Der Einsatz von KI-basierten Applikationen und insb. von Anwendungen generativer KI (KI = Künstliche Intelligenz) hat bereits jetzt die akademischen Arbeits- und Bildungsprozesse umfänglich und nachhaltig verändert. Einfluss und Einsatzmöglichkeiten dieser Technologie dürften sich in den kommenden Jahren zunehmend weiterentwickeln. Zahlreiche positive Möglichkeiten zeichnen sich ab, insofern KI helfen kann, adaptives und somit personalisiertes Lernen umzusetzen. Die Lehre wird durch neue, auf Kreativität ausgerichtete Tools unterstützt; nicht zuletzt stellt die generative KI ein attraktives Lehr- wie Forschungsfeld dar. Gleichzeitig sind bei einem Einsatz von KI-Tools in der universitären Lehre zahlreiche ethische, rechtliche und natürlich auch didaktische Aspekte zu berücksichtigen. Viele dieser Aspekte entwickeln sich rasant, manche werden in der öffentlichen Diskussion kontrovers bleiben.
Die Bergische Universität Wuppertal ist ihrem Leitbild entsprechend bestrebt, künftige Bildungs- und Wissensanforderungen aufzugreifen und Studierende in ihrer Entwicklung einer kritischen Reflexivität, ihrer gesellschaftlichen Urteilskraft und einer den zukünftigen Anforderungen entsprechenden Handlungsfähigkeit zu fördern. Dies schließt den Umgang mit Systemen, die auf generativer KI basieren, ausdrücklich mit ein.
Die untenstehenden Handreichungen des UniService Digitalisierung Lehre wurden im Auftrag des Lenkungskreises Digitalisierung Lehre der Bergischen Universität Wuppertal erarbeitet und verstehen sich als Hilfestellung für den eigenständigen, kritisch-reflektierenden Umgang mit dieser neuen Technologie. Sie nehmen explizit Anregungen und Hinweise verschiedener Werkstätten des „Leitbild Lehre Prozesses“ (Sommer 2024) auf. Die Handlungsempfehlungen ersetzen nicht Vorgaben von Prüfungsordnungen oder Amtlichen Mitteilungen der Bergischen Universität Wuppertal, welche im Zweifelsfall ausdrücklich vorrangig zu beachten sind. Beide Handreichungen sind als „lebendige Dokumente“ anzusehen, da die rasante Entwicklung im Bereich der generativen KI regelmäßige Anpassungen nötig machen wird. Daher ist eine regelmäßige Aktualisierung beider Handreichungen vorgesehen.
Unter generativer KI werden digitale Systeme verstanden, die im Kern (zumindest zum gegenwärtigen Entwicklungsstand) auf einem abgeschlossenen Satz von Trainingsdaten basieren, zunehmend aber auch aktiv auf Internetressourcen zugreifen und unter Verwendung statistischer Verfahren auf Basis dieser Daten neuartige Inhalte generieren können. Mithilfe von Programmen, die generative KI nutzen, lassen sich z.B. Texte und Bilder erstellen oder Inhalte übersetzen.
Die generierten Ergebnisse unterscheiden sich dabei – sofern man nicht aktiv technische Parameter (etwa die Temperatur oder den Zufallsfaktor) reguliert – von einem Einsatz zum nächsten, das heißt aufgrund der systemimmanenten Eigenschaften generativer KI lassen sich die Produkte nicht identisch reproduzieren. Vielmehr erzeugt ein neuer, gleichartiger Prompt lediglich einen gleichartigen, aber nicht den gleichen Output. Entscheidend für die Qualität des generierten Produktes ist (neben der Leistungsfähigkeit des im Tool verwendeten Datenmodells) die Interaktion mit der verwendeten generativen KI. Durch geschickte Formulierung der Anfrage oder einer Folge von Anfragen (sog. Prompting) können die generierten Ergebnisse den gewünschten Ergebnissen der jeweiligen Nutzer*innen nahegebracht werden. Bekannte Beispiele für derartige Programme sind ChatGPT, DALL-E, Midjourney oder Soundraw, aber auch das ursprünglich auf Übersetzungen spezialisierte DeepL.
So beeindruckend die Ergebnisse diese generativen Tools sind, so darf aber insbesondere bei den textgenerierenden Anwendungen nie vergessen werden, dass es sich bei den derzeitigen Applikationen nicht um strukturierte Wissensdatenbanken handelt, in denen Fakten und Inhalte wie mit einer Suchmaschine gesucht werden können (eine Ausnahme hiervon stellen spezialisierte Recherchetools wie Elicit dar). Rein textgenerierende KI-Tools produzieren daher inhaltlich objektiv falsche oder sinnentstellende Ergebnisse. Man spricht in diesem Zusammenhang von KI-Halluzinationen. Ein weiteres Problem stellen die sogenannten KI-Bias dar. Bias bezeichnet hierbei das Auftreten voreingenommener Ergebnisse aufgrund menschlicher Vorurteile, die in den ursprünglichen Trainingsdaten enthalten waren oder in den KI-Algorithmen mit aufgenommen wurden. Die Folgen sind das Auftreten dieser Meinungen in den generierten Produkten (mit zum Teil diskriminierenden Folgen etwa im Bereich von Gender und Diversity, aber auch von Religion oder mit Blick auf kulturelle Zugehörigkeiten).
Wichtig: die KI-Technologie wird zunehmend auch in Büro-Anwendungen (z.B. Schreibprogrammen) integriert. Die Ausführungen und Empfehlungen der Handreichungen beziehen sich ausdrücklich nicht auf KI-gestützte Elemente wie einer Autovervollständigung oder Rechtschreibkorrektur, sondern auf generative Anwendungen im Sinne von grundlegender Bild-, Text- oder Medienerstellung, oder weiterer, aus den Ausführungen ersichtlicher generativer Anwendungsformen.
In dieser Handreichung finden Sie Hinweise, ob und unter welchen Bedingungen Sie KI-Tools in Ihrem Studium benutzen dürfen, wie die Möglichkeiten der generativen KI Sie vielleicht beim Lernen und in der Studienorganisation unterstützen könnten, und wo Sie weitere Hilfen (zum Beispiel verlässliche Tool-Listen; Tipps zum effektiven Prompten) finden.
Mehr dazu
In dieser Handreichung finden Lehrende unter anderem Anregungen, wie sich generative KI im Kontext der Lehre verwenden lässt, und worauf mit Blick auf akademische Prüfungsleistungen zu achten ist. Außerdem finden Sie hier Empfehlungen für eine gute wissenschaftliche Praxis in der Nutzung von KI in Lehre und Forschung sowie Hinweise zum Verhältnis von generativer KI und Datenschutz sowie Urheberrecht. Die Handreichung benennt zum Abschluss auch Ansprechpersonen an der Bergischen Universität Wuppertal für Fragen rund um KI in Studium und Lehre.
Mehr dazuWeitere Infos über #UniWuppertal:
