Generative KI bei der Erstellung von Lehrinhalten
Kontroverse Position: LLMs und AI‑Agents eignen sich (im aktuellen Umfeld) sehr gut dafür, Lehrinhalte für Kurse an Universitäten zu entwickeln.
(Das hier ist geschrieben aus der Perspektive einer Person in der Informatik und dem, was sie vorgelebt bekommt. Vielleicht ist es in anderen Fächern besser, es würde mich freuen.)
Ausgangssituation
Lehre ist an Universitäten für die meisten nur eine Pflicht, die erfüllt werden muss. Aufgrund guter Lehre bekommt man nur sehr selten die Stelle, die man anstrebt. Was im akademischen Kontext zählt, ist die Anzahl an Publikationen, die man vorzuweisen hat, und die Menge an Geld, die man reinholt. Und mit dieser Ausgangslage wird Lehre häufig stiefmütterlich behandelt und ist bei weitem keine Priorität. Außerdem interessieren sich Politik und Univerwaltungen nur für die Zeit, die man tatsächlich vor Studierenden verbringt. Die Vorbereitungszeit geht von der Zeit für Forschung und Anträge ab, beides Sachen, die an Unis mehr Wert sind. Und speziell Nachwuchswissenschaftler*innen, die schon Lehrerfahrung haben, wird nahegelegt, weniger Zeit und Energie in die Lehre zu investieren, auch wenn diese Spaß machen sollte. (Kurzer Einschub: Mir macht Lehre vor Ort mit Studierenden sehr viel Spaß, die Vorbereitung und die Erstellung von Lehrinhalten aber deutlich weniger.)
Aufgrund der häufig ziemlich niedrigen Priorität ist die Lehre so, wie sie ist: Man kopiert sich Sachen von Lehrenden an anderen Unis oder aus den Begleitmaterialien von Standardwerken zusammen, ergänzt das vielleicht minimal, aber kontrolliert nicht großartig, ob es tatsächlich korrekt ist. Man erstellt Übungsblätter und Lab-Sheets, die unter Umständen vorher niemand getestet hat, und der erste Jahrgang an Studierenden sind die Beta-Tester*innen sowohl für die Vorlesung als auch für Übungen und Labs. Und für die Klausuren werden Aufgaben aus dem Internet, aus alten Klausuren und aus Übungsaufgaben zusammengestellt, ein paar Zahlen geändert und dann so verwendet.
Die Lehre ist sehr prekär ausgestattet. Es gibt (bis auf in wenigen Grundmodulen) kein Personal (wie z.B. HiWis), um vorher einmal alles zu testen, und finanzielle Mittel für Lehre sind auch selten verfügbar. Und an manchen Universitäten werden aktuell aufgrund von Mittelkürzungen Stellen gestrichen und keine HiWis mehr eingestellt, was auch die Lage bei großen Grundmodulen prekärer macht. Und wenn man nicht gerade ein Team in einem großen Grundmodul zur Verfügung hat, ist man beim Thema Lehre häufig Einzelkämpfer*in, speziell als Postdoc ohne eigene Gruppe. Das heißt, man erstellt Lehrinhalte, hat keine Person, die dazu Feedback geben kann, und die Studierenden finden dann die Unklarheiten und Fehler, die man selbst nicht gesehen hat. Und außerdem hat man keine Person, mit der man sich inhaltlich austauschen kann und mit der man zusammen Lehrinhalte erstellen kann.
Situation mit generativer KI
Bei dieser Ausgangslage kann generative KI es fast nur besser machen.
Ein AI-Agent kann mehrere (alle?) dieser Probleme lösen und sogar noch mehr. (Über die Qualität geht es später.)
Ein AI‑Agent bietet zuallererst einen Ersatz für die Person, die üblicherweise fehlt, um gemeinsam Lehrinhalte zu erstellen. Der Agent kann bestehende Folien überprüfen, ob die Inhalte noch aktuell und korrekt sind, und dabei auch mögliche Lücken aufzeigen, die man noch schließen kann, bevor man sich vor Studierende stellt. Aber auch bei der bisherigen Art, Lehrinhalte zu erstellen, kann generative KI helfen. Existierende Inhalte lassen sich deutlich schneller neu zusammenstellen und grundlegend auf Fehler und Lücken überprüfen und durch zusätzliche Inhalte anreichern.
Auch bei der Erstellung von Klausuren und Fragen für mündliche Prüfungen können LLMs und AI‑Agents besonders hilfreich sein. Prüfungen dürfen häufig nur das abfragen, was auch im Kurs (oder sogar nur in der Vorlesung) behandelt wurde. Wenn man einem aktuellen LLM die Vorlesungsfolien und eine alte Klausur als Beispiel gibt, wie die Aufgaben für die Klausur aussehen sollen, ist dieses in der Lage, Prüfungsaufgaben zu erstellen, die kein zusätzliches Wissen über die Vorlesungsinhalte hinaus benötigen, und das LLM referenziert sogar die Folien, auf denen die Aufgabe und die erwartete Antwort basieren. (Studierende können sich nach dem Prinzip übrigens auch eigene Übungsaufgaben für die Klausurvorbereitung erstellen.)
Eine weitere Stärke von AI‑Agents ist die Generierung von Code. Und wenn man anstatt auf PowerPoint zum Beispiel auf Typst setzt, um die Vorlesungsfolien zu erstellen, kann man sich diese Stärke sehr zunutze machen. Man kann auf einer Folie einfach einen Kommentar hinterlassen, wie man gerne die Formatierung ändern möchte oder was für ein Diagramm man dort gerne hätte, und der AI‑Agent hat es nach kurzer Zeit genau so umgesetzt.
Neue Inhalte und Sachen, die bisher zeitlich nicht möglich waren
Aber auch neue Inhalte lassen sich iterativ in Konversationen mit einem AI‑Agent wahrscheinlich gut erstellen. Wahrscheinlich waren viele Materialien zu Kursen Teil der Trainingsdaten und somit bringt der Agent einen starken Wissensschatz schon mit. Ich habe bisher erst einmal eine kleine Menge an Folien zu Inhalten erstellen lassen, die nicht in bestehenden Slides verfügbar waren, die ein AI-Agent übernehmen konnte.
Aber auch noch andere Sachen sind möglich mit generativer KI. Studierende fragen häufig nach einem Skript zu der Lehrveranstaltung. Wenn es ein begleitendes Fachbuch gibt, wird gerne darauf verwiesen und sonst wird erklärt, dass keine zeitlichen und personellen Kapazitäten zur Verfügung stehen und die (vielleicht ein wenig übervollen) Vorlesungsfolien Skript genug seien. Wenn man jedoch die Vorlesung aufzeichnet, hätte man alles, um genau dieses Skript zu erstellen. Mit Speech-to-Text-Modellen und einem angeschlossenen LLM oder AI‑Agent kann man bestimmt aus den Vorlesungsfolien und einem Video ein Skript zu der Veranstaltung erstellen, wie viele Studierende es sich wünschen.
Und die generierten Inhalte nehmen wir dann so und spielen PowerPoint-Karaoke?
Bloß nicht! (Auch wenn es so schon vorkommt, dass Dozierende Folien von anderen übernehmen, diese vor der Vorlesung nicht durchgehen und dann essenziell PowerPoint-Karaoke spielen.) Ungeprüft sollten KI-generierte Inhalte Studierenden nicht vorgelegt werden. Die Verantwortung trägt weiterhin die Lehrperson und daher sollten alle Inhalte auf ihre Richtigkeit überprüft werden. Und generative KI ist auch nicht perfekt. Die Bearbeitung von Folien funktioniert schon ziemlich gut (außer man verwendet PowerPoint), aber der Agent schießt auch manchmal übers Ziel hinaus. Bestimmte Ungenauigkeiten dürfen bestehen bleiben und können mit den Studierenden vor Ort geklärt werden. Und während Vorlesungsfolien schon häufig überladen sind (weil sie ein Skript ersetzen), sind von generativer KI erstellte Folien noch mal deutlich überladener und so nicht einsetzbar.
AI‑Agent als Tutor und Prüfer
Aber die Ideen zum Einsatz generativer KI in der Lehre an Universitäten (und, soweit ich weiß, auch an Schulen) gehen schon deutlich weiter. Anstatt nur KI‑generierte Inhalte zu verwenden, ist die Idee, gleich den ganzen Lehrprozess KI-gestützt umzusetzen. Dafür existiert die Idee, dass jede*r Studierende einen persönlichen KI‑Tutor bekommt. Dieser Tutor soll Wissen vermitteln, Übungsaufgaben generieren, das Wissen abfragen und prüfen, ob das Wissen tatsächlich erlangt wurde. Außerdem soll der Agent empfehlen, eine Pause einzulegen, wenn dieser merkt, dass der*die Studierende nicht mehr aufnahmefähig ist. Während so eine Lösung einen Grad der Anpassung an den entsprechenden Lerntyp, der vor dem Computer sitzt, möglich macht, der im universitären Alltag nicht möglich ist, geht diese Idee mir persönlich zu weit. Als Ergänzung mit einem lokal gehosteten KI‑Modell ist es vielleicht gerade noch vorstellbar, aber es fehlt das gemeinsame Lernen komplett und was ist der Abschluss einer Uni noch wert, wenn die Prüfungen nicht einmal an der Uni abgelegt werden, sondern bei einem KI‑Agenten? Aber während ich die Vision nicht mag, halte ich sie auch nicht mehr für unrealistisch. Perplexity hat mittlerweile schon einen “Learn step by step”-Modus, in dem das Modell versucht, den bisherigen Wissensstand zu erörtern und darauf aufbauend den*die Nutzer*in schrittweise durch einen Lernprozess zu führen.
Fazit
In der aktuellen Lage bietet generative KI Möglichkeiten, Lehrinhalte effizienter zu erstellen und unter Umständen auch bessere Lehre anzubieten, und spielt derzeit eine zunehmend größere Rolle. Aber es ist wichtig, dass weiterhin die Lehrperson die Verantwortung trägt für die Inhalte und diese überprüft und vor allem in der Lage ist, diese fachlich und inhaltlich zu prüfen. Was bleibt, ist die Frage: Wo ist die Grenze? Und wie sieht die Grenze für unterschiedliche Menschen und Personengruppen aus?
Persönliches Fazit
Bedeutet das, ich finde das toll? Nein! Ich würde mir wünschen, dass Lehre einen höheren Stellenwert hätte und finanziell und personell besser ausgestattet wäre. Aber wenn ich mich so umgucke, sieht das weder realistisch noch politisch gewollt aus und dann gibt es, wenn es akademisch weitergehen soll, zwei Optionen: a) regelmäßig massiv Überstunden machen (der Standard bei Menschen im akademischen Bereich bisher), b) dem Trend folgen und mindestens selektiv AI-Agents einsetzen.
Was ich hier nicht betrachtet habe, ist der Umwelteinfluss von KI-Nutzung und die Praktiken der US-Firmen, die hinter den öffentlich verfügbaren KI‑Modellen stehen. Die Betrachtung davon ist bewusst kein Thema hier und für weitergehende Gedanken dazu und zur Verwendung generativer KI möchte ich gerne auf ein Video von Dr. Fatima1 verweisen.
Andere Positionen
Während generative KI in der Lehre und in der Erstellung von Lehrinhalten eine immer größere Rolle spielt, nehme ich auch Stimmen wahr, die diesen Einsatz vollständig ablehnen und so weit gehen, zu sagen, dass dies unvertretbar sei. Ich würde diese Position gerne verstehen. Also, wenn du Gedanken zu dieser Position hast, teile diese sehr gerne mit mir.
Autor*in: Laura
Bearbeitung (Grammatik, Zeichensetzung und Rechtschreibung) mithilfe von LanguageTool