Lernen mit KI - und ohne!
Effektives Lernen ist keine angeborene Begabung, sondern eine erlernbare Fähigkeit. Lernen bedeutet, neue Informationen so zu verarbeiten, dass sie dauerhaft im Langzeitgedächtnis verankert werden. Entscheidend dafür ist nicht die reine Lernzeit, sondern wie gelernt wird. Kognitionspsychologische Forschung zeigt, dass aktive Auseinandersetzung mit dem Stoff, verteiltes Üben und regelmäßiger Abruf die wirksamsten Strategien sind.
Statt Texte nur wiederholt zu lesen, ist es effektiver, das Wissen aktiv aus dem Gedächtnis abzurufen – etwa durch Selbsttests, Karteikarten oder freies Erklären ohne Unterlagen. Diese Methode stärkt die Gedächtnisspuren und deckt Wissenslücken auf.
Konkret umsetzen:
- Schließe nach dem Lesen eines Abschnitts das Buch und notiere die Kernpunkte aus dem Gedächtnis
- Nutze digitale Karteikarten-Apps wie Anki, die auf dem Prinzip der gestaffelten Wiederholung basieren
- Formuliere eigene Prüfungsfragen und beantworte diese regelmäßig
Mehrere kurze Lerneinheiten über Tage und Wochen verteilt führen zu besseren Ergebnissen als intensive Lernmarathons kurz vor der Prüfung. Das Gehirn benötigt Zeit zwischen den Lernphasen, um Inhalte zu konsolidieren.
Konkret umsetzen:
- Plane für jedes Fach mehrere Lerntermine pro Woche ein, statt alles auf einen Tag zu legen
- Beginne mit der Prüfungsvorbereitung mindestens vier bis sechs Wochen im Voraus
- Wiederhole ältere Inhalte in wachsenden Abständen (nach einem Tag, einer Woche, zwei Wochen)
Beim verschachtelten Üben werden verschiedene Themen oder Aufgabentypen abwechselnd bearbeitet, statt ein Thema vollständig abzuschließen, bevor das nächste beginnt. Das fühlt sich anstrengender an, fördert aber die Fähigkeit, Wissen flexibel anzuwenden und Unterschiede zwischen Konzepten zu erkennen.
Konkret umsetzen:
- Wechsel innerhalb einer Lernsession zwischen zwei bis drei verschiedenen Themen
- Mische bei Übungsaufgaben verschiedene Aufgabentypen, statt zehn gleiche hintereinander zu lösen
Neues Wissen bleibt besser haften, wenn es mit bereits Bekanntem verknüpft wird. Fragen Sie sich: Warum ist das so? Wie hängt das mit anderen Konzepten zusammen? Welche Beispiele fallen mir ein?
Konkret umsetzen:
- Erkläre den Stoff einer anderen Person oder dir selbst laut (Feynman-Technik)
- Suche nach Verbindungen zwischen verschiedenen Vorlesungen oder zu Alltagssituationen
- Erstelle Concept Maps, die Beziehungen zwischen Begriffen visualisieren
Lernen mit KI
KI ist ein Werkzeug, keine Abkürzung. Sie kann Lernen, Arbeiten und Forschen unterstützen, ersetzt jedoch weder Eigenleistung noch kritisches Denken oder Transparenz. Gute Lehre bleibt ein menschlicher Prozess, den KI ergänzen und verstärken kann. Entscheidend sind der reflektierte Umgang mit KI sowie das eigenständige Prüfen und Verstehen ihrer Ergebnisse.
KI-Werkzeuge können in vielen Bereichen des Studiums hilfreich sein. Die folgende Übersicht zeigt typische Einsatzfelder mit kurzen Hinweisen zu Chancen und Fallstricken.
KI kann den Einstieg in unbekannte Themen erleichtern, Suchbegriffe vorschlagen und Literaturrecherchen strukturieren. Besondere Vorsicht ist jedoch bei Quellenangaben geboten: Allgemeine Sprachmodelle erzeugen mitunter fehlerhafte oder frei erfundene Titel, Autorinnen und Autoren oder DOIs. Verlässlicher sind spezialisierte Recherchewerkzeuge. Jede zitierte Quelle muss eigenständig geprüft und gelesen werden.
KI kann als unterstützende Erklärungsinstanz dienen, indem sie Konzepte auf unterschiedlichen Niveaus erläutert, Beispiele entwickelt und Verständnisfragen beantwortet. Der Lernerfolg steigt insbesondere dann, wenn Studierende eigene Fragen formulieren, Antworten kritisch reflektieren und diese mit Lehrmaterialien abgleichen. Reines Konsumieren von KI-generierten Erklärungen ohne aktive Auseinandersetzung reduziert den Lerneffekt deutlich.
Beim Verfassen wissenschaftlicher Arbeiten kann KI beim Strukturieren, Formulieren und Überarbeiten unterstützen, etwa durch Vorschläge zur Gliederung, sprachliche Überarbeitung oder das Aufzeigen argumentativer Lücken. Die eigenständige gedankliche Leistung bleibt jedoch unverzichtbar. Vollständig KI-generierte Texte widersprechen in der Regel dem Anspruch wissenschaftlichen Arbeitens und sind häufig auch prüfungsrechtlich unzulässig.
KI-gestützte Programmierwerkzeuge können Codevorschläge liefern, beim Debuggen helfen, Dokumentationen erstellen und den Einstieg in neue Bibliotheken erleichtern. Voraussetzung für einen sinnvollen Einsatz ist, dass der vorgeschlagene Code verstanden, geprüft und gegebenenfalls angepasst wird. Tests und Qualitätssicherung bleiben dabei wesentliche Bestandteile professioneller Arbeit.
KI kann beim Erstellen von Auswertungsskripten, beim Erkunden von Datensätzen sowie bei der Interpretation von Ergebnissen unterstützen. Beim Umgang mit sensiblen oder personenbezogenen Daten sind jedoch besondere Datenschutz- und Sicherheitsanforderungen zu beachten.
Zu den Stärken vieler KI-Werkzeuge gehören Übersetzungen, grammatikalische Korrekturen und die Anpassung sprachlicher Register. Besonders beim Arbeiten mit englischsprachiger Fachliteratur oder beim Verfassen fremdsprachiger Texte kann KI hilfreich sein. Die fachliche Präzision und inhaltliche Korrektheit müssen jedoch stets eigenständig überprüft werden.
KI eignet sich insbesondere in frühen Arbeitsphasen zur Ideensammlung, zum Entwickeln von Gegenargumenten oder zur Erstellung erster Gliederungsvorschläge. Die erzeugten Inhalte dienen dabei als Anregung und Ausgangspunkt, nicht als fertige Lösung.
KI kann zur Erstellung von Übungsaufgaben, Lernkarten und Wissensabfragen genutzt werden sowie zur Erläuterung von Aufgaben aus früheren Prüfungen – sofern dies zulässig ist. Auch hier steht der eigenständige Lern- und Verstehensprozess im Mittelpunkt.
Bildgeneratoren wie DALL·E oder Nano Banana können Illustrationen, Visualisierungen oder Designentwürfe erzeugen und damit Präsentationen oder wissenschaftliche Arbeiten ergänzen. Der Einsatz sollte transparent gemacht und gegebenenfalls mit der Lehrperson abgestimmt werden. Urheberrechtliche und lizenzrechtliche Fragen sind im Einzelfall zu klären.
Der Einsatz von KI entbindet nicht von wissenschaftlicher Verantwortung. Ergebnisse müssen kritisch geprüft, Entscheidungen nachvollziehbar dokumentiert und der Einsatz von KI – soweit erforderlich – transparent gemacht werden. Ziel ist ein reflektierter Umgang mit KI als unterstützendem Werkzeug, nicht die Auslagerung eigenständiger wissenschaftlicher Arbeit.
Generative KI-Systeme
Wenn von KI gesprochen wird, sind in erster Linie sogenannte generative KI-Systeme gemeint. Dazu zählen vor allem große Sprachmodelle (engl. Large Language Models, kurz LLMs), die Texte erzeugen, sowie multimodale Systeme, die zusätzlich Bilder, Audio oder Video verarbeiten und erzeugen können. Diese Systeme basieren auf statistischen Modellen, die aus großen Datenmengen Muster ableiten und darauf aufbauend neue Inhalte generieren.
Prompts
Prompts — also Eingaben an ein KI-System — geben den Kontext und die Anweisungen vor, auf deren Grundlage KI-Systeme statistisch plausible Antworten erzeugen.
Prompt-Engineering bezeichnet das gezielte Formulieren und Vorstrukturieren von Prompts für ein KI-System, um die Antwortqualität zu verbessern. Dazu gehört insbesondere, der KI bereits vor der eigentlichen Anfrage Kontext, Ziele, Rahmenbedingungen, Rollen oder gewünschte Ausgabeformate vorzugeben.
Leitfaden für die KI-Nutzung
Beim Lernen mit KI und insbesondere bei ihrer Nutzung im Rahmen von Prüfungsleistungen stellt sich schnell die Frage, was erlaubt ist und welche Regeln gelten. Unsere Leitfäden unterstützen Sie dabei, sich sicher zu orientieren. Sie erläutern, wie KI verantwortungsvoll eingesetzt werden kann, welche Anforderungen zu beachten sind und worauf es bei der Nutzung in Studium und Prüfungen ankommt.
Wissenschaftliche Integrität, Kennzeichnung und Zitation
Wissenschaftliches Arbeiten setzt Transparenz darüber voraus, welcher Anteil einer eingereichten Leistung selbst erbracht wurde und welche Hilfsmittel verwendet wurden. Für KI gilt dies analog zur Nutzung anderer Hilfsmittel.
Grundprinzip. Wenn KI in einer Leistung eingesetzt wurde — und dies in der jeweiligen Veranstaltung erlaubt ist —, soll die Nutzung kenntlich gemacht werden. Die genaue Form der Kennzeichnung gibt die lehrende Person vor. Fehlt eine solche Vorgabe, empfiehlt sich eine Kennzeichnung im Methoden- oder Hilfsmittelteil der Arbeit.
Vorlage für eine Kennzeichnung (Beispiel):
Bei der Erstellung dieser Arbeit wurde [Name des Werkzeugs, Version, Stand] für folgende Zwecke eingesetzt: [z. B. Recherche von Einstiegsliteratur, sprachliche Überarbeitung einzelner Abschnitte, Strukturierung der Gliederung, Generierung von Codevorschlägen für die Funktion X]. Die Verantwortung für inhaltliche Korrektheit, Auswahl und Bewertung der Ergebnisse liegt vollständig bei der Verfasserin oder dem Verfasser.
Eine solche Erklärung kann je nach Art der Arbeit ausführlicher oder knapper ausfallen. Wichtig ist, dass nachvollziehbar wird, in welchen Phasen und für welche Aufgaben KI eingesetzt wurde.
Eigenverantwortung. Wer KI-Ausgaben in eine Arbeit übernimmt, übernimmt die volle Verantwortung für deren Korrektheit. Halluzinationen, falsche Zahlen, erfundene Zitate oder fehlerhafter Code gehen prüfungsrechtlich zu Lasten der einreichenden Person — nicht zu Lasten des verwendeten Werkzeugs.
Abgrenzung Täuschung und legitime Nutzung. Eine Täuschung liegt vor, wenn KI-Nutzung gegen die Regeln einer Veranstaltung erfolgt oder wenn KI-Nutzung verschwiegen wird, obwohl sie hätte gekennzeichnet werden müssen. Die Folgen können von der Nichtanerkennung der Leistung bis zu prüfungsrechtlichen Konsequenzen reichen. Im Zweifel ist Transparenz die sichere Wahl: Wer offen kennzeichnet, kann allenfalls die Leistung nicht anerkannt bekommen — wer verschweigt, riskiert deutlich mehr.
Wörtliche Übernahmen. Längere wörtliche Übernahmen aus KI-Ausgaben sind wie andere Zitate zu kennzeichnen. Konkrete Zitierregeln entwickeln sich derzeit fort; es empfiehlt sich, die Vorgaben des jeweiligen Fachbereichs oder der Lehrperson einzuholen.
Datenschutz und rechtliche Hinweise
Die Nutzung von KI-Werkzeugen wirft datenschutzrechtliche Fragen auf, die ernst genommen werden müssen. Die folgenden Regeln sollten unabhängig vom verwendeten Werkzeug beachtet werden.
Namen, E-Mail-Adressen, Telefonnummern, Bilder und andere Daten von Dritten — etwa Kommilitoninnen und Kommilitonen, Mitarbeitenden der Hochschule, Interviewpartnerinnen und Interviewpartnern — dürfen ohne ausdrückliche Einwilligung nicht in KI-Werkzeuge eingegeben werden. Dies gilt insbesondere für nicht öffentlich zugängliche Daten.
Klausuraufgaben, interne Dokumente, unveröffentlichte Forschungsdaten oder vertrauliche Projektergebnisse dürfen nicht in öffentlich zugängliche KI-Systeme eingegeben werden. Auch Praxisdaten aus Praktika oder Werkstudententätigkeiten unterliegen oft Vertraulichkeitsverpflichtungen.
Viele Anbieter behalten sich vor, Eingaben zur Verbesserung ihrer Modelle zu verwenden. Was einmal in ein KI-System eingegeben wurde, kann unter Umständen nicht mehr vollständig kontrolliert werden. Manche Werkzeuge bieten Einstellungen, mit denen die Nutzung der Eingaben für Trainingszwecke unterbunden werden kann; diese sollten geprüft und gegebenenfalls aktiviert werden.
Auch eigene personenbezogene Daten sollten mit Bedacht eingegeben werden. Eine Hausarbeit, die persönliche Erfahrungen verarbeitet, ist nicht zwingend ein Anlass, diese Erfahrungen einer kommerziellen KI-Plattform anzuvertrauen.
Texte, Bilder und Programmcode aus urheberrechtlich geschützten Quellen sollten nicht ohne weiteres in KI-Systeme hochgeladen werden. Dies betrifft insbesondere Inhalte, an denen die Hochschule oder Dritte Rechte halten.
Bei Unsicherheiten holen Sie sich Hilfe. Studierende wenden sich an die oder den Datenschutzbeauftragten der Hochschule oder an die jeweilige Lehrperson.
Gute Lehre
Moderne Didaktik, engagierte Lehrkräfte und bewährte Methoden für ein optimales Lernerlebnis
Studiengangskonzept
Entdecke, wie unsere Bachelor- und Masterprogramme strukturiert sind – praxisnah, flexibel und zukunftsorientiert.
