KI meets Lehre – Die Notwendigkeit der curricularen Verankerung von KI-Kompetenzen
Kurzbeschreibung
In der vorliegenden Studie wurde untersucht, welche Erfahrungen Lehrende und Studierende mit generativer Künstlicher Intelligenz, wie zum Beispiel ChatGPT, aufweisen. Wozu verwenden sie gern Künstliche Intelligenz? Und worin sehen sie Risiken und Chancen generativer Künstlicher Intelligenz? Antworten darauf gibt dieser Beitrag. Zudem stellt er anhand eines Praxisbeispiels vor, was zu KI-Kompetenzen gehört und wie sich diese in der Hochschule fördern lassen.
Annahmen über die Folgen der Digitalisierung
Künstliche Intelligenz ist im Alltag von Hochschulen angekommen – sowohl als Lernunterstützung als auch als Lerngegenstand. Studierende verwenden Künstliche Intelligenz beispielsweise zur Recherche und erwarten zugleich, dass der Umgang damit auch an der Hochschule thematisiert wird. Dabei gilt es, den Einsatz von Künstlicher Intelligenz interdisziplinär zu betrachten, da sie alle Fachbereiche durchdringt. Dem steht allerdings oft ein strukturelles Defizit der Hochschulen gegenüber. Die Einrichtungen sind für den Erwerb von KI-Kompetenzen zwar theoretisch offen. Jedoch ist dieser noch nicht curricular verankert.
Kompetenzanforderungen
Lehrende an Hochschulen müssen einerseits Künstliche Intelligenz in der Lehre einsetzen und andererseits Inhalte darüber vermitteln können. Das bedeutet auch, Studierenden einen kritisch-reflektierten Umgang mit Künstlicher Intelligenz sowie prozessorientierte Lerntechniken zu vermitteln. Studierende müssen lernen, wie sie generative Künstliche Intelligenz in ihre Lernprozesse integrieren können.
Kompetenzbegriffe (nach dem Papier)
Unterdimensionen (nach dem Papier)
Funktionsweise KI,
KI-Anwendungen nutzen,
Datenkompetenz,
KI-Kommunikation & KI-Kooperation,
Personale KI-Kompetenz & Selbstwirksamkeit,
Regelungen & Gesetze,
KI-Ethik,
KI entwickeln
Kompetenzdimensionen (nach dem Rahmenkonzept von Digitales Deutschland)
Instrumentell-qualifikatorische Dimension: Generative KI für methodisches Arbeiten im Studium nutzen können, zum Beispiel für Lernunterstützung, das Vorbereiten von Prüfungen und Präsentationen, zur Recherche und für die Programmierung und Datenanalyse; Strategien erarbeiten können, um KI-Anwendungen effektiv zu nutzen.
Kognitive Dimension: Grundlegende Konzepte und Begriffe von Künstlicher Intelligenz kennen; die Funktionsweise Künstlicher Intelligenz verstehen; Komponenten Künstlicher Intelligenz identifizieren können; Interaktionsmöglichkeiten mit Künstlicher Intelligenz kennen; Künstliche Intelligenz erklären können; rechtliche Regelungen; individuelle Rahmenbedingungen berücksichtigen können; KI-Systeme kontrollieren; Daten nutzen, aufbereiten und verarbeiten.
Affektive Dimension: Vertrauen in eigene KI-Fähigkeiten haben.
Kreative Dimension: Generative KI für Formulierungen und Texterstellung nutzen können; KI-Systeme konzipieren und entwickeln können.
Soziale Dimension: Sich im Team mit Künstlicher Intelligenz auseinandersetzen können; Künstliche Intelligenz sozialverantwortlich nutzen.
Kritisch-reflexive Dimension: Souverän und reflektiert mit Künstlicher Intelligenz interagieren; ethische Fragestellungen berücksichtigen; Daten interpretieren.
Zentrale theoretische Annahmen über Kompetenz
Angelehnt an eine Definition von Duri Long und Brian Magerko sind KI-Kompetenzen “Fähigkeiten, die man benötigt, um KI-Technologien kritisch zu bewerten und effektiv zu nutzen” (S. 31). Nach dem AI Comp-Ansatz geht es dabei sowohl um Wissen, Fertigkeiten als auch Haltung. Aus der oben genannten Definition sind inzwischen zahlreiche Kompetenzmodelle für den Umgang mit Künstlicher Intelligenz hervorgegangen – jeweils mit unterschiedlichen Schwerpunkten oder für spezielle Zielgruppen. Dazu gehört auch das in diesem Beitrag skizzierte Modell, welches sich auf den Bereich der Lehre fokussiert.
Perspektive der Kompetenzträger*innen auf Kompetenz einbezogen?
keine Angabe
Lebenskontexte der Kompetenzträger*innen einbezogen?
Der Beitrag fokussiert sich auf die Hochschule. Um Studierende und Lehrende dort zu unterstützen, KI-Kompetenzen zu entwickeln, braucht es zunächst eine ausreichende technische Infrastruktur sowie einen datenschutzkonformen Zugang zu KI-Systemen. Zudem müssen Angebote zum Kompetenzerwerb geschaffen und den Studierenden bekannt gemacht werden. Dabei empfehlen sich Angebote, die Praxisbeispiele einbeziehen, um den Kompetenzerwerb zu unterstützen.
Herausforderungen der Erfassung von Kompetenz
keine Angabe
Zentrale empirische Befunde über Kompetenz
Wohl da KI-Tools heutzutage leicht zugänglich sind, hat ein Großteil der Befragten sie bereits genutzt. Im Vergleich von Lehrenden und Studierenden zeigt sich: Mehr Lehrende als Studierende geben an, entweder noch keine Erfahrungen mit Künstlicher Intelligenz gemacht zu haben oder sich lediglich als Einsteiger*innen zu bezeichnen. Doch wozu wird generative Künstliche Intelligenz vor allem genutzt? Die Studierenden verwenden diese vor allem für kreative Tätigkeiten, beispielsweise das Schreiben von Texten und sehr viel weniger zur Vorbereitung auf Prüfungen.
Quellenangabe
Lambrecht, G.-M., Lintfert, B., Martschiske, R., & Wiehenbrauk, D. (2025). KI meets Lehre – Die Notwendigkeit der curricularen Verankerung von KI-Kompetenzen. Zeitschrift für Hochschulentwicklung, 20, 13–37. https://doi.org/10.21240/zfhe/SH-KI-2/02
Sonstige Anmerkungen
Die Befragten sehen Probleme im Einsatz Künstlicher Intelligenz vor allem in KI-generierten Fakenews. Darauf folgen Themen wie Verletzungen des Urheberrechts, Datenschutz und eine zunehmende Abhängigkeit von diesen Technologien.