Daten, Künstliche Intelligenz und Evidenz – neue Anforderungen an die Statistikausbildung an Hochschulen Data, artificial intelligence, and evidence—new requirements for statistics education at universities

<jats:title>Zusammenfassung</jats:title> <jats:p>Das Positionspapier formuliert neun Thesen zur Weiterentwicklung der Statistikausbildung im Kontext von Data Science und Künstlicher Intelligenz. Im Zentrum stehen Data &amp; Statistical Literacy, Datenqualität und -ethik, die Verbindung von Statistik und Machine Learning sowie die Stärkung einer eigenständigen Statistikdidaktik.</jats:p> <jats:p>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.</jats:p> <jats:p>Die Replik greift diese Impulse auf und unterstreicht die interdisziplinäre Verantwortung für eine zukunftsfähige Statistikausbildung.</jats:p>