Digital Learning Campus

Wortwolke

Zusammenfassung

1. Kontext

Die Veranstaltung präsentiert zwei unterschiedliche Ansätze zur Integration von KI-Kompetenz in die Hochschullehre: das KI-Team Heilbronn und die KI-Tutor:innen Bayern. Beide Projekte reagieren auf die Herausforderungen durch generative KI, die traditionelle Lern- und Prüfungsformate infrage stellt. Ziel ist es, Studierende auf eine von KI geprägte Welt vorzubereiten – ein Anliegen, das durch den EU AI Act zusätzlich an Relevanz gewinnt. Die Session vergleicht die Projekte in einem „Battle“-Format, um Erfolgsfaktoren, Skalierbarkeit und Wirksamkeit zu diskutieren.

2. Kernaussagen

2.1 Zwei unterschiedliche Ansätze zur KI-Integration

KI-Team Heilbronn:
- Strukturiertes Blended-Learning-Konzept mit zentraler Steuerung.
- Kombination aus Online-Selbstlernkurs (Grundlagen, Ethik, Recht, Prompting) und interaktiven Live-Recap-Sessions (Diskussion, Anwendung, Gruppenarbeiten).
- Fokus auf Wirksamkeitsforschung (Kompetenzaudits, Feedbackschleifen) und Skalierung durch „Teach the Teacher“-Programme.
- Erfolge: 1.500 eingeschriebene Studierende, 1.000 Teilnehmer:innen in Live-Sessions, nachweisliche Kompetenzsteigerung in Bereichen wie Ethik, kritisches Denken und Tool-Handling.
KI-Tutor:innen Bayern:
- Partizipatives Tandem-Modell aus Studierenden und Lehrenden, das KI-Tools explorativ in der realen Lehre erprobt.
- Bottom-up-Ansatz: Studierende experimentieren mit KI und berichten Lehrenden – senkt Hürden für Lehrende.
- Skalierung durch Open Education: Bereitstellung von „Replication Packages“ (Moodle-Kurse, Guides) für andere Hochschulen.
- Erfolge: 50 Tandems in Bayern, Gründung eines studentischen Vereins, Nachahmung an anderen Hochschulen (z. B. TU Graz, Uni Passau).

2.2 Didaktische und strategische Erfolgsfaktoren

Aktualität und interdisziplinäre Teams:
- Beide Projekte betonen die Notwendigkeit interdisziplinärer Kernteams, um Curricula kontinuierlich an technologische und rechtliche Entwicklungen (z. B. EU AI Act) anzupassen.
- KI-Team Heilbronn: Team aktualisiert Kurse regelmäßig (z. B. in 2 Wochen für Mitarbeitende nach EU AI Act).
- KI-Tutor:innen Bayern: Framework ermöglicht schnelle Reaktion auf Veränderungen (z. B. durch Recycling bestehender Strukturen).
Wirksamkeitsmessung:
- Heilbronn: Systematische Begleitforschung mit Kompetenzaudits (15–20 Minuten) und „Kompetenzspinnen“ zur Visualisierung von Fortschritten.
- Bayern: Explorativer Ansatz ohne formale Begleitforschung, aber mit praktischer Erprobung (z. B. KI-gestützte Klausurvorbereitung).
Skalierung und Multiplikation:
- „Teach the Teacher“: Heilbronn bildet Lehrende fort, die das Wissen in ihre Fachbereiche tragen (ausgebuchte Workshops).
- Open Education: Bayern stellt alle Materialien frei zur Verfügung (Moodle-Kurse, Lernziele, Guides) – ermöglicht schnelle Adaption durch andere Hochschulen.

2.3 Herausforderungen und Lösungsansätze

Aktualität vs. Halbwissen:
- Kritik Heilbronns am Tandem-Modell: Gefahr, dass Lehrende veraltetes oder gefährliches Halbwissen weitergeben.
- Lösungsvorschlag: Kombination beider Ansätze (z. B. zentral aktualisierte Materialien + dezentrale Erprobung).
Finanzierung und Nachhaltigkeit:
- Heilbronn: Finanziert durch KI-Campus-Projekt (Stifterverband) und DHBW-Zwischenfinanzierung.
- Bayern: Gefördert durch Bayerisches Staatsministerium für Wissenschaft und Kunst und Vereinigung der Bayerischen Wirtschaft; Nachfolgeprojekte an mehreren Universitäten.
Geschwindigkeit der Umsetzung:
- Bayern: Projektstart innerhalb von 2–3 Monaten dank agilem Team und Replication Packages.
- Heilbronn: Kurse in 2 Wochen aufsetzbar, aber langfristige Aktualisierung ist größere Herausforderung.

2.4 Nachahmung und Transfer

Heilbronn: Materialien werden frei geteilt, aber genaue Anzahl der Nachahmer:innen unbekannt.
Bayern: Explizite Nachahmung an anderen Hochschulen (z. B. TU Graz, Uni Passau mit „Rent a Tutor“-Modell).
- Symbolische Geste: Papagei als Maskottchen („Generative Pre-Tutor“) unterstreicht Offenheit für Replikation.

3. Fazit

3.1 Stärken der Ansätze

KI-Team Heilbronn:
- Vorteile: Strukturierte Didaktik, nachweisbare Wirksamkeit, Skalierbarkeit durch Multiplikator:innen.
- Botschaft: „Echte Fachkompetenz braucht systematische Begleitforschung und zentrale Aktualisierung.“
KI-Tutor:innen Bayern:
- Vorteile: Hohe Partizipation, Praxisnähe, schnelle Skalierung durch Open Education.
- Botschaft: „Lernen passiert in der Realität – explorative Formate senken Hürden für Lehrende.“

3.2 Handlungsempfehlungen

Kombination beider Modelle:
- Zentral gesteuerte Grundlagenkurse (wie in Heilbronn) mit dezentraler Erprobung (wie in Bayern) verbinden.
- Beispiel: Aktualisierte Materialien des KI-Teams Heilbronn in Tandems der KI-Tutor:innen nutzen.
Wirksamkeitsforschung priorisieren:
- Kompetenzaudits und Feedbackschleifen in allen Projekten verankern, um Lernerfolge messbar zu machen.
Open-Education-Strategien nutzen:
- Replication Packages bereitstellen, um Skalierung zu beschleunigen (z. B. Moodle-Kurse, Guides).
Interdisziplinäre Teams etablieren:
- Kernteams aus Didaktiker:innen, Jurist:innen und Technologieexpert:innen bilden, um Curricula aktuell zu halten.
„Teach the Teacher“-Programme ausbauen:
- Lehrende als Multiplikator:innen befähigen, um Breitenwirkung zu erzielen.

3.3 Ausblick

Heilbronn: Ausbau fachspezifischer Kurse (z. B. Gesundheit, Soziales) und Differenzierung nach Kompetenzniveaus.
Bayern: Weiterentwicklung des Frameworks für andere disruptive Technologien (z. B. Quantencomputing).

Abschließende Botschaft: Die Integration von KI-Kompetenz gelingt am besten durch strukturierte Grundlagenvermittlung und explorative Praxisformate. Beide Ansätze ergänzen sich – die Wahl hängt von den institutionellen Rahmenbedingungen ab. Entscheidend sind Aktualität, Wirksamkeitsmessung und Skalierbarkeit.

Fragen & Antworten

Wie kann man das Projekt der KI-Tutor:innen Bayern an der eigenen Hochschule nachahmen?

Das Projekt bietet sogenannte „Replication Packages“ an, die Moodle-Kurse, Lernziele und Guides enthalten. Diese Materialien sind unter tum.de/guides frei zugänglich und ermöglichen eine schnelle Umsetzung innerhalb weniger Wochen.

Wie wird die Wirksamkeit der KI-Kompetenzsteigerung im Projekt des KI-Teams Heilbronn gemessen?

Es wird ein systematisches Kompetenzaudit eingesetzt, das in 15 bis 20 Minuten durchlaufen wird. Die Ergebnisse werden zu Beginn und am Ende des Kurses in einer „Kompetenzspinne“ visualisiert, um den Zuwachs in Bereichen wie Ethik, kritischem Denken und Tool-Handling nachzuweisen.

Welche Gefahr sehen die Referenten im rein partizipativen Tandem-Modell (Studierende und Lehrende)?

Es besteht die Gefahr, dass Lehrende veraltetes oder gefährliches Halbwissen weitergeben, da die technologische Entwicklung sehr schnell voranschreitet. Als Lösung wird eine Kombination aus zentral aktualisierten Materialien und dezentraler Erprobung vorgeschlagen.

Wie wird die Aktualität der Kursinhalte angesichts der schnellen KI-Entwicklung sichergestellt?

Das KI-Team Heilbronn setzt auf ein interdisziplinäres Kernteam aus Didaktiker:innen, Jurist:innen und Technologieexpert:innen, die die Curricula kontinuierlich anpassen, wie beispielsweise kurzfristig nach dem EU AI Act geschehen.

Diagramm

100%

mindmap
  root)KI-Kompetenz in der Lehre(
    ["Zwei Integrationsansätze"]
      ["KI-Team Heilbronn"]
      ["KI-Tutor:innen Bayern"]
    ["Didaktische Erfolgsfaktoren"]
      ["Interdisziplinäre Teams"]
      ["Wirksamkeitsmessung"]
      ["Skalierung & Multiplikation"]
    ["Herausforderungen"]
      ["Aktualität vs. Halbwissen"]
      ["Finanzierung & Nachhaltigkeit"]
      ["Geschwindigkeit der Umsetzung"]
    ["Handlungsempfehlungen"]
      ["Kombination der Modelle"]
      ["Open-Education-Strategien"]
      ["Teach the Teacher-Programme"]
    ["Fazit & Ausblick"]
      ["Stärken der Ansätze"]
      ["Zukünftige Entwicklungen"]

3 Jahre. 2 Erfolgskonzepte. 1 Battle - Wie die Integration von KI-Kompetenz in die Lehre gelingt