KI sinnvoll in Studium und Promotion nutzen
Using AI effectively in your studies
AWP 6067
Online-Kurs
keine Angabe
2
2
Präsentation (10-15 Minuten) plus Abschlussbericht
Kommanote
Inhalt
Der Kurs vermittelt Schlüsselkompetenzen, damit der Einsatz von KI nicht zu oberflächlicheren oder qualitativ schlechteren Ergebnissen führt. Im Fokus stehen KI-Literacy, kritisches Prüfen von KI-Outputs, sowie wissenschaftliches Arbeiten mit KI ohne Qualitätsverlust. Trainiert werden Schreib- und Denkkompetenzen unter KI-Nutzung: eigene Position entwickeln, Begriffe präzisieren, Alternativerklärungen prüfen, Logik- und Konsistenzchecks durchführen und KI als Feedback- und Sparringspartner nutzen. Ergänzend behandelt der Kurs Academic Integrity (Zitieren/Transparenz, Grenzen erlaubter Nutzung) und persönliche Strategien gegen „Overreliance“.
Kompetenzorientierte Beschreibung der Lernziele
Kenntnisse: Die Studierenden…
- erklären grundlegende Funktionsweisen generativer KI.
- unterscheiden geeignete und ungeeignete Einsatzbereiche von KI im Studium.
- beschreiben Qualitätskriterien wissenschaftlicher Arbeiten unter KI-Nutzung (Nachvollziehbarkeit, Evidenzbezug, Argumentlogik, Originalität).
- benennen zentrale Prinzipien von Academic Integrity und Transparenz (Kennzeichnung der KI-Nutzung, Zitier-/Quellenpraxis, Grenzen erlaubter Nutzung).
Fertigkeiten: Die Studierenden…
- formulieren präzise Arbeitsaufträge an KI
- prüfen KI-Outputs kritisch (Faktencheck, Quellenprüfung, Plausibilitäts- und Konsistenzchecks, Gegenargumente/Alternativerklärungen).
- dokumentieren KI-gestützte Arbeitsschritte transparent (Prompt-/Output-Protokoll, verwendete Version/Tool, Überarbeitungen, Quellen).
- entwickeln Strategien gegen Overreliance.
Kompetenzen: Die Studierenden…
- reflektieren die Auswirkungen von KI-Nutzung auf ihr Lernen (Kompetenzerwerb, Verständnis, Fehlerrisiken).
- leiten persönliche Leitlinien für verantwortliche Nutzung von KI ab.
treffen begründete Entscheidungen, wann KI sinnvoll ist und wann bewusst darauf verzichtet werden sollte (Lernzielorientierung statt Output-Optimierung).
Arbeitsaufwand
Präsenszeit: 26-30 UE
Selbststudium: 50 UE
Gesamtaufwand: 74 UE
1 UE (Unterrichtseinheit) = 45 Minuten
Lehrformen
Kurzvorträge (theoretische Inputs); Arbeit in Break-Out Rooms (Kleingruppen); Übungen und Feedback; Selbstlern-Material; Austausch im Plenum.
Empfohlene Literatur
- Bearman, M., Ryan, J., & Ajjawi, R. (2023). Discourses of artificial intelligence in higher education: A critical literature review. Higher Education, 86(2), 369-385.
- Memarian, B., & Doleck, T. (2023). Fairness, Accountability, Transparency, and Ethics (FATE) in Artificial Intelligence (AI) and higher education: A systematic review. Computers and Education: Artificial Intelligence, 5.
- Schmohl, T., Löffl, J., & Falkemeier, G. (2019). Künstliche Intelligenz in der Hochschullehre (pp. 117-122).
- Jin, F., Sun, L., Pan, Y., & Lin, C. H. (2025). High heels, compass, spider-man, or drug? Metaphor analysis of generative artificial intelligence in academic writing. Computers & Education, 228.
