Das Forschungskolleg lief von Juli 2023 bis Ende 2024.

Zentrale Ziele des Forschungskollegs waren wissenschaftlicher Austausch zum Thema KI-Kompetenzen, interdisziplinäre Zusammenarbeit und die forschungsbasierte Weiterentwicklung des KI-Campus. Der KI-Campus wollte damit 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 setzte 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 waren.

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.

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.

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.

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.

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.

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.

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.

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.