Ein Prompt ist kein Team - Warum KI-Agenten für komplexe Lehrprojekte nötig sind
Hinweis: Die Inhalte auf dieser Seite wurden teilweise von KI generiert und können Fehler enthalten.
„Wenn wir nur was Kurzes eingeben, dann landen wir auch irgendwie immer nur bei diesem statistisch wahrscheinlichsten.“
„Ich würde es als KI Dosensuppe bezeichnen, das heißt, ich kann dann nicht mehr darauf eingehen, kann das nicht mehr verändern, nicht mehr finetunen in dem Sinne, dass es wirklich nur für meinen Anwendungsfall in dem Sinne ideal ist oder funktioniert.“
„Wir nutzen KI, glaube ich, auch noch in vielen Fällen falsch, also als Ein- und Ausgabemaschine. [...] Aber die braucht Dialog, die muss sich praktisch auf uns einschwingen, damit sie uns in diesem statistischen Chaos dann tatsächlich auch irgendwo wiederfindet.“
Der Vortrag von André Dietrich (TU Bergakademie Freiberg) thematisiert die Grenzen prompt-basierter KI-Werkzeuge in der Hochschullehre. Während einfache Aufgaben damit effizient lösbar sind, stoßen solche Ansätze bei komplexen Lehrprojekten an ihre Grenzen – etwa durch vage Ergebnisse, Halluzinationen oder fehlende Transparenz. Kommerzielle Plattformen verschärfen das Problem, indem sie Prompts hinter grafischen Oberflächen verstecken („KI-Dosensuppe“) und Lehrenden kaum Gestaltungsspielraum lassen. Als Alternative wird ein agentenbasiertes System vorgestellt, das auf strukturierten Workflows, klaren Rollen und wiederverwendbaren Artefakten basiert.
Handlungsempfehlung:
Kernbotschaft: KI-Agenten ersetzen nicht Prompts, sondern skalieren deren Einsatz – von der Einmal-Abfrage zur kollaborativen, strukturierten Wissensarbeit. Der Schlüssel liegt in der Modularisierung, Transparenz und Wiederverwendbarkeit der erstellten Artefakte.
Leascript ist für Menschen einfacher zu editieren als komplexer HTML/JavaScript-Code. Zudem bietet es mehr Sprachfeatures und ermöglicht den Export in verschiedene Formate wie SCORM oder Android APK.
Ja, es funktioniert auf Deutsch. Obwohl die ursprünglichen Agenten auf Englisch definiert sind, bleibt die KI in der Regel bei der vom Nutzer eingestellten Sprache.
Für gängige Programmiersprachen nutzt die KI ihr internes Wissen; Spezialwissen kann über Verzeichnisse oder Tools wie RAG hinterlegt werden. Ein Faktencheck kann durch einen zusätzlichen Validierungs-Agenten erfolgen, der Quellen systematisch überprüft.
Eine Kombination ist technisch möglich. Allerdings bieten aktuelle Cloud-Modelle wie Claude Code derzeit eine deutlich höhere Performance als die meisten lokal verfügbaren Modelle.
| Begriff | Definition |
|---|---|
| KI-Agenten | Spezialisierte KI-Einheiten mit klaren Rollen, Personas und Aufgaben, die in strukturierten Workflows zusammenarbeiten. |
| KI-Dosensuppe | Metapher für kommerzielle Plattformen, die Prompts hinter grafischen Oberflächen verstecken und so die Kontrolle und individuelle Anpassung durch Lehrende einschränken. |
| Artefakte | Nachvollziehbare, versionierbare und wiederverwendbare Ergebnisse eines KI-Prozesses, wie beispielsweise Markdown-Dateien oder Lehrmaterialien. |
| Lerner-Personas | KI-generierte Profile von Zielgruppen, die dazu dienen, Lehrmaterialien vorab auf Verständnisprobleme oder Wissenslücken zu testen. |
| MCP (Model Context Protocol) | Ein Protokoll, das es KI-Agenten ermöglicht, auf lokale Dateien, Browser oder externe Dienste zuzugreifen. |
| Leascript | Eine einfach editierbare Sprache zur Erstellung und Publizierung von interaktiven, dezentralen Onlinekursen. |
| Tasks | Formalisierte Arbeitsschritte innerhalb eines agentenbasierten Systems mit definierten Eingaben und Ausgaben. |
| OER (Open Educational Resources) | Offene Bildungsressourcen, die unter freien Lizenzen geteilt und gemeinschaftlich weiterentwickelt werden. |
mindmap
root)Ein Prompt ist kein Team - KI-Agenten für Lehrprojekte(
["Grenzen des Promptings"]
["Statistisch unpräzise Ergebnisse"]
["Halluzinationen bei langen Kontexten"]
["Fehlende Dialogfähigkeit"]
["Kritik an kommerziellen Plattformen"]
["Versteckte Prompts hinter GUIs"]
["Kein Finetuning möglich"]
["Uniforme, intransparente Ergebnisse"]
["Konzept der KI-Agenten"]
["Spezialisierte Rollen und Tasks"]
["Nachvollziehbare Artefakte"]
["Modularität und Wiederverwendbarkeit"]
["Iterative Kursplanung"]
["Schrittweise von Grob zu Fein"]
["Lerner-Personas für Validierung"]
["KI als didaktischer Sparringspartner"]
["Technische Umsetzung"]
["VS Code mit MCP-Protokoll"]
["Leascript für interaktive Inhalte"]
["Open-Source und OER"]
["Fazit & Handlungsempfehlung"]
["Agentenbasierte Workflows nutzen"]
["OER-Prinzipien fördern"]
["Lokale Tests mit VS Code"]