KI in der Hochschullehre
11. März 2024
DHBW Stuttgart

Zur Erstellung der Zusammenfassungen wurden von 17 Impulsvorträgen mit dem Einverständnis der vortragenden Personen eine Audioaufzeichnung mitgeschnitten, automatisch transkribiert und anschließend mit vorbereiten Prompts in ChatGTP verarbeitet. Transktiption, KI-Generierung der Zusammenfassung und Veröffentlichung auf der Konferenzhomepage wurden während der Mittagspause innerhalb von 45 Minuten umgesetzt. Auf diese Weise standen die Ergebnisse den Teilnehmenden noch in der laufenden Veranstaltung zur Verfügung. 

Zur Aufzeichnung wurden Ansteckmikrofone mit lokaler Speicherung verwendet. Die Moderation hat die Vortragenden mit den Ansteckmikrofonen ausgestattet sowie die Aufzeichnung gestartet und beendet. 

Die aufgezeichneten Audiodateien wurden auf einem Laptop lokal mit dem Spracherkennungs-Tool Whipser mit dem Modell „German Large“ in Textdateien umgewandelt. Für ca. 15 Minuten Aufzeichnung dauerte dies etwas über 2 Minuten. Diese Textdateien wurden am Anfang und Ende bereinigt, d.h. Teile, die nicht zum Vortrag gehört haben, entfernt. Ebenfalls wurde am Anfang der Vortragstitel und die vortragende Person aus dem Tagungsprogramm eingeführt.

Um den Umfang der Einzeltranskripte zu reduzieren, wurde ein Prompt zur Zusammenfassung jeweils eines Vortrags verwendet. Hierfür wurde der Chatbot ChatGPT jeweils mit einem Chat-Programm und einem API-Key mit dem Modell „gpt-4-turbo-preview“ mit einer Temperatur von 0.5 und der maximalen Einstellung für die Token-Anzahl verwendet.

Die Zusammenfassungen der jeweils 2-3 Einzelvorträge innerhalb einer thematischen Session wurden mittels eines weiteren Prompts zu einer Synthese zusammengeführt. Auf diese Weise wurde für jede der sechs Themensessions eine Zusammenfassung generiert.

Kernaussagen jeder Themensession sollten grafisch in Form einer Mindmap dargestellt werden. Hierfür wurde aus den Zusammenfassungen jeder Themensession mit einem dritten ChatGPT-Prompt ein sogenannter Mermaid-Code erzeugt. Dieser Code beschreibt die Struktur einer MindMap und kann mit Diagrammerstellungstools wie Mermaid in eine Bilddatei überführt werden.

Die von ChatGPT gelieferten, bereits formatierten Texte wurden auf der Veranstaltungswebseite zusammen mit der MindMap veröffentlicht. Hierfür wurde im Vorfeld mit dem Content-Mangament-System Worpress ein Webseiten-Template angelegt, das während der Veranstaltung mit Inhalten gefüllt werden konnte. Die Konferentteilnehmenden hatten die Möglichkeit, über eine Umfrage die Qualität der Ergebnisse zu beurteilen.

Zur Reflexion der Ergebnisse wurde eine Online-Befragung mit dem Live-Umfragetiool Slido angelegt. Die Konferenzbesucher*innen wurden gebeten, nach Durchsicht der KI-generierten Zusammenfassungen eine Bewertung der Ergebnisqualität abzugeben. Dabei konnte auf einer 5-Punkt-Ratingskala Sterne vergeben werden. In zwei offenen Antwortfeldern wurden inhaltliche Rückmeldungen abgefragt, welche Aspekte der Zusammenfassungen als gewinnbringend wahrgenommen wurden und welche Punkte als falsch betrachtet wurden.  Die Ergebnisse der Befragung konnten noch während der Konferenz diskutiert werden. Im Nachgang dienen sie der Optimierung des eingesetzten Verfahrens.

„Die Rhetorik der generativen KI“ von Dr. Markus Gottschling und Sonja Weber, Eberhard Karls Universität Tübingen

• Kernaussagen: Die Bedeutung rhetorischer Kompetenzen im Umgang mit generativer KI wurde hervorgehoben. Effektive Kommunikation und Interpretation von KI-generierten Inhalten sind entscheidend.
• Offene Fragen: Wie vereint man technisches Verständnis mit rhetorischen Fähigkeiten? Wie zuverlässig sind KI-generierte Inhalte in wissenschaftlichen Diskursen?
• Handlungsempfehlungen: Entwicklung rhetorischer Kompetenzen durch Workshops und praxisorientiertes Lernen, Einsatz von Feedback als Lerninstrument.
• Thesen: Rhetorische Fähigkeiten sind für die Interaktion mit KI unerlässlich; praxisorientiertes Lernen fördert die Kompetenzentwicklung.

„KI-Schreibwerkstatt“ von Dr. Stefanie Everke Buchanan, Universität Konstanz

• Kernaussagen: Betonung der Notwendigkeit eines bewussten und verantwortungsvollen Umgangs mit KI-Tools. Interdisziplinäres Lernen und kritische Reflexion sind Schlüsselelemente.
• Offene Fragen: Wie kann kritische Auseinandersetzung mit KI-Tools gefördert werden? Welche Effekte hat die Teilnahme auf langfristige KI-Kompetenzen?
• Handlungsempfehlungen: Kurse, die praktische Erfahrung mit kritischer Reflexion verbinden; Förderung interdisziplinärer Ansätze und Peer-to-Peer-Lernen.
• Thesen: Praktische Erfahrung mit kritischer Reflexion ist für den kompetenten Umgang mit KI essentiell; interdisziplinäres Lernen fördert innovative Lösungsansätze.

Gemeinsame Themen und Diskussion

Beide Vorträge unterstreichen die Wichtigkeit von Kompetenzentwicklung im Umgang mit KI im akademischen Kontext. Rhetorische Fähigkeiten und kritische Reflexion wurden als grundlegend für die effektive Nutzung und Interpretation von KI-generierten Inhalten identifiziert. Während Dr. Gottschling und Weber den Fokus auf rhetorische Kompetenzen legen, betont Dr. Buchanan die Bedeutung von praktischer Erfahrung und interdisziplinärem Lernen. Beide Ansätze heben jedoch die Notwendigkeit hervor, technisches Verständnis mit weiterführenden Kompetenzen zu kombinieren.

Ein wiederkehrendes Thema ist die Förderung von Awareness und Verantwortung im Umgang mit KI-Technologien. Die Vorträge argumentieren, dass neben der technischen Kompetenz auch ein tiefes Verständnis für ethische Aspekte und die kritische Bewertung von KI-Outputs erforderlich ist. Beide Impulse empfehlen praxisorientiertes Lernen und die Integration von Feedbackmechanismen als effektive Methoden zur Kompetenzentwicklung.

Die offenen Fragestellungen und Handlungsempfehlungen beider Vorträge spiegeln ein gemeinsames Verständnis wider, dass die Hochschullehre eine zentrale Rolle bei der Vorbereitung der Studierenden auf eine zunehmend von KI geprägte Zukunft spielt. Die Diskussion um Pro- und Contraargumente zeigt, dass eine Balance zwischen technischem Know-how und überfachlichen Kompetenzen angestrebt werden muss, um Studierende effektiv auf die Herausforderungen und Chancen, die KI bietet, vorzubereiten.

„2LIKE Feedback-Tool zum wissenschaftlichen Schreiben“ von Prof. Dr. habil. Ansgar Scherp und Marcel Hoffmann, Universität Ulm

• Zusammenfassung:Das „2LIKE“ Tool unterstützt Masterstudierende im KI-Studiengang durch automatisiertes Feedback beim wissenschaftlichen Schreiben. Die Entwicklung zielt darauf ab, Vorkenntnisse zu nivellieren und Betreuende zu entlasten.
• Kernaussagen: Automatisiertes Feedback verbessert die Schreibqualität und spart Betreuungszeit.
• Offene Fragen: Anpassung an verschiedene Fachbereiche, Integration weiterer Funktionen.
  Handlungsempfehlungen: Nutzung und Weiterentwicklung durch die Open-Source-Community, Erweiterung für andere Fachbereiche.

„Empirische Forschung im KI-Zeitalter: Überwindung der Kluft zwischen Potenzialen und Kompetenzen“ von Prof. Dr. Ulrich Bucher und Prof. Dr. Markus Schwarzer, DHBW Stuttgart

• Zusammenfassung:Das Projekt zielt darauf ab, Studierende durch praktische KI-Anwendung in empirischer Forschung auszubilden und sie auf ethische, rechtliche und gesellschaftliche Implikationen vorzubereiten.
• Kernaussagen: KI bietet große Potenziale, erfordert aber ethische und rechtliche Kompetenzen.
• Offene Fragen: Integration rechtlicher Aspekte in Lehrinhalte, Grenzen der KI bei ethischen Problematiken.
  Handlungsempfehlungen: Interdisziplinärer Ansatz in der Lehre, praktische KI-Anwendung fördern.

„KI in der Schreibausbildung: praxiserprobtes Workshopkonzept für MINT“ von Kevin Schumacher, M.A., und Lisa Sielaff, KIT

• Zusammenfassung:Der Workshop fokussiert auf die Integration von KI in den Schreibprozess für MINT-Studierende, mit dem Ziel, spezifische Kompetenzen für einen effektiven KI-Einsatz zu entwickeln.
• Kernaussagen: KI-Einsatz erfordert Text-, Schreibprozess- und ethische Kompetenzen.
• Offene Fragen: Schulung in den drei Kompetenzfeldern, Balance zwischen KI-Unterstützung und Textqualität.
• Handlungsempfehlungen: Kritischer Umgang mit KI, Entwicklung von Kompetenzen im Kontext digitaler Literacy.

Gemeinsame Themen und Diskussion

Alle drei Impulse betonen die Notwendigkeit, spezifische Kompetenzen für den effektiven Einsatz von KI im Schreibprozess zu entwickeln. Während „2LIKE“ und das Workshopkonzept des KIT direkt auf die Integration von KI in den Schreibprozess eingehen, fokussiert das Projekt der DHBW Stuttgart auf die breitere Perspektive der KI-Anwendung in der Forschung, einschließlich ethischer und rechtlicher Aspekte. Ein wiederkehrendes Thema ist die Balance zwischen dem Nutzen von KI-Unterstützung und der Wahrung der Qualität und Authentizität des Schreibens bzw. der Forschung. Die Diskussionen drehen sich um die Frage, wie KI-Tools und -Methoden so eingesetzt werden können, dass sie den Lernprozess fördern, ohne kritische Denkfähigkeiten zu untergraben. Die vorgestellten Handlungsempfehlungen unterstreichen die Bedeutung von interdisziplinärem Lernen und der Entwicklung von digitaler Literacy.

„KI als Lehr- oder Lernpartner“ von Prof. Dr. Jörg Wendorff

• Kernaussagen: Prof. Dr. Jörg Wendorff betonte, dass KI als innovativer Partner die Lehre bereichern kann, indem sie Lehrinhalte individuell anpasst und Lehrkräfte unterstützt. Die kritische Reflexion beim Einsatz von KI ist jedoch unerlässlich.
• Offene Fragestellungen: Wie kann die Qualität von KI-generierten Inhalten gewährleistet und die Interaktion in der Lehre gefördert werden?
• Handlungsempfehlungen: Lehrende sollten KI-Kompetenzen entwickeln und KI-generierte Inhalte kritisch evaluieren.

„Empirische Forschungsergebnisse zum Einsatz generativer KI“ von Prof. Dr. Andreas Mitschele

• Kernaussagen: Mitschele zeigte auf, dass generative KI die Lehre durch individuell angepasste Lerninhalte und effizientere Lehrmaterialerstellung verbessern kann, wobei die Anpassung von Lehrmethoden und der Zugang zu KI-Tools kritische Faktoren darstellen.
• Offene Fragestellungen: Verbesserung der KI-Inhaltsqualität und Sicherstellung des Zugangs zu fortschrittlichen KI-Tools für alle Studierenden.
• Handlungsempfehlungen: Frühe Heranführung an KI-Tools und Einsatz der neuesten KI-Versionen zur Optimierung der Ergebnisse.

„Finetuned MoE/MultiAgenten-Chatbot als Tutor“ von Prof. Dr. Mathias Engel

• Kernaussagen: Engel präsentierte, wie ein finetuned MoE/MultiAgenten-Chatbot individuelle Lernfortschritte berücksichtigt und die Lernergebnisse in technischen Fächern verbessert.
• Offene Fragestellungen: Quantifizierung der Effektivität von KI-gestützten Tutoren im Vergleich zu traditionellen Methoden und weitere Anwendungsfelder.
• Handlungsempfehlungen: Einsatz von Open Source Large Language Models und Implementierung eines MultiAgenten-Systems zur dynamischen Anpassung an Lernfortschritte.

Gemeinsame Themen und Diskussion

Die drei Vorträge unterstreichen das transformative Potenzial von KI in der Hochschullehre. Sie thematisieren die Möglichkeiten zur Personalisierung des Lernens, die Notwendigkeit der kritischen Reflexion und die Herausforderungen bei der Implementierung von KI-Tools. Ein wiederkehrendes Thema ist die Qualitätssicherung von KI-generierten Inhalten und die Frage, wie KI die Interaktion in der Lehre fördern kann. Die Vorträge empfehlen die Entwicklung von KI-Kompetenzen bei Lehrenden und betonen die Bedeutung von Open Source-Technologien. Trotz der unterschiedlichen Ansätze und Fokusbereiche eint die Vorträge die Überzeugung, dass KI die Hochschullehre bereichern kann, wenn sie verantwortungsvoll eingesetzt wird und sowohl Lehrende als auch Lernende angemessen darauf vorbereitet sind.

„AI for Engineers“ von Osama Mohammed und Prof. Dr. Steffen Staab, Universität Stuttgart

• Zusammenfassung: Der Vortrag fokussierte auf die Überbrückung von Wissenslücken im Bereich KI für Ingenieurstudenten durch Brückenmaterialien und -module. Es wurden Vorlesungsumfragen durchgeführt, um spezifische Wissenslücken zu identifizieren und Lehrmaterialien entsprechend anzupassen.
• Kernaussagen: Ingenieurstudenten haben Schwierigkeiten, KI-Konzepte zu erlernen. Ziel ist eine nahtlose Lernerfahrung durch Brückenmaterialien.
• Offene Fragestellungen: Anpassung der Lehrmaterialien an schnell entwickelnde KI-Anforderungen, Adressierung individueller Lernbedürfnisse.
• Handlungsempfehlungen: Regelmäßige Evaluation und Anpassung der Lehrmaterialien, Entwicklung eines selbstgesteuerten Lernmoduls.

„Adaptives und interaktives Problemlösen in Physik mittels KI“ von Jun.-Prof. Dr. Peter Wulff, Pädagogische Hochschule Heidelberg

• Zusammenfassung: Der Einsatz von KI zur Verbesserung der Diagnostik und Individualisierung des Feedbacks im Physikunterricht wurde diskutiert. KI-basierte Plattformen und maschinelles Lernen sollen den Lernerfolg maximieren.
• Kernaussagen: Lernen ist sprachbasiert, Diagnostik und adaptives Feedback sind herausfordernd, maschinelles Lernen verbessert Lernprozesse.
• Offene Fragestellungen: Sicherstellung der Transparenz und Kontrolle über KI-Modelle, ethischer Einsatz geschlossener KI-Modelle.
• Handlungsempfehlungen: Entwicklung eigener KI-Plattformen, gezieltes Prompting zur Simulation realer Lernschwierigkeiten.

„Integration von KI-Wettbewerben in die Hochschullehre“ von Prof. Dr. Heiko Paulheim, Universität Mannheim

• Zusammenfassung: Der Vortrag thematisierte die Integration von KI-Wettbewerben in die Hochschullehre und die damit verbundenen Herausforderungen und Lösungsansätze.
• Kernaussagen: KI-Wettbewerbe schaffen eine motivierende Lernumgebung, die Auswahl des Wettbewerbsformats ist entscheidend.
• Offene Fragestellungen: Schaffung fairer Wettbewerbsbedingungen, Nutzung und Anpassung privater Wettbewerbe auf Plattformen wie Kaggle.
• Handlungsempfehlungen: Sorgfältige Überlegung der Nutzung von Plattformen, Entwicklung eigener Tools oder Plug-ins.

Gemeinsame Themen und Diskussion

Die drei Vorträge beleuchten die Rolle der KI in der Hochschullehre aus verschiedenen Perspektiven. Ein durchgängiges Thema ist die Notwendigkeit, Lehrmaterialien und -methoden an die schnell fortschreitende Entwicklung der KI anzupassen und individuelle Lernbedürfnisse zu adressieren. Während Mohammed und Staab die Bedeutung von Brückenmodulen hervorheben, betont Wulff die Rolle adaptiver Lernmethoden und Paulheim die Motivation durch Wettbewerbe. Die Diskussion über offene Fragestellungen zeigt, dass die Integration von KI in die Lehre sowohl große Chancen bietet als auch Herausforderungen mit sich bringt, insbesondere im Hinblick auf ethische Überlegungen und die Notwendigkeit, Lernmaterialien kontinuierlich zu aktualisieren. Die Handlungsempfehlungen aller drei Vorträge unterstreichen die Bedeutung der Feedbackschleifen zwischen Lehrenden und Lernenden sowie die Entwicklung von Tools, die eine individuelle und flexible Lernumgebung schaffen.

„AI+Design Lab an der HfG Schwäbisch Gmünd“ von Rachel Flechtner

• Zusammenfassung: Flechtner stellte das AI+Design Lab vor, ein Lehr-Lern-Labor, das sich auf die Integration von KI in die Gestaltungslehre fokussiert. Das Lab, unterstützt durch das Projekt KITEC, bietet einen interdisziplinären Ansatz, um Studierenden und Lehrenden KI-Technologien näherzubringen.
• Kernaussagen:
  • Das Lab dient als interdisziplinärer Ort für KI in der Gestaltungslehre.
  • Ein tiefgreifendes Verständnis der ethischen Implikationen von KI ist unerlässlich.
• Offene Fragestellungen: Wie kann die Gestaltungslehre mit den Entwicklungen im KI-Bereich Schritt halten?
• Handlungsempfehlungen: Förderung interdisziplinärer Zusammenarbeit und Entwicklung technischer Fähigkeiten bei Studierenden.

„Zentrum für KI (ZfKI) an der DHBW Stuttgart“ von Prof. Dr. Thomas Kessel und Dirk Reichert

• Zusammenfassung: Kessel und Reichert präsentierten das ZfKI als interdisziplinäre Plattform, die KI-Technologien in die Lehre integriert. Die Plattform fördert die Zusammenarbeit verschiedener Fakultäten und bezieht ethische Fragestellungen mit ein.
• Kernaussagen:
  • Interdisziplinäre Zusammenarbeit ist essentiell für die Integration von KI.
  • Die Balance zwischen technischen Möglichkeiten und ethischen Bedenken ist wichtig.
• Offene Fragestellungen: Wie kann die Balance zwischen technischen Möglichkeiten von KI und ethischen Bedenken gewahrt werden?
• Handlungsempfehlungen: Förderung der Zusammenarbeit zwischen Fakultäten und Entwicklung von Open Educational Resources.

„IKID Interdisziplinäres KI-Exploratorium“ von Dr. Marah Blaurock und Jan Doria

• Zusammenfassung: Blaurock und Doria stellten das IKID vor, ein Projekt, das Studierenden die verantwortungsvolle Nutzung von KI vermittelt. Der Fokus liegt auf der Integration von Informatik, Wirtschaft, Recht und Ethik.
• Kernaussagen:
  • KI ist ein interdisziplinäres Thema, das in alle Gesellschaftsbereiche eingreift.
  • Praxisnahe Projekte fördern das Verständnis für die verantwortungsvolle Nutzung von KI.
• Offene Fragestellungen: Wie kann interdisziplinäre Zusammenarbeit verbessert werden?
• Handlungsempfehlungen: Beibehaltung der Praxisnähe und Förderung der kritischen Reflexion.

Gemeinsame Themen und Schlussfolgerungen

Alle drei Vorträge betonten die Bedeutung der Interdisziplinarität und der ethischen Betrachtung beim Einsatz von KI in der Lehre. Sie zeigten auf, dass eine Integration von KI in verschiedene Lehrbereiche nicht nur technische, sondern auch gesellschaftliche, ethische und ökologische Überlegungen einbeziehen muss. Die Notwendigkeit, Studierende auf die Arbeit in interdisziplinären Teams vorzubereiten und ihnen ein umfassendes Verständnis der Technologie sowie ihrer Implikationen zu vermitteln, wurde hervorgehoben. Offene Fragestellungen betrafen vor allem die Anpassung der Lehrinhalte an schnelle Entwicklungen im KI-Bereich und die Förderung kritischer Reflexionsfähigkeit. Als Handlungsempfehlungen wurden die Förderung interdisziplinärer Zusammenarbeit und die Entwicklung von Lehrmaterialien und Infrastrukturen genannt, die eine praxisnahe und ethisch reflektierte Auseinandersetzung mit KI ermöglichen.

„Neuronen und KI in der Lehrer/-innenbildung“ von Prof. Dr. Rolf Plötzner

• Kernaussagen: Prof. Plötzner betont die Wichtigkeit, ein Grundverständnis für neuronale Netze zu schaffen, und hebt die Herausforderung hervor, Inhalte für verschiedene Lernniveaus zugänglich zu machen. Der Einsatz von Tools wie Open Roberta wird als Mittel zur spielerischen Vermittlung komplexer Inhalte hervorgehoben.
• Offene Fragestellungen: Anpassung des Konzepts an verschiedene Lernniveaus und Herausforderungen bei der praktischen Umsetzung.
• Handlungsempfehlungen: Einsatz spielerischer Lehrmethoden und Entwicklung interdisziplinärer Projekte.

„Das AI & Data Science Zertifikat AIDAHO“ von Dr. Johannes Bleher

• Kernaussagen: Dr. Bleher stellt AIDAHO als interdisziplinäres Programm vor, das breite Methodenkompetenzen in KI und Data Science fördert und die Bedeutung praktischer Anwendungen betont.
• Offene Fragestellungen: Weiterentwicklung des Programms und Steigerung der Teilnahme.
• Handlungsempfehlungen: Anpassung an aktuelle Entwicklungen, Förderung der Interdisziplinarität und Ausbau der technischen Infrastruktur.

„AIComp und KI Campus“ von Prof. Dr. Ulf-Daniel Ehlers

• Kernaussagen: Prof. Ehlers beleuchtet die Initiative KI Campus, die sich der Integration von KI in die Hochschullehre widmet, und betont die Notwendigkeit einer KI-kompetenten Gesellschaft.
• Offene Fragestellungen: Integration von KI-Lernmaterialien in Lehrpläne und die Rolle von Kompetenzmodellen.
• Handlungsempfehlungen: Nutzung von Connectoren für Lernmanagementsysteme und Förderung der Zusammenarbeit zwischen Hochschulen.

Gemeinsame Themen und Diskussion

Alle drei Vorträge betonen die Wichtigkeit der interdisziplinären Vermittlung von KI-Kompetenzen und die Herausforderung der Integration in bestehende Lehrpläne. Sie zeigen auf, dass ein praxisnaher und spielerischer Zugang sowie die Nutzung von digitalen Tools und Plattformen zentral für das Verständnis und die Vermittlung komplexer KI-Themen sind. Die Vorträge unterstreichen die Bedeutung von Netzwerken und Kooperationen zwischen Hochschulen und mit externen Partnern, um Synergien zu nutzen und die Lehrangebote zu diversifizieren.

Ein weiterer gemeinsamer Nenner ist die Notwendigkeit, die Lehrinhalte kontinuierlich an die schnellen Entwicklungen im Bereich KI anzupassen und die Studierenden auf eine durch KI geprägte Lebens- und Arbeitswelt vorzubereiten. Dabei wird deutlich, dass sowohl technische als auch nicht-technische Fächer in die Vermittlung von KI-Kompetenzen einbezogen werden müssen, um eine umfassende Bildung zu gewährleisten.

Die Diskussion über Pro- und Contraargumente zu den vorgestellten Thesen zeigt, dass eine Balance zwischen der Tiefe der vermittelten Inhalte und der Breite der Teilnehmer*innengruppe gefunden werden muss. Während interdisziplinäre Ansätze und praktische Anwendungen das Engagement und Verständnis fördern können, darf dies nicht zu Lasten der theoretischen Grundlagen gehen. Die Entwicklung von Kompetenzmodellen und die Integration von KI-Lernmaterialien erfordern eine sorgfältige Planung und ständige Anpassung, um den Anforderungen einer sich schnell entwickelnden Technologie gerecht zu werden.

Während der Veranstaltung haben 24 Teilnehmende an der Online-Befragung teilgenommen. Der geringe Rücklauf (16%) lässt sich zum Teil durch den aus organisatorischen Gründen erschwerten Zugang zum Online-Umfragetool begründen.

Die Qualität der KI-generierten Zusammenfassungen wurde auf einer 5-Punkt-Ratingskala (1=sehr schlecht, 5= sehr gut) bewertet. Das Umfrageergebnis zeigt eine leicht positive Tendenz über dem Skalenmittelwert (Mittelwert 3,4). Dabei wurde am häufigsten die Mittelkategorie gewählt (33% der Rückmeldungen), dicht gefolgt von positivsten Kategorie (25%).

In den Freitextanmerkungen der positiven Aspekte werden insbesondere die gelungene umfassende Darstellung der Hauptthemen sowie die akkurate, sprachlich gut formulierte Wiedergabe gelobt. Die erstellung der Mindmaps wurde als wertvolle Strukturierungshilfe herausgestellt. Auch dass der einzige englischssprachige Vortrag der Konferenz korrekt auf deutsch zusammengefasst wurde, wird positive wahrgenommen. 

Kritisch werden von den Befragten eine mangelnde Tiefe und Detailliertheit angemerkt. Einige Rückmeldungen weisen auf „Halluzinationen“ hin, wie die Interpretation nicht vorhandener Gemeinsamkeiten zwischen Vorträgen und die Erwähnung von Themen, die nicht diskutiert wurden. Zudem werden Fehler bei der Nennung von Namen und Angabe von Referent*innen trotz ihrer Abwesenheit angemerkt. Die Zusammenfassungen werden als zu allgemein und oberflächlich beschrieben, mit einer Tendenz, Nuancen und Details zu übersehen, was zu generischen Aussagen führt, die nicht die volle Komplexität oder spezifische Thesen der Vorträge widerspiegeln. 

Eine ausführlichere Untersuchung der Ergebnisse steht noch aus. Dennoch lassen sich bereits jetzt erste Eindrücke und Ansätze für weitere Verbesserungen aufführen. 

• Das Verfahren lässt sich zügig durchführen, so dass Ergebnisse bereits während der Veranstaltung weiterverwendet werden können. 
• Die Prompts haben einen großen Einfluss auf das Ergebnis. Es werden Antworten auf gestellte Fragen erzeugt, auch wenn diese nicht im Transkript enthalten sind. Hier ist weiter zu prüfen, ob die Prompts diesbezüglich verändert werden können, dass dies in geringerem Ausmaß erfolgt. Ebenso müssen Maßnahmen ergriffen werden, die sicherstellen, dass die Prompts so formuliert sind, dass diese nicht einen zusätzlichen Bias produzieren. 
• Bei der Generierung wörtlicher Zitate aus den analysierten Vorträgen hat sich die verwendete KI als in hohem Maße unzuverlässig erwiesen. Solange hierfür kein zuverlässiges Tool zur Verfügung steht oder die Problematik mittels Prompt-Design gelöst werden kann, sollte die Ausgabe wörtlicher Zitate mit besonderer Vorsicht verwendet werden. 
• Es ist unbedingt ein menschlicher Überprüfungsschritt im Prozess zu berücksichtigen. Dieser kann entweder in Form einer Bewertung oder der Verwendung als Ausgangsbasis für eine weitere manuelle Bearbeitung erfolgen. 
• Metadaten und der Kontext, der für die Zusammenfassungen geliefert wird, sind wichtig. Bei einem Vortrag gab es eine kurzfristige Änderung der vortragenden Person. Da die KI mit den Metadaten aus dem Programm gefüttert wurde ist die genannte Person in der Zusammenfassung entsprechend falsch. 
• Das Verfahren ist erstaunlich robust, trotz der Verwendung des „German Large“ Modells in Whisper und Weiterverarbeitung mit auf deutsch formulierten Prompts, ist dies in der deutschsprachigen Zusammenfassung nicht in einer generell anderen Qualität erkennbar. 
• Der Einsatz ist keine Kostenfrage. Für die Durchführung des dargestellten Verfahrens belaufen sich die Kosten für API-Aufrufe auf etwa 2,50 $. 

Du bist mein Assistent auf der Vernetzungsveranstaltung „KI in der Hochschullehre“ des Wissenschaftsministeriums Baden-Württemberg für die Wissenschafts-Community zum Thema „Künstliche Intelligenz in der Hochschullehre“. Du sollst mir helfen das Transkript eines Transferimpulses auszuwerten. Bitte erstelle eine ansprechend formatierte Zusammenfassung von insgesamt 1000 Wörtern.  

Das Transkript beginnt mit dem Titel des Vortrags und dem Namen und der Organisationszugehörigkeit der vortragenden Person. 

Beginne mit dem Titel und dem Namen der vortragenden Person. Dann sollte eine Zusammenfassung des Vortrags erfolgen. Dabei sollten folgende Punkte berücksichtigt werden: 

- Vortragende Person und kurze Zusammenfassung des Vortrags in wenigen Sätzen 
- Die Gliederung und Aufbau des Vortrags 
- Nenne Kernaussagen und verwende dazu nach Möglichkeit die Formulierung im Vortrag 
- Offene Fragestellungen, die während des Vortrags genannt wurden 
- Handlungsempfehlungen, die im Verlauf des Vortrags hervorgehoben wurden 

Ergänze mit einem Abschnitt, der die wichtigsten Thesen aufzählt und dazu die Argumentationslinien mit der aufgestellten These und Pro- und Contra-Argumenten aufführt. 

Die Zusammenfassung sollte in klarer, prägnanter Sprache verfasst und in gut lesbare Abschnitte unterteilt sein. Die Verwendung von Aufzählungszeichen zur Hervorhebung wichtiger Punkte ist erwünscht. Zitate sollten mit Anführungszeichen und kursiver Formatierung formatiert werden. 

Frage mich zuerst nach dem Transkript und bearbeite dies dann mit diesen Anweisungen. 

Du bist mein Assistent auf der Vernetzungsveranstaltung „KI in der Hochschullehre“ des Wissenschaftsministeriums Baden-Württemberg für die Wissenschafts-Community zum Thema „Künstliche Intelligenz in der Hochschullehre“. Du sollst mir helfen einen Transferimpulses zum Thema "KI im Schreibprozess" auszuwerten. Bitte erstelle eine ansprechend formatierte kurze Zusammenfassung von insgesamt 200 Wörtern.  

Ich liefere dir mit Markdown formatiert eine Zusammenfassung jeweils einzelner Vorträge. Diese beginnen jeweils mit dem Titel des Vortrags und den jeweils vortragenden Persone(n). Dann folgt eine Textzusammenfassung aus einem Transkript, in dem auch Zitate enthalten sind. 

Deine kurze Zusammenfassung soll bitte jeweils kurz die einzelnen Vorträge darstellen. Dabei sollen folgende Punkte berücksichtigt werden: 
- Nenne die vortragende(n) Person(en) und schreibe eine Zusammenfassung des Vortrags in wenigen Sätzen 
- Nenne Kernaussagen und verwende dazu nach Möglichkeit die Formulierung im Vortrag 
- Führe offene Fragestellungen, die während des Vortrags genannt wurden auf 
- Nenne Handlungsempfehlungen, die im Verlauf des Vortrags hervorgehoben wurden. 

Nach der Darstellung der einzelnen Vorträge erstelle bitte eine kurze Darstellung der gemeinsamen Themen, die in allen drei Impulsen aufgetaucht sind. Dies sollte eine Diskussion darüber beinhalten, wie diese Themen in den verschiedenen Impulsen behandelt wurden und welche Schlussfolgerungen gezogen werden können. Berücksichtige dafür die jeweils aufgestellten Thesen und vergleich verwendete Pro- und Contra-Argumente. 

Die Zusammenfassung sollte in klarer, prägnanter Sprache verfasst und in gut lesbare Abschnitte unterteilt sein. Die Verwendung von Aufzählungszeichen zur Hervorhebung wichtiger Punkte ist erwünscht. Formuliere in der Vergangenheit. 

Du beginnst mit der Frage nach dem Text der Zusammenfassungen, den du bearbeiten sollst. Dann bearbeitest du diese mit diesen Anweisungen. 

Bitte fasse deine Antwort auch als Mindmap zusammen. Verwende dazu die inhaltlichen Nennungen. 

Gehe dabei so vor. 

Antworte als einfacher Text, ich will das Ergebnis als Mermaid Diagramm in Markdown verwenden. 

Starte mit mindmap und in der nächsten Zeile dem Titel des Workshops in der Form root((Titel)) 

Dann rücke jede Hierarchieebene jeweils mit 3 Leerzeichen ein. Die weiteren Ebenen verwenden keine Klammern um den Text. 

Füge für die dritte Ebenen passende Icons mit der Syntax "::icon(fa fa-book)" jeweils in der darauffolgenden Zeile ein. Suche dazu passende Icons von Font Awesome aus. Diese sollen genauso weit eingerückt sein, wie der zugehörige Eintrag.