Dieser Online-Kurs vermittelt Studierenden an Hochschulen grundlegende Kenntnisse im Bereich der künstlichen Intelligenz sowie praktische Fähigkeiten, um Tools der generativen KI (GenAI) im Rahmen ihres Studiums effektiv und verantwortungsbewusst einzusetzen. Entdecken Sie die Grundlagen der KI, ethische Überlegungen und praktische Anwendungsbereiche wie Forschungsunterstützung und Datenanalyse und entwickeln Sie Strategien, um sich in der sich wandelnden Landschaft der KI im akademischen Umfeld und in zukünftigen Karrieren zurechtzufinden.
„KI-Kompetenz für die Hochschulbildung: Verantwortungsvoller Einsatz von GenAI im Studium“ ist ein vollständig online durchgeführter, asynchroner Kurs im Umfang von 2 ECTS, der Studierende aller Fachrichtungen dazu befähigen soll, die Chancen und Herausforderungen der künstlichen Intelligenz, insbesondere der generativen KI (GenAI), im akademischen Kontext zu meistern.
– Modul 0: Begrüßung und Orientierung
– Modul 1: Einführung in die KI – Grundbegriffe und technologische Hintergründe für Nicht-Techniker
– Modul 2: Auswirkungen der KI auf die Gesellschaft und Folgen für den Arbeitsmarkt
– Modul 3: Verantwortungsvoller Umgang mit KI und ethische Überlegungen, Herausforderungen im Zusammenhang mit dem Einsatz von GenAI (von Halluzinationen bis hin zu „Yes-Bots“)
– Modul 4: Effektiver Einsatz großer Sprachmodelle – Prompt-Engineering
– Modul 5: Einsatz von GenAI zur Unterstützung Ihres Lernprozesses, metakognitive Strategien
– Modul 6: GenAI für Forschung und Literaturrecherche
– Modul 7: GenAI für Datenanalyse und andere Anwendungen
– Modul 8: Zusammenfassung und Reflexion – Abschlussaufgabe (Entwickeln Sie Ihren eigenen Prompt zur Unterstützung des Hochschulstudiums)
Der Kurs geht über die Theorie hinaus und befasst sich mit der praktischen Anwendung. Die Studierenden setzen sich direkt mit realen akademischen Herausforderungen auseinander (z. B. „Wie kann GenAI mich bei meiner Literaturrecherche verantwortungsvoll unterstützen?“, „Wie kann ich GenAI ethisch einwandfrei für die vorläufige Datenexploration nutzen?“). Die Module umfassen praktische Aufgaben, die auf diese Herausforderungen zugeschnitten sind und von den Studierenden erfordern, zu recherchieren, Werkzeuge anzuwenden und Lösungen zu reflektieren. Wir beginnen mit der Untersuchung der weitreichenden gesellschaftlichen Auswirkungen von KI und regen die Studierenden insbesondere in Modul 2 dazu an, die Auswirkungen von KI auf ihre eigenen zukünftigen Fachgebiete zu erforschen und zu diskutieren, wobei KI-Konzepte direkt mit verschiedenen disziplinären Kontexten verknüpft werden. Die ethischen Überlegungen (Modul 3) und die Anwendung der Werkzeuge (Module 4–7) sind in den allgemeinen Kontext der wissenschaftlichen Arbeit eingebettet und lassen sich auf verschiedene Disziplinen anwenden. Als vollständig asynchroner Online-Kurs, der über Canvas angeboten wird, bietet er maximale Flexibilität und ermöglicht es den Lernenden, sich in ihrem eigenen Tempo mit den Materialien und Aktivitäten auseinanderzusetzen.
Die Kernkonzepte von KI und GenAI definieren und ihre technologischen Grundlagen erläutern.
Die potenziellen Auswirkungen von KI auf den Arbeitsmarkt und zukünftige Karrierewege in ihrem Studienfach analysieren.
Die Schlüsselkomponenten der KI-Kompetenz identifizieren und verschiedene Modelle zum Verständnis der Fähigkeiten und Grenzen von KI bewerten.
Etablierte Rahmenkonzepte anwenden, um die ethischen Implikationen und den verantwortungsvollen Einsatz von GenAI-Tools im akademischen Kontext zu bewerten.
Erkennen Sie potenzielle Risiken und Gefahren im Zusammenhang mit GenAI, darunter Voreingenommenheit, Fehlinformationen, Datenschutz und Umweltauswirkungen.
Nutzen Sie effektive Prompt-Engineering-Techniken, um bei verschiedenen akademischen Aufgaben produktiv mit LLMs zu interagieren.
Setzen Sie spezifische GenAI-Tools und -Techniken verantwortungsbewusst ein, um akademische Aktivitäten wie Brainstorming, Entwurfserstellung, Literaturrecherche und grundlegende Datenexploration zu unterstützen.
Die von KI-Tools generierten Ergebnisse kritisch zu bewerten und dabei die Notwendigkeit menschlicher Aufsicht, Überprüfung und eigenständiger intellektueller Beiträge anzuerkennen.
Persönliche Leitlinien für den ethischen und transparenten Einsatz von KI in der eigenen wissenschaftlichen Arbeit zu entwickeln und dabei die Grundsätze der wissenschaftlichen Integrität einzuhalten.
Sich an einer konstruktiven Begutachtung KI-gestützter wissenschaftlicher Aufgaben durch Fachkollegen zu beteiligen und dabei Feedback sowohl zum Prozess als auch zum Ergebnis zu geben.
Voraussetzungen: digitale Grundkenntnisse.
Bozkurt, A., & Sharma, R. C. (2023). Generative KI und Prompt-Engineering: Die Kunst des Flüsterns, um den Geist aus der Welt der Algorithmen zu befreien. Asian Journal of Distance Education, 18(2), i–vii. https://doi.org/10.5281/zenodo.8174941
Deloitte AI Institute (2023). Generative KI und die Zukunft der Arbeit. https://www2.deloitte.com/content/dam/Deloitte/de/Documents/human-capital/Deloitte_GenAI-Future-of-Work.pdf
Furze, L. (10. November 2024). Synthetische Speichellecker: Warum „Yes-Bots“ ein Problem für das Bildungswesen sind. Leon Furze. https://leonfurze.com/2024/11/11/synthetic-sycophants-why-yes-bots-are-a-problem-for-education/
Hannigan, T. R., McCarthy, I. P., & Spicer, A. (2024). Vorsicht vor „Botshit“: Wie man die epistemischen Risiken generativer Chatbots bewältigt. Business Horizons, 67(5), 471–486. https://doi.org/10.1016/j.bushor.2024.03.001
Hochrangige Expertengruppe für künstliche Intelligenz (AI HLEG) (2019). Eine Definition von KI: Hauptfähigkeiten und Disziplinen. https://ec.europa.eu/futurium/en/system/files/ged/ai_hleg_definition_of_ai_18_december_1.pdf
Leitfaden zum Prompt-Engineering: https://www.promptingguide.ai/
Russell, S. J., & Norvig, P. (2020). Künstliche Intelligenz: Ein moderner Ansatz (4. Aufl.). Pearson.
Spatola, N. (2024). Der Zielkonflikt zwischen Effizienz und Rechenschaftspflicht bei der KI-Integration: Auswirkungen auf die menschliche Leistungsfähigkeit und übermäßiges Vertrauen. Computers in Human Behavior: Artificial Humans, 2(2), 100099. https://doi.org/10.1016/j.chbah.2024.100099
Stricker, J. K. (25. Februar 2025). Die Krise des synthetischen Wissens [Substack-Newsletter]. Die Zukunft der Hochschulbildung. https://jeppestricker.substack.com/p/the-synthetic-knowledge-crisis
UNESCO. (2019). Pekinger Konsens zu künstlicher Intelligenz und Bildung. Abschlussdokument der Internationalen Konferenz zu künstlicher Intelligenz und Bildung „Bildungsplanung im Zeitalter der KI: Den Sprung anführen“. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000368303
Weltwirtschaftsforum (2025). Bericht „Future of Jobs“ 2025. https://reports.weforum.org/docs/WEF_Futu
– Modulare Vermittlung von Inhalten (Mikrovorträge, ausgewählte Lektüre, interaktive Elemente, Demonstrationen/Screencasts)
– Asynchrone Diskussionen: Strukturierte Foren, die zum Nachdenken anregen, zur kritischen Auseinandersetzung mit ethischen Dilemmata und zum Austausch über Erfahrungen mit den Tools anregen.
– Praktische Anwendungsübungen: Praktische Aufgaben, bei denen definierte akademische Aufgaben mithilfe von GenAI-Tools bearbeitet werden und die eine Dokumentation sowie Reflexion erfordern.
– Peer-Review-Aktivitäten: Nutzung von „Canvas Peer Review“ für konstruktives Feedback zu praktischen Aufgaben, geleitet durch Bewertungsrubriken.
– Reflektierendes Tagebuch: Kurze Aufgaben, die zur Reflexion über das Lernen, sich entwickelnde Perspektiven und persönliche ethische Standpunkte anregen.
– Test zum Grundwissen (Quiz)
Zeugnis