ChatGPT & KI im Unterricht

Das langfristige Ziel für einen zeitgemäßen Unterricht, der digitale Medien und Werkzeuge der künstlichen Intelligenz einbezieht, sollte ein grundlegender Wandel der Lernkultur sein. Der Wandel sollte von einem lehrerzentrierten, behavioristischen Ansatz hin zu einem schülerzentrierten, konstruktivistischen Lernverständnis erfolgen. In einem solchen Umfeld steht nicht mehr die reine Wissensvermittlung im Vordergrund, sondern die aktive Beteiligung der Schülerinnen und Schüler am Lernprozess. 

Durch die Kombination einer guten IT-Ausstattung, wie z.B. die Bereitstellung von 1:1 Schülertablets, mit einem konstruktivistischen Ansatz können völlig neue Lernszenarien im Unterricht entwickelt werden. Diese Szenarien fördern das eigenständige Entdecken und Erforschen von Wissen unter Einbeziehung digitaler Werkzeuge und KI-Technologien. 

Ein Zugang zu solchen schülerzentrierten Lernszenarien ist die Verknüpfung von KI-Tools mit offenen, forschenden, experimentellen und projektartigen Arbeitsaufträgen. Mit einer offen formulierten Aufgabenstellung, z.B. im Rahmen einer Projektarbeit, werden die Schülerinnen und Schüler zu Produzenten ihres eigenen Wissens. Digitale Medien können dabei Lernprozesse durch den schnellen Zugriff auf Informationen und die einfache Erstellung multimedialer Produkte unterstützen. Im Rahmen der Projektmethode erfahren die Lernenden ein hohes Maß an Handlungsorientierung, Selbstwirksamkeit, sozialer Eingebundenheit und Autonomie. 

Die Verbindung von digitalen Medien mit offenen und forschenden Aufgabenstellungen leistet gleichzeitig einen wichtigen Beitrag zur (Selbst-) Differenzierung und fördert prozessbezogene Kompetenzen.

Im Folgenden werden drei Projektbeispiele aus den Fächern Physik und Mathematik vorgestellt, in denen KI-Werkzeuge kokreativ eingesetzt werden konnten. Insbesondere das zweite Projekt „Learning-Snack“ ist auf alle anderen Fächer übertragbar.

1. Projekt-Beispiel: Lichterketten & Klimaschutz

Auslöser für die Projektarbeit "Lichterketten und Klimaschutz" im Physikunterricht der 9. Klassenstufe war ein Werbeplakat in einem Baumarkt in der Nähe der Schule mit der Aussage "Der Betrieb unserer Lichterketten kostet weniger als eine Tasse Kaffee im Monat!“ Dem gegenüber stand die mediale Forderung der Deutschen Umwelthilfe, aus Klimaschutzgründen auf Weihnachtsbeleuchtung zu verzichten.

Beide Positionen sollten von den Schülerinnen und Schülern der 9. Klasse in Partnerarbeit selbstständig nachvollzogen und miteinander verglichen werden. Dazu arbeiteten die Lernenden vier Wochen lang in Freiarbeit sowohl im Unterricht als auch zu Hause. Als abschließendes Lernprodukt sollte ein Erklärvideo erstellt werden, in dem den zunächst widersprüchlichen Aussagen mit wissenschaftlichen Methoden auf den Grund gegangen wird. Dabei musste auf die korrekte Angabe von Messwerten, Formeln und Energiekosten sowie auf das Copyright der verwendeten Bilder geachtet werden. 

Für die Erstellung des Lernproduktes, in diesem Fall ein Erklärvideo, konnten die Schülerinnen und Schüler während des gesamten Projektes auf ChatGPT 4.o und den Bildgenerator Dall-E zurückgreifen. Viele Gruppen nutzten vor allem ChatGPT zu Beginn sehr intensiv, stellten aber schnell fest, dass Inhalt und Umfang der Antworten oft nicht dem gewünschten Ziel entsprachen. Daher erschien der Einsatz erst gegen Ende des Projekts sinnvoll, vor allem um Bilder zur Visualisierung des Erklärvideos zu erstellen und den Moderationstext zu verbessern. 

Der Projektbericht mit den Ergebnissen der Schülerinnen ist unter folgendem Link abrufbar: https://bit.ly/3tjfgjn. Die Aufgabenstellung für das Projekt wurde bewusst völlig ergebnisoffen gestaltet, so dass es nicht nur eine richtige Lösung gibt. Dieser Ansatz unterscheidet sich deutlich von den typischen geschlossenen Aufgabenstellungen, die bisher den MINT-Unterricht dominieren. Im Zeitalter der künstlichen Intelligenz machen geschlossenen Aufgabenstellungen für ein Referat, eine GFS oder ein Erklärvideo keinen Sinn mehr. Das eine richtige Ergebnis wäre durch die Antwort von ChatGPT sofort verfügbar und müsste von den Lernenden ohne eigene Denkleistung nur noch abgeschrieben werden.

2. Projekt-Beispiel: Übungsaufgaben zu den binomischen Formeln

In der 8. Klasse wurden im Rahmen einer Übungsphase im Mathematikunterricht von den Schülerinnen und Schülern Apps im Chat-Format (Learning-Snack) entwickelt. Die Aufgabe für die Partnergruppen bestand zunächst darin, sechs Mathematikaufgaben zum Algorithmus der binomischen Formeln mit ansteigendem Schwierigkeitsgrad zu entwerfen und eine vollständige Musterlösung zu berechnen. 

Eigentlich hätte das Projekt mit dem Erstellen und Lösen der Aufgaben beendet sein können: Die Schülerinnen und Schüler haben genug Mathematik gemacht. Aber wozu - was hätte es gebracht, einfach sechs Aufgaben zu erfinden? Die sechs Aufgaben sollten schließlich in einen motivierend gestalteten Learning-Snack eingebettet werden.

Während der Projektlaufzeit standen den Schülerinnen und Schüler drei KI-Tools zur Verfügung: PhotoMath zur Überprüfung der selbst erstellten Aufgaben, ChatGPT zur Inspiration für eine motivierende Chat-Geschichte und Bild-KI zur Visualisierung des Chat-Verlaufs. 

Die mathematische Kompetenz im Projekt basierte „nur“ auf dem Erfinden, Lösen und Korrigieren von Aufgaben unter Verwendung der Algorithmen der binomischen Formeln. Die Erstellung der „Skinner-App“ Learning-Snack, die von Medienpädagogen u.a. wegen der geschlossenen Aufgabenformate häufig kritisiert wird, erfolgte aus rein motivationalen Gründen. Auch die Einbettung in eine teilweise an ChatGPT angelehnte Geschichte sowie die Visualisierung mit Bildern und einem Werbeposter für den Schulflur dienten weniger dem mathematischen Verständnis als vielmehr der fächerübergreifenden Förderung von Kreativität, Teamarbeit, Motivation, Kommunikation, dem Umgang mit dem gerade erst eingeführten 1:1-Tablet sowie dem Lernen mit und über künstliche Intelligenz. 

Der Projektbericht mit den Ergebnissen der Schülerinnen steht unter folgendem Link zur Verfügung: https://bit.ly/3VuJUB4. Die Aufgabenstellung ist an jedes Fach anpassbar und in vielen Klassenstufen durchführbar.

3 . Projekt-Beispiel: Die Sektglas-Musik-Eisenbahn

Im Physik-Leistungskurs der 12. Klasse sollten die Schülerinnen und Schüler mit einer vorhandenen Spielzeugeisenbahn Weihnachtslieder erklingen lassen, indem der Zug unterschiedlich gefüllte Sektgläser anschlägt. Das Schülerprojekt war eingebettet in die Unterrichtseinheit „Schwingungen und Wellen“. Im Vorfeld wurden Phänomene wie das Schweben zweier Töne, die Dämpfung eines Tones und stehende Wellen an einer Gitarrensaite und in einer Orgelpfeife behandelt.

Im Projekt mussten die Gruppen zunächst Sektglas-Kalibrierkurven für den Zusammenhang zwischen Füllhöhe und Tonhöhe ermitteln und damit die Tonverhältnisse bestimmen. Es stellte sich jedoch heraus, dass sich baugleiche Sektgläser klanglich deutlich unterschieden und die Eichkurve daher nur eine Näherung darstellte. Um die Glasabstände für Halbe, Viertel- und Achtelnoten zu bestimmen, musste die Geschwindigkeit der Modelleisenbahn durch Videoanalyse ermittelt werden. Dabei zeigte sich, dass der Zug aufgrund des elektrischen Widerstandes in den Schienen keine konstante Geschwindigkeit beibehielt und die berechneten Glasabstände mit zunehmendem Abstand zur stromzuführenden Schiene vergrößert werden mussten. Im Rahmen des Experimentalprojekts haben die Schülerinnen und Schüler viele bisher unbekannte naturwissenschaftliche Herausforderungen gelöst: Kreativität, Ideenreichtum und Ausdauer waren gefragt.

Der Einsatz von KI-Werkzeugen war für das Projekt von Anfang an zur ko-kreativen Nutzung erlaubt. Aufgrund des experimentellen Charakters der Aufgabenstellung und den physikalischen Herausforderungen erschien den Schülerinnen und Schüler der Nutzen von KI zunächst gering. Erst bei der Erstellung des abschließenden Projektberichts in Form eines Erklärvideos wurde ChatGPT zur Ideenfindung für ein motivierendes Video-Intro, zur Verbesserung des Moderationstextes und zur Erstellung von Hintergrundbildern eingesetzt. 

Der Projektbericht mit den Ergebnissen der Schülerinnen und Schüler ist unter folgendem Link abrufbar: https://bit.ly/3BAsOuK

Grundlage für eine transparente und nachvollziehbare Benotung der Projektarbeiten ist ein Erwartungshorizont. Dieser Erwartungshorizont dient den Schülerinnen als Orientierungshilfe während der selbstständigen Erarbeitungsphase. Er enthält klare und objektive Bewertungskriterien, die den Schülerinnen helfen, die Anforderungen und Erwartungen an ihre Arbeit besser zu verstehen und zu erfüllen.

Der Erwartungshorizont wurde so gestaltet, dass er nicht nur die inhaltlichen Aspekte der Projektarbeit abdeckt, sondern auch andere wichtige Kriterien wie Kreativität, Teamarbeit, Problemlösungskompetenz und den Einsatz digitaler Werkzeuge berücksichtigt. Diese umfassende Herangehensweise ermöglichte es, die vielfältigen Kompetenzen der Schülerinnen und Schüler zu bewerten, die im Rahmen des Projekts gefordert waren.

Zusätzlich zur kriteriengeleiteten Bewertung des Lernprodukts durch den Lehrer bei der Projektarbeit sollte auch ein besonderer Fokus auf die Entwicklung der Bewertungskompetenz der Schülerinnen und Schüler gelegt werden. Dies kann durch den Einsatz von Selbstbewertungsverfahren und Peer-Feedback erreicht werden.

Selbstbewertungsverfahren ermöglichten es den Lernenden, ihre eigene Arbeit kritisch zu reflektieren und ihre Stärken und Schwächen zu erkennen. Diese Selbstreflexion förderte ein tieferes Verständnis des eigenen Lernprozesses und half den Schülerinnen und Schüler, sich realistische Ziele für ihre weitere Entwicklung zu setzen. 

Das Peer-Feedback, bei dem die Lernenden die Arbeiten ihrer Mitschülerinnen und Mitschüler bewerteten, trug ebenfalls zur Entwicklung ihrer Beurteilungskompetenz bei. Durch diesen Prozess lernen sie, konstruktives Feedback zu geben und zu erhalten, was ihre Kommunikationsfähigkeiten und ihr kritisches Denken stärkt. Darüber hinaus fördert das Peer-Feedback ein kooperatives Lernumfeld, in dem die Schüler*innen voneinander lernen und sich gegenseitig unterstützen.

Nach dem Peer-Feedback durfte das Lernprodukt durch die jeweiligen Gruppen überarbeitet und für die finale Lehrernote abgegeben werden. Die Lehrerbewertung erfolgte dabei unabhängig von der Selbsteinschätzung und dem Peer-Feedback.

Die finale Lehrerbewertung wurde durch die Methode des „Audio-Feedbacks“ begründet. Mit Hilfe eines aufgezeichneten verbalen Feedbacks ist es der Lehrkraft möglich, die Bewertung intensiver zu begründen und dabei auch mögliche Diskrepanzen zwischen Lehrer-, Selbst- und Fremdeinschätzung zu thematisieren. 

Das größte Potenzial für die digitale Lehre liegt in naher Zukunft im Einsatz von KI-basierten ChatBots. Erste Anbieter aus Deutschland wie TutorSpace mit seinem ChatBot ALENA oder fobizz mit seinem KI-Tool-Assistenz bieten bereits innovative Lösungen an, die den Zugang zu virtuellen Lehrkräften ermöglichen. Diese Systeme bieten datenschutzkonforme Schnittstellen zu ChatGPT 4.o und kombinieren diese mit leistungsfähigen Plugins wie dem Mathematikprogramm Wolfram Alpha.

Selbst handgeschriebene Aufsätze oder Rechnungen können von den Lernenden als Bild in die ChatBots eingefügt werden - das KI-System diagnostiziert sofort den Fehler in der Herleitung und leitet detailliert die richtige Lösung der Aufgabe her. 

Ein weiterer vielversprechender Ansatz zur Individualisierung des Unterrichts sind textbasierte Live-Feedback-KI-Systeme, die individuelles Feedback zu Aufsätzen von Schülerinnen in Deutsch und Fremdsprachen geben. Beispiele hierfür sind die Plattform FelloFish (früher fiete) oder das Tool „Feedback für Schüler*innen“ von fobizz.  Das digitale Feedback orientiert sich an Kriterien, die die jeweilige Lehrkraft im Vorfeld festgelegt hat. Diese Systeme ermöglichen ein maßgeschneidertes Feedback, das auf die spezifischen Bedürfnisse und Lernziele der Schülerinnen eingeht. Die Lernenden können sich das Feedback vorlesen lassen und gezielt nachfragen stellen. Zu den Vorteilen der Systeme gehört die schnelle und unvoreingenommene Rückmeldung. Nachteile sind die teilweise noch oberflächliche Rückmeldung, die Volatilität und mögliche Fehler im Antworttext.

Auch wenn ChatBots und Live-Feedback-Systeme das didaktische Fachwissen, die Kreativität und das Einfühlungsvermögen einer menschlichen Lehrkraft nicht ersetzen können, bieten sie doch wertvolle Unterstützungsmöglichkeiten. Sie können in allen Klassenstufen als individuelle Lernhilfen eingesetzt werden, insbesondere bei der Bearbeitung von Hausaufgaben, bei der Nachhilfe oder bei der Vorbereitung auf Prüfungen. 

Beim Einsatz von KI-Tools in der Schule ist der Schutz personenbezogener Daten von Schülerinnen und Schülern von größter Bedeutung. Die gesetzlichen Bestimmungen, insbesondere die Datenschutz-Grundverordnung (DSGVO) und der KI-Act der EU, müssen eingehalten werden.

Für einen DSGVO-konformen Einsatz können Schulen über eine Schullizenz auf kommerzielle Anbieter wie fobizz, SchulKI und EduBot zurückgreifen. Einzelne Bundesländer wie Rheinland-Pfalz und Mecklenburg-Vorpommern haben für solche Tools bereits Landeslizenzen für alle Lehrkräfte abgeschlossen. Einzelne Kommunen wie die Stadt Freiburg haben eine KI-Tool Schulträgerlizenz über fobizz angeschafft und damit die Lehrkräfte aller städtischen Gymnasien ausgestattet. 

Über die datenschutzkonformen KI-Systeme der genannten Anbieter haben alle Lehrkräfte der Schule vollen Zugriff auf die leistungsfähige Version von ChatGPT 4.0 und können diese auch zur Unterrichtsvorbereitung nutzen. 

Für den aktiven Einsatz im Unterricht eröffnet die Lehrkraft im jeweiligen System einen virtuellen Klassenraum, formuliert darin einen Arbeitsauftrag und schaltet die dafür benötigten KI-Werkzeuge für die Lernenden frei. Die Schülerinnen und Schüler greifen ohne Benutzerkonto pseudonym über einen QR-Code auf ChatGPT 4.o zu und können die KI-Tools für einen von der Lehrkraft festgelegten Zeitraum (z.B. 1 Woche) auch zu Hause nutzen. Dabei werden keine persönlichen Daten der Lernenden erfasst oder an die KI übermittelt. Die übermittelten Inhalte werden auch nicht zur Verbesserung des jeweiligen KI-Systems verwendet.

Um den Anforderungen des EU AI Acts gerecht zu werden, sind die Schulen unter anderem verpflichtet, die Nutzung der eingesetzten KI-Tools gegenüber Schülern und Eltern transparent zu machen. Dies kann z.B. durch einen Artikel auf der Schulhomepage geschehen. Beispiel: https://bit.ly/KI-Schule

Darüber hinaus sieht der EU AI Act für den Einsatz der Systeme schulinterne Fortbildungen vor, damit die Lehrkräfte vor dem Einsatz im Unterricht über grundlegende KI-Kenntnisse zu Funktionsweise, Risiken und rechtlichen Rahmenbedingungen verfügen. 

Bereits heute gibt es zahlreiche Möglichkeiten, KI-Werkzeuge sowohl in den Unterricht als auch in Prüfungen zu integrieren. Dabei ist es wichtig nicht nur die Chancen, sondern vor allem auch die Risiken im Umgang mit KI-Technologien zu thematisieren. Dazu gehören Fragen des Datenschutzes, die Gefahr der Abhängigkeit von der Technologie, Aspekte der Nachhaltigkeit, mögliche Verzerrungen in den Algorithmen und die Notwendigkeit, kritisches Denken und ethisches Bewusstsein zu fördern. Diese Aspekte sollten integraler Bestandteil der Diskussionen im Unterricht sein, um die Schülerinnen und Schüler auf einen verantwortungsvollen Umgang mit KI vorzubereiten.

Langfristiges Ziel sollte es sein, dass der kompetenzorientierte Einsatz von digitalen Medien und KI-Werkzeugen von Lehrkräften nicht als Herausforderung, sondern als selbstverständlicher Teil der Lern- und Prüfungskultur im Unterricht gesehen wird. Um dies zu erreichen, ist es von entscheidender Bedeutung, Lehrerinnen und Lehrer umfassend fortzubilden und ihnen die notwendigen zeitlichen Ressourcen sowie datenschutzkonforme Zugänge zur Verfügung zu stellen. Sie sollten in die Lage versetzt werden, die Vorteile von künstlicher Intelligenz zu erkennen und diese kreativ und effektiv in ihre Unterrichtspraxis zu integrieren.