In den vergangenen Beiträgen der Themenreihe „KI in der Bildung“ haben wir uns bereits damit auseinandergesetzt, was KI eigentlich ist, welche Voraussetzung für die Etablierung von KI benötigt werden und wie es im KI in der nationalen und internationalen Politik steht. Darauf aufbauend soll es in diesem Beitrag darum gehen, welche (konkreten) Anwendungsmöglichkeiten KI für Hochschulen und Universitäten, aber vor allem in schulischen Bereichen bietet.
Über KI in der schulischen Bildung wird bislang nämlich recht wenig gesprochen. Und dass, obwohl die von der Bundesregierung im November 2018 verabschiedete Nationale Strategie für KI natürlich auch große Auswirkungen auf das Bildungssystem hat.
Künstliche Intelligenz birgt das Potenzial, die Vermittlung von Wissen grundlegend zu verändern. KI kann in der Zukunft einen wichtigen Beitrag leisten, Vorhersagen zu treffen und Lerninhalte individuell auszusteuern – ob an Universitäten, in Schulen oder bei der Erwachsenenbildung. Dabei verfolgen erste praktische Versuche zur Entwicklung von KI-Anwendungen den Ansatz, menschliche Lehrkräfte in ihrer täglichen Arbeit zu unterstützen und nicht Schullehrende oder Hochschulddozent*innen zu ersetzen.
Anhand einiger konkreter Beispiele für den bereits jetzt stattfindenden Einsatz von KI in Schulen möchten wir Euch einen ersten Einblick darin geben, auf welchem Stand sich künstliche Intelligenz momentan befindet und wie der Bildungsbereich von dieser Entwicklung auch weiterhin profitieren kann.
Digitale Tools
Gemeinsam mit der Technischen Universität Kaiserslautern (TU) haben Wissenschaftler am Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI) das Projekt „Hypermind“ entwickelt. Dabei handelt es sich um ein intelligentes Schulbuch für Tablets und Desktop-Rechner, das die Blickrichtung der Lesenden erkennen und darüber hinaus analysieren kann.
In erster Linie soll das intelligente Schulbuch eine individuelle Förderung der Schüler*innen sowie ein effizienteres Lernen erwirken. Zudem kann der Lernprozess von Schüler*innen mithilfe des Tools kontinuierlich erfasst werden.
„Das Besondere ist, dass das Buch die Stärken und Schwächen der Schüler mithilfe integrierter Sensoren frühzeitig erkennt“ [1],
erklärt einer der Forschenden, Physik-Professor Jochen Kuhn.
Die Technik, die hinter dem intelligenten Schulbuch steckt, ist relativ simpel und daher auch zum Lernen, egal ob im Unterricht oder zu Hause, geeignet: Der Inhalt des Buches wird auf einem Tablet oder einem Bildschirm angezeigt. Unter dem Display ist ein sogenannter „Eye-Tracker“ angebracht, der die Blickbewegungen der Lesenden erfasst. Auf diese Weise kann das System erkennen, an welcher Stelle Lernende länger verweilen oder wann sie etwas wiederholt lesen. Mithilfe von Algorithmen bzw. KI werden dann in einem nächsten Schritt die Daten genauer analysiert, um beispielsweise Rückschlüsse auf Lernverhalten- und fortschritte zu ziehen. Weiterhin ermöglicht es die Technik, zu sehen, wo bei Schüler*innen besondere Interessen liegen. Das intelligente Schulbuch soll also zu einem dynamisch-adaptiven persönlichen Schulbuch werden und so individuelles Lernen ermöglichen.
Das individuelle Bearbeiten des Schulbuches soll darüber hinaus mit Geräuschen, eingeblendeten Bildern oder Filmsequenzen bereichert werden. Denkbar wäre auch die Kombination des digitalen Schulbuches mit Aktivitätserkennung wie etwa durch eine Smartwatch, die den Puls misst. Somit würde man schneller und besser Arbeitsbelastungen, Verständnisprobleme sowie die Interessen der Schüler*innen erkennen. Damit wird die Möglichkeit eröffnet, dynamisch generierte Inhalte individuell und kontextoptimiert zur Verfügung zu stellen sowie den Wirkungsgrad von und die Nachfrage nach bestimmten Inhalten zu verifizieren.
Argumented-Reality-Bilderbücher
Argumented Reality fügt dem realen Text eine hypertextuelle Ebene hinzu und ist damit der nächste Trend im Bereich digitale Bildung. Schon heut erschließen Kinder sich mithilfe dieser digitalen Bilderbücher zusätzliche Inhalte. Dafür benötigen sie lediglich ein Smartphone und das passende Programm.
[1] https://www.checkpoint-elearning.de/schule/wie-kuenstliche-intelligenz-das-lernen-unterstuetzt
Der Einsatz von Sensoren und Kameras wird im internationalen Raum, beispielsweise in China, bereits im Klassenzimmer erprobt. Dabei analysiert ein Algorithmus die erfassten Gesten und Gesichtsausdrücke von Schüler*innen und zieht daraus Rückschlüsse über ihre Mitarbeit und Gefühlslage. Die KI unterschiedet in diesem Zusammenhang Handlungen in sechs Kategorien: Lesen, Schreiben, Zuhören, Aufstehen, Hand heben und Kopf auf den Tisch legen. Darüber hinaus kann die Gesichtserkennung neutrale, glückliche, traurige, enttäuscht, verärgerte, verängstigte und überraschte Mimik identifizieren. Die so gesammelten Verhaltensdaten werden anschließend zu einer übergreifenden Bewertung der Schüler*innen zusammengefasst.
Georg Siemens beschreibt Learning Analytics als das
„Messen, Sammeln, Analysieren und Auswerten von Daten über Lernende und ihren Kontext mit dem Ziel, das Lernen und die Lernumgebung zu verstehen und zu optimieren.“ [2].
Diese individualisierten Lernprofile dienen dazu, die jeweiligen Stärken, Schwächen und Fortschritte der Lernenden herauszustellen. Im Vordergrund steht also ein besseres Verständnis von Lernprozessen und dementsprechend auch bessere Lernergebnisse.
Die KI stellt selbst anhand des Lernprofils individualisierte Aufgaben und Materialien zusammen, um auf die individuellen Lernbedürfnisse der Kinder einzugehen. Für Lernende bietet sich somit der große Vorteil, anhand ihrer Stärken Themenbereiche zu erarbeiten. Auch verringert sich durch die flexibel angepasste Zusammenstellung der Aufwand für Lehrenden, was die Erstellung der Lerninhalte für unterschiedliche Leistungsstufen angeht. Durch die umfangreichen Analysen beispielsweise dahingehend, wie Schüler*innen mit Online-Texten- oder Kursmaterialien umgehen, kann der Unterricht entsprechend angepasst werden. Befürchtungen gibt es jedoch bezogen auf den Datenschutz sowie auf die Entwicklung hin zu einem Lernverständnis, das zunehmend nur noch auf messbare Ergebnisse abzielt.
Lernmanagementsysteme
Lernmanagementsysteme sind bereits vereinzelt in Gebrauch. Sie verknüpfen mehrere Funktionen wie Kursinhalt- und Benutzer-Verwaltung sowie Kommunikations- und Kooperationstools mit KI-Elementen. Somit generieren sie eine Vielzahl an Daten, die mithilfe von Learning Analytics gesammelt und ausgewertet werden. Es entsteht ein individuelles Lernprofil einer Person mit ihren Stärken, Schwächen, Präferenzen und Lernfortschritten.
[2] Jahn, Sandy/Kaste, Stefanie/März, Anne/Stühmeier, Romy: Denkimpuls Digitale Bildung: Einsatz von Künstlicher Intelligenz im Schulunterricht. Berlin: Initiative D21 e.V. 2019. (de/publikationen/d
Einige Anbieter von Bildungsmedien experimentieren bereits mit KI-basierten Web-Anwendungen. Dabei können Schüler*innen von den Lehrenden gestellte Textaufgaben online bearbeiten. Das Innovative an diesen Anwendungen besteht darin, dass das System weit über das schlichte Auswählen vorformulierter Antworten hinausgeht. Die KI versteht nicht nur freiverfasste Antworten, sie ordnet sie darüber hinaus inhaltlich ein, bewertet sie und gibt daraufhin eine individuelle Rückmeldung.
Denkbare Szenarien für die Anwendung eines solchen Systems stellen Wissensabfragen, Textverständnis, Fremdsprachenkompetenz oder die Anwendung grammatikalischer Regeln dar. Dabei werden Rechtschreib- und Grammatikfehler automatisch erkannt und berichtigt. Der große Vorteil besteht darin, dass alle Lernenden gleichermaßen in ihrem Lernprozess unterstützt werden, indem sie eine direkte Rückmeldung von der KI erhalten. Lehrende werden in diesem Sinne entlastet.
In Japan ist der Einsatz von Robotern im Klassenzimmer fast schon Realität. Diese unterstützen die Lehrkräfte bei den unterschiedlichsten Aufgaben. Der Roboter Pepper beispielsweise kann Vorträge halten, beim Kopfrechnen, Vokabellernen oder den Hausaufgaben helfen, Sportübungen demonstrieren und zum Teil Sprache Gefühle erkennen. Die dabei verwendete KI lernt mit jeder Interaktion dazu und ebnet somit den Weg zur Realisierung eines persönlichen, digitalen Lernassistenzsystems. Ein selbstständiges didaktisches Arbeiten ist jedoch noch nicht möglich.
In diesem Zusammenhang kommt oftmals die Frage auf, ob Roboter die Lehrenden in der Zukunft und damit die Lehrkraft aus Fleisch und Blut ersetzen werden. Grundsätzlich lässt sich festhalten, dass, unabhängig von dem Effekt solch adaptiver Lernsysteme und dem Voranschreiten der Entwicklung der künstlichen Intelligenz, Lehrkräfte zukünftig nie vollständig durch Roboter ersetzt werden. Schließlich werden die Lehrenden stets für das Mit- und Zwischenmenschliche verantwortlich sein, (hoffentlich) für Motivation im Klassenzimmer sorgen und Schüler*innen in ihrem Lernprozess begleiten und beraten.
Der Einsatz von KI wird in erster Linie als Unterstützung und Entlastung für Lehrkräfte angesehen. Damit Lehrende aber tatsächlich von den technologischen Entwicklungen profitieren, sollte die Beziehung zwischen ihnen und Maschinen im Sinne einer „Mensch-mit-Maschine-Beziehung“ verstanden werden.
Das Klassenzimmer der Gegenwart
Wirft man einen Blick in die Schulen Deutschlands, hat man den Eindruck, dass einige Lehrende es mit den digitalen Medien genauso halte wie die neuen Lehrpläne: Sie sitzen das Thema aus. Die Lernenden hingegen haben als Digital Natives die Lehrkräfte in punkto Medienkompetenz bereits überholt. So führt beispielsweise die KIM-Studien 2016 an, dass 98 Prozent aller Haushalte mit Kindern im Alter zwischen 6 und 13 Jahren über ein Smartphone verfügen. Dahingegen nutzen im Jahr 2015 lediglich 68% aller 45- bis 54-Jährigen ein Smartphone. Bei den 35- bis 44-Jährigen sind es immerhin 79%. [3] Das Klassenzimmer der Gegenwart besticht bislang meist durch herkömmliche Computerräume, Laptops, Beamer und interaktive Whiteboards – wenn überhaupt. Nur wenige Lehrende arbeiten mit Bring-Yor-Own-Device-Konzepten, bei denen die Schüler*innen ihre eigenen Endgeräte im schulischen Kontext nutzen. Aber
„[w]enn Schüler*innen Medienkompetenz erwerben sollen, müssen Lehrer*innen diese bereits besitzen […].“ [4]
, so Prof. Dr. Christian Spannager der Pädagogischen Hochschule Heidelberg.
Den Umgang mit KI erlernen
Auch all die aufgeführten Tools haben keinen Nutzen, wenn, sowohl auf Seiten der Lernenden als auch der Lehrenden, keine entsprechenden digitalen Kompetenzen vorhanden sind. Damit der Einsatz von KI Lernprozesse erleichtert, bedarf es der Aneignung digitaler Bildung. Bereits in den (Grund-)Schulen muss daher damit begonnen werden, den Umgang mit den Möglichkeiten neuer Technologien zu erlernen. Denkbar wäre beispielsweise ein Unterrichtsfach wie „Digitalkunde“ einzurichten, welches sich unter anderem mit KI beschäftigt. Andernfalls würden Kinder und Jugendliche zu „digitalen Analphabeten“ erzogen werden.
Das Klassenzimmer der Zukunft
Bereits heute ist KI in der Lage, selbstständig Daten aufzubauen und auszuwerten. So sammeln Smartphones beispielsweise Daten durch Gesichts- oder Spracherkennungsprogramme, die sie anschließend auswerten. Der immer größer werdende Datensatz ermöglicht dann eine bessere Leistung sowie Trefferquote.
In Zukunft soll künstliche Intelligenz darüber hinaus jedoch intelligente Aufgaben lösen, die sich dadurch auszeichnen, dass es Problemlösungsaufgaben sind:
„Die Besonderheit dieser Art von Aufgaben ist, dass zu Beginn eine Beschreibung eines (Anfangs-)Zustandes und eine Aufgabenbeschreibung vorliegen sowie eine Menge möglicher Operationen […]. Der Problemlöser hat nun die Aufgabe einen Zustand zu finden, der eine Lösung der Aufgabe darstellt.“ [5]
, so Prof. Dr. Werner Dilger, der am Lehrstuhl künstliche Intelligenz an der TU Chemnitz tätig war. Damit wird ein sogenanntes „Deep Learning“ ermöglicht. Das bedeutet, dass künstliche neuronale Netze und maschinelles Lernen in der Lage sind, aus Beispielen zu lernen und die Ergebnisse als Grundlage für zukünftige Entscheidungen zu verwenden.
KI gibt Schüler*innen damit einerseits die Möglichkeit, die Kontrolle über die eigene Bildung zu übernehmen. Das gesamte Wissen der Welt stünde ihnen individuell zugeschnitten zu Verfügung. Oberflächlich betrachtet würden sie den Lernstoff selbst oder gemeinsam mit der KI auf der Grundlage persönlicher Daten auswählen.
Andererseits stellt sich dabei die Frage über die Kontrolle der erhobenen Daten bzw. der Informationsmöglichkeiten. Weiterhin bestünde das Problem, dass die Selbstbestimmung der Schüler*innen ad absurdum geführt werden würde. Ähnliche Hindernisse tun sich auch mit Blick auf die Lehrinhalte auf.
Immanent wichtig für gelingende Bildung bleibt jedoch stets die emotionale Seite des Lernens, Respekt, Wertschätzung, Fürsorge und Vertrauen. Dies stellt auch der neuseeländische Bildungsforscher John Hattie heraus.[6] Aus diesem Grund werden auch im Klassenzimmer der Zukunft die Lehrenden weiterhin für die Motivation der Schüler*innen verantwortlich sein, Themen setzen und für die Mit- und Zwischenmenschlichkeit sorgen. Denkbar wäre jedoch, dass Lehrkräfte in Zukunft eher als Coaches agieren und den Lernprozess beraten sowie begleiten. Dafür wäre wiederum eine komplette Neuausrichtung der Lehrendenausbildung notwendig, da fachliche Kompetenzen in den Hintergrund rücken würden.
KI an Hochschule und Universitäten
KI könnte es ermöglichen, dass Studierende zukünftig so studieren, wie es ihren Bedarfen und Lerngewohnheiten entspricht. Auch der Erfolg des Studiums könnte sich durch die neuen Technologien besser planen und absichern lassen.
Die Tagung „Künstliche Intelligenz und Diversität in der Hochschulbildung“ der Fernuniversität Hagen hat sich im November 2019 im Rahmen ihres virtuellen Forschungs- und Entwicklungslabor „Al-Edu-Research-Lab“ mit genau diesen Möglichkeiten auseinandergesetzt. In Zusammenarbeit mit dem DFKI verfolgt das Projekt allen voran zwei Ziele:
Der zu entwickelnde Lern-Assistent soll Empfehlungen geben, die sich direkt auf den jeweiligen individuellen und aktuellen Lernprozess beziehen. Als Grundlage dafür sollen in der jeweiligen fachlichen Domäne verankerte Expertensysteme dienen, die im Verbund mit dem Didaktik- sowie dem Lernenden Modell als zukunftsorientierte Weiterentwicklung der intelligenten lehrenden Systeme angesehen werden.
Die wesentliche pädagogische Zielsetzung liegt dabei auf dem Aspekt des selbstverantwortlichen Lernens. Weiterhin ist die konzeptionelle Orientierung des Lernassistenten auf kognitive Lernstrategien wie Wiederholen und Elaborieren sowie auf metakognitive Lernstrategien wie Planen oder Self-Monitoring ausgelegt. Die technische Umsetzung soll mithilfe von menschlichem Expertenwissen bzw. entsprechenden Domänenmodellen gelingen.
Dem Hagener Ansatz wird vor allem dadurch eine ausgesprochene Qualität verliehen, dass er die Selbstverantwortung der Studierenden für das eigene Lernen in den Mittelpunkt der technischen Entwicklung stellt:
“Es ist uns wichtig herauszufinden, wie mit Unterstützung Künstlicher Intelligenz die Selbstverantwortung für das eigene Lernen der Studierenden beibehalten oder sogar gefördert werden kann. Denn man kann ja auch die Befürchtung haben, dass je mehr Unterstützung die Studierenden bekommen, umso weniger Eigenleistung dann noch nötig ist.“ [7]
, so die Projektleiterin Claudia de Witt. Diese explizite Betonung der Lernendenautonomie als Entwicklungsziel der Lern-Assistenz ist bisher eher selten und macht das Projekt in besonderem Maße interessant. Einerseits setzt Lernen in der Perspektive der Wissensarbeit in besonderem Maße die Selbststeuerung der Lernenden voraus. Andererseits dominieren bisher in den Anwendungsbereichen von Learning Analytics und Adaptive Learning Konzepte der Personalisierung, die meist eine enge Hinführung auf vorgegebene Aufgabenlösungen vorsehen.
[7] https://www.mmb-institut.de/blog/hochschule-mit-ki-mehr-individualisierung-wagen/
Vor allem die Unterscheidung zwischen Personalisierung und Individualisierung ist im Kontext der Entwicklung von Technologien der Lern-Assistenz von großer Bedeutung.
Personalisierung geht in diesem Zusammenhang überwiegend von vorgegebenen Lernzielen und entsprechend oft kleinschrittigen Lernaufgaben aus und versucht, durch eine Vielzahl von Micro-Tests den Lernprozess zu analysieren, sodass sowohl Aufgaben als auch Lernmethoden zunächst variieren und im Verlauf mit Blick auf den angestrebten Lernerfolg für die Lernenden optimiert werden können. Learning Analytics müsste dementsprechend das individuelle, konkrete und inhaltsbezogene Bemühen der Lernenden und ein Verständnis der Sache im Fortgang der Aufgabenbearbeitung bis hin zu einem Konzept bzw. Lösungsansatz erkennen können.
Für die Individualisierung des Lernens und damit für die individuelle Förderung der Lernenden kann sich der im Hagener Projekt präferierte Einsatz von Recommender Systemen erweisen, wenn die Externalisierung der kognitiven Prozesse gelingt.
Fazit und Ausblick
Vor allem im Bildungsbereich steht nicht der Einsatz von Automatisierung zur Vereinfachung des Denkens, sondern zum Schaffen zugeschnittener, geistiger Herausforderungen im Vordergrund. Ziel ist es in diesem Sinne nicht, die vollständige Kontrolle des Lernenden durch Maschinen zu erlangen. Vielmehr sollen die Schüler*innen ein bestmögliches Lernerlebnis haben können – abgestimmt auf die Möglichkeiten von Lehrkräften und die individuellen Anforderungen der Lernenden. Vor diesem Hintergrund wird KI menschliche Vermittelnde von Wissen und Fähigkeiten nicht ersetzen können. Jedoch wird sie Expert*innen Routinearbeiten abnehmen und somit die Qualität der Bildung insgesamt erhöhen. Auch lassen sich durch den Einsatz von KI individuelle Lernumgebungen schaffen, die den Lernbedürfnissen der einzelnen Schüler*innen gerecht werden.
In dem gesamten Prozess müssen vor allem ethische Grundwerte wie Privatsphäre und Selbstbestimmung eine tragende Rolle spielen. Nur so können eine verantwortungsvolle und sichere Entwicklung sowie Nutzung gewährleistet werden. Dazu gilt es, beteiligte Personen wie Lehrende, Schüler*innen und Eltern in den Prozess miteinzubinden, denn nur Transparenz in der Entwicklung ermöglicht die allseitige Akzeptanz der Technologie.
Zumindest in diesem Jahrhundert wird KI voraussichtlich nicht mehr in der Lage sein, die soziale Komponente des Lernens zu übernehmen. Die für das Zusammenleben wichtigen „soft skills“ werden also weiterhin in der Verantwortung der Lehrenden liegen. Viel wichtiger als Antworten auf die Fragen zu finden, die KI aufwirft, wird es dementsprechend auch in Zukunft sein, Antworten auf die Fragen zu finden, sie sich nur der Mensch stellt.
Quellen
- https://www.herole.de/blog/kuenstliche-intelligenz-im-unterricht-wie-gestaltet-sich-die-schule-von-morgen/
- https://www.deutschlandfunk.de/kuenstliche-intelligenz-in-der-bildung-den-menschen.680.de.html?dram:article_id=452502
- https://www.wissenschaftsjahr.de/2019/neues-aus-der-wissenschaft/das-sagt-die-wissenschaft/ergaenzen-sich-lehrkraefte-und-technologie/
- https://www.checkpoint-elearning.de/schule/wie-kuenstliche-intelligenz-das-lernen-unterstuetzt
- https://www.bpb.de/lernen/digitale-bildung/werkstatt/256629/ideen-zur-rolle-von-kuenstlicher-intelligenz-im-klassenzimmer-der-zukunft
- Jahn, Sandy/Kaste, Stefanie/März, Anne/Stühmeier, Romy: Denkimpuls Digitale Bildung: Einsatz von Künstlicher Intelligenz im Schulunterricht. Berlin: Initiative D21 e.V. 2019. (de/publikationen/denkimpulse-zur-digitalen-bildung 18.06.2020). S. 2-6.
- https://www.mmb-institut.de/blog/hochschule-mit-ki-mehr-individualisierung-wagen/
