Daten, Künstliche Intelligenz und Evidenz – neue Anforderungen an die Statistikausbildung an Hochschulen

AStA Wirtschafts- und Sozialstatistisches Archiv 2026 Open access

Read full text
Authors: Ursula Berger, Rolf Biehler, Karin Binder, Christina Elmer, Florian Ertz, Thomas Hotz, SARAH HUBER, Katja Ickstadt, Göran Kauermann, Helmut Küchenhoff, Karsten Lübke, Ralf Münnich
+5 more Katharina Schüller, Thomas Skill, Claus Weihs, Henrike Weinert, Christoph Weisser
DOI: 10.1007/s11943-026-00372-0
Cited by: 1
References: 19

Abstract

Zusammenfassung Das Positionspapier formuliert neun Thesen zur Weiterentwicklung der Statistikausbildung im Kontext von Data Science und Künstlicher Intelligenz. Im Zentrum stehen Data & Statistical Literacy, Datenqualität und -ethik, die Verbindung von Statistik und Machine Learning sowie die Stärkung einer eigenständigen Statistikdidaktik. Die Diskussionsbeiträge erweitern diese Perspektiven: Christina Elmer betont Wissenschaftskommunikation und AI Literacy, Helmut Küchenhoff projektbasiertes Lernen und Datenschutz, Christoph Weisser die industrielle Praxis und organisationsweite Datenkompetenz, Göran Kauermann die Verzahnung von Statistik und Data Science, und Rolf Biehler sowie Karin Binder die didaktische und institutionelle Weiterentwicklung. Die Replik greift diese Impulse auf und unterstreicht die interdisziplinäre Verantwortung für eine zukunftsfähige Statistikausbildung.

Fields of Study & Subjects

Statistics Education and Methodologies Probability and Statistical Research Sports Science and Education

Publication details

Journal / source
AStA Wirtschafts- und Sozialstatistisches Archiv
Publisher
Springer Science and Business Media LLC
Volume
20
Issue
2
Pages
115-134
Publication date
22 May 2026
Language
DE