Content begins here
Main page content
Click to collapse
Kenntnisse vertiefen
Click to collapse
In diesem Kapitel konzentrieren wir uns auf eine dieser Schlüsselkompetenzen: den effektiven Einsatz generativer KI und KI-gestützter Tools. Diese Technologie eröffnet den Studierenden vielfältige Möglichkeiten, ihr Lernen zu verbessern und innovative Wege zur Informationsbeschaffung und Problemlösung zu erkunden. Es handelt sich hierbei jedoch nicht um eine Einheitslösung – wenn du also Fragen hast, wende dich bitte immer an deinen Studiengang!
Rechtliche Grundlagen (EU AI Act) Click to collapse
EU AI Act
Der EU AI Act ist die erste umfassende gesetzliche Regelung für den Einsatz von Künstlicher Intelligenz in der Europäischen Union, welches am 01. August 2024 in Kraft getreten ist. Ziel ist es, den Einsatz von KI-Systemen, die in der EU entwickelt oder genutzt werden, sicher, transparent und grundrechtskonform zu gestalten. Dabei wird ein "risikobasierter" Ansatz verfolgt, d. h. je größer das potenzielle Risiko eines KI-Systems eingeordnet wird, desto schärfer bzw. strenger sind die Anforderungen und Auflagen. Es ist daher ein richtungsweisendes Regelwerk.
Was das für dich und dein Studium bedeutet, wird im Folgenden zusammengefasst. Das ausführliche Regelwerk findest du unter: EU AI Act
Welche Risikokategorien gibt es und was bedeuten sie?
KI-Systeme werden laut EU AI Act in vier verschiedene Risikokategorien eingeteilt.
Grundverständnis der KI-Nutzung
Künstliche Intelligenz ist zunehmend Bestandteil des Studienalltags, etwa in Form von Textgeneratoren, Übersetzungstools oder Assistenzsystemen. Der EU AI Act schafft hierfür einen Ordnungsrahmen.
Er verfolgt drei zentrale Ziele:
- Sicherstellung eines verantwortungsvollen KI-Einsatzes
- Schutz von Grundrechten, insbesondere vor Diskriminierung
- Förderung von Transparenz und Nachvollziehbarkeit
Grundsätzlich bedeutet dies, dass die Nutzung von KI zulässig ist - es gelten aber immer die konkreten institutionellen Regelungen und Leitlinien jeder Organisation!
Was bedeutet das für mich als Studierende:r?
Neben fachlichem Wissen gewinnen übergreifende Kompetenzen im Umgang mit Künstlicher Intelligenz zunehmend an Bedeutung. Dazu gehört insbesondere ein reflektierter, verantwortungsvoller und informierter Einsatz von KI im Studium.
Konkret bedeutet das:
- Du verfügst über ein grundlegendes Verständnis dafür, wie KI funktioniert, und kannst Entscheidungen von KI-Systemen grundsätzlich nachvollziehen und hinterfragen.
- Du bist in der Lage, KI-generierte Inhalte kritisch zu bewerten und verlässt dich nicht ausschließlich auf automatisierte Ergebnisse, sondern behältst die menschliche Kontrolle bei.
- Du setzt KI-Tools zielgerichtet und reflektiert ein und dokumentierst deren Nutzung transparent unter Einhaltung wissenschaftlicher Standards.
- Du gehst sensibel mit Daten um und trägst dazu bei, Diskriminierung durch den verantwortungsvollen Einsatz von KI zu vermeiden.
Chancen und Risiken von generativer KI Click to collapse
Chancen und Risiken von generativer KI
Mit dem EU AI Act ist der verantwortungsvolle Einsatz von KI in Forschung, Wirtschaft und Gesellschaft sowie die digitale Sicherheit geregelt. Dies hat direkte und indirekte Auswirkungen auf die Aus- und Weiterbildung an europäischen Unviersitäten und Hochschulen. Es wird dadurch ein wertebasierter Ansatz gewährleistet, sodass KI-Systeme im Einklang mit den europäischen Grundwerten wie Transparenz, Fairness und Verantwortung eingesetzt werden.
Vor diesem Hintergrund ergeben sich sowohl Chancen als auch Risiken für den Einsatz generativer KI im Bildungsbereich:
| Chancen | Risiken |
|---|---|
| Personalisierung von Lernprozessen: KI kann Lerninhalte individuell an Vorwissen, Lerntempo und Bedürfnisse anpassen und somit selbstgesteuertes Lernen fördern. |
Übermäßiges Vertrauen: Übermäßiges Vertrauen auf KI kann das kritische Denken und die menschliche Entscheidungsfindung beeinträchtigen. |
| Unterstützung kognitiver Prozesse: Studierende können KI als Schreib-, Lern- oder Reflexionspartner nutzen, um komplexe Inhalte besser zu verstehen und eigene Ideen weiterzuentwickeln. | Halluzinationen: KI-Modelle können falsche Informationen erzeugen, die zwar realistisch erscheinen, aber nicht korrekt sind. |
| Effizienzsteigerung: Routineaufgaben wie Zusammenfassungen, Strukturierungen oder erste Entwürfe können unterstützt werden, wodurch mehr Zeit für vertieftes Lernen bleibt. | Bias | Verzerrungen: Voreingenommene oder unzureichende Trainingsdaten führen zu diskriminierenden Ergebnissen, die bestimmte Gruppen benachteiligen. |
| Förderung von Kreativität und Kollaboration: KI kann als Impulsgeber in Brainstorming-Prozessen oder als Diskussionspartner eingesetzt werden und so neue Perspektiven eröffnen. | Datenschutz und Urheberrecht: Der Umgang mit sensiblen Daten kann Datenschutzrisiken bergen, wenn KI nicht korrekt implementiert wird. |
Studium & KI Click to collapse
Studium & KI
Für die richtige Nutzung von generativer KI ist korrektes Prompting von Vorteil. Unter einem Prompt wird die Eingabe eines Textes verstanden, welcher dann maschinell – also vom Computer oder einer KI - übersetzt wird und somit z. B. Text , Sprachausgaben oder Bilder generiert werden. Ein guter Prompt hängt immer von seiner Formulierung ab.
Was macht einen guten Prompt aus?
Um eine möglichst präzise und zielführende Antwort der generativen KI zu erhalten, beachte die "8 Zutaten für erfolgreiches Prompting".
| 1. Persona | Durch Zuweisung einer konkreten Rolle, wird Art, Umfang, Tonalität, Komplexität der Antworten beeinflusst. Beispiel: "Du bist ein freundlicher, sachlicher und geduldiger Tutor für eine Universitätsvorlesung zur Statistik. Deine Aufgabe ist es, Studierende bei Aufgaben zur Mechanik zu unterstützen. Deine Antworten sind kurz und enthalten konkrete Vorschläge zur Lösung des Problems.“ |
| 2. Priming | Kontextinformationen am Beginn eines Chats, wie z. B. Problemstellung, Aufgabe der KI, Ziele, Antwortverhalten, Niveau, Lernziele, .... Beispiel: "Es geht um eine Vorlesung zur Statistik an einer Universität. Die Studierenden haben statistische Grundkenntnisse und die Aufgabe liegt für sie in einem hohen Schwierigkeitsbereich. Die Studierenden sollen ein Verständnis der Lösungsschritte entwickeln,..." |
| 3. Strukturvorgaben | Vorgaben an formale, strukturelle, stilistische Aspekte, wie z. B. Anweisung zum Sprachstil, Fachkontext, Ansprache der User:innen, Formatierung, ... Beispiel: "Verfasse die Antworten in formaler, wissenschaftlicher Sprache. Beachte dabei, dass die User aus dem Fachgebiet der Wirtschaftswissenschaften kommen..." |
| 4. Beispiele geben | Durch das zur Verfügung stellen von Beispielen, kann die KI besser erkennen, in welcher Form die Antworten ausgegeben werden sollen. Beispiel: "Ich möchte, dass du immer das Gegenteil findest. Deine Antwort orientiert sich dabei am untenstehenden Beispiel:
Gib mir nun die Antwort für folgenden Input: Dunkel" |
| 5. Länge begrenzen | Kokrete Anweisung, wie lange die Antwort sein soll. Beispiel: "Schreibe eine Zusammenfassung des Textes XY in 10 Sätzen für Studierende der Wirtschaftswissenschaften im Alter von 23 – 26 Jahren..." |
| 6. Präzise formulieren / Uneindeutigkeiten vermeiden |
Keine ungenauen Angaben (schreibe eher wissenschaftlich, schreibe für junge Menschen)
Beispiel: "Schreibe in einem wissenschaftlichen Stil aber verwende maximal 2 Fremdwörter.“ |
| 7. Markdown Syntax | Strukturiere / Gliedere deinen Prompt mit einer Markdown Syntax (Abschnitte gekennzeichnet mit #) Beispiel: # Deine Rolle: ..., # Deine Aufgabe: ..., # Anweisungen: .... |
| 8. Kombination und Iteration |
Iteratives Vorgehen ermöglicht es, den Prompt immer wieder anzupassen und zu präzisieren, um die zielführendste Struktur zu finden. |
Quelle: Persike, M. (2023). Prompt-Labor: Generative KI in der Hochschullehre – Materialsammlung. Modul 1: Planungsphase. KI-Campus.
Wie kann ich generative KI effizient nutzen?
Large Language Models, wie es zum Beispiel ChatGPT ist, werden bislang kontrovers betrachtet. Die Einen sehen – bei richtiger Anwendung – ein großes Potential, während die Anderen Zweifel an der Glaubwürdigkeit und dem Nutzen von generativer KI hegen. Klar ist, dass KI mehr kann, als lediglich Texte zusammenzufassen und „wissenschaftliche Texte“ zu generieren. Aktuelle Forschung zeigt, dass Large Language Models vielfältige Einsatzmöglichkeiten im Bildungsbereich bieten, gleichzeitig aber auch Herausforderungen mit sich bringen.
Konkrete Anwendung generativer KI
Der aktuelle Diskurs zeigt, dass diese Einsatzformen didaktisch eingebettet werden müssen, um Risiken wie oberflächliches Lernen oder unkritische Übernahme von KI-Inhalten zu vermeiden.
KI kann uns eine Vielzahl von Aufgaben erleichtern, u. a.
- kann sie personalisierte Lernuntersützung geben,
- Kollaboration und Wissensaustausch fördern,
- beim Zeit- und Organisationsmanagement unterstützen oder
- bei der Arbeit an (wissenschafltichen) Texten.
Sehen wir dabei KI als Werkzeug an und nicht als Ersatz für eigenes Lernen und Denken, so kann KI zur Stärkung unterschiedlicher Kompetenzen beitragen.
Hier sind einige Beispiele, wie du generative KI effizient beim Lernen einsetzen kannst:
| Aufgabenfeld | Format | Beispielprompt |
|---|---|---|
| KI als Lernunterstützung |
|
Erstellung eines Lernplans:
Überblick über den Lernstoff bekommen: |
| Zeit- und Organisationsmanagement |
|
Strukturierung und Priorisierung:
Du bist mein persönlicher Organisations- und Fokus-Assistent. Hilf mir, meine Aufgaben klar zu strukturieren, sinnvoll zu priorisieren und in konkrete nächste Schritte zu zerlegen. Hier ist meine Liste und meine aktuelle Situation: Bitte gib mir: Wichtig: |
| Kollaboration und Wissensaustausch |
|
Notizen und Priorisierung: Du bist mein Assistent für Gesprächsnotizen und Wissensaustausch. Ich gebe dir gleich ungeordnete Notizen oder Stichpunkte aus einem Gespräch oder Meeting. Bitte strukturiere diese übersichtlich, fasse die wichtigsten Inhalte klar zusammen und arbeite zentrale Erkenntnisse, Entscheidungen und offene Punkte heraus. Formuliere alles verständlich und prägnant, ohne wichtige Informationen zu verlieren. Ergänze, wenn sinnvoll, eine klare To-do-Liste mit Verantwortlichkeiten und nächsten Schritten. Achte darauf, dass die Notizen leicht nachvollziehbar sind und sich gut zur Weitergabe im Team eignen. |
| Arbeit an (wissenschaftlichen) Texten |
|
Textoptimierung: 1. Korrigiere Grammatik und Rechtschreibung Mein Text: Gib mir: Wichtig: |
Quellen und weiterführende Literatur
Kostenfreie Lernangebote zu Künstlicher Intelligenz: https://www.ki-campus.org/
Land Nordrhein Westfalen (online). DigitalCheckNWR . Digital weiterwissen . https://www.digitalcheck.nrw/, abgerufen am 23.01.2025.
Mollick , E., Mollick , L. (2023, 23. September). Assigning AI: Seven Approaches for Students, with Prompts . Verfügbar unter SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4475995 , abgerufen am 08.04.2024.
Online-Kursreihe "Elements of AI": https://course.elementsofai.com/
Persike , M. (2023). Prompt Labor: Generative KI in der Hochschullehre Materialsammlung. Modul 1: Planungsphase. KI Campus.
Römmer Nossek , B., Unterpertinger , E., Rismondo , F.P. (2019). Personal epistemology als Teil wissenschaftlicher Schreibentwicklung . In: Journal der Schreibberatung: JoSch 10 (2019)18, S. 61 79.
UNESCO (2024). AI competency framework for students: https://unesdoc.unesco.org/ark:/48223/pf0000391105
Voss, R. (2024). Wissenschaftliches Arbeiten … leicht verständlich! UTB.
https://youtu.be/VR9X9kRdgbk?si=3W4PmDvBBhC2UNN8
Lernziele und KI
Im Laufe deines Studiums begegnest du in allen Lehrveranstaltungen so genannten Lernzielen. Sie helfen dir, deinen Lernfortschritt bzw. dein eigenes Lernen messbar zu machen. Das heißt du kannst mithilfe der Lernziele einschätzen, ob du dieses Ziel mit deinem Wissensstand bereits erfüllt oder nicht erfüllt hast. Die Lernziele sind meist nach Bloom (1956) formuliert.
Lernziele machen also sichtbar, was du im Lernprozess eigentlich können sollst – und vor allem wie du dorthin kommst. Sie helfen dir, komplexe Aufgaben in sinnvolle Zwischenschritte zu gliedern und deinen Fortschritt besser einzuordnen. Beim Schreiben eines wissenschaftlichen Textes heißt das zum Beispiel: Du recherchierst Literatur, vergleichst Erkenntnisse, ordnest sie kritisch ein und verknüpfst sie mit deiner Fragestellung. Genau in diesen Schritten passiert das eigentliche Lernen. Mit KI lassen sich viele dieser Zwischenschritte "auslagern" – etwa Zusammenfassungen oder erste Argumente. Wenn du aber dein Lernziel nicht klar im Blick hast, gibst du schnell genau die Teile ab, die du eigentlich selbst lernen solltest. Denn nicht das fertige Ergebnis steht im Zentrum, sondern der Weg dorthin.
Somit wird es zunehmend wichtig, auch KI-bezogene Lernziele zu formulieren. Diese beziehen sich nicht nur auf den fachlichen Inhalt, sondern auf den kompetenten Umgang mit KI-Tools. Dazu gehört etwa, Ergebnisse kritisch zu hinterfragen, sinnvolle Einsatzbereiche zu erkennen oder eigene Arbeitsprozesse bewusst zu gestalten. Solche Lernziele helfen dir, KI nicht nur als Abkürzung zu nutzen, sondern als Werkzeug, das deinen Lernprozess gezielt unterstützt, ohne ihn zu ersetzen.
Auf Grundlage dieser Lernziel-Taxonomie können auch KI-Kompetenzen analysiert werden. Dafür ist es erforderlich, die vier Säulen der KI-Kompetenzen entsprechend dem EU AI Act zu berücksichtigen.
- KI Grundwissen: Verständnis dafür, dass KI von Menschen gestaltet wird und Verantwortung beim Menschen liegt.
- KI Auswahl & Evaluation: Geeignete Tools auf Basis der eigenen Anforderungen auswählen und die Ergebnisse kritisch reflektieren.
- KI Ethik & Datenschutz: Bewusstsein für ethische Fragen, Datenschutz, Verantwortung und gesellschaftliche Auswirkungen.
- KI Anwendung: Technisches Verständnis für die Nutzung von KI-Tools im Lern - und Alltagskontext.
Hinweis: Die Bloomsche Taxonomie umfasst ursprünglich sechs Stufen (Wissen, Verständnis, Anwendung, Analyse, Synthese, Evaluation). Für die Einordnung von KI-Lernzielen wird dieses Modell vereinfacht und in drei Stufen zusammengefasst: Verstehen, Anwenden und Gestalten. Diese Reduktion erfolgt in dieser Darstellung, da die konkrete Zuordnung letztlich von der jeweiligen Formulierung des Lernziels abhängt.
| KI-Kompetenz | Verstehen | Anwenden | Gestalten |
|---|---|---|---|
| KI-Grundwissen | Basiswissen zu Daten, Algorithmen, Funktionsweise von KI-Anwendungen | Verantwortung bei KI-Anwendungen erkennen und übernehmen; KI-Konzepte auf konkrete Aufgaben übertragen | Kritische Perspektive auf (gesellschaftliche) Auswirkungen von KI-Einsatz legen |
| KI Auswahl & Evaluation | Verstehen, dass unterschiedliche KI-Tools unterschiedliche Zwecke, Stärken und Grenzen haben | Geeignete KI-Tools auswählen und Ergebnisse kritisch bewerten | KI-Systeme kritisch vergleichen und Nutzungsszenarien definieren |
| KI Ethik & Datenschutz | Grundverständnis zu Ethik, Bias, Datenschutz, sozialer Gerechtigkeit |
Verantwortungsvolle Nutzung von KI, Beachtung von Datenschutz und Transparenz
|
Ethische Prinzipien aktiv in die Nutzung oder Gestaltung von KI integrieren |
| KI Anwendung |
wie KI in Lern- und Alltagskontexten eingesetzt werden kann; wann KI-Nutzung vermieden werden sollte
|
Praktische Anwendung von KI-Tools und Bewertung von Ergebnissen | KI gezielt und zugeschnitten auf zu bearbeitende Aufgabe einsetzen oder Tools anpassen |
Quellen