Einsatz von künstlicher Intelligenz im Studium

Vokabel- und Begriffskarten zum Thema 'Einsatz von künstlicher Intelligenz im Studium' (ZHAW Gesundheit), basierend auf den Vorlesungsnotizen von Gerda Neumeyer.

Künstliche Intelligenz (KI)

Umfasst eine Vielzahl von Technologien, die es Maschinen ermöglichen, Informationen zu verarbeiten, Muster zu erkennen, aus Daten zu lernen und Entscheidungen zu treffen (UNESCO, 2023a).

Maschinelles Lernen (ML)

Teilgebiet der Künstlichen Intelligenz, das Algorithmen entwickelt, die aus Daten lernen und Muster erkennen, um Vorhersagen oder Entscheidungen zu treffen, ohne explizit dafür programmiert zu sein (Mitchell, 1997).

Generative KI (genKI)

Ein auf maschinellem Lernen basierender Teilbereich der KI, der neue Inhalte wie Text, Bilder, Audio oder Video erzeugen kann, die menschlichen Produkten ähneln (UNESCO, 2023a).

KI-Tools

Spezialisierte Software und Plattformen, die entwickelt wurden, um Aufgaben auszuführen, die traditionell menschliche Intelligenz wie Problemlösung, Entscheidungsfindung, Sprachverständnis oder Mustererkennung erfordern (Kuleto et al., 2023).

Prompt

Eine spezifische Eingabeaufforderung an ein KI-System, die im Idealfall Rolle, Aufgabe, Kontext/Bedingungen, Ziel und das gewünschte Format/Output umfasst.

Fachliche Rollen (beim Prompting)

Inhaltlich-thematische Rollenzuweisungen an die KI (z. B. Pflegewissenschaftler:in, Ethiker:in, Psycholog:in, Methodenexpert:in), um eine fundierte thematische Auseinandersetzung zu gewährleisten.

Begleitende Rollen (beim Prompting)

Prozessunterstützende Rollenzuweisungen an die KI (z. B. Betreuer:in/Mentor:in, wissenschaftliche Schreibberater:in, Literaturcoach, APA-Expert:in) zur Unterstützung beim Planen und wissenschaftlichen Schreiben.

Konkrete Arbeitsrollen (beim Prompting)

Umsetzungsorientierte Rollen für die KI (z. B. Gliederungsarchitekt:in, kritische Leser:in, Paraphrasierer:in, sprachliche Lektor:in, KI-Ethik-Wächter:in) zum Mitdenken, Formulieren und Optimieren.

Antwortlevel 1 – Minimal

Sehr kurze, einfache und leicht verständliche Antwort, die sich ohne vertiefte Erklärungen, Begründungen oder Beispiele auf die wesentlichen Informationen beschränkt.

Antwortlevel 2 – Kompakt

Kurze, präzise, fachlich korrekte und praxisorientierte Antwort.

Antwortlevel 3 – Differenziert

Vertiefte Antwort mit nachvollziehbaren Begründungen, Zusammenhängen, Beispielen und kritischer Einordnung.

Antwortlevel 4 – Wissenschaftlich vertieft

Umfassende, systematische und kritisch-reflektierte Analyse unter Berücksichtigung unterschiedlicher Perspektiven, wissenschaftlicher Evidenz und Limitationen.

Vier Prüffragen zur Evaluation KI-generierter Inhalte

Kriterien zur Verifikation von KI-Aussagen nach Bedi et al. (2025): Richtigkeit (fachlich korrekt?), Quellen (existent und aussagekräftig?), Aktualität (aktueller Wissensstand?) und Kontext (übertragbar?).

Verzerrungen und Vorurteile (Bias)

Das Risiko generativer KI, gesellschaftliche Stereotype zu reproduzieren, Bevölkerungsgruppen unausgewogen darzustellen und scheinbar neutrale Aussagen mit normativen Annahmen zu versehen (UNESCO, 2023a).

Wissenschaftliche Integrität

Die Verpflichtung zu ehrlicher, sorgfältiger, transparenter und verantwortungsvoller wissenschaftlicher Arbeitsweise, basierend auf Verlässlichkeit, Redlichkeit, Respekt und Verantwortung.

Transparenzgebot beim KI-Einsatz

Die Pflicht zur genauen Offenlegung, welches KI-Tool bzw. Large Language Model verwendet wurde, für welche konkreten Arbeitsschritte es diente und wie die Resultate überprüft wurden (ICMJE, 2026).

KI als Lernpartner:in vs. Ersatz

Legitime Unterstützung zum Verständnisaufbau (Erklären von Begriffen, Aufdecken von Argumentationslücken) im Gegensatz zur unzulässigen Täuschung durch das Einreichen KI-generierter Argumentationen als eigene Leistung.

Hybridstrategie

Verantwortungsvoller Ansatz für das Hochschulstudium, der die gezielte Unterstützung durch KI-Tools mit eigener kritischer und vertiefter wissenschaftlicher Arbeit kombiniert.

Entscheidungshilfe zur Nutzung von ChatGPT (UNESCO, 2023b)

Stufenmodell, wonach KI nur dann genutzt werden darf, wenn der Wahrheitsgehalt irrelevant ist oder der Nutzende über die Expertise zur Prüfung verfügt und bereit ist, die volle Verantwortung für Fehler zu tragen.