Wie man Studium und Prüfungen KI-robust macht.

Ich habe für Lehrende der Sozialen Arbeit an der HTWK Leipzig einen Workshop gegeben. Es ging darum, Studium & Prüfungen fit fürs KI-Zeitalter zu machen.

Die Ausgangslage an der HTWK Leipzig

Die Ausgangslage:

1.) Die Zahl KI-generierter Arbeiten an den Hochschulen wächst.

2.) Studierende der Sozialen Arbeit haben - wie fast alle - keine fachspezifische KI-Bildung. Sie lernen KI auf informellen Wegen und sind deutschlandweit besonders unzufrieden mit den Angeboten zum KI-Kompetenzerwerb.

3.) Auch vielen Dozenten fehlt es noch an KI-Bildung.

Das ist kein HTWK-Problem, sondern ein genereller, struktureller Mangel. Umso erfreulicher ist es, dass der Fachbereich Soziale Arbeit das Problem mit den KI-Workshops adressiert hat. Ich habe mich tief eingearbeitet, um konkrete Lösungen zu bieten. Hier die wichtigsten Ergebnisse:

Die wichtigsten Lösungsansätze

1.) Eine Lehrveranstaltung braucht klare und differenzierte KI-Richtlinien. KI-Policy-Generatoren wie z.B. vom Karlsruher Institut für Technologie oder der Uni Bamberg helfen. ( Link)

2.) Lehrende sollten die Verwendung von KI in Lehrmaterialien usw. offen zeigen, um bei den Studierenden einen transparenten Umgang mit KI anzuregen. KI-Stolz statt KI-Scham, sozusagen.

Die Uni Leipzig hat diesen Punkt in ihren Hinweisen zur Neugestaltung von Studium und Prüfungen unter KI-Bedingungen ebenfalls stark gemacht. ( Link)

3.) Prüfungen sollten mehr mündliche Teile enthalten, Wissenschaft mit Transfer- und Fallaufgaben verbinden und stärker iterativ angelegt sein. Das bedeutet zwar mehr Betreuung, aber nur so funktioniert's.

4.) Ein berechtigter Einwand kam aus dem Publikum: Lehrende wissen fachlich sehr gut Bescheid, haben aber oft noch keine (ausreichende) KI-Bildung. Wie die neuen Prüfungsformen also bewerten?

Meine Antwort: die Module und Prüfungen zusammen mit den Studierenden weiterentwickeln: Kriterien suchen, testen, neu fassen. Und: Die eigenen Lücken bei KI offen zugeben. Das Humboldtsche Ideal der Einheit von Lehrenden und Lernenden bekommt hier eine neue Chance.

Ein Fallbeispiel: das Fudan-Experiment

5.) Best-Practice-Beispiele adaptieren. Ich habe mich am Fudan-Experiment ( Link) orientiert und einen fiktiven Fall konstruiert: ein 12-jähriges Mädchen, das die Schule schwänzt, eine überforderte Mutter, eine Sozialarbeiterin. Studierende sollen ohne KI eine fachliche Einschätzung geben und dann den Fall mit KI prüfen. Und zwar mit drei Tests:

a.) Gibt man der KI eine falsche Rechtsbehauptung, widerspricht sie?

b.) Trifft die KI eine Entscheidung, obwohl die Datenlage unvollständig ist?

c.) Was passiert in den KI-Ergebnissen, wenn sich der Nachname des Mädchens ändert, z.B. Müller, Yılmaz, Kowalska? Studierende müssen analysieren, ob die KI je nach Namen andere Risiken und kulturelle Konflikte zugrunde legt bzw. stärker eingreifende Maßnahmen empfiehlt. Daten zum KI-Einsatz in Kinderschutzsystemen liefern dafür Belege. ( Link)

Kurzum: Es geht darum, Studium und Prüfung KI-robust zu machen, Fachwissen mit KI-Bildung zu verbinden, die Rollen von Lehrenden und Studierenden neu zu denken und die Expertise der Dozenten dabei im Zentrum zu belassen.

Die Soziale Arbeit an der HTWK hat damit begonnen.

Danke, dass ich dafür Impulse liefern durfte.