf erhebliche Ausgaben.
Automatische Bewertung von allem außer engen, gut validierten technischen Übungen — Multiple-Choice, Code, der kompiliert und gegen eine Test-Suite läuft, Buchhaltungs-Aufgaben mit deterministisch richtiger Antwort. Das Reputationsrisiko einer einzigen Fehlbewertung wiegt schwerer als die Zeitersparnis bei hundert korrekten.
Vorhersagemodelle, die identifizieren wollen, welche Studierenden durchfallen oder abbrechen werden, ohne ernsthafte Governance an Mitarbeitende ausgespielt. Die Modelle reproduzieren strukturelle Verzerrungen aus den Trainingsdaten. Die Interventionen, die sie auslösen, betreffen das Leben junger Menschen. SA's Hochschulsektor darf nicht der Ort sein, an dem diese Lektion auf die harte Tour gelernt wird.
Ein realistisches erstes Projekt für einen Fachbereich
Wenn Sie eine Institutsleitung oder eine Vize-Dekanin sind und sich fragen, wo Sie anfangen sollen, ist die Antwort dieselbe, die ich einer kleinen Anwaltskanzlei oder einer Tierarztpraxis geben würde. Wählen Sie einen strukturierten, mengenstarken Prozess und bauen Sie ihn ordentlich.
Für die meisten SA-Universitäts-Fachbereiche ist das die Triage-Schicht für Studierenden-Anfragen am größten Erstsemester-Modul. Die Kurs-Koordinatorin einigt sich auf eine kurze Liste von FAQs, die der Handler direkt beantworten darf, mit geprüftem Wortlaut. Alles andere geht an einen Menschen, schneller und besser geordnet als vorher. Die Kennzahl ist nicht „KI hat auf X Prozent der Anfragen geantwortet". Sie ist „die Kurs-Koordinatorin schafft das Wochenpostfach jetzt bis Freitagmittag". Für die Module, an denen wir mitgeholfen haben, ist das ein echtes, wiederholbares Ergebnis innerhalb eines Semesters.
Der nächste Schritt, sobald die Triage steht, ist die Verdichtung der Noten-Verwaltung. Dann der Ausschuss-Papierkram. Dann, wenn es für den Fachbereich Sinn ergibt, ein schmaler LMS-Fehlerbehebungs-Handler.
Die Arbeit, die KI Sie aufhören lässt zu tun, ist die Arbeit, derentwegen niemand Akademikerin wurde. Die Lehre, die Betreuung, die Forschung — die bleiben Ihre. Das ist auch richtig.