Dies ist eine alte Version des Dokuments!
Inhaltsverzeichnis
In 8 Schritten Lehren mit KI
Diese Seite wird derzeit neu erstellt.
Unabhängig davon, ob Sie selbst KI-Inhalte vermitteln oder KI als didaktisches Werkzeug nutzen möchten, geben wir Ihnen die wichtigsten Schritte und Überlegungen für die Nutzung von KI in Ihrer Lehre an die Hand. Haben Sie Mut zum Ausprobieren und bringen Sie ein wenig Flexibilität, Neugier und Zeit mit, um sich im aktuell noch schnell verändernden Feld der KI zu bewegen. Für die Studierenden sind Sie Vorbild für einen produktiven und offenen Einsatz von KI zum Lehren und Lernen.
Und wenn Sie nicht weiterkommen oder Fragen haben, melden Sie sich gerne bei uns.
1. Machen Sie sich die verschiedenen Perspektiven von KI in der Lehre bewusst.
„KI in der Lehre“ kann vieles bedeuten – je nachdem, aus welcher Perspektive man schaut. Geht es darum, über KI zu lehren, also KI als Lerninhalt zu vermitteln? Oder geht es darum, mit KI zu lehren und zu lernen, also KI als Werkzeug im Lehr- und Lernprozess einzusetzen?
Aus Sicht der Lehrenden kann es darum gehen, Inhalte über KI zu vermitteln (z. B. in Informatik, Ingenieurwissenschaften oder Medizin) oder selbst KI-gestützte Werkzeuge zur Vorbereitung, Durchführung oder Bewertung von Lehre einzusetzen: Etwa für die Planung von Kursen, zur Erstellung von eigenem Lehrmaterial oder zur Formulierung von MC-Impulsfragen.
Aus Sicht der Lernenden geht es entweder darum, sich selbstständig Wissen über KI anzueignen (z. B. durch Recherchen, Übungen oder Diskussionen), oder mithilfe von KI zu lernen: Etwa durch Textübersetzung, virtuelle Tutoren oder automatisiertes Feedback im Selbststudium. Dabei ist das Lernen über und mit KI hier stets durch Sie als lehrende Person gesteuert.
2. Definieren oder überprüfen Sie Ihre Lernziele neu.
KI verändert nicht nur wie wir lehren, sondern auch was gelernt werden soll. Überlegen Sie: Geht es um Fachwissen, Problemlösekompetenz, kritisches Denken oder reflektierten KI-Einsatz? Möglicherweise rücken neue Kompetenzen in den Fokus, z. B. den Umgang mit generativen Tools oder die Bewertung KI-generierter Inhalte.
Taxonomiestufen von Bloom bzw. Anderson und Krathwohl: Erinnern –> Verstehen –> Anwenden –> Analysieren –> Bewerten –> Erschaffen An welcher Stelle kann KI oder KI-generiertes Material die Studierenden im Lernprozess unterstützen? An welcher Stelle wird die Kompetenz vom Studi oder von der KI benötigt?
3. Bauen Sie KI-Kompetenzen bei sich selbst und Ihren Studierenden auf.
Es geht um ein grundlegendes Verständnis dafür, was KI leisten kann und was nicht, welche ethischen, rechtlichen und fachlichen Fragen sie aufwirft und wie man sie reflektiert einsetzt. Welche konkreten Tools eingesetzt werden können, ist dabei zweitrangig.
Sensibilisieren Sie sich und Ihre Studierenden für die Grenzen aktueller KI-Systeme: Gerade generative Sprachmodelle wie ChatGPT wirken überzeugend, sind aber keine Wissenssysteme – sie „halluzinieren“ mitunter falsche Informationen. Studierende (und Lehrende!) sollten diese Systeme als Sprach- und Denkwerkzeuge verstehen, nicht als Faktenquelle oder „intelligente“ Entitäten.
Fördern Sie Aufklärung und Selbstlernangebote, indem Sie Sie bestehende Materialien und Kurse zu KI-Kompetenzen in Ihre Lehre integrieren. So entlasten Sie Ihre Vorbereitung und vermitteln gleichzeitig aktuelles Orientierungswissen.
Verankern Sie ein nachhaltiges und verantwortungsbewusstes KI-Verständnis und stellen Sie KI als Werkzeug dar, das Denkprozesse unterstützt – nicht ersetzt. Fördern Sie eine ethische Auseinandersetzung mit Themem wie Bias, Datenschutz, Nachhaltigkeit und Urheberrecht.
Beispiele für Selbstlernangebote für Studierende:
Beispiele für eine grundlegende, lehrunabhängige Einführung in die Welt der KI:
4. Klären Sie Erwartungen und Regeln im Umgang mit KI zur Sicherung der guten wissenschaftlichen Praxis.
Gute wissenschaftliche Praxis: Inhalte müssen überprüft, Quellen ergänzt und Nutzung transparent gemacht werden, analog zu Softwarenutzung als Hilfsmittel: Tools und Zweck angeben
Diskutieren Sie neue Formen von Eigenleistung: Was bedeutet „selbst geschrieben“, wenn ein KI-Tool Vorschläge liefert? Wie unterscheidet man Unterstützung von Täuschung? Solche Fragen sollten offen thematisiert und gemeinsam reflektiert werden.
5. Bestimmen Sie geeignete Szenarien für den KI-Einsatz und planen Sie realistisch - weniger ist mehr.
Entscheiden Sie, welche Szenarien zu Ihren Zielen und Ihrem Fach passen. Setzen Sie neue Szenarien lieber in kleinen Schritten um. Evaluieren Sie den Einsatz von KI, indem Sie Ihre Studierenden um Feedback bitten.
6. Bleiben Sie im Dialog mit Ihren Studierenden über den Einsatz von KI und stellen Sie eine transparente Arbeitsatmosphäre her.
Nutzen Sie KI selbst für Entwürfe, Feedback oder Ideengenerierung und geben Sie dies transparent in Ihrer Lehrveranstaltung an. Das hilft beim Perspektivwechsel.
Praxistipp: Studierende dokumentieren, wie sie KI genutzt haben – das fördert Transparenz und Reflexion Was wurde genutzt? Wie wurde überprüft? Wie beurteilen sie eigene/fremde KI-generierte oder KI-unterstützte Inhalte?
„Nutze eine KI zur Lösung, erläutere deine Entscheidungen und beurteile die Ergebnisse kritisch.“
Hilfreiche Vorlagen und Ideen für Dokumentationen und Journals: "KI-Gebrauch im Studienkontext dokumentieren - Hinweise und Arbeitsmaterialien"
7. Überdenken Sie bestehende Prüfungsformate und seien Sie offen für Anpassungen.
Herausforderung für Lehrende: Eigenständigkeitserklärung anpassen Wie erkenne ich Täuschungsversuche mit KI? Wie kann ich faire und lernförderliche Prüfungen gestalten, wenn KI zur Verfügung steht?
Wenn KI erlaubt ist, braucht es: Neue Aufgabenformate (z. B. Analyse & Bewertung von KI-Ausgaben) –> Aufgaben so gestalten, dass KI zwar hilft, aber nicht ersetzt Reflexion & Transfer: Was macht eine gute Lösung aus? Wie hat [Tool XY] bei deinem Ergebnis unterstützt? Mündliche Anteile Vermittlung von KI-Kompetenzen
Wenn KI verboten ist, braucht es: Kontrollierbare Settings (z. B. Präsenz, Mündlich) Fokussierung auf individuelle Leistungen
Kleine Änderungen können viel bringen! B. B. Feedbackschleifen, Zwischenabgaben, Fokus auf Prozess statt Produkt.
Praxistipp: Transparente Kommunikation im Vorfeld – Was ist erlaubt? Was nicht? Wie wird mit KI umgegangen? „Rules for Tools“ – z. B. „KI darf genutzt werden, wenn…“ + Kennzeichnungspflicht
Praxistipp: Lehrmaterialien & Aufgaben nicht unreflektiert durch KI jagen – Datenschutz und Urheberrecht mitdenken! Bewertung mit KI? – Nur unterstützend (z. B. bei Ausformulierung von Feedback) oder formativ, nicht automatisiert
Link zu Richtlinien im Wiki
8. Bleiben Sie weiterhin offen für neue Entwicklungen im Bereich KI & Lehre.
TODO