Künstliche Intelligenz (KI) ist ein wesentliches Thema in der Berufsbildung, denn sie führt zu signifikanten Veränderungen in der Arbeitswelt. Bereiche wie New Work, Nachhaltigkeit und Regulierungen gewinnen zunehmend an Bedeutung. Es wird erwartet, dass KI-Technologien nahezu alle Berufsfelder beeinflussen, wobei die Auswirkungen je nach Bereich variieren. Die Veränderungen reichen von der Automatisierung bestimmter Aufgaben bis hin zur Entstehung neuer Berufe, was eine Verschiebung der erforderlichen Kompetenzen mit sich bringt. Dabei gewinnen technische, soziale, emotionale und methodische Fähigkeiten an Bedeutung, während einfachere Grundfertigkeiten, insbesondere manuelle Dateneingabe, weniger nachgefragt werden (Seufert et al., 2021; Taccle AI, 2023; World Economic Forum, 2023).

Seit Ende 2022 stehen Schulen, Hochschulen und Universitäten vor neuen Herausforderungen im Umgang mit textgenerativen KI-Tools. Das Team der Lehrenden beobachtete ein Spektrum von Ablehnung bis hin zur Entwicklung einer neuen Kulturtechnik und dem produktiven Einsatz dieser Werkzeuge. Dies führte zur Fragestellung, wie KI konstruktiv und kritisch-reflektiert in der Hochschullehre eingesetzt werden kann. Auf dieser Basis entwickelte und evaluierte das Team für das Studienjahr 2023/24 drei spezifische Lehrkonzepte in verschiedenen Lehrveranstaltungen.

Dieses achtsemestrige Bachelorstudium bereitet die Studierenden gezielt auf eine Laufbahn als Lehrperson für berufsbildende mittlere und höhere Schulen, insbesondere HAK/HAS, HLW und Tourismusschulen, in den Unterrichtsfächern wie z. B. Officemanagement und angewandte Informatik, Medieninformatik sowie IT Business & Creative Solutions, vor. Im Berufsbildungsmaster „Erwachsenbildung“ erweitern die Studierenden ihre forschungs- und fachwissenschaftlichen Kompetenzen für den Unterricht in der Sekundarstufe Berufsbildung. Studierende beider Studiengänge sind mit jener Zielgruppe von Schüler:innen konfrontiert, auf welche sich die veränderten Berufsbilder durch den Einsatz von KI in der Arbeitswelt massiv auswirken werden. Daher müssen diese Studierendengruppen zu KI-kompetenten Lehrpersonen ausgebildet werden, um

1. zu erkennen, für welchen fachlich inhaltlichen Beitrag KI-Tools zur Lösung von Problem- und Aufgabenstellungen herangezogen werden können.
2. KI-Tools zielgerichtet zur Lösung von Problem- und Aufgabenstellungen im schulischen und unternehmerischen Kontext kritisch-reflektiert anzuwenden.
3. ethische und rechtliche Herausforderungen und Fragestellungen im Zusammenhang mit der Nutzung von KI-Tools zu identifizieren und zu diskutieren.

Die drei Lehrkonzepte stützten sich auf das Konzept der Media and Information Literacy, um Medien- und Informationskompetenzen in drei zentralen Bereichen zu fördern (UNESCO 2021, S. 20 ):

• Wissen und Verständnis der Relevanz von Informationen, Medien und digitaler Kommunikation für nachhaltige Entwicklung, Frieden und gesellschaftliche Teilhabe in -demokratischen Gesellschaften.
• Bewertung und Evaluation von Inhalten und zugehörigen Institutionen.
• Gestaltung und Nutzung von Inhalten.

Die Bloom’sche Lernzieltaxonomie und das Konzept des Constructive Alignment nach Biggs bieten den hochschuldidaktischen Rahmen, indem sie Lernziele, -aktivitäten und Leistungsüberprüfungen aufeinander abstimmen (Anderson et al., 2001; Biggs, 2003)

Lehrkonzept 1 – Prompt-Engineering

Ziel des Lehrkonzept ist es, Studierenden die Grundlagen des Prompt-Engineerings nahezubringen und sie dazu zu befähigen, eigenständig Prompts zu entwickeln, die zu qualitativ hochwertigen Ergebnissen mit textgenerativer KI führen. Zu Beginn werden die Studierenden in das Konzept des Prompt-Engineerings eingeführt. Anschließend stehen praktische Übungen im Fokus, bei denen Prompts für spezifische Anwendungsfälle erstellt werden, wie etwa den Schriftverkehr im Zuge eines Kaufvertragsabschlusses. Die von der KI generierten Ergebnisse werden kontinuierlich anhand von Kriterien wie Relevanz, Kohärenz, Plausibilität und Korrektheit bewertet. Diese Evaluation dient dazu, die Prompts schrittweise zu optimieren und ein optimales Ergebnis zu erzielen, beispielsweise bei der Erstellung eines Angebots in einem vorgegebenen Geschäftsszenario. Die Reflexion des Prozesses, einschließlich aller erstellten Prompts und der KI-Ergebnisse, findet im Plenum statt, um die genannten Kriterien abschließend zu bewerten und die Effektivität dieser KI-gestützten Methode zu reflektieren und diskutieren. Am Ende wählt die Studierendengruppe gemeinsam denjenigen Prompt aus, der das beste Ergebnis erzielt hat.

Lehrkonzept 2 – Fact-Check

Das Lehrkonzept Fact-check zielt darauf ab, die kritische Auseinandersetzung mit den Ergebnissen textgenerativer KI zu fördern, insbesondere im Kontext spezifischer Fachinhalte wie beispielsweise der Methodenbeschreibung der Direkten Instruktion. Studierende lernen, die von der KI generierten Inhalte systematisch mit einschlägiger Fachliteratur abzugleichen, um Diskrepanzen und Übereinstimmungen zu identifizieren. Ein wesentlicher Bestandteil ist die sorgfältige Dokumentation der Unterschiede zwischen den KI-Ergebnissen und den Informationen aus der Fachliteratur. Diese Analyse wird im Plenum vorgestellt und diskutiert, wobei ein besonderes Augenmerk auf die Glaubwürdigkeit der KI-generierten Informationen gelegt wird. Die Reflexion über die vorgefundenen Ergebnisse ermöglicht eine tiefergehende Auseinandersetzung mit der Frage, inwiefern die KI als Hilfsmittel in wissenschaftlichen Kontexten dienen kann oder möglicherweise irreführende bzw. falsche Fakten liefert. Ziel ist es, ein kritisches Verständnis für die Möglichkeiten und Grenzen der textgenerativen KI in der Wissensvermittlung und -überprüfung zu entwickeln.

Lehrkonzept 3 – AI-Cooperation

Das Lehrkonzept AI-Cooperation stellt die Zusammenarbeit mit KI-Tools in den Mittelpunkt und fördert die Integration von KI in die Bearbeitung fachwissenschaftlicher Themen und darauf abgeleiteter Studienaufträge im Rahmen von Gruppenarbeiten, wie zum Beispiel die Analyse von E-Commerce und M-Commerce in Österreich oder die Erarbeitung pädagogischer Leitlinien für eine fiktive Schule. Den Studierenden werden sowohl fachwissenschaftliche Ressourcen als auch KI-gestützte Werkzeuge zur Verfügung gestellt. Während die Nutzung der KI ausdrücklich erwünscht ist, muss deren Einsatz im Endergebnis deutlich gekennzeichnet werden. Die Ergebnisse der Gruppenarbeit werden in Form einer Präsentation vorgestellt und vom Lehrenden bewertet. Eine Besonderheit dieses Konzepts ist die Beobachtung der Gruppe währende der Erarbeitungsphase (erfolgt idealerweise im virtuellen Raum – Lehrende sind ohne Ton und Bild im selben virtuellen Raum und nach ausdrücklicher Beschreibung des Beobachtungsvorhabens mit Wissen der Studierenden). Ein Beobachtungsprotokoll, das von den Lehrenden erstellt wird, hält die Ergebnisse des Verlaufs der Arbeitsphase fest. Im Rahmen der Präsentation setzen sich die Studierenden kritisch mit den Vorzügen und Herausforderungen der KI-Zusammenarbeit auseinander. Basierend auf den Beobachtungen der Lehrenden kann beispielsweise festgestellt werden, dass in allen Fällen die KI lediglich zur Zusammenfassung der Fachliteratur genutzt wurde.

Nutzen der Konzepte:

Aus der Evaluation und Reflexion im Lehrenden Team ergeben sich wertvolle Erkenntnisse, insbesondere hinsichtlich der kognitiven Anforderungen, die unsere Lehrkonzepte an die Studierenden stellen. Es wurde deutlich, dass vor allem die Fähigkeiten zum Analysieren von Sachverhalten und Problemstellungen, zur Synthese bekannter Informationen und zur Bewertung von Ergebnissen – gemäß der Taxonomie nach Bloom – stark gefordert sind. Diese Erkenntnisse unterstreichen die Notwendigkeit, bei der Planung der Studienaufträge ausreichend zeitliche Ressourcen für den Selbststudienanteil einzuplanen, um den Studierenden die Möglichkeit zu geben, sich intensiv mit den Inhalten auseinanderzusetzen. Die sequenzielle Anwendung der drei Lehrkonzepte erlaubt eine logische Synthese des Gelernten, wobei jedes Konzept klar in Phasen gegliedert sein sollte – von der Einführung in die KI, über die Erläuterung von Medienkompetenz, bis hin zur Aufgabenstellung, Umsetzung und Dokumentation sowie der abschließenden Präsentation und Reflexion. Diese Struktur fördert ein zielgerichtetes Arbeiten und erleichtert die Kompetenzentwicklung im Bereich des Fragestellens, eine Fähigkeit, die auch in Zukunft von großer Relevanz sein wird. Dabei ersetzt die KI nicht die Lösung der Aufgaben, sondern verändert vielmehr die Art und Weise, wie Aufgaben angegangen und bearbeitet werden, wodurch auch Peer-to-Peer-Learning begünstigt wird. Ein weiteres wichtiges Learning ist die Bedeutung der aktiven Einbeziehung der Studierenden in die Weiterentwicklung des Lehransatzes, was nicht nur zu einer neuen Lehr- und Lernkultur führt, sondern auch die Lehrenden durch die Präsentation, Reflexion und Diskussion der Lernergebnisse mit neuen Einsichten bereichert. Diese Erkenntnisse betreffen zwar nicht direkt den fachwissenschaftlichen Bereich, bieten jedoch wertvolle Perspektiven im Umgang mit textgenerativer KI und tragen zur Entwicklung eines gemeinsamen Verständnisses von KI-Didaktik bei.

Ausblick:

Die vorliegenden Lehrkonzepte sind so konzipiert, dass sie in weiteren Lehrveranstaltungen integriert werden können, wobei stets eine Verbindung zwischen dem gewählten Lehransatz und einem spezifischen fachwissenschaftlichen oder fachdidaktischen Thema hergestellt werden muss. Diese Flexibilität erlaubt es, die Konzepte an unterschiedlichste Inhalte und Bildungsniveaus anzupassen, um so die kritische Auseinandersetzung mit der Materie sowie die effektive Nutzung von KI-Werkzeugen in Bildungskontexten zu fördern. Durch die Kombination aus innovativen Lehrmethoden und fachlichem Tiefgang bieten diese Konzepte die Möglichkeit, das Lernen und Lehren zukunftsorientiert zu gestalten und Studierende sowie Lehrende gleichermaßen auf die Herausforderungen und Chancen der digitalisierten Wissensgesellschaft vorzubereiten.

Referenzen:

Anderson, L. W. & Krathwohl, D. R. (Hrsg.). (2001). A Taxonomy for Learn ing, Teaching, and Assessing: A Revision of Bloom’s Taxonomy of Educational Objectives. Longman.

Biggs, J. (2003). Aligning teaching for constructing learning. Abgerufen von folgender Website 

Seufert, S., Guggemos, J., Ifenthaler, D., Ertl, H. & Seifried, J. (2021). Künstliche Intelligenz in der beruflichen Bildung. Zukunft der Arbeit und Bildung mit intelligenten Maschinen?! Zeitschrift für Berufs- und Wirtschaftspädagogik – Beihefte, Band 31. Franz Steiner Verlag

Taccle AI (2023). KI in der beruflichen Bildung Tookit. Online unter folgendem Link

UNESCO (2021). Media and Information Literate Citizens. Think Critically, Click Wisely! Media & Information Literacy Curriculum for Educators and Learners. UNESCO.

World Economic Forum (2023). Future of Jobs Report. Online unter folgendem Link