Verbundprojekt lernKI – Lehr- und Lernassistenzsystem für Studienerfolg

Die KI-Regel-Assistenz (kurz KIRA) ist nun vollständig technisch umgesetzt.

Im Vortrag wird darüber informiert, wie Lehrende an der Praxisphase von KIRA im Wintersemester 2026/27 teilnehmen können, welche Möglichkeiten für Austausch und Feedback es zu KIRA geben wird und welche nächsten Schritte für die Weiterentwicklung von KIRA geplant sind.

Lehrende können mithilfe von KIRA Informationen für Lehrveranstaltungen und Vorgaben für Prüfungen zusammenstellen, die zu einer größeren Handlungssicherheit bei Studierenden führen können.

Hierzu können vorformulierte Textblöcke ausgewählt, kombiniert und individuell auf die Lehrveranstaltung angepasst werden.

Der Vortrag bietet Hochschullehrenden eine kompakte und praxisnahe Orientierung für den reflektierten Umgang mit generativer KI. Im Mittelpunkt stehen die wichtigsten rechtlichen Rahmenbedingungen – von EU-KI-Verordnung und DSGVO bis hin zu Urheberrecht und hochschulrechtlichen Vorgaben – ebenso wie konkrete Fragen aus dem Lehralltag.

Sie erfahren,

• wie Sie KI-Chatbots sicher und verantwortungsvoll in der Lehre einsetzen,
• welche Regeln bei Datenschutz, Urheberrecht und Transparenz zu beachten sind,
• wie Sie Studierende beim Aufbau von KI-Kompetenz unterstützen können,
• welche Anforderungen sich für Prüfungen ergeben und
• wo klare Grenzen des KI-Einsatzes liegen.

Der Vortrag richtet sich an Lehrende, die die Potenziale von KI nutzen möchten, ohne dabei rechtliche Fallstricke zu übersehen. Er basiert auf aktuellen Handlungsempfehlungen aus dem Projekt „KI in Studium, Lehre und Prüfung“ im Verbund des Digitale Lehre Hub Niedersachsen (DLHN).

Am Beispiel des „AI Practice Lab“ (https://iai26.lovable.app) wird demonstriert, wie interaktive Visualisierungen und Simulationen sehr einfach und schnell entwickelt werden können.

Dabei kommen „Vibe-Coding“-Tools zum Einsatz, also KI-Umgebungen, in denen prinzipiell ohne vertiefte Softwareentwicklungskenntnisse Web-Anwendungen durch natürlichsprachliche Beschreibungen und Anweisungen entwickelt werden können.

Das vorliegende Beispiel wurde in einem Grundlagenkurs zu Methoden Künstlicher Intelligenz zur Veranschaulichung, als Übungsumgebung und für Hausaufgaben genutzt.

Die Ergebnisse wären ohne KI-gestützte Entwicklung nicht realisierbar gewesen und leisten einen erheblichen Beitrag, die Lehre anschaulicher zu machen. Der Vortrag zeigt aber auch Grenzen und Fallstricke der KI-gestützten Entwicklung auf.

Ohne klare Regelungen zur KI-Nutzung können im Prüfungskontext leicht Ungleichheiten entstehen: Manche Studierende verzichten ‚sicherheitshalber‘ auf die Nutzung von KI-Tools, während andere Studierende diese ‚einfach‘ verwenden – mit der Folge, dass Prüfungsergebnisse nicht mehr vergleichbar sind.

In diesem Beitrag zeigen wir anhand von konkreten Beispielen auf, wie Lehrende ein KI-Zulässigkeitsraster erstellen und darin transparent festhalten können, welche Aktivitäten in der Prüfung mit KI-Unterstützung erlaubt sind und welche nicht.

Künstliche Intelligenz ist in aller Munde. Eine Vielzahl Tätigkeiten lässt sich inzwischen automatisieren. Selbst die Programmierung scheint in Zeiten von „Vibe Coding“ obsolet.

Für Hochschulen ergibt dies ein Dilemma: Soll in der Informatik überhaupt noch Programmierung gelehrt werden oder ist die Vollautomation die Zukunft?

An der FH Westküste in Heide wird neuerdings der Bachelor „Angewandte KI“ angeboten. Aller Kritik zum Trotz, stehen auch weiterhin Grundlagen in Programmierung, Algorithmen oder Datenbanken auf dem Lehrplan. Bewusst stützt sich das pädagogische Konzept auf die Bloom’sche Lernzieltaxonomie, auf Luhmann’s Systemtheorie und auf bewährte didaktische Konzepte der informatischen Grundausbildung.

Die Grunddiskussion jedoch bleibt: Ist die Programmierausbildung künftig das notwendige Fundament oder in Zeiten von KI gänzlich überflüssig?

LLMs und RAG schaffen neue Ansätze für die wissenschaftliche Recherche. Datensätze werden mittels Prompts und semantischer Analysen durchsuchbar, Ergebnisse in natürlichsprachlichen Antworten präsentiert.

Aber muss Recherche deshalb neu gelernt werden?

Welche Auswirkungen hat der Einsatz generativer KI auf den wissenschaftlichen Schreibprozess von Studierenden und welche weitergehenden Anforderungen stellt er an ihre Schreib- und Informationskompetenz?

Im Mittelpunkt steht die Frage, auf welche „traditionellen“ Kompetenzen die Studierenden zurückgreifen können und welche neuen Fähigkeiten im reflektierten Umgang mit KI-Tools notwendig sind, um auch zukünftig eigenständig wissenschaftliche Erkenntnisse zu gewinnen und sie in Textform wiederzugeben.

Dabei werden die Potenziale eines so erweiterten Kompetenzspektrums für eine zukunftsfähige akademische Praxis diskutiert – ohne die Risiken des „Deskilling“ außer Acht zu lassen.