KI – Gabi Reinmann

Rückwärts- oder vorwärtsgewandt?

Letzte Woche habe ich auf der „KOLAB.KI Veranstaltungsreihe:
Künstliche Intelligenz in der Hochschullehre“ einen Vortrag gehalten mit dem Titel: Fachwissen und KI-freie Räume: rückwärts- oder vorwärtsgewandt? Anstelle eines Videos stelle ich das Vortragsmanuskript zur Verfügung.

Noch einmal: Wozu?

Seit einiger Zeit lässt sich beobachten, wie schnell Universitäten auf generative KI reagieren: Prüfungsordnungen und Eigenständigkeitserklärungen werden überarbeitet, Leitfäden entstehen, Lehr- und Prüfungsformate verändern sich. Das hat Gründe: Zum einen ist da der verbreitete Eindruck, man dürfe keine Zeit verlieren und habe ohnehin keine Wahl. Dieser Eindruck wird von Wirtschaft und Politik mit befördert. Zum anderen fühlen sich Hochschulen nachvollziehbarerweise dafür verantwortlich, Studierende auf eine Arbeitswelt und Gesellschaft vorzubereiten, in der KI selbstverständlich sein wird.

Einladung zum Perspektivwechsel

Vor einiger Zeit habe ich ein paar Fallvignetten zum Thema KI und Prüfungen aus Lehrenden-Sicht in diesem Blog vorgestellt – nämlich hier. Da hatte ich bereits angedeutet, dass diese Vignetten, die schwierige Situationen für Lehrpersonen beschreiben, wenn es um Prüfungen und KI geht, auch aus Sicht der Studierenden zu ergänzen wären. Dazu hat mir Nadia Blüthmann einige wertvolle Hinweise aus der Lehrpraxis gegeben; ein paar Situationen sind auf diese Weise dazugekommen, allerdings ohne dass ich sieonline gestellt habe. Stattdessen habe ich die Idee mit den Fallvignetten in die Arbeitsgruppe der KI-Lotsen eingebracht, die sich dem Prüfungsthema widmet. Das war eine gute Entscheidung, denn: Dort haben wir die Fallvignetten weiter bearbeitet und ergänzt, sodass wir nun eine schöne Sammlung beieinander haben. Diese Sammlung lädt Lehrende und Studierende zum Perspektivwechsel ein und kann eine gute Gelegenheit sein, miteinander ins Gespräch zu kommen, wenn es um die vielen komplexen Fragen geht, wie KI das Prüfen und die Erwartungen an Prüfungen verändert. Man kann die insgesamt 18 Fallvignetten auf der Website der KI-Lotsen anschauen. Ich mache sie aber auch hier verfügbar.

Tut Schreiben weh?

Ronald Barnett und Kelsey Inouye haben einen interessanten Text zum Schreiben verfasst und bereits Ende 2024 veröffentlicht. Ich bin erst jetzt darauf gestoßen und denke, dass der Beitrag im Kontext von Schreiben und KI von Bedeutung ist, auch wenn dem KI-Thema nur an wenigen Stellen Aufmerksamkeit geschenkt wird. Unter dem Titel „Seven Pains of Writing: The Discomforts of Academic Becoming in a Judgmental Age“ setzen sich die Autoren mit dem Phänomen auseinander, dass akademisches Schreiben einer Person viel abverlangt: Schreibende müssen sich im Wissenschaftskontext mit sich selbst auseinandersetzen, sich öffentlich zeigen, Komplexität aushalten, authentisch bleiben, sich dem Urteil anderer aussetzen und schließlich die Kontrolle über ihren Text an die Leserschaft oder Fachgemeinschaft abgeben. Wer sich dem aber bewusst stellt, so Barnett und Inouye, könne daran wachsen und seine Identität weiterentwickeln.

Zurückhaltend – oder aus guten Gründen dagegen?

Dass die Folgen generativer KI für Studium und Lehre öffentlich diskutiert werden, ist wichtig. Hochschulen stehen vor Fragen, die Prüfungen, Lehrformate, didaktische Konzepte, Datenschutz, akademische Integrität und nicht zuletzt das Verständnis von Hochschulbildung selbst betreffen. Befragungen können dazu beitragen, diese Fragen sichtbar zu machen und einen Überblick darüber zu geben, wie Hochschulen mit ihnen umgehen. Das Hochschulforum Digitalisierung leistet mit seinen Monitoren seit Jahren einen Beitrag dazu. Gerade weil solche Studien den Diskurs mitprägen, lohnt sich ein genauer Blick darauf, wie sie angelegt sind und was sie tatsächlich zeigen können.

Der HFD-Monitor 2026 „Personalisiertes Lernen im KI-Zeitalter“ (Budde, Sommer & Lüthi, 2026) will eine solche Bestandsaufnahme sein. Bei näherem Hinsehen bestätigt er aber eher die Agenda seiner Herausgeber (HFD/CHE). Meine Kritik richtet sich nicht primär auf einzelne Items der Befragung oder auf resultierende Zahlen, sondern auf die Anlage der Studie: auf ihre normativen Vorannahmen, die Engführung der Antwortmöglichkeiten, die flexible Auslegung methodischer Standards, die Typenbildung und die einseitige Interpretation. Seitenangaben beziehen sich auf den Bericht (PDF), Fragenummern auf den Fragebogen.

Epistemisches Deskilling

Was hat Phronesis mit KI zu tun? So einiges, wie man in einem neuen Text von Dirk Lindebaum und Co-Autoren nachlesen kann:

Lindebaum, D., Balasubramanian, N., Ashraf, M. & Haack.P. (in press). A process model of managerial phronesis in the age of generative AI. Academy of Management Review. Online hier zugänglich.

Lindebaums Forschungskontext ist das Management. Doch davon sollte man sich als Akteur im Kontext Hochschulbildung nicht abschrecken lassen, denn: Lindebaums Texte rund um KI kann man aus meiner Sicht auch dann mit Gewinn lesen, wenn es um Hochschule geht. Erstmals bin ich im Herbst 2023 auf ihn aufmerksam geworden, als er einen Beitrag zum Einfluss generativer KI auf menschliche Reflexivität und Verantwortung veröffentlicht hat (einen Blogbeitrag vom November 2023 findet sich hier). Ich möchte auf die Inhalte des aktuellen Textes (siehe oben) genauer eingehen und zeichne dazu ein wenig nach, wie ich mir den Text erschlossen habe.

Begriff gekapert?

Deep Learning ist ein vermutlich unverzichtbarer Begriff im Kontext generativer KI, denn damit wird ein wesentlicher Teilbereich der KI beschrieben: die Analyse riesiger Datenmengen durch künstliche neuronale Netze in mehreren Schichten zum Zwecke der Mustererkennung. Heute kennen wir zahlreiche weitere Wort-Kombinationen mit Deep: Deepfake, Deep Agent, Deep Research, Deep Reasoning etc. Nun dürfte Deepfake vor allem negativ konnotiert sein: Es handelt sich um einen Inhalt, der manipuliert oder frei erfunden ist, aber täuschend echt wirkt; die „Tiefe“ liegt in der Täuschung. Weitere sich vermehrende „Deep+X“-Wörter signalisieren eher etwas besonders Fortgeschrittenes, oft auch Positives: Deep Agent bezeichnet eine KI, die besonders komplexe Aufgaben selbständige erledigt, Deep Research klingt zumindest nach besonders gründlicher Recherche, Deep Reasoning hört sich nach besonders intensivem Denken an … Und Deep Learning?

Mit einem (verpassten) Jubiläum in die Blogpause

Noch vor meiner jährlichen Sommerpause haben wir es am HUL geschafft: Unsere 25. Episode des HUL-ProfCast Wissenschaftsdidaktik im Gespräch ist online. Mit gleich zwei Gästen, den Professoren Tilman Repgen, Dekan der Fakultät für Rechtswissenschaft an der Universität Hamburg, und Milan Kuhli, Prodekan für Studium und Lehre an der gleichen Fakultät, habe ich über die Auswirkungen von Künstlicher Intelligenz (KI) auf die juristische Ausbildung gesprochen. Die Folge ist hier abrufbar.

Symposium ohne Vorträge – ein Experiment

Letzten Freitag haben wir (Alice Watanabe und ich) in dem Räumen der Claussen-Simon-Stiftung ein Symposium zur Idee der Universität in Zeiten von generativer KI durchgeführt. Wir haben es bewusst anders gestaltet als klassische Tagungen oder Workshops – und verstehen den Versuch als Experiment. Zeit also, kurz zu reflektieren, was sich bewährt hat und was wir bei einer Wiederholung anders machen würden.

Alles andere als ein Schnellschuss

Die Nachricht über das neue Empfehlungspapier vom Wissenschaftsrat für die Hochschulbildung in Zeiten generativer KI wandert nun schon die ganze Woche durchs Netz. Autor des Textes mit dem Leitgedanken der intellektuellen Souveränität ist der Wissenschaftsrat; dahinter steht, wie das üblich ist, eine circa eineinhalb-jährige Befassung mit dem Thema in einer Arbeitsgruppe, an der ich mitwirken durfte. Diese AG (bestehend aus 15 Personen) war heterogen zusammengesetzt. Ich denke, das hat sich auch in den Empfehlungen niedergeschlagen, die alles andere als ein Schnellschuss sind; vielmehr wurde um diese gerungen, und das zu Recht bei einem Thema wie KI, das die Hochschulen in Forschung, Lehre und Studium seit einigen Jahren massiv beeinflusst und herausfordert.