Forschungskolleg KI-Kompetenzen

Zentrale Ziele des Forschungskollegs sind wissenschaftlicher Austausch zum Thema KI-Kompetenzen, interdisziplinäre Zusammenarbeit und die forschungsbasierte Weiterentwicklung des KI-Campus. Der KI-Campus möchte den wissenschaftlichen Diskurs zu KI-Kompetenzen aktiv voranbringen, sein Portfolio an Lernangeboten auf dieser Grundlage weiter schärfen und dazu Personen mit diesem Forschungsinteresse zusammenbringen.

Das Forschungskolleg setzt sich aus 10 externen Forschungs-Fellows zusammen sowie 5 internen Forscher:innen, die im Rahmen des durch das BMBF geförderten Verbundvorhabens "KI-Campus 2.0" bereits Teil des Projekts sind.

Das Forschungskolleg läuft von Juli 2023 bis Ende 2024.

Die Forschungs-Fellows und ihre Projekte

Soziale Nachhaltigkeit und KI: Notwendige Kompetenzen für Ingenieur:innen aus Sicht von Industrie und Wirtschaft

Zur Bewältigung gesellschaftlicher Herausforderungen wird die sozialverantwortliche Anwendung von Künstlicher Intelligenz (KI) insbesondere im Ingenieurwesen immer relevanter. Allerdings zeigen Studien eine Differenz zwischen den von Studierenden erlangten Kompetenzen und den Erwartungen der Industrie. Dabei wird die Bedeutung der sozialen Dimension von Nachhaltigkeit in der Industrie als solche nachgefragt, und die Vision der Industrie 5.0 fördert einen menschenzentrierten Ansatz und betont insbesondere sozial nachhaltige Aspekte von Technologie. Dieses Forschungsprojekt untersucht KI-Kompetenzen für Ingenieur:innen im Bereich der sozialen Dimension von Nachhaltigkeit, die aufgrund der fortschreitenden digitalen Transformation der Industrie besonders relevant sein werden. Dazu werden Perspektiven aus der Industrie mit denen von Ingenieurstudierenden verglichen, um daraus Empfehlungen ableiten zu können.

Entwicklung der „Scale for the assessment of non-experts’ AI literacy” (SNAIL)

In meinem Forschungsprojekt entwickele ich eine Skala, mit deren Hilfe Individuen ihre eigene KI-Kompetenz („AI literacy“) feststellen können. Die sog. SNAIL-Skala wurde dabei bereits in mehreren Studien hinsichtlich Validität, Reliabilität und anderen Qualitätsmaßen untersucht. So wurde zuerst mit der Hilfe von über 50 KI-Bildungsexpert:innen die Relevanz und Repräsentativität der einzelnen Fragen untersucht. Außerdem wurde der Fragebogen an knapp 500 englischsprachige Teilnehmende gesendet, um zu einer finalen Fragebogenversion zu gelangen. Diese finale Version besteht aus 31 Fragen, die sich drei AI literacy-Subkonstrukten zuordnen lassen. Während die Skala aktuell nur in englischer Sprache existiert, sind bereits Studien in Planung, die den Fragebogen auch für deutschsprachige KI-Interessierte nutzbar machen. Zu guter Letzt soll SNAIL nicht nur eine Selbsteinschätzung erlauben, sondern in Zukunft auch zur Evaluation von KI-Lehrangeboten genutzt werden können.

Konzeptualisierung, Messung und Auswirkungen von AI Literacy

Im Rahmen des Projektes wird untersucht inwiefern für die menschliche Zusammenarbeit mit Artificial Intelligence (AI) neue Kompetenzen (AI Literacy) benötigt werden, wie diese gemessen werden können und wie sich diese auf Mensch-AI-Interaktionen auswirken. Zur Messung wurden bisher ein subjektives (Selbsteinschätzung) und ein objektives (Wissenstest) Instrument entwickelt. Zudem wird in dem Projekt an Lernoptionen gearbeitet, um Nutzern von AI relevante AI-Kompetenzen nachhaltig zu vermitteln. Die Messung von AI Literacy wird sowohl auf individueller als auch organisationaler Ebene angewandt, um Erkenntnisse über die Auswirkungen von AI Literacy zu gewinnen. Auf individueller Ebene stehen dabei Themen wie die Auswirkungen von AI Literacy auf menschliches Vertrauen in AI oder die zukünftigen Intentionen AI zu nutzen im Vordergrund. Auf organisationaler Ebene wird untersucht welche AI-Kompetenzen beispielsweise Führungskräfte benötigen, um AI erfolgreich in einem Unternehmen zu nutzen.

Entwicklung eines Kompetenzrahmens zur Förderung zukunftsorientierter KI-Kompetenzen

Der Erwerb von Kompetenzen und Metakognitionen im Umgang mit KI-Technologien ist von großer Bedeutung, um in verschiedenen individuellen, gesellschaftlichen und beruflichen Bereichen eigenständig, reflektiert, effektiv, ethisch, angemessen, autonom, kreativ und flexibel handeln zu können. Um diese KI-Kompetenzen identifizieren und fördern zu können, müssen sie zunächst einheitlich definiert sein. Ziel meines Forschungsprojekts ist es, auf Basis bestehender (bisher überwiegend linearer und eindimensionaler) KI-Literacy-Modelle und mit Hilfe eines Mixed-Methods-Ansatzes einen umfassenden, menschenzentrierten und validierbaren Kompetenzrahmen für KI zu entwickeln. Dieser Rahmen soll spezifische KI-Kompetenzen und allgemeine Kompetenzbereiche beschreiben sowie die Dimensionen und Einflussfaktoren aufzeigen. Der entwickelte KI-Kompetenzrahmen soll als Grundlage dienen, um KI-Kompetenzen möglichst in verschiedenen Kontexten (beruflich, akademisch, privat, gesellschaftlich) zu erfassen, zu entwickeln und vorherzusagen.

Konzeptualisierung und Entwicklung eines verhaltensbasierten AI Literacy Assessments

In diesem Fellow-Projekt untersuche ich die verhaltensbasierte Messung von KI-Kompetenz. Es ist festzustellen, dass große Forschungslücken in der Verfügbarkeit solcher Testinstrumente bestehen, die über die reine Erfassung von Wissen oder Einstellungen zu KI hinausgehen. Ein solcher Messansatz ist jedoch notwendig, um valide Aussagen über die tatsächliche KI-Kompetenz einer Person treffen zu können. Um Weiterentwicklungen im Bereich der Messung von KI-Kompetenz voranzutreiben, ist zudem eine klare Konzeptualisierung der entsprechenden KI-Kompetenzfacetten notwendig. Da aktuelle KI-Kompetenzmodelle derzeit noch eine große Heterogenität aufweisen, ist neben der Entwicklung neuer Messinstrumente auch die Systematisierung von KI-Kompetenzen und die Schaffung eines einheitlichen KI-Kompetenzrahmens von Interesse. Ein solcher Kompetenzrahmen stellt eine notwendige Voraussetzung für die zielgerichtete Entwicklung von Messinstrumenten sowie die passgenaue Gestaltung von Bildungsangeboten dar.

Interdisziplinäre KI-Bildung im Ingenieurwesen

In einer sich rasant entwickelnden Künstliche Intelligenz (KI)-Landschaft besteht eine erhebliche Lücke zwischen dem Fortschritt der Technologie und der Anpassung des Bildungssystems. Diese zeigt sich insbesondere in der interdisziplinären KI-Bildung deutlich, in der Lernende KI-Kompetenzen in spezifischen Bereichen wie dem Ingenieurwesen anwenden müssen. Meine Forschung zielt darauf ab, diese Lücke zu schließen, indem ich die erforderlichen Kompetenzen für Lernende untersuche, um KI effektiv im Ingenieurwesen einzusetzen. Darüber hinaus strebe ich an, angewandte pädagogische Ansätze in der KI-Bildung systematisch zu erfassen und zu skalieren, wobei der Fokus speziell auf der interdisziplinären KI-Bildung im Bereich des Ingenieurwesens liegt.

Demokratisierung der Digitalen Transformation: Eine Soziotechnische Untersuchung von KI- und Low-Code-Entwicklungsplattformen

Meine Forschung konzentriert sich auf aufkommende Plattformtechnologien wie künstliche Intelligenz (KI), automatisiertes maschinelles Lernen (AutoML) und Low-Code-Entwicklungsplattformen, die darauf abzielen, die Teilnahme an der digitalen Transformation zu „demokratisieren“. Diese Technologien gehen über Effizienz hinaus: Sie schaffen Chancengleichheit für Menschen ohne ausgeprägte technische Fähigkeiten und ermöglichen ihnen, die digitale Welt aktiv mitzugestalten. In meiner Forschung untersuche ich sowohl technische als auch soziale Aspekte dieser Plattformen. Aus technischer Sicht erforsche ich die Eigenschaften dieser Plattformen und ihre Rolle bei der Vermittlung komplexer Konzepte an „gewöhnliche“ Menschen. Aus sozialer Sicht untersuche ich die Möglichkeiten und Herausforderungen, die diese Technologien mit sich bringen, insbesondere im organisatorischen Kontext.

Entwicklung eines objektiven, validen und reliablen Testinstrumentes zur Erfassung von ML Kompetenzen

Das Forschungskolleg KI-Kompetenzen möchte ich nutzen, um ein Testinstrument zur Überprüfung von Kompetenzen im Umgang mit maschinellen Lernverfahren (ML) in Form eines Leistungstests zu entwickeln. Kompetenzen im Kontext ML sind ein wichtiger Teilbereich von KI-Kompetenzen, da ML eine Grundlage vieler Formen schwacher künstlicher Intelligenz sind. Die Entwicklung eines solchen Testinstruments ermöglicht es, einen Lernstand zu erfassen, was beispielsweise für die Erforschung von Lernzielen und Lehrmethoden im Kontext KI-Kompetenzen eine Rolle spielt. Schritte auf dem Weg zur Entwicklung des Testinstrumentes sind die Konkretisierung des zu erfassenden Konstruktes, also den ML-Kompetenzen, sowie die anschließend ggf. zyklische (Weiter)Entwicklung der Testitems und Erprobung des Testinstruments an einer repräsentativen Stichprobe von Proband:innen.

Didaktische Kohärenz von digitalen Lernangeboten zu KI-Kompetenzen

Das Forschungsprojekt befasst sich mit der didaktischen Passung von digitalen Lernangeboten zu KI-Kompetenzen. Um die gegenwärtigen Bildungsbedarfe im Bereich KI zu decken, sind Online-Angebote wie MOOCs von großer Bedeutung. Niedrige Abschlussquoten und offene Fragen hinsichtlich der Instruktionsqualität deuten jedoch auf Optimierungspotenziale hin. Zudem werden die Möglichkeiten von KI zur Lernprozessunterstützung in digitalen Lernangeboten noch wenig genutzt. Angesichts des Trends hin zu kompakten Weiterbildungsformaten (Microlearning, Micro Degrees, etc.) erscheint es notwendig, bisherige Forschungsperspektiven zu erweitern und die didaktische Kohärenz zu analysieren. Dies zielt auf den stimmigen Einsatz der Lernangebote, was eine Berücksichtigung von Kontextfaktoren und relevanten Stakeholder:innen impliziert. Zusätzlich zu einem differenzierten Design Review sollen deshalb didaktische Modelle der Einbindung sowie die Potenziale alternativer Formate in den Blick genommen werden.

KI-basierte Kompetenzen von Mathematiklehrkräften

Wie können KI-basierte generative Sprachmodelle wie ChatGPT für die berufliche Praxis und Ausbildung von Mathematiklehrkräften genutzt werden? - Bereits jetzt werden die vermuteten weitreichenden Auswirkungen der Zunahme KI-generierter Texte auf die Arbeit von Lehrenden im Bildungsbereich und auf die Forschung und Lehre im Zusammenhang mit Lehrerausbildungsprozessen intensiv diskutiert, wobei die Auswirkungen und auch Risiken der neuen Technologie noch nicht vollständig abzusehen sind. Das Forschungsprojekt untersucht die produktiven Nutzungsmöglichkeiten der neuen Technologie in Bezug auf die Arbeitsprozesse von Mathematiklehrkräften. Das Forschungsdesign und die eingesetzten Methoden der Studie basieren auf einer Kombination von zielgerichteten Simulationen generativer KI-Sprachmodelle durch Prompts in Verbindung mit Interviews mit praktizierenden Mathematiklehrkräften, die als Frühanwender:innen Erfahrungen mit generativen KI-Sprachmodellen in ihrer professionellen Arbeit gesammelt haben. Untersucht werden u.a. Aspekte der Unterrichtsvorbereitung und Diagnostik von Schülerlösungen, aber auch die Grenzen der Anwendung der Technologie für die professionelle Arbeit von Mathematiklehrkräften.

KI-Kompetenzen für die Zukunft

Gegenstand der Forschung ist die Frage, wie handlungsfähig Arbeitnehmende in der KI-geprägten Welt agieren können. Hieführ führen wir eine dreiteilige Studie durch, die wir an der DHBW Karlsruhe im Rahmen des KI-Campus Projekts durchführen. Zu Beginn wurde der aktuelle Forschungsstand analysiert und daraus ein erster Vorschlag für einen KI-Kompetenzrahmen abgeleitet. Wir identifizierten 13 Kompetenzen, durch die Personen in einer KI-geprägten Arbeitswelt handlungsfähig sein können. Diese bildeten dann die Basis für zwölf qualitative Expert:inneninterviews, deren Ergebnisse den bisherigen Kompetenzrahmen nochmal klarer definierten und eingrenzten. Dieser bildete die Basis für den dritten Teil der Studie. Wir entwickelten einen Fragebogen, indem wir jede der Kompetenzen hinsichtlich der Dimensionen a) Erfahrungen, b) Souveränität und c) Relevanz abfragen. Mich interessiert, wie intensiv Hochschulen schon daran arbeiten und wie man die Skills in den Curricula unterbringen kann.

Microcredentials und Digitale Zeugnisse / KI-Kompetenzmodell

1. Microcredentials und Digitale Zeugnisse im KI-Campus - Welche regionalen/überregionalen Potentiale und Bedarfe bestehen im Hinblick auf Micro-Credentials/Micro-Degrees/die Zertifizierung online erworbener Kompetenzen? Wie lassen sich diese Potentiale und Bedarfe im KI-Campus umsetzen? Wie werden Lernergebnisse und Kompetenzen im Zeugnis standardisiert beschrieben? Welche sinnvollen Lernpfade lassen sich mit Micro-Degrees umsetzen (Stackability)? Welche Prüfungszenarien lassen sich über den KI-Campus realisieren? Welche digitalen Bildungsnachweise lassen sich über den KI-Campus ausstellen? 2. Modell für [Digitale/KI-/Future-] Kompetenzen entwickeln, das verständlich und praktikabel ist (Vorlage + Handreichung für Kompetenzbeschreibung), anschlussfähig ist an deutschsprachige Diskurse und Modelle ebenso wie an europäische und internationale Standards (z. B. ESCO, DigComp[Edu], Calohee, ELM), einheitliche Schlüsselbegriffe z. B. zur Niveauzuordnung (Bloom/Krathwohl) verwendet, machine readable ist.

Vermittlung von KI-Kompetenzen in der Hochschulbildung unterstützen

1. Zentrale Forschungsinteressen: Vermittlung von KI-Kompetenzen in der Hochschulbildung unterstützen, Erkennen und Schließen von KI-Kompetenzlücken (KI- Kompetenzaudit im Rahmen des Projekts KI Campus Hub BW), Erprobung hybrider Lehr-/Lernformate mit KI-Campus-Angeboten. 2. Zentrale Forschungsfragen: Wie könnten Beratungs- und Bildungsangebote zur KI-Kompetenz gestaltet werden, auch für Organisationen, die noch wenig Berührungspunkte mit KI haben? Welchen Beitrag können Online Lernangebote des KI-Campus für die KI-Kompetenz-Entwicklung leisten? Welche Empfehlungen können den verschiedenen Zielgruppen im Hinblick auf die Nutzung von KI-Campus-Lernangebote ggf. In hybriden Qualifikationsszenarien gegeben werden? 3. Forschungsmethoden: Explorative Gruppeninterviews; qualitative Interviews; Impulsworkshops; standardisierte Befragung.

Meta-Raster für KI-Kompetenzen

1. Zentrale Forschungsinteressen: Ein Meta-Raster erstellen, dass es erlaubt, alle Frameworks und Listen von KI-bezogenen Skills, Fach- und Themen- Kompetenzen und “Future Skills/Zukunftskompetenzen (für unterschiedliche Kontexte, mit unterschiedlichen Definitionen/Begriffen, mit unterschiedlichen Zielgruppen ...) zueinander sinnvoll in Beziehung zu setzen. 2. Zentrale Forschungsfragen: Welche Kompetenz-Definitionen (Inkl. Skills und Future Skills) sind im Umlauf? Wie kann man sie nüchtern auf den jeweiligen Punkt bringen und vergleichbar machen? Inwiefern konkurrieren sie bzw. komplementieren sie sich? Wie solide sind die jeweiligen Herleitungen, welchen Anspruch auf theoretische Gültigkeit und empirische Nützlichkeit ist damit verbunden? Inwiefern wird der Anspruch jeweils eingelöst? Wie kann man aus den verschiedenen Ansätzen ein konsistentes (Meta-)Modell konstruieren, das als eine Art “KI-Kompetenz-Landkarte" dienen kann, um vorhandene Beiträge einzuordnen und eigene Projekte präzise zu verorten? 3. Forschungsmethoden: Desk Research, Desk Critique.

KI für alle: Wissen, Kompetenzen & Qualifikationen zu Künstlicher Intelligenz. Bedarfe und digitale Formate für die Aus- und Weiterbildung.

Im Rahmen meiner Forschung untersuche ich konkrete Zielsetzungen und Bedarfe für digitale Lernangebote zum Erwerb von Wissen, Kompetenzen und Qualifikationen zu Künstlicher Intelligenz mit einem Fokus auf den deutschsprachigen Raum. Der zentrale Untersuchungsgegenstand ist dabei als eine Art Reallabor der KI-Campus. Ergänzend zu einer Klärung grundlegender theoretischer und konzeptioneller Ansätze zur Beschreibung von KI-Wissen, KI-Kompetenzen und KI-Qualifikationen für Nicht-Expert:innen werden die Lernangebote des KI-Campus systematisch auf die zugrundeliegenden Lernzielkonzepte hin untersucht und in den theoretischen Rahmen eingeordnet. Diese Beschreibungen aus Anbieterperspektive werden über Nutzer:innebefragungen in ein Verhältnis gestellt zu subjektiven Bedarfen der Lernenden. Übergreifendes Erkenntnisinteresse ist ein Orientierungsrahmen der ein Matching von Lernzielen und Lernangeboten (bzw. digitalen Formaten) für den Erwerb von KI-Wissen, -Kompetenzen und -Qualifikationen ermöglicht. Dieser kann z. B. auch als Grundlage für das Training von KI-Assistenzen auf dem KI-Campus genutzt werden.

KI-Kompetenzen für das Lehren und Lernen

In meiner Forschung untersuche ich, welche KI-Kompetenzen für das Lehren und Lernen erforderlich sind, wie diese entwickelt und abgebildet (z. B. mittels Digital Badges) werden können. Der Fokus liegt dabei auf dem sinnvollen und digital souveränen Einsatz von KI-basierten Technologien für das Lehren und Lernen mit Blick auf didaktische Aspekte und individualisierte Unterstützung, insbesondere in der Hochschulbildung.

Kontakt