KI in der Lehre
Der Einsatz von Anwendungen, die mit Künstlicher Intelligenz arbeiten, hat auch auf die Hochschullehre große Auswirkungen. Auf dieser Seite sammelt das Zentrum für Lernen und Innovation die Informationen, die für Lehrende und Studierende in Hinblick auf KI in der Lehre wichtig sind.
Bitte beachten Sie: Die Entwicklung von Künstlicher Intelligenz hat seit der Veröffentlichung von ChatGPT im Herbst 2022 enorm an Fahrt aufgenommen. Das Angebot an KI-Anwendungen ist teilweise sehr unübersichtlich. Die Informationen aus dieser Seite können daher schnell veralten. Wir bemühen uns, die Seite so aktuell wie möglich zu halten. Sollten Ihnen dennoch Informationen auffallen, die veraltet sind, schreiben Sie uns gerne eine Mail an zli.
Inhaltsverzeichnis
Allgemeine Informationen
Veranstaltungen zum Thema "KI in der Lehre"
- ZLI TechTalk - Veranstaltungsreihe des ZLI zum Thema KI in der Lehre | mehr
- Interne Fortbildung: "Schreiben darf gelernt sein! - Wissenschaftliches Schreiben in der Lehre anleiten" am 19.2.2024 | mehr
- Interne Fortbildung: "Künstliche Intelligenz (KI) in der Lehre" am 19.3.2024 | mehr
- Tool Tip Tuesday - Reihe zu Tools für akademisches Arbeiten und Schreiben, eine Kooperation des Projekts VK:KIWA, dem KI-Campus und der FernUniversität in Hagen | mehr
- dghd-Themenreihe KI in der Hochschullehre - Reihe der Deutschen Gesellschaft für Hochschuldidaktik | mehr
- KI-Campus - Der KI-Campus bietet eine Reihe von Selbstlernkursen und Materialien zum Thema KI an. | mehr
- e-teaching.org-Themenspecial KI in der Hochschulpraxis | mehr
Open Think Tanks des Projekts KI-Campus 2.0
Die Open Think Tanks verstehen sich als offene Austauschformate. Alle Interessierten sind herzlich eingeladen, ihre Ideen, Fragen oder Anregungen einzubringen und sich mit der Community auszutauschen. Den Start machen folgende Themenschwerpunkte:
- KI und Didaktik I
- KI und Didaktik II
- KI, Curriculum und Micro-Degrees
- KI und Prüfung
- KI und Ethik
Weitere Informationen gibt es auf dieser Seite: https://fernuni-ki-campus.fernuni-hagen.de/cop/
Use Cases
Zusammen mit Lehrenden aus allen Fakultäten haben wir Beispiele gesammelt, wie KI-Tools in der Lehre thematisiert bzw. integriert werden können. Sollten Sie ebenfalls bereits Erfahrungen gesammelt haben, würden wir uns freuen, wenn Sie uns diese in einer Mail an zli mitteilen. Wir ergänzen die Sammlung mit Use Cases ständig und freuen uns auf Ihre Beispiele.
Die Use Cases haben wir nach dem zeitlichen Umfang in Miniformate (kurz und schnell einsetzbar), Mittlere Formate (ungefähr die Länge einer 90-minütigen Lehrveranstaltung) und Längere Formate (mehrere Sitzungen, Projekte etc.) eingeteilt.
Die Angaben zum Lehrformat beziehen sich auf die Handreichung des Rektorats zur Lehrverpflichtungsverordnung. Sie geben einen Hinweis dazu, in welchem Lehrsetting das Szenario eingesetzt werden kann.
In den einzelnen Use Cases haben wir unter "Assessment" Hinweise gesammelt, in welchen Prüfungsformaten das Szenario aufgegriffen werden kann.
Miniformate
-
Lernziele:
KI-Tools als Hilfsmittel für Brainstorming nutzen
Zielgruppe:
alle
Ablauf:
Zu einem Themengebiet wird ein oder mehrere Prompts erstellt, die ChatGPT (oder Alternativen) in die Lage versetzen, Ideen zu generieren.
Die Prompterstellung kann je nach Vorwissen durch die Studierenden geschehen. Der Einsatz könnte außerdem nach einer ersten Brainstorming-Session ohne Tool geschehen, um zu vermeiden, dass Lernende keine eigenen Ideen generieren.
Die entstandenen Ideen werden gesammelt und von allen bewertet. Wichtig ist wie in allen Fällen eine kritische Reflexion der Outputs und eine Einordnung in Brauchbarkeit.
Bei großen Veranstaltungen bietet es sich an, die voraussichtliche Fülle an Ergebnissen entweder peer-reviewen oder mit Hilfe eines KI-Tools zusammenfassen zu lassen.
Voraussetzungen:
Zugänge zu den Tools für Workshopleitung und Studierende
Zeitrahmen:
10-20 Minuten
Lehrformat:
asynchron oder synchron / hohe Interaktion
Gruppengröße:
bei asynchronem Setting: beliebig, bei synchronem Setting: 40-50 Studierende
Assessment:
ggf. Portfolio
Mögliche Tools:
generative Text-Tools wie z. B. ChatGPT oder Perplexity.ai
Vorteile:
- Erweiterung von Ideen-Pool
- Überwindung von „Ideenblockaden“
- Entwicklung weiterer Ideen auf Basis der KI-generierten
- Prompt-Optimierung
Nachteile:
- Lernende verlassen sich auf KI-Tool, ohne eigene Ideen zu entwickeln
-
Lernziele:
KI-Tools als Hilfsmittel zum Lösen von Schreibblockaden nutzen
Zielgruppe:
alle
Ablauf:
Egal, ob Lehrende oder Studierende: vor dem berühmten "leeren Blatt" zu sitzen und nicht zu wissen, wie man anfangen soll, kann jedem passieren. Ein textgenerierendes KI-Tool kann dabei helfen, diese Blockade zu überwinden. Dabei müssen die Outputs gar nicht übernommen werden. Sie können vielmehr als Anhaltspunkt dienen, wie man selbst die Arbeit an einem Text, einer Aufgabe, einem Artikel usw. beginnen würde.
Alternativ kann das KI-Tool eine Gliederung für ein Thema vorschlagen, die dann als Anhaltspunkt für das weitere Schreiben genommen werden kann.
Voraussetzungen:
Zugang zum jeweiligen Tool
Zeitrahmen:
10-20 Minuten
Lehrformat:
asynchron / geringe Lehrenden-Studierenden-Interaktion
Gruppengröße:
beliebig
Assessment:
Portfolio, Essay, Hausarbeit
Mögliche Tools:
generative Textgeneratoren wie Bard, ChatGPT oder Perplexity.ai
Vorteile:
- Schreibblockaden werden schneller überwunden
- intensivere Reflexion des Themas durch Vergleich von vorgegebenen und eigenen Ansätzen
Nachteile:
- Gefahr der unreflektierten Übernahme von Outputs
Mittlere Formate
-
Lernziele:
Vorbereitung auf Prüfungen erstellen
Zielgruppe:
alle
Ablauf:
Mithilfe generativer Texttools können Studierende Prüfungsfragen in unterschiedlichen Formaten erstellen lassen. Diese können dann zur Prüfungsvorbereitung herangezogen werden.
Wichtig ist dabei, mit den Studierenden die Erstellung von Prüfungsfragen vorher durchzuspielen, damit die Qualität des Outputs kontrolliert werden kann und Studierende sich über Möglichkeiten und Grenzen der Outputs für die Prüfungsvorbereitung im Klaren sind.
Evtl. kann die Generierung von Prüfungsfragen mit einem Peer Review mithilfe der Moodle-Aktivität "Student Quiz" kombiniert werden, sodass die Qualität der Prüfungsfragen von einer menschlichen Instanz überprüft wird.
Voraussetzungen:
- Zugänge zu den Tools für Lehrende und Studierende
- generelles Hintergrundwissen zur Konstruktion von Aufgaben (z.B. Auswahl von Distraktoren) sollte begleitend vermittelt werden
- Wissen zu Prompting
Zeitrahmen:
90 Minuten, kann aber auch länger angelegt sein
Lehrformat:
asynchron / geringe Lehrenden-Studierenden-Interaktion
Gruppengröße:
beliebig
Assessment:
Klausur, Hausarbeit, mündliche Prüfung
Mögliche Tools:
generative Texttools wie z. B. ChatGPT oder Perplexity.ai
Vorteile:
- großer Pool an individuellen Aufgaben
Nachteile:
- schlechte Qualität der Prüfungsfragen bei fehlendem Review
-
Lernziele:
Kennenlernen von KI-Tools, insb. generativen Text-Tools, um Gefühl für die Möglichkeiten und Grenzen zu erlangen
Zielgruppe:
alle
Ablauf:
Gemeinsam die Möglichkeiten und Grenzen dieser Technologie in einem geschützten Workshopformat zu erschließen, kann wertvolle Erkenntnisse ergeben. Je nach Studienphase können die Fragen gemeinsam im Workshop erarbeitet werden. Es hilft jedoch in jedem Fall einige Prompts und Fragestellungen vorzubereiten.
Idealerweise sollte für ein Meeting ein Tool ausgewählt werden, bei bestimmten Themen können es aber auch mehrere Tools sein.
Mögliche Struktur:
- Einführung Tool(s)
- Aufgabenstellung (Prompts selbst erarbeiten oder vorgegebene Prompts nutzen)
- Durchführung und Exploration
- Reflexion der Ergebnisse
Voraussetzungen:
Zugänge zu den Tools für Workshopleitung und Studierende
Zeitrahmen:
ca. 90 Minuten
Lehrformat:
synchron / hohe Lehrenden-Studierenden-Interaktion Gruppengröße:
40 - 50 Studierende
Assessment:
ggf. Portfolio Mögliche Tools:
Tools mit niedriger Einstiegshürde und einfacher Handhabung
Vorteile:
- Kennenlernen von Tools
- Ausprobieren in reflektierter Umgebung
- Abbau von Vorurteilen gegenüber Tools (positiv und negativ)
-
Lernziele:
Outputs auf fachliche Richtigkeit, den Stil oder Bias hin überprüfen
Zielgruppe:
Studierende mit vorhandenen Kenntnissen in einem Themengebiet Ablauf:
Mit KI-Tools generierte Texte können, wie jeder andere Text auch, kritisch befragt werden. Dies kann sowohl die fachliche Richtigkeit, den Stil oder implizite Tendenzen betreffen. Solche Texte können entweder live generiert oder vorbereitet und als Datei präsentiert werden.
Voraussetzung für die generierten Texte können fremde, Lehrenden-eigene oder studentische Prompts sein. Diese sollten im Voraus erstellt und getestet werden, live generierte Prompts können zu Überraschungen führen.
Voraussetzungen:
Zugänge zu den Tools für Lehrende und Studierende, bei eigenen Outputs: Prompting-Kenntnisse
Zeitrahmen:
synchron: 90 Minuten, kann auch asynchron über einen längeren Zeitraum eingesetzt werden
Lehrformat:
asynchron oder synchron / asynchron: geringe oder hohe Lehrenden-Studierenden-Interaktion, synchron: hohe Lehrenden-Studierenden-Interaktion
Gruppengröße:
asynchron: beliebig, synchron: 40 – 50
Assessment:
Portfolio, Klausur, Essay, Hausarbeit
Mögliche Tools:
generative Text-Tools wie ChatGPT oder Perplexity.ai
Vorteile:
- Erlernen kritischer Reflexion von Textquellen
-
Lernziele:
Erlernen von Argumentation, intensives Nachdenken über ein Themengebiet, Unterstützung kritischen Denkens
Zielgruppe:
Studierende mit Kenntnissen in einem Themengebiet
Ablauf:
Mit Hilfe eines speziellen Prompts wird das KI-Tool aufgefordert, bestimmte Regeln zu befolgen. Der Prompt soll einen Dialog zwischen Studierender oder Studierendem und KI ermöglichen, der an die Sokratische Methode angelehnt ist. Das zentrale Lernziel ist die Förderung kritischen Denkens im Prozess des Dialogs mit KI.
Das „Sokratische Gespräch mit KI“ kann in eine Lehrveranstaltung bzw. ein Seminar eingebettet werden, sodass Gelegenheit zu persönlichem Austausch, Reflexion und Diskussion mit Kommiliton*innen und Lehrenden besteht.
Studierende können die Methode im Selbststudium einsetzen. Sie kann auch als Vorbereitung für synchrone Prüfungsformate eingesetzt werden.
Weitere Informationen zum Ablauf und dem Prompt finden sich hier: https://www.fernuni-hagen.de/zli/blog/im-sokratischen-gespraech-mit-ki/
Voraussetzungen:
Zugang zu textgenerierenden KI-Tools für Studierende
Zeitrahmen:
10-20 Minuten, 90 Minuten
Lehrformat:
asynchron, geringe Lehrenden-Studierenden-Interaktion nach vorheriger Anleitung
Gruppengröße:
beliebig
Assessment:
Klausur, mündliche Prüfung
Mögliche Tools:
ChatGPT, BingChat im Kreativ-Modus, ClaudeInstant, möglicherweise auch Alternativen
Vorteile:
- Einüben von Argumentieren
- Kritische Reflexion eines Themengebiets
- Vorbereitung auf synchrone Prüfungen (Klausur, mündliche Prüfung)
Nachteile:
- ständiges Nachfragen durch das KI-Tool kann ermüdend werden
Weitere Aspekte:
Detaillierte Informationen finden Sie unter https://sway.office.com/zBtuXHuPyiWTzkA8
Längere Formate
-
Lernziele:
Qualität von Suchergebnissen für wissenschaftliches Arbeiten durch spezialisierte Tools verbessern
Zielgruppe:
Studierende, die wissenschaftliche Arbeiten verfassen müssen
Ablauf:
Die Qualität von Outputs von ChatGPT 3.5 lässt bei wissenschaftlichem Anspruch einiges zu wünschen übrig. Spezialisierte Tools wie Elicit oder Research Rabbit sind häufig unbekannt. Diesen Tools ist gemeinsam, dass sie passende, existierende Artikel und Bücher zu einem Prompt durchsuchen und Fragen beantworten.
Die Qualität der Literaturrecherche kann mit diesen Tools gesteigert werden und vor allem können weitere Recherchen mit echten Quellen angestoßen werden. Eine Beschäftigung mit diesen Werkzeugen bietet sich daher an.
Vorher können mit den Studierenden vorbereitete Beispielprompts ausprobiert werden, damit die Eigenheiten der KI-Tools ausgelotet werden können. Dabei muss auch thematisiert werden, dass Ergebnisse immer noch einmal mit anderen Rechercheverfahren verglichen werden müssen, um die Gültigkeit der Quellen zu verifizieren.
Voraussetzungen:
Zugang zur den Tools für Lehrende und Studierende, Kenntnisse im Prompting
Zeitrahmen:
mindestens 90 Minuten, evtl. mehrere, aufeinander aufbauende Einheiten
Lehrformat:
synchron oder asynchron / hohe Lehrenden-Studierenden-Interaktion
Gruppengröße:
beliebig
Assessment:
Portfolio, Essay, Hausarbeit
Mögliche Tools:
Elicit, Research Rabbit
Vorteile:
- effektive Literaturrecherche
- evtl. weiterführende Fragestellungen
- Verweis auf existierende Quellen
- einfache Möglichkeit der Verifizierung des KI-Outputs
Nachteile:
- Möglicherweise werden herkömmliche Recherchemethoden verdrängt, obwohl die Verifizierung des KI-Outputs notwendig wäre.
-
Lernziele:
Kennenlernen der Eigenheiten eines KI-Tools, Verbesserung von Outputs
Zielgruppe:
Studierende mit vorhandenen Kenntnissen in einem Themengebiet
Ablauf:
Mit den Studierenden wird anhand eines KI-Tools thematisiert und gemeinsam mit ihnen reflektiert, welche Merkmale Prompts haben müssen, um gute Ergebnisse zu liefern. Prompts können für unterschiedliche KI-Tools unterschiedlich aussehen. Manche KI-Tools unterstützen einfache Input-Auszeichnungen, um das Tool z. B. dazu zu bringen eine bestimmte Rolle einzunehmen. Dabei sollte vor allem darauf hingewiesen werden, dass die Outputs nicht deterministisch sind, also bei gleichem Prompt immer wieder anders formulierte Ergebnisse entstehen.
In diesem Szenario können auch Prompts von Expert*innen eingesetzt und mit den eigenen Prompts verglichen werden. In Sinne des didaktischen Scaffoldings kann dabei eine Annäherung an Qualität von Expert*innen-Prompts nach und nach erreicht werden.
Generative Texttools wie ChatGPT zeichnen sich dadurch aus, dass dialogisch vorgegangen werden kann. Outputs können dabei thematisiert und bestimmte Details weiter ausgeführt werden. Auch hier liegt ein sehr großes Potential, sowohl was ein Qualitätsverbesserung anbelangt, aber auch die Reflexion von falschen oder problematischen Outputs durch Lehrende und Studierende.
Voraussetzungen:
Zugänge zu den Tools für Lehrende und Studierende
Zeitrahmen:
10-20 Minuten, 90 Minuten, Veranstaltungsreihe oder Projekt
Lehrformat:
synchron oder asynchron / geringe oder hohe Interaktion
Gruppengröße:
beliebig, je nach Art der Beurteilung
Assessment:
Portfolio, Klausur, Essay, Hausarbeit
Mögliche Tools:
beliebig
Vorteile:
- hoher Anwendungsbezug
- Kriterien guten Promptings in Verbindung mit wissenschaftlichen Arbeiten werden explizit vermittelt
- problematische Aspekte des Einsatzes von KI-Tools beim wissenschaftlichen Arbeiten können direkt angesprochen werden
Nachteile:
- Voraussetzung: Lehrperson sollte bereits über vertieftes Verständnis des Promptings für das jeweilige Tools verfügen und Merkmale guten Promptings anhand von Kriterien beschreiben können.
-
Lernziele:
Kennenlernen und Bewertung von unterschiedlichen KI-Werkzeugen
Zielgruppe:
alle
Ablauf:
Angelehnt an die Marktplatz-Methode bereiten Gruppen von 2-4 Studierenden die Präsentation eines KI-Tools vor (evtl. vorgeschaltet in asynchroner Phase). Als Ergebnis sollen sie einen „Verkaufsstand“ erstellen.
Der Test des Tools kann je nach Kenntnisstand mit oder ohne Vorgaben geschehen.
Bei der Marktplatzphase bleibt jeweils eine Person am eigenen „Stand“, während die anderen alle anderen Stände erkunden. Dazu werden sie angewiesen, möglichst kritisch die Ergebnisse der anderen Tools zu hinterfragen.
Als synchrones Szenario kann die Methode in Präsenz oder online durchgeführt werden. Online werden aus den „Ständen“ Break-Out-Räume; alternativ kann auch ein Tool wie gather.town genutzt werden.
Beim asynchronen Szenario wir die Methode als „Online-Marktplatz“ konzipiert. Dabei kann z. B. die Datenbank-Aktivität in Moodle genutzt werden, evtl. kombiniert mit einem Forum.
Voraussetzungen:
Zugänge zu den Tools für Lehrende und Studierende
Zeitrahmen:
längere Lehrveranstaltungen oder Projekt
Lehrformat:
synchron oder asynchron / geringe oder hohe Lehrenden-Studierenden-Interaktion
Gruppengröße:
beliebig
Assessment:
ggf. Portfolio
Mögliche Tools:
beliebig, Relevanz für das Studium sollte allerdings vorhanden sein
Vorteile:
- Kennenlernen und Beurteilung mehrerer KI-Tools
Nachteile:
- Aufwändig in der Vorbereitung: Lehrpersonen sollten die von den Studierenden vorzustellenden Tools kennen und deren Stärken und Schwächen zumindest grob einordnen können.
Weitere Aspekte:
Es sollte eine Liste der zu präsentierenden Tools den Studierenden zur Auswahl gegeben werden.
Es sollte darauf geachtet werden, dass alle Studierenden, auch diejenigen, die einen Verkaufsstand betreuen, die Stände besuchen und sich eine Meinung zu den Tools bilden können oder alle Teilnehmenden wandern gemeinsam von Stand zu Stand.
Rechtliche Informationen
Hinweis
Das ZLI kann und darf keine Rechtsberatung leisten. Sollten Sie eine solche Beratung benötigen, wenden Sie sich als FernUni-Angehörige bitte an das Dezernat 2.4 oder den Behördlichen Datenschutzbeauftragten. Personen, die nicht an der FernUni beschäftigt sind, wenden sich bitte an die entsprechenden Stellen der eigenen Hochschule.
Zunächst muss darauf hingewiesen werden, dass viele rechtliche Fragen zu KI-Tools momentan noch nicht geklärt sind. Ein Rechtsgutachten des Projekts KI:edu.nrw versucht, einige rechtliche Fragen im Umgang mit KI-Tools an der Hochschule zu beleuchten: https://doi.org/10.13154/294-9734.
Wir stellen hier einige Antworten auf häufig gestellte Fragen bereit.
-
Das wird momentan viel diskutiert und ist noch nicht abschließend geklärt. Fest steht, dass die Software selbst nicht als Person im rechtlichen Sinn gilt und daher auch keine Rechte besitzt. Ebenso können die Programmierer*innen der Software keine Rechte an der Ausgabe besitzen. Til Kreutzer von irights.info kommt in einer Einschätzung zu dem Schluss: „Je autonomer die KI bei solchen Schöpfungen arbeitet, desto unwahrscheinlicher ist ein urheberrechtlicher Schutz des Outputs.“
Genauere Informationen finden Sie im Artikel „Welche Regeln gelten für die Erzeugnisse Künstlicher Intelligenz?“ auf irights.info.
Zum Thema ChatGPT und Urheberrecht hat auch Prof. Dr. Thomas Hoeren von der Uni Münster einen Beitrag veröffentlicht: „Geistiges Eigentum“ ist tot – lang lebe ChatGPT.
-
Zum einen ist momentan kein Erkennungstool fähig, KI-generierte Texte zuverlässig zu erkennen. Eine rechtssichere Erkennung ist damit nicht gegeben.
Für die Weiterverarbeitung der Texte wird darüber hinaus - ähnlich wie bei Plagiatserkennungssoftware - eine Einwilligung oder eine sonstige Rechtsgrundlage benötigt.
-
Antwort des BDSB: "Sofern ein dienstlicher Zweck definiert werden kann, werden IT-Anwendungen für Aufgaben der Hochschule genutzt. Das heißt, dass die FernUniversität bei der Nutzung von Cloud-Diensten immer auch eine Geschäftsverbindung eingeht. Hierfür ist meist ein ordentlicher Geschäftsvertrag oder ggf. mindestens eine rechtlich verpflichtende Lizensierung abgeschlossen. Wenn nun personenbezogene Daten verarbeitet werden sollen, dann muss dies aufgrund des Szenarios der Dienstleistung (im Auftrag von, oder ggf. als gemeinsame Aufgabe) auch vertraglich geregelt werden. Entweder durch Auftragsverarbeitung (Art. 28 DSGVO) mit der Hochschule als Auftraggeber und dem Dienstleistungsunternehmen als Auftragnehmer oder durch gemeinsame Verantwortung von Hochschule und Online-Dienst (Art. 26 DSGVO). Wenn der Datentransfer außerhalb der Anwendungsbereichs der DSGVO, d.h. außerhalb der EU stattfindet müssen noch weitere vertragliche Regelungen nach Art. 44 ff DSGVO getroffen und dokumentiert werden."
-
Für Prüfungsleistungen ist geregelt, welche Hilfsmittel eingesetzt werden dürfen. Sind Tools wie ChatGPT nicht explizit zugelassen, ist erst einmal davon auszugehen, dass die Nutzung nicht erwünscht ist. Insbesondere in hilfsmittelbeschränkten Klausuren wird die Nutzung solcher Hilfsmittel ohne explizite Erlaubnis als Täuschung gewertet.
Halten Sie daher im Zweifelsfall Rücksprache mit ihren Prüfer*innen. In jedem Fall empfehlen wir eine möglichst transparente Nutzung solcher Tools, indem Sie etwa im Methodenteil darauf eingehen und/oder das Tool als Quelle angeben.
-
Am Beispiel ChatGPT kann festgehalten werden, dass es das Produkt eines amerikanischen kommerziellen Unternehmens ist. Dementsprechend entspricht ChatGPT nicht den europäischen Datenschutzbestimmungen. Anfragen an ChatGPT können mindestens zum weiteren Training verwendet werden, sofern diese Option nicht aktiv ausgeschaltet wird. Des Weiteren besteht eine Vielzahl an datenschutzbezogenen und ethischen Bedenken, die unter anderem auch auf europäischer Ebene legislativ diskutiert werden. Dass diese Bedenken ernst genommen werden müssen, zeigt sich u.a. daran, dass Italien die Nutzung von ChatGPT aus diesen Gründen zeitweise unterbunden hat und mittlerweile stark reguliert.
Auf Grund der Dynamik des Feldes lassen sich keine klaren Empfehlungen aussprechen. Grundsätzlich gilt jedoch, dass ChatGPT nur mit Bedacht eingesetzt werden sollte und die Nutzung im Lehrkontext nur auf freiwilliger Basis erfolgen kann. Insbesondere die Eingabe vertraulicher und personenbezogener Daten sollte dringend unterlassen werden. Dies gilt etwa auch für Korrespondenzen mit Kolleg*innen und Studierenden oder Prüfungsleistungen.
Bei anderen Werkzeugen, bei denen es sich nicht um europäische Angebote handelt, können die gleichen Hinweise gegeben werden.
Ethische und Datenschutzfragen können übrigens selber zum Lehrgegenstand gemacht werden. Gute Tipps dazu finden sich hier: https://autumm.edtech.fm/2023/01/18/prior-to-or-instead-of-using-chatgpt-with-your-students/
Im Rechtsgutachten des Projekt KI:edu.nrw findet sich dazu folgende Passage: „Auch datenschutzrechtlich ist nicht zu befürchten, dass mit der Verwendung Vorgaben der DSGVO missachtet werden, solange keine personenbezogenen Daten wie der Name der Studierenden oder Matrikelnummern in dem eingefügten Text enthalten sind. Sollte dies beabsichtigt werden, wird möglicherweise die Einwilligung der Studierenden einzuholen sein. […] Problematisch kann diese Verwendungsform allerdings aus urheberrechtlicher Perspektive sein. Denn die Prüfungsleistungen sind zumeist urheberrechtlich geschützt. In dem Moment, in dem die prüfende Person die Prüfungsarbeit in die KI-Software kopiert, findet eine Vervielfältigung statt.“ (S. 37)
Tool-Überblick
Wir sammeln in diesem Abschnitt KI-Tools, die wir uns bereits angesehen haben.
Tool | Kategorie | Beschreibung |
---|---|---|
Bard | Generative Text-Tools / ChatBots | Verkürzt gesagt ist Bard das ChatGPT von Google. Grundsätzlich ist die Funktionsweise ähnlich und die Aspekte, die bei ChatGPT in Betracht gezogen werden sollten, gelten auch für Bard. Ein Vergleich, inwiefern sich die Ergebnisse von Bard und ChatGPT unterscheiden, steht noch aus. |
ChatGPT | Generative Text-Tools / ChatBots | ChatGPT ist der mit Abstand bekannteste KI-Textgenerator. Das von der Firma OpenAI angebotene Chatbot basiert je nach Zugang auf den Sprachmodellen GPT 3, 3.5 oder 4. Die Sprachmodelle haben mittlerweile Einzug in eine Vielzahl von weiteren Anwendungen gehalten. Bekanntestes Beispiel ist die Microsoft Suchmaschine Bing. Wie bei anderen Sprachmodellen auch, arbeitet GPT mit sehr komplexen Wahrscheinlichkeitsmodellen, die mit einer sehr hohe Zahl von Parameter versehen sind. Auch wenn die Outputs sehr häufig plausibel erscheinen, können Outputs einfach erfunden sein, da diese Sprachmodelle kein "Bewusstsein" über die Richtigkeit oder Falschheit der Ausgaben besitzen. Man spricht dabei von "Halluzinieren". Dies ist besonder bei GPT 3.5 häufig bei der Erstellung von Quellen der Fall, die die Outputs unterstützen sollen. Weitere Informationen zu ChatGPT finden Sie in diesen Beitrag: https://www.fernuni-hagen.de/zli/blog/chatgpt/ |
DALL·E 2 | Bildgenerator | DALL·E 2 ist ein von der Firma OpenAI bereitgestellter Bildgenerator. Nach der Eingabe eines Prompts erstellt DALL·E vier Bilder mit den eingegebenen Merkmalen. Die Qualität der Ausgaben steigt mit dem Detailgrad der Prompts. Einfache Prompts ergeben Bilder, denen man sofort ansieht, dass es KI-generierte sind. Bekannt sind z. B. die Probleme, die solche Bildgenerator mit der Darstellung von Händen haben. Der Bildgenerator kann durch entsprechende Prompts dazu gebracht werden, Bilder im Stil bekannter Künstler*innen oder Designer*innen zu erzeugen. |
DeepL Übersetzer | Übersetzung | DeepL Übersetzer ist ein KI-unterstütztes Übersetzungsprogramm. Grundlage ist dabei ein neuronales Netz, das mit Informationen zu mittlerweile 28 Sprachen (Stand: November 2023) trainiert wird. Die kostenlose, Browser-basierte Version kann Eingaben bis zu 5000 Zeichen verarbeiten, kostenpflichtige Versionen weitaus mehr. Neben der Browser-Version können auch Apps für iOS und Android genutzt werden. DeepL wird von einer deutschen Firma betrieben. |
DeepL Write | Korrektur / Überarbeitung von Texten | DeepL write ist ein KI-basiertes Programm zur Verbesserung von Texten. Neben der Korrektur von Rechtschreib- und Grammatikfehlern werden Vorschläge zum Schreibstil ausgegeben. DeepL write stammt von der gleichen Firma wie DeepL Übersetzer. |
Elicit | Wissenschaftliches Arbeiten | Elicit ist eine KI-basierte Anwendung zum Auffinden von Artikeln und zur Zusammenfassung von hochgeladenen PDF-Dateien. Nach Eingabe eines Prompts gibt Elicit eine Reihe von Artikeln zum Thema und deren kurze Zusammenfassungen aus. Alternativ können PDF, die hochgeladen wurden, zusammengefasst werden. |
GitHub Copilot | Programmierunterstützung | GitHub Copilot ist ein Angebot der Plattform GitHub, die während des Programmierens mit Vorschlägen zur Autovervollständigung von Code unterstützt. Dabei können Programmierer*innen selbst Code schreiben, der vervollständigt wird oder natürliche Sprache eingeben, aus der dann der Code erzeugt wird. Copliot basiert auf GPT von OpenAI. |
Perplexity.ai | Generative Text-Tools / ChatBots | Perplexity.ai ist ein Chatbot, der ein generatives Sprachmodell mit dem Verweis auf die passenden, existierenden Quellen kombiniert. Nutzende können dabei verschiedene Sprachmodelle auswählen. Zusätzlich wird über jeder Antwort eine Reihe von Internetquellen angezeigt, die thematisch passend sind. Dadurch können die Ausgaben einfach mit den Quellen verglichen werden. Ein guter Test von Perplexity.ai findet sich bei The Decoder: https://the-decoder.de/perplexity-ai-nutzt-gpt-4-fuer-eine-kostenlose-und-bessere-suche-als-chatgpt/ |
Research Rabbit | Wissenschaftliches Arbeiten | Research Rabbit ist ein Tool, das wissenschaftliche Texte in Sammlungen zusammenfasst. Alleinstellungsmerkmal ist dabei die grafische Darstellung von Verknüpfungen zwischen Artikeln nach Themen oder Autor*innen. Diese Art der Darstellung erlaubt eine tiefergehende Erforschung von Themen. |
Stable Diffusion | Bildgenerator | Stable Diffusion ist ein Bildgenerator ähnlich DALL·E. Nutzende können über Prompts angeben, was dargestellt werden soll. Über Schaltflächen kann außerdem der Stil der Darstellung gewählt werden, z. B. fotographisch, als Illustration oder im Manga-Stil. |
Weiterführende Links
Lernressourcen
- KI-Campus - Die Lernplattform für Künstliche Intelligenz
- Kurse bei LinkedIn Learning zum Thema Künstliche Intelligenz
Glossare mit häufig verwendeten KI-Begriffen
- Glossar: KI-Schlüsselbegriffe - Angebot des Projekts KI.NRW
- Glossar: Künstliche Intelligenz und Lernende Systeme - Angebot der Plattform Lernende Systeme
Gutachten, Handreichungen und Orientierungspapiere
- Rechtsgutachten des Projekts KI:edu.nrw, das einige rechtliche Fragen im Umgang mit ChatGPT an der Hochschule beleuchtet
- Positionspapier „Künstliche Intelligenz in der Bildung“ der Gesellschaft für Informatik
- Handreichung der TU München zum Thema ChatGPT
- Broschüre des Hamburger Zentrums für universitäres Lehren und Lernen zu ChatGPT
- Infoseiten der TU Berlin
- "Unlocking the Power of Generative AI Models and Systems such as GPT-4 and ChatGPT for Higher Education – A Guide for Students and Lecturers" - Uni Hohenheim
Linklisten
- ChatGPT im Hochschulkontext – eine kommentierte Linksammlung des Hochschulforums Digitalisierung
- "Ausbaldowercamp": kollaborative Linksammlung zum Thema "Lernen mit KI"
Zum Weiterdenken
- Themendossier Künstliche Intelligenz im New Learning Blog der FernUniversität
- Professorin Gabi Reinmann: "Wozu sind wir hier? – Eine wertebasierte Reflexion und Diskussion zu ChatGPT in Forschung und Lehre"
- Professor Marco Kalz: "Zukunftskompetenz und KI-Kompetenz – alter Wein in neuen Schläuchen? Eine kritische Analyse"
Ihre Ansprechpersonen
Sollten Sie Fragen haben, die auf dieser Seite nicht beantwortet werden, schreiben Sie uns gerne eine E-Mail.