Künstliche Intelligenz (KI) besteht Hochschulklausuren und schreibt Fachaufsätze – was bedeutet das für Studium und Lehre?
Die Integration von Künstlicher Intelligenz in den Bildungsbereich wirft zahlreiche Fragen und Herausforderungen auf.
1. Auswirkungen auf studentische Leistungen: KI verstärkt das bereits bestehende Leistungsgefälle unter Studierenden. Das Phänomen „Wer hat, dem wird gegeben“ wird durch den Einsatz von KI noch deutlicher. Beispielsweise konnte das Modell Gemini Pro 1.5 komplexe Fragen zur Aerodynamik mit widersprüchlichen, aber gut begründeten Antworten versehen. Dies stellt nicht nur die Fähigkeiten der KI in den Vordergrund, sondern auch die unterschiedlichen Herangehensweisen der Studierenden an das Lernen und Nachfragen.
2. „KI-feste“ Aufgaben: Um die Bedeutung von Hochschulen zu erhalten, müssen Aufgaben entwickelt werden, die für KI schwer lösbar sind. Allerdings könnten diese Aufgaben auch für Menschen zu komplex werden. Während KI-Modelle wie ChatGPT problemlos Prüfungen bestehen, könnten Studierende abgehängt werden, was die Leistungsdynamik an den Universitäten grundlegend verändert.
3. Herausforderung im Dialog mit Maschinen: Der Dialog mit KI kann frustrierend und ermüdend sein, da es ein ständiges Hin und Her von Fragen und Antworten gibt. Trotzdem verbessert sich die Fähigkeit der KI, mit unpräzisen Formulierungen und Tippfehlern umzugehen, stetig.
4. Wert handgemachter Lehrmaterialien: Während KI Vorlesungsskripte auf Knopfdruck erstellen kann, bleibt fraglich, ob Studierende handgemachte Materialien mehr wertschätzen und sich intensiver damit auseinandersetzen.
5. Obsoleszenz von Lernplattformen: Traditionelle Lernplattformen wie Moodle und ILIAS könnten durch die Fähigkeiten der KI, maßgeschneiderte und rechtefreie Materialien zu erstellen, bald obsolet werden. Eine KI könnte das gesamte Studium eines Studenten begleiten und personalisierte Unterstützung bieten.
6. Relevanz von Prompt Engineering: Die Einbindung technischer Details zur KI-Nutzung im Curriculum ist umstritten. Studierende sollten sich eher auf praktische Anwendungen konzentrieren, anstatt sich mit den Feinheiten des „Prompt Engineering“ auseinanderzusetzen.7. Notwendigkeit intuitiver Grundlagenkenntnisse: Im Zeitalter der KI ist es wichtiger denn je, dass Studierende wissenschaftliche Prinzipien intuitiv verstehen und anwenden können. Die Fähigkeit, Informationen kritisch zu prüfen und methodisch vorzugehen, bleibt unverzichtbar.