Abstract

Gliederung

Basisinformationen

Was ist Künstliche Intelligenz?

Die meisten Menschen nutzen mittlerweile (mehrfach) täglich KI-basierte Anwendungen z.B. zum Übersetzen von Wörtern/Texten, Navigationssysteme oder persönliche Assistenzsysteme wie Siri und Alexa (Atwell et al. 2020: 13). Grundsätzlich lässt sich in Artificial Intelligente (AI) und Artificial General intelligence (AGI) unterscheiden. AI bzw. KI Systeme sind dabei alle Systeme, die wir aktuell vorfinden und gedacht sind zum Lösen spezieller Aufgaben. AGI hingegen ist eine Intelligenz verglichen mit der menschlichen und existiert aktuell nur in Sciencefiction Filmen (ebd.). Laut der Aussage von OpenAI, der Firma, die ChatGPT entworfen hat, bestehen jedoch Bestrebungen zur Erschaffung einer AGI.

Was macht einen Chatbot aus?

ChatGPT ist eine Künstliche Intelligenz, genauer gesagt ein Chatbot, mit dem man sich mittels Texteingabe unterhalten kann. Es basiert nicht auf einem Computerprogramm, da ChatGPT aus einem neuronalen Netzwerk besteht, welches nicht von Menschen programmiert wird, sondern sich anhand von Beispielen selbst trainiert. ChatGPT ist eine Weiterentwicklung von seinem Vorgänger GPT-3, der mit Hilfe von menschlichen KI-Trainern in seinem Output verbessert und dessen Antworten menschenähnlicher gemacht wurden (Spitzer 2023: 192). ChatGPT und GPT3 wurden beide von der Firma OpenAI entwickelt (AI=Artificial Intelligence). GPT steht dabei für „Generative pre-trained Transformer“, was auf Deutsch am besten mit erzeugender/produzierender vortrainierter Umformer/Formveränderer übersetzt werden kann. Umgeformt wird der eingegebene Text bzw. die Aufforderung in einen Text in gewünschter Länge, Stilrichtung usw. (Spitzer 2023: 192). Wichtig zu erwähnen ist noch, dass die aktuell frei verfügbare Version ChatGPT-3.5 mit Daten trainiert wurde, die bis September 2021 reichen. Es kann auf sehr aktuelle Themen also kein Bezug genommen werden.

Was ist prompt engineering?

Prompt bedeutet Aufforderung oder Abfrage. Large language models (LLM) wie ChatGPT wurden mit einer großen Masse von Daten aus Büchern, Artikeln und Webseiten trainiert, um ein tiefes Verständnis von Sprachstruktur, Semantik und Kontext zu erhalten. Sie sind daher in der Lage, Text zu erstellen und zu klassifizieren, sich an Frage-Antwort Gesprächen zu beteiligen oder Übersetzungsdienste durchzuführen (Giray 2023). Prompt engineering beschreibt den Prozess des Entwicklens und Optimierens eines prompts in der Verwendung von large language models, vor allem bei Anforderungen in der Verarbeitung von natürlicher Sprache. Die genauen Bestandteile und weitere Informationen zum prompt engineering finden sich im Szenario 1 zur Kommunikation.

Lügt oder diskriminiert ChatGPT in seinen Antworten?

„Es liegt weiterhin in der Natur neuronaler Netzwerke, dass sie nicht wissen, warum sie etwas tun, und Menschen das auch nicht wissen und vor allem gar nicht wissen können.“ (Spitzer 2023: 194). Mit neuronalen Netzen sind dabei die inneren Strukturen einer KI gemeint, diese ist, ähnlich dem menschlichen Gehirn, wie verknüpfte Datenpunkte aufgebaut. Diese neuronalen Netzwerke wurden mit Sprache trainiert – Sprache enthält dabei selbstverständlich auch Unwahrheit, Vorurteile und vieles mehr. Im wissenschaftlichen Kontext kann ChatGPT daher nicht verwendet werden, da es zum Teil Quellen erfindet. Schon länger bekannt ist auch das Phänomen der Halluzination. Genau wie menschliche Gehirne kann auch das neuronale Netzwerk von ChatGPT Inhalte produzieren, die nicht im Bezug zur Realität stehen, genauso wie Menschen, die z.B. unter psychischen Erkrankungen leiden, die Halluzinationen hervorrufen (ebd.).

Wie kann ich überprüfen, ob ein Text mit ChatGPT geschrieben wurde?

Mittlerweile gibt es einige Webseiten und Anwendungen, die Antworten von ChatGPT oder ganze Texte überprüfen können, bei denen der Verdacht besteht, dass diese mit Hilfe einer KI geschrieben wurden. Gerade im schulischen Kontext erfährt dies immer mehr Bedeutung. Hier eine Liste von Beispielen, die keinen Anspruch auf Vollständigkeit hat:

• wirbt damit, der präziseste KI- und Plagiatsdetektor für seriöse Content-Publisher zu sein (nicht kostenfrei): https://originality.ai
• OpenAI selbst plant die Herausgabe eines KI-Detektors: https://openai.com/blog/new-ai-classifier-for-indicating-ai-written-text
• GPTZero ist eine kostenlose Website, auf der man Texte einfügen und überprüfen kann: https://gptzero.me
• ChatGPT kann auch befragt werden: Text einfügen und fragen “Hast du oder eine andere KI diesen Text geschrieben?”

Dazu muss gesagt werden, dass Erkennungstools besser werden in der Erkennung, ChatGPT allerdings auch. Eine Kombination aus mehreren Tools könnte helfen, eine Garantie zur Erkennung wird es allerdings nicht geben. Kriterien wie Aktualität (ChatGPT hat ja nur Daten bis September 2021 vorliegen) oder die Zielgruppenorientierung (ChatGPT wird nicht die Dynamik in meiner Klasse kennen) könnten helfen, um einem Täuschungsversuch vorzubeugen.

Ethik & Recht

Die rasante Entwicklung von KI stellen Politik und viele weitere Institutionen gerade vor enorme Herausforderungen. Die EU arbeitet akribisch an rechtlichen Grundlagen für den Einsatz von KI, während sich Wissenschaftler mit der Ethik beschäftigen und entsprechende Richtlinien formulieren.

Recht §

“Die EU bereitet derzeit das weltweit erste umfassende gesetzliche Regelwerk zum Umgang mit den Chancen und Gefahren der KI vor. Ziel ist es, die EU zu einer globalen Drehscheibe für vertrauenswürdige KI zu machen.” (EU Parlament 2023). Darin sollen auch Inhalte wie die Nichtdiskriminierung, das geistige Eigentum und Haftungsfragen geklärt werden (ebd.). Ein entsprechender Entwurf dazu wurde bereits hier vorgelegt.

Der europäische Ansatz für KI zielt grundsätzlich darauf ab, Europa (wieder) wettbewerbsfähig zu machen und künstliche Intelligenz als eine wichtige Ressource für die Zukunft einzubinden. Dabei soll jedoch der Mensch im Fokus stehen und KI verantwortungsbewusst eingesetzt werden. Hierzu sollen rechtliche Maßnahmen für eine Vertrauenswürdigkeit und Exzellenz sorgen. Vorhaben und Meilensteine lassen sich hier finden.

Ethik

“KI, verstanden als die technische Simulation menschlicher Intelligenz, bietet so wie andere revolutionäre Technologien Vorteile wie Nachteile. Die Nutzung von KI-Technologien kann z. B. zur menschlichen Selbstverwirklichung beitragen, die menschliche Handlungsfähigkeit stärken und in Effektivitäts- wie auch Effizienzsteigerungen resultieren. Deshalb findet KI auch in zahlreichen Branchen bereits wachsende Anwendung. Dem gegenüber stehen Risiken und ethische Bedenken, die die Erhebung und Verarbeitung personenbezogener Daten (Datenmissbrauch, Diskriminierung usw.) oder den KI-Output und seine Übereinstimmung mit allgemeinen gesellschaftlichen Normen und Werten betreffen. Damit KI nachhaltig Anwendung und Akzeptanz in der Gesellschaft findet, müssen die Vorteile als sinnvoll und die Risiken als möglich, aber vermeidbar oder minimierbar erachtet werden. Es muss ein angemessenes Maß der KI-Nutzung gefunden werden. Um den Bedenken zu entgegnen und Akzeptanz zu schüren müssen ethische Prinzipien bei der KI-Entwicklung und Anwendung eingehalten werden.” (Barton/Pöppelbuß 2021: 479).

Barton und Pöppelbuß orientieren sich an ausgewählten Modellen (PAPA-Modell, AI4People-Modell sowie der Studie von Jobin et al. (2019)) und erheben daraus sechs zentrale ethische Richtlinien:

• Wohltätigkeit: Würde und Planet sollten erhalten werden
• Transparenz: möglichst barrierearmer Zugang zu Quellen und Verständlichkeit
• Nicht-Boshaftigkeit: Schadenvermeidung und Qualitätskontrolle
• Autonomie: Menschen bleiben unabhängig von der KI und werden nicht in ihren Befugnissen eingeschränkt
• Gerechtigkeit: Gesetz- und Normgebung beim Umgang mit KI
• Datenschutz: Einhaltung der Datenschutz-Grundverordnung durch Anbieter (2021: 478f.)

Nicht zu unterschätzen ist auch aus Klimaschutz-bedingten Aspekten der enorme CO2 Verbrauch von KI. Schon beim Training fallen durch den Betrieb von hochleistungsfähigen Computern Energiekosten an, der Hauptanteil von aktuell etwa 70% -90% des Energieverbrauchs liegt allerdings im laufenden Betrieb der KI. Der Anteil an Machine Learning (also dem Training von KIs) am weltweiten CO2 Verbrauch wird auf etwa 0,025-0,05% geschätzt. Bei zunehmender Leistungsfähigkeit der Systeme benötigen diese mehr Rechenleistung, dieser Anteil wird also in den nächsten Jahren (stark) ansteigen (Züger et al. o.J.: 5).

4K-Modell erklärt

Alle Lehrpersonen wollen, dass ihre Schüler:innen im Leben Erfolg haben. Jedoch ist das, was vor 50 Jahre noch eine gute Bildung darstellte, heute bei weitem nicht mehr ausreichend, um in Schule, Karriere und Privatleben erfolgreichen zu sein (NEA 2015: 3 nach Sterel et al. 2018: 146) . Schlüsselqualifikationen können in Zeiten von rasanten sowie unvorhersehbaren Entwicklung von Gesellschaft, Technik und Umwelt dazu beitragen, Herausforderungen gewinnbringend zu bewältigen. Die National Education Association (NEA) konnte durch Erhebungen die wichtigsten Kompetenzen des 21. Jahrhunderts herausfiltern, die hier (in Deutschland) mittlerweile als die 4K bekannt sind: Kommunikation, Kooperation, Kreativität & Innovation sowie Kritisches Denken & Problemlösen. Im folgenden sollen diese Schlüsselqualifikationen genauer dargestellt werden, damit anhand von ihnen Einsatzmöglichkeiten von ChatGPT im Unterricht konstruiert werden kann.

Kommunikation

„Gedanken ausdrücken, präzise artikulieren, Meinungen vertreten, kohärente Anweisungen geben und andere durch die Kraft der Sprache überzeugen – das sind nur einige Fähigkeiten, die schon immer an jedem Arbeitsplatz und selbstverständlich auch im öffentlichen Leben wichtig waren.“ (Sterel at al. 2018: 149). Die Lernenden sind aufgrund der Digitalisierung einer Informationsflut ausgesetzt, zudem fordern Teamarbeit und immer neue technologische Fortschritte bei Kommunikationssoftware ihre kommunikativen Fähigkeiten heraus. Daraus ergeben sich drei Teilkompetenzen für die sprachliche Kompetenz von Lernenden in Wort und Schrift:

• rezeptive Sprachkompetenz: Verständnis von verbaler und nonverbaler Kommunikation
• produktive Sprachkompetenz: Wirksamkeit der verbalen und nonverbalen Kommunikation
• normative Sprachkompetenz: Umsetzung von Konventionen und Normen (Grammatik, Orthografie, Formeln und Floskeln) in der verbalen und nonverbalen Kommunikation (Sterel at al. 2018: 150f.)

Kooperation

In der englischsprachigen Literatur wird für diesen Kompetenzbereich das Wort collaboration verwendet, also Kollaboration auf Deutsch. Aufgrund des stark negativ konnotierten Bezugs zum 2. Weltkrieg (also die Zusammenarbeit mit dem Feind), wird hier stattdessen Kooperation verwendet. Auch inhaltlich ergibt sich eine große Bedeutung in diesem Bereich, denn in Zeiten der zunehmenden Globalisierung haben Einzelkämpfer schlechte Chancen. Im Schulalltag sollte Zusammenarbeit mehr durchgeführt sowie kritisch reflektiert werden (Sterel et al. 2018: 151-153). „Letztlich gilt es festzuhalten, dass Zusammenarbeit in den Klassenzimmern immer wichtiger wird, um qualitativ hochstehende Ergebnisse zu erzielen.“ (Sterel at al. 2018: 153). 

Kreativität & Innovation

Kreativität ist eine Schlüsselqualifikation im internationalen Wettbewerb, auch wenn schwierig zu beschreiben ist, was der Begriff explizit beinhaltet. Durch sie wird ein Bestehen und die Weiterentwicklung der Menschheit ermöglicht. Der britische Professor für Kunsterziehung Kenneth Robinson geht sogar so weit zu sagen, Kreativität sei für Bildung genauso wichtig, wie die Alphabetisierung. Erfolgreiche Menschen zeichnen sich durch kreative Ideen und Visionen aus, die die Welt zu einem besseren Ort machen. Bildung sollte herausfordernde Probleme stellen und einen konstruktiven Umgang mit Fehlern ermöglichen und ermutigen. 

Lehrende können den Prozess der Ideenfindung unterstützen, indem sie die Lernenden motivieren und fördernde emotionale Bedingungen gewährleisten (Sterel at al. 2018: 153-157).

kritisches Denken & Problemlösen

Das Kritisches Denken muss unbedingt im Zusammenhang mit Problemlösen erfolgen, da es hier um vernetztes Denken geht. „Komplexe Fragestellungen und Themen sollen analysiert, in einzelne Teile gegliedert und aus verschiedenen Blickwinkeln betrachtet werden. Fakten, Hintergrundwissen und Tatsachen müssen dabei hinzugezogen werden, um dann interpretiert und reflektiert werden zu können.“ (Sterel et al. 2018: 146f.). Dafür ist ein fundiertes Hintergrundwissen notwendig, um nach dem kritischen Nachdenken zu einer Problemlösung zu gelangen. Bestenfalls ergeben sich mehrere Lösungsstrategien, die dann analysiert und weiterentwickelt oder auch verworfen werden können. Fritz Ober hat dafür ein Modell in fünf Schritten entworfen:

1. Problem beschreiben (durch die Lernenden)
2. Definition des Problem mit Formulierung des Ziels
3. Lernende machen verschiedene Lösungsvorschläge
4. Testen und auswählen von Lösungsvorschlägen, ggf. zurück zu Schritt 3 wenn kein geeigneter Lösungsweg gefunden wurde
5. Exemplarität des Lösungswegs testen: Übertragbarkeit und Verallgemeinerung ausprobieren, Transfer ermöglichen (Sterel et al. 2018: 148f.)

Einsatzmöglichkeiten

Szenario 1: Kommunikation

Hier sollen die Teilkompetenzen für die sprachliche Kompetenz von Lernenden in Wort und Schrift mit Hilfe von ChatGPT erworben werden. Diese gliedern sich laut den 4K in die folgenden Bereiche auf:

• rezeptive Sprachkompetenz: Verständnis von verbaler und nonverbalen Kommunikation
• produktive Sprachkompetenz: Wirksamkeit der verbalen und nonverbalen Kommunikation
• normative Sprachkompetenz: Umsetzung von Konventionen und Normen (Grammatik, Orthografie, Formeln und Floskeln) in der verbalen und nonverbalen Kommunikation (Sterel at al. 2018: 150f.)

Prompt engineering – oder: wie muss ich mit ChatGPT sprechen, um mein gewünschtes Ergebnis zu erhalten?

Um das gewünschte Ergebnis zu erhalten, spielen verschiedene Elemente eines prompts eine Rolle:

1. Instruktion: Eine Aufgabe oder ein Aufforderung, dass das Verhalten von ChatGPT steuert und den gewünschten Output erzielt.
2. Kontext: Externe Inhalte oder eine Spezifizierung des Kontextes können ChatGPT dabei helfen, mit mehr Hintergrundwissen eine genauere Antwort zu generieren.
3. Eingabedaten: Die Formulierung der Aufgabenstellung hat einen entscheidenden Einfluss auf das Ergebnis, es kann z.B. helfen, Operatoren zu verwenden.
4. Ausgabe Indikator: Hier wird die Art der Antwort bestimmt, ob es sich z.B. um einen Aufsatz, einen Paragraphen oder eine Zusammenfassung in Stichworten handelt (Giray 2023).

Zudem gibt verschiedene Techniken, um einen prompt zu optimieren und so das bestmögliche Ergebnis zu erhalten:

• instruktiver prompt: mit Hilfe von Operatoren wird die Aufgabe spezifiziert, also z.B. „fasse die Kernaussagen zusammen“ oder „schreibe eine vergleichende Analyse“
• Systematischer prompt: Es wird ein Satzanfang vorgeben, der dann durch ChatGPT vervollständigt werden muss, z.B. „In der Therapie eines Diabetes mellitus ist die Verwendung von..“
• Frage-Antwort prompt: Es können spezifische Frage gestellt, eine Wiedergabe von Pro- und Kontra-Argumenten angeregt oder auch ChatGPT zum Fragen stellen aufgefordert werden, z.B. „Diskutiere die Vor-und Nachteile von Besuchszeiten in Kliniken der Akutversorgung“ oder „Stelle mir (eine nach der anderen) Fragen zur Erkrankung Diabetes mellitus und überprüfe meine Antworten auf deren Richtigkeit”
• Kontext prompts: Wenn zusätzliches Hintergrundwissen zur Verfügung gestellt wird, kann die Antwort besser abgestimmt werden z.B. „im Bezug auf die aktuelle Studienlage, analysiere…“ – dabei ist allerdings nochmal wichtig zu erwähnen, dass ChatGPT 3.5 nur über Daten bis September 2021 verfügt
• Verwendung von Meta Sprache: Prompts können vereinfacht werden, indem ChatGPT Beispiele gegeben werden, wie man sich auf etwas bezieht. Zum Beispiel können Personen mit Abkürzungen versehen werden, also z.B. „Immer wenn ich zukünftig F schreibe, meine ich Florence Nightingale“.
• Verfeinerung: ChatGPT kann ebenfalls dazu aufgefordert werden, Verbesserungsvorschläge für prompts vorzuschlagen. Dazu kann z.B: ein Befehl wie „frage mich zukünftig, ob ich eine bessere Version der Frage verwenden möchte“
• Alternative Herangehensweise: Trotz eines spezifischen prompts kann ich ChatGPT dazu auffordern, mir alternative Herangehensweisen zu nennen, damit ich nichts bei meiner Recherche übersehe, z.B. „Bitte erstelle mir eine Liste von Materialien für einen sterilen sowie einen unsterilen Verbandswechsel und nenne mir weitere Formen des Verbandswechels sowie deren Einsatzgebiet“
• Kontext-Manager: Für meine gewünschte Antwort sind ggf. einige Aspekte wichtig, während andere bewusst außen vor gelassen werden sollten. Dies kann ich ChatGPT mitteilen, indem ich z.B. eingebe „Nenne mir ethische Fragestellungen in der Pflege, gehe dabei vor allem auf Prozesse und Interaktionen mit Patienten ein, lasse personelle Probleme außen vor.“
• Mix: eine beliebige Mischung der zuvor genannten Techniken kann selbstverständlich auch hilfreich sein, z.B. „im Bezug auf die aktuelle Studienlage, diskutiere die Rolle von Besuchszeiten..“(White et al. 2023; Giray 2023).

Es gibt diverse Stolperfallen, die umgangen werden sollten, um akkurate, relevante und verantwortungsvolle Antworten zu erhalten:

• Unklarheit/Mehrdeutigkeit: ist der prompt nicht genau genug, können unspezifische Antworten die Folge sein.
• Verstärkung des Bias: werden prompts mit Verzerrungen verfasst, wundert es wenig, wenn diese durch ChatGPT dann noch verstärkt werden. Wichtig ist, eine Sprache zu wählen, die frei von Annahmen bezüglich Herkunft, Geschlecht oder anderen sensiblen Faktoren ist.
• Überanpassung: Ist der prompt zu spezifisch, läuft man Gefahr, nur das herauszufinden, was man schon weiß. Eine gute Balance aus konzeptuellem Vorwissen und einem spezifischen aber vielseitigem prompt ist also die Lösung.
• Mangel an Kontext: Werden wichtige Informationen wie Umgebungsfaktoren oder Zielgruppe nicht genannt, ist eine spezifische Antwort kaum möglich.
• Ethische Betrachtung: Die Einhaltung von ethischen Richtlinien sollte bei der Verwendung von KI immer oberste Priorität haben.
• Unrealistischer Einsatz: Die kritische Betrachtung der Antworten ist vermutlich die wichtigste Strategie im Umgang mit ChatGPT, denn dieser ist sehr gut im Errechnen von Wahrscheinlichkeiten, ein umfassender Überblick über alle Einflussfaktoren ist jedoch nicht immer gegeben (Giray 2023).

Wie lassen sich daraus die Sprachkompetenzen ableiten?

Welche Aufgaben kann ich meinen Schüler:innen zum Erwerb von Sprachkompetenz geben?

Szenario 2: Kooperation

Hier sollen die Schüler:innen ChatGPT als Gesprächspartner in der Interaktion kennenlernen. Ziel bei diesem Szenario ist es, dass in einer Partner-/Gruppendiskussion ChatGPT die Gegenseite übernimmt und die Schüler:innen so lernen, mit einer fremden Person zu diskutieren. Dafür wurde hier im Beispiel das Thema “Technologie in der Pflege” ausgewählt. Weitere mögliche Themen könnten sein:

• Kommunikation in der Pflege (z.B. Strategien und Herausforderungen)
• interprofessionelle Zusammenarbeit (z.B. deren Bedeutung, Vorteile und Herausforderungen)
• Selbstpflege für Pflegefachkräfte (Relevanz und Herausforderungen)
• Patientensicherheit (Bedeutung und Verbesserungsstrategien)

Im folgenden Video ist der mögliche Verlauf einer solchen Diskussion dargestellt. Wichtig dabei ist zu sagen, dass dieser Verlauf wahrscheinlich nicht reproduziert werden kann, da ChatGPT stets neue Antworten geniert. Es hat sich herausgestellt, dass sehr genau im anfänglichen prompt gennant werden muss, was die Aufgabe und die Anforderungen an ChatGPT sind. Ist der prompt zu ungenau, kann das z.B. dazu führen, dass die komplette Diskussion schon von ChatGPT vorgegeben wird, ohne, dass die Schüler:innen die Möglichkeit erhalten, sich dort einzubringen.

Szenario 3: Kreativität und Innovation

Zu Erinnerung hier noch einmal die Phasen des kreativen Prozesses nach Wallas:

1. Präparation: Erforschung & Informationssammlung
2. Inkubation: Reifeprozess – Abwendung vom Problem zur Ideenförderung
3. Illumination: plötzliche Erleuchtung – finden eines Lösungsansatzes
4. Verifikation: Prüfung – systematische Untersuchung der Lösungsansätze und Prüfung auf deren Machbarkeit 

Beispielhaft wurde für dieses Szenario die Lernsituation “Übernahme aus dem Nachdienst auf der ITS” im Lernfeld 18 aus dem Bremer Curriculum (2019: 120ff.) übernommen. Hier geht es vor allem um den Umgang mit Delir. Einführend in den Unterricht findet sich im nakomm folgendes Fallbeispiel:

Als Pascal Mertens an diesem Morgen nach einem verlängerten Freiwochenende seinen Dienst auf der Intensivstation antritt, begegnet ihm seine neue Kollegin Laura Schmidt in der Übergabe hochgradig gereizt. „Mit dem Sokolow war es überhaupt nicht auszuhalten, der ist sowas von aggressiv, schlägt um sich, hat mir hier einen blauen Fleck verpasst, der sich gewaschen hat. Das ist in der Nacht immer schlimmer geworden, er hat rumgeschrien, an den Zu- und Abgängen gerissen und sich auch selbst gefährdet. Ich habe zunächst die Dosis Haldol erhöht und dann fixiert, wozu ich mir Hilfe von Jenny holen musste. Mit dem ist wirklich nicht zu spaßen, und eine Kraft hat der. Das man sich bei dieser Hektik, die hier inzwischen auch im Nachtdienst herrscht, auch noch mit solchen Typen rumschlagen muss.“

„Nun fahr dich mal runter, ist doch jetzt wieder alles gut.“ – „Aber wieso, ich hab doch recht, früher waren wir zu fünft im Nachdienst und heute müssen wir die gleiche Arbeit zu dritt machen. Die Patienten sind nach OP auch sehr schnell sehr nervig fragend, die ganze Maschinerie, invasives Monitoring, fast alle Patienten sind zumindest zeitweise katcheolaminpflichtig, postoperativ beatmet, Durchgangssyndrom bla bla bla. Personalbemessungsgesetz, von wegen!“

Nachdem Laura den Raum verlässt, greift sich Pascal Mertens zunächst die Dokumentation des Patienten: Herr Jaroslaw Sokolow, 56 Jahre, am gestrigen Tag VATS-Lobektomie aufgrund eines Bronchialkarzinoms. Entfernung  des linken Oberlappens. Die OP ist komplikationslos verlaufen. Naht ca. 4 cm. Zwei Bülaudrainagen minimal gefördert. DK liegt und fördert. VW am zweiten Post-OP Tag geplant. Verlegung auf Normalstation am Nachmittag nach Absprache geplant.

Anschließend geht er zu dem Patienten, kontrolliert die (Bülau-)Drainagen und den kardiopulmonalen Status. Pascal klemmt ihm vorsichtig eine Handtuchrolle zwischen Oberarm und Brust. Herr Sokolow wirkt übermüdet und ängstlich. (Universität Bremen 2023).

Schritt 1: Präparation

Zunächst steht die Erforschung an. Hierzu wird eine Informationssammlung durchgeführt, es kommt zur Durchdringung des Problems mit dem Aufbau von Wissen zur Entwicklung von Lösungsansätzen. Die Schüler:innen identifizieren zunächst das Problem: Delir auf der Intensivstation. Sie führen dazu eine Recherche mit ChatGPT durch, die nach folgendem Schema ablaufen könnte:

Anschließend setzen sie sich mit dem Setting der Intensivstation auseinander.

Ein Recherche Protokoll von ChatGPT, wie es in der Unterrichtseinheit auch von Schüler:innen erstellt werden könnte, findet sich hier.

Schritt 2: Inkubation

Um den Ideenfluss anzuregen, kann auch die Kopfstand Methode eine gute Anregung darstellen, um erstmal den Traum-Zustand zu erfassen. Da aktuell, ausgehend vom Fall, die Situation eher problembehaftet und negativ ist, lohnt es sich, einmal über die Idealbedingungen nachzudenken. Was bräuchte es, damit eine Intensivstation ein Ort ist, der sich nicht negativ auf die Patient:innen und deren Orientierung auswirkt? Der Prozess könnte dann so weitergehen:

Schritt 3: Ilumination

Die Schüler:innen können über den Traum-Zustand ableiten, welche der genannten Bedingungen mit der Realität und Arbeitsweise auf einer Intensivstation vereinbar sind und von welchen sie sich verabschieden müssen. Auch dafür kann eine Recherche mit ChatGPT durchgeführt werden. Dieser Arbeitsschritt könnte so aussehen:

Schritt 4: Verifikation

Abschließend fehlt noch die Prüfung des Lösungsansatzes. Es kommt zu einer systematischen Untersuchung der Lösungsansätze und Prüfung auf deren Machbarkeit, dafür stehen folgende Methoden zur Verfügung:

• Befragung von Expert:innen, z.B. aus dem Kollegium
• Recherche von Maßnahmen, die auf Intensivstationen Anwendung finden
• ggf. Ausflug auf eine Intensivstation z.B. in einer Kooperationsklinik

Szenario 4: Kritisches Denken und Problemlösen

Hier sei nochmal an die 5 Schritte nach Ober erinnert, auf die bereits bei der Erläuterung des 4K Modells eingegangen wurde:

1. Problem beschreiben (durch die Lernenden)
2. Definition des Problems mit Formulierung des Ziels
3. Lernende machen verschiedene Lösungsvorschläge
4. Testen und auswählen von Lösungsvorschlägen, ggf. zurück zu Schritt 3 wenn kein geeigneter Lösungsweg gefunden wurde
5. Exemplarität des Lösungswegs testen: Übertragbarkeit und Verallgemeinerung ausprobieren, Transfer ermöglichen (Sterel et al. 2018: 148f.)

Daraus ergeben sich folgende Möglichkeiten der Umsetzung im Unterricht:

• fallbasiertes Lernen mit komplexer Fallsituation, bei der die Schüler:innen mit ChatGPT interagieren müssen, um Informationen zu erhalten – z.B. Aufnahme Gespräch führen und anhand dessen die pflegerischen Probleme eines Patienten herausfinden und Maßnahmen ableiten (ChatGPT kann dabei Patient:innen simulieren)
• Text- oder Fallarbeit: Umgang mit “echten” Texten von Autoren oder von KI, Unterscheidungsmerkmale werden herausgearbeitet, Tools werden ausprobiert, Kriterien werden geprüft

Genauer vorgestellt werden soll hier die Text- oder Fallarbeit.

Schritt 1: Problembeschreibung

Die Schüler:innen erhalten zwei Fallbeispiele, einer davon ist mit ChatGPT geschrieben, der andere von einem Menschen. Es geht nun darum, dass die Schüler:innen das Problem erarbeiten: welcher Text wurde von wem geschrieben und woran könnten wir das erkennen?

Schritt 2: Problem- und Zieldefinition

Nachdem die Schüler:innen beide Fallbeispiele gelesen und eventuelle Rückfragen geklärt haben, wird das Problem formuliert und das Ziel definiert. Das Problem äußert sich dadurch, dass nicht auf den ersten Blick erkennbar ist, welcher Text von einem Menschen und welcher von einer KI stammt. Das Ziel besteht also darin, diese unterscheiden zu können und entsprechende Kriterien und Unterscheidungsmerkmale aufzustellen.

Schritt 3: Lösungsvorschläge

Die Schüler:innen erarbeiten einen Katalog an Kriterien, der ihnen dabei hilft, beide Texte zu bewerten. Dieser könnte so aussehen:

• Struktur: Präsentation der Informationen in einer klaren Struktur
• Zielgruppen Orientierung: Text orientiert sich an den Bedürfnissen und dem Vorwissen der Zielgruppe
• Verständlichkeit: Text ist gut verständlich, schwer verständliche Formulierungen werden vermieden
• Inhaltlich korrekt: Inhalte sind fachlich korrekt und entsprechen dem neusten Stand
• Präzise: So ausführlich wie nötig, so kurz und präzise wie möglich – Inhalte auf den Punkt formulieren
• Umfang: alle wesentlichen Inhalte sind enthalten, Text hat eine angemessene Länge (nicht zu lang, nicht zu kurz)
• Lesbarkeit: Zwischenüberschriften und Absätze machen den Text gut lesbar
• Quellen: vertrauenswürdige, aktuelle Quellen werden angegeben
• Anschaulich: Text verwendet Beispiele, um den Inhalt anschaulich zu machen
• Interessant: Text ist anregend geschrieben (z.B. durch wörtliche Rede), weckt das Interesse und motiviert zum weiteren Lesen (Flick 2023)
• realistisches Problem: erhält das Fallbeispiel ein realistisches Problem, das herausfordert und motiviert? oder kann der Fall schon durch das Vorwissen aufgelöst werden?
• Perspektiven: erhält der Fall mehrere Perspektiven?

Schritt 4: Testen und auswählen von Lösungsvorschlägen

Der Kriterien Katalog wird von den Schüler:innen auf beide Texte angewendet, indem inhaltliche Fehler in den Texten und andere Merkmale herausgearbeitet werden. Anschließend können diese Ergebnisse aus einer Partner- oder Gruppenarbeit in Plenum verglichen und diskutiert werden. Jede Gruppe kann dabei ihre eigene Hypothese aufstellen, welches Fallbeispiel von ChatGPT geschrieben wurde, um auch dies hinterher zu diskutieren. Abschließend kann die Lehrperson das Ergebnis verkünden.

Was ist Ihre Vermutung zu den beiden vorliegenden Texten?

Schritt 5: Exemplarität des Lösungswegs testen

Vor der Durchführung dieses Szenarios haben die Schüler:innen idealerweise schon Erfahrungen mit ChatGPT sammeln können. Dies kann ihnen dabei helfen, Ergebnisse besser einzuschätzen und ein Gespür für die Formulierungen zu erhalten. Wenn ihnen dadurch bereits weitere Text vorliegen, könnten diese mit dem entwickelten Kriterien Katalog analysiert werden.

Auch möglich wäre, die Erkenntnisse aus Szenario 1 anzuwenden: dazu wird z.B. ein Satzanfang formuliert, in Partner:innenarbeit wird dieser jeweils für den anderen verdeckt ergänzt und anschließend mit der Antwort von ChatGPT verglichen.

Literaturverzeichnis

Attwell, Graham; Bekiaridis, George; Deitmer, Ludger; Perini, Marco; Roppertz, Sophia; Tütlys,Vidmantas (2020): Artificial Intelligence in Policies, Processes and Practices of Vocational Education and Training. Band 76. Bremen: Institut Technik und Bildung (ITB).

Barton, Marie-Christin/ Pöppelbuß, Jens (2021): Prinzipien für die ethische Nutzung künstlicher Intelligenz. HMD Praxis der Wirtschaftsinformatik 59, S. 468-481.

Europäisches Parlament (2023): KI-Regeln: Wofür das Europäische Parlament eintritt. Online verfügbar unter: https://www.europarl.europa.eu/news/de/headlines/society/20201015STO89417/ki-regeln-wofur-das-europaische-parlament-eintritt?at_campaign=20234-Digital&at_medium=Google_Ads&at_platform=Search&at_creation=DSA&at_goal=TR_G&at_audience=&at_topic=Artificial_Intelligence&gclid=Cj0KCQjw7PCjBhDwARIsANo7CgnQpq_kn368xPW9gsnXuzNsrx74RClmpXEztTLQXy82X26ndBvd6mAaAp3ZEALw_wcB [letzter Zugriff 31.07.2032].

Flick, Manuel (2023): Der ChatGPT-Guide für Lehrkräfte 2.0. Online verfügbar unter: https://manuelflick.notion.site/Der-ChatGPT-Guide-f-r-Lehrkr-fte-2-0-7afb6342642240a4a9350c04b3ceae5f#9cdecede7af14f459a7055e2dfa928f5 [letzter Zugriff: 31.07.2023].

Giray, Louie (2023): Promt Engineering with ChatGPT: A Guide for Academic Writers.

Muths, Sabine; Daran-Finck, Ingrid (2019): „Bremer Curriculum“ für die Ausbildung zur Pflegefachfrau / zum Pflegefachmann. Online verfügbar unter: https://www.bibliomed-pflege.de/fileadmin/user_upload/BibPflege/Dokumente/Oeffentlich/Downloads/Bremer_Curriculum_20191217.pdf [letzter Zugriff 31.7.2023].

Spitzer, Manfred (2023): ChatGPT: Nur ein weiterer Trend oder eine Revolution? In: Nervenheilkunde 42: 04: S. 192–199. 

Sterel, Saskia; Pfiffner, Manfred; Caduff, Claudio; Süssmuth, Rita (2018): Ausbilden nach 4K: ein Bildungsschritt in die Zukunft. 1. Auflage. Bern: hep der Bildungsverlag.

Universität Bremen (2023): Nationales Mustercurriculum Kommunikative Kompetenz in der Pflege (NaKomm). Online verfügbar unter: http://nakomm.ipp.uni-bremen.de [letzter Zugriff 1.8.2023].

White, Jules; Quchen, Fu; Hays, Sam; Sandborn, Micheal; Olea, Carlos; Gilbert, Henry; Elnashar, Ashraf; Spencer-Smith, Jesse; Schmidt C., Douglas (2023): A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT. Online verfügbar unter: https://arxiv.org/abs/2302.11382 [letzter Zugriff: 22.06.2023].

Züger, Theresa; Faßbender, Judith; Kuper, Freia; Nenno, Sami; Katzy-Reinshagen, Anna; Kühnlein, Irina (o.J.): Exkurs: Nachhaltigkeit von KI. Online verfügbar unter: https://www.civic-coding.de/fileadmin/civic-ai/Dateien/Civic_Coding_Exkurs_barrierefrei.pdf [letzter Zugriff: 27.07.2023].

Medienverwendung

Abb. 1: Hallo ChatGPT (Screenshot, eigene Darstellung)

Abb. 2: Halluzinationen von ChatGPT? (Screenshot, eigene Darstellung)

Abb. 3: Screenshot aus dem YouTube Video

Abb. 4: Organigramm prompt engineering (eigene grafische Darstellung nach Giray 2023; White et al 2023)

Abb. 5: Entwicklung der Sprachkompetenz (eigene Darstellung nach Sterel et al. 2018: 150f.)

Abb. 6: ChatGPT als Lernpartner (Screenshot, eigene Darstellung)

Abb. 7: Flowchart Delir (eigene grafische Darstellung)

Abb. 8.: Flowchart Intensiv 1 (eigene Darstellung)

Abb. 9: Flowchart Intensiv 2 (eigene Darstellung)

Abb. 10: Flowchart Intensiv 3 (eigene Darstellung)

Alle Links zu Chat Protokollen von ChatGPT wurden eigenständig für diese Website erstellt.

Infos über die Autorin

Julia Konrad ist Studentin des Studiengangs M.Ed. Lehramt an berufsbildenden Schulen. Dieser Beitrag ist im Rahmen des erziehungswissenschaftlichen Seminars “Medien in der beruflichen Aus- und Weiterbildung” im Sommersemester 2023 an der Universität Bremen entstanden. Bei Fragen zu Inhalten und Konzepten wenden Sie sich an folgende Kontaktadresse:

Dr. Christian Staden

staden@uni-bremen.de

Tel.: 0421 218 66302