 Mentoringprogramm Balu und DuEngagiert etwas bewegen: Als Mentoren und Mentorinnen begleiten Studierende ein Grundschulkind und fördern so Bildungsgerechtigkeit. Die Bewerbungsfrist wurde bis zum 15. Februar 2026 verlängert. Weitere Informationen |
 KI- und Datenkompetenz durch die KIT-BibliothekÜber die Angebote der KIT-Bibliothek zur Vermittlung von Informations-, Medien-, Daten- und KI-Kompetenzen sprach Diana M. Tangen (KIT-Bibliothek, FBH, FBD) am 11. Februar 2026 in der Ringvorlesung Data Literacy. Zudem wurden Einblicke in aktuelle Projekte zu LLM-Literacy gegeben. Weitere Informationen |
 KI und DemokratieAm 4. Februar 2026 sprach Dr. Sebastian Cacean in der Ringvorlesung Data Literacy über Chancen und Herausforderungen von Large Language Models (LLMs) für den öffentlichen Diskurs. Dabei ging er u.a. auf die veränderte Informationsproduktion und -verarbeitung durch große Sprachmodelle ein. Weitere Informationen |
 Genderperspektiven als Beiträge zu einer transformativen Planung der EnergiewendeIn ihrem Vortrag am 15. Januar 2026 ging Prof. Dr. Tanja Mölders der Frage nach, wie die Energiewende sozial-ökologisch gerecht gestaltet werden kann. Dabei werden die Analyse- und Gestaltungspotenziale der Geschlechterforschung für die räumlichen Transformationsprozesse der Energiewende aufgezeigt. Weitere Informationen |
 Open Government und Open DataIn der Ringvorlesung Data Literacy gab Prof. Dr. Tobias Siebenlist (Hochschule Rhein-Waal) am 28. Januar 2026 aus Sicht von Wissenschaft und Praxis einen Überblick über die Verbindungen und Anwendungsfelder von Open Data und Open Government. Weitere Informationen |
 Europa im Spannungsfeld von Klimaschutz und EnergiesicherheitIn seinem Vortrag am 22. Januar 2026 beleuchtete Prof. Dr. Rainer Quitzow, wie die EU vor diesem Hintergrund Klimaschutz, Wettbewerbsfähigkeit und geopolitischen Einfluss erhalten kann. Weitere Informationen |
 Maschinelles Lernen und HochwasservorhersagenDr. Ralf Loritz (IWU/HYD, KIT) zeigte in der Ringvorlesung Data Literacy am 21. Januar 2026, wie maschinelles Lernen die Hydrologie veränderte und untersuchte, ob der Einsatz von KI die Vorhersage von Hochwasser, Dürre und anderen hydrologischen Extremen verbessern konnte. Weitere Informationen |
