#58: "Der KI-Tutor betritt den Hörsaal - Bayern’s neue akademische Ansätze" mit Ben Lenk-Ostendorf

Mensch, KI! - KI-Tutoren revolutionieren die Hochschullehre

In dieser Episode spricht Manuela Ruppert mit Ben Lenk-Ostendorf über die Integration von KI in der Hochschullehre. Ben leitet das bayernweite Projekt "KI-Tutor:innen" und teilt seine Erfahrungen aus der praktischen Umsetzung.

Kernthemen

Das KI-Tutor-Projekt

• Experiment mit 50 Lehrstühlen zur KI-Integration
• 700 Lehrende in einem KI-Workshop
• Studierende als "KI-Tutoren" testen KI-Tools in der Lehre
• Praktische Experimente zur Identifikation von Chancen und Grenzen

Innovative Beispiele

• Medizinstudenten trainieren mit KI-Sprachbots schwierige Patientengespräche
• Kosteneffiziente Lösung: ChatGPT Plus für 20 USD monatlich
• Skalierbare Unterstützung für große Studierendengruppen

Das ELITE-Framework für KI in der Lehre

• E: Experiment (Klausuren durch KI testen)
• L: Lernziele definieren
• I: Integration
• T: Transformation der Lernziele
• E: Evaluation/Exposure durch Studierende

Herausforderungen und Chancen

• Fachspezifische Unterschiede bei KI-Eignung
• KI als reine Unterstützung zeigt wenig Lerneffekt
• Erste Technologie, die Wissensarbeit großflächig verändert
• Notwendigkeit neuer didaktischer Konzepte

Praktische Erkenntnisse

• 50-80% der klassischen Klausuraufgaben sind durch ChatGPT lösbar
• Fokus verschiebt sich auf komplexere Aufgabenstellungen
• Wichtigkeit der Evaluationsfähigkeit bei KI-Outputs
• Transformation von Lernzielen notwendig

Gastbeitrag Prof. Dr. Thorsten Richter

• Erfolgreiche Integration von KI in juristische Lehre
• Deutliche Qualitätssteigerung bei studentischen Arbeiten
• Neue Kompetenzen im Bereich Verifikation und Evaluation

Fazit

KI verändert die Hochschullehre fundamental. Der Fokus verschiebt sich von der reinen Wissensvermittlung zur Entwicklung von Evaluations- und Anwendungskompetenzen. Die Rolle der Lehrenden wandelt sich zum Begleiter im Lernprozess.

Gast: Ben Lenk-Ostendorf über LinkedIn


Format: LinkedIn Live / Podcast
Datum: 19. November 2024

#MenschKI #KIinderLehre #DigitaleBildung #Hochschuldidaktik

Jeden Dienstag um 09:00 Uhr entsteht eine neue Folge von "Mensch, KI" live auf LinkedIn.

Im Dialog mit einer breiten Palette von Gästen beleuchten wir das "moderne Duo" Mensch und KI. Wir betrachten sowohl die Perspektive derer, die KI nutzen, als auch die der Experten, die sie schaffen. Gemeinsam sprechen wir über Nutzen, Ethik, Begeisterung und Sorgen im Kontext der KI.

Wenn Ihr dabei sein möchtet, findet Ihr mich hier auf LinkedIn: https://www.linkedin.com/in/manuela-ruppert

Besucht mich auch gerne auf meiner Website: https://manuela-ruppert.de/

Meine "KI Maestra" ist eine exklusive KI-Masterclass für Frauen, die regelmäßig stattfindet. Wenn du auch sicher im Umgang mit generativer KI werden möchtest, melde dich gerne bei mir per Mail: kontakt@manuela-ruppert.de.
.........................
"Haftungsausschluss: Trotz sorgfältiger inhaltlicher Kontrolle übernehmen wir keine Haftung für die Inhalte externer Links. Für den Inhalt der verlinkten Seiten sind ausschließlich deren Betreiber verantwortlich."

Transcript

Guten Morgen an alle, die da sind und herzlich willkommen zu Mensch KI. Künstliche Intelligenz an Universitäten. Da erlebe ich gerade spannende Gegensätze. Ich kenne Professoren, die begeistert KI einsetzen und auch mit ihren Studierenden zum Beispiel Fälle lösen, juristische Fälle. Aber sie treffen oft auf massive Widerstände im Kollegium. Ja, wo bleibt da der wissenschaftliche Diskurs, wenn wir mit KI arbeiten? Wie kann man denn da Standards etablieren und einen Aha-Effekt? Kriegen wir auch nicht hin, wenn wir mit KI arbeiten. Und es ist für einige noch ein bisschen früh, sich mit dem Gedanken anzufreunden. Und andere sind, wie immer im Leben, schon ganz vorne dabei. In Bayern passiert gerade etwas sehr Spannendes. Wir haben hier Ben Lenk Ostendorf zu Gast, der in Bayern ein Projekt leitet und zwar das AI oder KI-Tutor*innenprojekt. 700 Lehrende in einem Workshop, Medizinstudenten, die mit KI Sprachbots üben, schwierige Diagnosen zu überbringen. Und er hat mit 50 Lehrstühlen gearbeitet und arbeitet mit ihnen, um mit KI aktiv zu experimentieren. Ben ist Psychologe, hat als CTO in einem Start-up gearbeitet und promoviert zum Thema KI und Lehre. Unser Vorgespräch hat mir schon ganz viel Spaß gemacht, denn er ist pragmatisch und undogmatisch mit Blick auf die Chancen und Grenzen von KI in der Lehre. Zudem ist Ben ein Mann, der nicht nur redet, Gutes zu tun, sondern sich auch engagiert und aktiv gestaltet, zum Beispiel für sein Herzensthema Klimaschutz. Ben, ich freue mich riesig, dass du hier bist und lass uns doch auch gerne direkt einsteigen. Wie kam es dazu, dass ausgerechnet ein Psychologe zum KI-Experten für Bayerns Universitäten wurde? Also erstmal vielen Dank für die ganzen Blumen. Ich bin ja ein bisschen rot geworden, sieht man jetzt noch nicht. Ja, wie kam es dazu? Ich interessiere mich immer für Dinge, die brennen. Also Klimaschutz, Start-up und jetzt KI. Und in der Uni ist es auch so, die Sachen brennen. Und das hat mir schon immer viel Spaß gemacht. Und Psychologen brauchst du ja auch nur dann, wenn es schief geht quasi in der Psyche. Also Psychotherapeuten. Von daher war das ein gefundenes Match, würde ich sagen. Und was ganz interessant ist, wir haben eine Technologie, wo es eigentlich ganz spannend ist, Psychologe zu sein, weil man sich ein bisschen menschlich verhalten muss. Also weil man ein bisschen drauf schauen muss, dass man quasi mit der Maschine redet und ein paar psychologische Sachen auch berücksichtigen sollte. Und dann haben wir natürlich den Fakt, dass ich... mich mit Didaktik beschäftige und das ist sehr nah an der Psychologie dran. Also dass wir schauen, wie machen wir gute Lehre, wie können Menschen gut lernen mit KI. Das macht eine ganze Menge Sinn. Das freut mich schon mal. Und gerade wenn ich mit der KI interagiere, dann kommt mir das ja auch manchmal inzwischen wirklich vor, als ob ich da mit einem Menschen rede und ich wende bewusst oder unbewusst auch so den einen oder anderen Kniff an, um die KI dazu zu bewegen, die richtigen Antworten oder die für mich gewünschten Antworten zu generieren. Und das ist nicht anders, als ich das mit einem Menschen machen würde. Das sind die gleichen Muster. Ja, es ist tatsächlich super interessant. Wir sehen derzeit mehrere Trends bei den großen Modellen, also die Flaggschriftmodelle von JetGPT, das Modell CLOT, also alle Modelle mit sehr vielen Parametern, die sind relativ stabil. Da kann man wirklich sagen, machen wir mal eine Analyse und dann kommt eine Analyse raus. Bei den Modellen, die ein bisschen kleiner sind, aber dafür günstiger, da kann es sogar helfen, wenn man sagt, Es geht hier um Leben und Tod, du musst die richtige Antwort liefern, sonst passiert was Schlimmes. Also so ein ganz krasser, extrinsischer Motivator, wo man sagen würde, okay, das spart vielleicht jemanden an, so einen echten Menschen, eine gute Antwort zu liefern. Da sehen wir in den ersten Papern, dass das tatsächlich auch jetzt bei den Maschinen funktioniert. Und das finden viele ITler, glaube ich, befremdlich. Ja. Aber es ist spannend. Wir haben das erste Mal in unserer Geschichte eine Maschine, die tatsächlich auf Sprache funktioniert. Und Sprache hat ja eine inhärente Logik. Und wenn man dieser Logik folgt, dann kommen tatsächlich die Sachen raus. Und das ist super spannend und eine der Erkenntnisse, die wir mit den KI-Tutoren hatten, wo ich sagen würde, das hat mich sehr überrascht. Und ja, es gibt viele schöne Sachen, die wir da rausgefunden haben. Dann hol uns doch mal ab zu deinem Thema KI-Tutor. Wie können wir uns das vorstellen? Für die, die ein bisschen technisch interessiert sind, was steckt da für ein Modell dahinter? Und was habt ihr damit gemacht? Wie habt ihr sie eingesetzt? Also es gibt immer große Verwirrung um den Begriff, darum werden wir den auch wechseln. Als KI-Tutor bezeichnen wir erstmal die Studierenden. Wir haben die Studierenden nämlich ausgewählt, generative KI zu benutzen. Und dann haben wir die Studierenden und die Lehrenden zusammengebracht und die gemeinsam experimentieren lassen, was geht in der Lehre. Also sie sollten einfach mal schauen, Experimente machen und die durften auch schief gehen. Ich erinnere mich zum Beispiel einmal in einer Juravorlesung, sollten Slides erstellt werden, also PowerPoint-Folien im Juristischen und die Modelle waren einfach zu ungenau. Da kam halt nicht genau das Wort, was da hätte stehen müssen. Sehr zum Leidwesen des Lehrenden, der die Hilfe in den Namen bekommen hat und dann quasi nochmal korrigieren musste. Und die Tutorin war da auch nicht glücklich. Quasi das KI-Tutorenprogramm, also da haben Leute gemeinsam experimentiert. Und das ist natürlich auch richtig gut gegangen. Wir sehen immer noch Projekte, die immer noch laufen, die super spannend sind. Also was du vorhin zum Beispiel angesprochen hast in der Medizin, da können wir nochmal später drauf zu sprechen kommen. Und dann gibt es natürlich noch die Idee des KI-Tutoren, also wenn man ein Tutorium hat, dass man da quasi Unterstützung bekommt. Und auch das ist ein riesiges Thema bei uns, weil da geht es darum, naja, Universität skaliert nicht, sage ich mal. Also es ist problematisch, wenn man irgendwie eine Vorlesung hat, die für 40 Leute konzipiert ist und dann muss man sie mit 200 Leuten durchführen. Und da ist es so, haben wir gesagt, Was sind denn die Sachen, die nicht skalieren? Das ist Feedback geben, das ist persönliche Kommunikation. Und da muss man immer unterscheiden, finde ich. Also es gibt die Sachen, wo ich sage, nein, das bringt jetzt keinen großen Mehrwert, aber die müssen halt gemacht werden. So was wie, wann ist denn die Klausur? Ist das klausurrelevant? Warum haben wir denn das und das Prüfungsformat? Kommen die und die Folien rein? Das ist Kommunikation, die passiert, aber... der Mehrwert ist dann doch so lala, würde ich sagen. Und man will ja eigentlich die spannenden Sachen, also so die Diskussion, wo man sagt: "Naja, also ich verstehe, was da in der Theorie passiert ist und die Papers sind ja da, aber das glaube ich eigentlich nicht, dass die Welt so ist." Und das ist eine spannende Diskussion. Ja, das stimmt. Genau. Und genau. Das heißt, was wir sehr, sehr häufig als Use Case hatten, war, dass man sagt, okay, wir haben hier eine gewisse Datenmenge, das sind Folien, Skripte, Zicke, was auch immer. Die soll eigentlich einen Chatbot bedienen und dann Antworten darauf geben können, auf die Fragen, die die Leute stellen. Und das ist ein Use Case, der einfach stark ist. Weil auf einmal hat man jemanden, mit dem man über das ganze Zeug reden kann, für die sage ich mal, das habe ich darin Fragen und dann hat man schon schnell eine Antwort. Mittlerweile ist man auch so weit, dass man Dass man einfach sagen kann, naja, man zitiert die Sache noch, dann sollen sie nochmal drüber schauen, ob das auch alles stimmt. Weil Evaluation muss man immer machen und beherrschen bei den Schulen. Und das ist ein Newscase, den wir sehr häufig sehen. Und dann gibt es auch noch Entwicklungen, die ich super spannend finde, weil wir ein großes Problem haben. Wenn Studierende so ein Modell nehmen und die schmeißen da einfach jede Aufgabe rein, die sie da im Studium bekommen, dann passiert im Fall relativ wenig, wenn die Aufgabe gelöst wird. Dafür im Rechenzentrum enorm viel. Aber heißt, die lernen nichts dabei. Und das ist ein massives Problem, wenn man eine gewisse Abhängigkeit zu KI, sage ich mal, hat. Die nächsten Generationen, und da rede ich von den Jahrgängen, die jetzt so in zwei, drei Jahren auf uns zukommen, die werden daran gewöhnt sein, dass sie KI nutzen, um Hausaufgaben zu lösen. Weil, mein Gott, wäre ich jetzt zur Schule gegangen, hätte ich das sowas von gemacht. Alle Hausaufgaben, die mir nicht passen, einfach so zack gelöst. Das ist schon ein sehr verlockendes Angebot. Und da muss man halt extrem aufpassen, dass wir die Leute quasi einerseits versorgen, Dass wir sagen, naja, ihr bekommt schon AI-Unterstützung, weil das ist ja unrealistisch zu sagen, naja, KI, das wird sich nicht durchsetzen, das ist wie das Internet, das machen wir jetzt nicht im Hörsaal, sondern da wollen wir schon sagen, na klar, ihr kriegt KI und auch Unterstützung, aber als Tutor. Und der Tutor geht nicht hin und sagt, das ist die Lösung, sondern da geht es darum, dass wir eine Versorgung haben in Weisen, wie man es machen kann. Also in der Theorie würde man das vielleicht Scaffolding nennen. Also dass man immer Gerüste baut, um noch ein bisschen nachzuhelfen. Und dieses Scaffolding können mittlerweile KI-Bots leisten. Und das ist extrem hilfreich. Immer wenn man nicht weiterkommt bei einer Aufgabe, kann man einfach den Bot quasi fragen, wie schaut es denn aus, was könnte man denn hier und hier machen, was sind denn die Möglichkeiten? Und dann kriegt man Schritt für Schritt Hilfe. Ich fasse sehr gerne Lehre zusammen, indem ich sage, es geht darum, dass junge Menschen sehr harte Probleme lösen. Und das sollen sie ja dann auch im späteren Jahr in der Forschung oder Industrie. Es geht darum, dass sie sehr schwere Probleme lösen. Und dann müssen wir halt auch bei uns in der Lehre sehr schwere Probleme lösen. Und das dürfen wir auch nicht überspringen. Und wenn wir KI-Unterstützung haben und da quasi diese Hilfseingröte haben, die man auch vielleicht von einem Brauch oder Lehrkraft einfach hat, würde das dann sagen, naja, ich kann jetzt hier nicht weiter, dann ist das fantastisch. Also die ersten Sachen, die wir erlebt haben, waren die Leute extrem positiv darauf zu sprechen, weil sie gesagt haben, sie könnten sich auf einmal genauso viel Unterstützung, wie sie wollen, ranholen. Und irgendwann brauchen sie diese Unterstützung auch nicht, sondern es geht einfach an. Und sie können Aufgaben machen und wissen, da ist immer jemand da und hält. Und dieses Sicherheitsgefühl, das macht sehr viel Spaß für die Leute. Also da haben wir extrem positives Feedback. Wow, ja, das kann ich mir super vorstellen. Und du hast ja gesagt, auf 40 Leute ausgelegt und 200 Studierende sind dann in dem Programm, in dem Kurs. Das kann ja überhaupt keine Lehrkraft leisten. Und da eine Unterstützung zu haben, ist natürlich extrem wertvoll, vor allem eine Unterstützung, die immer verfügbar ist zu jeder Tages- und Nachtzeit, weil auch immer die Studierenden sie benötigen. Und da haben wir dann die Aufgabe, die die KI übernimmt, als Unterstützung und Tutor wirklich auch zu agieren und die Kompetenzen Schritt für Schritt zu erweitern. Genau. Und welche KI nutzt ihr da? Ist das eine bestimmte trainierte KI? Denn ich kann das natürlich auch mit ChatGPT machen. Ich kann ChatGPT die Aufgabe geben: Du bist jetzt hier mein Tutor. Deine Aufgabe ist es, mich schrittweise zu unterstützen. Deine Aufgabe ist es nicht, mir die Lösung zu präsentieren. sondern mich weiterzuentwickeln, dass ich selber in der Lage bin, diese Aufgabenstellung zu bewältigen. Wie macht ihr das? Also am Anfang gab es sehr große Diskussionen, wie man da rangehen soll. Und im Wesentlichen hast du ja drei Wege, wie du eine KI für deine Zwecke quasi nochmal einfach in den Sternen bringst, dass noch bessere Ergebnisse rauskommen. Du kannst das machen, dass du Promptlevel agierst, das heißt, du machst genau das, was du gerade gesagt hast, du machst einen Prompt. Das zweite ist, dass du sagst, ich gehe ins Finetuning, das heißt, du lieferst der Maschine quasi ein Set von Problemen und Lösungen und lässt sie darauf finetunen. Und das dritte ist, dass du quasi das Material einspeist und dann als Racksystem quasi immer zur Verfügung stellst. Und Ich gehe jetzt mal einfach durch, wie wir es erlebt haben. Wir haben Sachen gefeintuned und die Modelle waren tatsächlich auch ein Müh besser, würde ich sagen, in den Aufgaben, die wir ihnen gestellt haben. Das Problem war, zwei Monate später kam das nächste große Modell und das war einfach besser. Ah ja, okay. Also da war, fand ich, in der Geschwindigkeit kann keiner arbeiten, sag ich mal. Und wenn man damit arbeiten kann, hat man ein KI-Startup und ist nicht mehr an der Uni. Also Feintuning fiel von unserer Seite erstmal raus und wir haben auch in der Literatur langsam gesehen, diese feingetunten Modelle sind tatsächlich für ihren Zweck besser. Also die haben da einen kleinen Vorsprung. Allerdings werden sie in anderen Bereichen wesentlich dümmer. Dümmer in Anführungszeichen, kann man gar nicht sehen, nur hören. Da sehen wir einfach, dass gewisse Fähigkeiten kollabieren. Und das ist immer so ein bisschen risky und immer so ein bisschen schade. Von daher, Feintuning ist für uns gerade nicht unbedingt der Ansatz. Es kann gut funktionieren. Ich glaube, dass es durchaus Sachen gibt, wo ich sagen würde, ja, das funktioniert gut, das Feintuning. Lohnt aber extrem selten, viel seltener als ich gedacht hätte. Okay. Dann haben wir die... Prompt-Sachen, das bringen wir uns an K2Tron bei. Das ist nicht die größte Kunst, sag ich mal. Wir haben da ein Framework, das nennt sich Kaffee. Und ich meine, es gibt tausend Frameworks. Also allein, was ich hier auf LinkedIn gesehen habe. Ja, du musst nur diese fünf Schritte beachten. Na klar. Da kommt der direkte Punkt raus. Also ich glaube, das haben wir zur Genüge gelesen. Ja, genau. Und da muss ich auch sagen, das ist auch wegautomatisiert. Also sowohl die Workbench von Entropic, also mit den Cloud-Modellen als auch GCPT, man kann sich einfach prompt generieren lassen mittlerweile. Genau. Also auch nicht mehr die große Kunst. Wir bleiben bei den Rack-Modellen. Da sehen wir gerade, sag ich mal, das große Apfelflücken. Ben, für alle, die nicht so technisch versiert sind, kannst du Rack bitte mal erklären? Natürlich. Gut, dass du mich darauf hinweist. Rack heißt Chief of Mental Generation und im Wesentlichen heißt es auch nur, ich habe einen Stapel von Daten irgendwo liegen und ich sage der KI im Wesentlichen, du, da ist ein Haufen Daten und ich stelle dir jetzt eine Frage, aber bitte lauf erstmal zu dem Haufen Daten, schau doch mal, was da so dabei ist. Und dann nimm dir ein paar Aktenordner mit unter die Hand, wenn du die Antwort gibst. Also das ist wirklich so, dass wir Daten einfach reingeben und sagen: "Schau dir das mal an." Und dann stehen diese Daten zur Verfügung. Es ist technisch komplizierter, aber das Bild funktioniert, sage ich mal, ausreichend, um zu wissen, was ein Break ist. Ja, das ist schön erklärt. Ja. Sehr gut, sehr gut. Ich glaube, ich fühle mich auf die Schulter geklopft. Genau, und so ein Rack-System, das ist gerade unser Favorit. Und mittlerweile muss man auch sagen, naja, braucht man vielleicht auch nicht, weil man einfach die PDFs einfüttert. Das kann man auch diskutieren. Learning-Management-Systeme, Ilias, Moodle, wie sie alle heißen, kennen wir es, glaube ich, noch. Und wenn man diese Systeme nimmt... und da ihr schon alle Daten drin habt, also Fachartikel, also Skripte, also Foliensätze, also Audiobitschnitte und was auch immer, dann sind die Daten, die man ja den Studierenden herantragen möchte, da. Und dann kann man sagen, naja, wir schmeißen quasi den LLM drüber und alle Fragen, die dann kommen, werden halt von diesem LLM beantwortet und können dann auch genutzt werden, um Übungsaufgaben zu lösen. Das ist ein sehr bei mir Ansatz und funktioniert auch extrem gut, muss ich sagen. Aber mittlerweile muss ich auch sagen, die großen Modelle können sehr, sehr viel. Also alleine, wenn ich sie out of the box verwende. Und es ist natürlich extrem schwierig für die Lehrenden und ich leide da immer so ein bisschen mit in meinen Workshops, herauszufinden, was tatsächlich kann ich haben. Und wir machen es dann immer so, wir gehen durch die Klausuren durch und die sollen mal zwei, drei Aufgaben ihrer Klausuren einfach in ChatGPT eingeben und die korrigieren. Und je nach Fach muss man wirklich sagen, da sind 50 bis 80 Prozent ChatGPT beantwortbar. Ich sage bewusst ChatGPT, wir testen das meistens ChatGPT. Und das führt zu, sage ich mal, interessanten Problemen für die Leute. Weil auf einmal muss man sich die Frage gefallen lassen, dieser zwei, drei Jahre auf uns zurollt, dass die Studis uns in die Augen sehen und sagen, okay, ich war jetzt hier ein halbes Jahr und ich kann jetzt genauso viel wie Chet Chibiti. Und Chet Chibiti schlägt mich über in den Klausuren. Was ist jetzt der Mehrwert, den ich hier generiere? Und was soll ich damit später mal anfangen? Ja, genau. Wir machen das ja nicht aus Jux und Tollerei, dass wir hier den Leuten was beibringen, sondern die Frage müssen wir uns gefallen lassen zumindest und Leuten daran arbeiten, die zu beantworten. Und wir haben ein Framework entwickelt mit einem sehr schönen Kurztitel "Elite". Also alles braucht in der Akademie einen Kurztitel. Es geht nicht ohne. Es muss immer eine Abkürzung dabei sein. Und wir haben einen Prozess entwickelt, wo wir sagen, der ist, sage ich mal, simpel genug, um tatsächlich in der Semmel anzufangen. Man trifft die Materie aber gut genug, um tatsächlich Fortschritte zu machen. Und wir sind so ein bisschen stolz auch drauf, wenn wir noch ein bisschen drüber publizieren. Und das Framework, naja, das Framework sorgt dafür, dass man in die Lage kommt, die eigene Vorlesung umzugestalten. Und es klingt simpel, ist aber absolut nicht selbstverständlich. Also ich führe dich einmal durch, Marie. Ja, bitte. Also E steht für Experiment. Also das, was ich gesagt habe, man nimmt die Klausur, man geht durch und macht die ganze Klausur durch und schaut, wie viel Prozent der Frage richtig beantwortet werden. Und das ist ein heftiges Pflaster, was da abgezogen wird. Gerade wenn man mit KI noch nicht so viel zu tun hatte. Und wir Psychologen zum Beispiel haben relativ viel Statistik irgendwie mitbekommen. Und da muss ich sagen, Also so meine Basiswissensstatistik, die Anmerkung auf irgendwelche Fragestellungen, automatischen Analysen, das ist ziemlich tot. Also Psychologenstatistik, wenn es nicht in Multimodelle und Modelle mit irgendwelchen Spezialanforderungen geht, also das ist ein heftiges Pflaster, was da abgezogen wird für einige. Aber das ist gar nicht so schlimm, sondern das ist eigentlich etwas Fantastisches, weil wir uns jetzt noch auf schwierigere Sachen konzentrieren können. die die KI noch nicht kann. Und diesen positiven Spirit versuche ich auch weiter zu tragen, weil das macht den Leuten schon Angst. Und ich finde zu Recht, weil da hast du dir was aufgebaut und auf einmal ist das weg, weil KI kann das ja auch und du fühlst dich so ein bisschen nutzlos. Das ist kein schönes Gefühl. Und da müssen wir die Lehrenden wirklich an der Hand nehmen und sagen, fühlt sich gerade schlecht an, ist aber eine fantastische Chance für uns alle, muss man durch. Einen großen Vorteil haben wir: Die Leute, die an der Uni noch arbeiten, sind leid geprüft durch ihren Doktor alleine schon. Also die sind resistent. Aber dann gib uns doch mal Beispiele. Was ist denn das Spannendere, was wir jetzt selber wahrnehmen können, was die KI eben noch nicht kann? Ich war nur im Framework. Also genau das wird dann eben verantwortet. Wir haben das Experiment gesehen, naja, 50% sind durch KI beantwortbar und dann machen wir erstmal Lernziele, also L. Und wir definieren die Lernziele und schauen uns an, naja, was haben wir denn da überhaupt abgefragt und auf welches Lernziel zieht es ein? Also zum Beispiel angenommen, wir reden über den Mittelwert und dann sagen wir halt, naja, die Leute sollen Mittelwert aus zehn Zahlen per Hand berechnen können. Das könnte ein Lernziel sein. Ziemlich niedrig. So, und dann müssen wir uns eingestehen, naja, das bringt eigentlich jetzt nichts mehr. Also das kann die KI besser. Und dann haben wir eine Frage vor uns: Ist das so ein Kernbestandteil, dass die Leute das wissen müssen? Oder kann das weg und können wir sagen: Na gut, ich will halt, dass die jetzt direkt ein Skript schreiben, um große Datenmengen zu sortieren und dann einen Weg finden, das zu evaluieren. Weil das wird die Fähigkeit der Zukunft. Wie evaluieren wir das? Und ganz häufig ändern wir nur die Scales, die Inhalte können tatsächlich auch gleich bleiben. Ich muss aus einer riesigen Datenmenge, die ich vorher nicht kenne, analysieren können, ob das Sinn macht, was die Maschine rausgibt. Das ist ein ganz eigenes Feld und ein ganz spannendes Feld und die Lernenden machen das auch. Und dann, wenn wir das haben, eine integrative Transformation. Also wir verändern das Lernziel so lange, bis wir was haben, was KI tatsächlich nicht nutzen kann, also was KI nicht machen kann. Oder was inhärent ist, dass wir sagen, du kannst die KI benutzen, um dein Ziel zu erreichen. Also du kannst deinen Willen durchsetzen. Das ist auch noch. So, dann haben wir das iterativ transformiert. Dann sind wir beim letzten E angenommen und das ist Evaluation oder Exposure. Und das heißt, wir schmeißen es unseren Studierenden hin und sagen, liebe Studierenden, bitte bescheißt. Nutzt KI, versucht das System zu bringen. Und das finde ich ist der spannendste und schönste Schritt, weil da kann man die Studierenden, die Leute, die halt im Wesentlichen KI dann schon drei, vier Jahre verinnerlicht haben, dazu auffordern: Okay, schaut mal, was wirklich geht. Dann bringen wir uns weiter und die Studierenden. Und darum ist das mein absoluter Lieblingsschritt. Weil man richtig die Grenzen merkt. Und wenn man den Prozess durchlaufen hat, dann fängt man am besten wieder von vorne an, weil sich KI ja wahnsinnig schnell entwickelt. Aber worum es vor allen Dingen geht: Auf einmal ist man in einer aktiven Entwicklung und greift KI quasi auf als Thema und hat auf einmal die Sicherheit, dass man sagt: Naja, alles, was ich hier mache, alle Lernziele werden erstens hoffentlich erreicht und zweitens geht es wirklich darum, dass man sagt: Die Studis haben einen Mehrwert davon und sei es nur, dass sie sehr kritisch reflektiert haben, was die KI auswirft und das prüfen können. Weil das wird garantiert einer der Ideen sein, die wir für die Zukunft brauchen. Das sehe ich genauso, denn es ist ja illusorisch zu denken, dass die Studierenden, nachdem sie dann auf die Arbeitswelt losgelassen werden, nicht weiter mit KI arbeiten. Und da geht es dann wirklich um diese Qualitätssicherung auch. dass wir etwas rausbekommen aus der KI, auch die Grenzen kennen und uns selber ein neues Verständnis haben von dem, was unsere Aufgabe ist in diesem Zusammenspiel und das dann auch entsprechend einsetzen. Sehr, sehr spannend. Da verändert sich eine ganze Menge. Ich möchte jetzt nochmal alle, die zuhören, auch ermutigen, sich hier an der Diskussion noch zu beteiligen. Gibt es Erfahrungen, gerade in der Hochschule oder auch aus eigener Erfahrung, die ihr teilen möchtet? Oder habt ihr Fragen an Ben heute? Da haben wir den Toschi, der auch sehr KI-affin ist. Guten Morgen, Toschi. Morgen, Toschi. Guten Morgen, ich grüße euch. Ich habe ganz doll gelauscht jetzt dir, Ben. Vielen Dank, wie strukturiert und wie mit tiefen Gedanken du das angehst und war dann ganz beruhigt, dass du zum Schluss auch das mit den Bescheißen vorgebracht hast, weil das ist natürlich das, was die Studenten am meisten anhebt. Ich möchte zwei Sachen noch beifügen. Ich bin seit jetzt im vierten Semester mit KI unterwegs mit den Studierenden an einer, ja früher hat man das Fachhochschule genannt und wir haben Produktdesigner, Ingenieure, BWLer, Ingenieure aller Richtungen, die ich unterrichte als Jurist und die haben alle keinen Bock auf Jura und die sind ja ein Nebenfach und das will man nur schnell hinter sich bringen und nun ja, damit hat nun jetzt die KI die Brücke darstellen, das ist das, was ich noch beitragen möchte, die Brücke zwischen den jungen Menschen, die sehr, sehr viel an Handy und Social Media gewünscht und uns Älteren, also ich werde nächstes Jahr 60, das heißt, die das Wissen eben haben und die Erfahrung und die KI bringt sie zusammen. Also diese Brückenfunktion, die die KI hat, die ich jetzt immer in jeder Vorlesung feststelle. Und zweitens möchte ich noch ganz viel Mut allen zusprechen, Ich habe meinen Studenten das Bott bauen beigebracht und das ist natürlich schon extrem gefährlich, weil man ja natürlich als Hochschullehrer dann sich selbst abschaffen könnte. Man muss sich neu definieren und sagen, was ist es noch wert, wenn du jetzt da vorne stehst. Und das ist tatsächlich so passiert, dass Montag vor einer Woche, ich habe zwei große Highlights, vor einer Woche haben Studenten das gesamte Buch, das Lehrbuch M&A, also Unternehmenskauf und Verkauf, haben sie in ein Wort reingekippt und haben meine Fälle dort reingekippt und bearbeiten jetzt mit dem Wort jede Woche diese Aufgaben. Und du hast... staunend sehen. Mir läuft alles online. Ich habe noch nie so etwas Gutes gesehen. Ich bin dann über 25 Jahre in der Hochschule. Also Mut haben, den Studenten zu geben und sich selbst auch dann zu verändern, sich darauf einzulassen. Und die Studenten, was die für einen Spaß dabei haben und über das hinaus wachsen. Also Brücke bauen und Mut haben, über diese Brücke letztlich dann auch mit den Studenten zu gehen. Das ist so ein bisschen das, was ich mache im Blick. und es ist anstrengend, sehr anstrengend für mich. Aber ja, ich habe noch ein paar Jahre, möchte auch danach mit meinen Studenten noch vielleicht in Verbindung bleiben. Also das sind zwei Sachen, die ich noch zum Weitere machen wollte. Wenn ich ganz kurz darauf antworten darf, ich finde das ganz fantastisch, weil wir sehen in der Lehre, dass die Leute profitieren, die didaktisch einfach sage ich mal, ausgreifte Konzepte haben und die auch durchsetzen. Und wer eine Vorlesung macht und da einfach nur eine Dauerbeschreibung macht und danach gibt es halt eine Klausur, der wird ein Problem bekommen, weil Definitionen und irgendwie Beschreibungen und so auf dem Level, das kriegt Chichiti hin. Aber sobald wir in Richtung Projekte gehen, sobald wir in Richtung Anwendung gehen, sobald wir in Richtung Transfer gehen und die Leute tatsächlich arbeiten lassen und schwierige Probleme aus der echten Welt lösen lassen, was ich auch so bei dir rausgeholt gehört habe, dann wird es halt interessant, weil auf einmal haben wir ganz neue Fähigkeiten. Und das ist was ganz Fantastisches. Und da kann ich dir nur zustimmen. Da geht mir das Herz auf, weil wir müssen viele Dinge, die eigentlich super nervig sind, nicht mehr machen. Wir können uns wirklich darauf freuen, dass da was vorangeht und wir richtig schnell an der echten Welt arbeiten können. Und das ist doch was Schönes für alle. Das hast du wunderbar ausgedrückt. Ich musste schon schmunzeln, als du erzählt hast, die ganze Statistik im Psychologiestudium. Ich habe eine Freundin, die auch Psychologie studiert hat und mir immer vollgejammert hat, dass sie so viel Statistik lernen muss. Und das sind alles Dinge, die heute wunderbare Unterstützung durch die KI erfahren. Und Toshi, ich weiß nicht, also würdest du sagen, dass deine Studierenden jetzt mehr Skills haben als vorher, dass sie besser sind? Oder sagst du, naja, dadurch, dass sie so viel KI nutzen, siehst du einen Qualitätsabfall? Also das Niveau ist um 1000 Prozent gestiegen. Diese Angst vor Vorschriften zu lesen und die dann zu präsentieren, festes Schema schon seit vielen Jahren, Richterschema heißt das. Und damit gehe ich jeden Fall durch für Nicht-Juristen in acht Schritten. Und ich habe ja über 20 Jahre dort erfahren, wie schwer es ihnen immer gefallen ist mit den Kursschritten, gerade wenn man aus dem Nicht-Juristischen und Nicht-Jurist ist. Und nun sehe ich, dass sie die KI nutzen und dort die Ergebnisse bekommen. Und jetzt kommt genau das, was Ben auch gesagt hat. Sie müssen jetzt bewerten, was dort rauskommt. Aber sie fangen ja nie vom weißen Blatt an. Und das ist Ich kann das mit den 1000% auch wirklich nachweisen, weil die Präsentationen sind länger, viel mehr Text drin sind, inhaltlich viel, viel toller. Sie haben nur immer ein Problem. Gerade gestern wieder die Designer haben gesagt, ja, wir wissen aber gar nicht, ob das alles richtig ist, was da so jetzt drinsteht. Und dann sage ich, gut, das geht uns allen so. Auch wir Juristen, wenn wir bei Back-Online oder irgendwas uns anschauen dort, wissen wir auch nicht, ob es richtig ist. Diese Evaluationsfähigkeit, Verifizierungsfähigkeit, Prompt ist natürlich auch der eigene Menschenverstand. Das musst du jetzt einschalten. Und jetzt guck mal rum bei Perplexity, guck dir die Quellen an. Und das sind ja die Skills. Also das Niveau ist extrem nach oben gegangen und sie können sich selbst helfen, wenn sie das Tool beherrschen und die Denkweise. Ja, da wird sich auch die Rolle des Juristen ein wenig verändern. Also auch nachher in der Ausübung des Berufes. Denn es gibt einfach ganz viel, was durch KI unterstützt werden kann. Und das haben wir in anderen Bereichen auch. Ich finde es mega spannend. Ja, Ben, du wolltest was sagen? Ja, ich habe auch schon die Zeit gesehen. Und muss nicht überzustrapazieren. Einen Kommentar noch zu Jura. Jura ist eine der härtesten Nüsse, die wir gerade mit KI knacken. Also Jura wehrt sich. Ständig verändern sich irgendwelche Gesetze. Das was da steht, heißt nicht wirklich, dass es immer der Sprachlogik im Deutschen folgt, was es heißt. Dann hat man noch Formallogik drin. Und dann gibt es noch Prüfschematas, die außerhalb von, sag ich mal, Basiswissen liegen. Also Statistik ist ziemlich die Hölle für KI-Systeme. Da ist Statistik leichter. Und es freut mich, dass man trotzdem KI für ihr Recht einsetzen kann. Also das freut mich wirklich sehr. Herr Toschi nutzte auch ganz spezielle Systeme, die trainiert wurden, um juristische Fragestellungen zu behandeln und auch in einem sicheren Rahmen. Ich glaube, das spielt da auch nochmal eine Rolle. Ja, ganz herzlichen Dank für den Einblick, den du uns gegeben hast, Ben. Das Studium verändert sich und zwar ganz, ganz grundlegend und auch die Aufgabe, die wir als Studierende haben, oder okay, das ist schon eine Zeit her, also die, die aktuellen Studierenden haben, ändert sich genauso wie sich nachher im Beruf auch. unsere Arbeit verändert, also verändert hat und noch viel, viel mehr verändern wird. Also es bleibt einfach mega spannend und meine Hoffnung ist, dass wir mehr von dem machen, was richtig Spaß macht, was uns auch herausfordert, was uns wachsen lässt und ich sehe es ja in der Art und Weise, wie ich heute arbeite, so Dinge, die mir keinen Spaß gemacht haben, so Routine, die gebe ich an die KI ab und kümmere mich jetzt viel mehr um Dinge, die mir wirklich Freude machen. Ben, ganz, ganz herzlichen Dank. Mein Gast hat immer das letzte Wort und vielleicht magst du noch ein paar Worte sagen. Also ich habe ja schon hier eine Textwand losgelassen, von daher vielleicht eine Sache noch. Einfach ausprobieren. Es macht Spaß, es kostet relativ wenig und man lernt im Wesentlichen sehr viel dazu. Und wenn man den Mut hat auszuprobieren, dann kommen eigentlich immer gute Sachen raus, haben wir ja heute gehört. Ganz herzlichen Dank. Ein schönes Schlusswort. Da schließe ich mich an und wünsche euch allen noch einen tollen Dienstag und eine schöne Restwoche. Bis zum nächsten Mal. Macht's gut. Wir sehen uns am LinkedIn. Tschüss. Tschüss.