Digital Learning Campus

Wortwolke

Zusammenfassung

Kontext

Der Vortrag von Anne Mazuga thematisiert die zentrale Rolle von Vertrauen in Lehr-Lern-Beziehungen an Hochschulen und die Herausforderungen, die durch den Einsatz generativer KI entstehen. Vertrauen basiert auf wechselseitigen Normen wie Ehrlichkeit, Verlässlichkeit und Wohlwollen, die durch KI infrage gestellt werden, da der Lernprozess von seinem Ergebnis entkoppelt wird. Die Referentin plädiert für eine Neuausrichtung des Diskurses über KI in der Lehre – weg von Kontrolle und Sanktionen hin zu einem Dialog über den Sinn des Lernens und die Bedeutung zwischenmenschlicher Beziehungen.

Kernaussagen

1. Vertrauen als Grundlage von Lehr-Lern-Beziehungen

Vertrauen ist ein notwendiger, aber nicht hinreichender Erfolgsfaktor für gelingende Lehr-Lern-Prozesse.
- Es basiert auf wechselseitigen Erwartungen: Studierende vertrauen darauf, dass Lehrende relevante Inhalte vermitteln, während Lehrende Studierenden die Fähigkeit zur Auseinandersetzung mit komplexen Themen zutrauen.
- Fehlendes Vertrauen führt zu Kontrolle und Regulierung (z. B. Plagiatsprüfungen) und kann Lehr-Lern-Situationen in Machtkämpfe verwandeln.
Vertrauen ist kein kognitiver Skill oder Wissensgehalt, sondern eine Haltung zwischen Personen, die sich in der Qualität ihrer Beziehung zeigt.
- Es erfordert Verletzlichkeit: Studierende zeigen Unsicherheiten, Lehrende geben eigene Grenzen oder Enttäuschungen zu erkennen.

2. KI als Störfaktor für Vertrauen

Entkopplung von Prozess und Ergebnis:
- KI ermöglicht die Generierung plausibler Lernergebnisse ohne den mühsamen Lernprozess (z. B. durch Prompting statt eigenständiger Argumentation).
- Dies untergräbt das Vertrauen, dass Studierende tatsächlich Kompetenzen erworben haben, da unklar bleibt, wer was geleistet hat.
Kategorienfehler:
- Ethische Standards wie Ehrlichkeit oder Verlässlichkeit sind nur auf Menschen anwendbar, nicht auf KI.
- Eine KI kann kein Adressat oder Absender von Vertrauen sein – ihre "Fehler" sind keine Vertrauensbrüche, sondern technische Limitationen.
Trügerische Kompetenzillusion:
- KI-generierte Ergebnisse erzeugen bei Studierenden oft das Gefühl, kompetent zu sein, ohne dass sie den Lernprozess durchlaufen haben.
- Dies erschwert die Selbsteinschätzung der eigenen Fähigkeiten und die Bewertung durch Lehrende.

3. Vertrauen lernen: Menschliche Beziehungen als Voraussetzung

Kriterien der Vertrauenswürdigkeit entwickeln sich primär in vertrauensbasierten Mensch-Mensch-Beziehungen, nicht durch KI-Nutzung.
- Studierende lernen, wem sie vertrauen können, indem sie erleben, wie Lehrende ethische Standards vorleben (z. B. Ehrlichkeit, Offenheit).
- Erfahrungen von enttäuschtem Vertrauen (z. B. durch Täuschung) sind Teil dieses Lernprozesses und können nicht immer verhindert werden.
Hochschulen als Ort ethischer Standards:
- Lehrende setzen durch ihr Verhalten implizite Normen (z. B. "Was passiert, wenn ich unehrlich bin?").
- Diese Normen sind nicht durch Tutorials oder KI vermittelbar, sondern erfordern interaktive Erfahrungen.

4. Neue Formen des Vertrauensverlusts durch KI

Misstrauen als Standardfall:
- Vor KI waren Täuschungsversuche (z. B. Plagiate) Einzelfälle; durch KI droht Misstrauen zur Regel zu werden.
- Der Vertrauensverlust betrifft nicht nur Unehrlichkeit, sondern die Unklarheit, ob Lernen überhaupt stattgefunden hat.
Sinnkrise des Lernens:
- Der Wert des Lernens liegt im Prozess (Irrwege, Reflexion, Scheitern) – nicht im fertigen Ergebnis.
- KI trennt diesen Prozess vom Produkt, was die Bewertung von Leistungen erschwert und den Sinn des Studiums infrage stellt.
Sogwirkung der KI:
- Die Verfügbarkeit und Effizienz von KI macht es schwer, Studierende zu motivieren, Aufgaben selbstständig und mühsam zu bearbeiten.
- Die Frage lautet: Warum sollten Studierende noch selbst denken, wenn KI es schneller und besser kann?

5. Handlungsempfehlungen für Hochschulen

Perspektivwechsel im KI-Diskurs:
- KI sollte nicht primär im Kontext von Kontrolle und Sanktionen diskutiert werden (z. B. Plagiatsprüfungen), sondern im Kontext von Lernen und Vertrauen.
- Statt Verbote zu formulieren, sollte der Dialog über den Sinn des Lernens im Mittelpunkt stehen.
Reflexion der Lehr-Lern-Beziehung:
- Klärung der Fragen:
  - Wer vertraut wem? (Lehrende ↔ Studierende ↔ KI)
  - Worin besteht Lernen? (Prozess vs. Ergebnis)
  - Welche ethischen Standards sollen in der Lehre gelten?
- Bewusstsein für die Grenzen von KI: Studierende müssen den Unterschied zwischen menschlicher und KI-Interaktion erkennen (z. B. Simulation von Zuwendung vs. echtes Vertrauen).
Neudefinition von Lernleistungen:
- Prüfungsformate und Bewertungskriterien müssen den Prozess des Lernens stärker berücksichtigen (z. B. durch Reflexionsanteile, mündliche Prüfungen).
- Experimentieren mit neuen Formaten: z. B. KI als Lernbegleiter statt als Ersatz für kognitive Eigenleistung.

Fazit

Generative KI stellt Lehr-Lern-Beziehungen vor fundamentale Herausforderungen, indem sie Vertrauen als Grundlage des Lernens untergräbt. Die Lösung liegt nicht in mehr Kontrolle, sondern in der Rückbesinnung auf zwischenmenschliche Beziehungen und der Neudefinition des Lernens selbst. Hochschulen müssen einen Dialog über den Sinn des Studiums führen und Studierende darin unterstützen, Vertrauen in sich selbst, in Lehrende und in den Lernprozess (wieder) zu entwickeln – trotz oder gerade wegen KI. Entscheidend ist, dass KI nicht als Ersatz für menschliche Interaktion, sondern als Werkzeug zur Unterstützung genutzt wird, das den mühsamen, aber wertvollen Prozess des Lernens nicht ersetzt, sondern ergänzt.

Fragen & Antworten

Wie bewerten Sie die Situation in Prüfungssituationen, in denen oft von Betrug ausgegangen wird und ein enormer Aufwand betrieben wird, diesen zu verhindern?

Die Referentin beobachtet, dass viele Hochschulen KI primär im Kontext von Kontrolle und Sanktionen bei der Leistungsbewertung regulieren. Sie plädiert stattdessen für einen Perspektivwechsel: KI sollte nicht im Kontext von Verboten, sondern im Kontext von Lernen und der Lehr-Lern-Beziehung diskutiert werden.

Was passiert, wenn die Kriterien der Vertrauenswürdigkeit, die Studierende gegenüber KI entwickeln, auch auf Dozierende übertragen werden?

Vertrauenswürdigkeit ist primär ein Merkmal menschlicher Interaktion. Wenn Dozierende ihre eigene Verletzlichkeit und ihre Erwartungen an die Studierenden explizit machen, schaffen sie ein Fundament, auf dem Studierende den Unterschied zwischen echtem menschlichem Vertrauen und der technischen Funktionsweise einer KI besser erkennen können.

Was bedeutet die aktuelle Entwicklung für die Lehre im KI-Zeitalter und sollten Lernleistungen neu definiert werden?

Es ist notwendig, die Perspektive zu ändern und den Fokus wieder stärker auf die Mensch-Mensch-Beziehung zu legen. Dabei sollte gemeinsam mit den Studierenden die Sinnfrage des Lernens reflektiert werden, um zu entscheiden, welche Aspekte des Lernprozesses bewahrt werden müssen und welche obsolet geworden sind.

Diagramm

100%

mindmap
  root)Vertrauen am Limit: Lehr-Lern-Beziehungen im Zeitalter generativer KI(
    ["Vertrauen als Grundlage"]
      ["Wechselseitige Erwartungen"]
      ["Verletzlichkeit in Beziehungen"]
    ["KI als Störfaktor"]
      ["Entkopplung Prozess-Ergebnis"]
      ["Kategorienfehler: KI vs. Mensch"]
    ["Vertrauen lernen"]
      ["Menschliche Beziehungen als Voraussetzung"]
      ["Hochschulen als Ort ethischer Standards"]
    ["Neue Formen des Vertrauensverlusts"]
      ["Misstrauen als Standardfall"]
      ["Sinnkrise des Lernens"]
    ["Handlungsempfehlungen"]
      ["Perspektivwechsel im KI-Diskurs"]
      ["Neudefinition von Lernleistungen"]

Vertrauen am Limit. Lehr-Lern-Beziehungen im Zeitalter generativer KI