News: Aktualisierung „Deutschdidaktik im Dialog“

Seit Mai 2018 werden im Rahmen der Veranstaltungsreihe „Deutschdidaktik im Dialog“ (DDiD) in loser Folge Themen zur Lehrerbildung im Fach Deutsch sowie zum Deutschunterricht aufgegriffen. In der Regel finden pro Semester zwei Veranstaltungen dazu statt.

Für Euch haben wir die Themen und Inhalte aller bisherigen DDiD-Veranstaltungen noch einmal zusammengetragen:

2018

Juni:

  • „Angebot(e) und Nachfrage(n)“

Mai:

  • „Alles neu macht der Mai!?“

2019

Dezember:

  • „Theater in Schule und Hochschule – Ein Streifzug durch die Bühnen von Kultur und Ausbildung“

Juni:

  • „Lyrics & Lyrik“

Mai:

  • „Praxis vs. Theorie. Praxisphasen im Lehramtsstudium“

Januar:

  • „Der Frühling war so kalt, dass das Meer nicht warm wurde bis es Sommer war -Filmabend und Diskussion mit dem Regisseur Alexej Hermann“

Und was ist mit DDiD 2020?

Auch für das WS 2020/21 planen wir nach langer (corona-bedingter) Pause, die Veranstaltungsreihe „Deutschdidaktik im Dialog“ fortzusetzen. Ob dieses Vorhaben realisiert werden kann, wird sich erst noch zeigen müssen. Wir bleiben jedoch zuversichtlich! Und wenn es soweit ist, bekommt Ihr natürlich als Erste Bescheid!

KI in der Bildung – Lernen von und mit KI

In den vergangenen Beiträgen der Themenreihe „KI in der Bildung“ haben wir uns bereits damit auseinandergesetzt, was KI eigentlich ist, welche Voraussetzung für die Etablierung von KI benötigt werden, wie es um KI in der nationalen und internationalen Politik steht und welche Anwendungsmöglichkeiten KI für Schulen und Hochschulen bereithält. Darauf aufbauend soll es in diesem Beitrag einerseits darum gehen, wie KI lernt und andererseits darum, wie der Mensch von und mit KI lernen kann. Dabei wollen wir insbesondere auf das schulische Lernen bzw. Lernverhalten und Motivation eingehen.

Was noch vor wenigen Jahren als Science-Fiction galt, hält heute in Form von intelligenten Sprachsystemen oder der Navigation über das Smartphone Einzug in unseren Alltag. Die dabei verwendeten Technologien werden zusehend besser und entwickeln sich stets weiter. Im Bereich der künstlichen Intelligenz sind es allen voran das Maschinelle sowie das Tiefe Lernen, auch bekannt als „Deep Learning“, die die digitale Entwicklung vorantreiben. Doch was versteht man eigentlich unter diesen Begriffen und inwiefern hängen sie miteinander zusammen? Darum soll es in dem ersten Teil unseres Beitrags gehen.

Der digitale Fortschritt macht auch vor dem Bildungssektor nicht halt. Heutzutage werden digitale Lernformate wichtiger denn je. Obwohl auch das Bildungssystem das individuelle Lernen als Schlüssel zu einer modernen und integrativen Gesellschaft betrachtet, berücksichtigen viele Lernumgebungen die dafür notwendigen, individuellen und adaptiven Lernprozesse nur in begrenztem Maße. Daraus resultiert die Frage, wie sichergestellt werden kann, dass Schüler*innen individuell zugeschnittenen Lernstoff erhalten.
An diesem Punkt kommen Maschinelles- und Tiefes Lernen ins Spiel. Ihre Algorithmen ermöglich es, die mithilfe von Sensoren gesammelten Daten auszuwerten und somit das Lernverhalten sowie den kognitiven Zustand der Lernenden zu erfassen. Davon ausgehend können dann individuelle Vorschläge zur Erhöhung des Lernerfolgs gegeben werden. In dem zweiten Teil dieses Beitrags gehen wir, anhand eines Vokabeltest, darauf ein, wie der Lernprozesse mithilfe von KI individualisiert werden kann. Außerdem möchten wir auf dieser Grundlage einige Chancen des Lernens mithilfe digitaler Medien aufzeigen, besonders im Hinblick auf die Motivation der Lernenden.

Künstliche Intelligenz

Maschinelles Lernen

Smarte Lösungen für Probleme werden heute kaum noch manuell programmiert. Bei einem Smartphone mit mehr als zehn Millionen Codezeilen wäre dies auch eine sehr mühselige Aufgabe. Stattdessen wird die Fähigkeit des Lernens programmiert. Diese aktuellen Entwicklungen auf dem Gebiet der KI markieren einen Paradigmenwechsel.

Maschinelles Lernen stellt in diesem Zusammenhang ein grundlegendes Teilgebiet der künstlichen Intelligenz dar. Es zielt darauf ab, Maschinen und Systeme zu entwickeln, die ohne die genaue Programmierung eines konkreten Lösungswegs, automatisiert sinnvolle Ergebnisse liefern. Die speziellen Algorithmen erlernen dabei aus vorliegenden Beispieldaten Modelle, die dann auch auf neue Daten angewendet werden können. Dabei gilt: Je größer die Datenmenge, auf die die Algorithmen zugreifen können, desto mehr lernen sie. Entsprechend kann KI sich selbst nur weiterentwickeln, wenn das Maschinelle Lernen als Unterdisziplin ebenfalls Fortschritte verzeichnet. Zwar muss auch beim Maschinellen Lernen weiterhin der Mensch programmieren, doch programmiert er nicht mehr die fertigen Lösungen. Stattdessen entwickelt er Programme, die mithilfe von Trainingsdaten die Lösung selbst erlernen.

Beispiele für den Einsatz solcher Systeme sind die personalisierten Produktempfehlungen bei Amazon, die Gesichtserkennung bei Facebook sowie Vorschläge für die schnellste Route bei Google Maps.

Bezogen auf das Maschinelles Lernen unterscheidet man grundsätzlich drei Methoden: Überwachtes Lernen, nicht-überwachtes Lernen und bestärkendes Maschinelles Lernen. Die beiden ersten angebrachten Formen des Lernens werden unter dem Punkt „Methoden“ bzw. „Deep Learning“ näher ausgeführt.

Bestärkendes Maschinelles Lernen

Diese Form des Maschinellen Lernens braucht kein Ausgangsdatenmaterial, um das lernende System zu trainieren. Das Wissen entsteht stattdessen durch viele verschiedene Simulationsläufe. Dabei werden Lösungen und Strategien auf der Grundlage von erhaltenen Belohnungen generiert. Dieses bestärkende Lernen ist von allen angebrachten Methoden dem Lernen des Menschen am ähnlichsten.

Deep Learning

Die größten KI-Erfolge basieren derzeit auf Neuronalen Netzen, auch „Deep Learning“ oder „Tiefes Lernen“ genannt. Beispielsweise wären moderne Übersetzungs- und Bilderkennungssysteme ohne Neuronale Netzte nicht denkbar.

Als „Deep Learning“ bezeichnet man ein Teilgebiet des Maschinellen Lernens, welches mit eben diesen Neuronalen Netzen arbeitet. Sie verarbeiten die Eingangsinformationen in mehreren Schichten und stellen am Ende das Ergebnis bereit.

Beispiele für den Einsatz von Neuronalen Netzen finden sich in der Industrie bei der Qualitätskontrolle, in der Robotersteuerung oder der Kapazitätsplanung. Auch das Marketing nutzt Neuronale Netze, um beispielweise, um Zielgruppen zu bestimmen und Konsumanalysen durchzuführen. Weiterhin unterstützen Neuronale Netze KI-Anwendungen beim Dateimanagement sowie der Spracherkennung. Im alltäglichen Leben finden Neuronale Netze Anwendung bei Optimierung von Fahrplänen sowie Ampelschaltungen und nicht zuletzt als das „Gehirn“ hinter Alexa, Siri und Co.

Leider ist das Verständnis der theoretischen Grundlagen des Tiefen Lernens teilweise noch lückenhaft. Daher ist das Erarbeiten dieser theoretischen Grundlagen einer der wichtigsten gegenwärtigen Forschungsschwerpunkte in der KI-Forschung.

Das Netzwerk aus miteinander verbundenen Neuronen simuliert quasi den Aufbau und die Abläufe im menschlichen Gehirn. Auch unser Gehirn besteht aus einer Vielzahl von Neuronen, die untereinander mit Synapsen verbunden sind. Hierbei ist zwischen eingehenden und ausgehenden Verbindungen zu unterscheiden. Über die eingehenden Verbindungen erhält ein Neuron elektrische Signale von einem anderen. Überschreitet die elektrische Ladung eine gewisse Grenze, gibt das geladene Neuron ein elektrisches Signal an andere Neuronen ab. Dieses Zusammenspiel von Milliarden an Neuronen versetzt den Menschen in die Lage, Sinneseindrücke zu verarbeiten und nicht zuletzt zu denken. Auf diesem Prinzip basieren auch künstliche Neuronale Netzwerke, um so Daten erkennen und interpretieren zu können.

Die Neuronen in einem Neuronalen Netz arbeiten in kleinen Datenverarbeitungseinheiten. Sie sind schichtweise angeordnet. Die verschiedenen Schichten wiederum bestehen aus vielen Knotenpunkten. Diese sind äquivalent zu den Neuronen im menschlichen Gehirn.

Zu Beginn müssen die Daten in Zahlenwerte transformiert werden. Denn im Gegensatz zum menschlichen Gehirn verarbeiten künstliche Neuronale Netze ausschließlich numerische Werte und keine elektrischen Reize.

Von der ersten Schicht, der Eingabeschicht, ausgehend leitet jeder Knotenpunkt seinen Wert an alle mit ihm verbundenen Knoten in der Aktivierungsschicht weiter. Die Aktivierungsschicht simuliert biologische Neuronen und entscheidet, ob ein Signal weitergegeben wird und wenn ja, in welcher Höhe es weitergegeben wird.

Um nun aus den vorliegenden Daten zu lernen, erhält jede Knotenverbindung ein Gewicht sowie ein Bias, also ein zusätzliches Neuron mit gleichbleibendem Schwellwert, für die Bewertung und Interpretation von Informationen. Die Bias sind wie flexible Schrauben in einem Netzwerk, die überhaupt erst das Lernen ermöglichen. Wichtige Eingabewerte werden dann durch die Gewichte und die Bias in ihrer Signalstärke verstärkt – eher unwichtige werden abgedämpft. Die Gewichtung wird mithilfe der Verbindung bestimmt und gibt an, wie hoch der Einfluss der Daten auf das Neuron ist: ein positives Gewicht übt auf ein anderes Neuron einen verstärkenden Einfluss aus – ein negatives hingegen hat eine hemmende Wirkung. Beim menschlichen Gehirn geschieht dies durch die „Überladung“ des Neurons mit elektrischer Energie. Je mehr Aktivierungsschichten vorhanden sind, desto genauer kann das Neuronale Netz Informationen filtern und ordnen.

Das gleiche Prozedere wiederholt sich dann zwischen der Aktivierungs- und der Ausgabeschicht. Die Anzahl der Knotenpunkt in der Ausgabeschicht entspricht dabei der Anzahl der Kategorien, in die die Informationen eingeordnet werden sollen.

Von Deep Learning spricht man dann, wenn mehr als eine Aktivierungsschicht existiert. Je mehr Aktivierungsschichten ein Netz aufweist, desto tiefer ist es. Werden weitere Knotenpunkt zu der Aktivierungsschicht hinzugefügt, sodass ein sehr breites Netzwerk entsteht, spricht man vom sogenannten „Wide Learning“. Auf diese Weise lassen sich Neuronale Netze bis zu einem gewissen Grad in ihrer Effizienz optimieren.

Deep Learning lässt sich für überwachtes- und nicht-überwachtes Lernen einsetzen.

Überwachtes Lernen

Beim überwachten Lernen werden Daten klassifiziert, wenn für das Anlernen des Neuronalen Netzes benannte oder „gelabelte“ Daten vorhanden sind. Für ein Datensatz bestehend aus Hunde- und Katzenbildern beispielsweise wäre für jedes Bild die korrekte Bezeichnung, also „Hund“ für Hundebilder und „Katze“ für Katzenbilder, vorhanden.

Nicht-überwachtes Lernen

Wenn keine solch beschrifteten Daten vorliegen, wird das nicht-überwachte Lernen eingesetzt. Hierbei ist das Deep Learning in der Lage, selbstständig ein Clustering der Bilder vorzunehmen. Unter „Clustering“ versteht man die Zuordnung von Bildern anhand von visuellen Merkmalen zu einer Gruppe oder Kategorie. Dem Algorithmus ist dabei, im Gegensatz zum überwachten Lernen, nicht bewusst, dass es beispielsweise Hunde oder Katzen auf den jeweiligen Bildern erkennt. Um die Bilder zu unterscheiden und daraufhin in Gruppen einzuordnen, benötigt die KI zahlreiche Vergleiche dieser Bilder.

Neben diesen beiden Beispielen des überwachten und nicht-überwachten Lernens gibt es noch einige weitere Methoden des Deep Learnings wie die Lineare Regression oder die Dimensionsreduktion.

Abbildung 1

Zusammenhang zwischen KI, Maschinellem Lernen und Deep Learning

Die benannten Begriffe werden häufig nicht trennscharf verwendet. Gemeinsam ist allen, dass sie auf Algorithmen, also eindeutigen Handlungsvorschriften zur Lösung eines Problems, basieren. Künstliche Intelligenz definiert Herausforderungen, die es zu lösen gilt, und entwickelt dazu Lösungsansätze. Beim Maschinellen Lernen wiederum steht das Erlernen im Vordergrund. Das Tiefe Lernen stellt in diesem Zusammenhang derzeit einige der leistungsfähigsten Ansätze des maschinellen Lernens bereit.

Abbildung 2

Lernen von und mit KI – Analyse von Lernverhalten

Das Lernen mithilfe digitaler Technologien nimmt einen immer größeren Bereich ein – sowohl in der schulischen bzw. universitären Bildung als auch in der betrieblichen Weiterbildung. Die digitalen Technologien eröffnen bisher ungekannte Möglichkeiten. Statt eines einfachen Textbuches oder eines Tafelbildes können im Unterricht Musikstücke, Animationen und ganze Videos verwendet werden. Damit geht jedoch die Frage einher, wie aus dieser Fülle neuer Möglichkeiten die optimalen, zur Lernsituation passenden Elemente ausgewählt- und wann diese den Lernenden zum möglichst geeigneten Zeitpunkt zur Verfügung gestellt werden sollen.

Eine allgemeingültige Antwort auf diese Frage gibt es nicht. Schließlich ist das Lernen ein höchst individueller Vorgang. In Anbetracht von beispielsweise zunehmenden Klassengrößen und damit einhergehend von einem verringerten Überblick der Lehrkraft über die Klasse scheint es jedoch durchaus sinnvoll, die vorhandenen Lernkräfte der Schüler*innen mithilfe technischer Mittel zu unterstützen. Allen voran die künstliche Intelligenz ermöglicht es, direkte Einblicke in Vorgänge und Zustände zu gewinnen, die sonst für außenstehende Beobachtende unsichtbar sind. Um solche Zustände messen zu können, wird auf eine Vielzahl an Sensoren zurückgegriffen.

Das Immersive Quantified Learning Lab (iQL) beispielsweise hat eine solche Lernumgebung mit technologiebasierten, interaktiven Kommunikationsmedien erschaffen. Unter der Verwendung von intelligenten Analyse- sowie Machine-Learning-Verfahren sollen dadurch individuelle Unterstützungsmaßnahmen für jede Altersgruppe bereitgestellt werden. Das iQL gibt darüber hinaus Einblick in die neusten Sensoren-Technologien sowie wie diese in Lern- und Arbeitsszenarien verwendet werden können, um den kognitiven Zustand von Versuchspersonen zu messen und um Bedingungen zu schaffen, die die kognitive Belastung verringern und damit die Effizienz erhöhen.

Beispiel Vokabeltest

Ein Beispiel für die verwendete Sensoren-Technologie ist ein Vokabeltest, der das individuelle Selbstvertrauen der Lernenden anhand deren Blickbewegung erfasst.
Hierbei ist der Eye-Tracker in eine unauffällige, schwarze Sensorleiste direkt unterhalb des Bildschirms angebracht. Er misst zum Beispiel, wie lange Fragen und Antworten gelesen werden, wie oft zwischen Fragen und Antworten hin- und hergeschaut wird oder wie lange der Blick auf einer Antwort bleibt, bis diese angeklickt wird. Basierend auf diesen charakteristischen Mustern kann mithilfe von KI das Selbstvertrauen der Proband*innen bestimmt- und auf dieser Grundlage der Test verändert werden. Beispielsweise können bei Unsicherheiten ähnliche Aufgaben wiederholt angezeigt werden.

Um Dinge wie das Selbstvertrauen oder Verständnis von Teilnehmenden vom Computer ermitteln zu lassen, muss mittels KI bzw. dem Maschinellen- sowie dem Tiefen Lernen ein Klassifizierer trainiert werden. Dazu werden zunächst mit diversen Sensortechnologien Trainingsdaten von den Lernenden erhoben. Basierend darauf können dann Algorithmen Muster in den Daten ermitteln und charakteristische Zusammenhänge erkennen, wie in dem Abschnitt „Neuronale Netze“ bereits erklärt. Auf diese Weise kann der Klassifizierer anschließend auf Daten unbekannter Personen angewendet werden und somit korrekte Vorhersagen über deren Lernzustände treffen.

Abbildung 3

Auf den beiden Bildern sieht man Messdaten, die während zweier Vokabeltests erhoben wurden. Bei dem „Tippen“-Test links erhielten die Teilnehmenden Fragen auf ihr Smartphone und mussten die Antworten eingeben. Bei dem rechten „Handschrift“-Test hingegen wurden die Fragen auf einem Computer mit Touchscreen angezeigt und die Teilnehmenden mussten ihre Antworten mithilfe eines speziellen Stifts namens „Stylus“ auf den Bildschirm schreiben. Die Darstellungen zeigen jeweils ein erfasstes Feature: Beim „Tippen“-Test wurde die mittlere Tippgeschwindigkeit auf dem Bildschirm-, beim „Handschrift“-Test die mittlere Strichgeschwindigkeit gemessen.

Bezogen auf das Tippen reicht es aus, das Feature der Tippgeschwindigkeit zu betrachten, um zwischen Personen mit hohem und niedrigem Selbstvertrauen unterscheiden zu können. Im Falle des „Handschrift“-Test hat sich gezeigt, dass die Schreibgeschwindigkeit stark von der Person abhängt, jedoch nicht unbedingt im Zusammenhang mit dem Selbstvertrauen der betreffenden Person steht. Die Schreibgeschwindigkeit als einzige Eigenschaft heranzuziehen, würde für eine zuverlässige Messung nicht ausreichen. Eine korrekte Vorhersage wäre dann möglich, wenn man weitere Features beim Schreiben wie Winkel, Absetzen des Stifts und den Druck berücksichtigen würde.

Dieses Beispiel hat gezeigt, dass sich mithilfe moderner Technik durchaus das Lernverhalten von Probanden erfassen lässt. Die durch KI gewonnen Daten können in diesem Zusammenhang analysiert werden, um somit kognitive Zustände zu bestimmen, Lernprobleme zu identifizieren und daraufhin individuelle Lernvorschläge zu machen.

Lernen von und mit KI – Digitales Lernen motiviert

Das Lernen mithilfe neuster Technologien individuell zu gestalten, ist ein wesentlicher Schwerpunkt der KI-Forschung im Bildungssystem. Dabei wird jedoch ein weiteres wichtiges Hauptaugenmerk oftmals vernachlässigt – die Motivation, die digitale Medien mit sich bringen können, für Lernprozesse sinnvoll zu nutzen. Die Bereitschaft und Motivation zum lebenslangen Lernen sind vor allem in unserer digitalen Gesellschaft, die sich ständig und rasant wandelt, von großer Bedeutung. Besonders Kinder haben einen angeborenen Wissensdrang und sind von sich aus motiviert, Neues zu lernen. Doch in der Schule zeichnet sich oftmals ein ganz anderes Bild ab: da können die Lehrkräfte von motivierten Schüler*innen nur träumen und müssen selbst so einiges auffahren, um die Kinder zum (motivierten) Lernen zu bewegen. Digitale Medien können an dieser Stelle unterstützen und das leisten, was die Schule oft nicht schafft: Kinder fesseln und begeistern. Die digitale Welt eröffnet unzählige Möglichkeiten, Wissen interaktiv und ansprechend zu gestalten. So wird ein spannender Zugang zum Lernen geschaffen. Denn…

Digitale Medien bestechen allen voran durch ihre Multimediafähigkeit. Wie eine Zirkusvorführung sind sie somit in der Lage, Kinder zu fesseln und sie in ihren Bann zu ziehen. Diese Eigenschaft lässt sich doch prima auf das Lernen übertragen und nutzen! Der Schulstoff kann auf diese Weise für die Lernenden lebensnah und greifbar aufbereitet werden zum Beispiel in Form von Abenteuerwelten, die in eine spannende Geschichte eingebettet sind. Dies bezeichnet man auch als „Gamification-Ansatz“. Damit wird der dem Menschen angeborenen Wissensdrang angestachelt. Die Kinder begreifen Dinge automatisch in ihrer Ganzheit und wollen sie in der Abenteuerwelt anwenden. Dies ist beispielsweise der Fall, wenn sie mithilfe der richtigen Antworten eine Schatztruhe öffnen. Diese interaktiven und multimedialen Lerninhalte machen deutlich mehr Spaß und befeuern damit die Lernmotivation.

Das wichtigste ist natürlich trotzdem der Lernerfolg. Dieser wird begünstigt durch die vielen Sinne, die während des Lernprozesses angesprochen werden. Die Einbindung von Animationen, Videos, Audiodateien und interaktiven Elementen in Online-Lernprogrammen hilft dabei, Wissen lebendig zu machen und es im Gehirn nachhaltig zu verankern. Wird der Schulstoff in den Abenteuerwelten jenseits der bekannten Aufgabenstellungen angewendet, durchdringen Schüler*innen das Wissen und üben sich nebenbei in der Transferleistung.

Neben der Multimediafähigkeit der digitalen Medien bestechen diese weiterhin dadurch, dass sie individuelles Lernen ermöglichen. Dies ist von großem Vorteil, denn jeder Mensch hat andere Stärken und Schwächen, ein individuelles Lerntempo sowie spezifische Interessen. Die große Fülle an Online-Materialien bietet passende Inhalt für alle Lernenden, damit sie sich ganz individuell mit den unterschiedlichen Themen beschäftigen können. Sie können den Lernstoff, abseits vom Schuldruck, in Ruhe wiederholen oder ein Thema, das sie besonders interessiert, vertiefen.

Außerdem ist das Online-Lernen zeit- und ortsunabhängig, sodass es auf individuelle Tagesabläufe und Termine abgestimmt werden kann. Darüber hinaus können die Online-Inhalte aktualisiert sowie erweitert werden und sich somit immer den neusten Erkenntnissen anpassen.

Digitale Technologien etablieren sich blitzschnell in der Familie und können durchaus den Alltag erleichtern oder einfach nur Spaß machen. Und nicht nur wir Erwachsenen erfreuen uns daran, wenn wir Alexa bitten, „Oh happy day“ zu spielen. Warum sollte man diese Faszination für neue Medien nicht auch beim Lernen nutzen?

In diesem Zusammenhang spricht man vom sogenannten „Damoklesschwert Lernen“. Darunter versteht man die Fähigkeit von Online-Lernangeboten, Kinder derart zu begeistern, dass sie sich freiwillig mit dem Schulstoff beschäftigen. Vor allem Motivationselemente wie ein eigener Avatar sowie Punkte- und Levelsysteme wecken den Spieltrieb bei Kindern, der dann auf sinnvolle Weise mit dem Lernstoff verbunden wird. Gleichzeitig erfahren Kinder etwas über den sinnvollen Umgang mit digitalen Technologien. Sie entwickeln sich von passiven Konsumenten hin zu aktiv Gestaltenden, die digitale Medien clever für bestimmte Ziele einsetzen. Darüber hinaus lernen sie mit und über neue Medien, wie sie KI für sich nutzen können.

Fazit

KI mit ihren Unterdisziplinen Maschinelles- und Tiefes Lernen eröffnet nicht nur Unternehmen viele neue Möglichkeiten des technologischen Fortschritts. Auch in Zukunft werden diese Technologien viele weitere Gesellschafts- sowie Wirtschaftsbereiche und nicht zuletzt den Bildungssektor erobern.

Der Einsatz von KI im Bildungsbereich bringt unzählige Chancen mit sich wie die Individualisierung von Lernprozessen und die Motivation zum Lernen. Um dies jedoch zu gewährleisten, brauchen die Algorithmen riesengroße Datenpools, aus denen sie ihre Informationen entnehmen. In diesem Zusammenhang werden Probleme mit dem Datenschutz erkennbar. Weiterhin darf der Einsatz von digitalen Medien immer nur dann erfolgen, wenn er auch wirklich sinnvoll ist. Die aufgezeigten Technologien sind dazu da, Lehrkräfte zu unterstützen und nicht zu ersetzen. Eine solche Unterstützung der Lehrenden ist jedoch nur dann möglich, wenn diese einerseits offen gegenüber den neuen Technologien sind und andererseits selbst über gewisse digitale Kompetenzen verfügen.

Klar ist und bleibt: Der Mensch definiert und legt die Anwendungsgebiete von KI fest. Der Grad an Autonomie des Systems darf dabei nicht nur der technischen Limitierung der KI unterliegen. Auch rechtliche und ethische Rahmenbedingungen sowie die Forderungen nach Datensicherheit müssen hier die entsprechenden Grenzen setzen.

News: Onlinekurs „Körper • Stimme • Haltung – Wirkungsstrategien für Lehrer*innen“

Über zwei Jahre hinweg hat das Zentrum für Lehrerbildung (ZLB) ein multimediales Lernangebot entwickelt, mit dem Ziel, angehenden und erfahrenen Lehrenden die Wirkung der Stimme, der Körpersprache- und haltung bewusst und erlebbar zu machen. Seit kurzem ist nun das Selbstlernangebot in Form eines Onlinekurses unter folgendem Link verfügbar: 

Das Projekt basiert als multimediales Lernangebot auf Videosequenzen mit ergänzendem Text- und Audiomaterial sowie Textbausteinen zum selbstständigen Erarbeiten verbaler und nonverbaler Kommunikationsstrategien.

Es richtet sich an:

  • Studieninteressierte,
  • Studierende,
  • Referendar*innen und
  • Lehrkräfte aller Schulformen.

Vor allem für Lehrende stellen Körper und Stimme zentrale Kommunikationsmedien dar, deren tragende Bedeutung in Form von Inhalts- und Beziehungsvermitllung im Unterricht zum Vorschein kommt. Somit stellen sie die Grundlage des Lehrens und Lernens dar, denn

„wer die Wirkung der Stimme und des Körperausdrucks gekonnt und zielsicher einsetzt, wird besser gehört, gesehen und verstanden“.

Quelle: http://koerperstimmehaltung.zlb.uni-halle.de/

Der Onlinekurs orientiert sich vor allem an den vier Funktionskreisen Körper, Atmung, Stimme und Aussprache, die unsere Kommunikation maßgeblich beeinflussen.

Jedes einzelne Kapitel enthält:

  • Wissensvideos, Tests, Literatur, 
  • Übungsvideos und
  • Tipps für den Alltag. 

Eine Anleitung zum Onlinekurs findet Ihr hier: 

Schaut auf jeden Fall vorbei! Es lohnt sich!

Auch die Deutschdidaktik beschäftigt sich bereits seit einigen Jahren in Kooperation mit den Theaterschaffenden von Halles Bühnen mit diesem Themengebiet. Schließlich wird die Hauptwirkung einer Lehrperson über Stimme und Körperhaltung transportiert.
Weitere Informationen dazu findet Ihr hier:

KI in der Bildung – Anwendungsmöglichkeiten von KI in Schule und Hochschule

In den vergangenen Beiträgen der Themenreihe „KI in der Bildung“ haben wir uns bereits damit auseinandergesetzt, was KI eigentlich ist, welche Voraussetzung für die Etablierung von KI benötigt werden und wie es im KI in der nationalen und internationalen Politik steht. Darauf aufbauend soll es in diesem Beitrag darum gehen, welche (konkreten) Anwendungsmöglichkeiten KI für Hochschulen und Universitäten, aber vor allem in schulischen Bereichen bietet. 

Über KI in der schulischen Bildung wird bislang nämlich recht wenig gesprochen. Und dass, obwohl die von der Bundesregierung im November 2018 verabschiedete Nationale Strategie für KI natürlich auch große Auswirkungen auf das Bildungssystem hat.
Künstliche Intelligenz birgt das Potenzial, die Vermittlung von Wissen grundlegend zu verändern. KI kann in der Zukunft einen wichtigen Beitrag leisten, Vorhersagen zu treffen und Lerninhalte individuell auszusteuern – ob an Universitäten, in Schulen oder bei der Erwachsenenbildung. Dabei verfolgen erste praktische Versuche zur Entwicklung von KI-Anwendungen den Ansatz, menschliche Lehrkräfte in ihrer täglichen Arbeit zu unterstützen und nicht Schullehrende oder Hochschulddozent*innen zu ersetzen.

Anhand einiger konkreter Beispiele für den bereits jetzt stattfindenden Einsatz von KI in Schulen möchten wir Euch einen ersten Einblick darin geben, auf welchem Stand sich künstliche Intelligenz momentan befindet und wie der Bildungsbereich von dieser Entwicklung auch weiterhin profitieren kann.

Digitale Tools

Gemeinsam mit der Technischen Universität Kaiserslautern (TU) haben Wissenschaftler am Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI) das Projekt „Hypermind“ entwickelt. Dabei handelt es sich um ein intelligentes Schulbuch für Tablets und Desktop-Rechner, das die Blickrichtung der Lesenden erkennen und darüber hinaus analysieren kann.

In erster Linie soll das intelligente Schulbuch eine individuelle Förderung der Schüler*innen sowie ein effizienteres Lernen erwirken. Zudem kann der Lernprozess von Schüler*innen mithilfe des Tools kontinuierlich erfasst werden.

„Das Besondere ist, dass das Buch die Stärken und Schwächen der Schüler mithilfe integrierter Sensoren frühzeitig erkennt“ [1],

erklärt einer der Forschenden, Physik-Professor Jochen Kuhn.

Die Technik, die hinter dem intelligenten Schulbuch steckt, ist relativ simpel und daher auch zum Lernen, egal ob im Unterricht oder zu Hause, geeignet: Der Inhalt des Buches wird auf einem Tablet oder einem Bildschirm angezeigt. Unter dem Display ist ein sogenannter „Eye-Tracker“ angebracht, der die Blickbewegungen der Lesenden erfasst. Auf diese Weise kann das System erkennen, an welcher Stelle Lernende länger verweilen oder wann sie etwas wiederholt lesen. Mithilfe von Algorithmen bzw. KI werden dann in einem nächsten Schritt die Daten genauer analysiert, um beispielsweise Rückschlüsse auf Lernverhalten- und fortschritte zu ziehen. Weiterhin ermöglicht es die Technik, zu sehen, wo bei Schüler*innen besondere Interessen liegen. Das intelligente Schulbuch soll also zu einem dynamisch-adaptiven persönlichen Schulbuch werden und so individuelles Lernen ermöglichen.

Das individuelle Bearbeiten des Schulbuches soll darüber hinaus mit Geräuschen, eingeblendeten Bildern oder Filmsequenzen bereichert werden. Denkbar wäre auch die Kombination des digitalen Schulbuches mit Aktivitätserkennung wie etwa durch eine Smartwatch, die den Puls misst. Somit würde man schneller und besser Arbeitsbelastungen, Verständnisprobleme sowie die Interessen der Schüler*innen erkennen. Damit wird die Möglichkeit eröffnet, dynamisch generierte Inhalte individuell und kontextoptimiert zur Verfügung zu stellen sowie den Wirkungsgrad von und die Nachfrage nach bestimmten Inhalten zu verifizieren.

Argumented-Reality-Bilderbücher

Argumented Reality fügt dem realen Text eine hypertextuelle Ebene hinzu und ist damit der nächste Trend im Bereich digitale Bildung. Schon heut erschließen Kinder sich mithilfe dieser digitalen Bilderbücher zusätzliche Inhalte. Dafür benötigen sie lediglich ein Smartphone und das passende Programm.

[1] https://www.checkpoint-elearning.de/schule/wie-kuenstliche-intelligenz-das-lernen-unterstuetzt

Der Einsatz von Sensoren und Kameras wird im internationalen Raum, beispielsweise in China, bereits im Klassenzimmer erprobt. Dabei analysiert ein Algorithmus die erfassten Gesten und Gesichtsausdrücke von Schüler*innen und zieht daraus Rückschlüsse über ihre Mitarbeit und Gefühlslage. Die KI unterschiedet in diesem Zusammenhang Handlungen in sechs Kategorien: Lesen, Schreiben, Zuhören, Aufstehen, Hand heben und Kopf auf den Tisch legen. Darüber hinaus kann die Gesichtserkennung neutrale, glückliche, traurige, enttäuscht, verärgerte, verängstigte und überraschte Mimik identifizieren. Die so gesammelten Verhaltensdaten werden anschließend zu einer übergreifenden Bewertung der Schüler*innen zusammengefasst.

Georg Siemens beschreibt Learning Analytics als das

„Messen, Sammeln, Analysieren und Auswerten von Daten über Lernende und ihren Kontext mit dem Ziel, das Lernen und die Lernumgebung zu verstehen und zu optimieren.“ [2].

Diese individualisierten Lernprofile dienen dazu, die jeweiligen Stärken, Schwächen und Fortschritte der Lernenden herauszustellen. Im Vordergrund steht also ein besseres Verständnis von Lernprozessen und dementsprechend auch bessere Lernergebnisse

Die KI stellt selbst anhand des Lernprofils individualisierte Aufgaben und Materialien zusammen, um auf die individuellen Lernbedürfnisse der Kinder einzugehen. Für Lernende bietet sich somit der große Vorteil, anhand ihrer Stärken Themenbereiche zu erarbeiten. Auch verringert sich durch die flexibel angepasste Zusammenstellung der Aufwand für Lehrenden, was die Erstellung der Lerninhalte für unterschiedliche Leistungsstufen angeht. Durch die umfangreichen Analysen beispielsweise dahingehend, wie Schüler*innen mit Online-Texten- oder Kursmaterialien umgehen, kann der Unterricht entsprechend angepasst werden. Befürchtungen gibt es jedoch bezogen auf den Datenschutz sowie auf die Entwicklung hin zu einem Lernverständnis, das zunehmend nur noch auf messbare Ergebnisse abzielt.

Lernmanagementsysteme

Lernmanagementsysteme sind bereits vereinzelt in Gebrauch. Sie verknüpfen mehrere Funktionen wie Kursinhalt- und Benutzer-Verwaltung sowie Kommunikations- und Kooperationstools mit KI-Elementen. Somit generieren sie eine Vielzahl an Daten, die mithilfe von Learning Analytics gesammelt und ausgewertet werden. Es entsteht ein individuelles Lernprofil einer Person mit ihren Stärken, Schwächen, Präferenzen und Lernfortschritten.

[2] Jahn, Sandy/Kaste, Stefanie/März, Anne/Stühmeier, Romy: Denkimpuls Digitale Bildung: Einsatz von Künstlicher Intelligenz im Schulunterricht. Berlin: Initiative D21 e.V. 2019. (de/publikationen/denkimpulse-zur-digitalen-bildung 18.06.2020). S. 3.

Einige Anbieter von Bildungsmedien experimentieren bereits mit KI-basierten Web-Anwendungen. Dabei können Schüler*innen von den Lehrenden gestellte Textaufgaben online bearbeiten. Das Innovative an diesen Anwendungen besteht darin, dass das System weit über das schlichte Auswählen vorformulierter Antworten hinausgeht. Die KI versteht nicht nur freiverfasste Antworten, sie ordnet sie darüber hinaus inhaltlich ein, bewertet sie und gibt daraufhin eine individuelle Rückmeldung.

Denkbare Szenarien für die Anwendung eines solchen Systems stellen Wissensabfragen, Textverständnis, Fremdsprachenkompetenz oder die Anwendung grammatikalischer Regeln dar. Dabei werden Rechtschreib- und Grammatikfehler automatisch erkannt und berichtigt. Der große Vorteil besteht darin, dass alle Lernenden gleichermaßen in ihrem Lernprozess unterstützt werden, indem sie eine direkte Rückmeldung von der KI erhalten. Lehrende werden in diesem Sinne entlastet.

In Japan ist der Einsatz von Robotern im Klassenzimmer fast schon Realität. Diese unterstützen die Lehrkräfte bei den unterschiedlichsten Aufgaben. Der Roboter Pepper beispielsweise kann Vorträge halten, beim Kopfrechnen, Vokabellernen oder den Hausaufgaben helfen, Sportübungen demonstrieren und zum Teil Sprache Gefühle erkennen. Die dabei verwendete KI lernt mit jeder Interaktion dazu und ebnet somit den Weg zur Realisierung eines persönlichen, digitalen Lernassistenzsystems. Ein selbstständiges didaktisches Arbeiten ist jedoch noch nicht möglich.

In diesem Zusammenhang kommt oftmals die Frage auf, ob Roboter die Lehrenden in der Zukunft und damit die Lehrkraft aus Fleisch und Blut ersetzen werden. Grundsätzlich lässt sich festhalten, dass, unabhängig von dem Effekt solch adaptiver Lernsysteme und dem Voranschreiten der Entwicklung der künstlichen Intelligenz, Lehrkräfte zukünftig nie vollständig durch Roboter ersetzt werden. Schließlich werden die Lehrenden stets für das Mit- und Zwischenmenschliche verantwortlich sein, (hoffentlich) für Motivation im Klassenzimmer sorgen und Schüler*innen in ihrem Lernprozess begleiten und beraten.

Der Einsatz von KI wird in erster Linie als Unterstützung und Entlastung für Lehrkräfte angesehen. Damit Lehrende aber tatsächlich von den technologischen Entwicklungen profitieren, sollte die Beziehung zwischen ihnen und Maschinen im Sinne einer „Mensch-mit-Maschine-Beziehung“ verstanden werden.

Das Klassenzimmer der Gegenwart

Wirft man einen Blick in die Schulen Deutschlands, hat man den Eindruck, dass einige Lehrende es mit den digitalen Medien genauso halte wie die neuen Lehrpläne: Sie sitzen das Thema aus. Die Lernenden hingegen haben als Digital Natives die Lehrkräfte in punkto Medienkompetenz bereits überholt. So führt beispielsweise die KIM-Studien 2016 an, dass 98 Prozent aller Haushalte mit Kindern im Alter zwischen 6 und 13 Jahren über ein Smartphone verfügen. Dahingegen nutzen im Jahr 2015 lediglich 68% aller 45- bis 54-Jährigen ein Smartphone. Bei den 35- bis 44-Jährigen sind es immerhin 79%. [3] Das Klassenzimmer der Gegenwart besticht bislang meist durch herkömmliche Computerräume, Laptops, Beamer und interaktive Whiteboards – wenn überhaupt. Nur wenige Lehrende arbeiten mit Bring-Yor-Own-Device-Konzepten, bei denen die Schüler*innen ihre eigenen Endgeräte im schulischen Kontext nutzen. Aber

„[w]enn Schüler*innen Medienkompetenz erwerben sollen, müssen Lehrer*innen diese bereits besitzen […].“ [4]

, so Prof. Dr. Christian Spannager der Pädagogischen Hochschule Heidelberg.

Den Umgang mit KI erlernen

Auch all die aufgeführten Tools haben keinen Nutzen, wenn, sowohl auf Seiten der Lernenden als auch der Lehrenden, keine entsprechenden digitalen Kompetenzen vorhanden sind. Damit der Einsatz von KI Lernprozesse erleichtert, bedarf es der Aneignung digitaler Bildung. Bereits in den (Grund-)Schulen muss daher damit begonnen werden, den Umgang mit den Möglichkeiten neuer Technologien zu erlernen. Denkbar wäre beispielsweise ein Unterrichtsfach wie „Digitalkunde“ einzurichten, welches sich unter anderem mit KI beschäftigt. Andernfalls würden Kinder und Jugendliche zu „digitalen Analphabeten“ erzogen werden.  

[3] https://www.bpb.de/lernen/digitale-bildung/werkstatt/256629/ideen-zur-rolle-von-kuenstlicher-intelligenz-im-klassenzimmer-der-zukunft

[4] https://www.bpb.de/lernen/digitale-bildung/werkstatt/256629/ideen-zur-rolle-von-kuenstlicher-intelligenz-im-klassenzimmer-der-zukunft

Das Klassenzimmer der Zukunft

Bereits heute ist KI in der Lage, selbstständig Daten aufzubauen und auszuwerten. So sammeln Smartphones beispielsweise Daten durch Gesichts- oder Spracherkennungsprogramme, die sie anschließend auswerten. Der immer größer werdende Datensatz ermöglicht dann eine bessere Leistung sowie Trefferquote.
In Zukunft soll künstliche Intelligenz darüber hinaus jedoch intelligente Aufgaben lösen, die sich dadurch auszeichnen, dass es Problemlösungsaufgaben sind:

„Die Besonderheit dieser Art von Aufgaben ist, dass zu Beginn eine Beschreibung eines (Anfangs-)Zustandes und eine Aufgabenbeschreibung vorliegen sowie eine Menge möglicher Operationen […]. Der Problemlöser hat nun die Aufgabe einen Zustand zu finden, der eine Lösung der Aufgabe darstellt.“ [5]

, so Prof. Dr. Werner Dilger, der am Lehrstuhl künstliche Intelligenz an der TU Chemnitz tätig war. Damit wird ein sogenanntes „Deep Learning“ ermöglicht. Das bedeutet, dass künstliche neuronale Netze und maschinelles Lernen in der Lage sind, aus Beispielen zu lernen und die Ergebnisse als Grundlage für zukünftige Entscheidungen zu verwenden.

KI gibt Schüler*innen damit einerseits die Möglichkeit, die Kontrolle über die eigene Bildung zu übernehmen. Das gesamte Wissen der Welt stünde ihnen individuell zugeschnitten zu Verfügung. Oberflächlich betrachtet würden sie den Lernstoff selbst oder gemeinsam mit der KI auf der Grundlage persönlicher Daten auswählen.
Andererseits stellt sich dabei die Frage über die Kontrolle der erhobenen Daten bzw. der Informationsmöglichkeiten. Weiterhin bestünde das Problem, dass die Selbstbestimmung der Schüler*innen ad absurdum geführt werden würde. Ähnliche Hindernisse tun sich auch mit Blick auf die Lehrinhalte auf.

Immanent wichtig für gelingende Bildung bleibt jedoch stets die emotionale Seite des Lernens, Respekt, Wertschätzung, Fürsorge und Vertrauen. Dies stellt auch der neuseeländische Bildungsforscher John Hattie heraus.[6] Aus diesem Grund werden auch im Klassenzimmer der Zukunft die Lehrenden weiterhin für die Motivation der Schüler*innen verantwortlich sein, Themen setzen und für die Mit- und Zwischenmenschlichkeit sorgen. Denkbar wäre jedoch, dass Lehrkräfte in Zukunft eher als Coaches agieren und den Lernprozess beraten sowie begleiten. Dafür wäre wiederum eine komplette Neuausrichtung der Lehrendenausbildung notwendig, da fachliche Kompetenzen in den Hintergrund rücken würden.

[5] https://www.bpb.de/lernen/digitale-bildung/werkstatt/256629/ideen-zur-rolle-von-kuenstlicher-intelligenz-im-klassenzimmer-der-zukunft

[6] https://www.bpb.de/lernen/digitale-bildung/werkstatt/256629/ideen-zur-rolle-von-kuenstlicher-intelligenz-im-klassenzimmer-der-zukunft

KI an Hochschulen und Universitäten

KI könnte es ermöglichen, dass Studierende zukünftig so studieren, wie es ihren Bedarfen und Lerngewohnheiten entspricht. Auch der Erfolg des Studiums könnte sich durch die neuen Technologien besser planen und absichern lassen.
Die Tagung „Künstliche Intelligenz und Diversität in der Hochschulbildung“ der Fernuniversität Hagen hat sich im November 2019 im Rahmen ihres virtuellen Forschungs- und Entwicklungslabor „Al-Edu-Research-Lab“ mit genau diesen Möglichkeiten auseinandergesetzt. In Zusammenarbeit mit dem DFKI verfolgt das Projekt allen voran zwei Ziele:

Der zu entwickelnde Lern-Assistent soll Empfehlungen geben, die sich direkt auf den jeweiligen individuellen und aktuellen Lernprozess beziehen. Als Grundlage dafür sollen in der jeweiligen fachlichen Domäne verankerte Expertensysteme dienen, die im Verbund mit dem Didaktik- sowie dem Lernenden Modell als zukunftsorientierte Weiterentwicklung der intelligenten lehrenden Systeme angesehen werden.

Die wesentliche pädagogische Zielsetzung liegt dabei auf dem Aspekt des selbstverantwortlichen Lernens. Weiterhin ist die konzeptionelle Orientierung des Lernassistenten auf kognitive Lernstrategien wie Wiederholen und Elaborieren sowie auf metakognitive Lernstrategien wie Planen oder Self-Monitoring ausgelegt. Die technische Umsetzung soll mithilfe von menschlichem Expertenwissen bzw. entsprechenden Domänenmodellen gelingen.

Dem Hagener Ansatz wird vor allem dadurch eine ausgesprochene Qualität verliehen, dass er die Selbstverantwortung der Studierenden für das eigene Lernen in den Mittelpunkt der technischen Entwicklung stellt:

“Es ist uns wichtig herauszufinden, wie mit Unterstützung Künstlicher Intelligenz die Selbstverantwortung für das eigene Lernen der Studierenden beibehalten oder sogar gefördert werden kann. Denn man kann ja auch die Befürchtung haben, dass je mehr Unterstützung die Studierenden bekommen, umso weniger Eigenleistung dann noch nötig ist.“ [7] 

, so die Projektleiterin Claudia de Witt. Diese explizite Betonung der Lernendenautonomie als Entwicklungsziel der Lern-Assistenz ist bisher eher selten und macht das Projekt in besonderem Maße interessant. Einerseits setzt Lernen in der Perspektive der Wissensarbeit in besonderem Maße die Selbststeuerung der Lernenden voraus. Andererseits dominieren bisher in den Anwendungsbereichen von Learning Analytics und Adaptive Learning Konzepte der Personalisierung, die meist eine enge Hinführung auf vorgegebene Aufgabenlösungen vorsehen.

[7] https://www.mmb-institut.de/blog/hochschule-mit-ki-mehr-individualisierung-wagen/

Vor allem die Unterscheidung zwischen Personalisierung und Individualisierung ist im Kontext der Entwicklung von Technologien der Lern-Assistenz von großer Bedeutung.

Personalisierung geht in diesem Zusammenhang überwiegend von vorgegebenen Lernzielen und entsprechend oft kleinschrittigen Lernaufgaben aus und versucht, durch eine Vielzahl von Micro-Tests den Lernprozess zu analysieren, sodass sowohl Aufgaben als auch Lernmethoden zunächst variieren und im Verlauf mit Blick auf den angestrebten Lernerfolg für die Lernenden optimiert werden können. Learning Analytics müsste dementsprechend das individuelle, konkrete und inhaltsbezogene Bemühen der Lernenden und ein Verständnis der Sache im Fortgang der Aufgabenbearbeitung bis hin zu einem Konzept bzw. Lösungsansatz erkennen können.

Für die Individualisierung des Lernens und damit für die individuelle Förderung der Lernenden kann sich der im Hagener Projekt präferierte Einsatz von Recommender Systemen erweisen, wenn die Externalisierung der kognitiven Prozesse gelingt.  

Fazit und Ausblick

Vor allem im Bildungsbereich steht nicht der Einsatz von Automatisierung zur Vereinfachung des Denkens, sondern zum Schaffen zugeschnittener, geistiger Herausforderungen im Vordergrund. Ziel ist es in diesem Sinne nicht, die vollständige Kontrolle des Lernenden durch Maschinen zu erlangen. Vielmehr sollen die Schüler*innen ein bestmögliches Lernerlebnis haben können – abgestimmt auf die Möglichkeiten von Lehrkräften und die individuellen Anforderungen der Lernenden. Vor diesem Hintergrund wird KI menschliche Vermittelnde von Wissen und Fähigkeiten nicht ersetzen können. Jedoch wird sie Expert*innen Routinearbeiten abnehmen und somit die Qualität der Bildung insgesamt erhöhen. Auch lassen sich durch den Einsatz von KI individuelle Lernumgebungen schaffen, die den Lernbedürfnissen der einzelnen Schüler*innen gerecht werden.

In dem gesamten Prozess müssen vor allem ethische Grundwerte wie Privatsphäre und Selbstbestimmung eine tragende Rolle spielen. Nur so können eine verantwortungsvolle und sichere Entwicklung sowie Nutzung gewährleistet werden. Dazu gilt es, beteiligte Personen wie Lehrende, Schüler*innen und Eltern in den Prozess miteinzubinden, denn nur Transparenz in der Entwicklung ermöglicht die allseitige Akzeptanz der Technologie.

Zumindest in diesem Jahrhundert wird KI voraussichtlich nicht mehr in der Lage sein, die soziale Komponente des Lernens zu übernehmen. Die für das Zusammenleben wichtigen „soft skills“ werden also weiterhin in der Verantwortung der Lehrenden liegen. Viel wichtiger als Antworten auf die Fragen zu finden, die KI aufwirft, wird es dementsprechend auch in Zukunft sein, Antworten auf die Fragen zu finden, sie sich nur der Mensch stellt.

Quellen

News: Das Modellprojekt [D-3] stellt sich vor

„Digitale Medien im Lehramtsstudium“ – diesen Titel trägt das aktuelle Themenspecial des vom Leibniz-Institut für Wissensmedien geförderten Online-Portals e-teaching.org, welches wissenschaftlich fundierte und praxisorientierte Informationen zur Gestaltung von Hochschulbildung mit digitalen Medien bereitstellt. Da passt unser [D-3]-Projekt doch super dazu! Das dachte sich anscheinend auch die Redaktion des Portals und eröffnete [D-3] die Möglichkeit, sich in Form eines Berichtes unter dem Motto „Lehre gestalten, Kompetenzen entwickeln, Transfer fördern“ vorzustellen.

Der Beitrag des Projekts [D-3] umfasst sowohl einen Erfahrungsbericht als auch ein Video und bietet somit einen Einblick in die theoretischen Konzepte und praktischen Anwendungsbereiche des Projekts. 

Der textbasierte Erfahrungsbericht entstand in Zusammenarbeit von Prof. Dr. Matthias Ballod und Sarah Stumpf und umfasst eine ausführliche Projektbeschreibung sowie eine Darstellung der konzeptuellen Basis bzw. der praktischen Ausgestaltung von [D-3] Deutsch Didaktik Digital. Die zwei zentralen Wirkungsfelder der Theorieentwicklung sowie der Produkte und deren Praxiserprobung werden darüber hinaus in dem Bericht ausführlich erläutert.

Im Video stellt sich das Projektteam zunächst vor. Im Anschluss daran werden eine Studentin sowie eine Dozentin ihre Erfahrungen in Zusammenarbeit mit dem [D-3] Projekt schildern. Abschließend geht Prof. Dr. Matthias Ballod, wissenschaftlicher Leiter des Projekts, darauf ein, welche positiven Auswirkungen durch das Projekt erwartet werden. 

News: Zwischenbilanz E-Learning

Das digitale Semester neigt sich langsam aber sicher dem Ende – der ideale Zeitpunkt für eine Zwischenbilanz! Aus diesem Grund haben wir Studierende der MLU unterschiedlichster Fächer und Fachrichtungen per Instagram befragt, wie sie das E-Learning in diesem Semester erlebt haben. Dies waren ihre Antworten: 

Einige Studierende berichteten nahezu durchweg von positiven Erfahrungen.

Andere sahen sowohl die Vorteile aus auch Nachteile, die dieses Semester mit sich brachte.

Und wieder andere Studierende konnten dem ausschließlich digitalen Semester nicht wirklich etwas abgewinnen. 

Wie ihr seht, sind die Erfahrungen, die die Studierenden mit dem E-Teaching in diesem Semester gemacht haben, komplett unterschiedlich. Schließlich erlebt jeder die momentane Situation auch anders und muss versuchen, für sich selbst einen Weg zu finden, mit den veränderten Umständen bestmöglich klarzukommen – sowohl auf Seiten der Studierenden als auch der Dozierenden.

Uns war es wichtig, mit diesem Beitrag vor allem auf die Meinung
der Studierenden einzugehen und ihnen eine Plattform zu bieten,
um eben diese zu verbreiten.

An dieser Stelle empfehlen wir euch das persönliche Zwischenfazit zum digitalen Semester an der MLU von Hannah Schwaß,
welches Ihr auf dem [D-3]-Blog findet: 

Vielen Dank an alle Studierende,
die an dieser Umfrage teilgenommen haben!

KI in der Bildung – Wie steht es um KI in der nationalen und internationalen Politik?

In den vergangenen Beiträgen der Themenreihe „KI in der Bildung“ haben wir uns bereits damit auseinandergesetzt, was KI eigentlich ist und welche Voraussetzung für die Etablierung von KI benötigt werden. Darauf aufbauend soll es in diesem Beitrag darum gehen, welche Rolle die künstliche Intelligenz sowohl in der nationalen als auch in der internationalen Politik spielt. In diesem Zusammenhang wird, bezogen auf Deutschland, ein Schwerpunkt der folgenden Betrachtung auf der Integration von KI innerhalb der Bildungspolitik liegen.

Nationale KI-Strategie

Die Entwicklung künstlicher Intelligenz schreitet unaufhaltsam voran. Ihre leistungsfähigen Algorithmen erschließen zusehends neue Einsatzgebiete, in denen zuvor eine Arbeit mit solch technischen Systemen kaum denkbar gewesen wäre. Damit einher geht ein enormes Potenzial für die deutsche Wissenschaft und Wirtschaft. Doch diese neuen Chancen bergen auch gleichzeitig bisher unbekannte Herausforderungen, denen sich auch und vor allem die Politik stellen muss.
Aus diesem Grund verabschiedete die Bundesregierung im November 2018 die „Nationale Strategie für Künstliche Intelligenz“. Diese

„zielt darauf ab, KI Made in Germany‘ zu einem internationalen Markenzeichen für moderne, sichere und gemeinwohlorientierte KI-Anwendungen auf Basis des europäischen Wertekanons zu etablieren.“ [1].

Für die Umsetzung dieser Strategie will der Bund bis einschließlich 2025 insgesamt etwa drei Milliarden Euro zur Verfügung stellen.
Welche weiteren Ziele diese Strategie verfolgt, welche Inhalte sie behandelt und welche ersten Veränderungen sie bewirkt hat, werden wir, neben vielen weiteren Punkten, in dem folgenden Abschnitt ergründen.

Welche Ziele verfolgt die Bundesregierung mit der KI Strategie?

Die Bundesregierung hat in ihrer KI-Strategie drei Hauptziele formuliert:

  1. Deutschland und Europa zu einem führenden Standort für die Entwicklung und Anwendung von KI-Technologien machen und die künftige Wettbewerbsfähigkeit Deutschlands sichern,

  2. eine verantwortungsvolle und gemeinwohlorientierte Entwicklung und Nutzung von KI sicherstellen, und

  3. KI im Rahmen eines breiten gesellschaftlichen Dialogs und einer aktiven politischen Gestaltung ethisch, rechtlich, kulturell und institutionell in die Gesellschaft einbetten. [2]

Welche Rolle spielen Bildung und Forschung bei der Umsetzung der Strategie?

Um die Einrichtung neuer Professuren im Bereich der KI zu ermöglichen, hat das Bundesministerium für Bildung und Forschung (BMBF) drei Komponenten vorgesehen: die Gewinnung von Expert*innen aus dem Ausland, den Ausbau der Lehre an den Kompetenzzentren für KI-Forschung sowie eine verstärke Nachwuchsförderung. Das übergeordnete Ziel besteht dabei darin, die wissenschaftliche Expertise langfristig am Standort Deutschland zu sichern.

Für den Aufbau eines solchen Nationalen Forschungskonsortium ist zunächst vorgesehen, ein Netzwerk von 12 KI-Komptenzzentren und Anwendungshubs zu errichten. Im Rahmen dessen hat das BNBF finanzielle Mittel bereitgestellt, um die sechs Kompetenzzentren für KI weiter auszubauen und internationale zu vernetzen, vor allem mit Frankreich. Anwendungshubs sind konkret in den Bereichen Gesundheit und Logistik geplant. Dabei sollen die Akteure des jeweiligen Anwendungsfeldes sich auf gemeinsame, regionale Forschungs- und Transferaktivitäten konzentrieren.

Die Forschungsförderung wird vom BMBF sowohl in Bezug auf Grundlagen und KI-Methodik als auch bezogen auf wichtige Anwendungsfelder von KI verstärkt. Auch eine Förderung bezogen auf die Erklärbarkeit und Transparenz von KI sowie auf den Transfer von Ergebnissen der KI-Forschung in die Praxis und KI-Laboren wird angestrebt. Vor allem nationale und internationale Kooperationen sind in diesem Zusammenhang von großer Bedeutung, um Europa als eigenständige Kraft und KI-Region zu etablieren. [3] [4]

 

 

Was hat die KI-Strategie bisher geleistet? (Stand November 2019)

Der erste Zwischenbericht der Bundesregierung hält folgende Erfolge fest, die auf die entwickelte KI-Strategie zurückzuführen sind:

KI Publikationen (Stand Januar 2020):

Quelle: Lernende Systeme. Die Plattform für Künstliche Intelligenz. https://www.plattform-lernende-systeme.de/infografiken.html

Bezogen auf die Anzahl der Publikationen rund um KI belegt Europa im Vergleich zu Wettbewerbsregionen wie den USA oder China einen Spitzenplatz. Deutschland allein landet in diesem Vergleich lediglich auf Platz fünf, hinter China, USA, Japan und Großbritannien.

Patentanmeldungen:

Laut einer Studie der World Intellectual Property Organization WIPO ist die Frauenhofer- Gesellschaft die am besten platzierte europäische Forschungsorganisation, wenn es um KI-Patentanmeldungen geht. Weiterhin kommen 58 Prozent der Patentanmeldungen für automatisiertes Fahren aus Deutschland, da darauf ein Schwerpunkt bei der Entwicklung von KI-Anwendungen liegt.

KI-Start-ups:

Innerhalb eines Jahres stieg die Zahl der KI-Start-ups in Deutschland um 62 Prozent. Spitzenreiter ist dabei Berlin mit 86 KI-Start-ups, gefolgt von München mit 57 Start-ups in diesem Bereich.

Professuren und Studiengänge:

Laut der Studie „Künstliche Intelligenz in Studium und Lehre“ ergeben sich folgende Zahlen für Professuren und Studiengänge mit KI-Bezug an deutschen Hochschulen (Stand Februar 2019):

  • 192 bestehende Professuren mit KI-Schwerpunkt
  • 22 geplante Professuren mit KI-Schwerpunkt
  • 75 bestehende Studiengänge (Bachelor und Master) [5]

Internationale KI-Strategie

Wirft man einen Blick zurück auf die Geschichte der vergangenen Jahrhunderte, lehrt uns beispielsweise die industrielle Revolution, dass Nationalstaaten stets bemüht waren, sich politische Vormachtstellungen aufzubauen, indem sie ökonomische Pionierleistungen erbrachten. Bis heute hat sich an diesem Prinzip kaum etwas verändert. Unser digitales Zeitalter sorgt jedoch dafür, dass schnelles Handeln in solchen Prozessen von Nöten ist, da sie heutzutage mit immenser Beschleunigung voranschreiten.
Vor allem das Thema der KI spielt dabei eine besonders tragende Rolle. Schließlich wird kaum eine andere Technologie derzeit in einem solchen Maße weltweit diskutiert und zunehmend zu Anwendung gebracht. Dabei schwanken die Thesen zur zukünftigen Menschheitsentwicklung zwischen düsterer Dystopie und dem Paradies.

Neben Deutschland haben natürlich auch zahlreiche andere Länder dieser Welt eine KI-Strategie entwickelt. Viele von ihnen sind uns bereits jetzt ein gutes Stück voraus, haben bereits erste Geschäftsmodelle aufgebaut und unterziehen die ersten „bahnbrechenden“ KI-Anwendung einem Praxistest. Doch wie gehen die jeweiligen Nationen mit der digitalen Revolution um? Um dieser Frage auf den Grund zu gehen, beziehen wir uns in dem folgenden Abschnitt auf die von der Konrad-Adenauer-Stiftung im Jahre 2018 veröffentlichte Studie mit dem Titel „Vergleich nationaler Strategien zur Förderung von Künstlicher Intelligenz. Teil 1“. [6]

Erste Vorbetrachtungen 

Alle zwölf Länder, die in der umfassenden Studie der Konrad-Adenauer-Stiftung miteinander verglichen wurden, ist eins gemeinsam: Sie alle sehen KI als Antriebskraft in der digitalen Revolution. Darüber hinaus sind sie sich einig, dass KI gleichzeitig gesellschaftliche, wirtschaftliche und sicherheitspolitische Potenziale aber auch Risiken birgt. Unabhängig von dieser internationalen Übereinstimmung bezüglich KI existiert trotzdem keine einheitliche Definition der künstlichen Intelligenz. Falls die untersuchten Länder überhaupt KI definiert haben, fallen diese Definitionen recht vage aus, wie die Studie feststellt.

Weiterhin ist den KI-Strategien der untersuchten Länder gemein, dass sie überwiegend allgemein formuliert sind. Sie beinhalten teilweise vage Zielsetzungen, die sich auf unterschiedliche Wirkungsebenen beziehen. Dies erschwert jedoch die Umsetzungssteuerung sowie Erfolgsmessung. Andererseits bieten diese mangelhaften Zielsetzungen der anderen Länder Deutschland die Möglichkeit, eine eigene Strategie zu adaptieren und zu integrieren.

In den KI-Supermächte USA und China werden die KI-Entwicklungsdynamiken maßgeblichen vom privaten Sektor bestimmt. Jedoch tendiert die USA diesbezüglich zu einer weiteren Deregulierung der Unternehmen, wohingegen China diese in Zukunft einer verstärkten staatlichen Kontrolle unterziehen möchte. Da die meisten Länder Europas bezogen auf den Einsatz von KI eher auf die Wissenschaft und den Schutz des Individuums ausgerichtet sind, empfiehlt die Konrad-Adenauer-Stiftung eine Strategie, die Wissenschaft und Wirtschaft in Deutschland sowie ganz Europa in einen Austausch bringt und die daraus resultierende Wirtschaftskraft für globale Aktion sowie Integration nutzt.

In Ostasien wird die vierte industrielle Revolution (Südkorea) bzw. die Society 5.0 (Japan) als die unvermeidliche, nächste Etappe der Menschheitsentwicklung angesehen, in der KI alle Lebensbereiche erfassen wird. Europa hingegen ist mit seiner Industrie 4.0 zu sehr auf fertigungsindustrielle Aspekte fokussiert. Um das kommende digitale Zeitalter jedoch zu verstehen und darüber hinaus aktiv mitzugestalten, wird jedoch eine entsprechend qualifizierte und mündige Bevölkerung benötigt, so die Studie.

Ethische Fragestellungen haben in den KI-Supermächten China und USA keine Priorität in den Regierungen. Dies schafft Europa die Möglichkeit, bei Themen rund um die ethische KI die Wortführerschaft zu übernehmen, wie es beispielsweise Frankreich versucht. Um diese europäische und nicht zuletzt deutsche Ethik leichter in andere Länder zu transportieren, wird jedoch digitale Wirtschaftskraft benötigt.

Außer in Südkorea und China liegt nur in wenigen der untersuchten Länder ein Fokus auf dem Ausbau heimischer Rechenkapazitäten. Die Verfügbarkeit von leistungsfähigen Chips oder der Zugang zu cloud-basierter Rechenleistung stelle jedoch eine strategische Notwendigkeit dar, wie es die Studie formuliert. Vor allem die europäischen Länder sind dahingehend im Vergleich mit den USA und Ostasien nicht wettbewerbsfähig.

Die USA und China bieten, laut der Studie, den idealen Nährboden für Forscher, Entwickler, Unternehmen Investoren sowie die Legislative. Dies begünstigt eine erfolgreiche Kommerzialisierung von KI. In Europa gelingt dies jedoch nur ansatzweise Großbritannien. Daher muss eine Strategie her, die einerseits Anreize für solche Akteure schafft, sich in Europa und Deutschland niederzulassen und andererseits Plattformen für den Austausch dieser Akteure bereitstellt.[7]

Internationaler Vergleich in Bildern

Cambrian KI Index:

Quelle: Dr, Groth, Olaf J./Dr. Nitzberg, Mark/ Zehr, Dan/Straube, Tobias/Kaatz-Dubberke, Toni: Vergleich nationaler Strategien zur Förderung von Künstlicher Intelligenz. Teil 1. Sankt Augustin/Berlin: Konrad-Adenauer-Stiftung 2018. S. 10.

Staatliche KI-Investitionen im Ländervergleich:

Quelle: Lernende Systeme. Die Plattform für Künstliche Intelligenz. https://www.plattform-lernende-systeme.de/infografiken.html

Schwerpunkte politischer KI-Strategien:

Quelle: Lernende Systeme. Die Plattform für Künstliche Intelligenz. https://www.plattform-lernende-systeme.de/infografiken.html

Wo steht Deutschland im internationalen Vergleich?

Laut dem „Sachstand Künstliche Intelligenz“ des BMBF aus dem Jahre 2019 ist vor allem die Wissenschaft Deutschlands im Bereich KI gut aufgestellt. Demnach hat Deutschland bereits 1988 mit der Einrichtung des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) einen Schwerpunkt in diesem Bereich gesetzt und davon ausgehend das weltweit größte KI-Institut mit rund 1000 Beschäftigten aufgebaut. In Verbindungen mit zahlreichen Forschungsinstituten wie der Frauenhofer-Gesellschaft ist eine leistungsfähige Wissenschaft- und Forschungslandschaft entstanden, die eng mit der Industrie verbunden ist. Die Forschungseinrichtungen sorgen darüber hinaus für wissenschaftlichen Nachwuchs sowie für die Gründung neuer Unternehmen. Damit bringt die Forschung nicht nur theoretische Erkenntnisse, sondern findet auch praktische Anwendung. Weiterhin wird KI in der Lehre an über 120 Hochschulen in Deutschland angeboten. Im internationalen Vergleich der Anzahl wissenschaftlicher Publikationen konnte sich Deutschland den fünften Platz sichern, hinter China, Japan, USA und Großbritannien. Dies ergab eine Auswertung des Wissenschaftsverlags Elsevier. In Europa werden generell mehr wissenschaftliche Arbeiten zu KI veröffentlich als in China oder den USA.
KI-Systeme werden in deutschen Unternehmen vor allem in der Produktion sowie im Handel eingesetzt. Weiterhin nutzt die Sicherheitswirtschaft KI-Technologien. Großes wirtschaftliches Potenzial liegt in Deutschland bezüglich der KI-Nutzung vor allem im Bereich des automatisierten Fahrens sowie in der Anwendung der Medizintechnik. Dieses Potenzial gilt es auszuschöpfen, um die nationale und unternationale Etablierung und Entwicklung von KI „made in Germany“ voranzutreiben. [8]

Welche Voraussetzungen muss die Politik für eine (international) erfolgreiche KI schaffen?

Ungeachtet des derzeitigen Standpunktes Deutschlands im Bereich der KI wäre ein Mithalten mit Vorreitern wie China oder den USA nahezu unmöglich – alleine ausgehend von der Anzahl der Forscher*innen. Daher bestünde ein erster Schritt in die richtige Richtung darin, die europäische Kooperation, allen voran mit Frankreich, zu stärken, so der „Sachstand Künstliche Intelligenz“.
Weiterhin dominieren bezogen auf die Datenverarbeitung mithilfe von KI amerikanische Unternehmen allen voran den äußerst gewinnbringenden Consumer-Bereich. Im Gegensatz dazu fokussiert sich Deutschland auf das zunächst weniger gewinnbringende produzierende Gewerbe. Diese Stärke im Bereich der Industrie durch die Nutzung von KI-Systemen muss Deutschland weiter ausbauen. Darüber hinaus müssen auch anderen Sektoren der Wirtschaft gestärkt werden. Ein europäisches Ökosystem, bestehend aus neuen Unternehmen sowie einer Unterstützung der KI-Forschung, wird benötigt, wenn Deutschland sich gegenüber anderen Nationen wie den USA Wertschöpfungsanteile sichern möchte. Dies erfordert jedoch ein enges Zusammenwirken von Wissenschaft, Wirtschaft und nicht zuletzt Politik. [9]

Fazit

Die künstliche Intelligenz stellt mit ihren zahlreichen potenziellen Anwendungsmöglichkeiten die Schlüsseltechnologie unserer Zeit dar. Aus diesem Grund ist über die Beherrschung von KI zwischen den Staaten ein globales Wettrennen entbrannt. Diese versuchen jeweils durch die Entwicklung nationaler KI-Strategien einen optimalen Nährboden für die Entwicklung von KI-Technologien zu bieten. Schließlich werden in Zukunft Wissenschaft, Gesellschaft und Wirtschaft von künstlicher Intelligenz durchdrungen und bestimmt werden.

Deutschland alleine würde es niemals schaffen, mit den Global Playern der KI, USA und China, mitzuhalten. Dies wird bereits bei einem ersten Blick auf gegebene Ressourcen und Voraussetzungen deutlich. Aber in Kooperation mit anderen Staaten Europas könnte es Deutschland durchaus gelingen, im internationalen Wettlauf um die Vorherrschaft im Bereich KI zu bestehen. Wichtig dabei ist, dass Deutschland neben der Wissenschaft und Industrie auch ein Hauptaugenmerk auf die ethischen Rahmenbedingungen rund um KI legt. Diese kommen nämlich in den KI-Strategien der benannten Global-Player sowie vieler anderer Staaten zu kurz. Daher wäre es sinnvoll, wenn Deutschland diese Marktlücke schließen und die „AI made in Germany“, wie es in der KI-Strategie heißt, weltweit zu etablieren.

Um die Chance zu nutzen ist jedoch einerseits schnelles Handeln nötig, denn die Entwicklung von KI-Technologien schreitet stets voran. Andererseits muss auch die Gesellschaft Deutschlands mindestens genauso versiert im Umgang mit KI sein, wie es Wissenschaft und Wirtschaft größtenteils bereits sind. KI muss von den Menschen mehr als Chance und weniger als Risiko begriffen werden. Dazu bedarf es jedoch Aufklärung und nicht zuletzt entsprechender Ausbildung.

Schließlich ist es doch paradox, dass Deutschland einerseits anstrebt weltweit federführend im Bereich KI zu sein und dann andererseits nicht einmal jede Schule im Land über grundlegende technische Ausstattung wie einen WLAN-Zugang verfügt.

Quellen:

[1] Zit. Lernende Systeme. Die Plattform für Künstliche Intelligenz: KI-Strategie von Bund und Ländern. https://www.plattform-lernende-systeme.de/nationale-ki-strategien.html

[2] Vgl. Bundesministerium für Bildung und Forschung: Sachstand Künstliche Intelligenz (2019). S. 1. https://www.bmbf.de/files/Sachstand_KI.pdf

[3] Vgl. Bundesministerium für Bildung und Forschung: Sachstand Künstliche Intelligenz (2019). S. 1 – 4. https://www.bmbf.de/files/Sachstand_KI.pdf

[4] Vgl. Lernende Systeme. Die Plattform für Künstliche Intelligenz: KI-Strategie von Bund und Ländern. https://www.plattform-lernende-systeme.de/nationale-ki-strategien.html

[5] Vgl. Die Bundesregierung: Zwischenbericht Ein Jahr KI-Strategie (2019). S. 2-3. https://www.bmbf.de/files/Zwischenbericht%20KI-Strategie_Final.pdf

[6] Vgl. Dr, Groth, Olaf J./Dr. Nitzberg, Mark/ Zehr, Dan/Straube, Tobias/Kaatz-Dubberke, Toni: Vergleich nationaler Strategien zur Förderung von Künstlicher Intelligenz. Teil 1. Sankt Augustin/Berlin: Konrad-Adenauer-Stiftung 2018. (https://www.kas.de/documents/252038/3346186/Vergleich+nationaler+Strategien+zur+F%C3%B6rderung+von+K%C3%BCnstlicher+Intelligenz.pdf/46c08ac2-8a19-9029-6e6e-c5a43e751556?version=1.0&t=1542129691776) S. 4.

[7] Vgl. Dr, Groth, Olaf J./Dr. Nitzberg, Mark/ Zehr, Dan/Straube, Tobias/Kaatz-Dubberke, Toni: Vergleich nationaler Strategien zur Förderung von Künstlicher Intelligenz. Teil 1. Sankt Augustin/Berlin: Konrad-Adenauer-Stiftung 2018. (https://www.kas.de/documents/252038/3346186/Vergleich+nationaler+Strategien+zur+F%C3%B6rderung+von+K%C3%BCnstlicher+Intelligenz.pdf/46c08ac2-8a19-9029-6e6e-c5a43e751556?version=1.0&t=1542129691776) S. 6 – 9.

[8] Vgl. BMBF: Sachstand Künstlicher Intelligenz (2019). https://www.bmbf.de/files/Sachstand_KI.pdf. S. 1 – 2.

[9] Vgl. BMBF: Sachstand Künstlicher Intelligenz (2019). https://www.bmbf.de/files/Sachstand_KI.pdf. S. 2 – 3.

News: Lesefutter 2020

Seit dem Jahre 2007 gibt das Landesinstitut für Schulqualität und Lehrerbildung Sachsen-Anhalt (LISA) gemeinsam mit der MLU sowie mit dem Friedrich-Bödecker-Kreis jedes Jahr die Publikation „Lesefutter“ heraus. Darin finden sich Anregungen zur Leseförderung, Projektberichte, Aufsätze zu lese- und schreibdidaktischen Aspekten und nicht zuletzt Rezensionen ausgewählter Neuerscheinungen von Autor*innen aus Sachsen-Anhalt.

Auch die diesjährige Ausgabe des Lesefutters besticht durch die Mannigfaltigkeit an Themen und Autor*innen. In diesem Zusammenhang möchten wir auf zwei Vertreter*innen der MLU besonders aufmerksam machen: Josefine Luderer, Studentin, sowie Dr. Nico Elste, Dozent in der Abteilung Sprachwissenschaft. 

Unter der Überschrift „Positionen“ findet man einen von Dr. Elste verfassten Beitrag mit dem Titel „Der böse Friedrich vs. der brutale Bruno. Gewalt und Gewaltdarstellung heute und gestern am Beispiel des klassischen Struwwelpeter und einer modernen Adaption“. In Anbetracht von ähnlichen Debatten hinsichtlich der Gewaltdarstellungen und des Sprachgebrauchs in Klassikern der Kinder- und Jugendliteratur wie beispielsweise „Pippi Langstrumpf“ erscheint dieser Aufsatz nicht nur als höchst interessant-, sondern darüber hinaus als relevant. 
Weiterhin berichtet der Autor in seinem Beitrag „Das Theaterseminar – eine langjährige Kooperation zwischen Universität und Bühnen Halle“ von eben dieser Zusammenarbeit, die er selbst seit vielen Jahren mit gestaltet und unterstützt. Auch auf unserem Blog haben wir bereits einige Male über gemeinsame Veranstaltungen mit Halles Theaterschaffenden berichtet: 


„Theater in Schule und Hochschule“

Weiterhin hat es ein Auszug der Examensarbeit von Josefine Luderer in die aktuelle Ausgabe des Lesefutters geschafft. Darin untersucht sie Konflikte im Spannungsfeld zwischen Schule, Deutschunterricht und Kommunikationstheorie und versucht, daran anschließend, bezogen auf die gewaltfreie Kommunikation, ein Konzept für die Schule zu entwickeln. Ihr Abhandlung trägt den Titel „Gewaltfreie Kommunikation – ein Konzept für die Schule?“ und ist unter dem Reiter „Positionen“ zu finden. 

Wie Ihr seht, lohnt es sich also, einen Blick in die diesjährige Ausgabe „Lesefutter“ zu werfen!
Außerdem bietet die Publikation Studierenden die Möglichkeit, dass ihre wissenschaftlichen- und Examensarbeiten, anstatt in irgendeinem Regal zu verstauben,  veröffentlicht- und somit Lehrer*innen in ganz Sachsen-Anhalt zur Verfügung gestellt werden. 

KI in der Bildung – Welche (Bildungs-)Voraussetzungen werden für KI benötigt?

In einem vergangenem Blogbeitrag haben wir uns im Rahmen der Themenreihe „KI in der Bildung“ bereits damit auseinander gesetzt, was künstliche Intelligenz, abgekürzt als „KI“, überhaupt ist. Auf dieser Grundlage soll es heute darum gehen, welche Voraussetzungen benötigt werden, um KI einerseits in Gesellschaft und Wirtschaft zu integrieren und um damit andererseits im internationalen Wettstreit um KI mithalten zu können. Dabei wird ein besonderer Schwerpunkt auf den Bildungsvoraussetzungen in Deutschland bzw. in Europa bezogen auf KI liegen.

Ein erster Überblick

Die Europäische Kommission formulierte in einer Nachrichtenmeldung aus dem vergangenem Jahr folgende sieben Voraussetzungen, die für eine vertrauenswürdige künstliche Intelligenz benötigt werden: 

Systeme künstlicher Intelligenz sollten gerechten Gesellschaften dienen, indem sie das menschliche Handeln und die Wahrung der Grundrechte unterstützen‚ keinesfalls aber sollten sie die Autonomie der Menschen verringern, beschränken oder fehlleiten.

Eine vertrauenswürdige künstliche Intelligenz setzt Algorithmen voraus, die sicher, verlässlich und robust genug sind, um Fehler oder Unstimmigkeiten in allen Phasen des Lebenszyklus des Systems künstlicher Intelligenz zu bewältigen.

Die Bürgerinnen und Bürger sollten die volle Kontrolle über ihre eigenen Daten behalten, und die sie betreffenden Daten sollten nicht dazu verwendet werden, sie zu schädigen oder zu diskriminieren.

Die Rückverfolgbarkeit von Systemen künstlicher Intelligenz muss sichergestellt werden.

Systeme künstlicher Intelligenz sollten dem gesamten Spektrum menschlicher Fähigkeiten, Fertigkeiten und Anforderungen Rechnung tragen und die Barrierefreiheit gewährleisten.

Systeme künstlicher Intelligenz sollten eingesetzt werden, um einen positiven sozialen Wandel sowie die Nachhaltigkeit und ökologische Verantwortlichkeit zu fördern.

Es sollten Mechanismen geschaffen werden, die die Verantwortlichkeit und Rechenschaftspflicht für Systeme künstlicher Intelligenz und deren Ergebnisse gewährleisten.

Auf dieser Grundlage gilt es nun, die Voraussetzungen in der Bildung für den Einsatz und die Anwendung von KI stärker zu beleuchten. Dazu haben wir uns einige wichtige Punkt herausgegriffen, die wir in dem folgenden Abschnitt näher betrachten. Dabei beziehen wir uns vor allem sowohl auf Europa bzw. explizit auf Deutschland als auch auf den Handlungsraum Schule.

Datenschutz

Wenn es um den verantwortlichen Einsatz von KI geht, kommt man um die Thematik des Datenschutzes nicht drum herum. Unter „Datenschutz“ versteht man allgemein

„das hauptsächlich staatliche Mittel, um individuelle Interessen wie Privatsphäre und Sicherheit bei der Erhebung, Verarbeitung und Verwendung von Personendaten zu sichern“ [1].

Zwar bietet die neue Datenschutz-Grundverordnung (DSGVO) den Bürger*innen bereits viele Regelungen und Möglichkeiten zum Schutz persönlicher Daten. Doch gerade in Bezug auf Minderjährige gibt es dabei einige Grauzonen und Ungewissheiten. Um eine weiter fortschreitende Entwicklung von KI im Bildungsbereich zu gewährleisten, gilt es daher, diese Unsicherheiten auszuräumen.

Eine problematisches Feld bezogen auf den Einsatz von KI in der Aus- und Weiterbildung stellt beispielsweise das Sammeln und Speichern persönlicher Daten dar. Die Notwendigkeit personenbezogener Daten variiert mit dem Ziel, welches mit dem Einsatz von KI verfolgt wird.
So benötigt die KI bei allgemeingültigen Assistenz-Systemen für Schulen nicht unbedingt solch personenbezogene Daten. Denn, um dieses System zu trainieren, reichen anonymisierte (Massen-)Daten aus, wodurch wiederum ein Schutz der persönlichen Daten gewährleistet ist.
Bei einer individualisierten Lernbegleitung hingegen, würde das Trainingsmaterial aus individuellen Daten bestehen, da das System spezielle Voraussagen bezogen auf die jeweilige Person treffen muss. Damit ist die Qualität eines solchen KI-Systems abhängig von der Breite und Vielseitig des zugrundeliegenden Datensatzes. Doch je mehr personenbezogene Daten der KI zur Verfügung stehen, desto größer ist die Gefahr für die Privatsphäre der Nutzer*innen.

In der DSGVO ist zwar festgelegt, dass Daten nach dem Ende des jeweils definierten Verwendungszwecks gelöscht werden müssen, doch, um KI-Systeme auf lange Zeit gesehen effektiv nutzen zu können und gleichzeitig einen Missbrauch der verwendeten persönlichen Daten zu verhindern, wäre es sinnvoll, diese mit einer gewissen Laufzeit zu versehen und auf nicht mehr direkt zugänglichen Speichermedien zu lagern. Dazu sollten Schulen unabhängig von „Datenriesen“ agieren können. In diesem Zusammenhang bedarf es der Bereitstellung von IT durch staatliche Anbieter oder aber der Zusammenarbeit mit öffentlichen Instituten.

Quelle: Vgl. Künstliche Intelligenz und Maschinelles Lernen – Wirtschaftsfaktoren und Chancen für den Standort Schleswig-Holstein. Heute und morgen. Flensburg, Kiel, Lübeck: IHK Schleswig-Holstein 2019. S. 11 – 12.

Aus- und Weiterbildung

Aus- und Weiterbildungen müssen sich an die neuen Anforderungen, die im Rahmen des digitalen Wandels auf uns zukommen, anpassen. Das Ziel der Ausbildung sollte

„ein mündiges, selbstbestimmtes Individuum […] [sein], das sich mit technischen ebenso wie mit den ethischen, sozialen und gesellschaftlichen Facetten der KI als Teilbereich der Digitalisierung auseinandersetzen kann“ [2].

Schlüsselkompetenzen sind dabei beispielsweise das konzeptionelle und kritische Denken, Kreativität, emotionale Intelligenz sowie Kommunikations- und Kooperationsfähigkeit. Mit diesen Kompetenzen ist der Mensch schließlich jedem technischen System überlegen und hat damit die Möglichkeit, mithilfe des Einsatzes von KI, Freiräume zu schaffen, um die Vermittlung eben solch sozialer und kreativer Kompetenzen in Bildung und Weiterbildung zu stärken. Dies betrifft Schulen, Universitäten, Berufs- und Hochschulen ebenso wie die (Weiter-)Bildung im Arbeitsumfeld sowie in der Wissenschaft und Forschung.

In den USA promovieren pro Jahr circa 3000 KI-Experten. In Deutschland hingegen sind es lediglich circa 170. [3] Diese Zahlen machen die Problematik des dramatischen Expertenmangels im Bereich der KI deutlich. Aus diesem Grund wird eine Unterstützung der Universitäten und Hochschulen durch die Politik benötigt.
Doch auch die Hochschulen und Universitäten selbst müssen ihrerseits verstärkt das Thema der künstlichen Intelligenz fakultätübergreifend etablieren und ihre Lehrpläne danach ausrichten. KI muss als multidisziplinäres Fach begriffen- und der Ausbau von KI-Lehrstühlen in diesem Zusammenhang gefördert werden. Dabei gilt es auch, ethischen und soziologischen Fragestellungen im Zusammenhang mit KI eine weitaus größere Bedeutung zukommen zu lassen. Eine Stärkung der dualen Ausbildung kann dabei ebenfalls helfen, KI-Experten zu generieren und somit den digitalen Transformationen der Arbeitswelt zu begegnen.

Die Ausbildung aller Lehrämter sowie vor allem die der Informatiklehrer*innen muss bezogen auf die Digitalisierung deutlich an Quantität und Bedeutung zunehmen. Darüber hinaus sollten an allen Schulen Planstellen für Informatiklehrer*innen etabliert werden. Nur so kann gewährleistet werden, aktuelles Fachwissen und neue betriebliche Anforderungen in dem Bereich KI vermitteln zu können. Dazu benötigen die Lehrkräfte nicht zuletzt den Fachrichtungen entsprechende Qualifikationen und Weiterbildungen. Lehrkonzepte gilt es, fortlaufend an aktuelles Fachwissen oder neue Lernmethoden anzupassen.

Basiswissen zu KI und entsprechender Praxisbezug gilt es, bereits an allgemeinbildenden Schulen zu vermitteln, um somit in Berufs- und Hochschulen weiter darauf aufbauen zu können. Denkbar wäre in diesem Zusammenhang die Einführung des Pflichtfaches Informatik ab der Sekundarstufe I sowie eine informatorische Grundbildung in der Primarstufe. Dabei sollten vor allem Themen allgemeiner Medienkompetenz wie Informationssicherheit und Datenschutz, aber auch Grundkenntnisse über das Programmieren sowie Wissen über KI frühzeitig und flächendeckend vermittelt werden. Das Ziel sollte sein, einen umfassenden Kanon digitaler Kompetenzen zu vermitteln, um damit ein breites Grundlagenverständnis für die Digitalisierung und deren Wirkungen zu etablieren. Dazu ist es von Nöten, die Lehrpläne im dynamischen Sinne anzupassen, um somit neue Trends aufgreifen- und die Experimentierfreude bei neuen Technologien stärken zu können. Neben den aktualisierten Lehrplänen bedarf es ebenfalls einer entsprechenden bedarfsgerechten technischen Ausstattung von Schulen, Berufsschulen und Hochschulen mit zeitgemäßer Infrastruktur und digitalen Lernangeboten. Der MINT-Bildung sollte in diesem Zusammenhang ebenfalls ein größerer Stellenwert zukommen.

Kaum ein Bereich in unserem Leben wird nicht von der KI entscheidend transformiert – nicht zuletzt auch aufgrund ihrer zahlreichen Möglichkeiten. Aus diesem Grund muss das öffentliche Interesse auf dieses Themengebiet gelenkt und das Wissen dazu breit in die Gesellschaft getragen werden. Wichtig ist es dabei, die Chancen von künstlicher Intelligenz in den Mittelpunkt zu stellen und nicht die möglichen Risiken oder Angst, welche meist aus Halbwissen und Vermutungen resultiert. Schließlich bietet KI die Möglichkeit, für transparentere und effizientere Prozesse im Sinne der Bürger sowie der Unternehmen. Daher sollte auch die öffentliche Verwaltung für die Anwendung von KI sensibilisiert werden und das notwendige Know-how aufbauen. KI-Grundwissen sollte darüber hinaus als fester Bestandteil von Lehrinhalten in die beruflichen Aus- und Weiterbildungen integriert werden, wenn eine solche Integration als sinnvoll angesehen werden kann. Allgemein gilt es, die richtigen Rahmenbedingungen zu schaffen, um eine Akzeptanz für den Gesamtprozess sowie ein Interesse auf Seiten aller Beteiligten zu erzeugen.

Besondere Kompetenzen

Bei der Diskussion um die Verwendung von personenbezogenen Daten und damit um KI spielt auch die Datensouveränität eine wichtige Rolle. Darunter versteht man die

„Kompetenzen, eigenständig beurteilen und entscheiden zu können, was mit den personenbezogenen Daten geschieht“ [4].

Bezogen auf den Handlungsraum Schule wird diese Kompetenz von allen Beteiligten wie etwa Schüler*innen, Eltern und Lehrkräften benötigt, um eine entsprechende Diskussion im Sinne der Lernenden führen zu können. Diese Kompetenz gilt es jedoch zunächst zu fördern und damit für die Betroffenen sichtbar zu machen, welche Folgen für den Einzelnen durch die Verarbeitung der individuellen Daten entstehen können.

Ein weiterer wichtiger Punkt bezüglich des Umgangs mit KI ist die Frage der Entscheidungskompetenz vor allem auf Seiten der Schüler*innen. Vor einem möglichen Einsatz einer KI-Anwendung muss demnach eine Datennutzungsvereinbarung mit den Lernenden geschlossen werden. Das Problem dabei ist jedoch, dass Kinder und Jugendliche meist gar nicht in der Lage sind, die Folgen der Datenverarbeitung abzuschätzen. Daher müssen die Erziehungsberechtigten ebenfalls der Verarbeitung der Daten ihrer Kinder zustimmen. Lehnen jedoch Schüler*innen oder Eltern diese Vereinbarung ab, kann dies mit Nachteilen für die Schülerin oder den Schüler verbunden sein. Es entsteht somit eine Kluft zwischen Nutzenden und Nicht-Nutzenden, die mit Chancenunterschieden verbunden sein kann. Dementsprechend werden also Strategien benötigt, um mit unterschiedlichen Zustimmungsvarianten entsprechend umgehen zu können. Denkbar wäre dabei ein Erprobungsraum für einzelne Schulen oder Klassen sowie das Angebot einer KI-Schule als alternative Schulform.

Ethische Richtlinien

Die für KI-Systeme benötigten Trainingsdaten basieren auf von Menschen stammenden Datensätzen. Damit einher geht, dass selbstlernende algorithmische Systeme auch menschliche Vorurteile, sogenannte „Bias“ reproduzieren. Das auf solche Daten trainierte KI-System wird dann möglicherweise ungerechte Entscheidungen treffen und einige Gruppen gegenüber anderen bevorzugen. Um dies zu vermeiden,

„liegt es letztlich immer in der Verantwortung des Menschen, kritisch mit der Auswahl der Daten und den Ergebnissen der Algorithmen umzugehen“ [5].

Wichtig ist also, sich dieser Bias bewusst zu sein und damit gezielt umzugehen.

Transparenz und damit verbunden Kommunikation sind bezogen auf KI von großer Bedeutung, da sie die Bereitschaft zur Teilnahme an solchen Anwendungen steigern kann. Schließlich reduziert Vertrauen Unsicherheiten. Und falls das Vertrauen noch nicht oder nicht genügend etabliert sein sollte, hilft die Transparenz dabei, dieses Problem zu überbrücken. Sie fördert Akzeptanz und geht damit gegen Spekulation und Widerstand vor. 

In vielen Bereichen der Gesellschaft und damit auch bezogen auf den Umgang mit KI kann es sein, dass manche Akteure mehr Möglichkeiten und Bereitschaften zur Partizipation besitzen als andere. Demnach gilt, dass, wer sich am meisten engagiert auch den größten Einfluss hat. Dies führt jedoch zur potenziellen Benachteiligung anderer Gruppen, die weniger Einflussnahme besitzen.
Sowohl bei der Planung als auch bei der (Weiter-)Entwicklung eines KI-gestützten Systems sollten daher die Beteiligten, ihre Kritik und Vorschläge gleichwertig miteingebunden werden.

Schluss

Die angebrachten Punkte bilden natürlich nur einen Bruchteil der Diskussion rund um die Voraussetzungen für den Einsatz von künstlicher Intelligenz ab. Trotzdem wurde deutlich, dass es in Europa und insbesondere in Deutschland noch Aufholbedarf gibt, wenn es darum geht, mit der fortschreitenden technischen Entwicklung Schritt zu halten. Denn nur, wenn wir im internationalen Wettstreit um KI mithalten können, erhalten wir auch die Möglichkeit, technische Systeme und den Umgang damit nach unseren Wertvorstellungen zu prägen. 

Der nächste Blogbeitrag zur Reihe „KI in der Bildung“ erscheint am 07.06.2020 und wird sich dem Thema „KI in der (Bildungs-)Politik“ widmen.

Quellen 

[1] Zit. Jahn, Sandy/Kaste, Stefanie/März, Anna/Stühmeier, Romy: Denkimpuls digitale Bildung. Einsatz von Künstlicher Intelligenz im Schulunterricht. Berlin: Initiative D21 2019. S. 6.

[2] Zit. Die Bundesregierung: Strategie Künstliche Intelligenz der Bundesregierung. 2018. S. 30.

[3] Vgl. Künstliche Intelligenz und Maschinelles Lernen – Wirtschaftsfaktoren und Chancen für den Standort Schleswig-Holstein. Heute und morgen. Flensburg, Kiel, Lübeck: IHK Schleswig-Holstein 2019. S. 11.

[4] Zit. Jahn, Sandy/Kaste, Stefanie/März, Anna/Stühmeier, Romy: Denkimpuls digitale Bildung. Einsatz von Künstlicher Intelligenz im Schulunterricht. Berlin: Initiative D21 2019. S. 10.

[5] Zit. Jahn, Sandy/Kaste, Stefanie/März, Anna/Stühmeier, Romy: Denkimpuls digitale Bildung. Einsatz von Künstlicher Intelligenz im Schulunterricht. Berlin: Initiative D21 2019. S. 11.

News: Wer braucht schon den Digitalpakt, wenn es Corona gibt?

Aufgrund der aktuellen Situation sind viele Lehrende momentan dazu gezwungen, sich mit den Vorzügen aber auch Tücken der digitalen Lernwelten auseinanderzusetzen. Um mit den Schüler*innen in Kontakt zu bleiben, gibt es in Zeiten wie diesen so gut wie keine andere Möglichkeit als die Nutzung digitaler Bildungsangebote. Manchen Lehrer*innen fällt dies jedoch schwerer als anderen.

Doch nicht nur den Pädagogen verlangt Corona so einiges ab. Auch für viele Lernende ist es eine komplett neue Erfahrung, mithilfe digitaler Medien zu lernen. Schließlich muss sich der ein oder andere unter ihnen erst dazu überwinden, in das Mikrofon zu sprechen oder in den Chat zu schreiben, wo es alle Klassenkamerad*innen sehen können. Und selbst wenn die Schüler*innen diese Hürde meistern, bleibt die Kommunikation oftmals trotzdem, aufgrund fehlender Mimik und Gestik, eingeschränkt.
Hinzukommt, dass viele Kinder und Jugendliche kaum über entsprechende Kompetenzen für den sicheren Umgang im Netz und mit digitalen Medien verfügen. Zu solchen Unsicherheit im digitalen Raum zählt darüber hinaus auch der Datenschutz. Durch die damit einhergehenden rechtlichen Unklarheiten wird die Varietät der Aufgabenstellungen sowohl für die Schüler*innen als auch für Lehrende weiterhin eingeschränkt, da beispielsweise eine Video-Präsentation o.ä. nicht möglich ist.  
Ein weiteres grundlegendes Problem besteht weiterhin darin, dass dass nicht jede Familie über einen Zugang zu entsprechender technischer Ausstattung verfügt, die E-Learning ermöglicht. Damit einher gehen soziale und gesellschaftliche Disparitäten.

Julius Lukas bringt die momentane Situation in seinem Artikel „Unterricht plötzlich digital. Fluch und Segen virtueller Bildungsangebote.“ auf den Punkt:

„Was die vielfachen Mahnungen von Experten und Förderprogramme wie der milliardenschwere Digitalpakt nicht zustande gebracht haben, könnte jetzt Corona schaffen: Die Digitalisierung des Unterrichts“ (1).

Tatsächlich ist es so, dass Deutschland bezogen auf die Digitalisierung der Bildung im internationalen Vergleich von Vorreitern wie Dänemark abgehängt wird. 

Auch Prof. Dr. Ballod findet für die momentane Entwicklung passende Worte:

„Corona ist der Impuls von außen, der eine längst überfällige Bewegung in Gang gesetzt hat“ (2).

Die Pandemie zwingt viele Lehrkräfte, die zuvor vor digitalen Lernmöglichkeiten zurückgeschreckt sind, dazu, sich damit auseinanderzusetzen: „Die Bereitschaft, sich mit digitalen Medien zu befassen, steigt rapide“ (3). 

Und genau diese Bereitschaft gilt es nun unserer Meinung nach auszunutzen! Dementsprechend sollten Lehrende auch nach Öffnung der Schulen an den zahlreichen Möglichkeiten digitaler Medien festhalten und die in Corona-Zeiten erworbenen Kompetenzen weiter festigen sowie an die Lernenden weitergeben, „sonst kommen die positiven Nebeneffekte durch den aktuellen Digitalisierungsschub schnell zum erliegen“ (4). 

Quellen 

(1) Zit. Julius Lukas: Plötzlich digital. Halle: Mitteldeutsche Zeitung (30. April/1. Mai 2020).

(2) Zit. Prof. Dr. Matthias Ballod: Plötzlich digital. Halle: Mitteldeutsche Zeitung (30. April/1. Mai 2020). 

(3) Zit. Prof. Dr. Matthias Ballod: Plötzlich digital. Halle: Mitteldeutsche Zeitung (30. April/1. Mai 2020)

(4) Zit. Prof. Dr. Matthias Ballod: Plötzlich digital. Halle: Mitteldeutsche Zeitung (30. April/1. Mai 2020)