Künstliche Intelligenz

Künstliche Intelligenz in der nachhaltigen Hochschullehre

Der Einsatz von Künstlicher Intelligenz (KI) gewinnt in der Hochschullehre zunehmend an Bedeutung. Besonders seit der Veröffentlichung von ChatGPT Ende 2022 beschäftigen sich Lehrende und Bildungseinrichtungen intensiv mit den Potenzialen und Herausforderungen dieser Technologie. Die Frage, wie KI sinnvoll und nachhaltig in den Bildungsalltag integriert werden kann, steht dabei im Mittelpunkt. Verschiedene Programme und Initiativen helfen Hochschulen dabei, Lehrkonzepte an diese neuen Möglichkeiten anzupassen und die digitale Transformation aktiv mitzugestalten.

Nachhaltigkeit durch KI in der Hochschullehre

• Optimierung von Lehr- und Lernprozessen: KI-gestützte Systeme können Lehrkräfte bei der Erstellung von personalisierten Lernmaterialien unterstützen und Studierenden individuell abgestimmte Inhalte bereitstellen. Adaptive Lernplattformen passen sich an das Tempo und die Bedürfnisse der Nutzer:innen an, wodurch Wissen nachhaltiger vermittelt wird. Ein Beispiel dafür ist das Prompt-Workbook des Hamburger Zentrums für Universitäres Lehren und Lernen (HUL).
• Ressourcenschonung durch Digitalisierung: Der verstärkte Einsatz von KI-basierten digitalen Lehrmaterialien kann den Bedarf an physischen Ressourcen wie Papier und Druckmaterialien reduzieren. Zudem ermöglichen digitale Formate eine ortsunabhängige Teilnahme, wodurch Reisewege und damit verbundene CO2-Emissionen verringert werden.
• Erhöhte Zugänglichkeit und Inklusion: KI kann dazu beitragen, Barrieren in der Bildung abzubauen. Beispielsweise können automatische Untertitel und Übersetzungen Lerninhalte auch für nicht-muttersprachliche oder hörgeschädigte Studierende zugänglicher machen. Auch assistive Technologien profitieren von KI-gestützter Weiterentwicklung.

KI-Kompetenzen fördern: Qualifizierungs- und Weiterbildungsangebote

Um Lehrende und Studierende auf den verantwortungsvollen Umgang mit KI vorzubereiten, bieten verschiedene Institutionen Qualifizierungs- und Weiterbildungsangebote an. Diese sollen dazu beitragen, KI-Technologien bewusst und reflektiert in die Lehre zu integrieren.

• Schulungen und Workshops: Hochschulen und Netzwerke wie das Netzwerk Landeseinrichtungen für digitale Hochschullehre (NeL) und die Stiftung Innovation in der Hochschullehre (StIL) organisieren regelmäßig Veranstaltungen zu KI-Themen. Dazu gehören Online- und Offline-Kurse, Beratungen und interaktive Werkstätten, die sich mit ethischen, didaktischen und technischen Aspekten der KI-Nutzung befassen.
• Community-Plattformen und Open-Access-Ressourcen: Einige Hochschulen stellen offene Datenbanken und Lernplattformen bereit, auf denen Lehrende und Studierende Best Practices, Leitfäden und Prompt-Kataloge für den didaktischen Einsatz von KI austauschen können. Diese Plattformen ermöglichen einen kollaborativen Wissenstransfer und unterstützen eine kontinuierliche Weiterentwicklung von KI-Kompetenzen. Ein Beispiel ist das Prompt-Labor, das vom Hochschulforum Digitalisierung (HFD) und dem KI-Campus initiiert wurde. In diesem Rahmen entstand ein Prompt-Katalog. Der Katalog bietet Hochschulangehörigen die Möglichkeit, erprobte Prompts zu dokumentieren und zugänglich zu machen. Hier können Personen aus verschiedenen Hochschulen – darunter Professor:innen, wissenschaftliche Mitarbeitende, Tutor:innen und Studierende – ihre Prompts für unterschiedlichste Anwendungsszenarien einreichen. Die Prompts werden nicht nur gesammelt, sondern in regelmäßigen „Prompt-Retros“ gemeinsam getestet und weiterentwickelt.
• Interdisziplinärer Austausch und Netzwerkarbeit: Hochschulen arbeiten zunehmend länderübergreifend zusammen, um Synergien in der KI-Qualifizierung zu nutzen. Die gemeinsame Entwicklung von Bildungsangeboten fördert einen breiteren Zugang zu innovativen Lehrmethoden und stärkt die Vernetzung zwischen Hochschulen, Forschungseinrichtungen und Praxispartner:innen.

Herausforderungen und verantwortungsvoller Umgang mit KI

Obwohl KI zahlreiche Möglichkeiten bietet, gibt es auch Herausforderungen, die berücksichtigt werden müssen:

• Qualität und Zuverlässigkeit der KI-generierten Inhalte: KI-Modelle arbeiten auf Basis von Wahrscheinlichkeiten, was bedeutet, dass sie auch fehlerhafte oder ungenaue Informationen liefern können. Deshalb ist eine kritische Reflexion und eine sorgfältige Überprüfung der generierten Inhalte essenziell.
• Urteilsverzerrungen durch Trainingsdaten: Forschungen zeigen, dass viele KI-Modelle mit voreingenommenen Datensätzen trainiert werden. Dies kann dazu führen, dass bestimmte Gruppen systematisch benachteiligt werden, etwa durch geschlechtsspezifische Verzerrungen oder Diskriminierung marginalisierter Gruppen. Studien zeigen, dass Sprachmodelle wie GPT-3 mit Datensätzen trainiert wurden, die Vorurteile gegenüber Menschen mit Behinderungen enthalten. Ähnliche Verzerrungen wurden in anderen KI-Modellen wie BERT festgestellt, die intersektionale Diskriminierung reproduzieren. Zudem hat eine Untersuchung ergeben, dass Spracherkennungssysteme, wie die von Google, männliche Stimmen um 70 % genauer identifizieren als weibliche, was strukturelle Benachteiligungen in der Mensch-KI-Interaktion verstärken kann. Besonders problematisch ist dies bei datengetriebenen Dialogsystemen, die aus großen, unregulierten Internetquellen trainiert werden. Inhalte aus Plattformen wie Reddit, WeChat oder Twitter enthalten oft unausgewogene Narrative oder diskriminierende Muster, die ungefiltert in KI-Modelle einfließen können. Studien zeigen, dass neuronale Konversationsmodelle unbewusst Vorurteile aus den Trainingsdaten übernehmen und in generierten Antworten reproduzieren. Dies wurde eindrucksvoll durch den Microsoft-Tay-Chatbot demonstriert, der nach kurzer Zeit rassistische Äußerungen wiedergab – eine direkte Folge der ungefilterten Übernahme problematischer Trainingsdaten.

• Ethische und rechtliche Fragen: Der Einsatz von KI in der Lehre wirft Fragen zur Datenverarbeitung, zum Urheberrecht und zur Transparenz auf. Hochschulen müssen sicherstellen, dass Studierende und Lehrende datenschutzkonforme und faire Bedingungen vorfinden. Insbesondere beim Einsatz generativer KI ist die rechtliche Situation komplex: Viele Trainingsdaten stammen aus urheberrechtlich geschützten Quellen, was rechtliche Unsicherheiten mit sich bringt. Es bedarf daher klarer Regeln und transparenter Verfahren zur Nutzung solcher Inhalte.

• Umwelt und Ökosysteme: Trotz der pädagogischen Potenziale digitaler Lehrformate weisen KI-Modelle einen erheblichen Ressourcenverbrauch auf. Insbesondere das Training großer neuronaler Netzwerke, etwa im Bereich der Sprachverarbeitung, erfordert spezialisierte Hardware (wie GPUs oder TPUs) und verursacht durch lange Rechenzeiten einen hohen Energiebedarf. Studien belegen, dass damit signifikante CO₂-Emissionen einhergehen, insbesondere in Regionen ohne Zugang zu emissionsarmen Stromquellen. Vor diesem Hintergrund sollten Investitionen gezielt in daten-, energie- und ressourceneffiziente KI-Verfahren gelenkt werden, um negative Umweltauswirkungen zu minimieren und gleichzeitig nachhaltige Bildungsinnovationen zu fördern.

• Ethische Fragen zu Big Tech: Große Sprachmodelle wie ChatGPT verfestigen die Machtstellung weniger US-amerikanischer Technologiekonzerne. Diese Unternehmen kontrollieren zentrale Ressourcen wie Rechenleistung, Trainingsdaten und Schnittstellen für den Zugang zu KI. Dadurch entsteht eine strukturelle Abhängigkeit für andere Marktteilnehmer, auch im Bildungsbereich. Gleichzeitig fehlen offene Alternativen, was die demokratische Kontrolle und technologische Souveränität erschwert.

• Verantwortungsbewusste Nutzung und Kompetenzausbau: Der gezielte Erwerb von KI-Kompetenzen ist notwendig, um die Potenziale der Technologie voll auszuschöpfen und Risiken zu minimieren. Dies erfordert eine kontinuierliche Auseinandersetzung mit neuen Entwicklungen und eine Anpassung der Lehrstrategien an die sich wandelnden Rahmenbedingungen.

Quellen

Hochschulforum Digitalisierung (zuletzt aufgerufen am 20.02.25): https://hochschulforumdigitalisierung.de/

Offener Promt-Katalog KI-Campus (zuletzt aufgerufen am 20.02.25): https://coda.io/@ki-campus/prompt-katalog

UHH-GBT-Promt-Workbook (zuletzt aufgerufen am 20.02.25): https://pad.uni-hamburg.de/prompt-workbook

Multimedia Kontor Hamburg (zuletzt aufgerufen am 20.02.25): https://www.mmkh.de/digitale-lehre/ki-unterstuetzungsangebote-nel-stil

Netzwerk Landeseinrichtung für digitale Hochschullehre (zuletzt aufgerufen am 20.02.25): https://netzwerk-landeseinrichtungen.de/