Ergänzende Informationen für Zielgruppen
RAI unterstützt vor allem bei textbasierten Aufgaben, zum Beispiel beim Formulieren, Umstrukturieren, Zusammenfassen, Übersetzen oder beim Entwickeln von Ideen. RAI ist nur im Uni-Netz oder über VPN erreichbar.
RAI wird je nach Modell entweder bei der GWDG in Göttingen oder über Azure in einem anderen EU-Land betrieben. Eingaben werden nicht zum Training der KI genutzt. In Lehrveranstaltungen kann RAI – wo didaktisch sinnvoll – auch verpflichtend eingesetzt werden. Außerdem steht eine Gruppenchat-Funktion zur Verfügung.
Beispiel-Prompts für den Einstieg
RAI kann Sie im Arbeitsalltag unterstützen – als Sprachassistenz, Übersetzungshilfe oder beim schnellen Erfassen langer Dokumente. Die folgenden Beispiel-Prompts zeigen konkrete Einsatzmöglichkeiten für verschiedene Zielgruppen. Wichtig: Prüfen Sie KI-generierte Ergebnisse immer kritisch auf Richtigkeit. KI-Modelle können plausibel klingende, aber fehlerhafte Inhalte erzeugen (sog. Halluzinationen). Achten Sie außerdem vor jeder Eingabe auf die Vertraulichkeitsklasse Ihrer Daten (C1–C4).
„Überarbeite den folgenden Text sprachlich: Verbessere Grammatik, Satzbau und Verständlichkeit, ohne den Inhalt, meine Argumentation oder die Tonalität zu verändern. Markiere die Stellen, die du geändert hast. [Eigenen Text einfügen]"
Warum sinnvoll: Der Inhalt bleibt Ihrer – RAI hilft nur beim Feinschliff. Das ist vergleichbar mit einem Lektorat und einer der unkritischsten und gleichzeitig nützlichsten Einsatzfälle für KI.
Modellempfehlung: Für öffentliche oder interne Texte (C1–C2) genügt GPT-5.6 Luna über Azure. Enthält der Text vertrauliche Inhalte (C3, z. B. Gremienbeschlüsse, Personaldaten), nutzen Sie Gemma 4 oder Mistral Medium 3.5 über die GWDG. Für streng vertrauliche Informationen (C4) ist RAI nicht geeignet.
„Übersetze den folgenden deutschen Text in akademisches Englisch. Behalte Fachbegriffe bei und markiere Stellen, bei denen du unsicher bist, ob der Fachbegriff korrekt übersetzt ist. [Eigenen Text einfügen]"
Warum sinnvoll: Wissenschaftliche Übersetzungen sind zeitaufwändig und DeepL stößt bei Fachsprache an Grenzen. RAI kann einen soliden Erstentwurf liefern, der dann von Ihnen fachlich geprüft wird.
Modellempfehlung: Für öffentliche oder interne Texte (C1–C2): GPT-5.6 Sol über Azure. Für vertrauliche Texte (C3, z. B. unveröffentlichte Forschungstexte): Gemma 4 über die GWDG (unterstützt über 140 Sprachen) oder Apertus, das mit 1.811 Sprachen die breiteste Sprachabdeckung bietet. Für streng vertrauliche Informationen (C4) ist RAI nicht geeignet.
„Fasse das folgende Dokument in maximal 10 Sätzen zusammen. Konzentriere dich auf: Kernaussagen, beschlossene Maßnahmen und offene Punkte. [Dokument einfügen]"
Warum sinnvoll: Im Arbeitsalltag müssen lange Protokolle, Richtlinien oder Berichte schnell erfasst werden. RAI spart Zeit bei der Erstorientierung – die Zusammenfassung sollte aber immer gegen das Original geprüft werden.
Modellempfehlung: Für öffentliche oder interne Dokumente (C1–C2): GPT-5.6 Luna über Azure (schnell und ressourcenschonend). Für vertrauliche Dokumente (C3, z. B. Gremiensitzungen, Personalthemen): DeepSeek V4 Flash 0731 über die GWDG – es verarbeitet mit rund einer Million Token die größten Textmengen. Für streng vertrauliche Informationen (C4) ist RAI nicht geeignet.
„Formuliere den folgenden Entwurf einer E-Mail an [Zielgruppe, z. B. Studierende / internationale Partner] so um, dass der Ton freundlich und klar ist, aber alle Sachinformationen erhalten bleiben. [Eigenen Entwurf einfügen]"
Warum sinnvoll: Die Nachricht stammt von Ihnen – RAI hilft lediglich, sie zielgruppengerecht und verständlich zu formulieren. Besonders hilfreich bei mehrsprachiger Kommunikation oder wenn der richtige Ton schwer zu treffen ist.
Modellempfehlung: Enthält die E-Mail nur öffentliche Informationen (C1): jedes Modell geeignet. Enthält sie interne Inhalte ohne sensible Personenbezüge (C2): GPT-5.6 Luna über Azure. Enthält sie Namen mit persönlichem Feedback oder sensible Personalthemen (C3): Mistral Medium 3.5 oder Gemma 4 über die GWDG. Für streng vertrauliche Informationen (C4) ist RAI nicht geeignet.
„Ich erhalte folgenden Fehler beim Ausführen meines Python-Skripts: [Fehlermeldung einfügen]. Hier ist der relevante Codeabschnitt: [Code einfügen]. Erkläre mir, was den Fehler verursacht und wie ich ihn beheben kann."
Warum sinnvoll: Fehlermeldungen zu verstehen ist ein konkretes, abgrenzbares Problem, bei dem KI nachweislich gut helfen kann. Der Lerneffekt bleibt erhalten, weil die Erklärung das Verständnis fördert, statt die Lösung vorzukauen.
Modellempfehlung: Quellcode ist in der Regel öffentlich oder intern (C1–C2): Hier ist GPT-5.6 Sol über Azure besonders stark. Enthält der Code vertrauliche Forschungslogik (C3): GLM 5.3 Flash oder Qwen 3.8 über die GWDG, beide mit ausgeprägten Programmierfähigkeiten. Für streng vertrauliche Informationen (C4) ist RAI nicht geeignet.
„Erstelle eine Version des folgenden Textes in einfacher Sprache (Sprachniveau B1), damit er auch für internationale Studierende oder Nicht-Muttersprachler gut verständlich ist. Der Inhalt muss vollständig erhalten bleiben. [Text einfügen]"
Warum sinnvoll: Barrierefreiheit und Verständlichkeit sind an einer internationalen Universität zentral. RAI kann helfen, bestehende Texte zugänglicher zu machen – ein klarer Mehrwert, der niemandem schadet.
Modellempfehlung: Für öffentliche Texte (C1, z. B. Webseitentexte): GPT-5.6 Luna über Azure. Für interne Dokumente (C2): ebenfalls die Azure-Modelle. Für vertrauliche Texte (C3, z. B. Prüfungsordnungen): Gemma 4 oder Mistral Medium 3.5 über die GWDG. Für streng vertrauliche Informationen (C4) ist RAI nicht geeignet.
Hintergrund: HAWKI und GWDG
HAWKI ist eine Open-Source-Plattform für generative KI, die an vielen Hochschulen eingesetzt wird. Entwickelt wurde HAWKI mit dem Ziel, Hochschulangehörigen einen niedrigschwelligen, didaktisch unterstützten Zugang zu generativer KI zu ermöglichen und den Austausch über sinnvolle Einsatzformen zu fördern. RAI nutzt eine HAWKI-2-Benutzeroberfläche.
In RAI werden zwei Modell-Backends angeboten: OpenAI-Modelle über Microsoft Azure in der EU sowie Open-Weight-Modelle, die auf Servern der Gesellschaft für wissenschaftliche Datenverarbeitung mbH Göttingen (GWDG) betrieben werden.
Modelle in RAI und Auswahlhilfe
In RAI stehen mehrere KI-Modelle zur Verfügung. Die Modelle unterscheiden sich in Leistung, zulässigem Datenumfang und Hosting.
- Azure (EU): OpenAI-Modelle, betrieben auf EU-Servern von Microsoft Azure (zulässig für Datenklassen C1–C2). Eingabedaten werden bei Microsoft für 30 Tage gespeichert.
- GWDG (Göttingen): Open-Weight-Modelle, betrieben auf Servern der GWDG (zulässig für Datenklassen C1–C3; für C3 ist eine dokumentierte Freigabe erforderlich).
Welche Informationen in welches System eingegeben werden dürfen, richtet sich nach Vertraulichkeitsklasse und Systemtyp. Bei Unsicherheit gilt der Restriktivfall: Bis zur Klärung nur öffentliche Inhalte (C1) verwenden. Für streng vertrauliche Informationen (C4) sind die im Portfolio verfügbaren KI-Systeme in der Regel nicht geeignet.
Die folgende Übersicht (Stand: 17.09.2026) hilft Ihnen bei der Auswahl des für Ihren Anwendungsfall passenden Modells.
Das leistungsstärkste Modell der GPT-5.6-Familie. Für Aufgaben, bei denen Leistung wichtiger ist als Geschwindigkeit.
Details:
- Entwickler / Land: OpenAI / USA
- Betrieb: Microsoft Azure (EU)
- Zulässige Datenklassen: C1-C2
- Bildeingabe: nein
- Kontext: 272.000 Token (ca. 550 Seiten Text)
- Stärken: anspruchsvolle Textaufgaben, Programmieren, gründliches Durcharbeiten komplexer Fragestellungen
Die schnelle und ressourcenschonende Stufe der GPT-5.6-Familie. Für den Großteil der alltäglichen Aufgaben die passende Wahl.
Details:
- Entwickler / Land: OpenAI / USA
- Betrieb: Microsoft Azure (EU)
- Zulässige Datenklassen: C1-C2
- Bildeingabe: nein
- Kontext: 272.000 Token (ca. 550 Seiten Text)
- Stärken: schnelle Antworten, alltägliche Text- und Kommunikationsaufgaben, ressourcenschonend
Offenes Modell von Google auf Basis der Gemini-Technologie. Versteht Text und Bilder und deckt über 140 Sprachen ab.
Details:
- Entwickler / Land: Google / USA
- Betrieb: GWDG (Göttingen)
- Zulässige Datenklassen: C1-C2 sowie C3 mit dokumentierter Freigabe
- Bildeingabe: ja
- Kontext: 256.000 Token (ca. 500 Seiten Text)
- Stärken: mehrsprachige Aufgaben (über 140 Sprachen), Kombination aus langen Dokumenten und Abbildungen, solider Allrounder
- Stand: 04/2026
Kompaktes Open-Weight-Modell aus Alibabas Qwen-3.8-Serie mit steuerbarem Reasoning-Aufwand. Es versteht neben Text auch Bilder.
Details:
- Entwickler / Land: Alibaba Cloud / China
- Betrieb: GWDG (Göttingen)
- Datenklassen: C1-C2 sowie C3 mit dokumentierter Freigabe
- Bildeingabe: ja
- Kontext: 262.000 Token (ca. 500 Seiten Text)
- Stärken: Recherche, Programmieren, mehrstufige Aufgaben, Bildauswertung
- Stand: 08/2026
Kostengünstige Variante der GLM-5.3-Reihe und das erste Modell der Serie, das Bilder nativ verarbeitet.
Details:
- Entwickler / Land: Z.ai / Singapur (Mutterunternehmen Zhipu AI, China)
- Betrieb: GWDG (Göttingen)
- Datenklassen: C1-C2 sowie C3 mit dokumentierter Freigabe
- Bildeingabe: ja
- Kontext: 1.000.000 Token (ca. 2.000 Seiten Text)
- Stärken: Programmieren, mehrstufige Aufgaben, sehr große Textmengen, Bildauswertung
- Stand: 09/2026
Durchsatzstarkes Modell mit sehr großem Kontextfenster. Rein textbasiert, Bild- und Dokumenteingaben werden nicht unterstützt.
Details:
- Entwickler / Land: DeepSeek / China
- Betrieb: GWDG (Göttingen)
- Datenklassen: C1-C2 sowie C3 mit dokumentierter Freigabe
- Bildeingabe: nein
- Kontext: 1.000.000 Token (ca. 2.000 Seiten Text)
- Stärken: sehr lange Dokumente, schnelle Verarbeitung großer Textmengen, allgemeine Text- und Programmieraufgaben
- Stand: 07/2026
Allzweckmodell mit Instruktionsbefolgung, Reasoning und Codegenerierung; verarbeitet Text und Bilder.
Details:
- Entwickler / Land: Mistral / Frankreich
- Betrieb: GWDG (Göttingen)
- Datenklassen: C1-C2 sowie C3 mit dokumentierter Freigabe
- Bildeingabe: ja
- Kontext: 256.000 Token (ca. 500 Seiten Text)
- Stärken: Allrounder für Text, Programmieren und Bildauswertung, europäischer Anbieter
- Stand: 04/2026
Omni-modales Modell, das Text, Bild, Sprache und Video versteht. Stärke ist die Breite der Modalitäten, nicht die reine Leistung.
Details:
- Entwickler / Land: Alibaba Cloud / China
- Betrieb: GWDG (Göttingen)
- Datenklassen: C1-C2 sowie C3 mit dokumentierter Freigabe
- Bildeingabe: ja
- Kontext: 256.000 Token (ca. 500 Seiten Text)
- Stärken: Verstehen von Bildern und Videos, breite Modalitätenabdeckung
- Stand: 09/2025
Schweizerisches akademisches Modell mit der bislang breitesten Sprachabdeckung und vollständig transparenten Trainingsdaten.
Details:
- Entwickler / Land: Swiss AI (ETH Zürich, EPFL, CSCS) / Schweiz
- Betrieb: GWDG (Göttingen)
- Datenklassen: C1-C2 sowie C3 mit dokumentierter Freigabe
- Bildeingabe: nein
- Kontext: 65.000 Token (ca. 130 Seiten Text)
- Stärken: sehr breite Sprachabdeckung (1.811 Sprachen), vollständig offengelegte Trainingsdaten, öffentlich finanziertes europäisches Modell
- Stand: 09/2025
Hinweise für eine verantwortungsvolle Nutzung
- Vertraulichkeit
-
Vertraulichkeitsklasse prüfen und die passende Hosting-Variante wählen (Azure: C1–C2; GWDG: C1–C3, C3 nur mit dokumentierter Freigabe).
- Kennzeichnung
-
KI-Unterstützung kennzeichnen, wenn ein KI-System Inhalte in größerem Umfang mitgestaltet oder Inhalte ohne weitere Bearbeitung und Qualitätssicherung veröffentlicht werden (z. B. Webseite, offizielles Schreiben, Mail an Externe). Weitere Informationen zur Transparenzpflicht
- Schulungen
-
Vor der dienstlichen Nutzung Schulungen absolvieren. Sie sensibilisieren für Bias, Diskriminierung und Halluzinationen sowie nachhaltige, digital-souveräne Nutzung.
- Fehlgriffe melden
-
Bei einem Fehlgriff (falsches System oder falsche Daten eingegeben) den Vorfall zeitnah an Datenschutz und Informationssicherheit melden.
Schulungen, Tutorials und Videos
Im Lernportal KI in ILIAS stehen Video-Tutorials und Schulungsangebote bereit. Vor der dienstlichen Nutzung sind Schulungen verpflichtend; nach Bestehen wird ein Zertifikat ausgestellt, das vor der dienstlichen Nutzung bei der oder dem Vorgesetzten vorzulegen ist.
Häufige Fragen zu RAI
Ja. RAI ist nur im Uni-Netz oder über VPN erreichbar. Wenn Sie sich außerhalb des Campus befinden, müssen Sie zunächst eine VPN-Verbindung herstellen. Den VPN-Client können Sie herunterladen. Eine Anleitung finden Sie auf der Webseite des TIK.
Das Eingabefeld für den Data Key in RAI (bzw. HAWKI 2) blockiert das Einfügen aus der Zwischenablage. Der Schlüssel muss daher manuell eingetippt werden – auch wenn Sie einen Passwortmanager verwenden. Wählen Sie deshalb einen Schlüssel, den Sie sich gut merken und auf verschiedenen Geräten leicht eintippen können. Bewahren Sie ihn zusätzlich in einem Passwortmanager auf, damit er nicht verloren geht. Eine Anpassung, die das Einfügen per Copy-and-Paste ermöglicht, ist in HAWKI 2.5 vorgesehen.
Nach dem Login in das Eingabefenster klicken. Rechts wird das aktuell verwendete Modell angezeigt. Über den kleinen Pfeil neben dem Modellnamen lässt sich die Modellliste öffnen. GWDG-Modelle sind entsprechend gekennzeichnet (alle Bezeichnungen beginnen mit „GWDG"), Azure-Modelle mit „Microsoft Azure". Eine visuelle Darstellung finden Sie in den RAI Tutorials.
Das hängt von Ihrem Anwendungsfall und der Vertraulichkeit Ihrer Daten ab. Für sensible Daten (bis C3) nutzen Sie die GWDG-Modelle. Für allgemeine Aufgaben mit öffentlichen oder internen Daten (C1–C2) bieten die Azure/OpenAI-Modelle oft eine höhere Qualität und Geschwindigkeit. Einen detaillierten Überblick finden Sie im Abschnitt „Modelle in RAI und Auswahlhilfe“ auf dieser Seite.
Nein, die Nutzung ist für alle Universitätsangehörigen kostenfrei. Allerdings entstehen der Universität je nach Modell Kosten pro Nutzungseinheit. Bitte nutzen Sie RAI daher ressourcenschonend im Sinne des Fair-Use-Gedankens.
Das hängt von der Vertraulichkeitsklasse ab. Azure (EU) ist für C1–C2 vorgesehen. Die GWDG-Variante ist für C1–C3 vorgesehen; für C3 ist eine dokumentierte Freigabe erforderlich. Für C4 sind die im Portfolio verfügbaren KI-Systeme in der Regel nicht geeignet. Übersicht der Vertraulichkeitsklassen
Nein. Eingaben werden in RAI nicht zum Training genutzt – weder bei den GWDG-Modellen noch bei den Azure/OpenAI-Modellen.
In der Azure-(EU)-Variante werden Eingabedaten bei Microsoft für 30 Tage gespeichert. Bei den GWDG-gestützten Modellen erfolgt der Betrieb auf Servern der GWDG. Prompts und Chat-Inhalte werden dort nicht gespeichert.
Prüfen Sie zunächst, welche Art von Daten betroffen ist. Wurden personenbezogene oder vertrauliche Daten (C2 oder höher) in ein ungeeignetes System eingegeben, informieren Sie zeitnah Ihre vorgesetzte Person und melden Sie den Vorfall an den Datenschutzbeauftragten sowie an die Stabsstelle Informationssicherheit. Eine schnelle Meldung hilft, Risiken zu begrenzen und den Vorfall korrekt zu behandeln. Bei rein öffentlichen Inhalten (C1) ist in der Regel keine Meldung erforderlich.
Ihre Chats in RAI werden clientseitig verschlüsselt gespeichert. Beim ersten Login legen Sie einen persönlichen Schlüssel fest. Wählen Sie einen leicht zu merkenden Schlüssel, da dieser auf anderen Geräten oder im privaten Browsermodus manuell eingegeben werden muss. Ein Zurücksetzen des Schlüssels ist möglich, führt aber zum Verlust aller gespeicherten Chats.
Ja. Für die dienstliche Nutzung von KI-Systemen – und damit auch von RAI – ist eine Pflichtschulung vorgesehen. Sie vermittelt Grundlagen zu Vertraulichkeitsklassen, Systemtypen und der KI-Richtlinie der Universität und sensibilisiert unter anderem für Bias, Diskriminierung und Halluzinationen. Nach Bestehen wird ein Zertifikat ausgestellt, das vor der dienstlichen Nutzung bei der oder dem Vorgesetzten vorzulegen ist. Die Schulungsangebote finden Sie im Lernportal KI in ILIAS. Hintergrund ist unter anderem die EU-KI-Verordnung (Art. 4), die Mindeststandards in KI-Kompetenz für alle Beschäftigten vorsieht, die mit KI-Systemen arbeiten.
RAI unterstützt in ausgewählten Modellen das Verstehen und Analysieren von Bildern und PDFs (Vision). Bildgenerierung ist in RAI derzeit nicht verfügbar. Für Bildgenerierung oder andere spezialisierte Aufgaben können Sie auf weitere freigegebene Tools aus der Whitelist zurückgreifen.
Ja, RAI bietet eine Exportfunktion für Chats. Beim PDF-Export können derzeit vereinzelt Formatierungsprobleme auftreten (z. B. abgeschnittene Zeilen). An einer Lösung wird gearbeitet.
Derzeit ist kein persönlicher API-Zugang verfügbar. Die Kapazitäten der Plattform sind begrenzt und eine individuelle Anbindung (z. B. an VS Code oder eigene Anwendungen) ist aktuell nicht möglich. Uns ist bewusst, dass ein API-Zugang sehr gefragt ist – das Thema hat hohe Priorität und es wird aktiv daran gearbeitet. Sobald ein API-Zugang verfügbar ist, wird dies bekannt gegeben.
RAI funktioniert am besten in Chrome und Firefox. Bei Safari kann es gelegentlich zu Darstellungsproblemen kommen. Ein Neuladen der Seite (Page-Reload) hilft oft als Workaround. Falls Probleme bestehen bleiben, versuchen Sie es mit einem anderen Browser.
Insbesondere Modelle mit ausgeprägtem Reasoning-Anteil (z. B. GLM 5.3 Flash, Qwen 3.8) benötigen mehr Rechenzeit und können bei komplexen Anfragen Timeouts verursachen. Versuchen Sie in diesem Fall, den Prompt kürzer oder weniger komplex zu formulieren, oder wechseln Sie zu einem Allround-Modell wie GPT-5.6 Luna. Falls das Problem wiederholt auftritt, wenden Sie sich an den RAI-Support.
Das ist ein bekanntes Problem. Wenn eine Anfrage noch läuft und parallel ein neuer Chat geöffnet wird, können Antworten im falschen Chat erscheinen oder Darstellungsfehler auftreten. Schließen Sie in diesem Fall den Chat und starten Sie einen neuen.