Einsatz in Lehrveranstaltungen

Für Lehrende kann die Nutzung von KI-Tools eine Erleichterung für die Entwicklung von Lehr-Lernmaterialien, Quizzen, Fall- oder Praxisbeispielen oder bei Feedbacks für studentische Einreichungen darstellen.

Abhängig vom Fachbereich und der Lehrveranstaltung ist es möglich, KI selbst zum Gegenstand der eigenen Lehre zu machen. Studierenden bietet sich häufig erst durch eine angeleitete Heranführung an KI-Tools die Chance einen kreativen und kritischen Umgang mit diesen zu entwickeln.

Was es beim Einsatz von KI-Textgeneratoren, wie ChatGPT, zu berücksichtigen gilt:

Authentizität – Fakten und Quellen sind teils fiktiv und werden halluziniert.

Transparenz von Ergebnissen – Mit welchen Daten aus dem Internet gearbeitet wird bzw. welche Daten in das KI-Sprachmodell eingeflossen sind, ist nicht klar.

Aktualität – Die verwendeten Daten berücksichtigen u. U. aktuelle politische Entwicklungen und wissenschaftliche Erkenntnisse nicht, da das Modell in der Vergangenheit trainiert wurde. Abhängig ist dies von der genutzten Datenbank bzw. den zu Grunde liegenden Quellen. Für einige LLM gilt diese Aussage daher nicht mehr.

Umgang mit Verzerrungen – Die Qualität der Ausgabe hängt u. a. von der Qualität der Eingaben (Prompts) ab. Da die Algorithmen über die eingespeisten Daten von Menschen trainiert und kuratiert werden, können die Ergebnisse biased sein und z. B. Stereotypisierungen verfestigen.

Wie die Verarbeitungsprozesse eines KI-Textgenerators aussehen, wird über den speziell für den Unterricht entwickelten Soekia-Textgenerator veranschaulicht.

Prüfungsformate und Bewertungen

Es ist geraten, Prüfungsformate und -inhalte mit Blick auf die zu erwartende Eigenleistung der Studierenden kritisch zu hinterfragen und bei Bedarf weiterzuentwickeln.

Orientierung hierfür schaffen die Lernziele der Veranstaltung oder des Studiums. Sie definieren, auf welche Lernergebnisse (Learning Outcomes) hingearbeitet wird und lassen sich entlang von Taxonomiestufen ordnen, die die Schwierigkeit und Komplexität der Handlung zum Ausdruck bringen. KI-Tools spielen ihre Stärken zurzeit vor allem auf niedrigen Taxonomiestufen aus, weshalb unbeaufsichtigte schriftliche Prüfungen auf das Erreichen höherer Stufen abzielen sollten.

Ebenfalls denkbar ist die Durchführung formativer Prüfungsformate, wie beispielsweise Lernportfolios, um Studierende mit Feedbacks engmaschiger im Lernprozess zu begleiten.

Die kritische Betrachtung von Prüfungsformaten und -inhalten kann auch dazu führen, die Prüfungssituation zu verändern. Werden vornehmlich Lernziele verfolgt, die das praktische Lesen, Schreiben oder Sprechen in den Vordergrund rücken, ist eine beaufsichtigte Prüfungssituation, wie eine Klausur oder eine mündliche Prüfung, die deutlich bessere Wahl.

Lehrende sollten in ihren Veranstaltungen klar benennen, wie sie zum Einsatz von KI-Tools stehen und was dies für das Erreichen der Lernziele und die Prüfungssituation bedeutet. Einen sehr hilfreichen Zugang hierfür hat Professor Dr. Christian Spannagel (PH Heidelberg) mit seinen Rules for Tools vorgestellt, mit denen er den Einsatz von Hilfsmitteln, wie ChatGPT erlaubt, zugleich aber auch Bedingungen und Grenzen aufzeigt.

Kompetenzentwicklung

Zu den zentralen und mit Blick auf die aktuellen Entwicklungen relevanten KI-Kompetenzen zählen:

(1) Fach- und Grundwissen, d. h. die Vermittlung von Grundlagenwissen über KI und ihre Funktionsweise.

(2) Umgang mit KI-Programmen, d. h. der Einsatz und die Anwendung, die priorisiert werden sollten, um eine breite Gruppe von Studierenden und Lehrenden zu erreichen. Lernende sollten mit der Funktionsweise und den Fähigkeiten von KI-Tools vertraut gemacht werden, um sicherzustellen, dass diese korrekt, sinnvoll und effektiv eingesetzt werden.

(3) Reflexion, d.h. die kritische Einordnung von KI-basierten Systemen. Dies schließt Perspektiven wie den Einfluss des Menschen auf KI ebenso ein wie Ethik, Recht und Normen.

Wissenschaftliches Arbeiten

KI-Tools haben das Potenzial, den Arbeits- und Schreibprozess zu entlasten, kreative Freiräume zu schaffen und Perspektiven zu erweitern. Voraussetzung hierfür ist, dass Studierende bereits mit grundlegenden Standards und Techniken wissenschaftlichen Arbeitens und Schreibens vertraut sind, um die KI-generierten Ergebnisse auf ihre Richtigkeit hin überprüfen zu können.

Das Netzwerk Virtuelles Kompetenzzentrum: Künstliche Intelligenz und Wissenschaftliches Arbeiten (VK:KIWA) hat sich gegründet, um genau dieses Themenfeld zu bearbeiten und Akteure zu vernetzen