Einführung von KI-Tools in der vorklinischen Lehre der Humanmedizin

Ausgangssituation

Das Bachelorstudium der Humanmedizin an der Danube Private University steht vor spezifischen Heraus­forderungen, die den Lehr- und Lernprozess beeinträchtigen:

Die medizinische Ausbildung ist durch eine außerordentlich hohe Stofffülle in den einzelnen Fach­gebieten geprägt. Diese kann aufgrund externer Vorgaben und Anforderungen an die Qualifikation angehender Medizinerinnen und Mediziner kaum reduziert werden. Die Inhalte und zu erwerbenden Kompetenzen sind weitgehend durch Ausbildungsordnungen, internationale Standards und Akkre­ditierungs­anforderungen vorgegeben, was den Spielraum für curriculare Anpassungen erheblich ein­schränkt.

Im Bachelorstudium Humanmedizin der DPU sind alle Lehrveranstaltungsformen – Vorlesungen, Seminare und Praktika – als Präsenzunterricht mit strikter Anwesenheitspflicht organisiert. Die ein­zelnen Module folgen einem Blockunterrichtsmodell, bei dem zunächst die theoretischen Grundlagen in Vorlesungen vermittelt werden, gefolgt von vertiefenden Seminaren und schließlich anwendungs­orientierten Praktika. Dieses Blockunterrichtsmodell bietet Vorteile durch die zusammenhängende Be­arbeitung eines Themengebiets und ermöglicht eine intensive Auseinandersetzung mit dem Lernstoff. Es bringt jedoch auch Nachteile mit sich. Die verdichtete Lernumgebung erzeugt einen hohen Zeitdruck, in dem Studierende große Informationsmengen in kurzer Zeit verarbeiten müssen. Zudem erschwert die zeitliche Trennung zwischen theoretischer Wissensvermittlung und praktischer Anwendung häufig den Theorie-Praxis-Transfer. Zwischen den einzelnen Blöcken bleibt kaum Zeit zur Nachbereitung und Konsolidierung des Gelernten, bevor neue Themengebiete beginnen.

Ein weiterer erschwerender Faktor ist die Heterogenität der Studiengruppen. Die Studierenden bringen sehr unterschiedliche Vorkenntnisse sowohl im Fachwissen als auch in ihren Kompetenzen mit. Diese Unterschiede manifestieren sich besonders deutlich zwischen Studierenden, die direkt nach der Matura an die Universität kommen, und jenen, die bereits ein anderes Studium absolviert haben oder schon in einem Beruf tätig waren. Die verschiedenen Altersklassen – von 18 bis Mitte 30 – bringen zudem unterschiedliche Lebenserfahrungen, Lerngewohnheiten und Erwartungen an das Studium mit. Diese Vielfalt in den Studiengruppen führt dazu, dass manche Studierende bei be­stimmten Themen unterfordert sind, während andere gleichzeitig überfordert sein können. Dadurch wird eine ein­heitliche Vermittlung des Stoffes, die allen gerecht wird, erheblich erschwert.

Die aktuelle Lehrsituation führt zu Unzufriedenheit auf beiden Seiten des Lehr-Lern-Prozesses. Studierende fühlen sich durch die immense Stoffmenge bei gleichzeitig knappen Zeit­ressourcen überfordert und vermissen individuelle Betreuung, die ihrer heterogenen Lernvoraus­setzungen gerecht würde. Die dichte Taktung des Blockunterrichts lässt ihnen kaum Zeit zur an­gemessenen Prüfungsvorbereitung. Parallel dazu sind Lehrpersonen unzufrieden über unzureichend vorbereitete Studierende in Seminaren und Praktika und den hohen Aufwand zur individuellen Unter­stützung leistungsschwächerer Studierender, welcher auf Kosten leistungs­stärker­er Studieren­der geht.

Zielsetzung des Lehrprojektes

Das Lehrprojekt ist Teil von universitätsweiten Maßnahmen, die darauf abzielen, die Qualität der Lehre und die Studierbarkeit des Bachelor­studiums Humanmedizin kontinuierlich zu verbessern, und damit auch die Zufriedenheit von Studierenden und Lehrenden nachhaltig zu erhöhen.

Ein Fokus des Lehrprojektes liegt in der Einführung fach­spezi­fischer KI-basierter Tutoren (customized GPTs). Diese können, unter Berück­sichtigung der indivi­duellen Vorkenntnisse und Lerngewohnheiten der Studierenden, als Tools zur Vorbereitung auf Modul­prüfungen und zur Bearbeitung studentischer Leistungen (z. B. Seminar­arbeiten) eingesetzt werden (individueller Lernpfad). Ein weiterer Fokus ist die Ertüchtigung von Studierenden besser mit der hohen Stofffülle in einer angemessenen Zeit umzugehen, indem diese lernen, Unterrichts- und Lernmaterialien in sinn­voller Form zusammen­zufassen. Dazu werden zum einen sowohl klassische Lehrperson-basierte Hilfen als auch die Nutzung KI-basierter Tools (z. B. ChatGPT) eingeführt.

Zeitliche Abfolge von Maßnahmen, in denen das Lehrprojekt eingebunden ist

Seit WiSe 2023/2024 werden seitens der Studiengangleitung (Prof. Braun) regelmäßig Bachelor­studierende der Humanmedizin über deren Nutzung von KI-assoziierten Tools, wie ChatGPT, befragt. Die Nutzung wurde in regulären Lehrveranstaltungen (v. a. Seminare) thematisiert und explorativ ausgetestet. Seit SoSe 2024 sind die ersten beiden fachspezifischen KI-basierten Tutoren im Einsatz (Modul „Allgemeine Biochemie & Molekularbiologie“, 2. Fachsemester, Prof. Braun; Modul „Bio­chemie & Pathobiochemie 2“, 4. Fachsemester, Prof. Braun). Im WiSe 2024/2025 wurden zwei weitere fachspezifische KI-basierte Tutoren bereitgestellt (Modul „Grundlagen der Biologie“, 1. Fachsemester, Prof. Braun; Modul „Biochemie & Pathobiochemie 1“, 3. Fachsemester, Prof. Braun). Zum WiSe 2024/2025 wird erstmals das Wahlpflichtmodul „Integrating Technology with Medicine: Exploring MedTech and AI Applications“, Prof.in Hatamikia) angeboten, in dem unter anderem auch der syste­matische Einsatz KI-assistierter Tools für die Zusammenfassung akademischer Texte geübt (Prompt training) und sowohl qualitativ als auch quantitativ ausgewertet wird. Dieses Modul wird auch im SoSe 2025 angeboten und soll, bei Bedarf, jedes Semester stattfinden. Ebenfalls im WiSe 2024/2025 haben im Modul „Allgemeine & Spezielle Histologie“, 1. Fachsemester, OÄin Inna Servetnyk) Studierende Unter­richtsunterlagen selbst zusammengefasst, die von der Dozierenden kritisch überprüft und mit Kommentaren zur Überarbeitung zurückgegeben wurden. Zum SoSe 2025 werden fachspezifische KI-Tutoren in den Modulen der Biochemie (Prof. Braun) systematisch auch während der Durchführung der Lehrveranstaltungen eingesetzt. Eine Ausweitung der KI-Tools auf andere Fach­gebiete soll zum WiSe 2025/2026 erfolgen. Die Maßnahmen werden durch Befragungen von Studierenden und Dozierenden regelmäßig evaluiert.

Spezifische Durchführung des Lehrprojektes

1. Einführung fachspezifischer KI-basierter Tutoren

Die im Einsatz befindlichen KI-Tutoren basieren auf ChatGPT-4 (Open AI), die mit den Unterrichts­unterlagen einzelner Module verknüpft werden (Abb. 1A). Die KI-Tutoren schlüpfen in die Rolle eines besonders leistungsfähigen studentischen Tutors, der anderen Studierenden (peers), in ihrem indi­viduellen Lernprozess unterstützt (Abb. 1A). Der KI-Tutor kann von Studierenden frei eingesetzt werden (Lernzeit, Lerndauer & Lernort sind frei wählbar). Er kann zum Abbau der individu­ellen Sprachbarriere (Fachsprache oder Fremdsprache) eingesetzt werden. Der KI-Tutor passt sich den studen­tischen Vorkenntnissen und Vorstellungen an (Abb. 1A). Den Studierenden werden Informa­tionen und Ge­sprächs­aufhänger für die KI-Tutoren zur Verfügung gestellt (Abb. 1B), damit diese lernen, die KI-Tutoren für verschiedene Anwendungen einzusetzen (z. B. Beantwortung offener fachlicher Fragen, Erstell­ungen von Zusammenfassungen, Bewertung von Zusammenfassungen, Beantworten von Lern­zielen). Der Einsatz der KI-Tutoren wird auch in den Seminaren der Module thematisiert, für die KI-Tutoren zur Verfügung gestellt wurden.

Alle Bachelorstudierenden der Humanmedizin (etwa 360 Studierende) wurden Ende Februar/Anfang März 2025 in einer anonymen Umfrage zur Nutzung, der im SoSe 2024 und WiSe 2024/2025 zur Verfügung gestellten KI-Tutoren befragt. Etwa 23% (84) der Studierenden haben an der Umfrage teil­genommen (Stand: 10.03.2025). 61% (51/84) der teilnehmenden Studierenden haben angegeben, während der Durchführung des jeweiligen Moduls und zur Prüfungsvorbereitung die KI-Tutoren täglich oder mehrmals wöchentlich benutzt zu haben (nicht gezeigt). Die teilnehmenden Studierenden haben überwiegend angegeben, dass die Nutzung fachspezifischer GPT-Tutoren ihr Studium erleichtert habe und dass sie sich solche Tutoren auch in anderen Fächern wünschen. Den höchsten Nutzen sehen die teilnehmenden Studierenden in der Prüfungsvorbereitungs­phase (Abb. 1C). Der Nutzen der KI-Tutoren während des Unterrichts wird hingegen deutlich ambivalenter gesehen.

Fazit: Die fachspezifischen GPT-Tutoren werden von den meisten Studierenden angenommen. Derzeit eignet es sich vor allem als ergänzendes Tool zur Prüfungsvorbereitung. Als Ersatz für klassische Unterrichtsmethoden kommt es (noch) nicht in Betracht.

2. Zusammenfassung von Unterrichts- und Lernmaterialien

Studierende müssen lernen, mit der erheblichen Stofffülle in den Modulen besser umzugehen. Dazu wurden sie in den begleitenden Seminaren zu den Modulen Biologie und Biochemie (Prof. Braun) aufgefordert, mit und ohne Hilfe von KI-Tools (z. B. ChatGPT) Zusammenfassungen von Unterrichts- und Lernmaterialien anzufertigen (v. a. WiSe 2024/2025). Die Qualität der entstandenen Zusammen­fassungen war sehr heterogen und hing sowohl von den zusammenzufassenden Unterlagen als auch von der Bereitschaft und Fähigkeit der Studierenden ab, mit KI-Tools umzugehen. Auch wenn die studentische Zufriedenheit über die Zusammenfassungen relativ hoch war, war die kritische Reflexion des Zusammengefassten nicht immer ausgeprägt. Es besteht hier also die Gefahr, dass der Einsatz von KI-Tools ohne genauere Anleitung, Training und Begleitung die Leistungen der Studierenden eher beeinträchtigen als fördern könnte.

Ein anderer Ansatz wurde im WiSe 2024/2025 im Modul „Allgemeine und Spezielle Histologie“ (OÄin Servetnyk) verfolgt. Hier haben Studierende als Individual- und Gruppenarbeiten die Zusammen­fassungen der Unterrichts- und Lernmaterialien händisch und ohne KI-Tools erstellt. Die Dozentin hat die Zusammenfassungen im Gespräch mit den Studierenden gesichtet und zur Verbesserung der Dokumente aufgefordert. Die studentische Zufriedenheit war hier sehr hoch und die Lernergebnisse waren im Vergleich zu früheren Perioden besser. Allerdings hatte die Dozentin damit einen über das Übliche hinausgehenden Lehraufwand, der nicht für alle Module umsetzbar ist.

KI-Tools machen Zusammenfassungen demnach einfacher und schneller, was jedoch nicht gleich­bedeutend mit einem höheren Lernerfolg ist. Um Studierende zu trainieren, in angemessener Zeit inhaltlich sinnvolle und qualitativ hochwertige Zusammenfassungen zu erstellen, wird derzeit (März 2025) im Rahmen des Wahlpflicht­moduls „Integrating Technology with Medicine: Exploring MedTech and AI Applications“ (Prof.in Hatamikia) eine Studie durchgeführt, in der die Qualität der Zusammen­fassungen akademischer Texte, die mit und ohne KI-Tools entstanden sind, durch Fachexpert*innen über­prüft, aus den die akademische Texte entstammen (Abb. 1D). In dieser Studie wird auch der Einfluss des Trainings der Studierenden unter­sucht, KI-Tools effektiv und effizient einzusetzen (Prompt training durch KI-Experten). Neben DPU-interner Expertise in KI (Prof.in Hatamikia) binden wir hier auch externe KI-Experten (Prof. Mehnen & DIin Pohn, FH Technikum Wien) und DPU-interne Experten für die Auswertung sozialwissenschaftlicher Studien ein (Prof.in Choi & Dr. Fitzek). Erste Zwischen­ergebnisse zeigen, dass 100% der teilnehmenden Studierenden (37) der Aussage (voll und ganz) zustimmen, dass die Verwendung von KI-Tools die Qualität und Effizienz der eigenen Zusammen­fassung verbessern (Stand: 10.03.2025). Die Ergebnisse der Fachexpert*innen zur Qualität der Zusammenfassungen steht noch aus. Die Untersuchung wird im SoSe 2025 mit einer anderen Kohorte von Studierenden wiederholt. Die Ergebnisse werden dazu beitragen, besser zu verstehen, welche Aspekte zu beachten sind, um KI-Tools für Zusammen­fassungen der Stofffülle einzusetzen, um die Studierfähigkeit des Studiengangs weiter zu verbessern.