Journal of Linguistics and Language Teaching
Volume 15 (2024) Issue 2
Künstliche Intelligenz im Englischunterricht –
Grundwissen und Praxisbeispiele
Inez De Florio-Hansen (Kassel, Deutschland)
Abstract (Deutsch)
Dieser Beitrag fasst das aktuelle Grundwissen über KI-Sprachmodelle und Bildgeneratoren für den Englischunterricht zusammen. Die Einführung der Schüler und Schülerinnen erfolgt anhand konkreter unterrichtspraktischer Anwendungen, die sich mit den wichtigsten Fragen im Zusammenhang mit KI auseinandersetzen: Wie kann man die Intelligenz einer Maschine messen (Turing Test)? Was bedeuten wichtige Begriffe wie Algorithmus, maschinelles Lernen und künstliche neuronale Netzwerke? Wie geht man am besten bei der Eingabe (Prompt) vor, und wie kann man das Prompting verbessern, um die angestrebten Ergebnisse zu erzielen? Wie sollten Lernende die Nutzung von KI-Systemen bei Hausaufgaben und Erfolgskontrollen angeben, um sich nicht eines Täuschungsversuchs schuldig zu machen? Den Schluss bildet ein kurzer Hinweis darauf, was wir in absehbarer Zeit von KI zu erwarten haben.
Stichwörter: KI-Sprachmodelle, KI-Bildgeneratoren, ChatGPT, Microsoft Copilot, Microsoft Designer, Turing Test, Prompt (Eingabeaufforderung)
This paper provides a concise overview of the current state of knowledge regarding AI language models and image generators for English language teaching. Practical classroom applications are introduced to engage students with key questions about AI: How can machine intelligence be measured (Turing Test)? What are the meanings of fundamental concepts such as algorithms, machine learning, and artificial neural networks? What are the best practices for inputting prompts (prompt engineering), and how can prompt quality be improved to achieve desired outcomes? How should learners acknowledge the use of AI tools in homework and assessments to avoid accusations of plagiarism? The paper concludes with a brief outlook on the future of AI.
Keywords: AI language models, AI image generators, ChatGPT, Microsoft Copilot, Microsoft Designer, Turing Test, Prompt
1 Einleitung
Auf der Grundlage der Ausführungen von Tinnefeld Artificial Intelligence in Foreign Language Teaching – Insights from an Interview with ChatGPT and Bard (JLLT 14 (2023) 2) gibt der folgende Beitrag praxisbezogene Hinweise zur Nutzung von KI-Sprachmodellen im Englischunterricht der Sekundarstufe 1 und 2. Anhand unterrichtspraktischer Anwendungen wird aufgezeigt, was Lehrpersonen wissen und können müssen, um ihre Schüler und Schülerinnen mit dem Gebrauch entsprechender KI-Tools vertraut zu machen. Vorrangiges Ziel ist es, Lehrkräfte zu entlasten und die Schüler1 in die Lage zu versetzen, mit Hilfe von KI-Systemen ihre Englischkenntnisse auf einen angemessenen Stand zu bringen. Die Schüler werden dazu befähigt, KI-Tools als das zu nutzen, was sie sind: eine zusätzliche Hilfe, aber kein Ersatz für eigene Anstrengungen. Sie sind gehalten – das gilt bis zu einem gewissen Maß auch für Lehrpersonen – jede Generierung von KI-Systemen hinreichend zu überprüfen und deren Nutzung bei Hausaufgaben und Erfolgskontrollen detailliert anzugeben, um sich nicht eines Täuschungsversuchs schuldig zu machen.
2 Die Verfügungen der Kultusministerkonferenz
Die Kultusministerkonferenz hat 2016/2017 eine Verfügung mit dem Titel Bildung in der digitalen Welt veröffentlicht, die jede Lehrkraft verpflichtet, ihre Schüler mit digitalen Technologien vertraut zu machen. Diese Verpflichtung ist auch dann wirksam, wenn an der Schule oder in einem Schulverbund Informatikunterricht erteilt wird. Und sie gilt, selbst wenn die Lehrperson für das fachliche Lehren und Lernen nicht auf digitale Medien zurückgreift (KMK 2016/2017). Im Jahre 2022 hat die Kultusministerkonferenz ihre Strategie auf KI-Systeme ausgedehnt. Das Ergänzungspapier trägt den Titel Lehren und Lernen in der digitalen Welt (KMK 2022).
Warum erwartet die Kultusministerkonferenz von jedem Lehrer und jeder Lehrerin die Vermittlung relevanter Informationen zu den sogenannten neuen Technologien? Zum einen wird so sichergestellt, dass jede Lehrkraft hinreichend über die betreffenden technischen Errungenschaften informiert ist, gleichgültig, ob sie digitale Technologien wie PC und Smartphone oder KI-Systeme wie ChatGPT oder Microsoft Copilot für Ziele und Inhalte des eigenen Unterrichts nutzt. Zum anderen profitieren die Lernenden vom Wissen der jeweiligen Lehrperson. Vor allem aber lernen sie unterschiedliche Sichtweisen kennen – von enthusiastischer Zustimmung bis zu kompletter Ablehnung. Selbstverständlich bietet der Informatikunterricht vertiefte Kenntnisse. Informatiklehrer haben aber nach meiner Erfahrung in den seltensten Fällen eine ablehnende Haltung gegenüber ihrem Unterrichtsgegenstand.
Im Rahmen dieses Beitrags gehe ich anhand von Beispielen darauf ein, wie Englischlehrer die Tools nutzen und vor allem, wie sie ihre Lernenden mit den Möglichkeiten und Grenzen der KI vertraut machen können. Sämtliche Beispiele beruhen auf ChatGPT und Microsoft Copilot; ich habe diese beiden KI-Modelle gewählt, weil sie derzeit immer noch kostenfrei zur Verfügung stehen. Dadurch können die Leser und Leserinnen die einzelnen Generierungen ohne finanziellen Aufwand nachvollziehen und überprüfen (weitere Einzelheiten: De Florio-Hansen 2024a, 2024b und 2024c).
3 Die Entwicklung von künstlicher Intelligenz
Verfolgt man den Hype, der die rasch fortschreitende Entwicklung von KI-Sprachmodellen und KI-Bildgeneratoren begleitet, hat man den Eindruck, KI sei in den letzten Jahren entstanden. Künstliche Intelligenz, d.h. die Nachbildung und Bewältigung ‚intelligenter‘ Aufgaben und Tätigkeiten durch eine Maschine, ist jedoch schon seit Mitte der 1950er Jahre im Gespräch. 1956 fand am Dartmouth College in New Hampshire ein Kongress bzw. ein Workshop für Experten statt, für den einer der Initiatoren den Begriff Artificial Intelligence (AI) kreierte und in den Titel aufnahm (Dartmouth Summer Research Project on Artificial Intelligence). Dadurch wurde dem Workshop größere Aufmerksamkeit zuteil. John McCarthy, der Erfinder des Begriffs Artificial Intelligence, umreißt die Ziele des Kongresses wie folgt:
We propose that a 2-month, 10-man study on artificial intelligence be carried out during the summer of 1956 at Dartmouth College in Hanover, New Hampshire. The study is to proceed on the basis of the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it. An attempt will be made to find how to make machines use language, form abstractions and concepts, solve kinds of problems now reserved for humans, and improve themselves. (McCarthy et al. 1955: 1)
Der Workshop führte zwar nicht zu den anvisierten bahnbrechenden Erkenntnissen hinsichtlich der Bewältigung ‚menschlicher‘ Aufgaben durch Maschinen wie den PC; es existiert nicht einmal, wie sonst üblich, ein Kongressband. Durch den Kongress wurde jedoch der Grundstein für KI als akademisches Fachgebiet gelegt.
Die Frage, ob es möglich ist, menschliche Intelligenz mit Hilfe von Maschinen nachzubilden, ist jedoch älter. Bereits 1936 hat der britische Wissenschaftler Alan Turing (1912-1954) mit der sogenannten Turing-Maschine ein Modell vorgelegt, welches zeigen sollte, dass man im Prinzip jedes Problem mit Hilfe von Rechenmaschinen lösen kann, wenn dabei das Prinzip Eingabe-Verarbeitung-Ausgabe (EVA) befolgt wird. Turing konnte keinen Nachweis für diese Annahme erbringen, weil der erste Computer erst 1941 auf den Markt kam. Anders verhält es sich mit dem Turing-Test, der auch heute noch mit ‚denkenden‘ Maschinen in Verbindung gebracht wird. In einem wissenschaftlichen Artikel von 1950 geht Turing der Frage nach, ob Maschinen denken können. Er spricht von 'thinking machine', räumt aber ein, dass es eine exakte Definition des Begriffs Denkvermögen nicht gibt. Er schlägt einen Test vor, der auch heute noch im Zusammenhang mit KI-Modellen wie ChatGPT durchgeführt wird.
Bei diesem Test geht es um einen schriftlichen Gesprächsaustausch, also einen verschriftlichen Chat. Dabei ‚unterhält' sich die Versuchsperson C mit zwei ihr unbekannten Partnern, die sie während des Tests nicht sehen oder hören kann. Einer dieser ‚Gesprächs‘-Partner ist ein Mensch (B); der zweite Partner ist ein KI-Tool mit textbasiertem Dialogsystem (A) (De Florio-Hansen 2020: 43). Erkennt die Versuchsperson den Chatbot nicht als solchen und hält ihn für einen menschlichen Gesprächspartner, dann hat die dahinterstehende Maschine den Test bestanden und kann als ‚intelligent' gelten. Obgleich der Turing-Test nicht ohne Widerspruch geblieben ist (insbesondere Searle 1980), gilt er auch heute noch als Beweis für die ‚Intelligenz‘ von Maschinen. Daher sollten sich Schüler mit dem Turing-Test auseinandersetzen (De Florio-Hansen 2024b: 148-149):
Praxisbeispiel: Einführung (für Schüler ab dem 5. Lernjahr):
Measuring the intelligence of a machine
1. Read the following text:
In a scientific article published in 1950, Alan Turing, an English mathematician, explores the question of whether machines can think. Turing speaks of a 'thinking machine' and admits that an exact definition of the term 'thinking ability' is not possible. He therefore proposes a test that is still used today in relation to AI systems such as ChatGPT.
This test involves a written chat. The test subject (C) 'chats' with two unknown partners without visual or acoustic contact, that is without seeing or hearing them. One of the partners (B) is a human, while the second 'conversation partner' (A) is a chatbot with a text-based dialog system.
If the test person does not recognize the chatbot as such and mistakes it for a human, then the machine behind it has passed the test and can be considered intelligent. In this sense, ChatGPT can be considered 'intelligent' because the system sometimes generates texts that even experts cannot clearly assign to a human or an AI system.
2. Explain to your partner how the Turing test works using the above illustration. Then share your ideas about the test in plenary. Do you think that the Turing test is a useful tool for measuring the 'intelligence' of a machine? Why? Why not?
4 Wesentliche Merkmale neuerer KI-Systeme
Der Hauptunterschied zwischen älteren Systemen und dem, was heute als KI gilt, besteht zunächst einmal darin, dass KI-Modelle wie ChatGPT oder auch Bildgeneratoren über eine ganze Bandbreite von Fähigkeiten verfügen. Mit Hilfe von ChatGPT können Texte und Gliederungen erstellt werden, das Tool kann Texte zusammenfassen oder übersetzen, Multiple Choice-Tests generieren und mit den Nutzern plaudern. Inzwischen steht bei den meisten Chatbots auch gesprochene Sprache zur Verfügung. Bildgeneratoren kreieren nicht nur Bilder, Fotos oder Gemälde, sondern können meist auch Grafiken und sonstige bildliche Darstellungen wie Cartoons erstellen. Vor etwa zehn bis fünfzehn Jahren brachten KI-Tools auch schon beachtliche Leistungen zustande, waren aber auf eine Fähigkeit beschränkt, z.B. das Schach- oder Go-Spielen.
Die erweiterte Leistungsfähigkeit hat mehrere Gründe. Einer der wichtigsten ist die verbesserte Rechenleistung der Computer und die immense Menge an Daten, die im Netz verfügbar sind. Aufgrund dieser Voraussetzungen können KI-Systeme selbständig lernen. Dieses sogenannte maschinelle Lernen ist ein weiteres Merkmal der seit 2022 auf dem Markt verfügbaren KIs. Dabei handelt es sich um ein unüberwachtes Lernen aus den Trainingsdaten. Es bedarf keines Programmierers; bei den auf ein Brettspiel spezialisierten Tools waren von Anfang an Programmierer nötig.
Um sich einen Einblick in das maschinelle Lernen zu verschaffen, kann man bei ChatGPT oder bei Microsoft Copilot die Frage eingeben: „Wer ist …?" Handelt es sich nicht um eine weltweit bekannte Person, bekommt man zwar von Anfang an in der Regel wortreiche Antworten; diese können aber Fehlinformationen enthalten. Gibt man im Abstand von Wochen und Monaten immer wieder dieselbe Frage „Wer ist …?“ ein, nähert sich der Output immer mehr der Realität.
Wie kommt dieses maschinelle Lernen zustande? Die neueren KI-Systeme beruhen auf statistischen Berechnungen. Sie geben an, welche Wörter oder bildlichen Darstellungen mit größter Wahrscheinlichkeit auf eine (Wort-/Bild-)Eingabe folgen. Man sollte die Schüler immer wieder darauf hinweisen, dass KIs in keiner Weise verstehen, was die Wörter oder Bilder bedeuten, denn sie haben kein Bewusstsein. Deshalb ist es nicht zielführend, menschenähnliche Fähigkeiten hinter den Systemen zu vermuten. Das sogenannte AI-Takeover, bei dem die KIs die Herrschaft über uns Menschen übernehmen, entspricht nicht der Realität. Aus meiner Sicht handelt es sich um den Wunschtraum etlicher KI-Experten bzw. um Science Fiction (u.a. Mitchell 2019 und Lenzen 2018; 2023).
Auch wenn das maschinelle Lernen als unüberwacht gilt, sind auch bei den neuen Tools wie ChatGPT Programmierer oder sonstige Trainer tätig. Die Ergebnisse beruhen also zu einem gewissen Teil auf überwachtem Lernen. Das Eingreifen von Menschen hat vielfältige Gründe, z.B. die Vermeidung unpassender Inhalten wie Sexismus oder Rassismus, vor allem jedoch die Steigerung der Effizienz. Aber selbst Experten sind oft nicht imstande, die Generierungen zu erklären. Außerdem halten sich Firmen wie z.B. OpenAI, der Hersteller von ChatGPT und weiteren führenden Tools, mit Blick auf die Konkurrenz bedeckt.
Zusammenfassend lässt sich sagen, dass vor allem drei Aspekte entscheidend für die Leistungsfähigkeit der neuen KI-Systeme sind:
die Algorithmen
das maschinelle Lernen und
die künstlichen neuronalen Netzwerke.
5 Entscheidende Faktoren für den Output von KI-Systemen
Im Zusammenhang mit KI-Systemen versteht man unter einem Prompt die sogenannte Eingabeaufforderung, d.h. eine absichtsbasierte Ergebnisspezifikation. Das Prompting dient also dazu, von einem KI-Sprachmodell oder einer anderen KI-Anwendung die gewünschte Antwort zu erhalten.
In der Überschrift zu diesem Abschnitt ist absichtlich der Plural gewählt worden, weil man nur in wenigen Fällen mit einem einzigen Prompt auskommt. Dies ist zum Beispiel möglich, wenn man ChatGPT als Grammatik-Korrektor oder als Suchmaschine verwendet. Diese sind jedoch nicht die vorrangigen Ziele eines auf Dialoge ausgerichteten Chatbots.
Ethan Mollick, Professor an der Wharton School der University of Pennsylvania, geht seit geraumer Zeit in den vierzehntägigen Posts seines Blogs One Useful Thing auf KI-Systeme ein. Dabei hat er das Prompting mehrfach behandelt. Er lehnt das Streben nach dem perfekten Prompt ab, weil es seiner Überzeugung nach keinen „one-size-fits-all prompt“ gibt:
Instead, engaging in a conversation with the AI and asking questions can lead to better results. To use AI effectively, consider the following strategies:
1. Focus on tasks where you are an expert and collaborate with GPT: Leverage your expertise in a specific domain and use GPT to assist you. This way, you can guide the AI more effectively and achieve better results since you have a solid understanding of the subject.
2. Provide context for the AI: When crafting a prompt, include relevant background information to help the AI better understand the context. This will lead to more accurate and useful responses.
3. Offer step-by-step directions: Instead of expecting the AI to understand complex tasks with minimal instruction, break down the task into smaller, actionable steps. Providing clear directions will improve the AI’s comprehension and performance.
Iterate with the AI: Don’t expect the perfect answer right away. Start with an initial response from the AI, then ask for changes, improvements, or clarifications as needed. This iterative process allows you to fine-tune the AI’s response and achieve the desired outcome. (Mollick 2023a: https:-/--/-www.oneusefulthing.org-/-p-/-one-sentence ; 30-05-2024)
Da sich die vorliegenden umfangreichen Sammlungen von Prompts nur selten auf schulischen Unterricht beziehen, hier ein weiteres Beispiel zur Abfassung von Prompts aus der englischsprachigen Sekundärliteratur. Die einzelnen Schritte sind mit den bereits vorgestellten Empfehlungen teilweise identisch. Trotzdem können sie von Nutzen sein, weil es beim Prompting in vielen Fällen auf Kleinigkeiten ankommt, um die erwünschte Generierung zu erhalten. Fitzpatrick et. al. 2023: 90-94 empfehlen das Verfahren PREP: Prompt – Role – Explicit –Parameters.
Prompt: Introduce the question with a prompt.
Examples:
Create an academic quiz about …
Read the following text and be prepared to answer questions on it.
Grade this answer and give reasons for your judgement.
Role: Give it a role or voice.
Examples:
You are an experienced teacher who is an expert at creating quizzes that engage and challenge students.
You are a qualified examiner who grades English exam papers. You are renowned for your impartiality and fair marking.
You are Atticus Finch, the character from To Kill a Mockingbird.
Explicit: Be explicit in your instructions.
Examples:
Write five questions. Use Bloom’s taxonomy to make sure that the questions develop a deeper understanding. Use various question types. Provide answers at the end.
Respond in a table with three columns. The three columns should be titled …
Make complex ideas easy to understand.
Parameters: Set the parameters of the answer.
Examples:
Write this in 100 words with a reading age of 11 years old.
Format this with headings, subheadings, and bullet points.
Write this in British English.
Write this in a formal and caring tone.
(Fitzpatrick et. al. 2023: 90-94)
Inzwischen sind OpenAI und andere Forschungsunternehmen dabei, KI-Systeme zu schaffen, die den Usern das Prompting weitgehend abnehmen. Diese Tools erstellen aus einem einfachen Eingabebefehl selbstständig die entsprechenden Prompts. Bisher sind diese Systeme jedoch auch in englischsprachigen Ländern noch nicht wirklich auf dem Markt; zudem werden sie wohl kostenpflichtig sein.
Stellt das Abfassen von Eingabeaufforderungen bei KI-Sprachmodellen schon recht hohe Anforderungen an die Nutzer, so ist das Prompting von KI-Bildgeneratoren noch aufwendiger. Die Grundstruktur umfasst mindestens drei Angaben:
Als erstes gibt man den Inhalt des gewünschten Outputs an, beispielsweise “Ein spielendes Kind am Strand baut aus Sand eine Burg”. Im Zusammenhang mit dem Inhalt können Hinweise erfolgen, wie Personen etwas tun und/oder welche Grundstimmung das Bild haben soll.
Es folgen Hinweise zur Kunst- bzw. Stilrichtung und gegebenenfalls die Nennung eines oder mehrerer Künstler, beispielsweise die Anforderung eines möglichst realistischen Fotos. Neben der Fotografie bieten sich als Stilrichtungen Malerei, Illustration (beispielsweise Bleistiftzeichnung, Holzkohle-Sketch, Cartoon, Poster), Collage, Skulptur und/oder Straßenkunst an.
Zusätzliche Angaben betreffen im Fall einer Fotografie die Auflösung und die Beleuchtung, gegebenenfalls den Bildausschnitt. (De Florio-Hansen 2024b: 81)
Weitere Einzelheiten erschweren das Prompting bei Bildgeneratoren zusätzlich: Die verschiedenen Tools zur Erstellung von Bildmaterial werten die Prompts unterschiedlich aus, und selbst bei demselben KI-Visualisierungssystem ist bei jedem Folgeprompt mit Veränderungen zu rechnen. Daher empfehle ich den über Co-Pilot zur Verfügung stehenden Microsoft Designer. Er steht gratis zur Verfügung und generiert in aller Regel Bilder und sonstige Abbildungen, die für Unterrichtszwecke hinreichen dürften (De Florio-Hansen 2024c).
Der weiter oben erwähnte Ethan Mollick rät in einigen Blogposts dazu, sich Sammlungen von Prompts, die sich im jeweiligen Zusammenhang bewährt haben, anzulegen:
The previous generations of AI, prior to Large Language Models and ChatGPT, rewarded who ever had the best hoards of data. (…)
We are used to technology being out of our hands, developed by teams of engineers and delivered to us, ready to accomplish the goal set out by the product’s designers. AI does not work that way. In this case, technology precedes use, allowing any of us to decide our own goals for what AI could do. We have a general purpose technology with many possible use cases, almost all of which are completely unanticipated by the AI companies themselves. (Mollick 2023b)
Prompt-Sammlungen sind auch im Zusammenhang mit Schule und Unterricht sinnvoll. Sowohl Lehrpersonen als auch Schüler können Prompts sammeln, die sich in einem bestimmten Fach, aber auch fächerübergreifend bewährt haben. Dabei bietet sich ein schrittweises Vorgehen an:
Zunächst stellt die Lehrkraft geeignete Prompts vor und lässt sie von den Schülern in verschiedenen Zusammenhängen erproben.
Mit der Zeit werden die Schüler immer mehr aufgefordert, selbst Prompts zu erstellen und zu erproben.
In Partnerarbeit oder in Kleingruppenarbeit besprechen sie miteinander, welche Prompts sich als besonders geeignet für eine bestimmte Zielvorgabe erwiesen haben.
Bevor sie beginnen, eine Prompting-Sammlung anzulegen, überprüfen sie die Wirksamkeit verschiedener Prompts in unterschiedlichen Zusammenhängen.
Wenn sie sich – gegebenenfalls mit Hilfe der Lehrkraft – einen Überblick verschafft haben, notieren sie zielführende Prompts sowie die jeweilige Aufgabenstellung. Jede Schülerin legt für sich eine solche Sammlung an.
Von Zeit zu Zeit überprüfen die Lernenden in Gesprächen im Plenum, inwieweit ihre Prompts noch das gewünschte Ergebnis zeitigen, beziehungsweise ob sie verbesserungswürdig sind. Ist Letzteres der Fall, erarbeiten sie die notwendigen Anpassungen.
Bei dieser Gelegenheit können sie gegebenenfalls Prompts von Mitschülern außerhalb des konkreten Lernkontextes übernehmen. (De Florio-Hansen 2024b: 84)
Die folgenden Prompts sind für Lehrkräfte zum Zwecke der Unterrichtsvorbereitung bzw. einer optimierten Betreuung individueller Schüler gedacht. Sie sind unmittelbar an den Vorschlägen von Fitzpatrick et al. (2023), Skrabut (2023) und Kuderewski (2023) orientiert. Häufig mag eine Anpassung an den jeweiligen Lernkontext und die Diktion der Lehrkraft nötig sein. Selbstverständlich können die Prompts und die darauf erfolgenden Generierungen auch mit den Lernenden im Unterricht besprochen werden. Wie immer, ist auch hier das Experimentieren und Erproben von Bedeutung:
Prompts:
• Was ist Künstliche Intelligenz? Erkläre dies einem Zehnjährigen.
• Erstelle eine Richtlinie für Lehrer, die ChatGPT im Unterricht nutzen.
• Erstelle fünf Fragen zum Thema „Künstliche Intelligenz und ihre Auswirkungen auf Schule und Unterricht”.
• Überzeuge mich davon, dass Künstliche Intelligenz im schulischen Unterricht behandelt und benutzt werden sollte.
• Wie können Schülerinnen und Schüler die Lernstrategie Think, Pair, Share in Verbindung mit ChatGPT für ihr Lernen nutzen?
• Erstelle eine Zusammenfassung der wichtigsten Punkte aus dem Buch [Titel] von [Name der Autorin oder des Autors].
• Fasse diesen Artikel [Eingabe des Artikels] zusammen und erstelle eine Liste der wichtigsten Punkte mit Bulletpoints.
• Du bist Experte für … Lies den Text [Eingabe des Textes] und suche die Schlüsselwörter heraus. Schreibe eine kurze, einfache Definition für jedes Schlüsselwort für Schüler der 7. Jahrgangsstufe.
• Du sollst als Essay-Schreiber auftreten. Du musst ein gegebenes Thema recherchieren, eine These formulieren und einen überzeugenden Text erstellen, der informativ und ansprechend ist. Meine erste Anfrage lautet: Ich brauche Hilfe bei der Erstellung eines überzeugenden Essays über die Wichtigkeit der Reduzierung von Plastikabfällen in unserer Umwelt.
• Du bist Philosophielehrer. Ich brauche Hilfe, um zu verstehen, wie verschiedene philosophische Theorien im Alltag angewendet werden können.
• Ich möchte, dass du als Sokrates agierst. Du sollst die sokratische Methode anwenden, um meine Überzeugungen zu hinterfragen. Ich werde eine Aussage machen und du wirst versuchen, jede Aussage weiter zu hinterfragen, um meine Logik zu testen. Du wirst jeweils mit einer Zeile antworten. Meine erste Aussage lautet: »Gerechtigkeit ist in einer Gesellschaft notwendig.«
• Du agierst als KI-Schreibassistent. Einer meiner Schüler der 9. Jahrgangsstufe benötigt Hilfe, um sein Schreiben zu verbessern, und deine Aufgabe ist es, künstliche Intelligenz-Tools wie Natural Language Processing zu nutzen, um dem Schüler Feedback zu geben, wie er seinen Text verbessern kann. Du solltest auch dein rhetorisches Wissen und deine Erfahrung mit effektiven Schreibtechniken nutzen, um Wege vorzuschlagen, wie der Schüler seine Gedanken und Ideen besser in schriftlicher Form ausdrücken kann. Meine erste Anfrage lautet: »Ich brauche jemanden, der mir hilft, meinen Aufsatz zu bearbeiten« [Text des Aufsatzes].
• Wie kann ich als Lehrer, der eine neue Stelle antritt, das Vertrauen meiner Schüler gewinnen? (De Florio-Hansen 2024a: 77-78)
6 Unzulänglichkeiten von KI-Systemen
Fast alle Publikationen, wissenschaftsbasiert oder nicht, weisen darauf hin, dass Nutzer jeden Output von KI-Sprachmodellen überprüfen sollten. Am besten wäre es natürlich, wenn man selbst über das entsprechende Wissen verfügt und die Generierungen entsprechend einordnen kann. Ist dies nicht der Fall, sollte man weitere Quellen zu Rate ziehen. Das gilt nur dann nicht, wenn der Inhalt des Outputs Geschmackssache ist. Wenn man ChatGPT beispielsweise beauftragt, Geschenkideen für die eigene Großmutter zu deren 80. Geburtstag zu generieren, kann das Tool nicht viel falsch machen.
Lässt man jedoch die Gliederung für eine Hausaufgabe oder eine PowerPoint Präsentation erstellen, müssen die Eingabeaufforderung und die Folge-Prompts so gestaltet werden, dass das jeweilige KI-System den Lernkontext und die entsprechenden Anforderungen daraus erschließen kann. Dabei geht es nicht nur um die Inhalte; auch die Persönlichkeit der Lehrperson sowie die der Schüler sollten beim Prompting in Form berücksichtigt werden.
Dabei ist man im Englischunterricht in einer vergleichsweise besseren Situation als bei Schulfächern in deutscher Sprache. Da die Trainingsdaten (fast) ausschließlich auf Englisch vorliegen, verläuft die Generierung auf der Grundlage deutscher Prompts wie folgt: Die deutsche Eingabeaufforderung wird ins Englische übertragen, ein möglicher Output wird auf Englisch erstellt und anschließend ins Deutsche übersetzt. Beeindruckend ist vor allem die Geschwindigkeit, mit der die Systeme diese Übertragungen zustande bringen.
So beeindruckend die Generierungen neuerer KI-Systeme auch sein mögen: Die Tools weisen eine Reihe inhaltlicher Unzulänglichkeiten auf. Da sich die Daten inhaltlich häufig auf die Verhältnisse in den USA beziehen, weisen sie bisweilen u.a. Sexismus und Rassismus auf: Gibt man bestimmte Berufe ein und fragt nach namhaften Vertretern, so erhält man bei gehobenen Positionen in der Regel die Namen von Männern. Höchst selten werden Frauen angeführt und – wenn überhaupt – meist in untergeordneten Tätigkeiten. Farbige Personen werden in aller Regel vorwiegend in negativ belegten Zusammenhängen genannt.
Selbstverständlich haben die Forschungsunternehmen diese Vorurteile bei den Generierungen schnell bemerkt. Noch bevor ChatGPT kostenfrei auf den Markt kam, hat OpenAI Menschen damit beauftragt, die Daten zu sichten und entsprechend zu ändern. Dies ist nicht ohne Kritik geblieben. Zum einen hat das Forschungsunternehmen Arbeiter in Kenia angeworben, die für einen Hungerlohn die entsprechenden Daten durchgesehen und zum Teil bereinigt haben. Kritisiert wurde auch der Tatbestand, dass bei weiteren Korrekturen nicht selten die Ansichten und Vorurteile der Programmierer in die Trainingsdaten eingeflossen sind. Einer der zahlreichen Posts von OpenAI (vgl. openai.com) trägt den Titel Educator Considerations for ChatGPT. Darin gehen die Autoren detailliert auf Vorurteile und Stereotypen sowie auf zahlreiche Risiken ein, die mit der Nutzung des Chatbots verbunden sind.
Lehrenden und Lernenden muss – abgesehen von der sprachlichen Qualität des Outputs – stets bewusst sein, dass die Inhalte am US-amerikanischen Schul- und Hochschulsystem orientiert sind. Das ist auch dann der Fall, wenn das Prompting eindeutig auf die Verhältnisse in deutschen Schulen Bezug nimmt. Ein sinnvolles Vorgehen im Unterricht besteht angesichts dieser Situation darin, die Schüler zunächst selbstständig bearbeiten zu lassen und die Ergebnisse anschließend mit dem Output eines oder besser mehrerer KI-Systeme zu vergleichen.
In vielen Fällen weisen die neuen Tools – so beeindruckend ihre Leistungen im Vergleich zu älteren KI-Systemen auch sein mögen – Unzulänglichkeiten auf. Das ist vor allem darauf zurückzuführen, dass die auf Wahrscheinlichkeit basierenden Ergebnisse bisweilen nur unsichere Schlussfolgerungen zulassen, gleichgültig ob das Prompting auf Deutsch oder Englisch erfolgt. Wenn Programme selbstständig aus den Trainingsdaten lernen, verbessern sie die Algorithmen nicht nur, sondern erfinden zum Teil auch neue. Oft werden Verzerrungen (biases) nicht vom Programmierer verursacht, sondern durch das Programm selbst gelernt.
Hinzu kommt, dass die Systeme bei Überlastung ‚halluzinieren‘ (engl. hallucinate; Hallucination). Sie generieren zuverlässig klingende Antworten, die durch die Trainingsdaten nicht gerechtfertigt sind. Das kann so weit gehen, dass sie Autoren, Buchtitel und ISBN nennen, die nicht existieren. So stellen Fricke et al. in ihrem Buch „Die humorvollsten Kurzgeschichten, die KI jemals geschrieben hat” ein Zitat des Informatikers und KI-Forschers Kühn voran: „Künstliche Intelligenz wird das sein, was wir Menschen daraus machen“. Inhaltlich ist gegen diese Aussage wenig einzuwenden. Das Zitat wurde von ChatGPT vorgeschlagen, aber weder der Autor noch das Zitat existieren tatsächlich (Fricke et al. 2023: 5; De Florio-Hansen 2024b: 24).
7 Urheberrecht und Datenschutz
Viele Lehrkräfte stehen KI-Systemen u.a. aus Gründen des Urheberrechts und des Datenschutzes skeptisch gegenüber. Grundlegende Kritikpunkte beziehen sich dabei auf das Copyright und das Problem, wie die Daten einzelner Lernender geschützt werden können.
Da ist zum einen die Frage, ob es sich bei der Nutzung der von einer KI generierten Inhalte nicht um Plagiate handelt. Tools wie ChatGPT greifen auf Daten des World Wide Web (WWW) zu, also auch auf Wikipedia und Bücher. Kann es dabei nicht vorkommen, dass die Urheberrechte einer Autorin oder eines Autors verletzt werden? Zwar arbeitet die EU seit 2018 an gesetzlichen Vorschriften zur Regulierung von KI-Anwendungen (EU AI-Act / Digital Services ACT), die Rechtslage ist aber immer größtenteils noch ungeklärt. Zitate aus Generierungen von KI-Systemen gelten bisher nicht als Plagiate. Wenn aber eine Schülerin den Output eines KI-Systems ganz oder in Teilen in (Haus-)Aufgaben integriert, ohne die Quellen zu benennen, gilt dies als Täuschungsversuch. Das Ministerium für Schule und Bildung des Landes Nordrhein-Westfalen hat im März 2023 einen Handlungsleitfaden zum Umgang mit textgenerierenden KI-Systemen veröffentlicht. Darin werden die „rechtlichen Rahmenbedingungen bei der Nutzung im unterrichtlichen Zusammenhang“ ausführlich behandelt.
Die Nutzung von ChatGPT im Unterricht mit eigenen Geräten der Schülerinnen und Schüler bzw. über eigene Accounts-/-E-Mail-Adressen kann angesichts der aktuellen Sach- und Rechtslage (gerade mit Blick auf die datenschutzrechtlichen Vorgaben) nicht empfohlen werden.
Sofern Lehrkräfte auf freiwilliger Basis über einen Zugang zu ChatGPT oder anderen KI-Anwendungen verfügen, können sie diesen nutzen, um im Plenum mit den Schülerinnen und Schülern mit der KI-Anwendung zu arbeiten. Dabei ist wie bei allen anderen Anwendungen auch zu beachten, dass keine personenbezogenen Daten der Schülerinnen und Schüler übertragen werden. Dies wäre beispielsweise der Fall, wenn man Prompts nutzt, die einen Zusammenhang zur Klasse oder zu einzelnen Schülerinnen und Schülern herstellen. (MSB.NRW März 2023: 6)
In diesem Zusammenhang wird häufig nicht beachtet, dass das Forschungsunternehmen OpenAI in seinen Geschäftsbedingungen festgelegt hat, dass Jugendliche unter 13 Jahren ChatGPT nicht nutzen dürfen (De Florio-Hansen 2024b: 11-12). Bis zum Alter von 18 Jahren ist die Einwilligung eines Erziehungsberechtigten erforderlich; erst mit der Volljährigkeit steht jungen Erwachsenen die Nutzung frei. Aufgrund der immensen Zahl von Usern ist das Unternehmen nicht in der Lage, die genannten Bedingungen zu überprüfen, obgleich die Nutzung ohne Angabe einer E-Mail-Adresse nur in Ausnahmefällen möglich ist. Außerdem ist zu bedenken, dass OpenAI die Anwendung von ChatGPT auch deshalb kostenfrei zugänglich gemacht hat, um herauszufinden, wie das Tool genutzt wird. Selbstverständlich haben sich Experten mit diesen Fragen beschäftigt. Fitzpatrick et al. empfehlen folgendes Vorgehen:
Create a letter for my students’ parents that explains what ChatGPT or Google Bard is, how it can benefit students, and asks parents’ permission for their child to use it in class. Reference the OpenAI policy that explains the age of users. (Fitzpatrick et al. 2023: 174)
Um Täuschungsversuche zu begrenzen, schlägt das Ministerium für Schule und Bildung (NRW) in dem genannten Handlungsleitfaden vor, den Schülern folgende Formulierung zur Angabe ihrer Quellen vorzugeben:
Bei der Herstellung dieses Textes [oder wahlweise eines Bildes oder des Programmiercodes etc.] wurde X [Name des KI-gestützten Werkzeugs] eingesetzt. Mit folgenden Prompts [= Anweisungen oder Fragen an die KI] habe ich die KI gesteuert:
__________________; 2. ___________________
Der Vorteil dieser Art von Angabe ist, dass die Lehrkraft damit beurteilen kann, wie weitreichend der Einsatz der KI war. Ebenso lässt sich auch beurteilen, wie kompetent die Schülerin bzw. der Schüler den Einsatz der KI gesteuert hat. Dazu sollte der von der KI erstellte Text beigefügt werden. (MSB.NRW März 2023, 7)
Aus diesem und anderen Vorschlägen habe ich folgende Erklärung für die Hand der Lernenden erstellt:
Declaration on the use of AI systems
In writing this text and / or reproducing this visual material, I used the following AI-tools:
[name of the AI-based system(s)]
a.
b.
c.
I made use of the following prompts (in the form of questions and / or instructions).
a.
b.
c.
Please find attached the wording of the results generated by the AI systems:
1. .................................................................
2. .................................................................
3. .................................................................
8 Blick in die Zukunft
Am Ende eines Posts – der Beitrag trägt den Titel "What people ask me most. Also, some answers" geht der hier mehrfach zitierte Ethan Mollick auf die Frage ein, was wir von KI in absehbarer Zeit zu erwarten haben:
The only thing I know for sure is that the AI you are using today is the worst AI you are ever going to use, since we are in for at least one major round of AI advances, and likely many more. (Mollick 2023b)
KI-Systeme – wenn auch in kostenpflichtigen Versionen – können bereits heute das Lehren und Lernen in vielerlei Hinsicht bereichern, wenn man das volle Leistungsspektrum berücksichtigt: von geschriebener und gesprochener Sprache zu entsprechenden mündlichen und schriftlichen Texten, von Wort zu Bild und umgekehrt sowie von Bild zu Bild und schließlich von Text zu Video- und Audioformaten.
Außerdem zeichnet sich eine Entwicklung ab,die vermutlich bei Erscheinen dieses Beitrags bereits konkrete Formen angenommen haben wird: Die Qualität des Outputs beruht nicht länger nur auf der Größe des KI-Systems. OpenAI und andere Herstellerfirmen arbeiten an Modellen, die den Output mehrmals “überdenken”, bevor sie ihn generieren. Zum „Scale” tritt dann das „Thinking”.
Literaturverzeichnis
De Florio-Hansen, Inez (2024a): KI-Tools für den Unterricht. Weinheim/Basel: Beltz.
De Florio-Hansen, Inez (2024b): KI-Tools für den Englischunterricht. Ein praxisnaher Ratgeber mit zahlreichen Unterrichtsbeispielen. Stuttgart: ibidem.
De Florio-Hansen, Inez (2024c): Visualisieren mit KI. Praxisbeispiele für den Unterricht. Weinheim/Basel: Beltz.
De Florio-Hansen, Inez (2020): Digitalisierung, Künstliche Intelligenz und Robotik. Münster & New York: Waxmann (UTB).
Fitzpatrick, Daniel, Fox, Amanda & Weinstein, Brad (2023): The AI classroom. The ultimate guide to Artificial Intelligence in education. Independently Published.
Fricke, Dierk, Lindmüller, Johannes & Kämpfer, Tim (2023): Die humorvollsten Geschichten, die KI jemals geschrieben hat. Berlin: Avocado Publisher.
Kuderewski, Pascal (2023): ChatGPT. Ein neues Zeitalter. Independently Published.
KMK (Sekretariat der Ständigen Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland) (2016/2017): Bildung in der digitalen Welt. Strategie der Kultusministerkonferenz. Berlin: KMK.
KMK (Sekretariat der Ständigen Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland) (2022): Lehren und Lernen in der digitalen Welt. Ergänzung Zur Strategie der Kultusministerkonferenz ‚Bildung in der digitalen Welt‘. Berlin: KMK.
Lenzen, Manuela (2018): Künstliche Intelligenz: Was sie kann & was uns erwartet. München Beck.
Lenzen, Manuela (2018): Der elektronische Spiegel. Menschliches Denken und künstliche Intelligenz. München: Beck.
McCarthy, John/Minsky, Marvin L./Rochester, Nathaniel/Shannon, Claude E. (1955): A proposal for the Dartmouth summer research project on Artificial Intelligence. In: https://web.archive.org/web/20080930164306/http://www-formal.stanford.edu/jmc/-history/dartmouth/dartmouth.html, 29.05.2024
Ministerium für Schule und Bildung Nordrhein-Westfalen (2023): Umgang mit textgenerierenden Systemen. Ein Handlungsleitfaden. Düsseldorf: MSB.
Mitchell, Melanie (2019): Artificial Intelligence. A Guide for Thinking Humans. London: Penguin Random House UK.
Mollick, Ethan 2023a : One sentence. In: https://www.oneusefulthing.org/p /one-sentence; 29. Mai 2024.
Mollick, Ethan 2023b: Now is the time for grimoires. In: https://www.oneusefulthing.org/p/now-is-the-time-for-grimoires; 30. Mai 2024.
Mollick, Ethan (2024): Co-Intelligence. Living and working with AI. London: W-H. Allen.
Searle, John (1980): Minds, Brains and Programs. In: Behavioral and Brain Sciences 3, 417-457.
Skrabut, Stan (2023): 80 ways to use ChatGPT in the Classroom. Independently Published.
Tinnefeld, Thomas (2023): Artificial Intelligence in Foreign Language Teaching – Insights from an Interview with ChatGPT and Bard. In: Journal of Linguistics and Language Teaching 14 (2), 203-239.
______________________
1 Mit dem Ziel einer besseren Lesbarkeit wird in diesem Beitrag das generische Maskulinum verwendet - jedoch unter respektvoller Einbeziehung aller Menschen jeglichen Geschlechts.