An kanadischen Hochschulen gehört generative künstliche Intelligenz zunehmend zum Studienalltag: Studierende dürften Programme wie ChatGPT oder Gemini zum Entwickeln von Ideen, Zusammenfassen von Texten, Überarbeiten eigener Arbeiten und Vorbereiten von Bewerbungen einsetzen. Mit der nationalen Strategie „AI for All“ hat Kanadas Regierung nun auch eine Initiative zur KI-Kompetenz für Studierende und Lehrende im nachschulischen Bildungsbereich angekündigt. Ein bei Phys.org veröffentlichter Fachbeitrag warnt jedoch davor, KI-Kompetenz an Hochschulen auf technische Bedienkenntnisse zu reduzieren. Gefordert wird ein Ansatz, bei dem Nutzer Ergebnisse prüfen, den Einsatz erklären und für das Endprodukt einstehen.
- Kanadas Strategie „AI for All“ umfasst eine nationale Initiative zur KI-Kompetenz für Studierende und Lehrende.
- Strukturierte Prompts können Lernprozesse unterstützen, garantieren aber keine korrekten Ergebnisse.
- Hochschulen sollen transparent festlegen, bei welchen Aufgaben KI verboten, erlaubt oder ausdrücklich vorgesehen ist.
- Verantwortung tragen nicht nur Studierende, sondern auch Bildungseinrichtungen und Anbieter von KI-Systemen.
Gute Prompts ersetzen keine fachliche Prüfung
Prompt Engineering bezeichnet das planvolle Formulieren und Überarbeiten von Anweisungen an generative KI. Dabei werden etwa Aufgabe, Zielgruppe, Kontext, Belege und gewünschtes Ausgabeformat festgelegt. Diese Fähigkeiten überschneiden sich mit klassischen Grundsätzen professioneller Kommunikation: Auch bei einem Bericht oder einer Pressemitteilung müssen Zweck und Adressaten vor dem Schreiben geklärt sein.
Eine im Beitrag angeführte systematische Übersichtsarbeit kommt zu dem Ergebnis, dass strukturiertes Prompten das Lernen unterstützen kann, wenn Studierende ihre Anweisungen bewusst formulieren, testen und verbessern. Lehrende könnten sie beispielsweise mehrere Prompts vergleichen und begründen lassen, warum Änderungen zu anderen Ergebnissen geführt haben. Damit würde nicht allein das fertige Produkt bewertet, sondern ein Teil des Denkprozesses sichtbar.
Selbst ein sprachlich überzeugendes KI-Ergebnis kann jedoch falsch, einseitig oder unzureichend belegt sein.
Generative Systeme können laut dem Beitrag Quellen erfinden, Unsicherheiten verschleiern oder unzutreffende Aussagen mit großer Sicherheit präsentieren. Ein gut formulierter Prompt garantiert deshalb keine verlässliche Antwort. Die Verantwortung für übernommene Inhalte verbleibt beim Menschen, der sie verwendet.
Verantwortliche KI-Kompetenz umfasst auch Verzicht
Der vorgeschlagene Begriff einer verantwortlichen KI-Kompetenz geht über Faktenkontrolle hinaus. Studierende sollten erklären können, wofür sie ein System eingesetzt haben, wie sie dessen Aussagen überprüften und ob vertrauliche Informationen eingegeben wurden. Wenn eine Offenlegung vorgeschrieben ist, müssten sie den Beitrag der KI kenntlich machen, ohne die Verantwortung für die fertige Arbeit an das Programm abzugeben.
Dazu gehört ebenso die Entscheidung, KI nicht einzusetzen. Der Fachbeitrag nennt dafür drei grundsätzliche Fälle: die Eingabe privater Informationen in kommerzielle Plattformen, die Auslagerung folgenreicher Entscheidungen sowie Aufgaben, die bewusst dem Aufbau grundlegender eigener Fähigkeiten dienen.
Für Hochschulen bedeutet das: KI-Kompetenz ist nicht nur Bedienwissen, sondern verbindet Fachkenntnis, Urteilsvermögen, Datenschutz und persönliche Verantwortlichkeit.
Diese Debatte ist auch für Hochschulen im deutschsprachigen Raum relevant. Wo KI in Seminararbeiten oder Prüfungen eingesetzt wird, reichen pauschale Verbote oder unklare Erlaubnisse kaum aus, um nachvollziehbare Maßstäbe zu schaffen. Klare Regeln würden Studierenden zeigen, welche Unterstützung zulässig ist und welche Eigenleistung erwartet wird.
Klare Aufgabenregeln sollen Erkennungssysteme ergänzen
Die Verantwortung soll nach Auffassung des Beitrags nicht allein bei den Studierenden liegen. Hochschulen müssten verständliche Erwartungen formulieren und Prüfungen so gestalten, dass Arbeitswege und Entscheidungen erkennbar werden. Lehrende könnten Überarbeitungsschritte dokumentieren lassen, Begründungen einfordern und Studierende reflektieren lassen, an welchen Stellen KI ihre Arbeit verbessert hat – und an welchen nicht.
Eine angeführte Pilotstudie empfiehlt, Aufgaben in drei Gruppen einzuordnen: KI ist entweder untersagt, erlaubt oder ausdrücklich in die Bearbeitung integriert. Ein solches Modell könnte konkretere Orientierung bieten als ein vollständiges Verbot oder eine allgemein gehaltene Freigabe.
Auch die Auswahl der Plattformen bleibt eine institutionelle Aufgabe. Wenn Hochschulen die Nutzung kommerzieller Produkte verlangen, können dabei Daten der Studierenden betroffen sein und Abhängigkeiten von privaten Technologieanbietern entstehen. Zugleich bleiben die Unternehmen für Systemgestaltung, Datenpraktiken und Aussagen über die Zuverlässigkeit ihrer Produkte verantwortlich.
Welche Regeln für den KI-Einsatz in Studium und Prüfungen halten Sie für sinnvoll: klare Aufgabenkategorien, Offenlegungspflichten oder strengere Grenzen?
