Fallstudien: KI-Integration in der Lehre
Effektiv vs. ineffektiv, und warum
Übersicht
Diese Fallstudien zeigen effektive und ineffektive KI-Integration in der Hochschullehre. Sie können auf zwei Arten genutzt werden:
- Als Analysematerial mit dem 5-Fragen-Framework (Teil 3): Wähle ein Szenario und analysiere es mit der Tabelle unter jedem Fall.
- Als Diskussionsgrundlage für die theoretische Analyse mit Konzepten der kognitiven Lernpsychologie.
Jedes Paar enthält ein problematisches und ein effektives Beispiel.
Fallstudie A: Einführung in die Programmierung
Szenario A1: “KI als Problemlöser”
Eine Dozentin erlaubt Studierenden, ChatGPT für ihre Programmieraufgaben zu nutzen. Die Studierenden beschreiben ihr Problem, erhalten funktionierenden Code, fügen ihn ein, und reichen die Aufgabe ein. Die Abgabequote steigt auf 95%, die Code-Qualität ist hoch.
Szenario A2: “KI als Debugging-Partner”
Dieselbe Dozentin ändert die Struktur: Studierende müssen zuerst eigenen Code schreiben (wird durch Versionskontrolle dokumentiert). Erst nach einem funktionierenden oder gescheiterten Versuch dürfen sie KI als Debugging-Partner nutzen: “Hier ist mein Code und die Fehlermeldung. Erkläre mir, was falsch läuft, aber gib mir nicht die Lösung.”
Analysiere Szenario A1 (Programmieraufgabe als Hausaufgabe im 2. Semester) mit dem Framework:
| Frage | Deine Einschätzung |
|---|---|
| 1. Geht es primär ums Lernen? | |
| 2. Werden noch Grundlagen aufgebaut? | |
| 3. Muss internes Wissen nachgewiesen werden? | |
| 4. Kann KI die Aufgabe ohne Denkarbeit erledigen? | |
| 5. Gibt es eine Versuch-dann-Prüfe-Struktur? |
Dann identifiziere:
- Wo eliminiert KI die lernrelevante kognitive Verarbeitung?
- Welche eine Änderung würde produktive Anstrengung bewahren? (Vergleiche deine Idee mit Szenario A2.)
- Welches Szenario erzeugt mehr Prediction Errors bei den Studierenden?
- Wo findet Wissenskompilation statt, und wo nicht?
- Wie verteilt sich die kognitive Last in beiden Szenarien (extrinsisch vs. germane)?
- Was passiert mit der Expertise-Entwicklung in beiden Fällen?
Fallstudie B: Wissenschaftliches Schreiben
Szenario B1: “KI-gestütztes Schreiben”
Ein Dozent empfiehlt Studierenden, ihre Seminararbeit mit KI-Unterstützung zu schreiben. Die Studierenden prompten ChatGPT mit ihrem Thema, überarbeiten den Output, fügen Quellenangaben hinzu und reichen ab. Die Texte sind sprachlich korrekt und gut strukturiert.
Szenario B2: “Denken vor dem Schreiben”
Derselbe Dozent strukturiert den Prozess um: (1) Studierende schreiben zuerst eine handschriftliche Argumentationsskizze (30 Min, in der Lehrveranstaltung). (2) Sie verfassen einen Erstentwurf ohne KI. (3) Erst dann nutzen sie KI für Sprachkorrektur und Strukturfeedback. (4) In einer mündlichen Kurzpräsentation (3 Min) erklären sie ihre zentrale Argumentation.
Analysiere Szenario B1 (Seminararbeit im 3. Semester) mit dem Framework:
| Frage | Deine Einschätzung |
|---|---|
| 1. Geht es primär ums Lernen? | |
| 2. Werden noch Grundlagen aufgebaut? | |
| 3. Muss internes Wissen nachgewiesen werden? | |
| 4. Kann KI die Aufgabe ohne Denkarbeit erledigen? | |
| 5. Gibt es eine Versuch-dann-Prüfe-Struktur? |
Dann identifiziere:
- Wo eliminiert KI die lernrelevante kognitive Verarbeitung?
- Welche eine Änderung würde produktive Anstrengung bewahren? (Vergleiche deine Idee mit Szenario B2.)
- Wo liegt das Evaluationsparadox? Können Studierende in Szenario B1 die KI-Outputs tatsächlich kritisch bewerten?
- Inwiefern ist Szenario B1 ein Beispiel für Schein-Kompetenz?
- Welche Rolle spielt die Versuch-dann-Prüfe-Struktur in Szenario B2?
- Wie wirkt sich jedes Szenario auf die Equity aus, also werden schwächere Studierende gleich oder unterschiedlich betroffen?
Fallstudie C: Medizinische Fallanalyse
Szenario C1: “KI als Diagnose-Assistent”
In einem klinischen Kurs beschreiben Studierende Symptome in einem KI-Chat und erhalten differenzialdiagnostische Vorschläge. Sie wählen die plausibelste Diagnose und dokumentieren sie.
Szenario C2: “Hypothese vor Konsultation”
Im gleichen Kurs müssen Studierende zuerst ihre eigene Differenzialdiagnose formulieren, mit Begründung. Erst dann vergleichen sie mit einem KI-generierten Vorschlag. Abschliessend dokumentieren sie: “Was habe ich übersehen? Warum?”
Analysiere Szenario C1 (klinischer Kurs im 4. Semester) mit dem Framework:
| Frage | Deine Einschätzung |
|---|---|
| 1. Geht es primär ums Lernen? | |
| 2. Werden noch Grundlagen aufgebaut? | |
| 3. Muss internes Wissen nachgewiesen werden? | |
| 4. Kann KI die Aufgabe ohne Denkarbeit erledigen? | |
| 5. Gibt es eine Versuch-dann-Prüfe-Struktur? |
Dann identifiziere:
- Wo eliminiert KI die lernrelevante kognitive Verarbeitung?
- Welche eine Änderung würde produktive Anstrengung bewahren? (Vergleiche deine Idee mit Szenario C2.)
- Welches Szenario fördert die Schemabildung für klinisches Reasoning?
- Wo findet Offloading statt, wo Outsourcing?
- Wie wirkt sich die Reihenfolge (eigener Versuch → KI vs. KI → Auswahl) auf das Lernen aus?
- Welches Szenario bereitet besser auf Situationen vor, in denen keine KI verfügbar ist?
Fallstudie D: Projektmanagement (Leistungskontext)
Szenario D1: “KI-Verbot im Berufsalltag”
Eine Dozentin in einem berufsbegleitenden Studiengang verbietet KI-Nutzung bei allen Aufgaben. In einem Modul zu Projektmanagement müssen erfahrene Projektleiterinnen (5+ Jahre Berufserfahrung) einen Statusbericht für ein reales Projekt von Hand schreiben, inklusive Risikoanalyse. Die Studierenden empfinden die Aufgabe als praxisfern, da sie im Berufsalltag selbstverständlich KI-Tools nutzen.
Szenario D2: “KI als professionelles Werkzeug”
Dieselbe Dozentin differenziert: Für die Risikoanalyse (Kernkompetenz, die vertieft werden soll) müssen die Studierenden zuerst eigene Einschätzungen formulieren. Für den Statusbericht (Routineaufgabe, Kompetenz bereits vorhanden) dürfen sie KI zur Texterstellung nutzen und konzentrieren sich stattdessen auf die kritische Prüfung: Stimmen die Fakten? Ist der Ton angemessen?
Dieses Szenario ist anders als A, B und C. Analysiere es mit dem Framework und achte darauf, wo die Antworten anders ausfallen:
| Frage | Deine Einschätzung |
|---|---|
| 1. Geht es primär ums Lernen? | |
| 2. Werden noch Grundlagen aufgebaut? | |
| 3. Muss internes Wissen nachgewiesen werden? | |
| 4. Kann KI die Aufgabe ohne Denkarbeit erledigen? | |
| 5. Gibt es eine Versuch-dann-Prüfe-Struktur? |
Dann identifiziere:
- Welche Teile der Aufgabe sind Lernkontext, welche Leistungskontext?
- Wo ist KI-Unterstützung die richtige Antwort, und warum?
- Was unterscheidet einen Lernkontext von einem Leistungskontext? Welche Teile dieser Aufgabe fallen in welche Kategorie?
- Warum ist KI-Unterstützung beim Statusbericht sinnvoll, bei der Risikoanalyse aber nicht?
- Wie hilft das Offloading-Outsourcing-Spektrum, diese Unterscheidung zu treffen?
- Wann ist die Entscheidung “Keine KI nötig” oder “KI ist hier sinnvoll” gleich berechtigt?
Allgemeine Reflexionsfragen
Nach der Analyse, für die Plenumsrunde:
- Was unterscheidet die effektiven von den ineffektiven Szenarien?
- Gibt es ein gemeinsames Designprinzip, das alle effektiven Szenarien teilen?
- Wann ist KI-Unterstützung die richtige Antwort? Was unterscheidet Fallstudie D von den anderen drei?
- Wie lässt sich dieses Prinzip auf eure eigene Lehre übertragen?