KI : Ein wertvoller Lerncoach im Hörsaal und unterwegs

Die hoch dynamische Entwicklung von Künstlicher Intelligenz (KI) hat in den letzten Jahren zu beeindruckenden Fortschritten geführt. Während vor etwa zwei Jahren große Sprachmodelle wie ChatGPT (GPT-3.5) noch mit vielen technischen Herausforderungen zu kämpfen hatten, die ihren Einsatz in der Lehre erschwerten, sind die aktuellen Systeme, Stand Februar 2025, bereits äußerst leistungsfähig. Sie verfügen nicht nur über ein breites und tiefes Fachwissen in verschiedensten Disziplinen, sondern zeigen auch eindrucksvolle Fähigkeiten im logischen Schlussfolgern. Aktuelle Schwächen liegen noch beispielsweise in der Fähigkeit zum Generalisieren sowie nach wie vor bei Halluzinationen oder auch Bias. Diese Beispiele sind hoch aktive Forschungsgebiete und die Performance der Systeme verbessert sich insofern rasch. Führende KI Firmen wie OpenAI, DeepMind und weitere erwarten die Entwicklung von "AGI" (Artificial General Intelligence) sowie "ASI" (Artificial Super Intelligence) in wenigen (<3-5) Jahren. Auch, wenn sich diese Begriffe wissenschaftlich aktuell noch schwer einordnen lassen, meint man etwas umgangssprachlich damit Systeme, deren allgemeine Intelligenz signifikant über der von Menschen liegt. Die wissenschaftliche Evidenz dazu ist bereits stark und lässt sich im Wesentlichen durch die steigende Rechenleistung, den algorithmischen und architektonischen Verbesserungen sowie den daraus resultierenden Fähigkeiten der KI Systeme argumentieren.

Neben diesen umfänglichen Fähigkeiten wird der Zugang zu KI-Systemen zunehmend vereinfacht. Sie arbeiten multimodal und können sowohl über Text, Sprache oder Bilder interagieren. Wo früher das Lernen am Computer oder das Lesen von Büchern erforderlich war, ist es heute möglich, mit einem Headset im Ohr während eines Waldspaziergangs eine Unterhaltung mit ChatGPT zu führen, sich die Herleitung von Gleichungen erklären zu lassen oder einen kritischen Diskurs über philosophische Fragestellungen zu führen.

Dieser rapide technologische Fortschritt eröffnet der Gesellschaft völlig neue Möglichkeiten, bringt jedoch auch erhebliche Risiken mit sich. Es wird deutlich, dass lebenslanges Lernen an Bedeutung gewinnt. Wer künftig am Arbeitsmarkt erfolgreich sein will, muss sich kontinuierlich weiterbilden. KI bietet hierfür umfassende Möglichkeiten.

Im Rahmen unseres Projekts wurden drei konkrete Anwendungsfälle entwickelt, in denen die Studierenden lernen, sich mit Unterstützung von KI in neue Themengebiete einzuarbeiten. Das Projekt wurde in drei Studiengängen durchgeführt: Sustainable Real Estate Management (Fach: Facility Management in der Lebenszyklusbetrachtung), Nachhaltiges Immobilienmanagement (Fach: Technisches Gebäudemanagement) sowie Digital Transformation Management im Fach Internet of Things. Wichtig zu erwähnen ist, dass die Studierenden überwiegend keinen Hintergrund in Informatik hatten.

Ziel des Projekts war es, den Studierenden einen kritischen Umgang mit KI, ein Verständnis für die Stärken und Schwächen der Technologie sowie ein Gespür für die sich eröffnenden Möglichkeiten zu vermitteln. Dazu wurden drei Use Cases in die Lehrveranstaltungen integriert. In der ersten, jeweiligen LV Einheit wurde ein allgemeinverständlicher Theorieblock mit Grundlagen der KI eingebaut. Dabei lernten die Studierenden die Funktionsweise von KI-Systemen, deren Anwendung sowie technische Möglichkeiten und Limitierungen kennen. Anschließend wurden die drei Use Cases begleitend in den Unterricht integriert und in Form von Gruppenarbeiten erarbeitet.

Use Case 1: Spielerischer Umgang – KI wird zum Lerncoach

Zur Erklärung des Themas Regelungstechnik wurde ein Quiz mit ChatGPT entwickelt, das die Studierenden spielen können. Die KI wurde so per Prompt eingestellt, dass sie sich als erfahrene und freundliche Lehrkraft verhält und den Studierenden Grundlagen der Regelungstechnik und eine Art von Reglern – sog. PID-Regler – erklärt. Nach dem Grundlagenteil folgt ein Quiz, in dem praktische Fallszenarien generiert werden. Beispielsweise ein Auto, das mit dem Tempomat mit bestimmten Reglereinstellungen fährt und plötzlich auf eine Steigung trifft. Die Studierenden erhalten eine Frage zum zu erwartenden Verhalten des Reglersystems und müssen diese in natürlicher Sprache beantworten. Die KI analysiert die Antwort, erklärt, korrigiert oder ergänzt sie. Darüber hinaus werden Plots und Grafiken generiert, um das Lernerlebnis nicht nur auf Text zu beschränken. Das Spiel ist in mehrere Phasen unterteilt, und die Studierenden können stets Zwischenfragen stellen. Ziel des Spiels ist es, erstens Spaß am Lernen zu erleben und zweitens zu verstehen, dass man sich auf diese Weise Wissen aus völlig unterschiedlichen Fachgebieten und in unterschiedlichen EIndringtiefen auf spielerische erarbeiten kann.

Aus diesem Use-Case wurde auch ein OER unter CC Licencse erstellt. Die Ressource ist über folgenden Link zugänglich:

phaidra.fh-kaernten.at/o:22

Use Case 2: Wissenschaftliche Recherche und multimodale Arbeitsautomatisierung mit KI

Die Studierenden erhalten ein anspruchsvolles, wissenschaftliches Paper aus einem für das Lehrfach relevanten Kontext. Im ersten Teil dieses Use Cases müssen sie es selbst lesen, in der Gruppe besprechen und dann in Form einer Präsentation aufbereiten und im Plenum vorstellen. Im zweiten Teil wird das Paper in das Tool Notebook LM von Google geladen und ein Podcast daraus vollautomatisch generiert. Dabei unterhalten sich zwei Protagonisten (eine männliche und eine weibliche Stimme) über den Inhalt des Papers und erklären die wichtigen Aspekte in einfacher Form. Der Podcast kann optional auch interaktiv ausgeführt werden, sodass die Studierenden aktiv mit den KI-Moderatoren via Sprache kommunizieren können. Nach dem Anhören des Podcasts wird eine Zusammenfassung des Papers mit ChatGPT erstellt und daraus mit dem Tool gamma.app vollautomatisch eine PowerPoint-Präsentation erstellt. Der kombinierte Einsatz der genannten Tools zeigt, wie KI komplexe Inhalte sehr einfach und zugänglich erklären kann und den operativen Arbeitsprozess wie die Präsentationserstellung auf wenige Minuten reduziert. Studierende können sich in wesentlich weniger Zeit Wissen aneignen. Der didaktisch wichtige Punkt besteht darin zu lernen, nicht alles an KI-Systeme auszulagern, sondern vielmehr einfache Aufgaben automatisch erledigen zu lassen und die gewonnene Zeit für aktives Nachfragen zu verwenden und die schwer verständlichen Aspekte zu vertiefen.Dies wird aktiv und gemeinsam in der Lehrveranstaltung besprochen, geübt und reflektiert. Das Beispiel soll zeigen, dass bewusste und aktive Nutzung der Tools essenziell ist und den Lernfortschritt im Idealfall mit gleichbleibendem oder sogar geringerem zeitlichen Aufwand steigern kann.

Use Case 3: Erstellung eines Konzepts für die Bachelor-/Masterarbeit

In diesem Teil wird die KI beauftragt, als Assistent für die Erstellung einer wissenschaftlichen Arbeit zu dienen. Zunächst wird im Plenum ein Beispiel eines Studierenden herangezogen und gemeinsam an der Tafel eine Mindmap zur Themenstrukturierung erstellt. Daraus wird dann ein erstes Inhaltsverzeichnis für eine wissenschaftliche Arbeit entworfen.

Anschließend wird diese Übung mit KI wiederholt: Die Studierenden erstellen einen umfangreicheren Prompt, der fachlich relevante Themen integriert. Darauf aufbauend wird iterativ mit der KI gearbeitet, um das Thema sowie relevante Forschungsfelder in aktueller wissenschaftlicher Literatur zu recherchieren. Danach werden Forschungsfragen von Studierenden mit dem KI System formuliert und ein mögliches Inhaltsverzeichnis erstellt.

Der Fokus dieses Beispiels liegt darauf, die Strukturierungsfähigkeiten von KI kennenzulernen und mit Recherchetools zu kombinieren. Ein essenzieller Aspekt ist dabei das Verständnis, dass einfache und kurze Prompts zu oberflächlichen und meist wenig hochwertigen Ergebnissen führen. Im Gegensatz dazu lassen sich große Sprachmodelle wie GPT bei kompetenter Nutzung zu sehr mächtigen und individuellen Werkzeugen formen. Es wird besonderer Wert darauf gelegt, die Studierenden auf Gefahren und Schächen der KI Systeme zu sensibilisieren. Beispielsweise führen einfache Prompts zu stark oberlächlichen und wenig ausdifferenzierten Forschungsfragen, die zumeist aber sprachlich auf sehr hohem Niveau sind. Im Studienjahr 2025/26 wird dieser Teil bereits auf die neueste Generaton von "Deep Research" KI Systemen adaptiert, die über eindrucksvolle Wissens-Synthese Funktionen verfügen und eine starke Hilfestellung bei Recherche von Literatur oder wissenschaftlichen Daten sind. Das zielgerichtete und kompetente Verwenden von KI Tools wird eine wesentliche Basisanforderung im wissenschaftlichen Arbeiten, darauf werden die Studiernende vorbereitet.

Fazit und Erkenntnisse

Im Verlauf der Lehrveranstaltungen wurde großer Wert darauf gelegt, den Studierenden einen verantwortungsvollen Umgang mit KI zu vermitteln. Eine zentrale Erkenntnis war, dass KI-Systeme zwar weiterhin technische Schwächen haben, jedoch bereits äußerst hilfreiche Fähigkeiten bieten. Es gilt, den Umgang mit diesen Systemen zu erlernen und sie proaktiv sowie kompetent zu nutzen - was auch an Übung bedarf. Darüber hinaus ist die Sensibilisierung für die Risiken dieser sehr fähigen Technologie ein zentraler Aspekt.

Lebenslanges Lernen wird zunehmend ein entscheidender Faktor am Arbeitsmarkt. Durch die bewusste und geschickte Integration von KI in den Lernprozess lassen sich neue und effizientere Lernmethoden quer durch alle Wissensgebiete entwickeln, die sowohl zeitliche Ressourcen sparen als auch die Qualität der Wissensvermittlung verbessern.

Unser Projekt zeigt, dass eine gezielte und aktive Einbindung von KI nicht nur die Lehre bereichern, sondern auch die Studierenden dazu befähigen kann, sich selbstbestimmt und kritisch mit neuen Technologien auseinanderzusetzen. Das Feedback der Studierenden am Ende der Lehrveranstaltungen viel positiv aus und kann in den Evaluierungsergebnissen eingesehen werden. Es wurde seitens der Studierenden mehrfach erwähnt, dass der aktive Einsatz von KI Technologie hilreich ist und die Sensibilisierung für das Thema als wichtig erachtet wird.

Anhang: Der gesamte Prompt aus dem Bsp. 1. Systemanforderung: mindestens GPT-4. Alles wird auf einmal ins Textfeld des Systems kopiert, dann startet das Quiz.

Verhalte dich bitte wie eine erfahrene und etwas lustige Lehrkraft und erkläre mir die Grundlagen von PID Reglern. Ich habe keinen technischen Hintergrund. Spielen wir ein Quiz, das ich mit dir in der Vergangenheit entwickelt habe. Halte dich an den Ablauf und lass uns gleich loslegen. Mach nach jedem Punkt eine Pause und frag mich, ob ich bisher alles verstanden habe und weitermachen möchte oder du noch was dazu erläutern sollst. Ich freue mich auf ein spannendes Spiel.

Spielablauf: PID-Regler Quiz

Punkt 1 Einführung in PID-Regler: Zuerst erkläre mir die Grundlagen von Steuer- und Regelungstechnik allgemein. Darauf aufbauend die Grundlagen eines PID-Reglers, inklusive der Bedeutung der drei Komponenten: Proportional (P), Integral (I) und Differential (D). Erkläre das Thema einfach und greifbar, sodass man sich gut was vorstellen kann. Halte dich dabei nicht zu kurz sondern gib mir als Neuling die Chance, über das Thema zu lernen.

Punkt 2 Beispielszenarien: Nenne mir danach verschiedene hypothetische Szenarien, in denen ein PID-Regler eingesetzt werden könnte. Beispiele könnten die Temperaturregelung in einem Gebäude, die Geschwindigkeitsregelung eines Fahrzeugs oder die Positionskontrolle eines Roboters sein.

Punkt 3 Fragenrunde: Für jedes Szenario stelle mir Fragen wie: "Was passiert, wenn der P-Wert zu hoch ist?" oder "Wie würde sich ein niedriger I-Wert auf das Systemverhalten auswirken?" Stelle die Fragen im Kontext des Szenarios und einzeln und lass sie mich beantworten, bevor du zur jeweils nächsten Frage und in weiterer Folge zu Punkt 4 gehst.

Punkt 4 Antworten und Diskussion: Erkläre mir anschließend die richtigen Lösunge