Towards an AI-Enabled Inclusive Educational Leadership (AIIEL) Framework: Integrating Responsible AI Governance, Disability Inclusion, and Gender Equality in Higher Education

Universitäten befinden sich derzeit mitten in einer stillen Revolution. Jahrzehntelang haben diese Institutionen darauf vertraut, dass menschliches Urteilsvermögen entscheidet, wer zugelassen wird, wie Lehrkräfte befördert werden und wie Studierende unterstützt werden. Nun tritt künstliche Intelligenz an diese Stelle und bietet an, Bewerbungen zu sortieren, Arbeiten zu bewerten und Zeitpläne zu verwalten – mit Geschwindigkeit und Effizienz. Doch während diese digitalen Werkzeuge Teil des täglichen Gefüges der Hochschulbildung werden, ist eine beunruhigende Frage aufgetaucht: Machen sie das System gerechter oder verstärken sie im Stillen alte Ungleichheiten? Das Kernproblem besteht darin, dass die Technologie sich zwar schnell bewegt, die Verantwortlichen jedoch oft nicht vorbereitet sind, sie zu leiten. Sie sorgen sich, dass diese intelligenten Systeme ohne sorgfältige Aufsicht versehentlich Frauen, Menschen mit Behinderungen oder andere marginalisierte Gruppen benachteiligen könnten, einfach weil die Daten, von denen sie lernen, vergangene Vorurteile widerspiegeln. Die Herausforderung besteht nicht nur darin, die Technologie zu nutzen, sondern sicherzustellen, dass sie allen gleichermaßen dient.

Zwei Forscher, Wafa Muhammed Alajaji und Obby Phiri, sind auf den Plan getreten, um diese Lücke zu schließen. Sie argumentieren, dass Universitäten nicht einfach neue Software kaufen und auf das Beste hoffen können; sie brauchen eine neue Art des Denkens über Führung. In ihrer jüngsten Arbeit schlagen sie einen umfassenden Plan vor, der sich „AI-Enabled Inclusive Educational Leadership“-Framework nennt. Dies ist kein Stück Software oder ein Satz von Kodierungsregeln. Stattdessen ist es ein Leitfaden für die Menschen, die Universitäten leiten, der ihnen helfen soll, Entscheidungen zu treffen, die Fairness schützen und gleichzeitig Innovationen zulassen. Die Autoren legen nahe, dass der derzeitige Ansatz zum Management künstlicher Intelligenz in Schulen zu fragmentiert ist. Bestehende Leitfäden behandeln Diversität und Inklusion oft nur als einen kleinen Punkt auf einer langen Checkliste, getrennt von der eigentlichen Governance-Arbeit. Alajaji und Phiri halten dies für einen Fehler. Sie argumentieren, dass Inklusion in jede einzelne Entscheidung eingewoben werden muss – vom Moment an, in dem ein neues Werkzeug entworfen wird, bis zu dem Tag, an dem es im Klassenzimmer eingesetzt wird.

Um diesen neuen Ansatz aufzubauen, untersuchten die Forscher sechs verschiedene Studienbereiche, die zuvor getrennt voneinander betrachtet wurden. Sie untersuchten, wie Führungskräfte inklusive Kulturen aufbauen, wie künstliche Intelligenz in Schulen eingesetzt wird, wie Inklusion von Menschen mit Behinderungen funktioniert, wie Geschlechtergerechtigkeit aufrechterhalten wird, wie Technologie verantwortungsvoll gesteuert wird und wie sich Universitäten digital transformieren. Durch das Zusammenführen dieser separaten Fäden schufen sie ein vierschichtiges Modell, das als Entscheidungszyklus fungiert. Die erste Schicht konzentriert sich auf die Menschen und die Vision. Sie fordert Führungskräfte auf, zu bedenken, wer am Tisch sitzt, wenn ein neues System ausgewählt wird. Werden Studierende mit Behinderungen und weibliche Fakultätsmitglieder um ihre Meinung gefragt, bevor ein Werkzeug gekauft wird, oder werden sie erst konsultiert, nachdem der Schaden bereits entstanden ist? Diese Schicht betont, dass Führung darin besteht, Vertrauen aufzubauen und sicherzustellen, dass jeder das Gefühl hat, eine Stimme zu haben.

Die zweite Schicht befasst sich mit dem Design der Werkzeuge selbst. Hier stellt das Framework eine einfache, aber tiefgreifende Frage: Hilft dieses System einem Studenten mit einer Behinderung tatsächlich dabei, erfolgreich zu sein, oder tut es nur so, als ließe es ihn zu? Die Forscher beziehen sich auf die Idee der „Befähigung“ (Capability), was bedeutet, über den formellen Zugang hinaus zu schauen, um zu sehen, ob eine Person die echte Freiheit hat, eine Ressource zu nutzen, um ihre Ziele zu erreichen. Beispielsweise könnte ein automatisiertes Bewertungssystem technisch gesehen einen Essay eines Studenten mit einer Sehbehinderung akzeptieren, aber wenn das System das spezialisierte Format, das der Student verwendet, nicht lesen kann, hat das Werkzeug versagt. Diese Schicht besteht darauf, dass Führungskräfte die Technologie danach bewerten müssen, ob sie reale Chancen für alle erweitert, und nicht nur, ob sie eine Mindestanforderung an die rechtliche Konformität erfüllt.

Die dritte Schicht konzentriert sich darauf, wie die Technologie gesteuert und kontrolliert wird. Sie fragt, ob die Menschen noch am Steuer sitzen. Das Framework schlägt vor, dass es für Entscheidungen mit hoher Tragweite, wie etwa die Einstellung eines Professors oder die Verweigerung eines Abschlusses, eine klare Linie geben muss, an der ein Mensch eingreifen und die Maschine überstimmen kann. Es betrachtet auch, wie die Technologie gebaut wurde, und drängt Führungskräfte dazu, sicherzustellen, dass die Menschen, die von dem System betroffen sein werden, auch an dessen Entstehung beteiligt waren. Dies verhindert die Situation, in der ein Werkzeug in einem Labor von einer kleinen Gruppe von Ingenieuren entwickelt und dann einer diversen Universitätsbevölkerung ohne Tests auf Fairness vorgesetzt wird. Die letzte Schicht betrachtet die Ergebnisse. Sie fordert Führungskräfte auf, die Daten zu verfolgen, aber nicht nur allgemeine Zahlen. Sie müssen genau beobachten, wie das System verschiedene Gruppen von Menschen gleichzeitig beeinflusst, wie etwa Frauen mit Behinderungen, um zu sehen, ob das Werkzeug neue Barrieren schafft oder alte löst.

Neben diesem Hauptframework schlagen die Autoren zwei praktische Instrumente vor, die Universitäten helfen sollen, die Ideen in die Tat umzusetzen. Das erste ist eine Liste von Fähigkeiten, die Führungskräfte an Universitäten erlernen müssen. Dies sind nicht nur technische Fähigkeiten darüber, wie Computer funktionieren, sondern menschliche Fähigkeiten darüber, wie man Voreingenommenheit erkennt, wie man marginalisierten Stimmen zuhört und wie man Daten so interpretiert, dass verborgene Ungleichheiten sichtbar werden. Das zweite Werkzeug ist ein Reifegradmodell, das wie eine Landkarte für die Reise einer Institution fungiert. Es beschreibt fünf Stufen, beginnend an einem Punkt, an dem eine Universität sich der Risiken nicht bewusst ist und keinen Plan hat, über Phasen, in denen sie auf Probleme reagiert, während sie geschehen, bis hin zu einem Stadium der „inklusiven Exzellenz“. Auf dieser höchsten Ebene vermeidet die Universität nicht nur Schaden, sondern nutzt künstliche Intelligenz aktiv, um die Institution für alle besser zu machen, und sie kann dies mit Daten belegen.

Die Forscher betonen vorsorglich, dass ihre Arbeit ein Vorschlag ist und kein fertiges Produkt, das in der realen Welt getestet wurde. Sie räumen ein, dass ihre Ideen auf bestehenden Theorien basieren und dass sie noch nicht gesehen haben, ob diese spezifischen Modelle in der Praxis an verschiedenen Arten von Universitäten funktionieren. Sie merken an, dass ein Großteil der aktuellen Forschung aus wohlhabenden Ländern stammt und sie noch nicht wissen, ob ihr Framework auch an Orten mit weniger Ressourcen oder anderen kulturellen Normen funktionieren wird. Sie argumentieren jedoch, dass die aktuelle Situation zu riskant ist, um auf den perfekten Beweis zu warten. Die Geschwindigkeit, mit der Universitäten künstliche Intelligenz einführen, überholt die Entwicklung der Führungskompetenzen, und ohne einen klaren Leitfaden riskiert der Sektor, die Kluft zwischen Privilegierten und Vulnerablen zu vergrößern.

Letztlich ist dieses Papier ein Aufruf zum Handeln an die Menschen, die Universitäten leiten. Es legt nahe, dass die Zukunft der Hochschulbildung weniger von der Komplexität der Algorithmen abhängt als vielmehr von der Weisheit der Führungskräfte, die sie auswählen. Indem sie Inklusion als zentralen Bestandteil der Führung und nicht als bloßen Nachtrag behandeln, können Universitäten sicherstellen, dass der Aufstieg der künstlichen Intelligenz alle Menschen emporhebt, anstatt einige zurückzulassen. Die Autoren bieten eine Roadmap für diesen Weg an, die die menschliche Würde und Fairness in einer zunehmend automatisierten Welt priorisiert. Obwohl der Weg nach vorne weitere Forschung und Tests erfordert, ist die Richtung klar: inklusive Führung ist der einzige Weg, um sicherzustellen, dass das Versprechen der künstlichen Intelligenz für alle eingelöst wird.