Maßgeschneiderte Anweisungen für LLMs zur Förderung des erkenntnistheoretischen Bewusstseins
Eine kurze Lernaktivität, bei der Lehrende und Lernende maßgeschneiderte Anweisungen für ein großes Sprachmodell erstellen, um erkenntnistheoretisches Bewusstsein, kritisches Denken und verantwortungsbewusstes, KI-gestütztes Lernen unter unsicheren Bedingungen zu fördern.
DigCompEdu-Kompetenzbereich(e)
Lernerorientierung, Förderung der digitalen Kompetenz der Lernenden
Zeit
Vorbereitung: 15 Min.
Umsetzung: 30 Min.
Progressionsniveau der Lehrkräfte
Insider
Zielgruppe
Lehrkräfte in der Erwachsenenbildung, die große Sprachmodelle (LLMs) nutzen und einen kritischen sowie verantwortungsvollen Umgang mit KI etablieren möchten. Lernende im Erwachsenenalter, die KI-Tools für ihr Studium oder zur Unterstützung einsetzen und grundlegende KI-Kompetenzen sowie ein Verständnis dafür entwickeln müssen, wie KI mit Wissen und Ungewissheit umgeht.
Niveau der digitalen Kompetenzen
Mittelstufe
Sprachniveau der Lernenden
B2
🎓 Lernziele
Nach Abschluss der Unterrichtseinheit können Lehrkräfte und Lernende:
- benutzerdefinierte Anweisungen konfigurieren, die kritisches Denken, Transparenz und verantwortungsvolles KI-gestütztes Arbeiten unterstützen
- erklären, dass große Sprachmodelle kein Wissen besitzen, sondern probabilistisches Denken auf der Grundlage von Mustern in Daten generieren
- die eigene Verantwortung beim Einsatz von KI-Tools in Bildungs- und Lernkontexten reflektieren
Zutaten
| Ressource | Anzahl | Zweck |
|---|---|---|
| KI-Tool (z. B. ChatGPT oder ein anderes LLM mit benutzerdefinierten Anweisungen) | 1 pro Person | Konfiguration eines Modus für die kritische Interaktion, der das erkenntnistheoretische Bewusstsein und den verantwortungsvollen Umgang mit KI fördert |
| benutzerdefinierter Anweisungstext (bereitgestellt) | 1 | Regeln für den Umgang mit Unsicherheit und Glaubwürdigkeit sowie für den kritischen Dialog bei der Interaktion mit der KI |
Zubehör
mit dem Internet verbundenes Gerät + Zugriff auf ein LLM mit benutzerdefinierten Einstellungen
🥣 Vorbereitung – Vor dem Einsatz im Unterricht
- Die Lehrkraft macht sich zunächst selbst mit dem System vertraut, bevor sie die Lernenden anleitet.
- Vor dem Einsatz im Unterricht gibt die Lehrkraft die bereitgestellten, spezifischen Anweisungen in das KI-Tool ein und erkundet eigenständig deren Auswirkungen, indem sie alltägliche Fragen stellt und Veränderungen im Verhalten der KI beobachtet. Diese Erkundungsphase ermöglicht es der Lehrkraft, zu untersuchen, wie sich die Anweisungen auf Antworten in Bezug auf Unsicherheit, fehlende Informationen und kritische Gegenargumente auswirken.
- Erst nach dieser Erkundungsphase stellt die Lehrkraft die Aktivität den Lernenden vor.
🔥 Umsetzung (Im Unterricht / Synchron )
- Die Lehrkraft erläutert kurz den Kerngedanken des unter „Weiterführende Literatur & Ressourcen“ aufgeführten Referenztextes: Große Sprachmodelle „wissen“ nichts, sondern generieren Antworten auf der Basis von Wahrscheinlichkeiten; daher sind KI-Ausgaben eher als vorläufige Überlegungen denn als gesichertes Wissen zu betrachten.
- Die Lernenden öffnen ihr KI-Tool und fügen den unter „Weiterführende Literatur & Ressourcen“ bereitgestellten Text für benutzerdefinierte Anweisungen (Custom Instructions) in die entsprechenden Einstellungen ein. Dieser Text (als Bild) enthält ein strukturiertes Regelwerk für den Umgang mit Unsicherheit, Glaubwürdigkeit und Dialogführung.
- Die Lernenden stellen der KI ein oder zwei alltägliche Fragen und beobachten, wie sich die Antworten bei aktiven benutzerdefinierten Anweisungen unterscheiden – insbesondere in Situationen, die mit Unsicherheit oder unvollständigen Informationen verbunden sind.
- Die Lehrkraft moderiert eine kurze Diskussion darüber, wie sich das Verhalten der KI verändert hat und inwiefern die benutzerdefinierten Anweisungen einen erkenntnistheoretischen Ansatz bei der Nutzung von KI unterstützen.
🧂 Differenzierung & Inklusion
- Durch die Anwendung gemeinsamer Prinzipien im Umgang mit Ungewissheit, Glaubwürdigkeit und Dialog veranschaulicht die Aktivität, wie sich inklusives Lerndesign mittels klarer Strukturen und eines reflektierten Einsatzes von KI realisieren lässt.
🥄 Evaluation & Feedback
| Instrument/Kriterium | Ausgezeichnet | Gut | Verbesserungswürdig |
| Erkenntnistheoretisches Verständnis | unterscheidet klar zwischen Wissen, Annahmen und Unsicherheit in KI-Antworten | erkennt Unsicherheit in KI-Antworten, doch die Unterscheidungen sind nicht immer eindeutig | betrachtet KI-Ausgaben weitgehend als maßgeblich |
| Verwendung benutzerdefinierter Anweisungen | erklärt anhand von Beispielen anschaulich, wie die Anweisungen das Verhalten der KI verändern | nimmt Veränderungen im Verhalten der KI nach Anwendung der Anweisungen wahr, hat jedoch Schwierigkeiten, die Auswirkungen der Anweisungen zu erläutern | nimmt keine Veränderung im Verhalten der KI nach Anwendung der Anweisungen wahr |
| Reflektiertes Urteilsvermögen | bewertet KI-Ergebnisse kritisch und übernimmt die klare menschliche Verantwortung | zeigt Ansätze kritischer Reflexion, verlässt sich jedoch bisweilen auf KI-Ergebnisse | akzeptiert KI-Ergebnisse mit wenig oder gar keiner Reflexion |
⚠️ Ethik, Datenschutz & Schutzmaßnahmen
🍱 Erweiterungen / Weiterverfolgung
- Verwenden Sie die benutzerdefinierten Anweisungen in anderen KI-Tools wieder.
- Vergleichen Sie die Antworten der KI mit und ohne Anwendung der Anweisungen.
- Reflektieren Sie darüber, wie sich die Anweisungen auf Glaubwürdigkeit und Unsicherheit auswirken.