Hauptinhalt

Orientierungshilfe für die Lehre zum Umgang mit sprachbasierten KI-Modellen 

Vorbemerkung:  Angesichts der rasanten Entwicklung von KI-Sprachmodellen ist das Positionspapier als vorläufig zu betrachten. Es stellt den derzeitigen Diskussionsstand dar. Im Zentrum stehen didaktische Fragen, nicht die rechtliche Bewertung.

TEIL 1: Positionspapier

Die UMR verbietet nicht den Einsatz generativer KI. Dazu gehören sprachbasierte KI-Anwendungen (z.B. ChatGPT) ebenso wie bildgenerierende KI-Anwendungen (z.B. DALL-E, Midjourney). Vielmehr geht es darum, Möglichkeiten des produktiven Einsatzes dieser Werkzeuge in der Lehre und für die Lehrorganisation auszuloten. 

Je nach Fachkultur nimmt insbesondere die wissenschaftliche Textproduktion einen unterschiedlichen Stellenwert im Studium ein. Die Fachbereiche haben daher die Möglichkeit, eigene Bedingungen zu formulieren. 

Nicht nur zwischen den Fachbereichen, sondern auch zwischen den Prüfungsformen können unterschiedliche Regelungen zum Einsatz von KI getroffen werden. 

Wichtig ist eine transparente Kommunikation mit den Studierenden zu Beginn des Semesters, zu welchen Zwecken und in welchem Umfang generative KI im Studium und in Prüfungen eingesetzt werden darf und welche Bedingungen dabei zu beachten sind. Ebenso ist eine umfassende Aufklärung über die datenschutzrechtlichen Aspekte des Einsatzes generativer KI notwendig. 

Neben der allgemeinen Medienkompetenz im Umgang mit den Werkzeugen sind insbesondere Reflexionsfähigkeit, kritisches Denken und das Einüben von Quellenkritik zu fördernde Kompetenzen. So ist es beispielsweise notwendig, gute Fragen bzw. Prompts generieren zu können und das KI-generierte Textmaterial kritisch zu prüfen und zu bewerten. Dazu gehört auch das Einüben von Datenkompetenzen wie Code-Konventionen, Fehlersuchkompetenzen und die Überprüfung von KI-generierten Inhalten bzw. Code/Programmierung. 

TEIL 2: Praxisanwendungen – Diskussionen aus dem Sommersemester 2023 - Einsatzmöglichkeiten in der Lehre 

Der Einsatz von sprachbasierter KI in der Lehre kann verschiedene Lernziele verfolgen: zum einen den Erwerb von Wissen und Kompetenzen im jeweiligen Fach und zum anderen den Umgang mit der jeweiligen KI. Je nach Zielsetzung ergeben sich unterschiedliche Einsatzszenarien. 

Studierende können z.B. sprachgenerierende KI-Anwendungen nutzen, um Ideen zu generieren, einen Einstieg in ein Thema zu finden, eine Gliederung zu erstellen. Sie können als Inspirationsquelle dienen. Die Grenzen liegen jedoch darin, dass ein Sprachmodell wie ChatGPT kein Wissensmodell ist. Es macht inhaltliche Fehler und ist daher als Informationsquelle nicht geeignet, da teilweise falsche Aussagen und Aussagen mit Bias ausgegeben werden. 

Sprachbasierte KI-Anwendungen können als Unterstützung für Studierende eingesetzt werden, z.B. beim Übersetzen von Texten, Recherchieren und Programmieren. 

Eine weitere Möglichkeit ist der Einsatz von KI als Korrekturhilfe in den Bereichen Grammatik und Rechtschreibung bei der Textüberprüfung, auch als Hilfe bei Schreib- und Formulierungsblockaden.

Einsatzmöglichkeiten zur Arbeitserleichterung für Lehrende liegen z.B. in der 

  • der Unterstützung bei der Planung von Lehrveranstaltungen (z.B.: Ideengenerierung zur Erstellung von Veranstaltungskonzepten)
  • der Vor- und/oder Nachbereitung einzelner Sitzungen (z.B.: Ideengenerierung zur Erstellung von Sitzungsabläufen und didaktischer Planung)
  • der Erstellung von Lehr- und/oder Lernmaterialien (z.B.: Erstellung von Materialien, Skripten) 
    Erstellung von Textbeispielen zur weiteren Analyse (z.B. Codes in der Informatik, Textsortenanalyse in sprachl. Fächern, Sensibilisierung für Fake News),
  • Beratung von Studierenden (z.B.: Aufzeigen möglicher Vorgehensweisen)
  • Feedback geben und/oder erhalten (z.B.: automatisiertes Feedback durch KI)
  • Prüfungen gestalten (z.B.: Aufgaben erstellen)
  • der Bewertung von Prüfungen (z.B.: Erstellung von Bewertungsrastern, Formulierung von Bewertungskriterien, NICHT aber die Eingabe von Inhalten/Ergebnissen anderer als Prompt)
  • der Lehrorganisation (z.B.: Formulierung von E-Mails, FAQ) 

Überlegungen zu schriftlichen Prüfungsleistungen 

Prüfungen sollen nachvollziehbar, transparent und nachweisbar eigenverantwortlich erstellt bzw. durchgeführt werden. Die Prüfungen sind weiterhin an den Kompetenzzielen auszurichten. Der kritische Umgang mit daten- und KI-basierten Text- und Zahlenbestandteilen von Arbeiten soll darüber hinaus von den Studierenden geübt und erlernt werden. 

Für schriftliche Arbeiten werden folgende Punkte empfohlen: 

  • Es ist wichtig, den maximalen Umfang an KI-generiertem Text festzulegen, der übernommen werden darf, damit die Arbeit noch als Eigenleistung gilt.
  • Gute wissenschaftliche Praxis erfordert, dass KI-generierte Textteile als solche gekennzeichnet werden.
  • Zitationsvorschlag: Nach APA wird der Text wie eine persönliche Mitteilung zitiert: „Text“ (OpenAI, 2023; Transkript in Anhang A). Je nach Verwendungszweck kann vereinbart werden, dass die vollständigen Chatprotokolle als Anhang beigefügt werden.
  • Bei schriftlichen Arbeiten bestätigen die Kandidat:innen analog zu den bisherigen Eigenständigkeitserklärungen, dass keine anderen als die angegebenen Quellen und Hilfsmittel verwendet wurden. Je nach Fachgebiet können bestimmte Hilfsmittel und Quellen zugelassen oder ausgeschlossen werden. Die Eigenständigkeitserklärungen können auch modifiziert werden. Die Verwendung von KI in den verschiedenen Phasen der Textproduktion kann im Anhang dargestellt werden.
  • Schriftliche Formate können ggf. durch mündliche Prüfungen ergänzt werden. Dabei kann der Textumfang reduziert und durch einen mündlichen Beitrag ersetzt werden, z.B. durch eine Kommentierung der eigenen Arbeit oder eine mündliche Nachbesprechung. Zusätzliche Prüfungsformen sind in der Prüfungsordnung zu benennen.
  • Bei Portfolios als schriftlicher Prüfungsform können einzelne Portfoliobestandteile auch in anderer als schriftlicher Form gestaltet werden, z.B. durch Audio- oder Videoaufnahmen.
  • Lab-Reports können Teile von Programmcode enthalten, deren Herkunft zweifelsfrei entweder als KI-gestützt und modifiziert oder generisch aus KI identifiziert werden muss. Der Umgang mit generischem Code ist ebenfalls zu reflektieren und entsprechend zu kennzeichnen.
  • Weitere alternative bzw. ergänzende Prüfungsformate können Lerntagebücher sein, in denen die Studierenden ihren Lernprozess über das gesamte Semester dokumentieren.
  • KI-generierter Text oder Code soll in einem eigenen Bericht überprüft und eingeordnet werden und insofern eine Bewertung der Leistung der KI sowie eine kritische Reflexion des Einsatzes von KI bei der Text- oder Codeproduktion erfolgen.
  • Für die inhaltliche Gestaltung von Prüfungen ist eine stärkere Orientierung an den konkreten Lehrinhalten der Lehrveranstaltung denkbar, sodass eine KI die gestellten Fragen oder Aufgaben nicht beantworten kann.
  • Die inhaltliche Verantwortung für die von der KI produzierten Inhalte verbleibt jeweils bei den Nutzenden. Sie kann nicht auf KI-Systeme übertragen werden. Dies bedeutet, dass die Qualität der generierten Inhalte durch die Nutzenden sorgfältig geprüft werden muss.

Unterstützungsangebote für Lehrende und Studierende 

Einige dieser Angebote werden bereits bereitgestellt andere befinden sich noch in der Entwicklung: 

  • Das Referat für Lehrentwicklung und Hochschuldidaktik bietet Informationsangebote und Workshops zum Einsatz von KI in der Lehre an, z.B. in den Lunch Lectures, der Werkstatt ChatGPT, einer Podcastreihe.
  • In Zusammenarbeit der Schreibberatung der UB und der Hochschuldiaktik werden Angebote für Studierende geschaffen, z.B. zum wissenschaftlichen Schreiben und zum Einüben des Promptings zur Schärfung von Fragestellungen.
  • Selbstlernangebote, z.B. die Module digital content und data litercy
  • Für spezifische sprachgenerierende Systeme wird eine Schnittstelle zur Verfügung gestellt, derzeit in der Testphase eine API-Schnittstelle in ILIAS. (Kontakt: )