Wie wird in Zukunft an Hochschulen wissenschaftliches Schreiben gelernt, gelehrt und geprüft? Wie macht man die Studierenden fit für die Kompetenzen von morgen?
Diese Fragen beantwortet das MWK-geförderte Forschungs- und E-Learning-Projekt KI@helpBW, das am Schreiblabor gemeinsam mit der KIT-Bibliothek bearbeitet wird. Es entwickelt einen Onlinekurs (OER, CC BY-NC 3.0), der Studierende umfassend und unter Einhaltung der guten wissenschaftlichen Praxis in den kritischen Umgang beim Schreiben mit textgenerierender KI einführt. Ziel ist es mithilfe dieses E-Learning-Angebots einerseits interdisziplinär zu erforschen, wie Studierende KI beim Schreiben nutzen und dabei ethisch korrekt handeln (können). Anderseits geht es darum, Lehrenden Prüfungsformen zur Verfügung zu stellen, die für das Bewerten von Texten unter den Bedingungen der Verfügbarkeit von KI geeignet sind.
Der Verbund von KI@helpBW arbeitet hochschulartenübergreifend unter Einbeziehung der Bibliotheken vor Ort, so dass alle Studierende und Lehrende in Baden-Württemberg davon profitieren können.
Förderzeitraum: 01.03.24 – 28.02.27
Verbundpartner: Alle Standorte der Dualen Hochschule Baden-Württemberg, Technische Hochschule Mannheim, Hochschule der Medien Stuttgart, Pädagogische Hochschule Freiburg, Pädagogische Hochschule Heidelberg, Pädagogische Hochschule Karlsruhe
Onlinekurs Recherchieren und Schreiben mit textgenerierender KI
Beachten Sie, dass Sie bei https://opencourses.kit.edu/ registriert sein müssen, um auf den Kurs zugreifen zu können.
Der Onlinekurs vermittelt Studierenden grundlegende Kompetenzen des wissenschaftlichen Arbeitens mit KI. Insbesondere geht es in den Lehrtexten, Videos und Interviews darum, Strategien für das redliche KI-gestützte Recherchieren und Schreiben im Studium vorzustellen. Wir vertreten den Standpunkt, dass KI immer reflektiert und angemessen eingesetzt werden sollte.
Es geht also gerade nicht darum, durch KI effizienter zu werden, sondern die eigenen Kompetenzen und damit die Qualität der eigenen Arbeit zu verbessern.
Teilmodul 1.1 Warum sie nicht denken und wir trotzdem mit ihnen sprechen – Wie LLM arbeiten
- Wahrscheinlichkeit und Token: Warum generieren LLM gute Antworten?
- Wie bekommen LLM einen guten Satz hin?
- Wie kommen LLM an Informationen?
- Warum müssen LLM manchmal auch falsche Antworten geben?
- Wie wir mit LLM kommunizieren
- Warum LLM eigentlich keine künstliche Intelligenz ist
Teilmodul 1.2 Warum ich niemals KI nutzen würde, Sie es in diesem Kurs aber dennoch lernen sollten
Video-Essay und Transkript finden Sie auch auf Zenodo.
- Warum Menschen an KI verdursten
- Dr. med. KI
- Folter für Mindestlohn
- KI macht arm und arbeitslos
- Nicht jede KI-Nutzer:in ist Rassist:in, weiß und heterosexuell
- Warum Populisten KI nutzen
Teilmodul 2.1 Kreative Methoden für einen sinnvollen Einsatz von KI
- Wissen erarbeiten durch Kreativmethode ‚KI-Clustern’
- Anwendungsbeispiel KI-Cluster
- Umwandlung des Clusters in eine Suchbegriffstabelle
- An erste Informationen kommen mit der KI-W-Fragen-Methode
- Themendiskurse verstehen als Grundlage für die wissenschaftliche Recherche
- Wissen erarbeiten durch Kreativmethode ‚KI-Clustern’
- KI als Instrument der Diskurserkundung
- Vom Freewriting zur Recherche
- Recherche strukturieren mit Hilfe einer KI-Orientierungs-Gliederung
Teilmodul 2.2 Quellen finden mit natürlicher Sprache
- Einführende Literatur finden
- Forschungsstand überblicken
- Normen recherchieren
- Komplexe Suchanfragen
Teilmodul 2.3 Quellenarbeit mit KI
- Effizienter Erstzugriff auf gefundene Literatur
- Abstract in verständlicher Sprache wiedergeben
- Wissenschaftliche Texte systematisch erschließen: KI als Analysehilfe
- Bibliothekarische Metadaten systematisch erschließen
- Wissenschaftlichkeit einzelner Quellen bewerten
- Quellenglaubwürdigkeit systematisch prüfen
- Rechercheprozess strukturieren: KI als Zeitmanagement-Assistent
- KI als Helfer gegen Recherche-Prokrastination
Teilmodul 3.1 Wie Studierende KI beim wissenschaftlichen Schreiben nutzen
- Wissenschaftlichen Text schreiben lassen
- Notizen und Stichworte ausformulieren lassen
- Gliederungen erstellen lassen
- Textteile bearbeiten lassen
- Stilistische Schwächen redigieren lassen
- Rechtschreibung und Grammatik korrigieren lassen
- Nicht-wissenschaftliche Bestandteile eines wissenschaftlichen Texts schreiben lassen
- KI als Schreibprozesshilfe
- KI als Diskussionspartner
Teilmodul 3.2 Prompting
- Eine Sprache lernen für ein System, das spricht?
- Wie macht die KI das, was ich will?
- Aus welchen Elementen kann ein Prompt bestehen?
- Anwendungsbeispiel: Abstract formulieren mit KI
- Prompts speichern, überarbeiten, weitergeben
Teilmodul 3.3 KI- & Stilredaktion: Wissenschaftliche Texte präzise überarbeiten
- Wissenschaft ist nicht kompliziert: Satzstrukturen verbessern
- Korrekturbeispiel: Schachtelsätze auflösen
- Warum sich Aktivformulierungen besser lesen und Modalverben vermieden werden (sollen)
- Drei Wege aus dem Passiv
- Korrekturbeispiel: Vom Passiv ins Aktiv
- Mit KI wissenschaftliche Texte ins Präsens setzen
- Systematische Tempusanpassung mit KI
- Praktische Anwendung: Die drei Schritte im Detail
Teilmodul 4.1 Kommunikation im Nebel
Teilmodul 4.2 Rhetoriktrainer oder Langweiler?
Teilmodul 4.3 Kann KI meine Schreibblockaden coachen?
Hochschuldidaktische Handreichung zu innovativen Prüfungsformen
Unabhängig vom Onlinekurs stellt das Projekt KI@helpBW Lehrenden akademische Prüfungsformen bereit, die das Bewerten von Texten unabhängig einer Nutzung von KI durch die Studierenden ermöglichen. Zusätzlich unterstützt ein Orientierungsraster Lehrende dabei, den erlaubten bzw. erwünschten KI-Einsatz im Rahmen der Prüfungsformen zu reflektieren und den Studierenden transparent zu machen. Dafür werden vier Ebenen unterschieden, auf denen textgenerierende KI zum Einsatz kommen kann: Form, Inhalt, Prozess und Verfahren.
Die Handreichung enthält für jede Prüfungsform den Aufgabentext zur Prüfung sowie Materialien, die Studierenden zur Vorbereitung gegeben werden können.
Ein Gremium aus Fachlehrenden der kooperierenden Hochschulen begleitet als Ergänzung zur Evaluation und als Aspekt der Qualitätssicherung die Ausgestaltung der Prüfungsaufgaben für einen optimalen Einsatz in der Lehre.
KI-Monitoring
Beim KI-Monitoring zeigen Studierende, dass sie die Nutzung von KI-Tools beim wissenschaftlichen Arbeiten auf den Ebenen Form, Inhalt, Prozess und Verfahren nicht nur angemessen dokumentieren, sondern auch reflektieren können. Sie unterscheiden dabei rechenschaftspflichtige und dokumentationswürdige KI-Einsatzszenarien. Die Grundlage ihrer Dokumentation bildet das von den Lehrenden ausgefüllte und bereitgestellte Orientierungsraster.
Wie lässt sich der Einsatz textgenerierender KI dokumentieren, sodass daraus eine eigenständige Prüfungsform entsteht, die sowohl Transparenz über den Arbeitsprozess schafft als auch kritische Urteilsfähigkeit sichtbar macht?
Das KI-Monitoring basiert auf dem Orientierungsraster (s.o.) und ermöglicht die Differenzierung des KI-Einsatzes in die Ebenen. Somit kann beforscht werden, wie Studierende KI auf den jeweiligen Ebenen einsetzen und wie sie den Output bewerten. Die ausgefüllten KI-Monitorings werden dabei mit einer qualitativen Inhaltsanalyse empirisch dahingehend untersucht, ob die wesentlichen Kompetenzen gezeigt werden konnten.
Die Studierenden füllen das KI-Monitoring gemäß den Vorgaben zur Dokumentation rechenschaftspflichtiger und dokumentationswürdiger Prompts aus. Die Anleitung begleitet durch den gesamten Dokumentationsprozess: von der Frage, welche Nutzungsformen dokumentationswürdig sind, über die kritische Bewertung von KI-Ausgaben bis hin zur begründeten Entscheidung über Übernahme, Überarbeitung oder Verwerfung.
Das KI-Monitoring bietet konkrete Vorgaben, wie sich der KI-Einsatz von Studierenden nachvollziehbar dokumentieren und reflektieren lässt. Das KI-Monitoring lässt sich für die fachliche und überfachliche Lehre verwenden und ist für verschiedene Prüfungskontexte anpassbar. Dabei erhalten Dozierende didaktische Hinweise zu den Vorgaben des KI-Monitorings und was sie für die verschiedenen Lehrkontexte bedeuten. Sie erfahren, wie sie die Prüfungsform in ihre eigene Lehre einbinden und anpassen können. Zudem werden die Prüfungskriterien zur Beurteilung der reflektierten Dokumentation des KI-Einsatzes von Studierenden erläutert.
Essay
Wir sind davon überzeugt, dass der Essay ein Revival erleben wird, gerade weil generative KI das akademische Schreiben verändert. Beim Verfassen eines Essays üben Studierende grundlegende sprachliche Handlungen wie Beschreiben, Argumentieren und Strukturieren ein und lernen, sich auf kleinem Raum zu einem Thema zu positionieren. Diese Kompetenzen sind zugleich entscheidend, um KI-generierte Inhalte kritisch einzuordnen und gezielt zu überarbeiten. Als Prüfungsform stellt der Essay die reflexive Leistung in den Mittelpunkt.
Wie lässt sich eigenständiges wissenschaftliches Denken in einer kompakten Textform prüfen, die zugleich sprachliche Präzision, argumentative Stringenz und den kritischen Umgang mit Fachliteratur erfordert? Um dies zu beantworten, betrachten wir erstens das Verhältnis von eigenständiger Stimme und argumentativem Standpunkt als zentrales Bewertungskriterium. Zweitens sind wir überzeugt, dass ein guter Essay nur durch einen umfassenden Reflexionsprozess entstehen kann, der Planung, Recherche und kritische Selbstprüfung einschließt. Um diese Annahmen empirisch zu fundieren, werten wir die eingereichten Essays mittels Text-Korpus-Analyse systematisch aus.
Studierende lernen, warum das Essayschreiben eine wertvolle Übung im Studium darstellt und was einen akademischen Essay auszeichnet. Die Handreichung begleitet durch den gesamten Schreibprozess: von der Themenwahl über die Entwicklung einer überzeugenden Argumentation bis hin zum Aufbau und zur stilistischen Gestaltung des Textes. So werden Studierende befähigt, einen eigenständigen und schlüssigen Essay zu verfassen.
Der Essay als Prüfungsform ist nicht einzelnen Fächern vorbehalten. Gerade Disziplinen, in denen diese Textform bisher wenig verbreitet war, können profitieren: Wir diskutieren die didaktischen Überlegungen hinter unserem Schreibaufgabendesign und geben konkrete Hinweise zur Anpassung an die eigene Lehre – etwa zur Themenwahl oder zur Gewichtung zwischen reflexiven und stärker beschreibenden Anteilen. Darüber hinaus stellen wir Szenarien vor, wie der Essay in unterschiedliche Lehrveranstaltungsformate integriert werden kann: als studienbegleitende Leistung im Seminar, als Abschlussprüfung einer Vorlesung oder als Element forschenden Lernens.
Abstract
Das Abstract besitzt in der Wissenschaft, die von Informationsfülle geprägt ist, eine zentrale Bedeutung bei der schnellen Selektion von Forschungsergebnissen. Ein zielführendes Abstract zeichnet sich dadurch aus, dass es mit möglichst wenigen Wörtern die wichtigsten Inhalte einer Arbeit wiedergibt. Es präsentiert die Informationen also maximal verdichtet und muss dabei doch gut verständlich sein. Beim Verfassen des Abstracts üben Studierende somit, komplexe Inhalte auf ihren Kern zu reduzieren, Wesentliches von Nebensächlichem zu unterscheiden und Forschungsergebnisse präzise zu kommunizieren.
Wie lässt sich die Fähigkeit prüfen, die eigenen Forschungsergebnisse in einer stark verdichteten Textform präzise wiederzugeben? Wir sind überzeugt, dass ein gelungenes Abstract nur durch einen tiefgreifenden Verstehensprozess entstehen kann, den heutige KI-Systeme nicht allein, sondern nur durch kompetente Nutzung leisten. Um diese Annahmen empirisch zu fundieren, werten wir die eingereichten Abstracts mittels Text-Korpus-Analyse systematisch aus.
Die Studierenden erfahren zunächst, was ein Abstract ist und welche Funktionen es in der wissenschaftlichen Kommunikation erfüllt. Anschließend geben wir Hinweise für den gesamten Schreibprozess: vom typischen Aufbau eines Abstracts über die Besonderheiten seiner dichten Sprache bis hin zur Unterstützung durch KI. So werden Studierende befähigt, aussagekräftige Abstracts zu verfassen.
Wir begründen die von uns gesetzten formalen Vorgaben in der Aufgabenstellung und erörtern, wie diese für die eigene Prüfung angepasst werden können. Weiterhin wird gezeigt, wie sich das Abstract nicht nur als Prüfungsbestandteil einer umfangreichen Forschungsarbeit, sondern auch zur Texterschließung im Seminar oder als vorbereitende Leistung für eigene Forschungsarbeiten als Prüfungsform eignet. Dabei erläutern wir, welche Abstracttypen sich für welchen Lehranlass eignen.
Self Review
Redaktionskompetenz ist die Grundlage, um mit (und ohne) KI einen gelungenen, logisch aufgebauten, stilistisch angemessenen und fachlich korrekten Text vorlegen zu können. Studierende erhalten die Aufgabe, einen eigenen Text, den sie bereits eingereicht haben, noch einmal zu verbessern und dabei ihre Überarbeitung transparent zu machen. In Anlehnung an das Peer Review führen sie ein Self Review durch, in welchem sie zum einen Kommentare der Dozierenden zu einzelnen Textstellen auf ihren gesamten Text übertragen und zum anderen weitere Schwächen selbständig zu identifizieren. Ihre Self Review-Analyse wird dabei transparent und damit bewertbar gemacht.
Wie kann man die KI-unterstützte Überarbeitung von Texten bewerten? Unsere These: Indem Studierenden ihren Text analysieren, bewerten, verbessern und ihr Vorgehen dokumentieren. Lehrende können dadurch beurteilen, welche Schwächen Studierende im eigenen Text wahrnehmen, wie sie die eigenen Defizite einschätzen und für welche Lösungen sie sich entscheiden. Ziel ist es, die Reflexions- und Analysekompetenzen mithilfe einer teilnehmenden editionsphilologischen Beobachtung sichtbar zu machen.
Um die Überarbeitung transparent zu machen, wird den Studierenden gezeigt, wie sie ihren Text inkl. entsprechender Hilfestellungen verbessern: Markieren von auffälligen Textstellen, kommentieren und reflektieren der erforderlichen Überarbeitungen, finden von passenden Lösungswegen zur Verbesserung und schließlich umsetzen der Lösungswege. Um einen überschaubaren KI-Einsatz und Textkontrolle zu garantieren, wird die KI-Anwendung nur für ausgewählte Texteingriffe empfohlen.
Das Self Review stellt eine intensive Auseinandersetzung mit dem eigenen Text und dem dazu erhaltenen Feedback dar. Das Self Review ist für alle Fächer einsetzbar und ermöglicht dabei das Einüben und Abprüfen von fachspezifischen Stil- und Textkonventionen. Es eignet sich zudem für die Integration in den Betreuungsprozess von Abschlussarbeiten, indem es den frühen Einblick in die Textproduktion ermöglicht und eine Diskussionsgrundlage für die weitere Textgestaltung bietet.
Prüfungsgespräch
Das Prüfungsgespräch wird über einen im Vorfeld verfassten Text geführt: Nicht nur inhaltliches, fachliches Wissen steht im Fokus, sondern auch Textlogik und Schreibprozess. In der Vorbereitung auf ein solches Gespräch sollen Studierende das eigene Textprodukt reflektieren, Argumentationslinien aus dem Schriftlichen ins Mündliche übertragen, ihre Entscheidungen im Schreibprozess begründen und auf diese Weise auch mit KI-Unterstützung verfasste Texte potenziell ergründen und zu eigen machen.
Inwieweit können Studierende heute Verantwortung für eingereichte Texte übernehmen? Wir sind der Überzeugung, dass allein die Rückbindung an die jeweilige Verfasserin/den jeweiligen Verfasser via Mündlichkeit deren/dessen Kompetenz- und Wissensstand ersichtlich wird: Wissenschaftliche Eigenständigkeit, Argumentationsfähigkeit und Reflexionskompetenz. Für eine objektive Erforschung dieser Annahme beobachten und dokumentieren wir Prüfungsgespräche hinsichtlich des redlichen kommunikativen Handelns mit der Perspektive auf den übergeordneten wissenschaftlichen Diskurs.
Zu den Hilfestellungen für Studierende gehören der Übertrag schriftlicher Argumentationslinien ins Mündliche; Durchdringen von Forschungsfrage, Methode, Ergebnissen und Argumenten im eigenen Text; Kritisches Beleuchten von Schwächen und offenen Fragen; Reflektion von Entscheidungen im Schreib- und Erkenntnisprozess.
Studierende erhalten Anleitung, wie sie mithilfe textgenerierender KI Ihre Vorbereitung stützen können, beispielsweise: ein KI-simuliertes Prüfungsgespräch, das die Persona des Prüfenden, Rahmendaten sowie mögliche Varianten des Gesprächsverlaufs realistisch berücksichtigt.
Das wissenschaftliche Gespräch ist nicht nur eine etablierte Prüfungsform, sondern auch fester Bestandteil des Wissenschaftsprozesses. Damit hat eine solche Schreibaufgabe überfachliche Relevanz. Zeitlicher Umfang und Fokus des Gesprächsverlaufs lassen sich an unterschiedliche Settings und Bezugstexte anpassen, bspw. begleitend zu einer Abschlussarbeit oder zu einem Laborbericht im Rahmen einer Lehrveranstaltung. Ein Fragenkatalog gibt den Prüfenden eine Hilfe zur hermeneutischen Gesprächsstrategie an die Hand.
Team
