Impulse & Insights

• Dienstvereinbarung zur Erprobung von KI (Login mit HDS-Account) 

Empfehlungen der AG "wissenschaftliches Schreiben (Studierende)"

• Handreichung zum Umgang mit generativer KI für Lehrende
• Eigenständigkeitserklärung für Abgabe von Prüfungsleistungen (Stand (04/2024)
• Empfehlungen der AG “wissenschaftliches Schreiben (für Lehrende)”
• Empfehlungen für ein Bewertungsraster für BA/MA-Arbeiten

Konzeptionelle Überlegungen zum Einsatz von generativer KI in der Lehre 

1. Überlegen Sie: Welche Lerninhalte und Kompetenzen sollen in Ihrer Lehrveranstaltung vermittelt werden?
2. Relevante KI-Tools identifizieren: Prüfen Sie, welche Tools zu den jeweiligen Lernzielen und Kompetenzen Ihrer Lehrveranstaltung passen. Beachten Sie hierbei auch datenschutzrechtliche Bestimmungen. Eine Tool-Übersicht finden Sie hier.
3. Abschnitte der Veranstaltung identifizieren, bei denen KI-Tools sinnvoll genutzt werden könnten: Prüfen Sie anhand der Lernziele, in welchen Teilen Ihrer Lehrveranstaltung der Einsatz eines KI-Tools sinnvoll sein könn
4. Weitere didaktische Überlegungen zur Umsetzung: Hilfreiche Anregungen finden Sie auch in diesem Selbstlernmodul des KI-Campus (Modul 2, Registrierung erforderlich):
   • Schaffen Sie eine Lernumgebung, in welcher Studierende eigenständig und handlungsorientiert Fragestellungen bearbeiten können.
   • Regeln zum Umgang mit KI kommunzieren: Zu Beginn der Veranstaltung sollten Lehrende transparent machen, inwiefern Studierende KI während der Lehrveranstaltung verwenden dürfen (Beispiel: „Rules for Tools“ von Prof. Dr. Christian Spannagel, PH Heidelberg).
   • Aufgabenstellungen anpassen: Möchten Sie mit Ihrem Lehrszenario die KI-Tool-Kompetenz Ihrer Studierenden fördern, können beispielsweise folgende Fragen einen Impuls für Diskussionen geben:
     • Wie optimiere ich meine Promptings, um bessere Ergebnisse zu erhalten?
     • Worauf muss ich der Bewertung des KI-Ergebnisses achten? (z.B. Faktencheck)
     • Welche Reflexionen sind bei Nutzung des Tools zusätzlich erforderlich? (z.B. Bias, Hinterfragen der Aktualität und Qualität der Trainingsdaten)
     • Limitationen von KI-Tools – unter welchen Bedingungen generiert die KI einen falschen Output?

Quelle: Integration von KI-Tools in die Lehre  (Dr. Anna Faust, Hochschulforum Digitalisierung)

Lehre vorbereiten 

KI-Tools können dabei unterstützen, Lehrveranstaltungen zu planen und Lehrmaterialien zu erstellen. Alle Empfehlungen und Einsatzmöglichkeiten sind lediglich als Impulse für reflektiertes Ausprobieren und als Einladung zum Diskurs zu verstehen.

• Sich Anregungen für die Gestaltung der eigenen Lehre geben lassen:
  • Vorschläge für die Erstellung von Quiz-Fragen
  • Ideengenerierung für eine Pro-Contra-Diskussion
  • Fälle oder Beispiele zur Nutzung in Vorlesungen/Seminaren
  • Skizzen für für Lehrveranstaltungen, Bewertungsraster und Workshops
  • Unterstütung beim Finden von Beispielen und einfachen Erklärungen
  • Überarbeitung und Aktualisierung von Lehrmaterial: z.B.
• Individualisiertes Material erstellen:
  • Vorschläge für Aufgabenstellungen für Studierende
  • Anleitungen für die Bearbeitung von Aufgaben
  • Generieren von Übungssaufgaben mit unterschiedlichen Schwierigkeitsgraden
  • Formulierung von Lehr-Lernzielen
• Standardisierte Textsorten erstellen:
  • Veranstaltungsbeschreibungen zur Orientierung für Studierende
  • Nachrichten an Studierende (z.B. Erinnerung an Abgabetermine)
  • Formulierung von zielgruppengerechten Texten und verständliche Sprache
  • Anleitungen zum Verfassen schriftlicher Arbeiten
• Generierung von Bildern und weiteren Medien
• Beantwortung von E-Mails und Planung von Terminen

Weitere hilfreiche Anregungen mit Tipps zur Umsetzung dafür finden sich beispielsweise in diesem Lernmodul des KI Campus (Modul 2

Lehre durchführen

In der Lehrveranstaltung kann KI verwendet werden, um personalisiertes Lernen zu unterstützen, Feedback bereitzustellen oder kreatives Arbeiten zu befördern. Dafür können entweder auf spezifische Funktionen spezialisierte KI-Anwendungen oder Chatbots mit entsprechenden Prompts verwendet werden. Solche spezialisierten Anwendungen können gut über Repositorien gefunden werden, z.B: 

• https://theresanaiforthat.com/ oder
• https://www.futurepedia.io/

Folgende Szenarien sind denkbar: 

• Perspektivwechsel durch die Eingabe unterschiedlicher Prompts
• KI als Tutor:in: Generative KI kann als Tutor:in fungieren, der Studierenden hilft, schwierige Konzepte zu verstehen, z.B. Texte zusammenfassen und leichter verständlich machen.
• Zusammenfassungen vergleichen: Studierende schreiben eine eigene Zusammenfassung zu einem Text. In Kleingruppen vergleichen sie ihre Zusammenfassungen mit einer von einer KI erstellten Zusammenfassung und reflektieren die Unterschiede.
• KI-generierten Text als Bias zur kritischen Betrachtung, Weiterentwicklung und anschließender Erstellung eigener Kriterien
• Formulierungshilfen und Strukturvorschläge erstellen lassen
• Ideeninspirationen und Denkansätze erhalten, z.B. Impulse für Rollenspielszenarien auf der Basis vorgegebener Texte
• Lösungen, die Studierende dann selbst erklären und/oder in denen sie Fehler finden sollen sein
• Lernprozesse im Sinne des Konnektivismus gestalten: Recherchieren, Suchbegriffe schärfen, Verknüpfen, kritisch prüfen, neu zusammenstellen

Eine Sammlung von konkreten Beispielen, wie dies erfolgen kann, findet sich hier. Hilfreiche Prompts zur Umsetzung finden sich beispielsweise in diesem Lernmodul des KI Campus (Modul 2).

Didaktische Anwendungsszenarien

• Lernziele mit und über KI (Lehre laden Uni Bochum)
• Didaktische und rechtliche Perspektiven auf KI-gestütztes Schreiben in der Hochschulbildung (Peter Salden & Jonas Leschke, Uni Bochum

Übungen gestalten

Um Studierende dabei zu unterstützen, KI-Tools erfolgreich und kompetent einzusetzen, sollten diese in die Lehre integriert werden.

• Perspektivwechsel durch die Eingabe unterschiedlicher Prompts
• KI als Tutor:in: Generative KI kann als Tutor:in fungieren, der Studierenden hilft, schwierige Konzepte zu verstehen, z.B. Texte zusammenfassen und leichter verständlich machen
• Zusammenfassungen vergleichen: Studierende schreiben eine eigene Zusammenfassung zu einem Text. In Kleingruppen vergleichen sie ihre Zusammenfassungen mit einer von einer KI erstellten Zusammenfassung und reflektieren die Unterschiede.
• KI-generierten Text als Bias zur kritischen Betrachtung, Weiterentwicklung und anschließender Erstellung eigener Kriterien
• Formulierungshilfen und Strukturvorschläge erstellen lassen
• Ideeninspirationen und Denkansätze erhalten
• Lösungen, die Studierende dann selbst erklären und/oder in denen sie Fehler finden sollen sein
• Lernprozesse im Sinne des Konnektivismus gestalten: Recherchieren, Suchbegriffe schärfen, Verknüpfen, Kritisch Prüfen, neu zusammenstellen

Eine Sammlung von konkreten Beispielen, wie dies erfolgen kann, findet sich hier.

KI-Kompetenz entwickeln 

Damit Studierende KI-Tools verantwortungsvoll nutzen können, ist es ratsam, dass Lehrende mit Studierenden über KI-Tools sprechen und sie für die Möglichkeiten und Grenzen sensibilisieren. Studierende sollten über folgende Aspekte informiert sein:

• Funktionsweise von KI: Studierende sollten verstehen, wie die KI funktioniert, woher die Daten stammen und sich über die Möglichkeiten und Grenzen bewusst werden.
• Verwendung von KI-Tools im Einklang mit akademischer Haltung und Werten: Es ist ratsam mit den Studierenden wissenschaftliche Standards wie Objektivität und Quellennutzung zu besprechen.
• Datenschutz: Studierenden sollten verstehen, wie bei der Nutzung von KI-Tools ihre Daten gesammelt, gespeichert und verwendet werden.
• Regeln zum Umgang mit KI für das Ablegen der Prüfungsleistung: Zu Beginn der Veranstaltung sollten Lehrende transparent machen, inwiefern Studierende KI während der Lehrveranstaltung verwenden dürfen. Ein Beispiel sind die „Rules for Tools“ von Prof. Dr. Christian Spannagel der pädagogischen Hochschule Heidelberg.

Hier finden sich hilfreiche Anregungen des KI-Campus für die Vermittlung von KI-Kompetenz (sog. AI Literacy):

• A Comic Essay on Artificial Intelligence and Sustainability
• KI und Ethik: Grundlagen der Ethik
• Biases beim Maschinellen Lernen: Welche Auswirkungen haben verzerrte Trainingsdaten?

Künstliche Intelligenz (KI) bietet Studierenden eine Vielzahl von Anwendungsmöglichkeiten, um ihr Studium zu bereichern und effizienter zu gestalten. 

• Unterstützung beim wissenschaftlichen Schreiben - Brainstorming und Ideenfindung, Literaturrecherche, Formulierungen, Textüberarbeitung (vgl. Handreichung "AG Wissenschaftliches Schreiben für Studierende)
• Sprachliche Korrektur von Texten
• Vor- und Nachbereitung von Veranstaltungen (beispielsweise Identifikation von Schwerpunkten, Erstellung von Zusammenfassungen)
• Übersetzen von Texten in verschiedenen Sprachen
• Klärung von Verständnisfragen und Erklärung von fachspezifischen Konzepten
• Organisation des Studiums: Zeitmanagement, Priorisierung von Aufgaben und Organisation von Lerneinheiten
• Lernunterstützung: Lernenden kann KI als eine Art "Tutor" individuelle Lerninhalte bieten, die ihnen dabei helfen, spezifische Themen oder Schwachstellen intensiver zu bearbeiten sowie Lernfortschritte zu verfolgen und Feedback in Echtzeit zu erhalten

Tipps zur Anwendung im Studium an anderen Hochschulen

• Einsatz von generativer KI im Studium – Handlungsempfehlungen für Studierende (Goethe Universität Frankfurt)
• KI im Studium: Wie Künstliche Intelligenz (KI) das Lernen revolutioniert (Hochschule für Wirtschaft Zürich)

Auf der nachfolgenden Seite  finden Sie eine Interviewreihe zum Thema “KI@HSRM: Good Practices in der Lehre.” Lehrende und Studierende geben einen kurzen Einblick, ähnlich eines "Blitzlichts", welche Erfahrungen Sie mit KI im Lehrkontext gemacht haben.