Pädagogisch kluge Weiternutzung von offenen Inhalten unter Nutzung von KI-Sprachmodellen

Eine aus meiner Sicht sehr wichtige Regel im Umgang mit KI-Sprachmodellen lautet:

Mit Interaktion und Input wird der generierte Output besser!

• Mit Interaktion meine ich, dass ein ‚Nachprompten‘, also das Weiterchatten und Nachhaken, oft hilfreicher sein kann, als direkt den ersten generierten Output zu nutzen.
• Input kann erstens bedeuten, dass ein Prompt ausführlich formuliert ist und insbesondere den Kontext der Anfrage enthält. Zweitens kann Input auch bedeuten, dass ich einen bereits bestehenden und von mir gezielt ausgewählten Inhalt in den Prompt für die Generierung des Outputs beifüge.

In diesem Blogbeitrag beschäftige ich mich mit dieser zweiten Variante von ‚Input‘.

Gute Gründe für die Weiternutzung bestehender Inhalte

Aus einer pädagogischen Perspektive und als überzeugte Unterstützerin von mehr Offenheit in der Bildung finde ich die Option, bestehende Inhalte bei der Nutzung von KI-Sprachmodellen zu verwenden, aus drei Gründen sehr vielversprechend:

1. Man muss das Rad nicht neu erfinden, sondern baut auf bereits bestehenden Inhalten auf und entwickelt diese weiter.
2. Technologie wird nicht zur Vereinfachung und Automatisierung genutzt, sondern zum Lernen.
3. Der Zugang zu Bildungsinhalten kann erweitert werden.

Fünf mögliche Nutzungsszenarien

Ich möchte die Weiternutzung bestehender Inhalte im Kontext von KI-Sprachmodellen anhand von fünf praktischen Nutzungsszenarien erläutern. Alle Nutzungsszenarien haben gemein, dass es einen bestehenden Inhalt gibt, den ich in meinem Prompt weiternutze, um damit gutes Lernen zu ermöglichen.

1. Auseinandersetzung mit Inhalten vorbereiten

Ein inhaltlicher Prompt kann erstens dazu dienen, eine dann folgende Auseinandersetzung mit dem Inhalt vorzubereiten. KI-Sprachmodelle können in diesem Fall genutzt werden, um Zusammenfassungen bzw. Teaser zu dem bestehenden Inhalt zu erstellen. Im besten Fall sind diese so motivierend formuliert, dass das Interesse geweckt wird, sich den Inhalt genauer anzuschauen.

Wie immer bei einem inhaltlichen Prompt würde ich dazu erstens den Inhalt, den ich anteasern will, eingeben und zweitens als Prompt dazu schreiben, dass ich zu diesem Inhalt eine Zusammenfassung benötige. Hilfreich ist es, genau zu schreiben, in welchem Format die Zusammenfassung erfolgen soll. Beispielsweise möglichst kurz und prägnant, unter Nennung der wichtigsten These, als klassischer Hook (z.B. eine Frage, die sich wahrscheinlich die lernende Person auch stellt und auf die sie im Inhalt eine Antwort erhält)… Außerdem finde ich es hilfreich, im Prompt festzuhalten, warum der angeteaserte Inhalt insbesondere für die jeweilige Zielgruppe relevant ist.

Hier ist ein konkretes Beispiel, wie so etwas aussehen könnte:

Ich gestalte für einen KI-Lerntag mit Menschen, die in der Erwachsenenbildung arbeiten, mehrere inhaltliche Stationen, die die Kolleg*innen sich selbst erkundend erschließen können. Für die Stationen nutze ich insbesondere auch viele Inhalte weiter, die ich in meinem Blog veröffentlicht habe, beispielsweise einen Blogbeitrag zu KI und Bias. Jede Station soll auf einer Übersichtsseite kurz angeteasert werden. Mein Prompt für den Teaser der ‚KI und Bias‘-Station könnte lauten: „Hier ist ein ausführlicher und kritisch formulierter Text zu KI und Bias. (Blogbeitrag einfügen). Fasse kurz und prägnant zusammen, worum es in dem Text geht. Schreibe im Stil einer Zusammenfassung und sprich die Lesenden in der Du-Form an. Ergänze, warum das Thema vor allem für pädagogisch tätige Menschen in der Erwachsenenbildung relevant ist. Beginne mit: ‚In diesem Blogbeitrag kannst du …„

Als Ergebnis erhalte ich dann beispielsweise diesen Text:

„In diesem Blogbeitrag kannst du lernen, wie stark KI-generierte Inhalte durch Vorurteile und gesellschaftliche Stereotype beeinflusst sind. Der Text zeigt anhand von zwei Experimenten, dass gezieltes Prompting, um Diversität in Bildern zu erzeugen, oft nicht ausreicht, um Bias zu überwinden. Die KI-Tools reproduzieren bestehende Vorurteile, die in den Trainingsdaten verankert sind, und dies beeinflusst den Output. Für pädagogisch tätige Menschen in der Erwachsenenbildung ist dieses Thema besonders relevant, weil es zeigt, wie wichtig es ist, KI kritisch zu reflektieren und Lernende für die Problematik von Bias in KI-Systemen zu sensibilisieren. Es wird deutlich, dass ein tieferes Verständnis der Funktionsweise von KI und die Förderung einer diskriminierungsfreien Gesellschaft grundlegende Bildungsziele sein sollten.“

Aus meiner Sicht gelingt es mit dieser kurzen Zusammenfassung gut, den Lernenden einen Eindruck davon zu vermitteln, um was es im dann folgenden Inhalt gehen wird. Außerdem wird ihnen direkt die Relevanz des Inhalts für ihren Kontext verdeutlicht.

2. Anker im Kopf setzen

Ähnlich wie die Generierung von Zusammenfassungen eine Auseinandersetzung mit ausgewählten Inhalten vorbereiten kann, funktioniert das auch mit der Variante ‚Anker im Kopf setzen‘. Der Unterschied ist, dass bei der Ankersetzung nicht nur zusammengefasst wird, sondern dass wesentliche Aspekte des Inhalts in einem von mir gewünschten Format im Überblick dargestellt werden. Wenn Lernende sich dann mit dem ausgewählten Inhalt auseinandersetzen, verfügen sie über mehrere Anker, an die sie ihre neuen Erkenntnisse anschließen können. (Eine ähnliche Funktion würde bei einem Buch ein Inhaltsverzeichnis erfüllen: Ich kann mir hier als lernende Person erst einmal einen Überblick verschaffen, worum es in dem Buch geht. Auf dieser Grundlage ist es dann einfacher, strukturiert zu lesen.)

Auch hier ein konkretes Beispiel:

Ich habe einen längeren Text darüber geschrieben, was für mich in einer zunehmend von KI-Sprachmodellen geprägten Welt Kriterien für gute Texte wären und ob bzw. wie man KI-generierte Inhalte gegebenenfalls auszeichnen soll. Ich möchte diesen Text nun als Diskussionsgrundlage in einem Lernangebot nutzen. Das Ziel ist es, gemeinsam zu diskutieren, welche Regeln für KI-generierte Inhalte sinnvoll erscheinen. Ich möchte in diesem Fall mit den Kolleg*innen nicht nur meinen Blogbeitrag teilen, sondern auch eine Art ausführliches Inhaltsverzeichnis, das Orientierung beim Lesen geben kann. Dazu nutze ich den folgenden Prompt: „Hier ist ein ausführlicher Text zu Gütekriterien von Texten angesichts der immer weiteren Verbreitung von KI-Sprachmodellen. (Blogbeitrag einfügen). Schreibe zu diesem Text eine Liste der darin enthaltenen Thesen in chronologischer Reihenfolge. Orientiere dich dabei an den im Text genutzten Überschriften. Diese Liste soll den Lernenden helfen, sich den Text besser zu erschließen.“

(Der Zusatz ‚Orientiere dich an den Überschriften‘ hat sich in meiner Praxis als sehr zielführend herausgestellt, weil dadurch sichergestellt wird, dass der Output sich wirklich nah am Text bewegt und es für die Lesenden einfach ist, sich an dem entstandenen Output zu orientieren.)

Hier ist das Ergebnis, das ich zum Beispiel erhalten habe:

Diese Nutzungsmöglichkeit finde ich übrigens nicht nur aus der Perspektive einer lehrenden, sondern auch aus der einer lernenden Person hilfreich. Denn wenn ich selbst in der Rolle einer lernenden Person bin, hilft mir solch ein Prompt oft, um mir ausführliche Texte besser zu erschließen.

3. Inhalte transformieren

Die Generierung eines ausführlichen Inhaltsverzeichnisses ist bereits ein Beispiel für eine Transformation eines bestehenden Inhalts. Hier gibt es jedoch noch viele weitere Möglichkeiten. Oft kann die Transformation auch so gestaltet sein, dass gar nicht mehr zum ursprünglichen Inhalt verlinkt wird, sondern ein neuer Text basierend auf einem bestehenden Inhalt entsteht, mit dem sich Lernende auseinandersetzen können.

Hier sind ein paar Beispiele:

• Ein Text wird in einfache Sprache umformuliert.
• Ein Transkript gesprochener Sprache wird in Schriftsprache umgewandelt.
• Die wichtigsten Thesen eines Inhalts werden zusammengefasst und auf den Inhalt dann nur noch vertiefend Bezug genommen.
• Es wird nur das generiert, was zu einem bestimmten Thema in einem Inhalt enthalten ist, weil es im jeweiligen Kontext besonders relevant ist.
• …

Ich nutze solche Transformationen von Inhalten insbesondere gerne, um Videos oder Audios zugänglicher zu machen, indem ein weiterer Zugang (neben dem Zuhören oder dem Lesen des Transkripts) angeboten wird.

Hier ist ein Beispiel:

Beim University Future Festival habe ich zum Thema Veränderungskompetenz gesprochen. Das Video ist auf YouTube verfügbar, weshalb es dazu ein automatisch generiertes Transkript gibt. Dieses Transkript habe ich mir kopiert und in ein KI-Sprachmodell eingegeben. Mein Prompt war: „Fasse dieses Transkript zum Thema Veränderungskompetenz zusammen. Stelle sicher, dass die wichtigsten Aussagen kurz und prägnant enthalten sind.“ Ich erhielt eine Zusammenfassung der wichtigsten Thesen, die ich potenziell interessierten Menschen anbieten kann, die sich mit Veränderungskompetenz beschäftigen wollen.

So sah das Ergebnis aus:

Solch eine Transkript-Kürzung von aufgezeichneten Vorträgen von mir kann mir auch dann helfen, wenn ich zu einem anderen Zeitpunkt für einen Text zu diesem Thema angefragt werde. Dann ist es viel besser, solch ein gekürztes Transkript als grundlegende Gliederung zu verwenden, als zu versuchen, aus dem ausführlichen Transkript, das ja in einem sehr gesprochenem Stil ist, etwas zu formulieren.

4. Inhalte erkunden

Sehr gute Erfahrungen mache ich damit, Lernende bestehende Inhalte in einem Chat mit einem KI-Sprachmodell selbst erkunden zu lassen. Dafür wird der bestehende Inhalt einem KI-Sprachmodell zur Verfügung gestellt, und die Lernenden sind eingeladen, sich mit dem KI-Sprachmodell über den Text in einem Chat auszutauschen. Besonders gut funktioniert das meiner Erfahrung nach, wenn dem KI-Sprachmodell die Rolle der Autorin des bestehenden Inhalts zugewiesen wird. Auf diese Weise chattet man also nicht nur über einen Text, sondern mit der Autorin über ihren Text. Wichtig ist hier natürlich, dass die Lernenden vorab ein grundsätzliches Verständnis zur Funktionsweise von KI-Sprachmodellen haben. Insbesondere muss ihnen klar sein, dass der Output nicht wirklich der Meinung der Autorin entsprechen muss, sondern dass es sich um Antworten handelt, die auf Basis von Wahrscheinlichkeitsberechnungen generiert wurden und auf eine riesige Datenbasis basieren – nicht nur auf dem einzelnen zur Verfügung gestellten Inhalt. Auch wenn im Prompt festgelegt wird, dass der zur Verfügung gestellte Inhalt die Grundlage des Chats sein soll, ist das natürlich trotzdem nicht garantiert.

Hier ist ein konkretes Beispiel:

Ich habe vor einiger Zeit einen längeren Blogbeitrag über die Kompetenz des kritischen Denkens geschrieben, die ich vor dem Hintergrund der KI-Debatte analysiert habe. Ich möchte Lernenden in einem Lernangebot nun die Möglichkeit geben, sich die Inhalte des Blogbeitrags selbst zu erschließen, um anschließend gemeinsam darüber zu reflektieren, was mögliche Lerninhalte wären, um kritisches Denken zu entwickeln. Dazu schlage ich ihnen diesen Prompt vor: „Ich gebe dir hier einen ausführlichen Blogbeitrag, in dem die Pädagogin Nele die Kompetenz des kritischen Denkens vor dem Hintergrund der KI-Debatte analysiert hat. Ich möchte mir den Inhalt erschließen. Dazu werde ich dir mehrere Fragen zu dem Blogbeitrag stellen. Du nimmst die Rolle von Nele ein und antwortest auf Basis des von ihr geschriebenen Blogbeitrags. Achte auf kurze und einfach formulierte Antworten. Wenn im Blogbeitrag zu meinen Fragen keine Überlegungen zu finden sind, dann schreibe, dass du darüber noch nicht reflektiert hast. Hier ist der Blogbeitrag: (Blogbeitrag einfügen).„

Daraus hat sich dann zum Beispiel der folgende Chat entwickelt:

Natürlich können Lernende auch ganz andere Fragen stellen. Durch die Form des ‚Chattens mit dem Text‘ können alle sich den Inhalt mit den für sie relevanten Fragen erschließen.

5. Lernen zu Inhalten (selbst) überprüfen

Eine weitere Form der Weiternutzung von Inhalten mit KI-Sprachmodellen ist die Generierung von (Selbst-)Überprüfungen zu bestehenden Inhalten. In diesem Fall wird ein bestehender Inhalt in ein KI-Sprachmodell eingegeben und es werden Abfrageaufgaben dazu generiert. Diese können entweder selbstüberprüfend durch die Lernenden genutzt werden oder sie dienen lehrenden Personen zur Überprüfung der Lernenden. Ich finde vor allem die Überprüfungsvariante durch die Lehrenden eher langweilig und pädagogisch wenig sinnvoll; sie wird aber meiner Erfahrung nach am meisten nachgefragt. Deshalb führe ich sie hier dennoch auf. Angesichts der großen Dominanz einer Lernkultur, die auf der Vermittlung von Inhalten, ihrer Überprüfung und ihrer Bewertung basiert, ist diese große Nachfrage auch nicht verwunderlich.

Besonders gut klappt die Generierung von solchen (Selbst-)Überprüfungen, wenn man dazu das Tool H5P nutzt. Hiermit lassen sich interaktive Online-Übungen generieren. Das Tool ist durch die Verankerung z.B. in Moodle und WordPress weit verbreitet. Mithilfe von KI-Sprachmodellen kann ich mir direkt die benötigten Inhalte generieren lassen, die ich dann in den H5P-Editor einfüge. Dazu muss ich einen H5P-Inhaltstyp wählen, bei dem ich die Fragen und Antworten als Text eingeben kann, anstatt die klassische Eingabemaske zu verwenden. Das ist zum Beispiel bei den Inhaltstypen Summary oder Single Choice Set möglich.

Hier ist ein Beispiel:

Ich möchte mit Lernenden die Methode Troika Consulting ausprobieren. Vorab stelle ich ihnen einen von mir geschriebenen Blogbeitrag zu dieser Methode zur Verfügung. Damit die Lernenden für sich überprüfen können, ob sie die wesentlichen Aussagen des Blogbeitrags verstanden haben, möchte ich ihnen außerdem einen H5P-Inhalt zum Testen anbieten. Ich entscheide mich hier für das Format eines Single Choice Sets. Mein Prompt lautet: „Hier ist ein Text zum Troika Consulting. (Text einfügen). Formuliere vier MC-Fragen mit jeweils mehreren Antwortmöglichkeiten. Beachte dabei das folgende Format: Trenne die Fragen mit einer leeren Zeile. Die erste Zeile enthält die Frage und die folgenden Zeilen die Antwortmöglichkeiten. Jede Antwort steht in einer neuen Zeile. Die erste Zeile ist immer die richtige Antwort. Keine Nummerierung von Fragen und Antwortmöglichkeiten.“

Diesen generierten Output kann ich als Text direkt in das Single Choice Set-Formular meines H5P-Editors eingeben und erhalte dann diese Übung:

Wie ist das mit der Kennzeichnung?

In den obigen Beispielen habe ich ausschließlich von mir selbst geschriebene Beiträge als Inhalte genutzt und in ein KI-Sprachmodell eingefügt. Durch die jeweiligen Verweise auf den ausführlichen Text ist für alle Beteiligten klar, was die inhaltliche Grundlage war. Zusätzlich kann ich die jeweils erfolgte KI-Nutzung transparent machen, wenn das nicht ohnehin offensichtlich ist.

Wenn ich Inhalte von anderen weiternutze, muss ich darauf achten, dass der genutzte Inhalt unter einer offenen Lizenz steht. Rechtlich betrachtet wäre es wahrscheinlich nicht erforderlich, einen Lizenzhinweis anzugeben, wenn ich Inhalte auf Basis eines anderen Inhalts mithilfe eines KI-Sprachmodells ganz neu generiere. Trotzdem gehört das für mich zu einem guten Remix und auch zur Transparenz dazu.

Hier ist ein konkretes Beispiel, wie ich vorgehen würde:

Angenommen ich nutze den Text ‚OER und CC-Lizenzen bei generativer KI‚ als Lerninhalt in einem meiner Online-Angebote. Der Text steht unter der Lizenz CC BY 4.0. Ich muss also (gemäß der TULLU-Regel) einen Lizenzhinweis in dieser Art dazu schreiben: „Der Text ‚OER und CC-Lizenzen bei generativer KI‘ von Fabian Rack steht unter der Lizenz CC BY 4.0 und ist bei iRights veröffentlicht.“ Wenn ich den Text nicht direkt weiternutze, sondern nur auf ihn verlinke, ist dieser Lizenzhinweis natürlich nicht erforderlich.

Ich möchte für die Lernenden nun auf Basis des Textes zusätzlich einen Selbstlerninhalt – wie oben unter 5 beschrieben – erstellen. Dazu gebe ich den Text in ein Sprachmodell ein, schreibe einen Prompt wie oben und erstelle mit dem generierten Output einen H5P-Inhalt. Diesen würde ich nun wie folgt lizenzieren: „Die Selbstlernübung ‚KI und OER‘ ist Public Domain (= weil von einer Maschine, nicht von einem Menschen generiert). Grundlage zur Generierung war der Text ‚OER und CC-Lizenzen bei generativer KI‘ von Fabian Rack unter der Lizenz CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/deed.de), veröffentlicht bei iRights (https://irights.info/artikel/oer-cc-lizenzen-generative-ki/32090)“

Ich habe hier einen möglichen H5P-Inhalt entsprechend erstellt. Mit Klick auf Nutzungsrechte siehst du, wie die Auszeichnung von mir in solch einem Fall ganz konkret aussehen würde.

(Der Inhalt ist zugleich ein gutes Beispiel, dass man KI-generierte Texte immer noch einmal überprüfen sollte, weil wirklich logisch sind die hier direkt übernommenen Inhalte nicht 🙂)

Auf ähnliche Weise lassen sich auf Basis von OER-Inhalten neue Inhalte in unterschiedlichsten Formaten generieren, wobei trotzdem eine Kennzeichnung und damit auch eine Wertschätzung für die ursprünglich von Menschen gestalteten Inhalte erfolgen sollte. Natürlich ist es anzuraten, für solch eine Generierung von Inhalten durch Weiternutzung von offenen Inhalten lokal installierte KI-Sprachmodelle und/oder offene Modelle zu nutzen.

Fazit

Ich verwende KI-Sprachmodelle am häufigsten in dieser Form der Weiternutzung von bestehenden Inhalten. Wenn du die vorgestellten Nutzungsvarianten ausprobierst, dann wünsche ich dir dabei viel Freude. Ich freue mich außerdem, auch über deine Ideen mit solch einem Remix von Inhalten mithilfe von KI-Sprachmodellen zu lesen.

---

---

Beitrag merken & teilen

Hier kannst Du dir den Link zum Beitrag kopieren - beispielsweise um ihn für Dich zu speichern oder mit anderen zu teilen. Wenn Du den Link in den Suchschlitz im Fediverse einfügst, kannst Du den Beitrag von dort aus kommentieren. Die Kommentare erscheinen dann nach Freigabe hier auf der Website.

Link kopieren

Beitrag weiternutzen

Der Beitrag steht unter der Lizenz CC BY 4.0. Du kannst ihn gerne unter Angabe des Lizenzhinweises offen weiternutzen.

Lizenzhinweis kopieren