Aspekte der Digitalisierung: Generative Künstliche Intelligenz

Seit den 1950ern hat sich die künstliche Intelligenz (KI), insbesondere im Bereich der generativen KI, die Inhalte wie Texte und Medien erzeugt, wesentlich entwickelt. Mit der Einführung von ChatGPT Ende 2022, dessen großes Sprachmodell menschliche Texte täuschend echt imitieren kann, stieg das Interesse an einem verantwortungsvollen Einsatz der generativen KI. Dies erfordert ein tiefgreifendes Verständnis der schnell fortschreitenden Technologie, um ihre Möglichkeiten, Grenzen und gesellschaftlichen Einflüsse zu erfassen. Weltweit setzen Regierungen, Bildungseinrichtungen und private Organisationen Maßnahmen um, um KI-Kompetenzen zu fördern und eine verantwortungsbewusste Nutzung von KI zu gewährleisten, sowie diese transformative Technologie gesellschaftlich zu integrieren. Unsere Universität fördert proaktiv die KI-Kompetenz bei ihren Mitarbeitenden, Studierenden und der breiten Öffentlichkeit [Künstliche Intelligenz und Universität].

Eine im November 2023 publizierte Umfrage mit 6300 deutschen Studierenden [von Garrel, J., Mayer, J. Artificial Intelligence in studies—use of ChatGPT and AI-based tools among students in Germany. Humanit Soc Sci Commun 10, 799 (2023)] ergab, dass beinahe 2/3 der Befragten generative KI bereits für ihr Studium genutzt hatten. Auch in Österreich ist das Problembewusstsein für dieses Thema im letzten Jahr stark gestiegen. Neben der Frage nach der Reglementierung von KI in Prüfungen ist unserer Meinung nach auch der Austausch mit den Studierenden ein notwendiger Teil des Anpassungsprozesses, den Universitäten bezüglich KI zu vollziehen haben. Es gab zwar Kurse zu spezifischen Aspekten bzw. Anwendungen, doch um ein ganzheitliches Verständnis für die Prinzipien dieser Technologien und deren Auswirkungen auf verschiedene Bereiche zu erlangen, benötigten wir einen stark multidisziplinär ausgerichteten Kurs. Dieser sollte neben theoretischen Inhalten über die Technologie und ihre Implikationen auch praktische Anwendungen einbeziehen, sodass die Studierenden durch Experimentieren die Vorteile und Risiken erkennen konnten. Der Kurs sollte Studierenden und Lehrenden eine Austauschplattform bieten, um KI-bedingte Veränderungen zu diskutieren und die tiefgreifende Relevanz und vielfältige Anwendbarkeit der Kursinhalte im täglichen Leben zu entdecken. Studierende sollten so zu kritischen Denker/innen und verantwortungsvollen Gestalter/innen in der Ära der KI ausgebildet werden.

Um diese Kursidee umzusetzen, planten wir für das Wintersemester 2023/2024 eine Lehrveranstaltung namens ‚Aspekte der Digitalisierung: Generative Künstliche Intelligenz‘. Zuerst gewannen wir führende Expert/innen aus verschiedenen Disziplinen an unserer Universität für unser Projekt, um die erwünschte Multidisziplinarität des Kurses zu erreichen. Anschließend entwickelten wir einen integrativen Kurs, der forschungsgeleitetes Lehren in den Vordergrund stellte und es allen Lehrenden ermöglichte, ihre spezifischen Fachkenntnisse im Kontext der aktuellen Entwicklungen und Herausforderungen der Digitalisierung einzubringen. Wir legten großen Wert auf eine einheitliche und konsistente Lernerfahrung, die intensives, experimentelles, innovatives und kollaboratives Arbeiten der Studierenden mit unterschiedlichsten Hintergründen fördert, um deren Diversität konstruktiv zu nutzen. Im Folgenden beschreiben wir detailliert, wie wir den Online-Kurs erstellten und durchführten.

Um einen ganzheitlichen Kurs anzubieten, benötigten wir ein multidisziplinäres Team von Fachexpert/innen der Universität Innsbruck. Im Digital Science Center (DiSC) und im Institut für Informatik fanden wir Expert/innen, die sich intensiv mit KI auseinandersetzen. Dank der starken Vernetzung des DiSC innerhalb der Universität und seiner Beteiligung an zahlreichen KI-bezogenen Aktivitäten konnten wir auch andere Expert/innen identifizieren, die die ursprüngliche Kursidee mit spezifisch zugeschnittenen Inhalten zu realisieren vermochten. Schließlich gründeten wir ein Team aus 16 führenden Spezialist/innen verschiedener Fachbereiche aus 11 Organisationseinheiten, davon viele in leitenden Positionen ihrer Einheiten, Forschungsgruppen oder Zentren. Sie leisten wichtige Beiträge zu lokalen, nationalen und internationalen Initiativen [Instructors].

Das nächste Ziel war die Gestaltung eines ganzheitlichen Kursdesigns, das allen Kursleiter/innen ermöglichte, ihre Expertise optimal einzubringen. Wir nutzten eine cloudbasierte Dokumentenplattform, um Inhalte, didaktische Methoden und Evaluierungsmethoden für alle Einheiten zu spezifizieren und zu diskutieren. Der Kurs beinhaltete zwei Themenbereiche: (1) ein umfassendes Verständnis der Technologie und (2) die Diskussion ihrer Implikationen. Nach dem Kursüberblick [Overview Lecture] und einem interaktiven Workshop in der ersten Einheit begannen die spezifischen Themen aus verschiedenen Disziplinen.

Teil 1:

• Technologische Grundlagen
• Grundlagen künstlicher neuronaler Netze
• Grundlagen großer Sprachmodelle
• Grundlagen multimodaler großer Sprachmodelle
• Grundlagen der Bildgenerierung (mit Architekturbeispielen)

Teil 2:

• Implikationen, Aspekte und Anwendungen
• Ökonomische Auswirkungen
• Ethik der generativen KI
• Rechtliche Fragen
• Schreiben und KI in der Hochschulbildung
• KI beim Übersetzen und Dolmetschen
• Bildungspolitik
• Digitale Medienproduktion
• Psychologische und neurokognitive Aspekte
• Anthropologie der digitalen Transformation

Nach der Auswahl der Themen war es für uns essentiell, einen kohärenten und strukturierten Kurs zu entwickeln. Dafür bedurfte es einer kooperativen Vorgehensweise, da jede Einheit von anderen Expert/innen geleitet wurde. Diese Zusammenarbeit ermöglichte es uns, die verschiedenen Themenbereiche logisch und sinnvoll zu verknüpfen und Überschneidungen effektiv zu vermeiden. Beispielsweise stellten wir in den Grundlageneinheiten sicher, dass die Konzepte nacheinander und fortschreitend eingeführt wurden.

Für die Erklärung von Transformern etwa wurde nach der Einführung neuronaler Netze

1. in der nächsten Einheit die allgemeine Transformer-Architektur für große Sprachmodelle erläutert
2. und deren Details wurden in der Einheit zu multimodalen Sprachmodellen vorgestellt.
3. Der Kurs erlaubte Lehrenden nicht nur ihre aktuellsten Forschungsergebnisse an ihre Studierenden weiterzugeben, sondern diese auch aktiv in experimentelle Aktivitäten der Forschung und Lehre einzubeziehen. Beispiele geben wir in ‚Nutzen und Mehrwert‘.

Um die Zusammenarbeit unserer Dozierenden effizient und transparent zu gestalten, nutzten wir eine speziell von der Universität bereitgestellte GitLab-Instanz als Projektmanagement- und Versionskontrollsystem. Dieses System unterstützte uns bei der sicheren Verwaltung von Aktivitäten und der Kommunikation und gewährleistete Datenkontrolle und -sicherheit. Für jede Unterrichtseinheit definierten wir spezifische Meilensteine mit verschiedenen Projektaufgaben in Bezug auf den Übergang zwischen den Einheiten, die Verknüpfung der Lehrinhalte und die Bewertung einzelner Einheiten. Zudem legten wir übergreifende Meilensteine für den gesamten Kurs fest, von der initialen Kursgestaltung bis hin zur Erstellung dieser Nominierung.

Im Rahmen unseres Wahlpakets Digital Science bot der Kurs eine praxisorientierte Auseinandersetzung mit Digitalisierungsaspekten, kombinierte Vorlesungselemente mit Übungen und förderte intensives, kollaboratives Arbeiten. Studierende aus 10 verschiedenen Fakultäten experimentierten mit populären KI-Tools und erprobten Konfigurationen und Arbeitsabläufe aus zahlreichen Anwendungsbereichen. Um für die Studierenden eine transparente Kommunikation anzubieten, etablierten wir eine zentrale Ansprechperson und eine zentrale Plattform (OpenOLAT) für Lerninhalte und zur Kommunikation. Die Studierenden wurden zwecks effektiver Vor- und Nachbereitung wöchentlich über die Übergänge zwischen den Unterrichtseinheiten informiert. Zudem stellten wir sicher, dass wir trotz der unterschiedlichen Lehrmethoden unserer Dozierenden eine konsistente Lernerfahrung anboten, indem wir die Unterrichtsform bzw. die eingesetzten Lehrwerkzeuge und -methoden über alle Einheiten hinweg miteinander koordinierten. Außerdem achteten wir darauf, dass die Arbeitsbelastung – einschließlich der Vorbereitung, Unterrichtsteilnahme und Hausaufgaben – gleichmäßig über das Semester verteilt war.

Die Bewertung der Studierenden erfolgte nach ihrer individuellen Leistung und ihrer disziplinübergreifenden Teamarbeit. Gemeinsames Lernen und Reflektieren prägte unseren Kurs, der vielfältige Online-Formate nutzte: gemeinsames Verfassen von Texten, Austausch im Chat, in den Shared Notes und in Break-out Rooms, synchrone Gruppendiskussionen sowie asynchrone Diskussionen in Foren boten Flexibilität und ermöglichten den Studierenden, ihre eigenen Interessen zu verfolgen. Sie konnten sich aktiv einbringen, wobei ihre Vorkenntnisse und Erfahrungen zu lebhaften Diskussionen und einer individuellen Anpassung an die Lerngruppe beitrugen. In praktischen Aufgaben zur Vor- und Nachbereitung sammelten Studierende Erfahrungen mit generativer KI in verschiedenen Wissenschaftsdisziplinen und vertieften die theoretischen Inhalte für einen längerfristigen Lerneffekt. Die interdisziplinäre Zusammenarbeit zwischen Studierenden und Lehrenden förderte den gegenseitigen Lernprozess. Beispielsweise vermittelte in der ersten Einheit ein Workshop über ChatGPT 3.5 den Studierenden ein grundlegendes Verständnis für die Nutzung, Fähigkeiten und Grenzen des Sprachmodells. Anschließend wurden die Studierenden herausgefordert, das Modell im Kontext ihrer eigenen Fachgebiete zu testen und potenzielle Schwachstellen zu identifizieren. Diese Aufgabe förderte kritisches Denken und Austausch. Alle Studierenden entwickelten Fallstudien, in denen sie ihre Ansätze, Ergebnisse und die unternommenen Schritte zur Herausforderung des Modells darlegten. Diese Fallstudien wurden in einem Forum geteilt und mit anderen Studierenden diskutiert, um Erklärungen für das Verhalten des Modells zu finden und Möglichkeiten zur Verbesserung der Ergebnisse zu erarbeiten. Zusätzlich motivierten wir die Studierenden, ihre außerhalb des Kurses gemachten Beobachtungen zu Themen wie Kultur, Öffentlichkeit, Regulierungen und Forschung auszutauschen und mit dem Kursinhalt zu verknüpfen. Dies fördert eine Kultur des lebenslangen Lernens und ermöglicht Studierenden auch, die Relevanz und Anwendbarkeit der Kursinhalte in realen Kontexten zu erkennen. Die kontinuierliche Integration der neuesten Technologien und Forschungsergebnisse in unsere Kursinhalte ist ein wesentlicher Bestandteil unserer Planung zur Weiterentwicklung des Kurses. Zusätzlich beabsichtigen wir, auf unseren bisherigen Erfahrungen aufzubauen und das studentische Feedback zu berücksichtigen, um den Kurs noch besser an die unterschiedlichen Bedürfnisse unserer Studierenden anzupassen (für Details siehe ‚Akzeptanz‘).

Zusammenfassend bot der Kurs nicht nur eine hervorragende Gelegenheit zur Kollaboration zwischen Dozierenden und Studierenden, sondern integrierte auch digitale Technologien in die didaktischen Methoden, um das Lernumfeld zu bereichern. Dies förderte neben dem Lernen und der Anwendung von Wissen auch maßgeblich den Austausch über die Grenzen einzelner Disziplinen hinweg. Wir sind überzeugt, dass unser Kurs einen wertvollen Beitrag zum Verständnis der aufkommenden technologischen Trends und ihrer Auswirkungen geleistet hat. Wir konnten den Studierenden effektive Werkzeuge und Methoden für ihre zukünftige Karriere an die Hand geben sowie eine Umgebung des gegenseitigen Lernens und der Zusammenarbeit schaffen.