Generative KI-Anwendungen
Veröffentlicht von Sabine Schermeier am
Generative KI-Anwendungen
Einführung
Bei generativen KI-Tools handelt es sich um Anwendungen, die auf eine Anweisung (Prompt) hin selbstständig Daten produzieren. Grundsätzlich geht es um Programme, die scheinbar automatisiert Aufgaben übernehmen können. Dies kann die Erstellung von Texten, Präsentationen, Bildern, Videos oder Audio-Clips sein.
Wie können KI-Schreib-Tools didaktisch sinnvoll in das Lernen, Lehren und Prüfen eingebunden werden und worauf ist hierbei zu achten?
Neben ChatGPT haben sich mittlerweile viele KI-Tools etabliert (siehe Übersicht KI-Toolkiste). Sie basieren auf sogenannten großen Sprachmodellen (engl.: large language models, kurz LLM). Diese werden mit großen Datenmengen aus verschiedensten Datenbanken trainiert. Mit Hilfe von Algorithmen können LLM sprachbasierte Korrelationen erkennen, um neue Inhalte zu generieren, zusammenzufassen, zu übersetzen u.v.m.
Einsatzszenario: KI in Prüfungen
Lehrende können KI-Tools nutzen, um eine Lehrveranstaltung zu planen und eine Kursbeschreibung zu verfassen. Ebenso lassen sich Übungs- und Prüfungsaufgaben KI-unterstützt entwerfen. Textgeneratoren können beispielsweise Multiple-Choice-Aufgaben inklusive geeignete Distraktoren und Bewertungskriterien formulieren. Auch die tutorielle Begleitung von Studierenden kann unterstützt werden, indem durch das Tool individuelles Feedback zu Arbeitsergebnissen geliefert wird.
Studierende wiederum können sich wissenschaftliche Texte durch KI-Anwendungen zusammenfassen oder Fragen und Antworten zu Skripten generieren lassen. Solche Tools erleichtern auch den Einstieg in den Schreibprozess. Sie können helfen, das Anfertigen guter wissenschaftlicher Texte einzuüben: So kann man sich Gliederungen oder Leitfragen zu einem Thema vorschlagen lassen, um Texte besser zu strukturieren. Ebenso kann die Tools Textpassagen kürzen, korrigieren oder besser formulieren. Zu guter Letzt können die Tools Ideenfindung und Brainstorming unterstützen und Feedback zu eigenen Textpassagen geben.
Wie kann man mit ChatGPT in der Hochschullehre umgehen? – Im Video links beschreibt Dr. Ulrike Hanke (Hochschuldidaktik Online) einige Ideen.
In einem weiteren Video beschreibt sie Ansätze für eine neue Prüfungskultur.
Lehrende können mit KI-Tools Prüfungsaufgaben, Musterlösungen und Bewertungskriterien entwickeln bzw. optimieren. Wichtig: Nach wie vor gilt das Zwei-Prüfer-Prinzip. Vertrauen Sie den KI-generierten Aufgaben und Distraktoren nicht blind!
Lernende können die Tools in der Phase der Prüfungsvorbereitung nutzen, indem sie sich Feedback geben lassen. Im Ausarbeitungsprozess von Prüfungsleistungen können KI-Tools die Entwicklung von Gliederungen, das Exzerpieren und Paraphrasieren von Literatur sowie die Verbesserung von Stil und Ausdruck unterstützen.
Hochschulen können die Verwendung von KI-Tools prüfungsrechtlich erlauben. Wichtig ist hierbei: Studierende müssen nach wie vor eine eigenständige Prüfungsleistung erbringen. Die Aufgabenstellung muss daher genug Spielraum für die Eigenleistung lassen.
Zudem sollten die verwendeten generativen KI-Tools als Hilfsmittel angegeben werden, damit kein Täuschungsvorwurf erhoben werden kann. Die Verantwortung für die Qualität der Arbeit liegt weiterhin bei den Studierenden. Studierende müssen also kritisch prüfen, ob die KI-generierte Lösung korrekt oder gegebenenfalls durch Datenhalluzinationen verzerrt ist.
Welche Prüfungsformate haben langfristig Bestand? Welche müssen verändert oder ergänzt werden?
- Mündliche Prüfungen: Bei Präsenz- oder Fernprüfungen sowie praktischen und performativen Prüfungen, wie bei der Demonstration von Fertigkeiten, gibt es in der Regel kein Problem. Denn hier ist der Einsatz von KI-Tools in der Regel ausgeschlossen.
- Klausuren: Zu regeln ist hier, ob überhaupt KI-Tools als Hilfsmittel zugelassen sind. Überdies ist zu prüfen, inwiefern Aufgabenstellungen verändert werden müssen, um eine gewisse Eigenleistung der Lernenden zu gewährleisten und andere Kompetenzen (wie Reflexion, kritisches Denken, Transfer,
Methodenkompetenz, KI Literacy) stärker zu berücksichtigen.
- Hausarbeiten: Der Einsatz von KI-Tools ist sehr wahrscheinlich und die Überprüfung schwierig. Auch hier ist die Ausrichtung der Aufgabenstellung zu überdenken (siehe Klausuren). Ggf. sollte eine Hausarbeit um ein Kolloquium ergänzt werden, um im Dialog die Eigenleistung zu überprüfen.
- Präsentationen: Der Einsatz von KI-Tools ist bei der Ausarbeitung denkbar. Die Eigenleistung kann im Vortrag mit einem anschließenden Gespräch bzw. in einer Diskussion überprüft werden.
- Bachelor-/Masterarbeiten: Auch hier ist der Einsatz von KI wahrscheinlich und die Überprüfung ist schwierig. Sofern ein Kolloquium stattfindet, ist eine Überprüfung der Eigenleistung möglich.
Eine Möglichkeit, KI-unterstützt angefertigte Prüfungsleistungen zu bewerten, ist es, nicht nur das finale Produkt (also z.B. die fertige Hausarbeit) zu benoten. Vielmehr sollte auch die Reflexion des Methoden-/Forschungsdesigns sowie die Reflexion des Technikdesigns bewertet werden. So könnte sich die Note beispielsweise wie folgt berechnen:
- 50% – finales Produkt;
- 25% Reflexion des Methoden-/Forschungsdesigns,
- 25% Reflexion des Technikdesigns (Welche Tools habe ich für welche Aufgaben verwendet?)
In der Regel reichen die bereits bestehenden Regelungen (Eigenständigkeitserklärung, Regeln guter wissenschaftlicher Praxis und die hochschulinterne Prüfungsordnungen) aus, um dem Einsatz von KI-Anwendungen angemessen zu begegnen. Eine Überarbeitung könnte jedoch für mehr Klarheit schaffen. So könnte in der Eigenständigkeitserklärung zum Beispiel eine Passage wie diese ergänzt werden:
Ich bin mir bewusst, dass der Einsatz von KI-Werkzeugen keine Garantie für die Qualität von Inhalten und Text darstellt. Ich versichere, dass ich von mir verwendete KI-Werkzeuge als Hilfsmittel angegeben und mit ihrem Produktnamen und einer Übersicht der im Rahmen dieser Prüfungsarbeit genutzten Funktionen vollständig aufgeführt habe.
Tipps zur Umsetzung
KI-Tools gemeinsam mit Studierenden erproben
Der Einsatz von KI-Tools bietet vielfältige didaktische Potenziale. Erproben Sie daher gemeinsam mit Ihren Studierenden den Umgang mit KI-Anwendungen, diskutieren Sie mit ihnen über Mehrwerte und Risiken. Denn Kompetenzen wie Reflexions-/Transferfähigkeit, kritisches Denken, Quellenkritik und Methodenkompetenz sind gerade mit Blick auf generative KI-Tools mehr denn je gefragt.
Sich der Schwächen bewusst sein
KI-Tools sind beeindruckend eloquent, inhaltlich jedoch häufig nicht sehr fokussiert. Es handelt sich um ein Sprach- und kein Wissensmodell. Die Quellenangaben sind häufig fehlerhaft. Darüber hinaus können die Tools die Qualität ihrer Antworten nicht beurteilen, die Tools haben also keine Moral. Fazit: Es kommt auf das kritische Prüfen der ausgegebenen Inhalte an.
Spielregeln für den Einsatz entwerfen
Nicht jede Hochschule hat bereits klare Vorgaben zum Umgang von KI-Anwendungen im Lehr- und Prüfungskontext. Entwerfen Sie für Ihre Studierenden daher Spielregeln: Welche KI-Anwendungen dürfen in welcher Lern- bzw. Prüfungsphase verwendet werden? Zu welchem Zweck dürfen die Tools angewendet werden? Wie ist der Einsatz von KI-Tools zu kennzeichnen? Ein Beispiel für Rules for Tools bietet Prof. Dr. Christian Spannagel.
Datenschutz berückschtigen
Sie dürfen Studierende nicht dazu verpflichten, KI-Tools einzusetzen, sofern für deren Einsatz persönliche Daten preiszugeben sind. Bei der Eingabe von Texten in KI-Tools ist außerdem darauf zu achten, im Text vorkommende persönliche Daten von Studierenden oder Mitarbeitenden vorher zu entfernen, da die Daten standardmäßig für Trainingszwecke verwendet werden.
Urheberrechtliche Aspekte berückschtigen
Grundsätzlich genießen rein KI-erstellte Texte keinen Urheberrechtsschutz. Denn der bloße Befehl (engl. prompt), mit dem man einen Text erzeugt, ist nicht von einem menschlich-gestalterischen Einfluss geprägt sind. Wann eine ausreichende menschliche Eigenleistung vorliegt, kann nur für jeden Einzelfall entschieden werden.
Literatur & Lernangebote
Hamburg Open Online University: Lernplattform mit kostenlosen Online-Kursen, wie z.B. KI-Kompetenz für Hochschulen
Leitfäden diverser Hochschulen. Das Hochschulforum Digitalisierung stellt auf dieser Seite verschiedene Leitfäden von Hochschulen zusammen.
KI-Campus: Lernplattform mit kostenlosen Online-Kursen, Videos und Podcasts zur Stärkung von KI- und Datenkompetenzen. KI-Campus
Multimedia Kontor Hamburg. Eine gute Übersicht über Text-/Bild-/Video-Generatoren wie Research Tools. Ebenso Tipps zu gutem Prompting.
Podleschny, Pucker, Reimers, Schermeier, Steffens, Unbescheid, Vergöhl & Weitendorf (2023). Handreichung zum Umgang mit generativen KI-Anwendungen. – Working Paper HafenCity Universität. Link zur Broschüre.
Podleschny, Reimers, Schermeier, Steffens & Weitendorf (2024). Gestaltung zukunftsfähiger Prüfungen an der HafenCity Universität in Zeiten generativer künstlicher Intelligenz. Link zur Broschüre.
Salden, P.; Lordick, N.; Wiethoff, M. (2023):
KI-basierte Schreibwerkzeuge in der Hochschule. Eine Einführung. In:
Salden, P. und Leschke, J. (Hrsg.): Didaktische und rechtliche Perspektiven auf KI-gestütztes Schreiben in der Hochschulbildung. Ruhr-Universität Bochum. S. 4-21. htps://doi.org/10.13154/294-9734
Virtuelles Kompetenzzentrum: Künstliche Intelligenz und wissenschaftliches Arbeiten. Übersicht über KI-Tools KI-Tools – KI-Ressourcen