Künstliche Intelligenz (KI) in der Lehre

Künstliche Intelligenz (KI) bietet Lehrenden zahlreiche Möglichkeiten, ihre Lehrmethoden zu erweitern und Lernprozesse innovativ zu gestalten. Doch oft stellt sich die Frage: Wie beginne ich damit?  

Ein erster Schritt kann die Auswahl geeigneter KI-Tools sein, die sich leicht in bestehende Lehrkonzepte integrieren lassen. Zusätzlich helfen Schulungen oder Workshops dabei, den praktischen Einsatz von KI in der Lehre besser zu verstehen und anzuwenden.  

Häufige Fragen, die Lehrende beschäftigen, sind:  
- Was ist Künstliche Intelligenz (KI)?  
- Wie kann KI Lehr- und Lernprozesse in der Hochschulbildung verbessern?
- Welche Tools liefern die besten Ergebnisse für mein Fachgebiet?  

Antworten auf diese und weitere Fragen finden Sie auf dieser Seite sowie auf den themenspezifischen Unterseiten, die über die untenstehenden Links erreichbar sind. Entdecken Sie praxisnahe Anleitungen und Ressourcen, um KI sinnvoll und verantwortungsvoll in Ihrer Lehre einzusetzen.

 

Was ist Künstliche Intelligenz (KI)? 

Künstliche Intelligenz (KI) bezeichnet die Fähigkeit von Maschinen und Computersystemen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. Dazu gehören das Lernen aus Erfahrungen, das Erkennen von Mustern, das Lösen komplexer Probleme und die Entscheidungsfindung. KI-Technologien wie Machine Learning und Deep Learning ermöglichen es Computern, aus Daten zu lernen und auf neue Situationen zu reagieren, ohne explizit dafür programmiert zu sein.

 

KI im Kontext der Hochschulbildung

In der Hochschulbildung verändert KI die Art und Weise, wie Wissen vermittelt und erworben wird. KI-gestützte Systeme können Lehrende bei der Erstellung personalisierter Lernumgebungen unterstützen, indem sie das Lernverhalten der Studierenden analysieren und darauf aufbauend maßgeschneiderte Inhalte und Feedback anbieten. Zudem erleichtert KI die Automatisierung administrativer Prozesse und verbessert das Management von Lehrmaterialien, Prüfungen und Evaluierungen. So wird die Lehre effizienter gestaltet und bietet gleichzeitig neue Möglichkeiten für die individuelle Förderung der Studierenden.

 

Grundlegende Konzepte der KI für Lehrende

Für Lehrende sind grundlegende Konzepte der Künstlichen Intelligenz von zentraler Bedeutung, um KI effektiv in die Lehre zu integrieren. Wichtige Begriffe wie Machine Learning (maschinelles Lernen), Algorithmen, neuronale Netze und Datenanalyse sollten verstanden werden, um die Möglichkeiten und Grenzen von KI zu erkennen. Ein fundiertes Verständnis dieser Konzepte hilft dabei, sinnvolle Anwendungen in der Lehre zu entwickeln und gleichzeitig potenzielle ethische Fragen zu berücksichtigen.

 

Vorteile und Herausforderungen des Einsatzes von KI in der Lehre

Der Einsatz von KI in der Lehre bietet viele Vorteile. So ermöglicht KI die Personalisierung von Lerninhalten, indem sie auf die individuellen Bedürfnisse der Studierenden eingeht und ihnen spezifisches Feedback liefert. Automatisierte Bewertungen und Analysen sparen Lehrenden Zeit und verbessern die Effizienz. Dennoch gibt es auch Herausforderungen, wie zum Beispiel die Sicherstellung von Datenschutz, die Bewahrung der akademischen Integrität und die Vermeidung von Vorurteilen (Bias) in den verwendeten Algorithmen. Lehrende müssen sich zudem regelmäßig weiterbilden, um mit den rasanten Entwicklungen Schritt zu halten.

 

Halluzinationen von KI

Halluzinationen beziehen sich auf Situationen, in denen ein KI-Modell falsche, unlogische oder erfundene Informationen generiert, die jedoch überzeugend oder glaubwürdig erscheinen können. Diese Halluzinationen sind ein bekanntes Problem bei generativen KI-Systemen wie Sprachmodellen (z. B. ChatGPT) und können in verschiedenen Formen auftreten.

Ursachen von Halluzinationen:

  1. Datenbasis: Die KI wird mit einer großen Menge an Texten trainiert, die ungenaue oder widersprüchliche Informationen enthalten können.
  2. Statistische Vorhersage: Sprachmodelle basieren darauf, die wahrscheinlichste Wortfolge zu generieren, ohne die inhaltliche Korrektheit zu garantieren.
  3. Fehlende externe Validierung: KI-Modelle können ihre Antworten nicht mit einer externen Quelle abgleichen, wenn sie auf Daten basieren, die ihnen nicht zur Verfügung stehen.

Beispiele für Halluzinationen:

  • Erfundene Fakten: Die KI erstellt scheinbar glaubwürdige Informationen, wie z. B. falsche Zitate, Literaturverweise oder Statistiken.
  • Falsche Zusammenhänge: Sie verknüpft Konzepte oder Ereignisse, die nicht miteinander in Beziehung stehen.
  • Logische Fehler: Die KI generiert Antworten, die auf den ersten Blick sinnvoll erscheinen, aber bei genauer Prüfung inhaltlich falsch sind.

Risiken durch Halluzinationen:

  • Falschinformationen: Sie können die Glaubwürdigkeit der KI und ihrer Anwendung beeinträchtigen.
  • Vertrauensverlust: Nutzer könnten den generierten Inhalten blind vertrauen, was insbesondere in Bildung, Wissenschaft oder Medizin problematisch ist.
  • Ethische Herausforderungen: Halluzinationen können unbeabsichtigt Bias oder Vorurteile verstärken.

Um Halluzinationen bei der Nutzung von KI-Tools zu vermeiden, ist ein kritischer Umgang essenziell. Nutzer sollten die generierten Inhalte stets überprüfen, insbesondere bei sensiblen oder wichtigen Anwendungen. Wo möglich, ist es sinnvoll, die KI zur Angabe von Quellen aufzufordern, um Aussagen nachvollziehen zu können.  

Zusätzlich empfiehlt es sich, KI-Antworten mit vertrauenswürdigen Datenquellen zu validieren, um die Richtigkeit der Informationen sicherzustellen. Gleichzeitig arbeitet die Forschung daran, Halluzinationen durch verbesserte Datenqualität und den Abgleich mit externen Fakten weiter zu minimieren.

Halluzinationen sind ein wichtiges Thema, das zeigt, dass KI-Tools trotz ihrer beeindruckenden Fähigkeiten nicht fehlerfrei sind und mit Vorsicht eingesetzt werden sollten.

 

Die „Handreichung zum Umgang mit Künstlicher Intelligenz in Studium und Lehre“ wurde von der Arbeitsgruppe KI der Kommission für Studium, Lehre und Weiterbildung gemeinsam mit weiteren Mitgliedern der Hochschule entwickelt.

Ziel der Handreichung ist es, Ihnen eine Orientierung zu bieten, wie Sie KI-Tools – insbesondere generative Werkzeuge – sinnvoll und verantwortungsvoll in Ihrer Lehre einsetzen können. Gerade vor dem Hintergrund der dynamischen technischen Entwicklung und den Herausforderungen in Leistungsdiagnostik und Prüfungspraxis möchten wir bestehende Unsicherheiten reduzieren und eine einheitliche Grundlage für den Lehrbetrieb schaffen.

Die Handreichung behandelt zentrale Themen zur Nutzung von KI in der Lehre, darunter:  

  • Transparenz zur KI-Nutzung in jedem Modul
  • Individuelle Offenlegung der KI-Nutzung
  • Verantwortungsvolle Nutzung von KI
  • Strategiediskurs innerhalb der HSRW
  • Textbausteine für die modulspezifische Kommunikation mit Studierenden 

Diese Inhalte sollen Ihnen dabei helfen, die Chancen und Risiken der KI-Nutzung besser einzuschätzen und eine faire, einheitliche Grundlage für den Lehrbetrieb zu schaffen.

Weiterbildung und Unterstützung für Lehrende

Das ZfQ bietet umfassende Unterstützung für Lehrende, die Künstliche Intelligenz (KI) in ihre Lehrpraxis integrieren möchten.

Praxisorientierte KI-Tools und Anwendungen

Lehrende unserer Hochschule haben die Möglichkeit, Fobizz zu nutzen – eine Plattform, die digitale Tools, KI-Assistenz und interaktive Unterrichtsmaterialien bereitstellt.

KI-Forschungsprojekte

An der Hochschule Rhein-Waal wird in interdisziplinären Forschungsprojekten erforscht, wie Künstliche Intelligenz (KI) unsere Gesellschaft, Wirtschaft und Wissenschaft nachhaltig verändern kann. Von KI-Akzeptanz und Ethik über automatisierte Mobilitätslösungen bis hin zu intelligenter Datenanalyse – die HSRW entwickelt innovative Ansätze für die Praxis.

Erfahren Sie mehr über die aktuellen KI-Forschungsprojekte und ihre Anwendungsmöglichkeiten!