Generative KI-Anwendungen können Text, Bilder, Musik, Programmcode und andere Inhalte auf Basis zuvor gelernter Muster erzeugen. Dies geschieht durch die Analyse umfangreicher Trainingsdaten, die aus Textdokumenten, Bildern, Videos oder anderen Quellen stammen. Die KI erkennt dabei Strukturen und Wahrscheinlichkeiten – etwa, wie Sätze aufgebaut sind oder welche Merkmale einen bestimmten künstlerischen Malduktus auszeichnen. Im Hochschulalltag haben wir es zumeist mit textgenerierender KI zu tun, typische Anwendungen sind beispielsweise ChatGPT (Open-AI), Claude (Anthropic) oder Googles Gemini.
Generative Künstliche Intelligenz
Künstliche Intelligenz für Einsteiger
Künstliche Intelligenz in Studium und Lehre
Interner Zugang
Die verpflichtende Nutzung generativer KI-Anwendungen in der Hochschullehre ist nur möglich, wenn es hierfür datenschutzkonforme Lösungen gibt.
News und Links
[https:// Richtlinie]
[https:// Chatkanal]
Textgenerierende KIs basieren auf sogenannten Large Language Models (LLMs) – leistungsfähigen Algorithmen, die sprachliche Zusammenhänge anhand statistischer Muster berechnen. Ein häufiges Missverständnis besteht darin, dass diese Modelle auf gespeicherte Trainingsdaten wie eine klassische Datenbank zugreifen. Tatsächlich generiert die KI ihre Antworten nicht durch das Abrufen bestehender Texte, sondern durch die Wahrscheinlichkeitsberechnung möglicher Wortfolgen auf Basis des eingegebenen Prompts und des bisherigen Dialogkontextes. Obwohl die KI oft beeindruckende Ergebnisse liefert, besitzt sie kein tiefgehendes, logisches Verständnis der Inhalte. Sie verarbeitet Texte nicht im Sinne menschlicher Kognition, sondern erstellt Vorhersagen auf Grundlage statistischer Wahrscheinlichkeiten. Dies führt zu mehreren Einschränkungen: Halluzinationen: Die KI kann falsche, aber plausibel klingende Informationen erzeugen, da sie nicht über eine externe Verifikationsmöglichkeit oder ein tatsächliches Faktenverständnis verfügt. Bias (Verzerrungen): Da die KI aus Trainingsdaten lernt, kann sie bestehende Stereotype oder unausgewogene Perspektiven verstärken. Dies betrifft insbesondere gesellschaftliche, politische oder kulturelle Themen. Eingeschränkte Lernfähigkeit: Aktuelle generative KI-Systeme zählen zur Kategorie der „schwachen KI“, da sie nicht autonom dazulernen, sondern auf bereits antrainierte Muster angewiesen sind.
Für Fortgeschrittene: Prompting
Die Eingabe in den Chat (Prompt) ist ein Schlüsselfaktor für die Qualität des Outputs. Geschickter Input führt zu einem genaueren und damit qualitativ besseren Output. Hier eröffnet sich ein neues Kompetenzfeld, das Prompt-Design (auch Prompt-Engineering).
Trotz vieler Limitationen kann generative KI Unterstützung in Studium und Lehre bieten. Für Studierende hilft Generative Künstliche Intelligenz bei der Erstellung und Verbesserung von Texten, bietet Erklärungen zu komplexen Themen oder gibt strukturiertes Feedback zu Aufgaben. Sie kann zudem Inhalte zusammenfassen oder umformulieren, um das Verständnis zu erleichtern. [LINK zur Unterseite]
Für Lehrende kann Generative Künstliche Intelligenz Anregungen für die didaktische Aufbereitung von Lehrinhalten, die Erstellung von Prüfungsfragen oder die Entwicklung neuer Unterrichtsmaterialien liefern. Sie ermöglicht zudem eine schnellere Korrekturarbeit durch ergänzende Analysen. Generative KI ist damit ein leistungsstarkes, aber kein fehlerfreies Werkzeug. Ihr Potenzial entfaltet sich besonders dann, wenn sie bewusst, kritisch und ergänzend zu menschlichem Denken eingesetzt wird.
Rechtliches
Die Nutzung generativer KI-Anwendungen bringt rechtliche Herausforderungen mit sich, insbesondere im Hinblick auf Datenschutz, Urheberrecht und Persönlichkeitsrecht. Diese Aspekte sind für Hochschullehrende und Studierende gleichermaßen relevant.
Zur Kategorieansicht wechseln