Künstliche Intelligenz im Deutschunterricht – Chancen und Herausforderungen

Die schnelle Verbreitung von Machine-Learning-Technologien, besonders Large Language Models, hat nicht nur eine gesellschaftliche Debatte entfacht, sondern stellt den Bildungssektor (Kasneci et al. 2023), insbesondere den Deutschunterricht und seine Didaktik vor Herausforderungen. Die Fähigkeit dieser KI-Systeme, menschliche Sprache zu imitieren, erfordert eine dringende Auseinandersetzung mit deren Einfluss sowohl auf die universitäre Deutschlehrer/innenbildung als auch auf die Domänen des Deutschunterrichts. Diese Auseinandersetzung anzustoßen war das vorrangige Ziel des hier eingereichten Lehrprojekts, das als Pro-Seminar im Wintersemester 2023/24 an der Universität Wien am Institut für Germanistik abgehalten wurde. Curriculare Grundlage ist das „Teilcurriculum des Bachelorstudium Lehramt Deutsch“. Das dem „Abschlussmodul“ zugeordnete Pro-Seminar dient der „wissenschaftlichen Vertiefung im Bereich der Fachdidaktik“, Studierenden sollen „fachdidaktische Fragen in Verbindung mit fachbezogenen Schwerpunkten oder Querschnittsmaterien“ (u.a. digitale Bildung) bearbeiten (Universität Wien 2022, S. 8). Die besondere Ausgangslage für diese LV war zum einen das Fehlen eines etablierten Forschungsdiskurses zu KI und Deutschunterricht und zum anderen die Tatsache, dass generative KI und damit verbundene KI-Tools wissenschaftliches Arbeiten und Schreiben verändern  (Limburg et al. 2023). Insbesondere Warnungen vor einem Effekt des De-Skillings (Reinmann 2023) – also das Verlernen von Kompetenzen aufgrund des unreflektierten Einsatzes von KI-Tools – machten es notwendig, mit hochschuldidaktisch innovativen Konzepten zu reagieren.

Wesentliche übergeordnete Ziele des Pro-Seminars waren – in Reaktion auf die Ausgangsbedingungen und curricularen Vorgaben – daher

1. den entstehenden Diskurs zu generativer KI in der Deutschdidaktik gemeinsam mit den Studierenden zu kartieren und ausgehend davon mögliche Veränderungen des Deutschunterrichts zu reflektieren, sowie
2. den Prozess des wissenschaftlichen Arbeitens selbst in den Fokus zu rücken und gute wissenschaftliche Praxis vor dem Hintergrund rasanter Entwicklungen im Bereich der KI-Tools zu reflektieren. Insbesondere deren Einsatz sollte proaktiv und im Sinne experimentierender Medienkompetenz angestoßen werden, mit dem Ziel einer AI-Literacy (siehe unten).

Studierende sollten in ihrer Eigenaktivität und Autonomie gefördert werden, wobei die Selbstbestimmungstheorie eine Rahmengebung für die Lernkultur bot (Ryan und Deci 2018). Die Prüfungskultur war stark an formativem Assessment und damit verbundener Prozessorientierung und dialogorientiertem Lehren und Lernen orientiert. Studierende sollten also im Prozess wissenschaftlichen Arbeitens engmaschig begleitet werden. Die dargelegten Ausgangsbedingungen und Ziele konkretisierten sich in mehreren handlungsleitenden didaktischen Konzepten, deren methodische Ausformung und deren konkrete Lern- und Prüfungsergebnisse kurz dargelegt werden.

Forschungsorientiertes Studieren – Eigenaktivität und Verantwortung (siehe Autonomie bei Ryan/Deci):

Das Fehlen eines bereits etablierten Diskurses zum Umgang mit KI im Deutschunterricht legte nahe, methodische Zugänge an der forschungsorientierten Didaktik auszurichten (Tremp 2020). Studierende sollten im Sinne der Eigenaktivität selbstständig arbeiten und damit Verantwortung für die Recherche, Aufbereitung und Darstellung von Wissen übernehmen. Dieses Prinzip der Verantwortung (Brommer et al. 2023) wurde insbesondere bei der Reflexion über das Verfassen der Pro-Seminararbeit und dem damit verbundenen Gebrauch von KI-Tools als Grundlage guter wissenschaftlicher Praxis hervorgehoben.

Teilprüfungsleistungen dieser prüfungsimmanenten LV waren kompetenzorientierte Aufgabenstellungen, die als Vorbereitung der Präsenzeinheiten dienten. Auch sie folgten der forschungsorientierten Didaktik: So wurde beispielsweise eine gemeinsame technische Wissensbasis zur KI zunächst durch eine individuelle Recherche angebahnt. In der anschließenden Präsenzeinheit wurde durch kritische Nachfragen überprüft, wie gut die Studierenden KI und ihre Funktionsweise bereits erklären konnten. Die vielen offenen Fragen aus der Präsenzeinheit wurden anschließend in einem kollaborativen Dokument gesammelt und unter gegenseitiger Bezugnahme von Studierenden beantwortet. So entstand eine lernergebnisorientierte und kollaborativ im Etherpad erarbeitete Wissenssammlung, die im Laufe des Seminars immer wieder als Quelle und Referenz diente.

Sich so ausführlich mit einem Thema auseinanderzusetzen, dass man es selbst unterrichten kann, war dann auch Ziel einer weiteren forschungsorientierten Aktivität: Bei einer Lehrer/innenfortbildung, die ich in Linz geleitet habe, wurden die Studierenden per Zoom-Video zugeschaltet, um den teilnehmenden Lehrer/innen einen Einblick in den gegenwärtigen fachdidaktischen Forschungsstand sowie mögliche Veränderungen des Deutschunterrichts durch KI zu geben. In diesem Dialog „Universität trifft Praxis“ übernahmen die Studierenden Verantwortung nicht nur für die Erarbeitung der Themen, sondern ebenso für die Kommunikation und Präsentation ihrer Forschungsergebnisse. Eine nachgelagerte schriftliche Feedback-Schleife durch die Lehrpersonen zeigte die Studierenden die Ergebnisse ihres Arbeitens und ob die Präsentationen bzw. darin entfalteten Argumentationen für die Lehrer/innen aus der Schulpraxis überzeugend waren.

Kompetenzen des wissenschaftlichen Arbeitens sollten vor allem durch das Prinzip des Scaffoldings (van de Pol et al. 2010) unterstützt werden. Im Sinne des Decoding-Ansatzes (Middendorf und Pace 2004), der vorsieht, Studierenden Einblick zu geben, wie Expert/innen Aufgaben bewältigen, versuchte ich in der Lehrveranstaltung sowohl mein eigenes wissenschaftliches Arbeiten (z.B. Suchen einer Forschungsfrage, Einsatz von Literaturverwaltungsprogrammen, etc.) als auch die Herangehensweisen von etablierten Wissenschaftler/innen an die in LV aufgeworfene Fragestellung sichtbar zu machen. So boten zwei für die LV organisierte Gastvorträge Studierenden die Möglichkeit auch in die Diskussion mit den eingeladenen Vortragenden zu treten und durch die Reflexion deren Vorgehens, Folgen der KI auf den Deutschunterricht abzuschätzen, auch für die eigenen Forschungsprojekte zu lernen.

Kollaboration, Partizipation und Feedback (siehe Soziale Eingebundenheit bei Ryan/Deci):

Die Tatsache, dass Motivation beim Lernen in hohem Maße von dem Gefühl der sozialen Eingebundenheit abhängt, legte nahe, methodisch so vorzugehen, dass Studierende im Laufe der Lehrveranstaltung eine Vielzahl an Austauschmöglichkeiten hatten, um einerseits gemeinsam zu arbeiten und andererseits Rückmeldung auf eigene Arbeiten zu bekommen. Lernergebnisse dieses kollaborativen Arbeitens waren schließlich gemeinsam verfasste Dokumente, die den Entstehungsprozess, Überarbeitungsschritte und gegenseitige Bezugnahme sichtbar machten: So entstanden die oben erwähnte Wissensgrundlage (Generative KI – Recherche), Richtlinien zum Umgang mit KI-Tools sowie eine ausführliche und detaillierte Kartierung des deutschdidaktischen Diskurses in Form einer digitalen Tafel (Padlet; alle Dokumente im Anhang). Diese Kartierung und Ergebnisdarstellung als Padlet diente außerdem als Ausgangspunkt die individuelle Wahl eines Themengebiets für die Prüfungsleistung Pro-Seminararbeit.

Mit dem Ziel „to develop the students’ capacity to make evaluative judgements both about their own work and that of others“ (Nicol 2013, S. 34) wurde auf unterschiedliche Methoden zurückgegriffen, die von spielerischen Formaten wie dem „Wissenschaftlichen Speeddating“ zur kurzen Erklärung des Forschungsvorhaben, über Diskussionsrunden und Fortschrittsberichte in der sogenannten Forschungswerkstatt (jeweils die letzte halbe Stunde der Präsenzeinheiten) bis hin zu ausführlichen Feedbackschleifen im LMS (Moodle Workshop-Tool) reichten. In dieser Peer-Feedbackphase tauschten Studierende gegenseitig ihre Exposés und erstellten ausführliche kritische Gutachten. Wiederholt und reflektiert wurden so die Kriterien für gelungene Forschungsfragen und Exposés. Die konsequente Weiterentwicklung der eigenen Forschungsvorhaben wurde nach dieser Phase mit begleiteten Aufgaben in Moodle (z.B. Zeitplanung mit KI-Tools erstellen) unterstützt.

Extensives Feedback wurde aber vor allem von mir als Lehrperson gegeben, sei es durch Audiofeedback im LMS auf unterschiedliche Aufgabenstellungen, Beratungsgespräche im Zuge der Forschungswerkstatt sowie am Ende der LV durch die kriteriale Beurteilung der Pro-Seminararbeiten, die aus zwei Phasen bestand. Neben der Rückmeldung und Kommentierung der eingereichten Arbeiten wurde mit jedem Studierenden/jeder Studierenden ein ca. 15-minütiges Feedbackgespräch geführt, in dem nicht nur die Stärken und Schwächen der Arbeit rückgemeldet wurden, sondern insbesondere der Gebrauch von KI-Tools reflektiert wurde. Das Ziel dieses methodischen Fokus auf Feedbackprozessen und formativem Assessment lag in der Ausbildung einer reflexiven Haltung gegenüber KI, die insbesondere für angehende Lehrpersonen essentiell ist.

Kompetenzen wissenschaftlichen Arbeitens, AI-Literacy und reflektierter Einsatz von KI-Tools (Kompetenzerleben bei Ryan/Deci)

Das didaktisch-methodische Design der LV war u.a. darauf ausgelegt, dass Studierende einen reflektierenden Umgang mit KI-Tools einüben. Man spricht daher von AI-Literacy: „a set of competencies that enables individuals to critically evaluate AI technologies; communicate and collaborate effectively with AI; and use AI as a tool online, at home, and in the workplace.“ (Long und Magerko 2020, S. 2) Im Sinne experimenteller Medienkompetenz (Wampfler 2020, S. 18), bei der es darum geht, dass man im Umgang mit Medien Erfahrungen sammelt und diese ausführlich reflektiert, stand von Anfang an der interaktive Gebrauch von KI-Tools (Recherche-Tools, Lese-Tools, Tutor-Systeme) und die anschließende Reflexion im Mittelpunkt der Arbeitsaufträge zur Vorbereitung der LV-Einheiten. Studierende sollten sich beispielsweise mit prompt engineering auseinandersetzen, um dann Lerngespräche mit Chatbots zu führen und das Ergebnis kritisch reflektieren. Bei der vorbereitenden Lektüre wurde beispielsweise auf ChatPDF zurückgegriffen, Studierende sollten abschätzen, ob sie die wissenschaftlichen Texte mittels Unterstützung durch Chatbots besser verstehen. Im Zuge der Planung für das Exposé sollten Studierende Chatbots für die detaillierte Zeitplanung des Schreibprozesses nutzen. All diese verschriftlichten Reflexionsprozesse dienten schließlich als wichtiger Einblick in die Arbeitsweise der Studierenden mit KI-Tools.

Am aufschlussreichsten war aber der Einsatz der KI-Tools bei den Pro-Seminararbeiten, der im Vorfeld des Verfassens durch kollaborativ erarbeitete Richtlinien und Zitiervorschläge vorbereitet und geregelt wurde. In der Auswertung der Pro-Seminararbeiten und den anschließenden persönlichen Feedbackgesprächen mit einzelnen Studierenden zeigten sich eine ganze Reihe von unterschiedlichen Kompetenzstufen. Diese Lernergebnisse werden für zukünftige Lehrveranstaltungen als Grundlage dienen, um spezifischer an KI-Kompetenzen zu arbeiten und die Arbeitsaufträge dementsprechend weiterzuentwickeln.

Überprüft wurden die relevanten Kompetenzen wissenschaftlichen Arbeitens vor allem durch die Abschlussarbeit, die als abschließendes Ergebnis der intensiven Auseinandersetzung stand. Ein eigens erstellter Kriterienrasters gab eine klare Orientierung, die u.a. im kollaborativen Prozess (siehe Richtlinien) mitgestaltet wurden. Die Leistung bei den Arbeiten wurde mit einem kurzen schriftlichen Gutachten sowie den 15-minütigen Feedbackgesprächen rückgemeldet. Da zu erwarten ist, dass summative und auf Reproduktion gerichtete Prüfungskultur durch den Einsatz von KI-Tools in Frage gestellt wird (Wilder 2023, S. 37), war das Bestreben dieser LV, den prüfungsorientierten Fokus eben v.a. auf Prozessbegleitung und Feedback zu legen.