Content uploaded by Franziska Hauer
Author content
All content in this area was uploaded by Franziska Hauer on Aug 01, 2024
Content may be subject to copyright.
KINiro
Künstliche Intelligenz für
Nichtregierungsorganisationen
-
Bedarf, Akzeptanz und Umsetzungsmöglichkeiten
3. Arbeitspapier
Künstliche Intelligenz für Nichtregierungsorganisationen –
Quantitative Erforschung der Umsetzung in deutschen NROs
Autor*innen: Hauer, Franziska; Haug, Sonja; Scharf, Anna; Schultz, Maximilian; Weber, Karsten
Wissenschaftliche Projektleitung: Prof. Dr. Karsten Weber
Herausgeber: Institut für Sozialforschung und Technik-
folgenabschätzung (IST), Ostbayerische Technische
Hochschule (OTH) Regensburg
Juni 2024
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
2
Inhaltsverzeichnis
Zusammenfassung ..................................................................................................... 4
Abstract ...................................................................................................................... 6
1 Hintergrund und Fragestellung .......................................................................... 8
2 Methodik ............................................................................................................ 9
2.1 Studiendesign .......................................................................................... 10
2.2 Stichprobengenerierung .......................................................................... 11
2.3 Feldphase und Rücklauf ........................................................................... 12
2.4 Erhebungsinstrument .............................................................................. 14
2.5 Auswertungsmethodik ............................................................................. 16
2.6 Stichprobenbeschreibung ........................................................................ 17
2.6.1 Rechtsform .................................................................................. 17
2.6.2 Handlungsebenen ....................................................................... 18
2.6.3 Mitgliederanzahl der NROs.......................................................... 21
2.6.4 Handlungsfelder der NROs .......................................................... 24
3 Ergebnisse ....................................................................................................... 28
3.1 KI in den Organisationen ......................................................................... 28
3.1.1 KI-Nutzung in den NROs ............................................................. 28
3.1.2 Erfahrung der NROs mit KI .......................................................... 29
3.1.3 KI-Anwendungsbereiche ............................................................. 30
3.1.4 Antreibende des KI-Einsatzes ..................................................... 32
3.1.5 Erfahrung mit KI nach Jahren ...................................................... 32
3.1.6 Aufteilung der Arbeit mit KI nach Art der Beschäftigung............. 34
3.1.7 Einschätzung der KI-Entwicklung in den nächsten 5 Jahren ........ 35
3.2 Szenarien ................................................................................................. 36
3.2.1 Szenario: Öffentlichkeitsarbeit .................................................... 36
3.2.2 Szenario: Marketing .................................................................... 37
3.2.3 Szenario: Bewerbungsmanagement ............................................. 37
3.2.4 Szenario: Beschwerdemanagement/ Kundenbetreuung .............. 38
3.2.5 Szenario: Gebäudepflege ............................................................ 39
3.2.6 Szenario: Personalverwaltung...................................................... 39
3.2.7 Szenario: Naturschutz ................................................................. 41
3.2.8 Szenario: Gesundheitsbereich ..................................................... 42
3.3 Ressourcen .............................................................................................. 43
3.3.1 Analyse der zusätzlich genannten vorhandenen Ressourcen ...... 46
3.3.2 Analyse der notwendigen zusätzlichen Ressourcen .................... 47
3.3.3 Erwartete Effizienzsteigerung durch KI ....................................... 48
3.4 Daten ....................................................................................................... 49
3.5 Erwarteter Mehrwert durch KI .................................................................. 51
3.6 Wissenstand............................................................................................. 54
3.7 Hoffnungen und Befürchtungen .............................................................. 59
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
3
3.8 Offene Anmerkungen der NROs ............................................................... 63
4 Diskussion ....................................................................................................... 65
5 Fazit und Ausblick ........................................................................................... 67
Literaturverzeichnis .................................................................................................. 70
Anhang ..................................................................................................................... 73
Abbildungsverzeichnis ..................................................................................... 73
Tabellenverzeichnis ......................................................................................... 74
Abkürzungsverzeichnis .................................................................................... 74
Das vorliegende Arbeitspapier wurde im Rahmen des Projekts „Künstliche Intelligenz für Nichtregie-
rungsorganisationen (KINiro) - Bedarf, Akzeptanz und Umsetzungsmöglichkeiten“ an der OTH Regens-
burg am Institut für Sozialforschung und Technikfolgenabschätzung (IST) von Franziska Hauer, Anna
Scharf, Maximilian Schultz, Sonja Haug und Karsten Weber erstellt. Das Projekt wird mit Laufzeit Januar
2023 bis Dezember 2025 durch das Bundesministerium für Familie, Senioren, Frauen und Jugend
(BMFSFJ) gefördert. Eine zusätzliche Teilförderung erfolgt durch das Regensburg Center of Health Sci-
ences and Technology (RCHST).
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
4
Zusammenfassung
Hintergrund und Fragestellung
Künstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat
das Potenzial viele Arbeitsfelder grundlegend zu verändern. Mit dem Einsatz von KI
wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies
könnte besonders interessant für Organisationen sein, die wenig Ressourcen zur Ver-
fügung haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu zählen
Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesell-
schaft darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI
Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bie-
ten. Über den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt.
Methodik
Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisatio-
nen (NRO) zum Thema KI durchgeführt. Der Web-Survey baut auf den Erkenntnissen
des Scoping Reviews und der qualitativen Interviews auf und vertieft den Einblick in
die Bereiche aktuelle Nutzung von KI, Wissenstand in den Organisationen sowie vor-
handene und noch benötigte Ressourcen. Dafür wurden 343 NROs verschiedener Grö-
ßen und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert.
Ergebnisse
Die meisten NROs sind der Anwendung von KI gegenüber positiv eingestellt und pla-
nen den Einsatz für die Zukunft oder testen ihn bereits. Dafür werden meist schnell
umsetzbare, externe Anwendungen wie Schreibunterstützungen oder Textüberset-
zung für Bürotätigkeiten in den Arbeitsablauf eingebaut. Diese Nutzung beschränkt
sich häufig auf erste Versuche und wird durch interessierte Einzelpersonen vorange-
trieben. Für größere Umsetzung fehlen häufig Zeit, Geld und Wissen. Da die NROs
selbst erwarten, dass die Nutzung von KI in den nächsten Jahren zunehmen wird,
werden mehr Wissensaufbau und Austausch in den Organisationen notwendig.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
5
Schlussfolgerung
Das Interesse an der Thematik scheint in der Zielgruppe vorhanden zu sein, wie die
hohe Teilnahmebereitschaft nahelegt. Doch handelt es sich um ein eher neues Thema
für die NROs, sodass der Einsatz noch getestet wird und feste Strukturen, welche die
Anwendung systematisieren und regeln noch aufgebaut werden müssen. Um dies zu
ermöglichen, sind mehr Wissen, Richtlinien und finanzielle Ressourcen notwendig.
Die Umsetzung hat in den NROs jedoch wenig Priorität, da zunächst andere Hürden
überwunden werden müssen.
Schlüsselwörter
Künstliche Intelligenz, KI, Nichtregierungsorganisation, NRO, qualitative Studie
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
6
Abstract
Background and research question
Artificial intelligence (AI) represents a significant aspect of digitalization and has the
potential to fundamentally transform numerous fields of work. The deployment of AI
is associated with the hope of saving time and money through automation. This could
be particularly appealing to organizations with limited resources, such as non-profit
or volunteer-based entities. Non-governmental organizations (NGOs), which are a
crucial part of civil society, fall into this category. Given the increasingly complex work
of NGOs, AI appears to offer opportunities to address current and future challenges.
However, there is currently little known about the use of AI in NGOs.
Methods
A quantitative cross-sectional study was conducted on German non-governmental
organizations (NGOs) regarding the topic of artificial intelligence (AI). The web survey
builds upon the findings of the scoping review and qualitative interviews, providing
deeper insights into the current use of AI, the level of knowledge within the organi-
zations, and the available as well as required resources. A total of 343 NGOs of various
sizes and fields of activity were surveyed, and the results were quantitatively analyzed.
Results
Most NGOs have a positive attitude towards the application of AI and are planning to
implement it in the future or are already testing it. They often incorporate easily de-
ployable, external applications such as writing aids or text translation for office tasks
into their workflows. This usage is often limited to initial trials and is driven by inter-
ested individuals. Larger-scale implementation is frequently hindered by a lack of
time, money, and knowledge. As the use of AI in NGOs is expected to increase in the
coming years, more knowledge building and exchange within these organizations will
be necessary.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
7
Conclusion
Interest in the topic appears to be present within the target group, as suggested by
the high willingness to participate. However, AI is a relatively new subject for NGOs,
so its implementation is still being tested, and established structures to systematize
and regulate its application have yet to be developed. To enable this, more knowledge,
guidelines, and financial resources are necessary. However, implementation currently
has low priority within NGOs, as other hurdles must be overcome first.
Keywords
Artificial Intelligence, AI, non-governmental organization, NGO, qualitative study
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
8
1 Hintergrund und Fragestellung
1
Künstliche Intelligenz (KI) ist eines der wichtigsten Themen der Digitalisierung und
liegt in vielen Branchen derzeit im Trend. Als KI benannte Technologien wurden in
den letzten Jahren immer präsenter und werden in vielen Arbeitsbereichen implemen-
tiert oder zumindest ausprobiert. Durch die Anwendung von KI wird sich erhofft Arbeit
zu automatisieren sowie Zeit und Geld einzusparen (Bühler et al. 2021, S. 10). Dies
kann besonders interessant für Unternehmen und Organisationen sein, die von Grund
auf wenig Ressourcen zur Verfügung haben, da ihre Arbeit gemeinnützig und somit
nicht gewinnorientiert ist oder sie von Spendengeldern und ehrenamtlicher Arbeit ab-
hängig sind und sich somit von Wirtschaftsunternehmen und deren Finanzstrukturen
unterscheiden.
Unter diesen Bedingungen arbeiten beispielsweise Nichtregierungsorganisationen
(NRO). Diese sind, in Abgrenzung vom staatlichen und wirtschaftlichen Bereich, Ak-
teure des so genannten „Dritten Sektors“, zu dem Stiftungen, Vereine, Verbände, In-
teressensgruppen, Initiativen, Soziale Bewegungen, Soziale Dienstleister und Wohl-
fahrtsorganisationen gehören (Frantz und Martens 2006) und damit ein wichtiger Be-
standteil der Zivilgesellschaft.
KI-Anwendungen scheinen auch für diese Zielgruppe eine Lösung zu sein, um Res-
sourcen einzusparen und Arbeitsabläufe zu automatisieren. Doch während der KI-
Einsatz in Wirtschaftsunternehmen beispielsweise von Marktforschungsinstituten lau-
fend erforscht wird
2
, ist über die aktuelle Situation in NROs kaum etwas bekannt.
Sehen die NROs selbst Bedarf, haben sie Möglichkeiten die Technologien umzusetzen,
gibt es genug Ressourcen und wie ist die Abschätzung, ob KI tatsächlich Ressourcen
schonen könnte? Wie schon in Scharf et al. 2023 aufgezeigt wurde, gibt es bisher
1
Das Projektteam dankt Herrn Derk Siebert für die Unterstützung bei der Abbildungserstellung.
2
Untersuchungen wie Berg 2022; Horváth 2024 oder Destatis 27.11.2023 zeigen jedoch, dass
durch die Veröffentlichungsart als reine Präsentation oder Pressemitteilung die wissenschaftliche Ein-
ordnung verloren geht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
9
wenig wissenschaftliche Auseinandersetzung mit dem Einsatz von KI in NROs. Durch
die Untersuchung sollen die Voraussetzungen für die Nutzung von KI, der Bedarf und
die Bedenken dieser Zielgruppe erhoben werden. Zur systematischen Generierung von
Wissen in einem so jungen und wenig erforschten Feld wird ein Mixed-Methods-De-
sign (Kuckartz 2014) angewendet.
Im Rahmen des Projekts KINiro wurde das Forschungsfeld bereits durch explorative
Interviews geöffnet (Schultz et al. 2024). Durch die vorliegende quantitative Studie
soll nun geprüft werden, ob Ergebnisse der ersten qualitativen Befragung auch auf
größere Stichproben zutreffen. Schließlich wird aufbauend auf die vorliegende Studie
eine weitere qualitative Befragungsrunde angeschlossen, durch welche die Thematik
noch vertieft wird.
Durch eine groß angelegte quantitative Befragung deutscher NROs soll ein detaillier-
tes und differenziertes Bild der NRO-Landschaft in Bezug auf KI-Einsatz ermöglicht
werden. Dabei soll auf die Themenbereiche
• Verständnis von KI,
• Aktueller Einsatz von KI,
• Akzeptanz von KI-Einsatz,
• Verfügbare Ressourcen und Daten,
• Hoffnungen und Befürchtungen und
• Zukunftserwartungen
der Fokus gelegt werden. Es soll untersucht werden, welches notwendige Know-how
und andere unabdingbare (materielle) Ressourcen für einen sinnvollen KI-Einsatz zur
Unterstützung der Arbeit einer NRO bereits vorhanden sind und was noch notwendig
ist.
2 Methodik
Die Methodik der vorliegenden Studie wird anhand des Studiendesigns (siehe 2.1),
der Stichprobengenerierung (siehe 2.2), Feldphase und Rücklauf (siehe 2.3), des
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
10
Erhebungsinstruments (siehe 2.4) sowie der Auswertungsmethodik (siehe 2.5) und
der Stichprobenbeschreibung (siehe 2.6) dargestellt. Prozentangaben werden auf eine
Dezimalstelle angegeben; durch Rundungen kann es dadurch auf Summen über 100%
kommen. Gleiches gilt für Fragen mit Mehrfachantwortoptionen, welche aber als sol-
che gekennzeichnet sind. Für angegebene Prozentwerte werden gültige Angaben ver-
wendet und somit Fragebögen, in welchen keine Antwort abgegeben wurde, ausge-
schlossen. Offene Fragen werden qualitativ ausgewertet. Sofern Freitexte in diesem
Bericht zitiert werden, wird die originale Schreibweise beibehalten und die Fallnum-
mer angegeben.
2.1 Studiendesign
Dieses Arbeitspapier beschreibt eine quantitative Querschnittsstudie (Döring 2023,
212-216, 399-422) , die als Online-Umfrage (Schnell 2019, S. 276–303) durchgeführt
wurde. In Erstellung und Durchführung wurde sich an Empfehlungen der Total-De-
sign-Method von Dillman orientiert (Schnell 2019, S. 240–254). Der Fragebogen
wurde aus geschlossenen Fragen und Mehrfachantwortfragen gebildet, ergänzt durch
einige halboffene und offene Fragen, um weitere Antwortmöglichkeiten zu erfassen.
Durch den Einsatz von Filterführungen (siehe 2.4) werden jeweils relevante Fragen an
die einzelnen Organisationen gestellt. Die Online-Umfrage wurde mit dem Tool
SosciSurvey
3
realisiert.
Vor der Feldphase wurden Pre- und Funktionstests durch das Team und auch weitere
Mitarbeitende des Instituts durchgeführt. Das Feedback aus diesen Tests wurde vor
der Veröffentlichung in den Fragebogen eingearbeitet. Die Feldphase der Befragung
war auf einen Zeitraum von vier Wochen (04.03.2024 bis 31.03.2024) begrenzt.
3
https://www.soscisurvey.de/
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
11
2.2 Stichprobengenerierung
Die Grundgesamtheit und Zielgruppe von Nichtregierungsorganisationen und Non-
Profitorganisationen
4
in Deutschland ist derzeit nur schwer wissenschaftlich erheb-
bar. Da es keine frei zugängliche, ausschöpfende Übersicht deutscher NROs gibt und
Seiten wie beispielsweise das bayerische Stiftungsverzeichnis für derartige Zwecke
nicht sinnvoll nutzbar sind, bestand ein großer Anteil des Arbeitspaketes in der Er-
stellung einer Liste mit Namen und Kontaktangaben von NROs, die die Auswahl-
gesamtheit darstellen
5
. Dafür wurden in Vorrecherchen des Projekts digital verfügbare
Listen ausfindig gemacht, die ein breites Feld an NROs beinhalten:
• Transparente Zivilgesellschaft – Unterzeichner.
6
• Bundesnetzwerk Bürgerschaftliches Engagement (Bereich NRO).
7
• Lexikon der Nachhaltigkeit: NRO-Zivilgesellschaft.
8
Diese Listen enthalten sowohl die Namen von großen, weltweit tätigen NROs sowie
von kleinen, lokal agierenden Organisationen. In Summe wurden aus den Listen 2177
Organisationen ausfindig gemacht; nach einer Konsolidierung durch Entfernung von
doppelt aufgeführten NROs verblieben 1816 Organisationen. Die Auswahlgesamtheit
bestand somit aus den 1816 auf der Liste aufgeführten NROs, die sich auf die Hand-
lungsfelder
9
Bildung, Erziehung und Kinderbetreuung, Umwelt-, Natur- und Tier-
schutz, Gesundheitsbereich, Sport und Bewegung, Kunst, Kultur und Musik, Politische
Interessensvertretung, Freizeit und Geselligkeit, Außerbetriebliche berufliche Interes-
sensvertretung, Entwicklungszusammenarbeit und Humanitäre Hilfe, Wissenschaft
4
Die im Rahmen des Projekts angesetzte Definition von „NRO“ wird in Scharf et al. 2023, 6 f. aus-
geführt.
5
In dieser Aufgabe unterstützten die studentischen Hilfskräfte Miriam Stahl, Antonia Schaser, Lukas
Baumann und Derk Siebert.
6
Initiative Transparente Zivilgesellschaft 2022: https://www.transparente-zivilgesell-
schaft.de/ueber-uns/unterzeichnerorganisationen
7
Bundesnetzwerk Bürgerliches Engagement 2023: https://www.b-b-e.de/mitglieder/verzeich-
nis/0/?cHash=9de7e8e7c475ee8ffacd197d2cc0b417 (Stand 02.01.2023)
8
Aachener Stiftung Kathy Beys 2015: https://www.nachhaltigkeit.info/artikel/ngo_link-
liste_1470.htm
9
Die Handlungsfelder orientieren sich an drei Studien: Priller et al. 2012; Kausmann und Hagen
2022; Schubert et al. 2023a.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
12
und Forschung, Bevölkerungs- und Katastrophenschutz, Kirchliche und religiöse Ver-
einigungen, Soziale Dienste (Altenhilfe, Behindertenhilfe), Gemeinschaftliche Versor-
gungsaufgaben, Bürger- und Verbraucherinteressen, Justiz- oder Kriminalitätsprob-
leme und Resozialisierung, Außerschulische Jugendarbeit, Bildungsarbeit für Erwach-
sene und Sonstiges verteilen
10
.
Weiterhin wurden zusätzlich 36 Gremien in ganz Deutschland kontaktiert, mit der
Bitte, die Befragung weiterzuleiten und zu bewerben (siehe Anhang 3), damit wurde
ein sogenanntes Schneeballsystem angewandt (Döring 2023, S. 310). Bei diesen Mul-
tiplikatoren handelt es sich sowohl um bundesweit als auch landesweit agierende Or-
ganisationen und Netzwerke. Die Auswahl der Multiplikatoren wurde auf Basis der
Übersicht der Engagementstrategien der Bundesländer getroffen (DSEE 2020). Die
kontaktierten Gremien können in Anhang 1
Tabelle 6 eingesehen werden. An wie viele Organisationen der Teilnahmeaufruf ins-
gesamt gesendet und weiterverteilt wurde, lässt sich somit nicht nachvollziehen.
2.3 Feldphase und Rücklauf
Der Befragungszeitraum erstreckte sich von 04.03.2024 bis 31.03.2024. Zu Beginn
der Feldphase wurden Einladungsemails (Anhang 2) an die Organisationen gesendet.
Dabei wurde ein Link zu einem Abdruck des Fragebogens mitgeschickt, über welchen
sich die Befragten die Fragen vorab ansehen konnten und sich sofern notwendig In-
formationen in der Organisation einholen konnten. Zusätzlich wurden die 36 Multi-
plikatoren kontaktiert und gebeten die Einladung an NROs ihres Wirkungsbereichs
weiterzuleiten.
10
Eine Aufschlüsselung der Handlungsfelder der kontaktierten Organisationen wird in einem nachge-
schalteten Appendix separat veröffentlicht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
13
44 E-Mails konnten nicht zugestellt werden, was an je einem der folgenden drei
Gründe lag:
• Tippfehler in der angegebenen E-Mailadresse.
• geänderte Kontaktadressen der Organisationen.
• Organisation existiert nicht mehr (oder hat keinen Internetauftritt mehr).
Alle drei Fehlergründe weisen darauf hin, dass die vorgefundenen Auflistungen der
deutschen NROs eine Momentaufnahme des Erstellungszeitpunkts sein könnten und
offenbar nicht laufend aktualisiert werden. In Fällen fehlerhafter Kontaktdaten wurden
Recherchen angestellt, um aktuelle Kontaktdaten zu finden und wenn möglich, wur-
den diese zur Kontaktierung verwendet (24 Fälle). Nach der Hälfte der angesetzten
Erhebungstage der Feldphase wurden am 15.03.2024 und 16.03.2024 Erinnerungen
zur Teilnahme per E-Mail versendet.
Rücklauf
Der Fragebogen wurde 343-mal gestartet und 268-mal bis zur letzten Seite beant-
wortet.
Abbildung 1: Rücklauf der vollständigen und teilweise beantworteten Fragebögen im
Erhebungszeitraum
Anhand der Abbildung 1 kann beobachtet werden, dass besonders zu Beginn der
Feldphase das Interesse an der Teilnahme sehr hoch war. Nach einer darauffolgenden
0
10
20
30
40
50
60
70
80
90
100
04.03.2024
05.03.2024
06.03.2024
07.03.2024
08.03.2024
09.03.2024
10.03.2024
11.03.2024
12.03.2024
13.03.2024
14.03.2024
15.03.2024
16.03.2024
17.03.2024
18.03.2024
19.03.2024
20.03.2024
21.03.2024
22.03.2024
23.03.2024
24.03.2024
25.03.2024
26.03.2024
27.03.2024
28.03.2024
29.03.2024
30.03.2024
31.03.2024
Rücklauf im Erhebungszeitraum
abgeschlossene Fragebögen abgebrochene Fragebögen
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
14
sinkenden Teilnehmendenzahl stiegen die täglichen Aufrufe in Folge der Erinne-
rungsemail am 15.03.2024 und den darauffolgenden Arbeitstagen noch einmal an.
Werden die 1816 Teilnahmeaufrufe, die durch das Projektteam selbst verschickt wur-
den als Grundlage genommen, kann von einem Rücklauf von maximal 18,8% ausge-
gangen werden. Durch die Anwendung des Schneeballsystems und da das Projekt-
team keinen Einblick in die Adresslisten der Multiplikatoren hat, kann keine genaue
Aussage darüber getroffen werden, in wie vielen Organisationen der Teilnahmeaufruf
ankam. Zudem ist unklar, wie viele Gremien der Bitte die Befragung weiter zu bewer-
ben nachgekommen sind, da nur von einem Gremium eine Bestätigung gesendet
wurde, dies getan zu haben. Für webbasierte Umfragen sind niedrige Rücklaufquoten
unter 10% nicht ungewöhnlich (van Mol 2017, S. 318). Somit kann die gute Ausschöp-
fungsquote der vorliegenden Studie ein Zeichen dafür sein, dass in der Zielgruppe ein
Interesse am Forschungsgegenstand vorliegt.
2.4 Erhebungsinstrument
Das Erhebungsinstrument der Studie ist ein Online-Fragebogen mit 42 Fragen (siehe
Anhang 4). Dabei handelt es sich um einen standardisierten Fragebogen (Schnell et
al. 2018), der Skalen (Franzen 2022), andere geschlossene Fragen und einige offene
Antwortmöglichkeiten enthält.
Der Fragebogen wurde auf Grundlage der Ergebnisse des Scoping Reviews (Scharf et
al. 2023) und der qualitativen Interviews (Schultz et al. 2024), welche im Rahmen des
Projekts KINiro bereits durchgeführt wurden, erstellt. Dabei wurde darauf geachtet,
dass die Fragen unabhängig davon, ob die Organisation KI bereits einsetzt, formuliert
sind. Darüber hinaus wurden mehrere Filterführungen eingesetzt, durch welche Fra-
gen oder ganze Fragebogenseiten abhängig von zuvor gegebenen Antworten aus-
oder eingeblendet wurden. Durch die Anwendung der Filterführungen kann der Fra-
gebogen auf unterschiedliche Nutzergruppen zugeschnitten werden und sowohl Or-
ganisationen, die bereits KI verwenden, aber auch für jene, die der Anwendung
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
15
abgeneigt sind, oder die Verwendung erst für die Zukunft planen, abdecken. Der Fra-
gebogen enthält mehrere thematische Blöcke. Zu Beginn wird durch eine Begrüßungs-
seite der Forschungsgegenstand und das Projekt KINiro vorgestellt. Darauf folgt ein
ausführlicher Datenschutzhinweis, welchem zugestimmt werden muss, damit der
weitere Fragebogen verfügbar wird.
Zum Einstieg in das Thema stehen die Fragen, ob in der Organisation KI bereits ge-
nutzt wird und wie die Nutzung von KI in der eigenen Organisation in fünf Jahren
prognostiziert wird. Dadurch soll das Interesse geweckt werden und je nach Antwort,
ob KI derzeit genutzt wird oder nicht, werden Filter aktiv, die den restlichen Fragebo-
genverlauf beeinflussen.
Es folgen allgemeine Fragen zur Organisation, wie Rechtsform, Mitgliederanzahl und
Handlungsebene. Die Handlungsfelder der Organisationen werden nach allgemeinen
und primären Handlungsfeld abgefragt. Im Anschluss wird nach dem KI-Einsatz in
den Organisationen gefragt. Sofern bereits KI verwendet oder die Anwendung geplant
wird, soll angegeben werden, welche Personengruppen die Umsetzung von KI in der
Organisation vorantreiben.
Durch Fragen in welchen Bereichen, in welchen Projektgrößen und in welcher Dauer
KI genutzt wird, wird der aktuelle Stand der NROs genauer beleuchtet. Sofern zuvor
angegeben wurde, dass die Organisation hauptamtliche oder ehrenamtliche Mitarbei-
tende hat, wird nun gefragt, ob diese in ihrem Arbeitsalltag in der Organisation mit
KI zu tun haben.
Da die Situation in den einzelnen NROs unbekannt und möglicherweise zu individuell
ist, um sie durch einen Fragebogen abdecken zu können, werden Einsatzszenarien
beschrieben, welche bewertet werden sollen, ob sie in den Organisationen vorstellbar
wären oder bereits angewendet werden. Die Szenarien wurden auf Grundlage von
Handlungsbeispielen formuliert, welche im Scoping Review (Scharf et al. 2023) und in
den qualitativen Interviews (Schultz et al. 2024) gefunden wurden oder auf Grundlage
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
16
des KI-Periodensystems formuliert wurden (Bitkom 2018). Für Organisationen, welche
als Handlungsfeld „Umwelt-, Natur- und Tierschutz“ oder „Gesundheitsbereich“ aus-
wählten, wurden durch einen weiteren Filter Szenarien zu diesen Handlungsfeldern
eingeblendet.
Nachdem durch die Szenarien theoretisch mögliche Einsatzfälle von KI in den Orga-
nisationen abgefragt wurden, werden dann tatsächlich vorhandene und noch benö-
tigte Ressourcen in den Organisationen betrachtet. Danach werden vorhandene Daten
und Datenspeicherungskonzepte thematisiert. Es folgen Fragen zur Einschätzung,
welchen Mehrwert der Einsatz von KI in verschiedenen Arbeitsaspekten mit sich bringt
oder bringen würde und welche Priorität KI für die Organisation derzeit hat. Einrich-
tungen, die bereits KI anwenden, werden daraufhin gefragt, wie der interne Wissen-
stand zu KI eingeschätzt wird. Dabei wird erhoben, ob es interne Definitionen, Leitli-
nien und Weiterbildungsangebote zu KI gibt oder ob die Organisation Teil eines Netz-
werks zum Wissens- und Erfahrungsaustausch ist. Als letzte inhaltliche Frage sollen
verschiedene arbeitsbezogene und soziale Aspekte bewertet werden, ob diese inner-
halb der NRO eher Hoffnungen oder Befürchtungen wecken. Zum Abschluss des Fra-
gebogens gibt es ein offenes Antwortfeld, in welchem die Teilnehmenden die Mög-
lichkeit haben, Anmerkungen zum Themenfeld KI für Nichtregierungsorganisationen
zu machen. Schließlich wird auf der letzten Seite für die Teilnahme gedankt und auf
die Projekthomepage und die Förderlinie hingewiesen.
2.5 Auswertungsmethodik
Der Fragebogen wird im Rahmen des vorliegenden Arbeitspapiers rein deskriptiv aus-
gewertet. In der Auswertung wurden keine Fälle ausgeschlossen, auch wenn der Fra-
gebogen abgebrochen wurde. Dies hat zur Folge, dass sich die Stichprobe n pro Frage
unterscheiden kann, da Teilnehmende zwischendurch den Fragebogen abgebrochen
haben oder keine Antwort auf einzelne Fragen gaben. 60% der Abbrecher beendeten
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
17
den Fragebogen bereits nach maximal der vierten Seite, während die übrigen Abbrü-
che zum Ende hin weniger werden.
Ebenso wird die Fallzahl durch die Filterführung beeinflusst. Doch hat der Einschluss
aller, die die jeweilige Frage beantwortet haben den Mehrwert, dass ein möglichst
breites Bild der NROs dargestellt werden kann. In der folgenden Auswertung wird das
n
pro Frage jeweils angegeben.
2.6 Stichprobenbeschreibung
Als Zielgruppe des Projekts und somit Stichprobe dieser Befragung wurden deutsche
Nichtregierungsorganisationen (NRO) und Non-Profit Organisationen (NPO) gewählt.
Dabei wurden keine Ausschlüsse auf Grundlage der Organisationsgröße oder des Wir-
kungskreises vorgenommen. Somit können sowohl lokal agierende Bürgervereinigun-
gen als auch weltbekannte Global Player erreicht worden sein.
Um einen Überblick über die Stichprobe zu erhalten und diese einordnen zu können,
wurden Strukturmerkmale der NROs abgefragt.
2.6.1 Rechtsform
Nichtregierungsorganisationen und Non-Profit Organisationen sind keine eigene
Rechtsformen, sondern ein Überbegriff für Organisationen, die nicht gewinnorientiert
arbeiten und nicht von Regierungen oder staatlichen Stellen abhängig sind (BMZ
2024). Erhebungen über zivilgesellschaftliche Organisationen zeigen, dass die große
Mehrheit dieser als eingetragene Vereine agieren und weitere Rechtsformen nur ge-
ringe Anteile darstellen (Schubert et al. 2023b, S. 7). Dies wird auch in der vorliegen-
den Befragung widergespiegelt (Abbildung 2).
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
18
Abbildung 2: Welche Organisationsform hat Ihre Organisation? (n=311). KINiro 2024.
Die deutliche Mehrheit (70,7%) der befragten Organisationen (n=311) gibt an, ein ein-
getragener, gemeinnütziger Verein (e.V.) zu sein. Den zweitgrößten Anteil an ange-
gebenen Rechtsformen haben mit 13,5% Stiftungen, gefolgt von gemeinnützigen
GmbHs, sogenannten gGmbHs, mit 9,3%. Weitere 3,5% der Organisationen gaben an
keine der genannten Rechtsform zu tragen und nur ein geringer Anteil von 1,3% der
befragten Organisationen gibt an, ein Verein zu sein, der nicht im Vereinsregister
verzeichnet ist.
2.6.2 Handlungsebenen
Im Einladungsschreiben (Anhang 2) wurden die Organisationen gebeten, eine Person
stellvertretend für die Organisationsebene den Fragebogen beantworten zu lassen.
Damit sollte der Fokus der Ergebnisse auf den verschiedenen Organisationen und
nicht der jeweiligen beantwortenden Person liegen.
Durch die Befragung verschiedener Organisationsebenen könnten Unterschiede des
KI-Einsatzes beispielsweise zwischen der Arbeit lokaler Gruppen und den eher admi-
nistrativen Aufgaben der Bundesebene beleuchtet werden. Um den Blickwinkel der
70,7%
13,5%
9,3%
1,3%
1,0%
0,6%
3,5%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Eingetragener, gemeinnütziger Verein (e. V.)
Stiftung
Gemeinnützige GmbH (gGmbH)
Nicht eingetragener Verein
Gemeinnützige Unternehmergesellschaft
(gUG)
Gemeinnützige Aktiengesellschat (gAG)
Sonstiges/ Nichts davon
Rechtsform der Organisationen
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
19
beantwortenden Person darzustellen, wurde zunächst die eigene Organisationsebene
abgefragt (Abbildung 3).
14,5 % der Personen die den Fragebogen beantworteten arbeiten auf lokalen Orts-
ebenen. Nur 6,4% der beantwortenden Personen arbeiten auf Bezirksebene, 19,3% auf
Bundesländerebene und mit 29,3% arbeiten die meisten der befragten Organisations-
vertreter*innen auf Bundesebene. Mit 4,5% arbeitet der geringste Anteil der Befragten
über Deutschland hinaus, aber innerhalb der Europäischen Grenzen. Ein weiterer gro-
ßer Anteil der Befragten (18,6%) arbeitet auf globaler Ebene. 7,4% der Befragten mach-
ten keine Angabe.
Abbildung 3: Auf welcher Ebene agieren Sie selbst? (n=311). KINiro 2024.
Gliederung in mehrere Ebenen
Da sich der Einsatz von KI auf verschiedenen Ebenen unterschiedlich gestalten könnte,
gaben die Proband*innen in der nächsten Frage an, ob ihre Organisation in mehrere
Ebenen aufgegliedert oder nur auf der Ebene der vorherigen Frage tätig ist
11
. Auf
Grundlage dieser Frage wurde ein Filter für die Frage nach der höchsten Ebene ge-
schaltet.
11
Ist Ihre Organisation in mehrere Ebenen gegliedert? (n=311).
14,5%
6,4%
19,3%
29,3%
4,5%
18,6%
7,4%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Ortsgruppe
Bezirksebene
Bundesländerebene
Bundesebene
Innerhalb der EU
Weltweit
Keine Angabe
Handlungsebene der Befragten
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
20
51,1% der Organisationen gaben an, dass sie nicht in mehrere Ebenen gegliedert sind.
5,5% der Befragten machten keine Angabe. Die verbleibenden 43,4% der Organisati-
onen die angaben, in mehrere Ebenen gegliedert zu sein, wurden darauf gefragt, wel-
che die höchste Ebene sei, auf der die Organisation agiert.
Höchste Ebene
Die Organisationen, welche angaben, in mehrere Ebenen geteilt zu sein, sollten dann
die höchste Ebene ihrer Organisation auswählen (Abbildung 4). Damit wird eine Ein-
schätzung der Organisationsgröße und Reichweite neben der Mitgliederanzahl (siehe
2.6.3) ermöglicht.
Abbildung 4: Welches ist die höchste Ebene, auf der Ihre Organisation agiert? (n=133). KINiro 2024.
Dabei zeigt sich, dass auch die höchste Ebene und damit der maximale Wirkungsbe-
reich der Organisationen (n=155) zumeist weltweit oder deutschlandweit ist. Mit 4,5%
gibt der geringste Teil der Befragten an, dass ihre Organisation maximal auf Bezirks-
ebene arbeitet. 10,5% geben an maximal auf europäischer Ebene zu arbeiten. 18,8%
der Organisationen handeln auf der Ebene der jeweiligen Bundesländer und 27,1% der
Organisationen arbeiten deutschlandweit. 29,3% und damit der größte Anteil der be-
fragten Organisationen handeln und organisieren sich weltweit.
8,3%
4,5%
18,8%
27,1%
10,5%
29,3%
1,5%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Ortsgruppe
Bezirksweit
Landesweit
Deutschlandweit
Innerhalb der Europäischen Union
Weltweit
Keine Angabe
Höchste Ebene der Organisation
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
21
8,3% der Befragten gaben an, dass die höchste Ebene ihrer Organisation eine Orts-
gruppe sei. Dies wirft Fragen auf, denn das Item wurde an der vorhergehenden Frage
gefiltert, dass nur Organisationen, die angeben, dass sie in mehreren Ebenen agieren,
diese Frage angezeigt bekommen. Dadurch lässt sich diese Antwort entweder dadurch
erklären, dass es innerhalb der Ortsgruppe noch weitere Unterteilungen beispiels-
weise in Arbeitsgruppen gibt, oder dass die Fragen falsch verstanden wurden.
2.6.3 Mitgliederanzahl der NROs
Wie schon im Rahmen der Handlungsebenen aufgezeigt, unterscheiden sich die be-
fragten Organisationen (n=287) sehr in ihrer Größe.
Tabelle 1: Lage und Streuungsmaße der Mitgliederanzahl der Organisationen
n
287
Mittelwert
22.067
Standardabweichung
126.427
Median
70
Modus
30
Minimum
0
Maximum
1.500.000
Die angegebene Mitgliederanzahl
12
variiert zwischen 0 und 1,5 Millionen Menschen
(siehe Tabelle 1). Die Organisation mit 1,5 Millionen Mitgliedern ist dabei ein deutli-
cher Ausreißer. Die durchschnittliche Mitgliederanzahl liegt bei 22.067
(SD=126.427), mit einem Median von 70 Personen. Durch die deutlichen Ausreißer
stellt der Median hier eine aussagekräftigere Kennzahl als der Mittelwert dar. Die am
häufigsten genannte Anzahl sind 30 Personen. Abbildung 5 veranschaulicht die Ver-
teilung der genannten Mitgliederanzahlen.
12
Mitglieder sind in diesem Zusammenhang alle Menschen, die sich in der NRO engagieren, unab-
hängig von der Ebene und davon, ob sie festangestellt sind oder ehrenamtlich arbeiten. Die Anzahl
wurde unabhängig von den Anzahlen der Hauptamtlichen und Ehrenamtlichen auf der betrachteten
Ebene erhoben.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
22
Abbildung 5: Wie viele Mitglieder hat Ihre Organisation insgesamt? (n=287, gruppiert). KINiro 2024.
Anzahl der hauptamtlichen Mitglieder
Um die Größenordnung der NROs zu beschreiben, wurde danach gefragt, wie viele
Menschen ehrenamtlich oder hauptamtlich für die Organisation tätig sind. Durch
diese Frage wurde eine Filterführung für die Frage nach der KI-Nutzung der Haupt-
amtlichen (siehe 3.1.6) gestartet. Die Frage wurde auf die eigene Handlungsebene
spezifiziert, da die Annahme getroffen wurde, dass über diese Ebene die belastbars-
ten Aussagen getroffen werden würden. Die Befragten wurden darauf hingewiesen,
dass sie eine Schätzung abgeben sollten, wenn die genaue Anzahl der hauptamtlichen
Mitarbeitenden nicht bekannt wäre und eine Null einzugeben, sollte es keine Haupt-
amtlichen geben.
Tabelle 2: Lage und Streuungsmaße der Anzahl der hauptamtlichen Mitglieder der Organisationen
n
294
Mittelwert
205
Standardabweichung
1.492
Median
7
Modus
0
Minimum
0
Maximum
20.000
12,2%
29,3%
13,2%
22,0%
5,9%
8,0%
1,4%
3,1%
0,0%
4,9%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0 bis 9
10 bis 49
50 bis 99
100 bis 499
500 bis 999
1000 bis 4999
5000 bis 9999
10 000 bis 49 999
50 000 bis 99 999
über 100 000
Anzahl der Mitglieder
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
23
294 Organisationen machten eine Angabe über die Anzahl der Angestellten auf der
Handlungsebene der Probandin oder des Probanden (Tabelle 2). Die Spannweite reicht
dabei von 0 bis 20.000 Personen, wobei auch hier zwei Ausreißer mit 15.000 bzw.
20.000 Mitglieder zu beobachten sind. Durchschnittlich werden 205 Personen von
den Organisationen angestellt, eine Zahl, die sehr durch die beiden Ausreißer beein-
flusst wird, da der Median nur bei 7 Personen liegt. Die Standardabweichung beträgt
1492 Personen.
Abbildung 6: Wie viele hauptamtliche Mitarbeitende sind auf Ihrer Ebene in der Organisation angestellt?
(n=294, gruppiert). KINiro 2024.
Abbildung 6 zeigt auf, dass über die Hälfte der Organisationen nur zwischen einer
und 49 Personen fest auf der betrachteten Ebene angestellt haben. Ein Fünftel der
Befragten gibt an auf dieser Ebene keine hauptamtlichen Mitarbeiter*innen zu haben.
Anzahl der ehrenamtlichen Mitglieder
Wie zuvor wurden auch die Anzahl der Ehrenamtlichen abgefragt, was eine Filterfüh-
rung für die Frage nach der KI -Nutzung von Ehrenamtlichen (siehe 3.1.6) auslöste.
Diese Einschätzung sollte erneut auf die eigene Handlungsebene bezogen werden.
Auch hier wurde darauf hingewiesen, dass eine Schätzung abgegeben werden sollte,
sollte die genaue Anzahl der ehrenamtlich Engagierten nicht bekannt sein und eine
Null anzugeben, sollte es keine Ehrenamtlichen auf dieser Ebene geben.
22,1%
36,1%
23,3%
6,2%
7,7%
0,9%
2,1%
0,0%
0,6%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0
1 bis 9
10 bis 49
50 bis 99
100 bis 499
500 bis 999
1000 bis 4999
5000 bis 9999
10 000 bis 20 000
Anzahl der angestellten Mitarbeitenden
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
24
Tabelle 3: Lage und Streuungsmaße der Anzahl der ehrenamtlichen Mitglieder der Organisationen
n
290
Mittelwert
564
Standardabweichung
3.892
Median
12
Modus
0
Minimum
0
Maximum
60.000
Die Zahl der Ehrenamtlichen auf der betrachteten Ebene der Organisationen (n=290)
beträgt durchschnittlich 564 Personen (SD=3.892) (Tabelle 3). Der Median liegt bei
12 Personen. Dabei variiert die Anzahl zwischen 0 und 60.000 Personen, mit einem
Ausreißer bei 60.000. 14,8% der Organisationen gaben an, keine Ehrenamtlichen auf
der Handlungsebene zu beschäftigen. Ein Viertel der Befragten gab 1 bis 9 Personen
an und ein Drittel 10 bis 49 Personen (Abbildung 7).
Abbildung 7: Wie viele Menschen sind ehrenamtlich auf Ihrer Ebene in der Organisation engagiert?
(n=290). KINiro 2024.
2.6.4 Handlungsfelder der NROs
Durch die Recherchen zum Projekt zeigte sich, dass sich NROs oftmals nicht auf ein
einzelnes Handlungsfeld beschränken, sondern sich in verschiedenen Bereichen en-
gagieren. Aus diesem Grund wurde in der Befragung das Thema Handlungsfeld
14,8%
25,9%
32,8%
5,4%
11,5%
3,0%
3,0%
1,2%
0,9%
0,3%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0
1 bis 9
10 bis 49
50 bis 99
100 bis 499
500 bis 999
1000 bis 4999
5000 bis 9999
10 000 bis 49 999
50 000 bis 60 000
Anzahl der Ehrenamtlichen
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
25
zweigeteilt. Zum einen sollte aus vorgegebenen Bereichen das Feld ausgewählt wer-
den, in welchem die Organisation hauptsächlich tätig ist (Abbildung 8), zum anderen
wurde in einer Frage mit Mehrfachantwortmöglichkeit gebeten alle Handlungsfelder
auszuwählen, in denen die Organisation tätig ist (Abbildung 9).
Haupthandlungsfelder
Abbildung 8 zeigt deutlich, dass die Organisationen, die durch die Befragung erreicht
wurden (n=294), besonders häufig soziale Einsatzgebiete als primäre Handlungsfel-
der genannt haben. Mit 17,3% wurde „Bildung, Erziehung und Kinderbetreuung“ am
häufigsten genannt, dicht gefolgt von „Entwicklungszusammenarbeit und Humanitä-
ren Hilfen“.
Am wenigsten häufig wurden „Justiz- und Kriminalitätsprobleme und Resozialisie-
rung“, „Gemeinschaftliche Versorgungsaufgaben“ und „Freizeit und Geselligkeit“ mit
jeweils weniger als einem Prozent genannt. Keine der befragten Organisationen
wählte „Außerberufliche Interessensvertretung“ als primäres Handlungsfeld. 5,8%
wählten die Option „Sonstiges“.
Allgemeine Handlungsfelder
Die Hälfte der befragten Organisationen (n= 295) gibt an, unter anderem im Bildungs-
bereich zu arbeiten (Abbildung 9), für den größten Anteil der Organisationen stellt
dieser Bereich auch den hauptsächlichen Handlungsbereich dar, wie in der vorherge-
henden Frage dargestellt wurde. Etwa ein Drittel sind in den Bereichen „Außerschuli-
sche Jugendarbeit, Bildungsarbeit für Erwachsene“ (31,9%) und „Entwicklungsarbeit
und humanitäre Hilfen“ (29,2%) tätig. Die geringsten Anteile fallen auf „Justiz- oder
Kriminalitätsprobleme und Resozialisierung“ mit 2% sowie „Außerberufliche Interes-
sensvertretung“ mit 0,7%. Auch bei dieser Frage wählten 5,8% der Befragten die Op-
tion „Sonstiges“.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
26
Abbildung 8: In welchem Handlungsfeld ist ihre Organisation hauptsächlich tätig? (n=294). KINiro
2024.
17,3%
16,7%
11,6%
9,5%
8,8%
8,5%
6,8%
3,4%
2,4%
2,4%
2,4%
2,0%
1,0%
0,7%
0,3%
0,3%
5,8%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Bildung, Erziehung und Kinderbetreuung
Entwicklungszusammenarbeit und Humanitäre
Hilfe
Umwelt-, Natur- und Tierschutz
Außerschulische Jugendarbeit, Bildungsarbeit
für Erwachsene
Soziale Dienste (Altenhilfe, Behindertenhilfe)
Gesundheitsbereich
Politische Interessensvertretung
Bürger- und Verbraucherinteressen
Sport und Bewegung
Wissenschaft und Forschung
Bevölkerungs- und Katastrophenschutz
Kunst, Kultur und Musik
Kirchliche und religiöse Vereinigungen
Justiz- oder Kriminalitätsprobleme und
Resozialisierung
Freizeit und Geselligkeit
Gemeinschaftliche Versorgungsaufgaben
Sonstiges
Haupttätigkeiten der Organisation nach
Handlungsfeld
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
27
Abbildung 9: In welchen Handlungsfeldern ist Ihre Organisation insgesamt tätig? (n=295). KINiro 2024.
50,5%
31,9%
29,2%
24,4%
21,4%
20,7%
20,3%
14,9%
10,2%
9,5%
9,5%
8,5%
6,4%
6,4%
6,1%
2,0%
0,7%
5,8%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Bildung, Erziehung und Kinderbetreuung
Außerschulische Jugendarbeit, Bildungsarbeit
für Erwachsene
Entwicklungszusammenarbeit und Humanitäre
Hilfe
Gesundheitsbereich
Umwelt-, Natur- und Tierschutz
Soziale Dienste (Altenhilfe, Behindertenhilfe)
Politische Interessensvertretung
Wissenschaft und Forschung
Freizeit und Geselligkeit
Sport und Bewegung
Bürger- und Verbraucherinteressen
Kunst, Kultur und Musik
Bevölkerungs- und Katastrophenschutz
Kirchliche und religiöse Vereinigungen
Gemeinschaftliche Versorgungsaufgaben
Justiz- oder Kriminalitätsprobleme und
Resozialisierung
Außerberufliche Interessensvertretung
Sonstiges
Tätigkeiten der Organisation nach Handlungsfeld
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
28
3 Ergebnisse
Nachdem die Stichprobe genauer beschrieben wurde, werden jetzt die Ergebnisse der
Befragung präsentiert. Dies wird aufgeteilt in die Themenbereiche KI-Nutzung in den
Organisationen (3.1), Szenarien (3.2), Ressourcen (3.3), Daten (3.4), Akzeptanz (3.5),
Wissenstand (3.6) sowie Hoffnungen und Befürchtungen (3.7). Schließlich folgen noch
offene Anmerkungen der NROs (3.8), welche qualitativ ausgewertet wurden.
3.1 KI in den Organisationen
3.1.1 KI-Nutzung in den NROs
Die erste und ausschlaggebendste Frage der Studie gibt einen Überblick darüber, wel-
cher Anteil der Organisationen KI derzeit nutzt und wenn, in welchem Ausmaß (Ab-
bildung 10).
Abbildung 10:Wird in Ihrer Organisation KI genutzt? (n=317). KINiro 2024.
Über die Hälfte der befragten Organisationen (n=317) nutzten zum Zeitpunkt der Be-
fragung KI in vereinzelten (45,1%) oder regelmäßigen Anwendungen (14,8%). Weitere
7,6% nutzen KI (noch) nicht, planen aber, dies in Zukunft zu tun. 22,1% der Organi-
sationen sind der Nutzung von KI gegenüber aufgeschlossen, doch fehlen derzeit
45,1%
14,8%
7,6%
22,1%
10,4%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Ja, vereinzelte Anwendung
Ja, regelmäßige Anwendung
Nein, aber in Planung
Nein, derzeit fehlen Anwendungsfälle
Nein, Anwendung ist auch für die Zukunft nicht
geplant
KI-Nutzung in den Organisationen
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
29
Anwendungsfälle, in welchen sich KI in den Arbeitsablauf einbauen ließe. Die übrigen
10,4% der Organisationen geben an, dass sie KI nicht nutzen und auch den Einsatz
für die Zukunft nicht planen.
Diese Frage wurde bewusst an den Anfang der Befragung gestellt, da durch die je-
weiligen Antworten drei Filterführungen den weiteren Verlauf des Fragebogens be-
einflussen. Nur wenn die beiden positiven Antwortmöglichkeiten gewählt werden,
wird im weiteren Verlauf der komplette Bereich 3.6 Wissenstand eingeblendet. Wenn
angegeben wird, dass derzeit Anwendungsfälle fehlen würden oder die Nutzung von
KI auch für die Zukunft nicht geplant wäre, wird die Frage, wer den Einsatz von KI in
der Organisation vorantreibt (siehe 3.1.4), herausgefiltert, da sie nicht zutrifft. Ebenso
wird die Frage nach der Priorität des Einsatzes von KI (siehe 3.5) nicht eingeblendet,
wenn bei dieser ersten Frage angegeben wird, dass die Nutzung von KI auch für die
Zukunft nicht geplant sei.
3.1.2 Erfahrung der NROs mit KI
Abbildung 11:Inwieweit hat Ihre Organisation Erfahrung mit KI gemacht? (n=290, Mehrfachantwort).
KINiro 2024.
Nach Angabe, ob zum Zeitpunkt der Befragung KI in der Organisation genutzt werde,
wird genauer betrachtet, in welchem Maß bereits Erfahrungen mit KI in der
59,0%
12,4%
25,5%
2,1%
19,3%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Erste Versuche Einbindung in
Projekte
Einbindung in den
Arbeitsalltag
KI-gestützte
Projekte
Weiß ich nicht.
Erfahrung der Organisation mit KI
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
30
Organisation gemacht wurden (Abbildung 11). Hier waren Mehrfachantworten mög-
lich, daher ergibt die Summe der Prozentangaben mehr als 100%.
Fast zwei Drittel der Organisationen, geben an, dass sie zumindest erste Versuche
gemacht hätten (59,0%). Ein Viertel bindet KI bereits in den Arbeitsalltag ein (25,5%)
und ein Achtel gibt an, dass KI in Projekte der Organisation eingebunden wird (12,4%).
Nur 2,1% der Organisationen setzen bereits KI-gestützte Projekte um. 19,3 % wählten
die Option „Weiß ich nicht“.
Dieser hohe Anteil von Unentschlossenen kann möglicherweise dadurch erklärt wer-
den, dass durch einen technischen Fehler ein Filter nicht funktionierte und somit auch
Organisationen, die keine Erfahrungen mit KI gemacht haben, diese Frage beantwor-
teten und durch das Fehlen einer Negativantwort die Ausweichantwort wählten.
3.1.3 KI-Anwendungsbereiche
Es gibt eine Vielzahl an Einsatzbereichen für KI-Technologien oder Anwendungen, die
durch KI unterstützt werden (Abbildung 12).
Besonders Bürotätigkeiten werden durch KI-Anwendungen in den NROs (n=231) un-
terstützt, so gibt mehr als die Hälfte an KI als Schreibhilfe (53,8%), dicht gefolgt von
Textübersetzungen (47,2%) und Recherchen und Suchmaschinen (42,1%) zu verwen-
den. Weitere 22,4% geben an bildgenerierende KI-Anwendungen zu nutzen. In mehr
als jeder zehnten der befragten Organisationen wird KI in Form von Digitalen Assis-
tenten (15,5%), Wissensmanagement (11,7%), zur mündlichen Sprachübersetzung
(10,3%) oder zur Kampagnenerstellung (10,0%) verwendet. Während Routenplanung,
Bewerbungsmanagement, Sprachassistenz und Sprachsteuerung, Prozessoptimie-
rung, Bilderkennung, Chatbots, Qualitätskontrolle, Rechnungswesen sowie Finanz-
planung jeweils von weniger als 5% der NROs als Einsatzfelder für KI in ihrer Organi-
sation angegeben wurden. Personaleinsatzplanung und Beschwerdemanagement
werden von je einem Prozent der Organisationen von KI unterstützt und die Bereiche
Überwachung, Gebäudepflege und Umweltmonitoring in je 0,3% der NROs.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
31
Abbildung 12: In welchem Bereich wird in Ihrer Organisation KI eingesetzt? (n=231, Mehrfachantwort).
KINiro 2024.
Obwohl ein Viertel der befragten Organisationen im Gesundheitsbereich tätig ist (vgl.
Abbildung 9), wird in den befragten Organisationen KI nicht in den gesundheitsbe-
zogenen Bereichen „Assistenzsysteme in der Pflege“ und „Pflegeroboter“ eingesetzt.
Ebenso wurde die „Analyse von Patientendaten“ von nur 0,3% der Organisationen an-
gegeben. 9,3% der Organisationen gaben an sonstige Einsatzmöglichkeiten zu nutzen
und 2,4% gaben an es nicht zu wissen.
53,8%
47,2%
42,1%
22,4%
15,5%
11,7%
10,3%
10,0%
4,5%
3,8%
3,8%
3,8%
3,4%
2,4%
2,4%
2,4%
2,1%
1,0%
1,0%
0,3%
0,3%
0,3%
0,3%
0,0%
0,0%
9,3%
2,4%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Schreibhilfen
Textübersetzung
Recherchen, Suchmaschinen
Bildgenerierung
Digitale Assistenten
Wissensmanagement
mündliche Sprachübersetzung
Kampagnenerstellung
Routenplanung
Bewerbungsmanagement
Sprachassistenz, Sprachsteuerung
Prozessoptimierung
Bilderkennung
Chatbot
Qualitätskontrolle
Rechnungswesen
Finanzplanung
Personaleinsatzplanung
Beschwerdemanagement
Überwachung
Gebäudepflege
Umweltmonitoring
Analyse von Patientendaten
Assistenzsysteme in der Pflege
Pflegeroboter
Sonstiges
Weiß ich nicht.
KI-Nutzungsbereiche
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
32
3.1.4 Antreibende des KI-Einsatzes
Für neue Technologien und Arbeitsweisen braucht es Antreibende, welche die An-
wendung in die Organisation bringen und dazu ermutigen etwas Neues auszuprobie-
ren und zum Einsatz anregen. Dabei kann dieser Impuls aus unterschiedlichen Rich-
tungen kommen. Die Organisationen die in Frage KI-Nutzung in den NROs (siehe
3.1.1) angaben KI bereits zu nutzen oder Interesse an der Nutzung zu haben, wurden
gefragt, wer in ihrer Organisation diese Antreibenden sind (Abbildung 13). Organisa-
tionen, die keinen Einsatz von KI planen, wurde diese Frage nicht angezeigt.
Abbildung 13: Wer treibt den Einsatz von KI in Ihrer Organisation voran? (n=203). KINiro 2024.
Die deutliche Mehrheit (80,3%) der befragten Organisationen (n=203) gibt an, dass
der Einsatz von KI von interessierten Einzelpersonen angetrieben wird. In einem Drit-
tel der Organisationen (33,5%) kommen Antriebsimpulse aus der Organisationslei-
tungsebene und in weiteren 9,4% aus der IT-Abteilung, sofern eine vorhanden ist. 1%
der Befragten gibt an nicht zu wissen, wer den Einsatz von KI vorantreibt.
3.1.5 Erfahrung mit KI nach Jahren
Der Begriff „Künstliche Intelligenz“ wurde schon in den 1950er Jahren von John
McCarthy geprägt, doch ist die Technologie erst in den letzten Jahren (und besonders
durch Anwendungen wie ChatGPT) in das öffentliche Bewusstsein gewandert (Schael
80,3%
33,5%
9,4%
5,4%
1,0%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Interessierte Einzelpersonen
Organisationsleitung
IT-Abteilung
Andere
Weiß ich nicht.
Antreibende des KI-Einsatzes
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
33
2018). Um mehr über die Erfahrung der NROs zu erfahren, sollten sie angeben, wie
viele Jahre sie bereits mit KI arbeiten.
Abbildung 14: Wie viele Jahre wird in Ihrer Organisation schon mit KI gearbeitet? (n=286). KINiro 2024
Die durchschnittliche Erfahrungsdauer der Organisationen (n=286) liegt bei 1,3 Jah-
ren (SD=1,8 Jahre) (Tabelle 4). Dabei variiert die Anzahl der Jahre zwischen 0 und 20
Jahren, wobei 10 und 20 Jahre jeweils nur einmal angegeben wurden. Modus und
Median liegen jeweils bei einem Jahr.
Tabelle 4: Lage und Spannweite der Jahre Erfahrung mit KI
n
286
Mittelwert
1,236
Standardabweichung
1,7571
Median
1,000
Modus
1,0
Minimum
0
Maximum
20
Die Hälfte der Organisationen arbeitet wenige Monate (4,2%) oder ein Jahr (37,8%) mit
KI (Abbildung 14). 9,8 % arbeiten bereits seit zwei Jahren mit KI und 5,2% seit drei
20,6%
4,2%
37,8%
9,8% 5,2% 0,3% 2,8% 0,7%
18,5%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 Jahre weniger
als 1 Jahr
1 Jahr 2 Jahre 3 Jahre 4 Jahre 5 Jahre mehr als
5 Jahre
Ich weiß
nicht.
Erfahrungen mit KI nach Jahren (gruppiert)
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
34
Jahren. Weniger als 5% der Organisationen geben an mehr als vier Jahre Erfahrung mit
KI zu haben. Ein Viertel der Befragten gab an 0 Jahre, also bisher gar nicht mit KI
gearbeitet zu haben (20,6%).
3.1.6 Aufteilung der Arbeit mit KI nach Art der Beschäftigung
Abbildung 15: Gegenüberstellung der KI-Nutzung im Arbeitsalltag nach Art der Beschäftigung. KINiro
2024.
Da sich die Aufgabenfelder und Kapazitäten von Ehrenamtlichen und festangestellten
Mitarbeitenden unterscheiden, wird nun ein Blick darauf geworfen, welche der beiden
Gruppen häufiger mit KI arbeitet. Organisationen, die angaben, keine hauptamtlichen
Mitarbeitenden oder keine Ehrenamtlichen zu haben (siehe 2.6.3) sind hier heraus-
gefiltert.
In zwei Dritteln der Organisationen (n=151) haben Hauptamtliche
13
in ihrem Ar-
beitsalltag mit KI zu tun (66,9%). Ein Viertel der Befragten gibt an, dass die hauptamt-
lichen Beschäftigten im Arbeitsalltag nicht mit KI arbeiten würden (26,5%). 6,6% geben
an, es nicht zu wissen. In 27,9% der Organisationen (n=147) haben Ehrenamtliche
14
in ihrer Arbeit für die NROs mit KI zu tun, während dies in 49% der Organisationen
13
Haben Ihre hauptamtlichen Mitarbeitenden in ihrem Arbeitsalltag in der Organisation mit KI zu
tun? (n=151)
14
Haben Ihre Ehrenamtlichen in ihrer Arbeit in der Organisation mit KI zu tun? (n=147).
23,1%
6,6%
49,0%
26,5%
27,9%
66,9%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Ehrenamtliche (n=147)
Hauptamtliche (n=151)
KI-Nutzung im Arbeitsalltag nach Art der
Beschäftigung
Ja Nein Weiß ich nicht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
35
nicht der Fall ist. 23,1% geben an, nicht zu wissen, ob Ehrenamtliche mit KI arbeiten
würden. Abbildung 15 zeigt die beiden Gruppen im Vergleich.
3.1.7 Einschätzung der KI-Entwicklung in den nächsten 5 Jahren
KI-Technologien sind schnelllebig und werden Arbeitsfelder langfristig verändern. Die
Organisationen wurden gebeten eine Einschätzung abzugeben, wie sich der Einsatz
von KI in den nächsten fünf Jahren in ihrer Organisation entwickeln werde.
Abbildung 16: Schätzen Sie ein: Wie wird sich der Einsatz von KI in ihrer Organisation in 5 Jahren
verändern? (n=317). KINiro 2024
Keine der befragten Organisationen (n=317) geht davon aus, dass sich der Einsatz in
der eigenen Organisation verringern oder gar stark verringern wird (Abbildung 16).
8,8% schätzen, dass der Einsatz gleichbleiben werde, während über zwei Drittel der
Befragten mit einer Zunahme (54,3%) oder starken Zunahme (23,0%) rechnen. 13,9%
wählen die Option „Weiß ich nicht“.
8,8%
54,3%
23,0%
13,9%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Stark
verringern
Verringern Gleich bleiben Zunehmen Stark
zunehmen
Weiß ich nicht.
Einschätzung des KI-Einsatz in der Organisation in
den nächsten 5 Jahren
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
36
3.2 Szenarien
Durch die qualitativen Interviews wurde unter anderem aufgezeigt, dass zwischen den
befragten Organisationen einen deutlichen Unterschied des Wissensstands zu und
auch des Verständnisses von KI und deren Einsatzmöglichkeiten gibt (Schultz et al.
2024, S. 15–18). So scheinen unter anderem die Abgrenzungen, was unter den Begriff
KI fällt, nicht organisationsübergreifend einheitlich. Zudem war durch den frühen For-
schungsstand bei Konzeption des Fragebogens unklar, wie viele Organisationen KI
nutzen würden und über eigene Anwendungsfälle berichten könnten.
Aus diesen Gründen wurden aus Beispielen, die im Rahmen des Scoping Reviews
(Scharf et al. 2023) und der qualitativen Interviews (Schultz et al. 2024), genannt wur-
den, sowie aus Elementen des KI-Periodensystems (Bitkom 2018), Einsatzszenarien
in verschiedenen Bereichen formuliert. Diese Szenarien sollen dann bewertet werden,
ob die Organisationen KI in der beschriebenen Art und Weise bereits anwenden, sich
den Einsatz vorstellen könnten oder nicht, sowie ob überhaupt Bedarf an der Anwen-
dung im Kontext der Organisation besteht.
Allen Befragten wurden sechs Szenarien dargestellt (Abbildung 17). Zudem wurden
zwei weitere Szenarien durch eine Filterführung für Organisationen bestimmter Hand-
lungsfelder eingeblendet, da diese Einsatzmöglichkeiten auf die Zielgruppe zuge-
schnitten sind und somit für andere Bereiche nicht relevant. Da durch diese Filterun-
gen die Stichproben für diese Szenarien deutlich kleiner ist, werden diese in Abbil-
dung 18 und Abbildung 19 gesondert dargestellt. Alle Szenarien wurden neutral for-
muliert, um keine sozial erwünschten Antwortmuster zu erzeugen.
3.2.1 Szenario: Öffentlichkeitsarbeit
Textgenerierende Anwendungen werden genutzt, um aus Eckdaten Pressetexte zu
erstellen und auszuformulieren. Zur Illustration dazu wird Material aus einer bildge-
nerierenden KI verwendet.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
37
Dieses Szenario wurde auf Grundlage eines Beispiels das in einem der qualitativen
Interviews von einer NRO genannt wurde, formuliert (Schultz et al. 2024, S. 27).
Fast jede fünfte Organisation, die dieses Szenario bewertete (n=273), gab an, KI be-
reits auf diese Weise anzuwenden (19,4%) und weitere 63,3% gaben an, sich eine der-
artige Anwendung für ihre Organisation vorstellen zu können. Vergleichsweise ge-
ringe 7,1% der Befragten können sich dies nicht für ihre Organisation vorstellen und
6,4% geben an, keinen Bedarf für eine derartige Anwendung zu haben. 3,5% der Or-
ganisationen sind sich unsicher.
3.2.2 Szenario: Marketing
KI liest Nutzungsdaten aus, um die Marketingstrategie zu optimieren. Durch aktive
Analyse, welche Werbemaßnahmen erfolgreich sind, kann Werbung gezielter geschal-
tet werden.
Das Szenario wurde nach einem Presseartikel (Omidi 2017), der im Rahmen des Sco-
ping Reviews gescreent wurde, formuliert (Scharf et al. 2023, S. 14). Die Canadian
Mens Health Foundation nutzt darin Machine Learning um die Performancedaten eines
Newsletters zu analysieren und damit die Werbestrategie zu verbessern und Kosten
zu sparen.
5,7% der Organisationen (n=265) geben an, bereits KI in vergleichbarer Weise einzu-
setzen und weitere 62,5% können sich diese Umsetzung für ihre NRO vorstellen. Wei-
tere 5,7% der Befragten sind dieser Anwendung gegenüber abweisend eingestellt,
19,8% nennen, keinen Bedarf dafür zu haben und 6,4% wissen es nicht.
3.2.3 Szenario: Bewerbungsmanagement
Durch den Einsatz von Textanalyse-KI werden Bewerbungen von Arbeitssuchenden
(vor-)ausgewählt und Empfehlungen für passende Stellenbesetzungen gegeben.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
38
Das Szenario zum Bereich Bewerbungsmanagement wurde auf Grundlage von Aussa-
gen aus den qualitativen Interviews formuliert (Schultz et al. 2024, S. 25) und dabei
auf ein Beispiel aus dem Arbeitsalltag bezogen, das auf möglichst viele NROs zutrifft.
Zu einer derartigen Anwendung von KI gibt es bei den Organisationen (n=255) un-
terschiedliche Haltungen da der Anteil der NROs, der sich die Umsetzung in der eige-
nen Organisation vorstellen kann, fast genauso groß ist (25,1%), wie der Anteil, der
dies ablehnt (23,0%) und weitere 9,9% sind sich dabei unsicher. Nur ein kleiner Teil
von 1,4% gibt an, eine derartige Anwendung bereits umzusetzen und die meisten Be-
fragten geben an, keinen Bedarf dafür zu haben (40,6%).
3.2.4 Szenario: Beschwerdemanagement/ Kundenbetreuung
Chatbots werden zur Bearbeitung von Kundenanfragen eingesetzt und können durch
ein Large Language Model (LLM) mit den Verbraucherinnen und Verbrauchern kom-
munizieren und thematisch abgestimmte Rückfragen stellen. Simple Anfragen werden
herausgefiltert und gleich durch die KI-Anwendung gelöst. Menschliche Mitarbei-
tende widmen sich den komplizierteren Anfragen.
Das Szenario wurde auf Basis eines weiteren Anwendungsbeispiels aus dem Scoping
Review aufgebaut (Scharf et al. 2023, S. 14). Die britische NRO The Cyber Helpline
(Heggie-Collins 2019) wendet als Beratungsangebot bei Cyberkriminalitätsfällen ei-
nen Chatbot an, der durch verschiedene KI-Technologien Anfragen interpretieren und
diagnostizieren kann. Komplexe Fälle werden von Menschen bearbeitet.
1,1% der 263 Organisationen setzen dies bereits vergleichbar um und weitere 28,3%
können sich dies vorstellen. 18,7% der Befragten sind skeptisch und können sich die
Anwendung nicht in der eigenen Organisation vorstellen und 7,1% geben an, es nicht
zu wissen. Fast die Hälfte der Organisationen sehen keinen Bedarf für eine derartige
Anwendung (44,9%).
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
39
3.2.5 Szenario: Gebäudepflege
Das Anwendungsszenario Gebäudepflege wurde aus verschiedenen Elementen des
KI-Periodensystems zusammengesetzt (Bitkom 2018) und in einen auf möglichst viele
NROs zutreffenden Kontext gestellt. Die eingebundenen Elemente sind unter anderem
„Mobility Small“, „Control“ „Planning“ sowie „Decision Making“.
KI-gesteuerte Maschinen werden verwendet, um Geschäftsräume und Außenbereiche
zu reinigen. Einsatzzeiten und Routen von Saug-/ Wisch- oder Mährobotern werden
durch Analyse von Gebäudenutzungsdaten gesteuert.
61,3% der Organisationen (n=258) haben für eine derartige Anwendung keinen Bedarf
und nur 0,4% geben an, eine vergleichbare Umsetzung bereits zu nutzen. 15,2% der
Befragten könnten sich dieses Szenario vorstellen, während mit 14,5% ähnlich viele
sich dies nicht vorstellen können und 8,5% sind sich unsicher.
3.2.6 Szenario: Personalverwaltung
Dieses Szenario wurde auf Grundlage der qualitativen Interviews erstellt, in denen
ausgedrückt wurde, dass mit KI besonders im Backoffice experimentiert werde
(Schultz et al. 2024, S. 17). Durch eine Erweiterung um das KI-Element „Planning“ und
„Data Analytics“ (Bitkom 2018) entsteht folgendes Anwendungsbeispiel:
Personalverwaltungsaufgaben werden durch KI-Einsatz automatisiert. Durch die Ana-
lyse von Personalprozessen und Bedarfen werden Personaleinsatzpläne automatisch
erstellt.
Keine der Organisationen (n=243) wendet eine derartige KI derzeit an und 41,0% se-
hen in ihrer Arbeit auch keinen Bedarf. Ein Viertel der Befragten (25,4%) könnte sich
dies jedoch vorstellen, während 19,4% dies kritisch sehen und nicht anwenden wollen.
Mit 14,1% ist auch der Anteil der Befragten, die nicht wissen, was sie dazu sagen
sollen, vergleichsweise hoch.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
40
Abbildung 17: Bitte bewerten Sie, ob diese beispielhaften Nutzungsweisen von KI für Ihre Organisation
vorstellbar wären? KINiro 2024.
Im direkten Vergleich zeigt sich, dass sich die befragten Organisationen besonders in
den Bereichen „Öffentlichkeitsarbeit“ und „Marketing“ vorstellen könnten KI-Anwen-
dungen auf die in den Szenarien beschriebene Weise einzusetzen und auch, dass hier
die jeweils größten Anteile der Organisationen derartige Anwendungen bereits um-
setzen. Der Anteil der Befragten, die diese Anwendung ablehnen, ist für die beiden
Bereiche auch am niedrigsten.
14,1%
8,5%
7,1%
9,9%
6,4%
3,5%
41,0%
61,3%
44,9%
40,6%
19,8%
6,4%
19,4%
14,5%
18,7%
23,0%
5,7%
7,1%
25,4%
15,2%
28,3%
25,1%
62,5%
63,6%
0,0%
0,4%
1,1%
1,4%
5,7%
19,4%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Personalverwaltung (n=243)
Gebäudepflege (n=258)
Beschwerdemanagement (n=263)
Bewerbungsmanagement (n=255)
Marketing (n=265)
Öffentlichkeitsarbeit (n=273)
Szenarien
Wird bereits angewendet Ja, vorstellbar Nein, nicht vorstellbar
Kein Bedarf Weiß ich nicht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
41
Die Szenarien „Bewerbungsmanagement“, „Beschwerdemanagement“, „Gebäude-
pflege“ und „Personalverwaltung“ werden weniger deutlich angenommen oder abge-
lehnt. Besonders bei „Bewerbungsmanagement“ und „Gebäudepflege“ kann sich ein
fast gleich großer Anteil der Befragten die Umsetzung in der eigenen Organisation
vorstellen, wie sie ablehnt. Zusätzlich zeigt sich bei allen vier Szenarien, dass die dar-
gestellten Anwendungsmöglichkeiten für einen großen Teil der Organisationen nicht
von Bedarf sind. Für einige der befragten Organisationen gab es noch weitere auf den
Handlungsbereich zugeschnittene Szenarien.
3.2.7 Szenario: Naturschutz
Zu Beginn der Befragung gaben 63 Organisationen an, in den Handlungsfeldern „Um-
welt-, Natur- und Tierschutz“ aktiv zu sein (siehe 2.6.4); für diese Befragten wurde
ein zusätzliches Szenario eingeblendet:
Durch KI-Anwendungen werden in Satellitenbildern Muster gesucht, um beispiels-
weise Ölteppiche in den Ozeanen zu lokalisieren und deren Größe zu vermessen oder
eine Kartierung von Landnutzung und Waldbeständen zu unterstützen.
Dieses Beispiel wurde auf Grundlage eines qualitativen Interviews des Projektes for-
muliert, in welchem Prototypen für Umweltmonitorings, die auf Basis von Musterer-
kennung in Satellitenbildern arbeiten, genannt wurden (Schultz et al. 2024, S. 18)
56 Organisationen beantworteten, ob diese Anwendungsmöglichkeit für ihre Arbeit
vorstellbar wäre.
8,5% der Organisationen in diesem Bereich geben an, diese Anwendungsmöglichkeit
bereits einzusetzen und weitere 35,6% geben an, dass eine derartige Anwendung vor-
stellbar für ihre Arbeit wäre. Nur 6,8% können sich diese Umsetzung für ihre Organi-
sation nicht vorstellen und mit 44,1% sehen die meisten NROS bei sich keinen Bedarf
dafür. 5,1% können nicht einschätzen, ob die Anwendung in der Arbeit ihrer Organi-
sation vorstellbar wäre, und wählen die Option „Weiß ich nicht“.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
42
Abbildung 18: Szenario Naturschutz (n=56). KINiro 2024
3.2.8 Szenario: Gesundheitsbereich
76 Organisationen gaben zu Beginn an, dass sie im Gesundheitsbereich tätig sind
(siehe 2.6.4). Auch in diesem Fall wurde wie im vorhergehenden Fall ein zusätzliches
Szenario eingeblendet:
Medizinische Daten werden durch KI-Anwendungen automatisiert ausgelesen. Durch
die Analyse sollen Krankheiten schneller diagnostiziert und Folgen sowie Heilungs-
chancen besser prognostiziert werden.
Dieses Fallbeispiel wurde nach KI-Anwendungen der Mayo Clinic und des LV Prasad
Eye Institute (LVPEI) formuliert (Dellinger 2016; Wong 2017; Feldhay und Gronau
2022), welche im Rahmen des Scoping Reviews gefunden wurden (Scharf et al. 2023).
65 Organisationen, denen dieses Szenario gezeigt wurde, bewerteten, ob diese Um-
setzungsmöglichkeit für ihre Organisation vorstellbar wäre.
Keine der befragten Organisationen gibt an, KI-Anwendungen wie im Szenario be-
schrieben, bereits einzusetzen. 8,5% geben an, dass eine derartige Anwendung nicht
vorstellbar wäre, während 25,4% der Befragten sich dieses Szenario für ihre Organi-
sation vorstellen könnten. Mehr als die Hälfte der Organisationen (57,7%) gibt an, dass
5,1%
44,1%
6,8%
35,6%
8,5%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Naturschutz (n=56)
Szenario Naturschutz
Wird bereits angewendet Ja, vorstellbar Nein, nicht vorstellbar
Kein Bedarf Weiß ich nicht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
43
für eine Anwendung, wie sie in diesem Szenario beschrieben wird, kein Bedarf be-
steht. 8,5% wissen nicht, ob ein derartiger Einsatz in der Organisation vorstellbar
wäre.
Abbildung 19: Szenario Gesundheitsbereich (n=65). KINiro 2024.
3.3 Ressourcen
Viele KI-Anwendungen können, wie viele andere Technologien, nicht nahtlos in Ar-
beitsabläufe implementiert werden, sondern ist damit zunächst der Einsatz verschie-
dener Ressourcen verbunden. Fehlen Ressourcen, kann dies die Einbindung von KI
verzögern oder sogar verhindern. In den explorativen Interviews des Projekts (Schultz
et al. 2024) wurden durch die NROs verschiedene Ressourcen aufgezeigt, die mit dem
Einsatz von KI zusammenhängen, aus denen die abgefragte Liste erstellt wurde. Nun
soll überprüft werden, inwieweit sich die Ergebnisse auf eine größere Stichprobe
übertragen lassen. Die befragten Organisationen wurden gebeten anzugeben, welche
der folgenden Ressourcen, die für den Einsatz von KI notwendig wären, in ihrer Or-
ganisation bereits vorhanden sind und welche noch fehlen. Im Anschluss wurde den
Befragten die Möglichkeit gegeben noch weitere Angaben über bereits vorhandene
(3.3.1) und zusätzlich notwendige (3.3.2) Ressourcen zu machen.
8,5%
57,7%
8,5%
25,4%
0,0%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Gesundheitsbereich (n=65)
Szenario Gesundheitsbereich
Wird bereits angewendet Ja, vorstellbar Nein, nicht vorstellbar
Kein Bedarf Weiß ich nicht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
44
Abbildung 20: Welche Ressourcen für den Einsatz von KI haben Sie bereits in Ihrer Organisation und
welche wären noch notwendig? (n=278). KINiro 2024.
Das Bedarf an der Nutzung von KI-Technologien besteht, zeigt sich darin, dass 42,2%
der NROs angeben, dass bereits Anwendungsfälle vorhanden wären. Zugleich geben
ähnlich viele Organisationen (39,7%) an, dass ihnen noch Anwendungsfälle für KI feh-
len würden und weitere 18,1% sind sich unsicher, ob ihre Organisation Anwendungs-
fälle für KI hätte. Für alle weiteren vorgeschlagenen Ressourcen gibt die deutliche
Mehrheit an, dass diese noch benötigt würden.
63,4% der Befragten geben an, dass (weitere) finanzielle Ressourcen benötigt werden.
14,3% der NROs geben an, bereits ausreichende finanzielle Ressourcen zu haben und
weitere 22,3% sind sich unsicher, welche finanziellen Mittel notwendig wären.
21,1%
11,0%
14,6%
22,2%
21,0%
22,3%
18,1%
30,8%
23,0%
16,1%
22,9%
30,4%
14,3%
42,2%
48,0%
66,0%
69,3%
54,9%
48,6%
63,4%
39,7%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Personal
Know-How
Zeit
Passendes Datenmaterial
Passende technische Ausrüstung
Finanzielle Ressourcen
Anwendungsfälle
Ressourcen
Noch notwendig Bereits vorhanden Weiß ich nicht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
45
Da NROs oft von Spenden oder Fördergeldern abhängig sind und diese meist zweck-
gebunden und zeitlich begrenzt sind, fällt es ihnen schwer langfristige Investitionen
in KI-Anwendungen zu stecken. Zusätzlich sind Kosten für Expert*innen, die spezifi-
sche und auf die NRO angepasste Anwendungen erstellen könnten, sehr hoch (Schultz
et al. 2024, S. 23).
Um KI anzuwenden ist eine passende technische Ausrüstung, wie beispielsweise leis-
tungsfähige Rechner, notwendig. Knapp die Hälfte der Befragten (48,6%) geben an,
dass diese noch benötigt werden. In 30,4% der Organisationen ist passende Technik
bereits vorhanden, doch für weitere 21,0% der NROs ist nicht klar, ob die vorhandene
Technik für den Einsatz von KI geeignet wäre.
Die qualitativen Interviews zeigten auf, dass NROs häufig nur kleine Datensätze zur
Verfügung hätten, die sich zum Training einer KI nicht eignen würden. Dies wird auch
hier bestätigt, da mehr als die Hälfte der Befragten passendes Datenmaterial noch
benötigt (54,9%), wohingegen 22,9% bereits passende Daten zur Verfügung hätten.
Weitere 22,2% sind sich nicht sicher, ob die vorhandenen Daten für die Arbeit mit KI
geeignet wären. Das Thema Daten wird in Kapitel 3.4 genauer beleuchtet.
KI-Anwendungen sind mit der Hoffnung verbunden Arbeitsabläufe zu automatisieren
und Zeit einzusparen, doch sind zuvor Aufbau und Implementierung ebenso mit zeit-
lichem Aufwand verbunden. Mehr als zwei Drittel der Befragten geben an, dass ihnen
die Zeit, um KI in der Organisation einzusetzen bisher fehlt. 16,1% hätten dagegen
genug zeitliche Möglichkeiten und 14,6% sind sich unsicher, welcher zeitliche Auf-
wand mit KI verbunden ist. In Kapitel 3.5 wird die mit der Zeit zusammenhängende
Priorität des Einsatzes von KI behandelt.
Da KI erst in den letzten Jahren in die Organisationen eingezogen ist (vgl. 3.1.5) und
durch die Schnelllebigkeit der Technologien, geben in den Interviews die meisten
NROs an, dass noch mehr Wissen benötigt würde. Auch in zwei Dritteln der befragten
Organisationen (66,0%) fehlt noch Know-how zu KI. Wohingegen 23,0% dies schon
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
46
haben und sich 11,0% der Befragten nicht sicher sind, wie der Wissensstand in ihrer
Organisation aussieht. Das Thema Wissen wird in Kapitel 3.6 weiter ausgeführt.
Schließlich geben fast die Hälfte der Organisationen an (48,0%), dass für den Einsatz
von KI noch weiteres Personal benötigt werde, während 30,8% mit dem vorhandenen
Personal dies bereits umsetzen könnte. 21,1% der Befragten sind sich unsicher, ob
der Einsatz von KI durch das vorhandene Personal umsetzbar wäre.
Zusätzlich zu den dargestellten Ressourcen wurde den Befragten die Möglichkeit ge-
geben weitere Ressourcen, die bereits vorhanden sind oder noch benötigt werden zu
nennen:
3.3.1 Analyse der zusätzlich genannten vorhandenen Ressourcen
Die Frage „Gibt es noch weitere Ressourcen, die bereits vorhanden sind, um KI in Ihrer
Organisation einzusetzen?“ wurde mit 63 Angaben von 18,3% der Befragten beant-
wortet, wobei „Nein“
15
mit 48 Nennungen (76,1%) die häufigste war.
Die Antworten, die Ressourcen enthielten, können in Anwendungen (und Technische
Ressourcen), Interesse und Einzelnennungen von Ressourcen unterteilt werden:
Anwendungen /Technische Ressourcen
Einige Antworten wie „Audio nach Text-Übertragung“ (Fall 183) und „Compute [sic]“
(Fall 199) sowie „… Wenn bei technischen Ausrüstung auch Computers zu verstehen
sind, dann ja,[sic]“ (Fall 285) zeigen, dass spezifische technologische Kapazitäten vor-
handen sind, die möglicherweise für die Implementierung von KI genutzt werden kön-
nen.
Interesse
Antworten wie „Interesse der Mitarbeitenden und Fortbildung“ (Fall 136) „Interesse
von Pionieren“ (Fall 276), „Interesse und Motivation“ (Fall 187), „Die Bereitschaft KI zu
15
Nennungen von „nein“ in verschiedenen Schreibstilen und weitere Verneinungen inklusive „-
“„/“„?“)
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
47
nutzen.“ (Fall 220) sowie „interessierte Mitarbeitende, aufgeschlossene Geschäftsfüh-
rung“ (Fall 214) zeigen, dass Interesse und Motivation in den NROs vorhanden ist.
Andere Ressourcen
Es wurden außerdem vereinzelt weitere Ressourcen genannt, die bereits vorhanden
sind, wie „Datenschutzleitfaden für den Einsatz von KI in verschiedenen Tätigkeitsbe-
reichen“ (Fall 155) und „Kooperation mit KI-Unternehmen für medizinische Diagnostik
geplant“ (Fall 305).
Die Antworten heben hervor, dass viele Organisationen nicht auf viele zusätzliche
Ressourcen zurückgreifen können, aber es zeigt auch, dass es innerhalb der Organi-
sationen ein Bewusstsein und Interesse gibt, sich technologisch weiterzuentwickeln.
Interesse und motivierte Mitarbeiter*innen wurde insgesamt fünf Mal genannt.
3.3.2 Analyse der notwendigen zusätzlichen Ressourcen
Auf die Frage
16
, ob es noch weitere Ressourcen gäbe, die notwendig wären, gab es
n=70 Eingaben (20,4%), davon wurde 32-mal mit „Nein“ geantwortet
17
(45,7%). Jedoch
gibt es auch einige spezifische Nennungen, die auf verschiedene Ressourcenbedürf-
nisse hinweisen. Die spezifischen Antworten verdeutlichen eine breite Palette an be-
nötigten Ressourcen:
Technische Ressourcen
Antworten wie „Hard- und Software“ (Fall 247) und „BPMN-Anwendungen“ (Fall 183),
zeigen, dass technische Ressourcen und spezialisierte Kenntnisse in einigen Berei-
chen erforderlich sind.
Know-how, Finanzielle Ressourcen und personelle Ressourcen wurden häufig zusam-
men genannt, so zum Beispiel „Es bedarf Mittel für Mitarbeiterschulungen sowie für
16
Gibt es noch weitere Ressourcen die noch notwendig wären um KI in Ihrer Organisation einzusetzen?
17
Nennungen von „nein“ in verschiedenen Schreibstilen und weitere Verneinungen inklusive „-“ und „?“)
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
48
Software Lizenzen [sic]“ (Fall 235) oder „Hardware, Schulungen, Vorstellungsvermö-
gen für Anwendungsfälle“ (Fall 188).
Organisatorische und personelle Ressourcen
Antworten wie „Zeit, Personalressourcen, Informationen, Schulungen“ (Fall 224),
„Menschen, die sich des Themas annehmen“ (Fall 274), „Offenheit und finanzielle Mit-
tel“ (Fall 166) und „Weitere Expertise, Finanzen und technische Ausstattung“ (Fall 136)
weisen auf die Bedeutung von Zeit und qualifiziertem Personal hin, die für die Imple-
mentierung und Nutzung neuer Technologien entscheidend sind.
Rechtliche und ethische Überlegungen
Fehlende „Rechtliche Kenntnisse“ (Fall 140) und „DSGVO-konforme KI-Anwendungen“
(Fall 307), sowie dass die Anwendung von KI „wegen Datenschutz kritisch gesehen“
(Fall 110) wird, sind ebenfalls wichtige Aspekte, die in den Antworten betont werden.
Die Notwendigkeit zusätzlicher Ressourcen variiert stark zwischen den Organisatio-
nen.
3.3.3 Erwartete Effizienzsteigerung durch KI
Die Arbeit mit KI hat für die Organisationen nur dann einen Mehrwert, wenn sich der
Aufwand, den es benötigt, um KI-Anwendungen zu implementieren, auf Dauer durch
effizientere Nutzung der zur Verfügung stehenden Ressourcen mindestens ausgegli-
chen werden kann. Ist das nicht der Fall ist zu befürchten, dass die bereits begrenzten
Ressourcen von NROs ohne nennenswerten Nutzen weiter minimiert werden. Die Or-
ganisationen wurden daher gefragt, ob sie sich vorstellen können, dass durch den
Einsatz von KI die vorhandenen Ressourcen effizienter genutzt werden könnten (Ab-
bildung 21).
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
49
Abbildung 21: Inwieweit können/könnten Ressourcen durch den Einsatz von KI-Anwendungen in Ihrer
Organisation effizienter genutzt werden? (n= 277). KINiro 2024.
Etwa 10% der befragten Organisationen erwarten durch den Einsatz von KI sehr wenig
(3,6%) oder wenig (6,9%) effizientere Nutzung der Ressourcen. Ein Fünftel (19,9%) er-
wartet eher wenig Effizienzsteigerung, während mit fast einem Drittel die meisten
Befragten (31,8%) eine leicht positive Erwartungshaltung haben. Ein weiteres Fünftel
erhofft sich, durch KI-Anwendungen Ressourcen viel (12,6%) oder sehr viel (7,2%) ef-
fizienter als derzeit zu nutzen. Zusätzliche 18,1% sind unsicher, ob durch KI Ressour-
cen effizienter eingesetzt werden könnten.
3.4 Daten
Daten mit denen ein KI-System aufgebaut oder trainiert werden kann, bilden eine
wichtige Grundlage, sind aber oftmals in NROs noch Mangelware (wie im vorherigen
Kapitel aufgezeigt wurde). Nun wird genauer betrachtet, wie die Datenlage in den
Organisationen aussieht.
3,6% 6,9%
19,9%
31,8%
12,6% 7,2%
18,1%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Sehr wenig Wenig Eher wenig Eher viel Viel Sehr viel Weiß ich
nicht.
Erwartete Effizienzsteigerung durch KI
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
50
Abbildung 22: Übersicht über die Verfügbarkeit relevanter datenbezogener Aspekte. KINiro 2024.
Daten- und Speicherungskonzepte in den Organisationen
Bevor eine KI-Anwendung Daten nutzen kann, sollte dafür gesorgt werden, dass diese
einheitlich erhoben und gespeichert werden. Im Rahmen der qualitativen Interviews
wurde beispielsweise berichtet, dass Daten zum Teil noch handschriftlich festgehal-
ten und nicht zentral gespeichert werden (Schultz et al. 2024, S. 21). Dazu wurden
die Organisationen befragt
18
, ob es interne, einheitliche Datenerhebungs- und Spei-
cherungskonzepte gäbe (Abbildung 22).
Die Hälfte (49,8%) der befragten Organisationen (n=277) gibt an, dass es interne Da-
tenerhebungs- und Speicherungskonzepte gibt, während 40,1% der Organisationen
keine derartigen Konzepte haben. 10,1% wählten die Option „Weiß ich nicht“.
Eigene Datensätze der NROs zum Training von KIs
Um den Einsatz von KI attraktiv zu gestalten sind große Mengen an Daten notwendig,
die in NROs möglicherweise nicht vorhanden sind (Schultz et al. 2024, S. 22).
18
: Verfügt Ihre Organisation über einheitliche Datenerhebungs- und Speicherungskonzepte?
(n=277).
43,7%
18,4%
10,1%
36,5%
43,3%
40,1%
19,9%
38,3%
49,8%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
externe Datensätze
eigene Datensätze
Datenerhebungs- und Speicherungskonzepte
Verfügt ihre NRO über...
Ja Nein Weiß ich nicht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
51
38,3% der befragten Organisationen (n=277) besitzen bereits eigene Datensätze
19
,
die sich für das Training einer KI eignen würden, 43,3% fehlen derartige Datensätze.
18,4% geben an, nicht zu wissen, ob geeignete Datensätze verfügbar sind.
Zugriff auf externe Datensätze
Neben der Erhebung und Verwendung eigener Daten, wäre es eine Möglichkeit ex-
terne Datensätze zu nutzen. So könnten beispielsweise Umweltschutzorganisationen
staatlich erhobene Messdaten verwenden, sofern diese zur Verfügung gestellt werden
(Schultz et al. 2024, S. 22). Dadurch können Ressourcen geschont werden, wenn auf
bestehendes Material zurückgegriffen werden kann, statt Daten selbst zu erheben. Zu
dieser Option wurden die Organisationen befragt
20
:
Hier zeigt sich, dass ein Fünftel (19,9%) der befragten Organisationen (n=277) wissen,
dass sie auf externe Datensätze, die sich zum Training einer KI eignen würden, zu-
greifen könnten. 39,5% der befragten Organisationen geben an, dass sie für ihre Ar-
beit nicht auf externe Datensätze zugreifen könnten. Und mit 43,7% gibt die Mehrheit
der Befragten an, dass sie nicht wissen, ob der Zugriff auf externe Datensätze eine
Option für ihre Organisation wäre.
3.5 Erwarteter Mehrwert durch KI
Die Akzeptanz von KI-Anwendungen hängt vom damit verbundenen (erwarteten)
Mehrwert für die Organisation ab, ohne den die Nutzung von KI weniger dringlich und
als weniger notwendig erachtet wird. Die Organisationen wurden dafür gefragt, von
welchen der Anwendungsbereiche, für die bereits in 3.1.3 abgefragt wurde, ob sie
angewendet werden, ein Mehrwert für die Organisation erwartet wird.
19
Verfügt ihre Organisation über eigene Datensätze, mit denen eine KI trainiert werden könnte?
(n=277).
20
: Könnte Ihre Organisation auf geeignete externe Datensätze zugreifen, mit denen eine KI für Ihre
Zwecke trainiert werden könnte? (n=277).
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
52
Abbildung 23: Wie hoch schätzen Sie den Mehrwert der Nutzung von KI für die Arbeit bzw. einzelne
Arbeitsabläufe Ihrer Organisation ein? (n=269; nDigitale Assistenten/Assistenzsysteme in der Pflege/Bilderkennung=268;
nRechnungswesen=267). KINiro 2024.
6,3%
11,5%
5,2%
9,3%
6,7%
7,1%
9,7%
10,4%
10,5%
13,0%
19,4%
22,7%
21,9%
19,0%
27,5%
42,4%
35,3%
39,8%
6,3%
6,7%
7,4%
10,4%
10,0%
16,7%
16,4%
19,0%
17,5%
19,9%
18,2%
21,3%
21,2%
23,4%
24,5%
29,0%
20,4%
29,4%
26,4%
6,7%
7,4%
10,0%
5,2%
11,2%
11,9%
8,2%
15,2%
19,7%
15,7%
18,2%
18,0%
17,5%
17,5%
20,1%
19,0%
23,0%
19,3%
15,6%
16,7%
16,0%
5,6%
5,9%
8,2%
7,8%
7,1%
11,5%
8,9%
10,8%
14,1%
7,8%
11,5%
16,1%
11,5%
13,8%
8,9%
10,4%
10,4%
9,7%
7,8%
7,8%
7,4%
8,9%
13,0%
7,4%
10,0%
10,0%
16,4%
10,0%
8,9%
10,1%
8,9%
6,4%
11,9%
7,5%
7,1%
7,1%
7,1%
24,2%
22,8%
21,9%
21,6%
20,8%
23,8%
19,0%
17,8%
20,4%
17,1%
16,0%
12,6%
13,4%
10,4%
11,9%
12,0%
7,8%
5,9%
7,4%
6,7%
65,4%
64,6%
62,5%
58,4%
57,6%
48,3%
37,2%
43,5%
38,7%
36,4%
31,2%
27,9%
20,4%
27,2%
21,6%
17,2%
20,1%
16,0%
14,1%
10,8%
9,3%
8,9%
7,1%
6,3%
5,6%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Pflegeroboter
Assistenzsysteme in der Pflege
Analyse von Patientendaten
Umweltmonitoring
Gebäudepflege
Überwachung
Beschwerdemanagement
Routenplanung
Personaleinsatzplanung
Bewerbungsmanagement
Chatbot
Qualitätskontrolle
Finanzplanung
Bilderkennung
Prozessoptimierung
Rechnungswesen
Sprachassistenz, Sprachsteuerung
Digitale Assistenten
mündliche Sprachübersetzung
Bildgenerierung
Kampagnenerstellung
Wissensmanagement
Textübersetzung
Recherchen, Suchmaschinen
Schreibhilfen
Mehrwert von KI-Anwendungen
Sehr hoher Mehrwert Sehr hoher Mehrwert eher hoher Mehrwert
eher niedriger Mehrwert niedriger Mehrwert Sehr niedriger Mehrwert
Nicht relevant
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
53
Dabei zeigt sich, dass der höchste positive Mehrwert von den Anwendungsgebieten
erwartet wird, die bereits auch am häufigsten angewendet werden: „Schreibhilfen“,
„Recherchen und Suchmaschinen“ und „Textübersetzungen“ (Abbildung 23). Für jeden
dieser Bereiche liegt der Anteil des „eher hohen“ bis „sehr hohen Mehrwerts“ bei etwa
80% der Befragten. Diese Bereiche sind auch für die meisten NROs interessant, da hier
jeweils der geringste Anteil angab, dass sie nicht relevant wären (je weniger als 10%).
Der „Textübersetzung“ wird mit 42,4% am häufigsten ein sehr hoher Mehrwert zuge-
teilt.
Den Bereichen „Wissensmanagement“, „Kampagnenerstellung“, „Bildgenerierung“ und
„mündliche Sprachübersetzung“ wird jeweils von mehr als 60% der Befragten ein „eher
hoher“ bis „sehr hoher Mehrwert“ zugemessen. Von den Bereichen „Digitale Assisten-
ten“, „Sprachassistenz, Sprachsteuerung“ „Rechnungswesen“, „Prozessoptimierung“,
„Bilderkennung“ „Finanzplanung“ und „Qualitätskontrolle“ versprechen sich mehr als
die Hälfte der Organisationen, für die die Bereiche relevant sind, einen eher bis sehr
hohen Mehrwert. Für „Chatbots“, „Bewerbungsmanagement“, „Personaleinsatzpla-
nung“, „Routenplanung“, „Beschwerdemanagement“ sowie „Überwachung“ ist der An-
teil derer, die sich einen „eher niedrigen“ bis „sehr niedrigen Mehrwert“ versprechen
größer als der, die sich einen eher hohen bis sehr hohen Mehrwert erhoffen.
Die Bereiche „Pflegeroboter“, „Assistenzsysteme in der Pflege“, „Analyse von Patien-
tendaten“, „Umweltmonitoring“ sowie „Gebäudepflege“ sind für mehr als die Hälfte
der befragten Organisationen nicht relevant, die übrigen Befragten bewerteten diese
Bereiche mehrheitlich mit einem „sehr niedrigen Mehrwert“.
Priorität des Einsatzes von KI in den NROs
Durch den Mehrwert, der von der Nutzung von KI erwartet wird, wird auch die Priorität
der Implementierung von KI-Anwendungen beeinflusst. Die qualitativen Interviews
zeigten zusätzlich, dass selbst NROs die der Nutzung von KI gegenüber sehr positiv
eingestellt sind, schneller umzusetzende Lösungen vorziehen und dass Themen des
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
54
Tagesgeschäfts eine höhere Dringlichkeit haben und dabei kaum Zeit bleibt sich mit
KI zu beschäftigen (Schultz et al. 2024, S. 21).
Abbildung 24: Wie hoch schätzen Sie die Priorität des Einsatzes von KI in Ihrer Organisation ein?
(n=247). KINiro 2024.
Auf die Frage, welche Priorität der Einsatz von KI in der Organisation hat, schätzen
mehr als die Hälfte der Befragten (n=247) die Priorität in ihrer Organisation als „eher
niedrig“ (38,9%), „niedrig“ (19%) oder „sehr niedrig“ (9,7%) ein. 22,7% bewerten die
Priorität als „eher hoch“, 6,9% als „hoch“ und 1,6% als „sehr hoch“. 1,2 % geben an,
nicht zu wissen, welche Priorität KI-Einsatz in der eigenen NRO hat (Abbildung 24).
3.6 Wissenstand
Bereits in der Betrachtung der Ressourcen der NROs (siehe 3.3) sowie in der qualita-
tiven Befragung (Schultz et al. 2024, S. 24) wurde mehrfach dargestellt, dass zur Nut-
zung von KI in den Organisationen noch mehr Wissen über die Technologie benötigt
wird. Da sich Wissen im Rahmen dieser Befragung nicht messen und vergleichen lässt,
wurden die Organisationsvertreter*innen gebeten, eine Einschätzung abzugeben, wie
hoch der Wissenstand zu KI in der eigenen Organisation ist (Abbildung 25).
9,7%
19,0%
38,9%
22,7%
6,9%
1,6% 1,2%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Sehr niedrig Niedrig Eher niedrig Eher hoch Hoch Sehr hoch Weiß ich
nicht.
Priorität des KI-Einsatzes
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
55
Abbildung 25: Wie schätzen Sie den Wissensstand in Ihrer Organisation zum Thema KI ein? (n=270).
KINiro 2024.
Dabei zeigt sich deutlich, dass die Mehrheit der Befragten den Wissensstand in ihrer
Organisation als „eher niedrig“ (41,5%), „niedrig“ (26,3%) oder „sehr niedrig“ (16,7%)
einschätzt. 11,5% schätzten den Wissensstand als „eher hoch“ ein. Der geringste An-
teil wählte die Optionen „hoch“ (1,9%), „sehr hoch“ (0,4%) oder gab an, es nicht zu
wissen (1,9%).
Um den Wissenstand der Organisationen über die Einschätzung der Befragten hinaus
darzustellen, wurden wissensbezogene Maßnahmen abgefragt (Abbildung 26).
Abbildung 26: Übersicht über verschiedene Aspekte des Wissenstands. KINiro 2024.
16,7%
26,3%
41,5%
11,5%
1,9% 0,4% 1,9%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Sehr niedrig Niedrig Eher niedrig Eher hoch Hoch Sehr hoch Weiß ich
nicht.
Einschätzung des Wissensstandes zu KI in der
Organisation
9,0%
0,6%
2,4%
10,2%
77,8%
74,9%
86,8%
82,0%
13,2%
24,6%
10,8%
7,8%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Netzwerke Zum Wissensaustausch über KI
(n=168)
interne Weiterbildungsangebote zum KI-
Einsatz (n=167)
eigene Leitlinien zur Anwendung von KI
(n=168)
ein interne Definition von KI (n=168)
Verfügen die NROs über...
Ja Nein Weiß ich nicht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
56
Eigene Definitionen zu KI
In der vorangegangenen qualitativen Studie wurde beobachtet, dass keine der NROs
eine organisationsweit einheitliche Definition von „Künstlicher Intelligenz“ nutzt und
das Verständnis zwischen den Befragten stark variiert (Schultz et al. 2024, S. 15).
Fehlt ein einheitliches Verständnis innerhalb der Organisation kann dies zu Missver-
ständnissen zwischen Mitarbeitenden mit unterschiedlichem Wissenstand führen und
die Nutzung von KI zusätzlich behindern.
Nur 7,8% der befragten Organisationen gaben an
21
, eine einheitliche interne Definition
von „Künstlicher Intelligenz“ zu haben, während 82% der Organisation dies vernein-
ten. 10,2% der Befragten gaben an es nicht zu wissen.
Leitlinien zu KI
Die Organisationen der ersten Befragungsrunde gaben Bedenken zum Datenschutzes
in KI-Anwendungen an (Schultz et al. 2024, S. 27). Da KI derzeit ein kaum reguliertes
Feld ist, wird die Nutzung zusätzlich erschwert. Dadurch sind (interne) Leitlinien wich-
tig, um einen sicheren Umgang mit KI zu ermöglichen. Darum wurden die NROs be-
fragt, ob es interne Leitlinien für die Anwendung von KI gibt
22
:
10,8% der Organisationen geben an, (schon) Leitlinien zur Anwendung von KI zu ha-
ben, während mit 86,8% die große Mehrheit angibt keine zu haben. 2,4% wissen es
nicht.
Weiterbildungsangebote zu KI in den NROs
Wie sich in den bisherigen Fragen zu diesem Themenbereich und auch der qualitati-
ven Studie zeigt (Schultz et al. 2024, S. 16), ist der Wissensstand zu KI in den NROs
meist eher niedrig. Der Impuls, mit KI zu arbeiten, geht meist nur von interessierten
21
: Gibt es in Ihrer Organisation eine einheitliche Definition von KI? (n=167).
22
Haben Sie in Ihrer Organisation Leitlinien zur Anwendung von KI? (n=167).
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
57
Einzelpersonen aus (3.1.4), daher würden sich interne Weiterbildungsangebote an-
bieten
23
.
Ein Viertel der Organisationen (24,6%) bieten Weiterbildungsangebote zum Thema KI
an, während dreiviertel dies nicht tun (74,9%). 0,6% wissen nicht, ob es Angebote zu
KI in ihrer Organisation gibt.
Mitgliedschaft in Netzwerken zu KI
Eine Möglichkeit sich mehr Wissen zu KI anzueignen, sich auszutauschen oder Fragen
zu stellen, stellen Netzwerke dar
24
. Doch 77,8% der Organisationen (n=167) gaben
an, sich nicht in Netzwerken zu engagieren, in welchen Wissen und Erfahrungen zum
Thema KI ausgetauscht werden könnten. Nur 13,2% der Befragten gaben an, Teil eines
Netzwerks zu sein und 9% wissen es nicht.
Organisationen, welche angaben sich in Netzwerken zu engagieren, wurden gebeten
den Namen des Netzwerks oder der Netzwerke anzugeben. Dazu wurden 21 Antwor-
ten abgegeben (siehe Tabelle 5).
Es wurden fünfmal mehrere Netzwerke aufgezählt. Die genannten Netzwerke setzten
sich meist durch das jeweilige Handlungsfeld zusammen, deren Netzwerktätigkeiten
mit dem Auftrag der Organisation zusammenhängen. Es wurden teilweise Netzwerke
zum Thema Digitalisierung oder Künstliche Intelligenz genannt. Dabei zeigt sich, dass
eine Vielzahl von Vernetzungsmöglichkeiten in den Organisationen bekannt ist, doch
keines der Netzwerke mehrfach genannt wurde.
23
Haben Sie in Ihrer Organisation Weiterbildungsangebote zum Thema KI-Einsatz? (n=167).
24
: Ist Ihre Organisation Teil eines Netzwerks, in dem Wissen oder Erfahrungen zu KI ausgetauscht
werden können? (n=167).
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
58
Tabelle 5: Genannte Netzwerke der NROs zum Wissensaustausch über KI.
Genannte Netzwerke
Erklärung der Abkürzungen
„Konsortium Ziviler Friedensdienst, VENRO, AGdD“
(Fall 64)
VENRO ist der Dachverband der entwick-
lungspolitischen und humanitären Nichtre-
gierungsorganisationen (NRO) in Deutsch-
land25 Die Arbeitsgemeinschaft der Ent-
wicklungsdienste e.V. (AGdD) ist der Dach-
verband der sieben anerkannten Träger des
Entwicklungsdienstes in Deutschland.26
Kampagne „Killer Roboter Stoppen“ (Fall 121)
„lagfa SH“ (Fall132)
Landesarbeitsgemeinschaft der Freiwilligen-
agenturen Schleswig-Holstein27
„bagfa, desee“ (Fall 187)
Die bagfa ist der bundesweite Dach- und
Fachverband der Freiwilligenagenturen in
Deutschland.28 Deutsche Stiftung für Enga-
gement und Ehrenamt29.
„ARIC ? Artificial Intelligence Center Hamburg“ (Fall
200)
„Parität Berlin, PR-Forum“ (Fall 202)
„NetHope“ (Fall 206)
„Netzwerk über den Bundesverband“ (Fall 214)
„Bayrischer Landes-Sportverband“ (Fall 219)
„MINT aktiv“ (Fall 227)
„Verbraucherzentralen in Deutschland“ (Fall 235)
„Microsoft NGO-Community, DRKService“ (Fall 238)
„ELKB, AEEB“ (Fall 246)
Evangelisch-Lutherische Kirche in Bayern30
Arbeitsgemeinschaft für Evangelische Er-
wachsenenbildung in Bayern e.V.31
„Forum Bildung Digitalisierung“ (Fall 290)
„SEND“ (Fall 302)
Social Entrepreneurship Netzwerk Deutsch-
land32
„BAGSO“ (Fall 329)
Bundesarbeitsgemeinschaft der Seniorenor-
ganisationen 33
„Netzwerk Medienfachberatung Bayern, JFF - Institut
für Medienpädagogik (Fall 330)
„auf allen Ebenen zu BE“ (Fall 88)
„verschiedene nETZWERKE[sic]“ (Fall 237)
lose Verbindungen mit anderen Akteuren, nichts ge-
steuertes oder keine verbindliche Gruppe“ (Fall 292)
25
https://venro.org/ueber-venro/wer-wir-sind
26
https://www.agdd.de/de/
27
https://www.lagfa-sh.de/
28
https://bagfa.de/
29
https://www.deutsche-stiftung-engagement-und-ehrenamt.de/
30
https://www.bayern-evangelisch.de/
31
https://aeeb.de/
32
https://www.send-ev.de/
33
https://www.bagso.de/
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
59
3.7 Hoffnungen und Befürchtungen
Aspekte von KI können mitunter kontrovers diskutiert werden, dabei kann es passie-
ren, dass die einen auf etwas hoffen, was andere befürchten. Um sich ein Bild der
Ansichten der Befragten in Bezug auf KI machen zu können, werden Aspekte, die mit
dem Einsatz von KI diskutiert werden, aufgezählt und von den Organisationen bewer-
tet, ob diese eher als Hoffnung, Befürchtung oder neutral wahrgenommen werden.
Verschiedene Aspekte der sozialen und arbeitsplatzbezogenen Folgen von KI wurden
im Rahme der Befragung abgefragt. Die Ergebnisse dieser Frage werden jeweils in
Abbildung 27 und Abbildung 28 dargestellt, dabei wird einmal der Fokus auf die As-
pekte gelegt, die als Hoffnung wahrgenommen werden und einmal auf die Aspekte,
welche eher befürchtet werden.
Die Aspekte „Automatisierung wiederholter Abläufe“, „Veränderungen im Zeitaufwand
für Arbeitsabläufe“ und „Ressourcen werden beim Arbeiten geschont“ sehen mehr als
zwei Drittel der Befragten als Hoffnung. Von weiteren hohen Anteilen werden diese
Aspekte neutral bewerten. Nur je etwa 5% befürchten diese Aspekte. In die „Automa-
tisierung wiederholter Arbeitsabläufe“ wird dabei mit 36,6% vom größten Anteil der
Befragten große Hoffnung gesetzt.
Auch die Bereiche „Erweiterung auf neue Arbeitsfelder“ und „Mitarbeitende haben
mehr Zeit für Patienten-/Klientenkontakt“ werden von den Befragten, mehr erhofft als
befürchtet oder neutral gesehen.
Eine „Veränderung der Arbeitsqualität“ wird von mehr als 40% der Befragten erhofft,
aber ebenso von knapp 20% befürchtet. „KI als Maßnahme gegen Fachkräftemangel“
und „Veränderung von Betriebskosten“ werden von mehr Befragten neutral denn als
Hoffnung oder Befürchtung bewertet.
Die „Veränderung in der Anzahl an Fake News“ wird mit 42,6% am häufigsten als große
Befürchtung gesehen. Auch die „Veränderungen im Schutz personenbezogener
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
60
Daten“ und „Veränderung der Datensicherheit“ erzeugen mehr Befürchtungen als
Hoffnungen.
Der „Ersatz von Fachkräften durch KI“ und „Entscheidungsfindung erfolgt durch KI“
werden gleichermaßen als Befürchtung oder neutral bewertet.
Der Aspekt „Arbeitskräfte benötigen niedrigere Qualifikationen“ wird von den Befrag-
ten am häufigsten neutral bewertet (44,2%).
„Arbeitskräfte [werden] nur benötigt, um Daten für die KI einzugeben“ wird von einem
Drittel befürchtet und „Entscheidungen werden durch KI getroffen“ bewerten sogar
knapp 50% der Befragten als Befürchtung.
„Polarisierung der Gesellschaft“, „Kontrolle wird an KI abgegeben“ und „Verzerrung
von Daten und Ergebnissen“ wird vom geringsten Anteil der Befragten als Hoffnung
gesehen (je etwa 5%). „Kontrolle wird an KI abgegeben“ wird am häufigsten als Be-
fürchtung bewertet (58,1%).
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
61
Abbildung 27: Bitte wählen Sie aus, welche der folgenden Aspekte in Ihrer Organisation eher als
Befürchtung oder als Hoffnung gegenüber dem Einsatz von KI wahrgenommen werden (n=265, nach
Hoffnungen). KINiro 2024.
5,7%
6,8%
14,8%
15,1%
16,2%
27,9%
33,2%
36,6%
7,9%
6,8%
12,8%
9,4%
12,8%
6,4%
11,7%
25,7%
27,2%
29,5%
21,9%
29,4%
40,4%
30,9%
31,3%
29,1%
25,7%
29,1%
31,3%
43,0%
44,2%
20,0%
33,6%
20,5%
35,5%
22,3%
38,5%
35,8%
25,0%
27,2%
32,5%
16,2%
18,5%
15,5%
28,3%
35,1%
22,6%
29,1%
23,4%
17,0%
30,2%
23,0%
28,0%
24,2%
14,3%
7,9%
9,4%
11,4%
22,6%
23,0%
23,8%
19,6%
7,2%
5,3%
26,8%
16,6%
28,4%
8,3%
42,6%
8,3%
15,1%
11,3%
19,2%
11,3%
18,5%
19,2%
11,7%
11,7%
14,4%
17,7%
13,6%
18,9%
17,4%
11,0%
30,9%
17,0%
11,3%
11,7%
10,9%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%100%
Verzerrung von Daten und Ergebnissen
Kontrolle wird an KI abgegeben
Polarisierung der Gesellschaft
Entscheidungen werden durch KI getroffen
Arbeitskräfte nur benötigt, um Daten für die KI
einzugeben
Arbeitskräfte benötigen niedrigere Qualifikationen
Veränderungen der Datensicherheit
Entscheidungsfindung erfolgt durch KI
Veränderungen im Schutz personenbezogener Daten
Ersatz von Fachkräften durch KI
Veränderung in der Anzahl an Fake News
Veränderung von Betriebskosten
KI als Maßnahme gegen Fachkräftemangel
Veränderung der Arbeitsqualität
Mitarbeitende haben mehr Zeit für Patienten-/
Klientenkontakt
Erweiterung auf neue Arbeitsfelder
Ressourcen werden beim Arbeiten geschont
Veränderungen im Zeitaufwand für Arbeitsabläufe
Automatisierung wiederholter Abläufe
Hoffnungen und Befürchtungen beim Einsatz von KI
Hoffnung groß Hoffnung gering Neutral Befürchtung gering Befürchtung groß Weiß ich nicht.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
62
Abbildung 28: Bitte wählen Sie aus, welche der folgenden Aspekte in Ihrer Organisation eher als
Befürchtung oder als Hoffnung gegenüber dem Einsatz von KI wahrgenommen werden (n=265, nach
Befürchtungen). KINiro 2024.
5,3%
7,2%
8,3%
8,3%
16,6%
19,6%
22,6%
23,0%
23,8%
26,8%
28,4%
42,6%
9,4%
7,9%
17,0%
23,4%
11,4%
24,2%
23,0%
29,1%
28,3%
35,1%
22,6%
30,2%
28,0%
14,3%
16,2%
15,5%
32,5%
27,2%
18,5%
35,8%
38,5%
44,2%
43,0%
25,0%
35,5%
33,6%
31,3%
29,1%
25,7%
29,1%
20,0%
20,5%
22,3%
40,4%
31,3%
29,4%
21,9%
30,9%
27,2%
25,7%
12,8%
6,8%
29,5%
11,7%
12,8%
7,9%
9,4%
6,4%
27,9%
36,6%
16,2%
15,1%
33,2%
6,8%
5,7%
14,8%
11,3%
10,9%
17,0%
30,9%
11,7%
17,4%
18,9%
19,2%
18,5%
11,0%
17,7%
11,7%
11,3%
15,1%
11,3%
19,2%
11,7%
14,4%
13,6%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%100%
Ressourcen werden beim Arbeiten geschont
Automatisierung wiederholter Abläufe
Erweiterung auf neue Arbeitsfelder
Mitarbeitende haben mehr Zeit für Patienten-/
Klientenkontakt
Veränderungen im Zeitaufwand für Arbeitsabläufe
KI als Maßnahme gegen Fachkräftemangel
Veränderung von Betriebskosten
Arbeitskräfte benötigen niedrigere Qualifikationen
Arbeitskräfte nur benötigt, um Daten für die KI
einzugeben
Veränderung der Arbeitsqualität
Ersatz von Fachkräften durch KI
Entscheidungsfindung erfolgt durch KI
Entscheidungen werden durch KI getroffen
Verzerrung von Daten und Ergebnissen
Kontrolle wird an KI abgegeben
Polarisierung der Gesellschaft
Veränderungen der Datensicherheit
Veränderungen im Schutz personenbezogener Daten
Veränderung in der Anzahl an Fake News
Hoffnungen und Befürchtungen beim Einsatz von KI
Befürchtung groß Befürchtung gering Neutral
Hoffnung gering Hoffnung groß Weiß ich nicht
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
63
3.8 Offene Anmerkungen der NROs
Die
„Offene Eingabe zum Schluss“
bietet den Befragten die Möglichkeit am Ende des
Fragebogens, ohne thematischen Fokus eigene Gedanken zu formulieren. Insgesamt
haben 18,4% der befragten Personen diese Möglichkeit genutzt. Die Beiträge wiesen
eine hohe Vielfalt auf, sie wurden qualitativ ausgewertet und dafür codiert und in
Kategorien zusammengefasst. Die abschließenden Bemerkungen offenbaren eine
breite Palette an Herausforderungen und Bedürfnissen innerhalb der Organisationen.
Die häufigsten Themen betreffen die folgenden Punkte:
Ausblick in die Zukunft der Organisation
Einige Eingaben sind allgemein gehalten und formulieren einen Ausblick in die Zu-
kunft. Wie beispielsweise „Die einzige Möglichkeit, als Individuen und als Organisation
zum Thema KI sprechfähig zu werden und uns am gesellschaftlichen Diskurs beteili-
gen zu können, ist es, selbst aktiv zu werden und in der Praxis auszuprobieren, wo
KI-Werkzeuge in der eigenen Arbeit helfen können, und wo die Limitierungen liegen“
(Fall 179). Auch Veränderungen in der Arbeit der NROs wurden formuliert „KI verän-
dert in unserem Fall das Angebot, welches wir als Bildungsangebot organisieren. Wir
begeistern Kinder und Jugendliche mit Roboterwettbewerben für Informatik, Technik
etc., bei diesem Wettbewerb wird sich unter Einbezug von KI die Aufgabenstellung
ändern“ (Fall 76).
Kritische Rückmeldungen und Skepsis gegenüber KI
Viele Organisationen berichten von einem grundlegenden Mangel an Ressourcen, ins-
besondere Zeit und fachlichem Wissen, was die Implementierung und Nutzung neuer
Technologien behindern würde. „Da wir die Erfahrung machen, dass fast alle unserer
Mitarbeiter im sozialen Bereich eher auf Kriegsfuß mit den schon gängigen IT-An-
wendungen stehen - und dies ist im Bereich Soziale Arbeit durchaus gängig, sehen
wir kaum Chancen der Nutzung.“ (Fall 110). „Für uns als NGO hatten wir das Thema
KI bisher nicht groß im Focus“ (Fall 145).
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
64
Potenzielle Vorteile von KI
Trotz der Herausforderungen erkennen einige Befragte das Potenzial der KI zur Effi-
zienzsteigerung und Verbesserung ihrer Dienstleistungen an, besonders in administ-
rativen Bereichen. „Wir haben bisher das Wissensmanagement und das Anliegen wie
chat over documents auf einen Servern als hilfreich identifiziert [sic]“ (Fall 188). „Für
Anwendungsfälle im Bereich der ehrenamtlichen Arbeit für Senioren (also keine Pflege
usw.) wäre ich an KI-Anwendungsfällen sehr interessiert. Sehe da aber wenig Bedarf.
Unsere Leistungen gehen ja gerade darum für Menschen da zu sein und was mit Men-
schen zu machen[sic]“ (Fall 103).
Ressourcen
Die Antworten spiegeln eine Mischung aus Vorsicht und Interesse an technologischen
Innovationen wider. Während einige Organisationen bereits die Vorteile neuer Tech-
nologien sehen, fühlen sich andere durch die aktuellen technischen und ressourcen-
bedingten Einschränkungen überfordert. Auch Bedarfe bei Ressourcen wurden teil-
weise genannt. „Es wäre wünschenswert, wenn auf NRO zugeschnittenen KI-Tools,
Lösungen kostenfrei zur Verfügung stünden und dieses Angebot zentral in einer Da-
tenbank/Webseite Endanwenderfreundlich abrufbar wären [sic]“ (Fall 208). Es wurde
immer wieder der Mangel an Ressourcen genannt „Wir sind als Naturschutz-Stiftung
sehr daran interessiert KI zu verwenden, haben jedoch durch begrenzte Kapazitäten
immer wieder Schwierigkeiten auf dem neusten Stand zu bleiben. Und wenn es doch
mal klappt, sind wir meistens zu langsam darin den neusten Stand an alle Mitarbei-
tenden weiterzugeben. Eine kleine Angst besteht also auch darin zu langsam zu sein“
(Fall 258) oder auch „Gerade kleineren NGOs fehlt wohl Wissen und Anwendungsideen
für KI.“ (Fall 151) „Wo gibt es seriöse Netzwerke / Plattformen, die man als NRO dies-
bezüglich nutzen kann?“ (Fall 203) kurz und knapp formuliert „Es fehlt vor allem an
Zeit und Know-how“ (Fall 66).
Die abschließenden Bemerkungen der Teilnehmenden zeigen, dass Ressourcen eine
wichtige Rolle spielen. Teilweise wurden Bedenken, aber auch Potenziale genannt.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
65
Bedenken werden besonders deutlich, wenn KI als ein Ersatz für zwischenmenschliche
Interaktion gesehen wird. Vorteile von KI werden vor allem im organisatorischen Be-
reich für Schulungsunterlagen oder Presseartikel gesehen. Die vorhandenen Ressour-
cen der Organisationen wurden meist bemängelt.
4 Diskussion
Die quantitative Erhebung unterstreicht viele der bereits durch das Scoping Review
(Scharf et al. 2023) und die qualitativen Interviews (Schultz et al. 2024) erhobenen
Beobachtungen:
Das Interesse an KI steigt seit wenigen Jahren in NROs und die Nutzung wird in klei-
neren Anwendungen getestet, meist ohne sie umfassend in Arbeitsabläufe zu integ-
rieren. Doch fehlt es in den Organisationen an gefestigten Strukturen und Leitlinien,
die den Einsatz regeln. Ebenso ist der Wissenstand in den Organisationen zu KI eher
niedrig und es fehlt an Weiterbildungsangeboten und Vernetzungs- und Austausch-
möglichkeiten.
Derzeit gibt es wenig Erhebungen, die zur Einordnung der vorliegenden Ergebnisse
herangezogen werden können. Mangels einer amtlichen Statistik über Nichtregie-
rungsorganisationen ist es ebenso schwer einzuschätzen, inwieweit die erreichte
Stichprobe die tatsächliche Grundgesamtheit von NROs abdeckt. Im Vergleich zu an-
deren Erhebungen über zivilgesellschaftliche Organisationen (Schubert et al. 2023a,
S. 9) zeigt sich, dass NROs wie andere zivilgesellschaftliche Organisationen haupt-
sächlich eingetragene Vereine sind, sich aber die Handlungsfelder deutlicher unter-
scheiden.
Handlungsfelder wie „Bildung“, „Außerschulische Jugendarbeit, Bildungsarbeit für Er-
wachsene“ oder „Entwicklungszusammenarbeit und Humanitäre Hilfen“ sind unter den
NROs stark vertreten (vgl. 2.6.4). Im Vergleich zu anderen Studien über Organisatio-
nen der Zivilgesellschaft (Priller et al. 2012, S. 13; Schubert et al. 2023a, S. 17; Si-
monson et al. 2022, S. 22) zeigt sich, dass in all diesen Befragungen die Bereiche
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
66
„Sport (und Bewegung)“ sowie „Kultur (und Musik)“ deutlich größere Bedeutung haben
als in der vorliegenden Studie. Andererseits nehmen „Entwicklungszusammenarbeit
und Humanitäre Hilfen“ und „Umwelt-, Natur und Tierschutz“ in der Stichprobe der
NROs einen größeren Anteil ein als in den anderen Studien. Eine laufende Auswertung
soll weiteren Aufschluss zu den Handlungsfeldern in der Stichprobe bringen.
Die Stichprobenziehung erfolgte auf Basis von öffentlich zugänglichen Auflistungen
deutscher NROs (siehe 2.2). Diese Listen scheinen jedoch nicht laufend aktualisiert zu
werden und somit Momentaufnahmen des Entstehungszeitpunktes darzustellen. Das
führt zu veralteten Kontaktdaten in den Listen und der Auflistung mitunter nicht mehr
existierender Organisationen.
Eine weitere Limitation der Stichprobe könnte darin bestehen, dass sich angeschrie-
bene Organisationen laut ihrem Selbstverständnis nicht als NRO definieren und daher
auf eine Teilnahme an der Umfrage verzichtet haben. Dies zeigt sich in Rückmeldun-
gen von kontaktierten Organisationen, die angaben, nicht Teil der Zielgruppe zu sein
oder nachfragten, ob ihre Organisationsform unter den Begriff NRO falle.
Andere Rückmeldungen der kontaktierten Organisationen zeichnen ein weiteres
wichtiges Thema ab, die Nichtteilnahme. 17 Organisationen sagten einer Teilnahme
an der Befragung ab, zwölf davon mit der Begründung, nicht genügend Zeit zu haben,
einmal weil kein Interesse bestehe und vier ohne weitere Begründung. Dies passt zum
in der Befragung aufgezeigten Mangel an zeitlichen Ressourcen in den NROs (siehe
3.3) als auch zum Stand der Forschung zu Nonresponse (Schnell 2019, 145 ff.).
In vorhandenen Studien vergleichbarer Stichproben wird das Thema Künstliche Intel-
ligenz (noch) nicht behandelt, da es ein sehr neues Thema darstellt. Im Hinblick auf
Digitalisierung in Organisationen lässt sich zeigen, dass die COVID-19 Pandemie
deutliche Auswirkungen auf die Digitalisierung der Zivilgesellschaft hatte (Schubert et
al. 2023a, S. 52). Im Freiwilligensurvey 2019 zeigt sich, dass vor COVID-19 ein er-
heblicher Teil ehrenamtlichen Engagements ohne Nutzung des Internets stattfand
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
67
(43,0% in 2019: Simonson et al. 2022, S. 36) und die Digitalisierung in den Organisa-
tionen durch die Pandemie Fortschritte gemacht hat, aber noch weiteren Entwick-
lungsbedarf hat (Schubert et al. 2023a, 53f.). Durch die Nutzung einer internetba-
sierten Umfrage ist es möglich, dass derartige Organisationen nicht erfasst wurden.
Doch ist eine Nutzung von Künstlicher Intelligenz in Organisationen, die kein Internet
verwenden, nicht erwartbar.
5 Fazit und Ausblick
Inhaltlich lässt sich feststellen, dass das Thema Künstliche Intelligenz für NROs in
Deutschland, obgleich aktuell noch nicht sehr verbreitet, in den nächsten Jahren stark
an Bedeutung gewinnen wird. Gegliedert in die drei Fokuspunkte des Projekts (Bedarf,
Akzeptanz und Umsetzungsmöglichkeiten) werden die zentralen Beobachtungen nun
zusammengefasst.
Bedarf
Der eigene Bedarf an der Nutzung von KI scheint den Organisationen noch nicht klar
zu sein. Viele NROs testen KI in einfachen, schnell umsetzbaren Anwendungen, doch
ist oft unklar, welche Anwendungen durch KI umgesetzt werden könnten.
Ein Großteil der NROs erwartet durch den Einsatz von KI-Ressourcen effizienter ein-
setzen zu können. Jedoch stellt dies für die Organisationen eine Kosten-Nutzenrech-
nung dar, ob es sich lohnt KI zu implementieren oder wie bisher zu arbeiten. Denn
für den Aufbau und die Einführung von KI-Systemen sind zunächst viel Zeit, Geld und
Energie notwendig, bevor diese Ressourcen zu einem späteren Zeitpunkt (hoffentlich)
eingespart werden können. Durch die Schnelllebigkeit der KI-Technologien und des
recht neuen gesellschaftlichen Fokus auf die Thematik fehlt es in den Organisationen
auch noch an Wissen und damit verbunden an Weiterbildungsangeboten. Organisati-
onsübergreifende Netzwerke stellen schon Plattformen für Austausch und Informati-
onsweitergabe über KI dar, doch zeigt sich dabei, dass es zwischen den Netzwerken
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
68
keine Überschneidungen gibt und beispielsweise die Initiative Civic Coding
34
unter
den Befragten nicht bekannt zu sein scheint.
Akzeptanz
Die großen Hoffnungen, die mit dem Einsatz von KI verbunden werden, sind die Vor-
stellung Arbeitsabläufe zu automatisieren und durch die Nutzung Ressourcen scho-
nen zu können. Besonders die Einsatzszenarien zu Öffentlichkeitsarbeit und Marke-
ting, in welchen KI auf diese Weise genutzt wird, sind für viele Befragte in der eigenen
Organisation vorstellbar. Dahingegen werden Szenarien, in welchen menschlicher
Kontakt ersetzt werden soll und Menschen direkt betroffen sind (Szenarien Beschwer-
demanagement, Personalverwaltung und Bewerbungsmanagement) vergleichsmäßig
häufig abgelehnt.
Umsetzungsmöglichkeiten
In vielen NROs haben andere Aufgabenbereiche und Angelegenheiten Priorität vor der
Nutzung von KI. Die Begrenztheit der vorhandenen Ressourcen hindert dabei zusätz-
lich. Besonders Anwendungsfelder, die sich durch die Nutzung von leicht zugängli-
chen Systemen wie beispielsweise Chat-GPT umsetzen lassen, wie Schreibhilfen,
Textübersetzungen oder auch Recherchen und Suchmaschinen stellen für die NROs
einen großen Mehrwert dar und werden auch am häufigsten genutzt. Anwendungen
hingegen, welche die Nutzung von individuell zugeschnittenen Systemen notwendig
machen, sind zum Zeitpunkt der Befragung kaum verbreitet. Dementsprechend wird
sich davon auch nur wenig Mehrwert erhofft.
Ausblick
Die rasanten Entwicklungen des KI-Bereichs machen Abschätzungen des Einsatzes in
der Zukunft schwer. Die Organisationen selbst gehen davon aus, dass die Nutzung
34
Civic Coding ‒ Innovationsnetz KI für das Gemeinwohl ist eine gemeinsame Initiative des Bundes-
ministeriums für Arbeit und Soziales (BMAS), des Bundesministeriums für Familie, Senioren, Frauen und
Jugend (BMFSFJ) und des Bundesministeriums für Umwelt, Naturschutz, nukleare Sicherheit und Ver-
braucherschutz (BMUV); https://www.civic-coding.de/
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
69
von KI mindestens gleichbleiben oder ansteigen wird. Damit werden sich auch Ein-
stellungen und Ansichten verändern. Diese Befragung kann nur eine Momentauf-
nahme in dieser Entwicklung wiedergeben.
Auf Grundlage dieser quantitativen Erhebung wird im Rahmen des Projekts KINiro
noch eine weitere qualitative Befragungsrunde aufgebaut. Diese wird die Beobach-
tungen der vorangegangenen Studien noch weiter vertiefen und in eine Schlussfolge-
rung auf Basis aller Erhebungen im Rahmen des Mixed-Methods-Forschungsdesigns
resultieren.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
70
Literaturverzeichnis
Aachener Stiftung Kathy Beys (2015): Lexikon der Nachhaltigkeit: NRO-Zivilgesell-
schaft. Aachen. Online verfügbar unter https://www.nachhaltigkeit.info/arti-
kel/ngo_linkliste_1470.htm.
Berg, Achim (2022): Künstliche Intelligenz- Wo steht die deutsche Wirtschaft? Bit-
kom. Online verfügbar unter https://www.bitkom.org/sites/main/files/2022-
09/Charts_Kuenstliche_Intelligenz_130922.pdf.
Bitkom (2018): Digitalisierung gestalten mit dem Periodensystem der Künstlichen
Intelligenz. Hg. v. Bundesverband Informationswirtschaft, Telekommunikation
und neue Medien e. V. Bitkom. Berlin. Online verfügbar unter https://www.bit-
kom.org/sites/default/files/2018-12/181204_LF_Periodensystem_on-
line_0.pdf, zuletzt geprüft am 19.06.2024.
BMZ (2024): Lexikon der Entwicklungspolitik. Bundesministerium für wirtschaftliche
Zusammenarbeit und Entwicklung. Online verfügbar unter
https://www.bmz.de/de/service/lexikon#lexicon=14716, zuletzt geprüft am
18.06.2024.
Bühler, Joachim; Fliehe, Marc; Shahd, Maurice; Steinbach, Sebastian (2021): Sicher-
heit und Künstliche Intelligenz. Erwartungen, Hoffnungen, Risiken. Hg. v. TÜV
Verband. Online verfügbar unter https://www.tuev-ver-
band.de/?tx_epxelo_file%5Bid%5D=856779&cHash=1af8a3f0e6c845423fdd63
7c8dbcd080.
Bundesnetzwerk Bürgerliches Engagement (2023): Die Mitglieder des BBE nach ge-
sellschaftlichen Bereichen (Bereich NRO). Berlin. Online verfügbar unter
https://www.b-b-e.de/fileadmin/Redaktion/02_Mitglieder/bbe-mitglie-
der_sektoren_Stand_ab_2.1.2023_01.pdf.
Dellinger, A. J. (2016): Microsoft And AI: Using Machine Learning, Artificial Intelli-
gence To Diagnose Blindness. In:
ICT Monitor Worldwide
. Online verfügbar un-
ter https://www.wiso-net.de/document/ICT__83640507.
Destatis (27.11.2023): Etwa jedes achte Unternhemen nutzt künslitche Intelligenz.
Online verfügbar unter https://www.destatis.de/DE/Presse/Pressemitteilun-
gen/2023/11/PD23_453_52911.html.
Döring, Nicola (2023): Forschungsmethoden und Evaluation in den Sozial- und Hu-
manwissenschaften. 6., vollständig überarbeitete, aktualisierte und erweiterte
Auflage. Berlin, Heidelberg: Springer (Lehrbuch). Online verfügbar unter
http://www.springer.com/.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
71
DSEE (2020): Weitere Engagementstrategien. Hg. v. Deutsche Stiftung für Engage-
ment und Ehrenamt. Online verfügbar unter https://www.zukunft-des-enga-
gements.de/uebersicht-engagementstrategien-der-bundeslaender/.
Feldhay, Eran; Gronau, Viki (2022): OpenDNA announces know-how and research
agreement with Mayo Clinic as part of pilot clinical study for cardiovascular
disease prevention. In:
Pharma & Healthcare Monitor Worldwide
. Online verfüg-
bar unter https://www.wiso-net.de/document/PHM__74068909.
Frantz, Christiane; Martens, Kerstin (2006): Nichtregierungsorganisationen (NGOs).
1. Aufl. Wiesbaden: VS Verl. für Sozialwiss (Lehrbuch).
Franzen, Axel (2022): Antwortskalen in standardisierten Befragungen. In: Nina Baur
und Jörg Blasius (Hg.): Handbuch Methoden der empirischen Sozialforschung.
Wiesbaden: Springer Fachmedien Wiesbaden, S. 1115–1126.
Heggie-Collins, Sam (2019): AI Chatbot helps The Cyber Helpline fight nationwide
cyber crime. In:
Cyber Security Monitor Worldwide
. Online verfügbar unter
https://www.wiso-net.de/document/SCMW__146663596.
Horváth (2024): Mit Vorsprung durch die KI-Revolution. Generative KI als Transfor-
mationstreiber nutzen.
Initiative Transparente Zivilgesellschaft (2022): Unterzeichnerorganisationen. Trä-
gerkreis Initiative Transparente Zivilgesellschaft. Online verfügbar unter
https://www.transparente-zivilgesellschaft.de/ueber-uns/unterzeichnerorga-
nisationen, zuletzt geprüft am 24.06.2024.
Kausmann, Corinna; Hagen, Christine (2022): Gesellschaftliche Bereiche des freiwil-
ligen Engagements. In: Julia Simonson, Nadiya Kelle, Corinna Kausmann und
Clemens Tesch-Römer (Hg.): Freiwilliges Engagement in Deutschland. Wiesba-
den: Springer Fachmedien Wiesbaden (Empirische Studien zum bürgerschaftli-
chen Engagement), S. 95–124.
Kuckartz, Udo (2014): Mixed Methods. Methodologie, Forschungsdesigns und Ana-
lyseverfahren. Wiesbaden: Springer Fachmedien Wiesbaden; Imprint: Springer
VS (Springer eBook Collection). Online verfügbar unter http://link.sprin-
ger.com/978-3-531-93267-5.
Omidi, Sam (2017): Artificial Intelligence Tested to Improve Mens Health - Canadian
Men`s Health Foundation. In:
Pharma & Healthcare Monitor Worldwide
. Online
verfügbar unter https://www.wiso-net.de/document/PHM__93063300.
Priller, Eckhard; Alscher, Mareike; Droß, Patrick; Paul, Franziska; Poldrack, Clemens;
Schmeißer, Claudia; Waitkus, Nora (2012): Dritte-Sektor-Organisationen heute:
Eigene Ansprüche und ökonomische Herausforderungen. Ergebnisse einer Or-
ganisationsbefragung. Discussion Paper SP IV 2012 - 402. Berlin. Online ver-
fügbar unter www.wzb.eu/org2011.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
72
Schael, Christopher (2018): Künstliche Intelligenz in der modernen Gesellschaft. In:
DuD Datenschutz und Datensicherheit
42 (9), S. 547–551. DOI:
10.1007/s11623-018-0997-y.
Scharf, Anna; Hauer, Franziska; Schultz, Maximilian; Haug, Sonja; Weber, Karsten
(2023): Künstliche Intelligenz in Nichtregierungsorganisationen. Ein Scoping
Review über ein junges Forschungsfeld. Hg. v. Institut für Sozialforschung und
Technikfolgenabschät-zung (IST), Ostbayerische Technische Hochschule (OTH)
Regensburg.
Schnell, Rainer (2019): Survey-Interviews. Methoden standardisierter Befragungen.
2. Auflage. Wiesbaden: Springer VS (Springer eBooks Social Science and Law).
Online verfügbar unter http://link.springer.com/978-3-531-19901-6.
Schnell, Rainer; Hill, Paul B.; Esser, Elke (2018): Methoden der empirischen Sozial-
forschung. 11., überarbeitete Auflage. Berlin, Boston: De Gruyter Oldenbourg
(De Gruyter Studium). Online verfügbar unter http://www.blickinsbuch.de/i-
tem/650655bd5c7d06de54d85e500b16a14d.
Schubert, Peter; Kuhn, David; Tahmaz, Birthe (2023a): Ziviz-Survey 2023. Zivilge-
sellschaftliche Organisationen im Wandel - Gestaltungspotenziale erkennen,
Resilienz und Vielfalt stärken. Essen: Stifterverband für die Deutsche Wirtscaft
e.V.
Schubert, Peter; Tahmaz, Birthe; Krimmer, Holger (2023b): Erste Befunde des ZiviZ-
Survey 2023. Zivilgesellschaft in Krisenzeiten: Politisch aktiv mit geschwächten
Fundamenten. Berlin. Online verfügbar unter
https://www.ziviz.de/sites/ziv/files/ziviz-survey_2023_trendbericht.pdf, zu-
letzt geprüft am 26.01.2024.
Schultz, Maximilian; Scharf, Anna; Hauer, Franziska; Haug, Sonja; Weber, Karsten
(2024): Künstliche Intelligenz in Nichtregierungsorganisationen: Explorative
Studie in einem neuen Forschungsfeld.
Simonson, Julia; Kelle, Nadiya; Kausmann, Corinna; Tesch-Römer, Clemens (Hg.)
(2022): Freiwilliges Engagement in Deutschland. Wiesbaden: Springer Fach-
medien Wiesbaden (Empirische Studien zum bürgerschaftlichen Engagement).
van Mol, Christof (2017): Improving web survey efficiency: the impact of an extra
reminder and reminder content on web survey response. In:
International Jour-
nal of Social Research Methodology
20 (4), S. 317–327. DOI:
10.1080/13645579.2016.1185255.
Wong, Sarah (2017): NLP Logix Announces Joint Product Development Agreement
with Mayo Clinic using Deep Learning and Deployment onto Microsoft Azure.
In:
Pharma & Healthcare Monitor Worldwide
. Online verfügbar unter
https://www.wiso-net.de/document/PHM__96665801.
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
73
Anhang
Abbildungsverzeichnis
Abbildung 1: Rücklauf der vollständigen und teilweise beantworteten Fragebögen im
Erhebungszeitraum................................................................................. 13
Abbildung 2: Welche Organisationsform hat Ihre Organisation? (n=311). KINiro
2024. ...................................................................................................... 18
Abbildung 3: Auf welcher Ebene agieren Sie selbst? (n=311). KINiro 2024. ............ 19
Abbildung 4: Welches ist die höchste Ebene, auf der Ihre Organisation agiert?
(n=133). KINiro 2024. ............................................................................ 20
Abbildung 5: Wie viele Mitglieder hat Ihre Organisation insgesamt? (n=287,
gruppiert). KINiro 2024. ......................................................................... 22
Abbildung 6: Wie viele hauptamtliche Mitarbeitende sind auf Ihrer Ebene in der
Organisation angestellt? (n=294, gruppiert). KINiro 2024. ..................... 23
Abbildung 7: Wie viele Menschen sind ehrenamtlich auf Ihrer Ebene in der
Organisation engagiert? (n=290). KINiro 2024. ...................................... 24
Abbildung 8: In welchem Handlungsfeld ist ihre Organisation hauptsächlich tätig?
(n=294). KINiro 2024. ............................................................................ 26
Abbildung 9: In welchen Handlungsfeldern ist Ihre Organisation insgesamt tätig?
(n=295). KINiro 2024. ............................................................................ 27
Abbildung 10:Wird in Ihrer Organisation KI genutzt? (n=317). KINiro 2024. .......... 28
Abbildung 11:Inwieweit hat Ihre Organisation Erfahrung mit KI gemacht? (n=290,
Mehrfachantwort). KINiro 2024. ............................................................. 29
Abbildung 12: In welchem Bereich wird in Ihrer Organisation KI eingesetzt? (n=231,
Mehrfachantwort). KINiro 2024. ............................................................. 31
Abbildung 13: Wer treibt den Einsatz von KI in Ihrer Organisation voran? (n=203).
KINiro 2024. ........................................................................................... 32
Abbildung 14: Wie viele Jahre wird in Ihrer Organisation schon mit KI gearbeitet?
(n=286). KINiro 2024 ............................................................................. 33
Abbildung 15: Gegenüberstellung der KI-Nutzung im Arbeitsalltag nach Art der
Beschäftigung. KINiro 2024. ................................................................... 34
Abbildung 16: Schätzen Sie ein: Wie wird sich der Einsatz von KI in ihrer
Organisation in 5 Jahren verändern? (n=317). KINiro 2024 .................... 35
Abbildung 17: Bitte bewerten Sie, ob diese beispielhaften Nutzungsweisen von KI für
Ihre Organisation vorstellbar wären? KINiro 2024. ................................. 40
Abbildung 18: Szenario Naturschutz (n=56). KINiro 2024 ...................................... 42
Abbildung 19: Szenario Gesundheitsbereich (n=65). KINiro 2024. ......................... 43
Abbildung 20: Welche Ressourcen für den Einsatz von KI haben Sie bereits in Ihrer
Organisation und welche wären noch notwendig? (n=278). KINiro 2024.
............................................................................................................... 44
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
74
Abbildung 21: Inwieweit können/könnten Ressourcen durch den Einsatz von KI-
Anwendungen in Ihrer Organisation effizienter genutzt werden? (n= 277).
KINiro 2024. ........................................................................................... 49
Abbildung 22: Übersicht über die Verfügbarkeit relevanter datenbezogener Aspekte.
KINiro 2024. ........................................................................................... 50
Abbildung 23: Wie hoch schätzen Sie den Mehrwert der Nutzung von KI für die
Arbeit bzw. einzelne Arbeitsabläufe Ihrer Organisation ein? (n=269;
nDigitale Assistenten/Assistenzsysteme in der Pflege/Bilderkennung=268; nRechnungswesen=267).
KINiro 2024. ........................................................................................... 52
Abbildung 24: Wie hoch schätzen Sie die Priorität des Einsatzes von KI in Ihrer
Organisation ein? (n=247). KINiro 2024. ................................................ 54
Abbildung 25: Wie schätzen Sie den Wissensstand in Ihrer Organisation zum Thema
KI ein? (n=270). KINiro 2024. ................................................................. 55
Abbildung 26: Übersicht über verschiedene Aspekte des Wissenstands. KINiro 2024.
............................................................................................................... 55
Abbildung 27: Bitte wählen Sie aus, welche der folgenden Aspekte in Ihrer
Organisation eher als Befürchtung oder als Hoffnung gegenüber dem
Einsatz von KI wahrgenommen werden (n=265, nach Hoffnungen). KINiro
2024. ...................................................................................................... 61
Abbildung 28: Bitte wählen Sie aus, welche der folgenden Aspekte in Ihrer
Organisation eher als Befürchtung oder als Hoffnung gegenüber dem
Einsatz von KI wahrgenommen werden (n=265, nach Befürchtungen).
KINiro 2024. ........................................................................................... 62
Tabellenverzeichnis
Tabelle 1: Lage und Streuungsmaße der Mitgliederanzahl der Organisationen ....... 21
Tabelle 2: Lage und Streuungsmaße der Anzahl der hauptamtlichen Mitglieder der
Organisationen ....................................................................................... 22
Tabelle 3: Lage und Streuungsmaße der Anzahl der ehrenamtlichen Mitglieder der
Organisationen ....................................................................................... 24
Tabelle 4: Lage und Spannweite der Jahre Erfahrung mit KI .................................... 33
Tabelle 5: Genannte Netzwerke der NROs zum Wissensaustausch über KI. ............ 58
Tabelle 6: Übersicht der kontaktierten Multiplikatorgremien. ................................. 76
Abkürzungsverzeichnis
KI Künstliche Intelligenz
NRO Nichtregierungsorganisation
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
75
NGO Non-Governmental Organization
KINiro Künstliche Intelligenz in Nichtregierungsorganisationen
NPO Non-Profit Organisation
SD Standardabweichung
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
76
Anhang 1
Tabelle 6: Übersicht der kontaktierten Multiplikatorgremien.
Gremiumsname
Bundesland
Arbeitsgemeinschaft des Bürgerschaftlichen Engagements in Baden-Württemberg e.V.
Baden-Württemberg
Landesarbeitsgemeinschaft Engagement und Beteiligung Baden-Württemberg e. V.
Baden-Württemberg
Landesarbeitsgemeinschaft der Freiwilligenagenturen/Freiwilligen-Zentren - lagfa Bayern
Bayern
Landesverband Mütter- und Familienzentren in Bayern
Bayern
Selbsthilfekoordination Bayern
Bayern
Arbeitsgemeinschaft der Ausländer-, Migranten- und Integrationsbeiräte Bayerns
Bayern
Landesnetzwerk Bürgerschaftliches Engagement
Bayern
Landesarbeitsgemeinschaft der Bürgerstiftungen in Bayern
Bayern
Landesarbeitsgemeinschaft der Seniorenbüros Bayern
Bayern
Landesarbeitsgemeinschaft Soziokultur Bayern
Bayern
Landesarbeitsgemeinschaft Bürgerstiftungen in Bayern
Bayern
Eine Welt Netzwerk Bayern
Bayern
Landesfreiwilligenagentur Berlin
Berlin
Landesnetzwerk Bürgerschaftliches Engagement (LBE)
Brandenburg
Landesarbeitsgemeinschaft der Freiwilligenagenturen im Land Brandenburg
Brandenburg
Sozialer Friedensdienst Bremen e.V.
Bremen
Freiwilligenagentur Bremen
Bremen
Bündnis der Bürgerstiftungen Deutschlands
Deutschlandweit
Deutsche Stiftung für Engagement und Ehrenamt
Deutschlandweit
Bundesarbeitsgemeinschaft der Freiwilligenagenturen e.V.
Deutschlandweit
Deutschland sicher im Netz
Deutschlandweit
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
77
Engagement-Datenbank-Hamburg
Hamburg
Landesehrenamtsagentur Hessen (LEAH)
Hessen
Stiftung für Ehrenamt und bürgerschaftliches Engagement in Mecklenburg-Vorpommern
Mecklenburg-Vorpommern
Landesarbeitsgemeinschaft der Freiwilligenagenturen Niedersachsen
Niedersachsen
Kommunen-Netzwerk: engagiert in NRW
Nordrhein-Westfalen
Netzwerk bürgerschaftliches Engagement NRW (NBE NRW)
Nordrhein-Westfalen
Landesarbeitsgemeinschaft der Freiwilligenagenturen in Nordrhein-Westfalen
Nordrhein-Westfalen
Leitstelle Ehrenamt und Bürgerbeteiligung
Rheinland-Pfalz
Landesarbeitsgemeinschaft PRO EHRENAMT e.V.
Saarland
Engagementstiftung Sachsen
Sachsen
Landesarbeitsgemeinschaft der Freiwilligenagenturen Sachsen-Anhalt
Sachsen-Anhalt
Landesarbeitsgemeinschaft der Freiwilligenagenturen Schleswig-Holstein
Schleswig-Holstein
Landesinitiative Bürgergesellschaft (LiBG)
Schleswig-Holstein
Thüringer Ehrenamtsstiftung
Thüringen
Gutes-geht.digital
Deutschlandweit
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
78
Anhang 2
Sehr geehrte Damen und Herren,
Liebe Stellvertretende der Organisation [Name der Organisation],
Guten Tag [Name der Ansprechperson]
Künstliche Intelligenz (KI) ist spätestens seit der Veröffentlichung von ChatGPT in aller Munde. Für viele
Menschen bringt dies die Frage mit sich, welchen Einfluss KI auf die Arbeitswelt haben kann und wie sich
die eigenen Arbeitsbedingungen in der Zukunft verändern werden. In wirtschaftlichen Unternehmen gibt es
dazu bereits vielfach Versuche und Einsatzmöglichkeiten. Doch wie sieht die Situation im Non-Profit-Sektor
aus?
Um dies zu erforschen, untersuchen wir, das Projekt KINiro (Künstliche Intelligenz für Nichtregierungsor-
ganisationen), die Einsatzmöglichkeiten, Bedarfe und Akzeptanz von KI in Non-Profit- und Nichtregierungs-
organisationen (NROs). Diese Studie wird von der Ostbayerischen Technischen Hochschule in Regensburg
durchgeführt und durch das Bundesministerium für Familie, Senioren, Frauen und Jugend (BMFSFJ) geför-
dert.
Für diese Studie werden Organisationen befragt, unabhängig davon, ob sie KI (bereits) nutzen oder nicht.
Ihre Organisation wird im Rahmen dieser wissenschaftlichen Befragung angeschrieben, da die Kontaktdaten
Ihrer Organisation in einer frei zugänglichen Liste deutscher NROs genannt wurden.
Dafür bitten wir Sie, eine Person stellvertretend für Ihre Organisationsebene (beispielsweise Ortsgruppe
oder Bundesländerebene) den Fragebogen beantworten zu lassen. Damit Sie sich mit dem Fragebogen der
Online-Umfrage vorher vertraut machen und die dafür notwendigen Informationen innerhalb der Organisa-
tion zuvor einholen können, finden Sie den Fragebogen unter diesem Link.
Zur Teilnahme an der Befragung klicken Sie bitte auf den folgenden Link:
https://www.soscisurvey.de/KINIRO/
Die Teilnahme ist bis 31.03.2024 möglich. Die Bearbeitung des Fragebogens dauert etwa 10 bis 15 Minu-
ten. Durch die Teilnahme ermöglichen Sie uns einen differenzierten Einblick in die derzeitige KI-Nutzung
von NROs und helfen sowohl Wissenschaft als auch Politik dabei, Förderungen und unterstützende Maß-
nahmen zu entwickeln.
Vielen Dank für Ihre Teilnahme
das KINiro-Projektteam unter Leitung von
Prof. Dr. Sonja Haug und
Prof. Dr. Karsten Weber
KINiro –3. Arbeitspapier Hauer et al. (2024)
Künstliche Intelligenz für Nichtregierungsorganisationen
79
Anhang 3
Sehr geehrte Damen und Herren,
Liebe Stellvertretende der des Gremiums [Name des Gremiums],
Guten Tag [Name der Ansprechperson],
Künstliche Intelligenz (KI) ist spätestens seit der Veröffentlichung von ChatGPT in aller Munde. Für viele
Menschen bringt dies die Frage mit sich, welchen Einfluss KI auf die Arbeitswelt haben kann und wie sich
die eigenen Arbeitsbedingungen in der Zukunft verändern werden. In wirtschaftlichen Unternehmen gibt es
dazu bereits vielfach Versuche und Einsatzmöglichkeiten. Doch wie sieht die Situation im Non-Profit-Sektor
aus?
Um dies zu erforschen, untersuchen wir, das Projekt KINiro (Künstliche Intelligenz für Nichtregierungsor-
ganisationen), die Einsatzmöglichkeiten, Bedarfe und Akzeptanz von KI in Non-Profit- und Nichtregierungs-
organisationen (NROs). Diese Studie wird von der Ostbayerischen Technischen Hochschule in Regensburg
durchgeführt und durch das Bundesministerium für Familie, Senioren, Frauen und Jugend (BMFSFJ) geför-
dert.
Für diese Studie werden Organisationen befragt, unabhängig davon, ob sie KI (bereits) nutzen oder nicht.
Dafür möchten wir Sie bitten, als Multiplikatoren zu fungieren und die Befragung bei Nichtregierungsor-
ganisationen und Non-Profit-Organisationen in Ihrem Wirkungskreis zu bewerben. Je mehr Organisationen
an der Befragung beteiligt werden, desto besser lässt sich die Non-Profit-Landschaft abbilden. Fällt Ihr Gre-
mium in die Zielgruppe, sind Sie natürlich ebenso eingeladen an der Befragung teilzunehmen.
Für die Befragung soll eine Person stellvertretend für die eigene Organisationsebene (beispielsweise
Ortsgruppe oder Bundesländerebene) den Fragebogen beantworten. Damit sich der Fragebogen der Online-
Umfrage vorher vertraut gemacht werden kann und die dafür notwendigen Informationen innerhalb der
Organisation eingeholt werden können, finden Sie den Fragebogen unter diesem Link.
Zur Teilnahme an der Befragung klicken Sie bitte auf den folgenden Link:
https://www.soscisurvey.de/KINIRO/
Die Teilnahme ist bis 31.03.2024 möglich. Die Bearbeitung des Fragebogens dauert etwa 10 bis 15 Minu-
ten. Durch die Teilnahme ermöglichen Sie uns einen differenzierten Einblick in die derzeitige KI-Nutzung
von NROs und helfen sowohl Wissenschaft als auch Politik dabei, Förderungen und unterstützende Maß-
nahmen zu entwickeln.
Vielen Dank für Ihre Unterstützung
das KINiro-Projektteam unter Leitung von
Prof. Dr. Sonja Haug und
Prof. Dr. Karsten Weber