KI in der Hochschullehre

ChatGPT steht für „Generative Pre-trained Transformer“ und ist ein KI-Sprachmodell, das ähnlich wie ein neuronales Netzwerke funktioniet und auf die Generierung von Texten trainiert wurde (Fachartikel zur Funktionsweise (PDF)). Es handelt sich um einen textbasierten Chatbot, der mit Menschen interagieren kann und darauf trainiert ist, möglichst natürliche Sprache zu produzieren. Anhand statistischer Wahrscheinlichkeiten wird das Auftreten von Wörtern in bestimmten Kontexte berechnet. Mittels sog. "Prompts" (konkrete Fragen bzw. Fragestellungen an die KI), werden von ChatGPT Antworten generiert. Über den Chat-Verlauf kann jederzeit auf den konkreten Kontext Bezug genommen werden.

KI wie ChatGPT kann von Lehrenden wie Studierenden für Lehre und Studium genutzt werden:

• Ideensammlung: "Gib mir 5 Ideen für ein studentisches Projekt im Bereich XYZ."
• Vorschläge für Aufgaben / Wissensabfragen: "Formuliere drei Aufgaben zu dem folgenden Text."
• Individualisiertes Feedback: "Ich habe einen Python-Code geschrieben für XYZ, leider funktioniert der Code aber nicht. Wo ist der Fehler?"
• Entwürfe für Feedback: "Beurteile die Korrektheit und Vollständigkeit der Antwort (Antwort muss zuerst eingegeben werden) auf die folgende Klausurfrage.", "Bewerte den Text und achte dabei insbesondere auf..."
• E-Assessment-Aufgaben erstellen: "Ich benötige eine Multiple-Choice-Aufgabe zum Thema XYZ. Gib mir 5 Fragen mit jeweils 4 Antworten, von denen jeweils nur eine richtig ist."
• Prüfungsfragen erstellen: "Generiere mir 5 Prüfungsaufgaben zu folgendem Text: [URL einfügen]."
• Übungsaufgaben generieren: "Die Studierenden meiner Lehrveranstaltung XYZ sollen sich mit dem Thema XYZ auseinandersetzen. Schlage mir drei Aufgaben für Studierende mit unterschiedlichem Schwierigkeitsgrad vor (leicht, mittel, schwierig)".
• Lösungen erklären lassen: "Bitte erkläre mir die folgende Gleichung a^2+b^2=c^2."
• Gliederungen: "Wie könnte eine Gliederung zu einer Präsentation zum Thema xy aussehen?"
• Texte zusammenfassen und vereinfachen: "Was sind die Kernaussagen des folgenden Textes?" oder "Schreibe eine Zusammenfassung von Goethes Faust mit max. 1000 Zeichen."
• Quellen zusammenfassen (Webseiten): "Fasse den folgenden Text in 5 Sätzen zusammen: [URL einfügen]."
• Python oder HTML schreiben: "Erstelle ein Grundgerüst für eine Standard HTML-Seite" oder "Schreibe den HTML-Quellcode für eine Webseite im 2-spaltigen Design."
• Modul-/Veranstaltungsbeschreibungen verfassen: "Formuliere mir eine Modulbeschreibung zur Vorlesung XYZ."
• ...

• KI-Anwendungen wie ChatGPT verwendet z.T. veraltete oder nicht-wissenschaftliche Quellen, was zu unvollständigen oder fehlerhaften Antworten führen kann. Es besteht auch die Möglichkeit, dass relevante wissenschaftliche Studien, die nicht frei zugänglich sind, nicht berücksichtigt werden.
• KI-Anwendungen wie ChatGPT kann Fehlinformationen generieren, insbesondere in Bezug auf wissenschaftliche Konzepte. Dies kann zu Fehlvorstellungen bei Studierenden führen, z.B. wenn es um inhaltliche Feinheiten oder komplexe Zusammenhänge geht.
• Es ist unklar, ob KI-Anwendungen wie ChatGPT möglicherweise Urheberrechte verletzt, wenn es auf geschützte Materialien zugreift und diese in seinen Ausgaben verwendet. Zur Vertiefung: Rechtsgutachten zu ChatGPT & Co.

Ziel beim Einsatz von KI-Anwendungen wie ChatGPT in Lehre und Studium sollte eine offenes Thematisieren von KI-Tools für das Lehren und Lernen sein. Ziel ist eine verantwortungsvolle und gewinnbringende Verwendung und das Aufzeigen von Möglichkeiten und Grenzen KI-generierter Inhalte. Studierenden sollten sich über folgende Aspekte im Klaren sein:

• Funktionsweise von KI-Anwendungen wie ChatGPT: Die Studierenden sollten verstehen, wie KI funktioniert, woher die Daten stammen und sich der Möglichkeiten und Grenzen bewusst sein. Zum Beispiel, dass KI-Anwendungen wie ChatGPT keine (verlässlichen) Quellen angeben kann.
• Verwendung von KI-Anwendungen wie ChatGPT in Einklang mit akademischen Werten und Normen: Es ist ratsam, mit den Studierenden über wissenschaftliche Standards wie Objektivität und Quellenangaben im Zusammenhang mit ChatGPT zu sprechen.
• Datenqualität: Studierenden muss verdeutlicht werden, dass von einer KI generierte Informationen nicht ohne Prüfung übernommen werden dürfen. Fragen der Vertrauenswürdigkeit und Datenqualität sind zu thematisieren.
• Datenschutz: Die Studierenden sollten verstehen, wie ihre Daten bei der Nutzung von ChatGPT gesammelt, gespeichert und verwendet werden.
• KI als Lehr-Lerninstrument (KI als Assistent/Lernbegleiter): KI-Anwendungen wie ChatGPT können auch als Lern- und Lehrmethode in Lehrveranstaltungen integriert werden. Die Studierenden erarbeiten sich das Wissen anhand von KI-Technologien und werden vom Lehrenden im Prozess des Problemlösens unterstützt und fachlich begleitet.
• Leistungsüberprüfungen: Die klassische Textproduktion als Leistungsnachweis (z.B. in Form von Belegarbeiten, Hausarbeiten) ist aufgrund der KI-Funktionalitäten zukünftig weniger geeignet. Die Erkennung von KI-generierten Texten erweist sich in der Praxis als schwierig. Der Fokus sollte daher in Zukunft auf formativen und lernbegleitenden Leistungsnachweisen liegen, die nicht das fertige Endprodukt, sondern den Prozess dorthin zum Ziel haben.
• Regeln zum Umgang mit KI für das Ablegen der Prüfungsleistung: Lehrende sollten zu Beginn der Lehrveranstaltung transparent darlegen, inwieweit Studierende KI in der Lehrveranstaltung und ggf. in der Prüfungsleistung einsetzen dürfen.

Die neue Generation von Sprachmodellen richtet sich gezielt an die Bearbeitung komplexer Aufgaben. Dafür werden von der KI Schritt für Schritt Lösungsstrategien erarbeitet. Sollte das Modell dabei nicht weiterkommen, d.h. in eine “Sackgasse” geraten, kehrt es zur Ausgangsfrage zurück und bearbeitet die Aufgabe erneut. Mit diesem sog. “Reasoning” sollen Aufgaben noch genauer gelöst werden können.

Im Gegensatz zu dem bisherigen Ansatz, nach Eingabe eines Prompts das Ergebnis auszugeben (Frage-Antwort-Dialog), wird beim Reasoning-Ansatz ein Lösungsweg formuliert und Schritt für Schritt abgearbeitet (Grundlage: Reinforcment Learning).

Reasoning-Modelle (Stand Mai 2025):

• Ai2 OLMo 2 (USA)
• Google Gemini (USA)
• OpenAI ChatGPT o3 (USA)
• Perplexity (USA)
• DeepSeek R1 (China)
• Qwen3 (China)

Die Arbeitsgruppe Digitale Medien und Hochschuldidaktik der Deutschen Gesellschaft für Hochschuldidaktik (dghd) hat in Kooperation mit der Gesellschaft für Medien in der Wissenschaft (GMW) eine "Didaktische Handreichung zur praktischen Nutzung von KI in der Lehre" erarbeitet. Das Dokument wird fortlaufend ergänzt.

>> zur Handreichung (PDF) - Stand Mai 2025

Folgende Themen werden aktuell behandelt:

• Kompetenzen von Lehrenden und Studierenden für den Einsatz von KI
• Einsatz generativer KI in der Lehre inkl. Use Cases und Beispiele
• Einfluss der Verwendung generativer KI auf Prüfungsformate 

Im Jahr 2024 hat die Europäische Union eine Verordnung zum Thema KI erlassen. Darin wird u.a. der Umgang mit KI und deren Nutzung geregelt. Auch für den KI-Einsatz an Hochschulen ergibt sich daraus Handlungsbedarf.

KI-Verordnung

Empfehlungen der ZKI e.V. (Zentren für Kommunikation und Informationsverarbeitung in Lehre und Forschung): Handlungsempfehlungen (PDF) / Merkblatt für Nutzer (PDF)

Weitere Informationen: 

• BSI-Broschüre zum Thema KI
• Bundesbauftragter für den Datenschutz und die Informationsfreiheit
• Forschung und Lehre
• KI-Campus

Inzwischen gibt es die Möglichkeit auch lokale KI-Anwendungen zu nutzen. Dafür wird ein Programm mit einem KI-Modell lokal auf einem PC ausgeführt. Alle eingegebenen Daten verbleiben auf dem lokalen PC.

Hinweis: Für die Ausführung lokaler KI-Anwendungen ist eine aktuelle und leistungsstarke Prozessor-Hardware (idealerweise ein Prozessor mit einer NPU) und eine dedizierte Grafikkarte erforderlich.

LM-Studio: https://lmstudio.ai/

AnythingLLM (Desktop): https://anythingllm.com/

GPT4All: https://www.nomic.ai/gpt4all/

Msty: https://msty.app/