Abschlussfolge des Projekts ZAKKI – Vier Jahre KI in der Hochschullehre

Transkript Staffel 3, Folge 08 Team ZAKKI

00:00:03 SPEAKER_00

Willkommen bei KI Insights, ein Podcast vom Projekt ZAKKI an der Hochschule Magdeburg -Stendal. Hier teilen Expertinnen verschiedenster Disziplinen ihre Einblicke in die facettenreiche Welt der künstlichen Intelligenz. In der dritten Staffel erwarten Sie spannende Data Science Use Cases aus Forschung und Industrie, datengetriebene Ansätze und Techniken des maschinellen Lernens sowie gesellschaftliche Fragen rund um das Thema KI.

00:00:29 SPEAKER_02

Herzlich willkommen zu KI Insights, dem Podcast des Projektes ZAKKI und wir haben uns heute auch zur letzten Folge, zumindest zur letzten Folge innerhalb des Projektes ZAKKI getroffen, denn wir haben mit Zaki jetzt den Projektabschluss gehabt und deshalb bin ich heute hier mit Lena -Michelle Müller und David Döring aus dem Projekt Zaki und am besten wäre es doch, wenn ihr euch einmal kurz selbst vorstellt und ich habe jetzt schon so oft Zaki erwähnt, vielleicht auch nochmal kurz für die neuen Zuhörenden einmal sagt, was ist denn eigentlich Zaki aus eurer Sicht? David, magst du vielleicht anfangen?

00:00:59 SPEAKER_03

Genau. Ja, ich bin David Döring. Ich war jetzt vier Jahre lang von Anfang an tatsächlich im AI -Analytics -Team tätig, habe da ganz viel gelehrt und auch ganz viel Lehrmaterial auch für andere Leute entwickelt. Und ja, das Zaki ist erstmal irgendwie zentrale Andaufstelle für irgendwas, irgendwas mit Kompetenzen und künstlicher Intelligenz. Und genau, wir haben halt Lehre entwickelt, Lehre beforscht und alles eben immer um das Thema künstliche Intelligenz gedreht.

00:01:33 SPEAKER_02

Schön, dass du da bist, David. Lena, auch du einmal kurz vorstellen und was ist für dich Zaki in wenigen Worten?

00:01:39 SPEAKER_01

Genau, mein Name ist Lena Michel -Müller. Ich bin ausgebildete Soziologin und Erziehungswissenschaftlerin und ich habe im Projekt Zaki im TeachLab, also in der Begleitforschung, gearbeitet. Ich bin dabei seit März 2024, also jetzt seit einem Jahr und acht Monaten. Und Zaki, das ist für mich die zentrale Anlaufstelle für alle Fragen rund

um KI bei uns an der Hochschule, mit dem Ziel, dass wir alle Hochschulangehörigen im Bereich KI qualifizieren wollen. Und wie David auch schon gesagt hat, das machen wir über ganz vielfältige Arten und Weisen, also über Schulungen, Lehrentwicklung und vieles mehr.

00:02:14 SPEAKER_02

Und dann möchte ich mich natürlich auch zuletzt noch vorstellen, Sebastian von Enzberg. Ich bin Projektleiter. Tatsächlich auch erst seit zwei Jahren. Also muss man dazu sagen, das Projekt Zaki, das läuft schon seit vier Jahren in Summe, aber zwei Jahre bin ich jetzt dabei. Und ja, für mich ist, ihr habt das schon alles sehr gut genannt, ganz kurz zusammengefasst, ZAKKI ist KI in der Hochschullehre. Genau, das Projekt Zaki, vier Jahre Laufzeit, habe ich schon gesagt. Genau, Lena, du hast auch schon gesagt, wie lange du dabei bist. David, du bist tatsächlich am längsten schon dabei. Das ist das Projekt eigentlich von Anfang an. Ja, es ist damals im Dezember gestartet.

00:02:46 SPEAKER_03

Ja, es ist damals im Dezember gestartet. Ich war dann ab Januar dabei. Genau, aber ich glaube, ich war auch der Erste, der sozusagen dann mit im Team war.

00:02:57 SPEAKER_02

Vor allem zeitlich, das war Dezember 2021. Das war so vielleicht zur Einordnung in die KI -Historie noch vor ChatGPT, was ja November 2022, also ein Jahr. Genau, das ist ein ganzes Jahr vorher gewesen.

00:03:10 SPEAKER_03

Jahr vorher gewesen. Und da hatten wir tatsächlich auch schon… Also auch andere KI -Themen, ich hatte auch damals schon mich mit Sprachmodellen beschäftigt, nur eben bevor es so einen Durchbruch hatte, mit dem in dem Moment eigentlich keiner gerechnet hat.

00:03:26 SPEAKER_02

Ja, genau. Ich glaube, da kann man sagen, das kommt oder kam zu dem Zeitpunkt für die Hochschule genau zum richtigen Zeitpunkt das Projekt, also den Vorlauf. Und dann als diese große Explosion, möchte ich mal sagen, dieser große Meilenstein mit großen Sprachmodellen einfach entstanden ist, war Zaki einfach schon bereit. Aber vielleicht,

David, magst du einmal kurz darauf eingehen, was hast du denn so gemacht im Projekt Zaki? Was waren deine Aufgaben? Ich glaube,

00:03:50 SPEAKER_03

glaube, da kann ich erst mal damit loslegen, was eigentlich ursprünglich meine Aufgaben waren. Und zwar komme ich aus dem Bereich der Data Science und im AI Analytics Lab war da natürlich auch mein Aufgabenfeld da angesiedelt. Das heißt, ich sollte eigentlich Lehrentwicklung machen, also Professorinnen dabei unterstützen, eigene… Lehranhalte zu entwickeln mit meiner Unterstützung zum Thema Programmierlehre mit künstlicher Intelligenz und Datenanalyse mit künstlicher Intelligenz und so weiter und so fort. Da wurde damals ja besser aufgesehen. Ich hatte mich dann… zum Auswerten von großen Textdaten schon mit Sprachmodellen beschäftigt. Und so kam es dann, dass gegen Ende 2022 das ChatGPT sozusagen rauskam und für sehr, sehr, sehr viele Hochschulangehörige, die vorher noch gar nichts mit KI zu tun hatten, jetzt plötzlich KI irgendwie auf dem Plan stand, irgendwie auch auf dem Lehrplan stand und irgendwie auch damit umgegangen werden musste. Und damals wurde dann so die Frage gestellt, was ist denn jetzt eigentlich so ein Sprachmodell? Was kann das denn und überhaupt? Und da hatte ich nur mich vielleicht mit ein bisschen zu großer Klappe gemeldet. Ja, ich weiß, was das ist. Ich habe schon mal eins trainiert. Und von da an ging es dann los, dass ich eben Vorträge und Lehrinhalte auch zu ChatGPT und Co., also wirklich zu den großen Sprachmodellen im großen Sinne. gehalten habe und damit auch nochmal überall in die Lehre gegangen bin und dann natürlich auch mit Teamunterstützung, konnte ich dann aber auch eigentlich mein eigentliches Ziel damals von KI programmieren, KI entwickeln, auch trotzdem noch weiterführen und genau, habe dann auch Kurse selber dazu gegeben zum Programmieren und dann zum Beispiel die Sommerschule, die hatte ich dann irgendwann auch mit. Coding Club kennt ihr vielleicht genau in diese Richtung. Das war so von Anfang an eigentlich schon mein Ziel und das habe ich dann auch weitergeführt. Also wirklich in der Lehre aktiv,

00:05:56 SPEAKER_02

der Lehre aktiv, Lehre entwickelt und auch innovative Formate dann entwickelt. Also der Coding Club, du hast es jetzt kurz erwähnt, wo wir es dann auch extracurricular treffen, um mit den Studis hier praktisch wirklich was im Bereich KI zu machen. Ja, vielen Dank für den Einblick, David. KI gibt es, das hast du ja schon gesagt, du hast vorher schon vor diesem großen Durchbruch Sprachmodelle trainiert und KI gibt es auch schon seit den 1950ern und eigentlich noch davor, wenn man so will. Also es ist an sich nichts Neues. Nur vorher hat man in der Lehre wahrscheinlich vor allem darüber gesprochen, wie KI zum Beispiel unterstützt im Maschinenbau, um Maschinen intelligenter zu machen, im

ökologischen Problem hilft, Wetterfeuersagen zu verbessern. Also das gab es ja alles schon länger. Aber Lena, wieso sind wir denn seit 2022 noch so viel mehr, gerade aus didaktischer Sicht, daran, dass wir über KI sprechen müssen?

00:06:44 SPEAKER_01

Also wir müssen über KI definitiv sprechen, weil du hast es schon erwähnt. Einerseits ist KI Lerngegenstand, also das Sprechen über KI. Wie funktioniert das, gerade aus technischer Sicht? Aber jetzt gerade mit dem Boom von ChatGPT, ihr habt es schon angerissen, stellt sich natürlich auch die Frage, wie funktioniert eine Bildung mit KI? Also wirklich KI -Tools in die Lehre als Werkzeuge einzubeziehen. Und das war auch eine der großen Fragen, mit denen ich mich im Projekt im Teach Lab, also in der Begleitforschung beschäftigt habe, in der ich dann nämlich mit den Lehrenden aus der Hochschule und auch aus dem Zaki -Projekt, dass wir uns immer wieder die Frage gestellt haben, okay, wie können wir hier das KI -Tool zielgerichtet in die Lehre integrieren, ohne Lernprozesse zu untergraben? Und eine Unterstützung für die Lernenden bieten zu können. Und so sind, wie David es auch schon gerade angerissen hat, zahlreiche Lehrveranstaltungen entstanden. Und da bestand meine Aufgabe vor allem in der didaktischen Fundierung und dann vor allem auch in der evidenzbasierten Weiterentwicklung dieser Formate. Also das bedeutet zum… Oder zwischen und zum Ende der Lehrveranstaltung gab es Evaluation, meist mittels Fragebögen oder Gruppeninterviews, wo ich wirklich mit den Studierenden ins Gespräch gegangen bin, um ihre Erfahrung zu erheben, dass wir dann im nachgehenden Semester unsere Lehrveranstaltung weiterentwickeln und anpassen können.

00:08:02 SPEAKER_02

Ich glaube, das ist extrem wichtig und wertvoll, auch die Erkenntnisse, die wir gesammelt haben, weil wir jetzt plötzlich halt wirklich ein Werkzeug haben, das nicht mehr für Spezialisten da ist, sondern was eben von jedem verwendet werden kann, was uns beim Schreiben hilft, beim Ideen generieren, beim Texte generieren und auch beim kompletten Abschlussarbeiten generieren. Also plötzlich in der breiten Masse. Und deshalb finde ich es super, dass wir die Möglichkeit haben, in dieser Begleitforschung einfach mal auch auf diese Masse zuzugehen, mit den Studis zu arbeiten und, David, wie du es gesagt hast, auch mit den Lehrenden zusammenzuarbeiten und da die Erfahrung auszutauschen. Ich möchte vielleicht nochmal aus meiner Sicht dann noch ergänzen. Wir haben jetzt gehört schon das AI Analytics Lab, was David vorgestellt hat, AI Teach, die Begleitforschung, die Lena vorgestellt hat. Projekt Zaki besteht in Summe aber auch noch aus zwei weiteren Laboren. Das ist zum einen das AI Social Labor, was sich vor allem mit Auswirkungen, Implikationen von KI auseinandersetzt, was extrem wichtig ist, weil wir müssen natürlich auch schauen, wie setzen wir selber

verantwortungsbewusst KI -Systeme ein. Und das können wir nur, wenn wir informiert darüber sind, welche Auswirkungen, welche Folgen sowohl für die Anwendung, für die Fachbereiche oder die fachlichen Anwendungen als auch gesellschaftlich im Großen davon ausgehen. Und daneben noch das AI Tech Lab, das sich mehr mit KI -Anwendungen auseinandersetzt. Also was sind so Anwendungsfälle? Wie kann man KI wirklich gewinnbringend auch einsetzen? Was sind vielleicht zukünftige Geschäftsmodelle, zukünftige Produkte, die sich daraus ergeben? Mich würde mal interessieren, was… Hat euch denn besonders Spaß gemacht in diesen ganzen Arbeiten, die ihr gerade genannt habt? Also was war vielleicht so ein Highlight von eurer Seite aus dem Projekt Zaki?

00:09:35 SPEAKER_03

Definitiv eins meiner persönlichen Highlights waren so die ersten Sommerschulen und dann jetzt auch der Coding Club. Ich kann mich auch daran erinnern, also gerade in den Sommerschulen, als wir dann auch angefangen haben, eigene Roboter zu programmieren mit Schülerinnen, die wir dann halt an die Hochschule eingeladen haben über eine ganze Woche. Das war schon extrem krass, wie schnell ich da sozusagen bei so einer Intensivbetankung einerseits bei den Schülerinnen sehen konnte, wie schnell die dazu gelernt haben und auch andererseits, wie schnell wir da dann tatsächlich auch Ergebnisse produziert haben. Das war… Für eine Woche, für mich, also ich habe die dann mehr oder weniger rund um die Uhr betreut. Das war extrem viel Arbeit. Also ich bin im Grunde immer nach der Arbeit sofort ins Bett gefallen, wieder aufgestanden, zurück in die Hochschule und habe dann weitergemacht. Ganz viele Dinge musste ich zwischendurch noch klären, ganz viele technische Probleme noch lösen. Das haben wir aber geschafft und am Ende stand halt eine Gruppe Schüler und Schülerinnen da und hatte eigene Roboter gebaut, programmiert, KI dafür trainiert, sodass sie automatisch Hindernissen ausweichen und Straßenverlauf folgen können und zum Beispiel Straßenschilder erkennen können und so weiter. Und eigentlich alle haben extrem viel dabei dazugelernt. Das war auch eine richtig tolle Atmosphäre, dann sozusagen in diesen Gruppen das zusammen zu machen. Leider muss ich halt sagen, also das war rein für mich nicht auf längere Zeit sozusagen handelbar, weil das ein extremer Anspruch war. Was wir dann eigentlich cleveres gemacht haben, wir haben diese eine Woche Druckbetankung im Prinzip auf fünf Wochen gestreckt und haben das jetzt als Coding Club hier in der Hochschule. Und das ist natürlich auch richtig toll zu sehen. Einmal pro Woche treffen wir uns dann und ich kann halt beobachten, wie die Leute eben auch in der Zwischenzeit, vielleicht über die Woche, so ein paar Kleinigkeiten gemacht haben. Ich sehe, woran sie scheitern, welche Fehler sie haben und wie sie dann diesen tollen Aha -Moment haben. Ganz oft bei Leuten, die mit dem Programmieren anfangen, die dann plötzlich was verstanden haben und dann funktioniert es auf einmal.

00:11:41 SPEAKER_02

Ja, okay, also wirklich an der KI arbeiten, aber auch mit Menschen zusammen an der KI arbeiten. Den Funken übertragen zu lassen auf die Schülerinnen. Ja, spannend. Was würdest du sagen, Lena? Was waren für dich denn die Highlights im Projekt?

00:11:55 SPEAKER_01

Also ich habe auch super viele Highlights für mich identifizieren können, aber vielleicht ein Highlight, was sich über die ganze Projektzeit gezogen hat, ist die super gute Zusammenarbeit im Team. Also man muss ja sagen, wir kommen alle aus unterschiedlichen Disziplinen, sei das jetzt… Informatik, Sozialwissenschaften, Elektrotechnik, Didaktik und so weiter. Und das war am Anfang vielleicht gar nicht so einfach, immer die gemeinsame Sprache zu finden. Aber wir wollten letztendlich alle zusammen an einem Ziel arbeiten. Und das war unglaublich wertvoll. Und ich habe dabei auch super viel gelernt. Und ich erinnere mich da immer sehr gerne an ein Beispiel. Und zwar saß ich mal mit David zusammen und habe ihm Evaluationsergebnisse vorgestellt. Und habe dann darüber gesprochen, wie aufwendig ist denn… doch ist, gerade bei Gruppeninterviews zu transkribieren und Anonymisierung vorzunehmen, weil das vornehmlich händisch gemacht wird. Und dann war David ganz erstaunt und meinte, hä, ihr habt dafür keine Softwarelösung? Ja, das kann ich euch bauen, KI -gestützt. Und daraus entstand dann unser kleines KI -Anonymisierungsprojekt, in dem wir sehr eng zusammengearbeitet haben. Ich wahnsinnig viel über Jupyter Notebooks und wie steuere ich ein Sprachmodell an und was sind Prompting -Techniken. gelernt habe und David vielleicht auch Einblicke in Datenerhebung und Auswertung bekommen hat. Und ich glaube, das war deutlich ganz gut, unsere gute Zusammenarbeit im Projekt, die sich gegenseitig eigentlich befruchtet hat, so gesehen. Und was wir auch nicht vergessen dürfen, was ein großes Highlight ist, ist das, was wir eigentlich alles geschafft haben im Projekt. Gerade jetzt auf die… Oder für die Zuarbeit zum Projektabschlussbericht hatte ich jetzt die große Übersichtstabelle nochmal gesehen und habe gesehen, okay, wir hatten über 30 Lehrveranstaltungen. Wir hatten zu den hochschuldidaktischen Wochen einen ganzen KI -Tag veranstaltet. Das ist unglaublich viele Formate, die wir da geleistet haben. Und ich glaube, wir haben damit auch viele Hochschulangehörige erreicht.

00:13:49 SPEAKER_02

Ich kann eigentlich nur vieles bestätigen, muss ich sagen. Also der Coding Club ist natürlich wirklich so ein Herzensprojekt und glaube ich auch einer, der nachhaltig ist, also den man auch ohne schlaflose Nächte, glaube ich, länger noch durchführen kann

und trotzdem diesen Funken erzeugen kann. Wie du es gesagt hast, ich finde auch diesen interdisziplinären Blick, den wir hier wirklich geleistet haben, der steht ja auch im Titel des Projektes mit drin, aber den konnten wir tatsächlich leben. Also weil wir, glaube ich, wirklich über die Fachbereiche hinweg auch Kontakte hatten, in den Lehraustausch getreten sind oder gemeinsam entwickelt haben. Also für mich hat sich das… persönlich auch immer wieder in den Hochschuldidaktischen Wochen so wieder gespiegelt. Das waren für mich auch immer so ein paar Highlights. Zum einen, weil ich noch gut selbst auch als teilnehmende Person verschiedene Aspekte mir angeschaut habe, außer Didaktikbrille. Das ist jetzt auch nicht mein Hintergrund. Ich komme ja auch mehr aus dem Ingenieurwesen heraus. Aber auch sich bewusst Gedanken zu machen, wie können wir unsere Inhalte in Hochschuldidaktischen Wochen darstellen. Also vielleicht für die Zuhörenden, wir haben immer einen Tag komplett gestaltet mit Inhalten aus dem Zaki -Projekt, wo es um Didaktik geht oder ging, wo es um neue technische Entwicklungen geht. Ja, unseren H2 -Chat zum Beispiel, also unser eigenes Sprachmodell, was wir hier hosten an der Hochschule, mit dem wir die Möglichkeit haben, eben auch didaktische Dinge zu machen. Also zum Beispiel ein Chatbot, der speziell angepasst ist für eine Lehrveranstaltung und darauf unterstützen kann. Eine Kollegin hat zum Beispiel ein Chatbot entwickelt, der bei der Karriereberatung unterstützen soll, also dann ein Gespräch führt. Genau, und das eben zum einen für uns einmal darzustellen, sodass es an die Lehrpersonen weitergegeben wird, mit der Aufgabe, dass diese wiederum das an die Studis weitergeben können in die Masse. Also zum einen, man hat einen riesen Hebel darüber, die Interessierten anzusprechen und damit auch wirklich unsere Ergebnisse dann weiterzutragen. Das war für mich definitiv ein Highlight. Letzt natürlich auch noch der Projektabschluss. Also beim Zusammentragen der Ergebnisse, da sieht man eigentlich, was in den Jahren einfach zusammengekommen ist. Wir haben ja in zehn Postern, in so einer kleinen Poster -Session, die wesentlichen Inhalte mal kompakt zusammengeführt. Und die kann man auch auf unserer Webseite kiandme, also kiandme .h2 .de, sich auch nochmal anschauen. Und man kann auch noch tiefer reingehen. Also für dieses Poster gibt es natürlich dann auch weitere Beiträge, wo das alles ausdetailliert ist. Und da haben wir auch nochmal sehr schön zusammengefasst, einfach was alles in dem Projekt passiert ist. Wir haben jetzt sehr aus Projektsicht gesprochen. Ich würde vielleicht den Blick nochmal gerne umdrehen und euch mal fragen, was waren denn so typische Fragen, die, vielleicht fangen wir mal bei den Studis an, die eigentlich von Studis an uns getragen wurden. Was sind so typische Probleme, mit denen sie an uns gekommen sind?

00:16:16 SPEAKER_03

Also ich muss eigentlich immer meine Inhalte immer so ein bisschen zweiteilen. Einerseits bin ich eben für viele Studierende so der Ansprechpartner, wenn es eben um Programmierung geht und um das Umsetzen von künstlicher Intelligenz. Und

andererseits bin ich auch ganz oft der Ansprechpartner, wenn es dann eben darum geht, wie können zum Beispiel jetzt Sprachmodelle, zum Beispiel JGBT und Co. eben im Alltag benutzt werden. Was dürfen sie da überhaupt und so weiter. Aus der Sicht von dem, ich sage jetzt mal Programmierlehrer, da ist eben so eine ganz große Fragestellung auch ganz oft, ob ich irgendwie zusätzliche Inhalte empfehlen kann oder irgendwie Inhalte empfehlen kann, wo man nochmal so einen großen Rundumschlag sozusagen über ganz viele KI -Grundlagen zum Beispiel auch bekommen kann. Deswegen habe ich mir eigentlich von Anfang an auch so gewünscht, dass wir so ein bisschen so einen Selbstlernkurs entwickeln können. Das haben wir jetzt auch endlich geschafft, noch kurz vor Ende. des Projekts. Ich glaube, das ist auch so die Empfehlung, die ich vielen Studierenden da an der Stelle immer wieder jetzt auch geben würde, dass so auf der einen Seite und auf der anderen Seite, da haben wir, wenn ich jetzt sozusagen als der Ansprechpartner für große Sprachmodelle für ChatGPT gesehen werde, kommt halt immer wieder die Frage, was darf denn überhaupt im Studium benutzt werden? Dürfen die denn sozusagen die Ausgaben von großen Sprachmodellen einfach so reinkopieren in ihre Bachelorarbeit, in ihre Hausarbeit und so weiter und so fort? Also da kann ich mich immer wieder ganz gerne auch darauf beziehen, dass es mittlerweile ja eigentlich schon einigermaßen gute Lösungen und Regelungen an der Hochschule gibt. Also gerade umgesetzt auch durch die Eigenständigkeitserklärung, die jetzt KI -Inhalte mit aufgenommen hat. Da gibt es schon ein paar gute Lösungen, aber im Groben und Ganzen muss ich da immer wieder darauf verweisen, dass sie sich im Zweifelsfall mit den Dozierenden oder den Prüfenden vor allem auseinandersetzen müssen, was die denn jetzt im Individualfall erlauben würden. Genau, und die Lehrenden, die kommen dann dementsprechend am meisten wirklich mit der Frage wiederum auf mich zu, was dürfen denn die Studierenden und wie sollen sie das handeln, wenn Studierende sie fragen, was für KI im Alltag und vor allem im Schreiben von Hausarbeiten benutzt werden darf, beziehungsweise wie sie das formulieren können. Und auch da weiß ich immer nicht so. 100 Prozent genau. Ich will den Leuten eben nicht vorschreiben, wie sie sozusagen ihre Lehrveranstaltungen, ihre Prüfungen gestalten sollen. Aber auf der anderen Seite kann ich auch immer nur dazu beraten, dass es im Zweifelsfall relativ schwierig ist, nachzuweisen, dass Studierende jetzt KI benutzt haben. Und auf der anderen Seite man vielleicht lieber die Fragestellungen, Aufgabestellungen so wählen sollte, dass eben nicht zu 100 Prozent das von KI gelöst werden kann, sondern eben immer noch ein eigener Anteil dann nachweisbar bleibt.

00:18:58 SPEAKER_02

Wirklich so dieser ganze Block, technische Unsicherheiten, also was ist eigentlich KI, was steckt da eigentlich dahinter? Damit kommst du natürlich aus deiner Rolle heraus und viele auf dich zugekommen. Und dann dieser große Block, rechtliche Fragen, ja. Wir haben natürlich viele Lehrmaterialien, wo man eben solche Sachen wie, was ist KI, wie

funktioniert das, natürlich gut darstellen kann. Aber diese rechtlichen Fragen oder auch die,

00:19:09 SPEAKER_03

Wir haben natürlich

00:19:17 SPEAKER_02

rechtlichen Fragen oder auch die, ich sag mal, Governance -Fragen, wie gehen wir damit um? Das sind ja auch Sachen, das sind Prozesse, die müssen wir begleiten. Da gibt es einfach noch nicht. Das fertige Pamphlet, was man sich anschauen kann, da kann man sich nur anschauen, was andere machen, muss aber sich auch anschauen, wie gehen vielleicht die Studis damit um, die vielleicht viel schneller auch damit einfach arbeiten und die Lehrenden, die eben plötzlich von der Realität gestellt werden. Genau, und da ging es auch viel darum, diesen Prozess zu begleiten.

00:19:42 SPEAKER_01

Also ich kann mit den Erfahrungen von David voll und ganz mitgehen. Also gerade in der Begleitforschung, wenn ich dann in den Evaluations -Settings die Studis bei mir habe, ohne dass die Lehrperson anwesend ist, kommen wir dann auch ganz oft in den Austauschen. Da wird auch immer wieder deutlich, dass es einfach wahnsinnig viel Unsicherheit und Sorgen rund um KI gibt. Also genau das, was David gerade schon angedeutet hat. Jetzt vielleicht auch nochmal für die nicht technischen Fachbereiche. Die stellen sich genau die gleichen Fragen. Also darf ich Chat -Chip -PT nutzen? Ist das dann schon ein Enttäuschungsversuch? Und darf ich dann wirklich mit KI was machen oder lieber nicht? Ach, dann mache ich es lieber nicht. Nicht, dass es ein Enttäuschungsversuch ist. Und dann kommen aber auch so Fragen der Fairness. Ich hatte es vor einiger Zeit. Da kam eine Studentin auf mich zu und meinte, naja, ich habe meine Prüfungsleistung ohne KI angefertigt. Ich weiß aber, die anderen haben es mit KI angefertigt. Wir werden am Ende alle gleich benotet. Wie kann denn das sein? Also so ganz große Fragen und Unsicherheiten. Natürlich auch Fairness im Zugang. Es gibt Studierende, die kaufen sich explizit lizenzpflichtige Versionen, um dann, naja, hoffentlich besser abzuschneiden in ihrer Wahrnehmung. Und was bedeutet das eigentlich für die Studierende, die nicht bereit sind, Geld auszugeben oder nicht bereit sind, OpenAI mit ihren Daten zu füttern? Da brauchen wir, wie ihr es auch schon angedeutet habt, einfach klare Rahmenbedingungen. Also zunächst wirklich erstmal die offene Gesprächskultur, dass Lehrende und Studierende zusammenkommen, sich für ihr Modul klare Regeln aufstellen, wie sie gemeinsam arbeiten wollen. Und dann im

nächsten Schritt wahrscheinlich auch eine hochschulübergreifende Empfehlung. Und ja, wir haben unsere KI -Richtlinien und die fangen schon mal erste Unsicherheiten ab. Aber die KI -Richtlinien richten sich ja vor allem auf das Schreiben von Hausarbeiten. Und Schreiben von Hausarbeiten ist ja nur ein ganz, ganz kleiner oder ein kleiner Teil im Studium, sodass da für das ganze Drumherum sicherlich noch Richtlinien entstehen sollten, einfach um Unsicherheit von Lehrenden und Lernenden aufzufangen.

00:21:43 SPEAKER_02

Genau, ja, die Empfehlungen, die es von der Hochschule gibt, vielleicht können wir die auch verlinken im Podcast, die sind ja, glaube ich, schon mal ein großer Schritt. Also es gibt ja auch viele Universitäten, auch in Magdeburg gibt es Universitäten, die noch keine solche übergreifende Richtlinien und Leitlinien haben. Das verändert sich ja auch sicherlich auch. Das merken wir ja bei den Hochschuldaktischen Wochen zum Beispiel. Da haben wir Workshops gegeben zum Recherchieren von Literatur. Und die Werkzeuge, die mussten wir eigentlich bei jedem Mal aktualisieren, weil es neue Funktionen gab. Plötzlich Funktionen, Bezahlfunktionen waren, die Verzeichnisse, also die Abstimmung mit den Verlagen, die ihre Literatur zu liefern, auch sich im Hintergrund geändert haben. Also sicherlich nichts, was man pauschal beantworten kann. Das heißt zum einen, dass natürlich solche Empfehlungspapiere sich auch weiterentwickeln müssen. Zum anderen, dass man einfach in den Austausch treten muss und sagen muss, was benutzt du denn eigentlich gerade? Ich glaube, da waren in Hochschuldaktischen Wochen, aber auch in den Seminaren zum wissenschaftlichen Schreiben, glaube ich, immer gute Anlässe, um in diesen Austausch zu kommen. David, kannst du das bestätigen?

00:22:38 SPEAKER_03

Ja, genau. Also wir alle im Team werden immer wieder gefragt, was benutzt ihr denn persönlich? Also wir stellen auf der einen Seite eben in unseren Seminaren verschiedenste Werkzeuge vor und ich achte zumindest immer sehr stark darauf, keine konkreten Empfehlungen zu geben, weil ich eben nicht eine Werbeveranstaltung für irgendein kommerzielles Produkt machen möchte, sondern im Groben und Ganzen sozusagen ein bisschen einen Überblick geben will, was geht. Genau, und dann kommt hinterher immer die Frage, ja, was benutzt du denn selber? Da habe ich jetzt auch in den letzten Wochen so ein bisschen nochmal so drüber nachgedacht und tatsächlich mich mal beobachtet, was benutze ich denn selber? Und ich muss halt sagen, ich habe eigentlich meine KI -Benutzung in den letzten drei Jahren kaum verändert, obwohl halt extrem viel neues Zeug hinzugekommen ist. Ich sehe also gerade, was diese Sprachmodelle angeht. Die haben halt klare Vorteile in der Umformulierung von Dingen, im Übersetzen von Dingen und dann eben in der Autovervollständigung von so Texten, die man hat. Also zum Beispiel, dass sie aus einem Stichpunkt einen Satz machen und

so weiter und so fort. Tatsächlich, wenn ich KI benutze, ist… Meine Hauptverwendungsspecke sind diese drei Punkte. Manchmal noch ein bisschen Recherche, das hat sich noch in letzter Zeit weiterentwickelt. Aber im Großen und Ganzen benutze ich wirklich sehr zielgerichtet eigentlich Sprachmodelle für sehr kleine Aufgaben im Groben und Ganzen. Also ich lasse selten einen kompletten Text schreiben. Ich schreibe eigentlich fast immer meine Stichpunkte vor, lasse die dann ausformulieren oder eben schreibe, ich sage jetzt mal, freie Schnauze. irgendwas hin und lasse es dann auch professionell umformulieren, um das dann in irgendwelche Anträge reinpacken zu können. Das ist so mein persönliches Benutzungsfeld. Genau das Gleiche gilt zum Beispiel auch ganz, ganz stark in der Programmierung. Also ich benutze Sprachmodelle zum Programmieren. Da hat sich aber auch in den letzten Jahren sehr viel getan. Also man kann jetzt im Prinzip prompten und bekommt ein komplettes Programm raus. Ich habe es bisher noch nie erlebt, dass ich mit dem Ergebnis wirklich zufrieden war. Für die meisten Studierenden ist es natürlich ein richtig toller Einstieg. Für mich sage ich es immer mit Programmiererfahrung. Ich sehe da ganz schnell sozusagen Dinge, die ich anders gemacht hätte, die ich meiner Meinung nach auch besser mache, weshalb es dann eigentlich auch dazu übergeht, dass ich Sprachmodelle im Programmieren überwiegend zum automatischen Vervollständigen benutze. Da merkt man dann auch ganz schnell, also eigentlich am besten funktionieren die Sprachmodelle, die lokal laufen, die sehr klein sind, die sich meinen Code angucken und dann eben vorhersagen. Die Person, die programmiert so und so. Den Codeschnipsel, der jetzt hier gerade anfängt, den habe ich da drüben schon mal gesehen. Ich schlage das mal vor, dass er sozusagen hier den Code nochmal benutzen kann. Und das ist auch das, was ich wirklich im Alltag ständig benutze. Das ist natürlich KI -geschützt, das ist aber natürlich vielleicht nicht so die Vorstellung, die die meisten Leute jetzt gerade von ChatGPT -basiertem Programmieren oder sowas haben, sondern das ist eigentlich so ein ganz kleines Helferlein, was irgendwie im Hintergrund läuft, wo ich eigentlich schon fast vergesse, dass es da ist. Da sind die Möglichkeiten mittlerweile natürlich auch extrem. Also mittlerweile sind diese Modelle auch richtig gut. Also die passen gleich automatisch den Code, den ich gerade schreibe, an, sodass er an der Stelle, wo ich bin, Sinn ergibt. Und natürlich können auch wirklich Basisdokumente und so weiter. gleich erstmal angelegt werden und dann gehe ich hinterher rein und bearbeite Dinge nach. Aber wie gesagt, ich benutze es tatsächlich relativ zielgerichtet mehr wie so ein Skalpell als wie eine Axt zum Fällen vom Baum.

00:26:07 SPEAKER_02

Axt zum Fällen vom Baum. Du hast ja jetzt gesagt, beim wissenschaftlichen Schreiben hat sich jetzt über die letzten zwei, drei Jahre gar nicht so viel verändert bei dir. Hängt ja auch sicher damit zusammen, wie man es verwendet. Da können wir vielleicht zum Ende auch nochmal drauf kommen. Beim Programmieren schon eher, ja? Auch wenig.

00:26:18 SPEAKER_03

wenig. Also die Werkzeuge, die gab es auch. Die sind nur im Hintergrund so ein kleines bisschen besser geworden.

00:26:21 SPEAKER_02

nur im Hintergrund so ein kleines bisschen besser geworden. Also ich glaube, ich glaube, das ist ein Punkt, das kann ich vielleicht auch ein Projekt daraus sagen, da haben wir tatsächlich auch viel zu tun. Also auch mit der IT, mit dem ITM haben wir sehr viel zu tun gehabt, die aktuellsten Tools dann einfach zum Laufen zu bekommen und die auszuprobieren. Und wir haben gerade über die Art und Weisen gesprochen, wie man damit umgeht. Man kann natürlich immer das neueste Tool verwenden, kann aber auch schauen, okay, man hat seine Kernprozesse, das Programmieren zum Beispiel, und lässt sich nur dabei unterstützen. Ja, da werden wir, glaube ich, von der Realität aus ein bisschen eingeholt. Wie lange dauert das, bis man so einen… IT -Tool installiert hat und das wirklich am Laufen hat und das auch so stabil vor allem, dass wir es in der Lehre verwenden können. Und das sind einfach so Dinge, die brauchen.

00:26:56 SPEAKER_03

Genau, das ist auch das. Also ich benutze zwar immer eigentlich die aktuellsten Modelle, gerade auch die aktuellsten Open -Source -Modelle. Ich habe aber mein Nutzungsverhalten kaum verändert. Also ich merke nur, dass gelegentlich mal ein Ergebnis besser ist, aber ich verlasse mich nicht dadurch mehr auf die KI -Werkzeuge, dass sie besser werden. Vielleicht hat Lena an dich einmal gefragt,

00:27:14 SPEAKER_02

hat Lena an dich einmal gefragt, aus Perspektive der Personen, die das anwenden aus der Sicht der Lehrenden und der Studierenden. Hast du das Gefühl gehabt, in den letzten Jahren hat sich was verändert im Einsatz? Wir hatten ja jetzt vom wissenschaftlichen Schreiben gesprochen, auch vom Programmieren.

00:27:29 SPEAKER_01

Also gerade im Bereich Programmieren hat sich in meiner Zeit hier in der Hochschule viel verändert. Also wir haben uns erstmal ganz grundlegende Fragen gestellt, dahingehend, wann setzen wir in der Lehre überhaupt KI -Tools als Hilfsmittel für die

Studis ein? Und da auch verschiedene Sachen ausprobiert, also hin zu einem Parallelansatz, nenne ich es mal. Die Studis erlernen die Theorie und dürfen dann gleich in der Praxis das KI -Tool nutzen. Natürlich mit der Gefahr, dass hier Lernprozesse abgekürzt werden, aber auch mit dem Vorteil, dass sie sehr schnell ergeben werden. erzielen. Wir haben aber auch andere Ansätze ausprobiert, indem die Studierenden erst die Inhalte per Kopf so gesehen erlernen mussten und dann später das KI -Tool an die Hand gestellt bekommen haben. Also ähnlich zu dem, wie man es in der Schule kennt, erst wird das Kopfrechnen trainiert und dann kommt später der Taschenrechner. Was wir aber gesehen haben in einem vergleichenden Test über verschiedene Lehrveranstaltungen mit verschiedenen Integrationsniveaus von KI -Tools in die Lehre ist, dass die Studis, wenn es ihnen freigestellt ist, KI -Tools nutzen. Und zwar ganz unabhängig davon, ob diese in der Lehrveranstaltung integriert waren oder nicht. Wir hatten zum Beispiel im ingenieurswissenschaftlichen Bereich eine Lehrveranstaltung im Bereich Data Science, wo keine KI -Tools im didaktischen Design integriert waren. Einfach aus der Überlegung heraus, okay, die… Angehenden Ingenieure sollen wirklich die harten Kompetenzen des Programmierens erlernen. Und da haben wir im Anwendungstest gut gesehen, dass doch die Hälfte dann zu ChatGPT greift, wenn es möglich ist. Also eine ganz wesentliche Erkenntnis, die Tools sind längst im Hörsaal angekommen und wir können sie auch nicht aussperren, die Studierenden nutzen es. Und da ist vor allen Dingen die Frage, wie nutzen sie es eigentlich? Und das haben wir auch in unserer Begleitforschung verstärkt angeguckt und zwar zunächst im Coding Club. Vielleicht nochmal zum Hintergrund, der Coding Club, das ist unser extra curriculares Lernangebot, in dem Studierende selbstständig bzw. in Gruppen eigene KI -Anwendungen umsetzen und dabei auf die Hilfe von KI -Tools zurückgreifen können. Und hier haben wir gesehen, ja, die Studierenden nutzen die KI -Tools, auch wieder hier vor allem ChatGPT, die nutzen das aber sehr. zielgerichtet. Also sei es, sie wollen Erläuterung zu bestehenden Code, den sie vielleicht in Dokumentation gefunden haben. Sie wollen ihre Fehler beheben und vielleicht auch erklärt bekommen, um so möglichst effizient ihre Aufgaben zu lösen. Was die Studierenden dann darüber berichtet haben, ist, dass das ihre Selbstwirksamkeit sehr gestärkt hat. Also gerade bei den Studierenden ohne Vorerfahrung im Programmierbereich hat diese KI -Unterstützung einfach dazu geführt, dass sie gemerkt haben, ja, Es ist gar nicht so mystisch, wie man es sich vielleicht als Nicht -Informatiker oder Nicht -Programmierer vorstellt. Es ist eigentlich ziemlich gut machbar und das hat mich persönlich auch sehr gefreut, wenn mir Studierende berichtet haben, die eigentlich mit MINT abgeschlossen haben, dass sie durch den Coding Club Aufgeschlossener der Informatik oder dem Data Science gegenüberstehen. Das waren unsere Ergebnisse aus dem Coding Club. Also dass es sowas gibt wie eine KI -gestützte Handlungsfähigkeit, also mit KI zielgerichtet zum Ziel zu kommen. Das Gleiche haben wir auch nochmal in einer Wahlpflichtveranstaltung untersucht. Also hier der Unterschied, diese Veranstaltung ist wirklich fest im Curriculum verankert, beziehungsweise kann gewählt werden, ist nicht so freiwillig wie der Coding Club. Und hier haben wir eine ganz deutliche Differenzierung gesehen. Also

es gibt die Studis, die nutzen die KI -Tools so, wie ich es gerade beschrieben habe. sehr reflektiert, sehr zielgerichtet. Und wir haben auch gesehen, dass diese Studis tatsächlich auch Fähigkeiten in der Python -Programmierung aufgebaut haben. Und im Gegensatz dazu gibt es dann halt aber auch die Studis, die die KI -Tools, naja, für klassische Copy -Paste -Ansätze nutzen. Das bedeutet Datensatz, Aufgabenstellung, alles wieder zum meisten Chat -GPT rein. Ausgabe kommt raus, Ausgabe kopieren. Und diese Studis haben wir dann auch später gesehen. unserem Anwendungstest, die bauen halt keine Fähigkeiten und Fertigkeiten in diesem Feld auf, einfach weil sie sich durch KI oder durch die KI -Unterstützung die Möglichkeit nehmen, selbst diese Fähigkeiten überhaupt zu erproben oder sich erstmal auszuprobieren. Damit haben wir vielleicht auch den Knackpunkt, der uns in der Lehre immer wieder beschäftigt. Also KI irgendwo zwischen Unterstützung und dem Abnehmen von Lernprozessen.

00:31:40 SPEAKER_02

Ja, das sind ja extrem spannende Erkenntnisse. wirklich direkt aus dem Projekt und aus der Befragung gekommen sind, die sich aber auch gut decken mit anderen Studien, die dazu angefertigt wurden. Und ja, wie du es gesagt hast, man kommt eigentlich nicht mehr umher, sich damit auseinanderzusetzen, gerade als Lehrperson. Sei es, um es halt wirklich gezielt einzubinden oder eben auch gezielt zu sagen, nein, ich bin das jetzt eben mal nicht ein, wie du es dir gesagt hast, um dieses kognitive Outsourcing eben zu verhindern. Aber eben auch zu wissen, man kann es für eine Selbstwirksamkeit eben auch sehr gut einsetzen. Das hat sich, glaube ich, über die Jahre sehr gut ergeben und das ist definitiv, was passiert ist. Wenn ich jetzt nochmal aus Lehrendenperspektive nachdenke, muss ich sagen, so die Fragen, die heute kommen, sind auch gar nicht so anders als die Fragen von vor zwei, drei Jahren. Ich würde aber nicht sagen, weil wir uns nicht weiterentwickelt haben, sondern ich glaube eher, weil die Spannbreite so groß ist. Also weil wir immer noch Personen haben, die vielleicht an anderer Stelle sind, die vielleicht noch wenig Erfahrung selber auch im Umgang damit haben und andere, die schon ein bisschen weiter sind. Und ich glaube, da konnten wir definitiv auch über diese Formate, die wir in Hochschuldaktischen Wochen beispielsweise geleistet haben. im Hochschulforum, in Science Day und so weiter, an der Hochschule einen Beitrag leisten, das weiterzumachen. Aber ich glaube, das muss man kontinuierlich auch weitermachen. Vielleicht können wir damit ja schon mal ein bisschen Richtung Ausblick gehen. Also wenn wir jetzt diesen Vergleich sehen, was ist in den Jahren passiert? Was ist denn eure Einschätzung? Was denkt ihr denn? Haben wir uns denn als Hochschule weiterentwickelt? Oder könnten wir schon sagen, wir haben als Hochschule sogar schon gelernt, mit KI umzugehen? Und wieso?

00:33:07 SPEAKER_03

Ich? Ich bin auf der einen Seite der Meinung, dass noch sehr, sehr, sehr viel Bedarf da ist, das weiterhin zu entwickeln. Auch wenn jetzt das Zaki -Projekt vorbei ist, es gibt ja Folgeprojekte, die im Prinzip den Staffelstab dann auch irgendwo aufgreifen und weitertragen wollen. Da glaube ich schon, dass sich da noch ganz viel mehr tun kann. Andererseits, also gerade den Umgang mit großen Sprachmodellen, was ja eben wirklich sehr viele Bereiche auch beeinflusst, da sehe ich schon… dass sich richtig viel getan hat. Und zwar kann ich halt klar sagen, dass viele Lehrende in eigentlich allen Fachbereichen, wenn es eben um das Thema wissenschaftliches Arbeiten geht, also wenn tatsächlich das Thema des wissenschaftlichen Arbeitens selbst gelehrt wird, dann greifen mittlerweile viele Lehrende eben auf Dokumente, die wir als Zaki entwickelt haben über die Zeit, zu, gucken dann auch teilweise ein bisschen weiter, also was hat sich vielleicht in letzter Zeit verändert und nehmen das Ganze dann eben auch in das Thema wissenschaftliches Arbeiten mit. Das hat sich zu einem neuen Standard entwickelt, der mittlerweile in dem Bereich des wissenschaftlichen Arbeitens immer wieder aufgegriffen wird. Das konnte ich einfach während meiner Zeit im Zaki auch klar beobachten, also dass das immer mehr wurde. Also die Erkenntnis dafür, dass es eben in diesem Bereich gebraucht wird, dann eben die Suche nach Hilfe, wo sich dann oft eben ans Zaki gewendet wurde und dann eben das Aufnehmen und Weiterführen an dem, was wir als Startpunkt sozusagen gelegt haben. Und ich glaube, das verbessert definitiv die Hochschullehrer eben gerade im Thema Verwenden von Sprachmodellen.

00:34:40 SPEAKER_02

Also man muss diese Erkenntnisse aus den Studien irgendwie übersetzen in ganz konkrete Hinweise, Tipps. Wie muss man didaktisch wirklich damit umgehen? Ja, wir haben nur einen kurzen Einblick gegeben, aber ich glaube, die Studien zum einen, die findet man auch auf kionmi .h2 .de, die du genannt hattest. Und auch die Lehrmaterialien, die du gerade angesprochen hast, David, die finden wir auch auf kionmi .h2 .de. Was denkt ihr? Worauf müssen sich vielleicht Lehrende in Zukunft fokussieren oder was würdet ihr vielleicht den Lehrenden auch mitgeben für die Zukunft im Kontext Lehren und Umgang mit KI?

00:35:11 SPEAKER_01

Ich glaube, was wir jetzt auch schon in den Jahren von Zaki mitbekommen haben, ist, KI ist ein sehr, sehr dynamisches Feld, an dem sehr, sehr viele Disziplinen beteiligt sind. Also ich glaube, so alte Vorstellungen von Hochschullehrer, von wegen, es wird einmal das Material vorbereitet und das wird gelehrt, sind in Zeiten von KI hinfällig. Aber wir wissen ja auch nicht, was in Zukunft kommt. Und für eine Zukunft auszubilden, die wir nicht kennen, ist ja genauso schwierig. Und deshalb finde ich in dem Zusammenhang das Konzept der Zukunftskompetenzen sehr spannend, die davon berichten, dass das

Ziel der Lehre sein sollte, Studierende für eine Welt mit KI auszubilden. Das bedeutet also, die notwendigen Fähigkeiten und Fertigkeiten zu haben, sich in einer Welt mit KI zurechtzufinden, mit den beteiligten Akteuren zu kommunizieren und auch die eigenen Handlungen zu verfolgen. In dem Sinne sollten wir als Hochschule insbesondere Wert darauf legen, dass wir so Fähigkeiten wie Problemlösefähigkeit, kritisches Denken, Reflektionskompetenzen, aber auch die Fähigkeit, Verantwortung zu übernehmen, langfristig fördern. Und gleichzeitig hat es, glaube ich, auch gezeigt, dass wir die institutionellen Strukturen brauchen. Also wir brauchen klare Ansprechpartner, sei es in dem Bereich Technik, hinsichtlich der Frage, wie funktioniert eigentlich was und warum funktioniert das nicht. Aber genauso rechtliche Beratung, also jetzt gerade mit dem EU -AI -Act, was ist möglich, was ist nicht möglich. Und von daher denke ich, dass wir mit KI auf jeden Fall weitergekommen sind an der Hochschule, also gerade weil es sprechbar geworden ist und wir viel in Austausch getreten sind, aber auch noch viel getan werden muss.

00:36:46 SPEAKER_03

Vieles, was Lena eben gerade schon gesagt hat, kann ich auch nur bestätigen, um das Ganze mal ein bisschen konkret zu fassen. Ich finde, dass halt sehr, sehr viele Entwicklungen im KI -Bereich, aber allgemein auch wirklich dadurch, dass der KI -Bereich jetzt auch alle Bereiche irgendwo nochmal wieder betrifft, dadurch, dass eben dieser Informatikbereich auch alle anderen Bereiche jetzt stärker betrifft als zuvor, sind ganz viele Fachbereiche, die Vielleicht sich daran gewöhnt hatten, dass sie eben Lehrinhalte für mehrere Jahre oder sogar Jahrzehnte wiederverwenden können. Plötzlich damit konfrontiert, dass sie eben… aktuelle Entwicklungen, das ist halt so ein Thema, zum Beispiel in der Informatik müssen halt aktuelle Entwicklungen eigentlich immer wieder neu in die Lehre reingebracht werden. Es muss deutlich interaktiver mit den Studierenden umgegangen werden, also deutlich projektorientierter auch umgegangen werden. Das sind halt Dinge, die treffen jetzt gerade ganz, ganz viele Lehrende, nicht nur an der Hochschule, also wirklich global. Ich glaube, da muss eben diese… das Bewusstsein dafür entstehen, dass selbst wenn heute noch eine Übung funktioniert, kann man nicht sagen, dass nicht vielleicht nächste Woche oder nächsten Monat. dann ein Werkzeug da ist, was für den ein oder anderen cleveren Studierenden die Möglichkeit bietet, eben diese komplette Aufgabe im Prinzip auszusourcen. Ich bin trotzdem nicht der Meinung, dass wir irgendwie Prüfungsformate abschaffen sollten. Ich bin eher der Meinung, dass wir vielleicht die Anforderungen ein bisschen steigern müssen, auch an vielen Stellen, weil eben neue Werkzeuge rauskommen, die bestimmte Schritte erleichtern und auf der anderen Seite wir dann eben den eigenen Anteil immer wieder sozusagen mit reinbringen müssen. Das geht natürlich nur, wenn wir ständig am laufenden Strang bleiben, immer ständig aktuelle Entwicklungen immer wieder neu aufnehmen. Konkretes Beispiel, wir sehen es jetzt gerade in den Sprachmodellen, Tool

Use ist jetzt so der große neue Schwung. Vor wenigen Monaten hatten wir das noch, dass wir in Übungen gesagt haben, also… gehört haben ganz oft, ja, ich mache einfach hier und da meine Rechenaufgabe drin, da ist der GPT so schlecht drin, dass die Studierenden das dann gar nicht mehr benutzen. Jetzt haben wir Tool Use in allen Modellen drin, das heißt, das Sprachmodell sucht sich die korrekte Rechenvorschrift von Wikipedia, nimmt die rein, implementiert die dann im Hintergrund in Python Code, lässt dann die Berechnung ausführen und gibt einfach das Ergebnis zurück. Das ist so eine Entwicklung, die hatten wir, die war eigentlich schon erwartbar, die war auch schon vor einem Jahr oder zwei Jahren sogar irgendwo… Absehbar, jetzt ist es halt passiert, jetzt müssen natürlich alle, die sich vorher darauf zurückgelehnt haben, ja, es kann ja eh nicht rechnen, müssen sich natürlich jetzt Gedanken dazu machen, wie sie damit neu umgehen. Und ich glaube, das ist etwas, das sehen wir jetzt noch eine ganze Weile lang. Ich glaube aber auch, dass wir uns so langsam auf so einem Plateau zu bewegen, wo wahrscheinlich die Entwicklung ein bisschen langsamer wieder werden wird. Dann geht es, glaube ich, eher darum, dass wir dann beobachten werden, dass… Dinge, die schon existieren. Also wie gesagt, der KI -Hype wird ja früher oder später so ein bisschen absterben. Es gibt nicht unendlich viel Geld, was reingepumpt werden kann. Nicht unendlich viele Ressourcen, wie groß diese Modelle noch werden können. kommen so ein bisschen auf so ein Plateau zu und dann wird wahrscheinlich eher interessant, wie integriert jeder einzelne Bereich jetzt die neu entstandenen Werkzeuge, die wir heute schon sehen, in halt spezielle Anwendungen in ihrem Bereich. Und das wird dann natürlich wieder einen ganz großen Aufschwung in allen anderen Fachbereichen geben, wo dann natürlich neue Forschungsfelder angestoßen werden, wo neue Forschungen entstehen, die dann natürlich auch gelehrt werden müssen.

00:40:14 SPEAKER_02

Ja, ich muss auch sagen, ich freue mich schon ein bisschen drauf, wenn der Hype vielleicht ein bisschen weniger ist und man vielleicht die einzelnen Werkzeuge mehr für das sieht, was sie sind, eben Werkzeuge und dann mit ein bisschen besonderem Blick vielleicht auch einfach schaut, wo ist es sinnvoll und wo eben nicht. Nochmal so auf die Lehre bezogen, nehme ich jetzt so von euch beiden auch so ein bisschen mit, okay, wir müssen uns anpassen, wir dürfen nicht stehen bleiben, wir müssen uns natürlich ungeständig anpassen. Ich glaube aber auch, dass man an vielen Stellen sich auch ein bisschen besinnen muss auf das, was eigentlich Kernkompetenzen sind. Also man muss sich anpassen, auch nicht nur wegen KI, sondern weil sich natürlich die Welt auch weiterentwickelt. Also das ist ja nicht nur KI getrieben. Und genauso muss man deshalb auch sich darauf besinnen, was sind eigentlich unsere wirklichen Kernkompetenzen, was, und Leland, du hast es ja schon gesagt, was muss man in Richtung Problem lösen können, was muss man in Richtung kritischem Denken können und kennen. Natürlich immer im Kontext, was muss ein Ingenieur kennen, was muss eine personelle soziale

Arbeit kennen im Umgang damit. Und sich ein bisschen darauf besinnen, weil ich glaube, viele Dinge, das, was du gesagt hattest, David, wir müssen die Eigenleistung irgendwie prüfen, die kriegt man dann, glaube ich, wieder ganz gut raus, wenn man sich darauf besinnt und das Design so ein bisschen darauf bezieht. Ja, ich glaube, der Satz der Fester ist eigentlich schon richtig gut zusammen,

00:41:25 SPEAKER_03

eigentlich schon richtig gut zusammen, in welche Richtung wir weitergeben. Ich glaube, das ist auch das, was wir als Zaki eigentlich den Studierenden und Lernenden der Hochschule und auch darüber hinaus jetzt noch weitergeben wollen. Ich habe mich gefreut, hier vier Jahre eben in diesem Feld tätig sein zu dürfen, ganz viele neue Leute kennenzulernen, ganz viele Studierende dabei zu unterstützen, ganz viele Lehrende dabei zu unterstützen, Dinge komplett neu zu denken. Ich hoffe, dass das natürlich dann auch in Zukunft weitergetragen wird.

00:41:51 SPEAKER_01

Dem kann ich mich nur anschließen. Ich möchte mich auch für die Zeit… Zum einen Zaki -Projekt bedanken, aber auch für das entgegengebrachte Vertrauen von den Lehrenden und von den Studierenden, die sich mit uns auf die Reise der KI begeben haben und auch bereit waren, was auszuprobieren. Und ich hoffe, dass wir das auch in Folgeprojekten noch weiter so fortführen können.

00:42:10 SPEAKER_02

Vielen Dank, David. Vielen Dank, Lena, für diese spannenden Einblicke auch nochmal zusammenzufassen. Wirklich komprimiert, was haben wir in diesen ganzen Jahren geschafft. Wir konnten bei weitem nicht alles erwähnen, deshalb wirklich nochmal der Hinweis, auf KI & Me die Webseite zu schauen. Da haben wir viele dieser Inhalte auch vertiefend abgebildet. Und ja, ich freue mich auch, gemeinsam mit oder auch ohne KI in die Zukunft zu gehen. Dann vielen Dank auch an alle Zuhörenden, dass sie uns begleitet haben hier im Podcast. Alles Gute!

00:42:38 SPEAKER_00

Der KI Insights Podcast ist eine Initiative des Projekts SACI, der zentralen Anlaufstelle für innovatives Lehren und Lernen interdisziplinärer Kompetenzen der KI der Hochschule Magdeburg -Stendal, gefördert vom Bundesministerium für Bildung und Forschung.