• Skip to primary navigation
  • Skip to main content
  • Skip to primary sidebar
SCIL

SCIL

swiss competence center for innovations in learning

  • Aktuelles: SCIL Blog
  • Kompetenzzentrum SCIL
  • SCIL Module
  • Mein Konto
    • Search
    • Social Media, Newsletter
Home2023Archives for April 2023

Archives for April 2023

Nutzung von ChatGPT am Arbeitsplatz: Geschwindigkeit, Qualität, Zufriedenheit

29. April 2023 by Christoph Meier Leave a Comment

Eine Studie von Wissenschaftlern am MIT untersucht die Folgen des Einsatzes von ChatGPT als Assistenzsystem am (Büro-)Arbeitsplatz (Marketing, HR, Datenanalyse, etc.). Die Ergebnisse verweisen auf schnellere und bessere Arbeitsergebnisse sowie eine höhere Zufriedenheit mit der Arbeitssituation.


Wie wird sich der Einsatz von ChatGPT am Arbeitsplatz auswirken?

Was sind die Folgen der Nutzung von KI-basierten Assistenzsystemen wie ChatGPT am Arbeitsplatz – beispielsweise bei Aufgaben im Bereich Marketing oder HR? Werden Aufgaben schneller erledigt? Begnügen sich die Beschäftigten mit den Ergebnissen / Texten, die sie aus Werkzeugen wie ChatGPT herausziehen können oder setzen sie Zeit und Energie ein, um diese weiter zu verbessern? Wer profitiert wie stark von den neuen Hilfsmitteln? Wie wirkt sich die Nutzung von ChatGPT auf die Arbeitszufriedenheit aus? Und wie auf die Einschätzung der Selbstwirksamkeit, d.h., die Fähigkeit, anspruchsvolle Situationen aus eigener Kraft erfolgreich bewältigen zu können?

Dies sind einige der Fragen, denen Shakked Noy und Whitney Zhang, zwei Nachwuchsforscher am Massachusetts Institute of Technology (MIT), nachgegangen sind.

Studie mit anspruchsvollem Design

Noy / Zhang haben dazu 444 Beschäftigte mit College-Abschluss dafür gewonnen, in zwei Runden verschiedene berufsspezifische Szenarien zu bearbeiten und dabei in einem Zeitraum von jeweils ca. 20-30 Minuten Texte zu erstellen:

Briefly, the marketers in our experiment write a press release about a hypothetical product; grantwriters write a cover letter for a grant application; managers and HR professionals write a long company-wide email on a sensitive topic; data analysts write an analysis plan in code-notebook format; and consultants write a short report based on three provided sources. Each task is designed to take 20-30 minutes and involve writing about 400 words.

Noy / Zhang (n.d.): Online Appendix, S. 16

Über ein anspruchsvolles Untersuchungsdesign wurden sowohl Vergleiche zwischen Experimental- und Kontrollgruppen, als auch Vergleiche innerhalb jeder dieser Gruppen möglich. Die Ergebnisse haben Noy / Zhang in einem Arbeitspapier von Anfang März 2023 publiziert: “Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence”.

Zentrale Ergebnisse

Einige der zentralen Ergebnisse der Untersuchung sind die folgenden:

  • Mit der Nutzung von ChatGPT reduziert sich die für das Erstellen der Texte insgesamt erforderliche Arbeitszeit deutlich (Abb. 1).
    • Dies gilt insbesondere für die Arbeitsphasen “Brainstorming” und “Drafting”. Für die Phase “Editing” resultiert dagegen eine Verlängerung (Abb. 2, unten).
  • Die Qualität der Arbeitsergebnisse verbessert sich deutlich.
    • Dies gilt gleichermassen für die Aspekte Formulierungen, Inhalte und Originalität.
  • Über die beiden Arbeitsaufträge hinweg zeigen sich stabile Unterschiede zwischen den beiden Aufträgen, die jede Person bearbeitet. Personen, die gute Bewertungen beim ersten Auftrag erzielen, erhalten eine solche in der Regel auch für den zweiten Auftrag. Das Gleiche gilt für Personen, die schlechtere Bewertungen erzielen. Mit der Nutzung von ChatGPT reduzieren sich allerdings die Differenzen in der Qualität der Arbeitsergebnisse zwischen dem ersten und dem zweiten Auftrag. Pointiert formuliert: Unterschiede in der Leistungsfähigkeit (Qualität der Ergebnisse) zwischen Beschäftigten werden reduziert (Abb. 3).
  • Die Versuchspersonen, die ChatGPT eingesetzt haben, zeigten sich zufriedener mit der Arbeitssituation als die Personen in der Kontrollgruppe.
  • Auswirkungen auf die Wahrnehmung von Selbstwirksamkeit (die Fähigkeit, anspruchsvolle Situationen aus eigener Kraft erfolgreich bewältigen zu können) zeigen sich ebenfalls, aber weniger deutlich.

Die folgenden Abbildungen dokumentieren diese Ergebnisse:

Abb. 1: Ergebnisse hinsichtlich erforderlicher Arbeitszeit und Bewertung des Arbeitsergebnisses (Bildquelle: Noy / Zhang 2023, S. 4)

Die Nielsen Norman Group (NN/g) hat ausgewählte Daten von Noy / Zhang neu ausgewertet, um so zu einer eingängigen und verdichteten Ergebnisvisualisierung im Hinblick auf die für einzelne Teilaufgaben verwendete Arbeitszeit und die insgesamt eingesetzte Arbeitszeit zu gelangen. Hier die von NN/g erstellte Visualisierung auf Basis der Daten von Noy / Zhang:

Abb. 2: Zeitaufwand für Teilaufgaben und gesamter Zeitaufwand (Bildquelle: Nielsen Norman Group 2023)
Abb. 3: Ergebnisse hinsichtlich Unterschieden in der Qualität der Arbeitsergebnisse zwischen den beiden Runden von Aufträgen (Bildquelle: Noy / Zhang 2023, S. 6)
Abb. 4: Ergebnisse hinsichtlich erforderlicher Arbeitszeit und Bewertung des Arbeitsergebnisses (Bildquelle: Noy / Zhang 2023, S. 4)

Fazit

Noy / Zhang fassen die von ihnen in dieser Untersuchung erzielten Ergebnisse wie folgt zusammen:

College-educated professionals performing mid-level professional writing tasks experience substantial increases in productivity when given access to ChatGPT. The generative writing tool increases the output quality of low-ability workers while reducing their time spent, and it allows high-ability workers to maintain their quality standards while becoming significantly faster. At the aggregate level, ChatGPT substantially compresses the productivity distribution, reducing inequality. It is also already being used by many workers in their real jobs. The experimental evidence suggests that ChatGPT largely substitutes for worker effort rather than complementing workers’ skills, potentially causing a decrease in demand for workers, with adverse distributional effects as capital owners gain at the expense of workers.

Noy / Zhang (2023): Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. MIT Working Paper, S. 11-12.

Nielsen Norman Group (2023): ChatGPT Lifts Business Professionals’ Productivity and Improves Work Quality. https://www.nngroup.com.

Noy, S., & Zhang, W. (2023). Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. https://economics.mit.edu/.

Noy, S. & Zhang, W. (n.d.). Online Appendix for: Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. https://economics.mit.edu/.

Filed Under: Beiträge Tagged With: AI / KI, Chatbot, New Work

KI in der Bildung: Zukunftsszenarien und Handlungsfelder (Diskussionspapier KI-Campus)

28. April 2023 by Christoph Meier Leave a Comment

Ein Diskussionspapier von KI-Campus skizziert Zukunfstszenarien für den Einsatz von KI in der Bildung und Gelingensbedingungen bzw. Handlungsfelder für die Umsetzung.


Das Diskussionspapier der Autorengruppe adressiert die folgenden Fragestellungen:

  • Was sind Zukunftsszenarien für den Einsatz von KI in der institutionellen Bildung?
  • Was sind Voraussetzungen und Gelingensbedingungen für die Umsetzung?
  • Was sind Anknüpfungspunkte für den Austausch zwischen zentralen Akteur:innen?

Zukunftsszenarien zum Einsatz von KI in der Bildung

Die Autor:innen skizzieren im Diskussionspapier drei Zukunftsszenarien zu den Bildungskontexten Hochschule, Lebenslanges Lernen (Weiterbildung) und Schule. Dabei führen sie jeweils eine Reihe von Verwendungssituationen an und benennen anschliessend damit verbundene Implikationen auf der Makro-Ebene, der Meso-Ebene und der Mikro-Ebene. Diese betreffen beispielsweise die Bereitstellung entsprechender Infrastrukturen, die Entwicklung / Aktualisierung von Qualitätssystemen oder erforderliche Qualifizierungen.

Nachfolgend sind ausgewählte Aussagen zu den Szenarien, die von den Autor:innen angeführt werden, aufgeführt:

1) Künstliche Intelligenz in der Hochschulbildung

Bildungsmanagement & Lehrveranstaltungen

  • KI-basierte Lernmanagementsysteme (LMS) der Zukunft schlagen Professor:innen während der Semestervorbereitungszeit anhand der Kursbeschreibung und darin enthaltener Lernziele bzw. zu erwerbender Kompetenzen bestehende Tutorials vor, die sie in ihre Präsenzlehre integrieren, die durch digitale Instrumente unterstützt und begleitet wird.
  • Skripte von Tutorials werden automatisiert erstellt.
  • Kompetenzen, Fähigkeiten, Fertigkeiten und Stärken bilden den Gegenstand kontinuierlicher Analysen anhand von Profilen.

Lernen & Bewerten

  • KI-basierte Systeme geben während des Lernens Feedback über den Leistungszustand und schlagen nächste Lernschritte vor.
  • Tests, Prüfungen und Quizze werden mithilfe von neuronalen Netzen automatisiert aus Bildern und Texten erstellt und korrigiert.

Befähigung von Lehrkräften und Verbesserung des Unterrichts

  • Dozent:innen und Mentor:innen werden durch intelligente bzw. domänenspezifische Tutoring-Systeme ergänzt und mit passenden Studierenden gematcht. Das Matching erfolgt auf der Basis von Insights über Persönlichkeitseigenschaften, Kompetenzen und Verhaltensweisen von Dozent:innen und Studierenden.

2) Künstliche Intelligenz in der Weiterbildung

Für dieses Szenario werden eine Reihe von Schritten skizziert, die jeweils durch KI-basierte Systeme (Chatbots, etc.) unterstützt werden:

  • Identifikation von individuellen Entwicklungszielen.
  • Abgleich der erfassten Entwicklungs- / Kompetenzziele mit einer Kompetenz- / Skills-Taxonomie.
  • Feststellung von aktuellen Kompetenzniveaus.
  • Empfehlung von geeigneten Weiterbildungsangeboten.
  • Aktualisierung des jeweiligen Kompetenzniveaus im Anschluss an die Bearbeitung der Lerninhalte.

3) Künstliche Intelligenz in der Schule

Hier skizzieren die Autor:innen ein Szenario zur Unterstützung von Schüler:innen beim Einsehen / Zuweisen und Bearbeiten von Aufträgen. Im Unterschied zu den Szenarien zu den beiden anderen Bildungskontexten wird der Einsatz von KI-basierten Anwendungen hier nicht wirklich deutlich. Das skizzierte Szenario kann auch auf der Grundlage bereits etablierter Lernmanagement-Systeme abgebildet werden.

Handlungsfelder

Abschliessend umreissen die Autor:innen zentrale Gelingensbedingungen bzw. Handlungsfelder:

  • Interdisziplinäre Zusammenarbeit
  • Qualifizierungsangebote und Kompetenzentwicklung
  • Digitale Infrastruktur und personelle Ressourcen
  • Ethische Leitlinien und Datensouveränität
  • Interoperabilität von Infrastrukturen, insbesondere im Hinblick auf den Austausch von Prozess- bzw. Metadaten (Standards)

Und sie ziehen folgendes Fazit:

Die abgeleiteten Handlungsfelder zeigen deutlich, dass eine Vernetzung und gemeinsame Anstrengungen aller Stakeholder nötig sind, um KI erfolgreich zu einer Anwendung in der Bildung zu bringen. Mit diesem Diskussionspapier sollen Impulse für mehr Austausch, Kooperation und Zusammenarbeit zwischen relevanten Stakeholdern der institutionellen Bildung gesetzt werden. Ziel sollte sein, dass die aufgezeigten Handlungsfelder von Netzwerken und Stakeholder-übergreifenden Arbeitsgruppen in konkrete Maßnahmen umgesetzt werden, um langfristig die strategische Einbettung von KI in Bildungsszenarien nachhaltig zu etablieren.

Schleiss et al. (2023): Diskussionspapier: Künstliche Intelligenz in der Bildung, S. 18.

Schleiss, J., Mah, D.‑K., Böhme, K., Fischer, D., Mesenhöller, J., Paassen, B., . . . Schrumpf, J. (2023). Künstliche Intelligenz in der Bildung: Drei Zukunftsszenarien und fünf Handlungsfelder. Diskussionspapier KI-Campus. Berlin.

Filed Under: Fundstücke Tagged With: AI / KI, Hochschulbildung

ChatGPT in Higher Education: Quick Start Guide (UNESCO)

24. April 2023 by Christoph Meier Leave a Comment

Eine Kurzeinführung der UNESCO zu Möglichkeiten der (sicheren) Nutzung von ChatGPT an Hochschulen. Zu den Nutzungsszenarien (bzw. Rollen für ChatGPT) gehören u.a. ‘sokratischer Dialogpartner’, ‘Guide on the side’, ‘persönlicher Tutor’ oder ‘dynamic assessor’.


Die UNESCO hat vor wenigen Tagen einen Quick Start Guide zur Nutzung von ChatGPT an Hochschulen publiziert. Das kurze Dokument (15 Seiten) erläutert zum einen ChatGPT und wie man es nutzen kann. Daneben bietet es eine Übersicht zu Nutzungsszenarien sowie auch eine kurze Diskussion von verschiedenen, mit der Nutzung von ChatGPT verbundenen Herausforderungen.

Einige der Visualisierungen bzw. Übersichten im Dokument haben mir gut gefallen. So findet sich u.a. ein Ablaufdiagramm zur Frage, ob es sicher ist, ChatGPT zu nutzen (vgl. Abb.1, unten, links). Darüber hinaus findet sich im Dokument auch eine Übersicht zu Nutzungsszenarien für ChatGPT (vgl. Abb. 1, unten, rechts).

Abb. 1: Ablaufdiagramm zur sicheren Nutzung (links); Einsatzszenarien (rechts)
(Bildquelle: Sabzalieva & Valentini 2023)

Und schliesslich liefert das Dokument auch eine Übersichtsdarstellung dazu, wie ChatGPT im Verlauf von (studentischen) Forschungsaktivitäten eingesetzt werden kann:

Abb. 2: Möglichkeiten der Nutzung von ChatGPT im Forschungsprozess
(Bildquelle: Sabzalieva & Valentini 2023)

Sabzalieva, E., & Valentini, A. (2023). ChatGPT and Artificial Intelligence in higher education: Quick start guide. Paris.

Filed Under: Fundstücke Tagged With: AI / KI, Hochschulbildung

Immersive Lernumgebungen: Typen, Wirksamkeit, Einsatzszenarien

22. April 2023 by Christoph Meier Leave a Comment

Immersive Lernumgebungen finden zunehmend ihren Platz in verschiedenen Bildungskontexten, insbesondere in der beruflichen Bildung. Im Rahmen eines Keynote-Vortrags habe ich einen Orientierungsrahmen für deren Einsatz aufgezeigt und darauf verwiesen, dass gut sie als Brücke zwischen Theorie und Praxis dienen können.


Augmented- / Mixed- und Virtual Reality

Die Akademie für Lehrerfortbildung und Personalführung (ALP) Dillingen ist die zentrale Einrichtung für Lehrerfortbildung und Führungskräfte-Schulung in Bayern und hat letzte Woche eine Veranstaltung zum Thema “3D erleben – lernraum.zukunf.gestalten” durchgeführt. Ich konnte zum umfangreichen Programm der dreitätigen Veranstaltung eine Keynote beisteuern: “Lernen in immersiven Umgebungen: Typen, Wirksamkeit, Einsatzszenarien”. Wobei ich “immersiv” in einem breiten Sinn verwendet habe und Umsetzungen von Augmented Reality (AR), Mixed Reality (MR) und Virtual Reality (VR) in den Blick genommen habe.

Abb. 1: Die Themen des Vortrags (Bildquelle: eigene Darstellung unter Verwendung von “Viewmaster” von Rob de Vries und NightCafé)

Umsetzungen in verschiedenen Bildungskontexten

Die Beispiele für immersive Lernumgebungen, die ich gezeigt habe, stammten aus verschiedenen Bildungskontexten:

  • Schule: AR-Visualisierung des Gehirns mit Merge Cube
  • Hochschule: Umsetzung einer virtuellen Exkursion in ein spezielles Ökosystem auf der Grundlage von 360° Fotos und Videos
  • Berufsbildung:
    • Einsatz von AR (am Smartphone / Tablet / mit Hololens) im Kontext der Anatomie-Ausbildung von Pflegefachkräften
    • Einsatz von VR im Kontext der Ausbildung von Lackierer:innen
  • Übergreifend:
    • Einsatz von Desktop-VR im Kontext von Kommunikations- und Präsentationstraining
    • Einsatz von VR im Kontext der Vorbereitung auf den Umgang mit Notsituationen (z.B. bewaffneter Amoklauf)

Wichtig war mir, den Teilnehmer:innen einen Orientierungsrahmen für Nutzung von immersiven Lernumgebungen in Bildungskontexten mitzugeben. Diesen habe ich anhand von zwei Dimensionen aufgezogen:

  • Welche Lern- bzw. Entwicklungsziele werden verfolgt?
    • Kognitive Lernziele?
    • Affektive Lernziele?
    • Psychomotorische Lernziele?
  • Worin besteht der spezifische Mehrwert, den immersive Lernumgebungen bieten?
    • Unsichtbares bzw. nicht erreichbare Orte sichtbar / erlebbar / exploriertbar zu machen
    • Authentische, u.U. mit Gefahrenpotenzial verbundene Handlunsgsituationen trainieren
    • Eindrückliche, nachhaltig wirksame Erlebnisse ermöglichen
    • Teilhabe ermöglichen

Ein Orientierungsrahmen für den Einsatz in der Bildung

Die nachfolgende Abbildung zeigt diesen Orientierungsrahmen und verortet einige der gezeigten Beispiele darin:

Abb. 1: Orientierungsrahmen und Beispiele (Bildquelle: eigene Darstellung)

Lernen ist situiert und verkörpert. Das heisst:

  • Lernen ist an Situationen gebunden; und
  • unsere Wahrnehmungen / Kognitionen sind unteilbar mit unserem Körper verbunden.

Lernen funktioniert daher dann am besten, wenn wir in einer konkreten Situation eine für uns relevante Frage klären oder Herausforderung bewältigen wollen und dabei auch körperlich aktiv sind.

Vor diesem Hintergrund ist eine wichtige Funktion von immersiven Lernumgebungen die einer Brücke zwischen Lernsequenzen, in denen konzeptionelle Grundlagen gelegt werden, einerseits und der praktischen Umsetzung von Erlerntem andererseits:

Abb. 2-1: Immersive Lernumgebung als Brücke zwischen konzeptionellen Grundlagen und praktischer Umsetzung
(Bildquelle: eigene Darstellung unter Verwendung von Abbildungen von Thieme.de / Fachhochschule Vorarlberg / Careum Hochschule Gesundheit / doccheck.ch)
Abb. 2-2: Immersive Lernumgebung als Brücke zwischen konzeptionellen Grundlagen und praktischer Umsetzung
(Bildquelle: eigene Darstellung unter Verwendung von Abbildungen von fahrschule-konzelmann.eu; wikipedia.org; dpa; tagesanzeiger.ch; https://www.youtube.com/watch?v=kQz65CEnasI)

Wir vertiefen diese und andere Aspekte von immersiven Lernumgebungen im Rahmen unseres Weiterbildungsmoduls “Erfahrungsbasiertes Lernen mit AR / MR / VR“.

Filed Under: Beiträge, Vorträge & Workshops Tagged With: E-Learning / TEL, Immersive Lernumgebungen, Lernen in / mit VR, AR, XR

Wie ChatGPT & Co Bildungswelten verändern

15. April 2023 by Christoph Meier Leave a Comment

KI-basierte Assistenzsysteme wie ChatGPT werden zu integralen Bestandteilen unserer Arbeitswelt – und müssen damit auch integraler Bestandteil von Bildungswelten sein. Lehrpersonen wie Lernende müssen gleichermassen die damit verbundenen Herausforderungen verstehen und die Chancen nutzen.


Im Rahmen einer Weiterbildung für Lehrpersonen hatte mich die Gewerbliche Berufsschule Wetzikon für eine Abendveranstaltung eingeladen. Vereinbart war zunächst eine Orientierung zu ChatGPT und dann anschliessend eine Explorationsphase der Lehrpersonen.

KI-unterstützte Assistenzsysteme in der Arbeitswelt

Ausgangspunkt für meinen Impuls war die Beobachtung, dass wir gerade erleben, wie eine neue Klasse von ‘kognitiven’ Werkzeugen Eingang in unsere Arbeitswelt finden. So wurde vor zwei Wochen der ‘Microsoft 365 Copilot’ angekündigt. Diese Lösung verbindet die Microsoft Office Apps (z.B. Word, PowerPoint, Excel), Microsoft Graph (Gateway zu Daten / Dokumenten) und ein grosses Sprachmodell wie ChatGPT und ermöglicht damit beeindruckende Assistenzfunktionen (Microsoft 2023).

Abb. 1: Microsoft 365 Copilot (Bildquelle: Microsoft 2023, eigene Ergänzungen)

Wenn also in der Zukunft KI-unterstützte Assistenzsysteme unter anderem

  • Erstentwürfe für Geschäfts-Emails schreiben,
  • Erstentwürfe für eine Angebots-begleitende Produktpräsentationen erstellen oder
  • die drei auffälligsten Trends in den Vertriebszahlen für das letzte Quartal aufzeigen,

dann hat dies nicht nur Folgen für die Kompetenzerfordernisse in der Arbeitswelt, sondern auch Folgen für die Bildungsziele, die im Rahmen des Bildungssystems bzw. an Bildungsinstitutionen verfolgt werden (müssen). Und natürlich auch Folgen für die Praxis des Lehrens, Lernens und Prüfens an Bildungsinstitutionen.

ChatGPT und Folgen für Lehren, Lernen & Prüfen

Wenn KI-unterstützte Assistenzsysteme integraler Teil künftiger Arbeitswelten sind, dann ist es wenig sinnvoll, Schüler:innen oder Studierende davon fern zu halten. Vielmehr braucht es eine überlegte und zielorientierte Nutzung dieser Assistenzsysteme auch in Bildungskontexten. Dies wiederum setzt voraus, dass die Beteiligten diese Assistenzsysteme kennen, in ihrem Leistungsvermögen realistisch einschätzen und sinnvoll in Lehr-Lernaktivitäten integrieren. Lehrpersonen ebenso wie Lernende müssen verstehen

  • welche Typen von KI-Assistenzsystemen es gibt (z.B. Systeme, die auf statistischen Ansätzen für KI aufbauen, wie z.B. ChatGPT; und Systeme, die auf symbolischen Ansätzen für KI aufbauen, wie z.B. Wolfram Alpha),
  • was jeweils von diesen Systemen erwartet werden kann (z.B. das Erzeugen von Text oder Bildern, die Menschen tendenziell gefallen vs. mathematisch korrekte Umformungen von Gleichungen),
  • was von diesen Systemen nicht erwartet werden kann (z.B. innovative, kreative Lösungen),
  • welche Fähigkeiten es braucht, diese Assistenzsysteme zielführend einzusetzen (z.B. Prompt Design).

Lehrpersonen und Bildungsverantwortliche müssen darüber hinaus verstehen, wie sie diese KI-basierten Assistenzsysteme sinnvoll in Unterricht integrieren können und welche Konsequenzen sich für Lernziel- bzw. Kompetenzüberprüfungen ergeben.

Auf der Ebene des Bildungssystems stellen sich natürlich auch Fragen danach, welche Kompetenzen es künftig im Arbeitsmarkt braucht und wie sich Berufsprofile verändern werden. Aber diese Fragen waren für uns an diesem Abend nicht im Fokus.

Impuls – Exploration – informeller Austausch

  • Folgende Themenfacetten habe ich in meinem Impuls angesprochen:
  • Smarte Maschinen in unserer Lebens- & Arbeitswelt
  • Generative Sprachmodelle / KI-Assistenten
  • Besonderheiten von ChatGPT / GPT-4
  • Nutzungsmöglichkeiten für Lernende
  • Nutzungsmöglichkeiten für Lehrende
  • Prompt-Design als neue Kompetenz
  • Folgen für die Gestaltung von Prüfungen

Abschliessend habe ich noch einmal die Perspektive geweitet und – in sehr holzschnittartiger Weise – aufgezeigt, wie sich Bildungswelten im Zuge der ersten sowie der zweiten Welle der Digitalisierung verändert haben bzw. verändern. Mit der Verbreitung von Big Data und KI (zweite Welle der Digitalisierung)

  • kommen neue Kompetenzerfordernisse hinzu (KI-Kompetenzen),
  • kommen neue Entwicklungsformate hinzu (z.B. personalisiertes Lernen mit intelligenten tutoriellen Systemen oder mit ChatGPT als Lernbegleiter),
  • kommen neue Lernumgebungen hinzu (z.B. ITS oder generative Assistenzsysteme) und
  • kommen schliesslich auch neue Steuerungsmechanismen für das Lernen hinzu (z.B. Leitlinien für die KI-Nutzung oder Prompt-Policies).
Abb. 2: Von der analogen zur digitalen Bildungswelt (Bildquelle: eigene Darstellung nach Seufert 2022)

Im Anschluss haben die Lehrpersonen, die sich vorbereitend schon Benutzerkonten für ChatGPT und andere Lösungen zurechtgelegt hatten, diese Assistenzsysteme mit Blick auf ihre jeweiligen Disziplinen und Fächer erkundet. Die Diskussion in den verschiedenen Tischgruppen war sehr lebendig und setzte sich dann auch im abschliessenden Apéro in geselliger Runde fort.

Das Format der Veranstaltung war damit sehr gut geeignet, die Lehrpersonen zu diesem aktuellen Thema zusammenzubringen, Berührungsängste zu nehmen und einen Startpunkt für den weiteren Austausch zum Thema «KI-basierte Assistenzsysteme im Unterricht» zu setzen.


Verweise:

Microsoft (2023): The future of work with AI – Microsoft March 2023 Event. https://youtu.be/Bf-dbS9CcRU.

Seufert, S. (2022): Zukunftsmodelle Lernortkooperation: Nutzenpotenziale der Künstlichen Intelligenz. Projektbericht für das SBFI. St. Gallen, Institut für Bildungsmanagement und Bildungstechnologien, Universität St.Gallen.

Filed Under: Beiträge, Vorträge & Workshops Tagged With: AI / KI, Bildungsmanagement, Chatbot, smartes Lehren und Lernen

KI-unterstützte Ansätze für das Kompetenz- bzw. Skills-Management

8. April 2023 by Christoph Meier Leave a Comment

In einer Arbeitswelt mit rasch ändernden Erfordernissen im Hinblick auf Kompetenzen und Skills der Beschäftigten braucht es eine flexible, passgenaue Personalentwicklung. Die Umsetzung von systematischem Kompetenz- bzw. Skills-Management ist ein Weg dahin. ‘Skills-Tech’-Lösungen eröffnen hier neue Möglichkeiten.


Die ERFA-Gruppe Talent Management der Deutschen Gesellschaft für Personalführung (DGFP) hatte mich eingeladen, zum Thema “KI-unterstützte Ansätze für das Kompetenz- bzw. Skills-Management” zu orientieren.

In meinem Beitrag zum virtuellen Gruppentreffen habe ich zunächst einen Kontext für das Thema hergestellt und dann die Kategorie der sogenannten ‘Skills-Tech’-Solutions vorgestellt, die mehr oder weniger stark durch KI (natural language processing) unterstützt werden. Die Themen waren:

  • New Work – New Skills – New Learning
  • Leitbild «Skills-basierte Organisation»
  • Kompetenzen versus Skills
  • Ansatzpunkt für Kompetenz- bzw. Skills-basierte Personalentwicklung
  • Skills-Tech-Solutions
  • Herausforderungen in der Umsetzung

In der Diskussion kam unter anderem die Frage auf, welcher der vorgestellten Ansätze (top-down oder bottom-up) zu empfehlen sei. Die Antwort darauf lautet, wie so oft, “es kommt darauf an”. Es kommt unter anderem darauf an, wie dynamisch das Umfeld ist, in dem sich ein Unternehmen bzw. eine Organisation bewegt. Und dabei ist auch zu berücksichtigen, dass es innerhalb von Unternehmen / Organisationen Bereiche geben kann, in denen die Kompetenz- bzw. Skills-Erfordernisse sich mehr oder weniger dynamisch verändern. Es kann also sinnvoll sein, bei der Umsetzung bzw. (Neu-)Ausrichtung eines betrieblichen Kompetenz- bzw. Skills-Managements zunächst mit einer begrenzten Pilotierung in einem Bereich zu starten, um das Thema dann von dort aus weiterzuentwickeln.

Hier ein Auszug aus der Unterlage, auf deren Grundlage wir diskutiert haben.

2023-03-13_DGFP-SIG-Talent-Mgmt_KI-Skills-Tech_Vs_scil-blog-3

Filed Under: Beiträge Tagged With: Kompetenz- & Skills-Management, Skills-Taxonomie

Personalisierte Kompetenzentwicklung – Ansatzpunkte

3. April 2023 by Christoph Meier 1 Comment

Lernende unterscheiden sich in vielfältiger Weise. Das ist eine Herausforderung für Bildungsverantwortliche und Bildungsorganisationen. Vier Typen von Technologien können hier Unterstützung bieten. Aber technische Lösungen allein genügen nicht.


Heterogene Zielgruppen als Herausforderung

Bildungsverantwortliche sind von Seiten der Kund:innen bzw. Teilnehmenden zunehmend mit der Forderung konfrontiert, dass doch die Bildungsangebote möglichst gut an «meinem jetzigen Stand» anknüpfen und «für mich passend» sein sollen. Und diese Erwartung ist ja nicht unsinnig: individuell zugeschnittene Lernumgebungen sind hochgradig relevant, sehr motivierend und sehr lernförderlich.

Lernende unterscheiden sich in vielfältiger Weise: im Hinblick auf ihre Ziele, ihr Vorwissen und ihre motivationalen Voraussetzungen, das von ihnen präferierte Lerntempo, die von ihnen präferierten Sozialformen des Lernens etc.

Vor diesem Hintergrund stellt sich die Frage, wie eine stärkere Personalisierung von Produkten und Dienstleistungen der Aus-, Fort- und Weiterbildung realisiert werden kann. Denn eine individuelle Begleitung und Unterstützung durch einen pesönlichen Coach oder Tutor ist nur in den wenigsten Fällen möglich.

Lehr-Lern-Technologien wird diesbezüglich ein grosses Potenzial zugeschrieben. Im Zuge der fortgeschrittenen Digitalisierung (u.a. Big Data & Analytics, KI-Technologien) sind neue Typen von Plattformen und Lösungen entstanden, die personalisiertes Lernen unterstützen. Vier Typen von Lösungen können unterschieden werden:

  • Skills-Management-Lösungen (Skills-Tech),
  • Learning Experience Plattformen (LXP),
  • persönliche Assistenzsysteme wie ChatGPT & Co.
  • intelligente tutorielle Systeme (ITS).

Vier Typen von technischen Lösungen

Lösungen für das Skills-Management ermöglichen es, Weiterbildungsaktivitäten auf der Grundlage von individuellen Skills-Profilen und individuellen Skills-Gap-Analysen zu fokussieren und zu personalisieren. Die dafür erforderlichen Elemente sind: (1) Skills-Taxonomien, (2) individuelle Skills-Gap-Analysen und (3) Verknüpfungen von Skills und Lernressourcen. Diese Elemente können durch Verfahren maschinellen Lernens und maschineller Sprachverarbeitung (KI) teilweise automatisiert erstellt bzw. aktualisiert werden. Mehr dazu in diesem Blogpost.

Learning Experience Plattformen (LXP) ermöglichen nicht nur einen Zugriff auf Lernressourcen aus verschiedensten Quellen an einer zentralen Stelle. Vielmehr ermöglichen sie auch eine Filterung dieser umfangreichen Ressourcen – auf der Grundlage von individuellen Benutzerprofilen mit Informationen beispielsweise zu Organisationseinheit, Interessen, Lernhistorie, präferierter Sprache, usw. Und drittens verfügen sie über eine Benutzeroberfläche, die die gefilterten Inhalte in einer Weise verfügbar macht, wie wir sie von aktuellen Medienplattformen wie etwa Netflix kennen. Mehr dazu in diesem Buchbeitrag.

Assistenzsysteme wie z.B. ChatGPT ermöglichen unter anderem fokussierende Frage-Antwort-Dialoge zu Themen, die einen persönlich interessieren. Beispielsweise so: «Wie funktionieren intelligente tutorielle Systeme (ITS)?» – [Antwort des Systems, u.a. mit Verweis auf ein Konstruktions-Element von ITS, das als ‘tutorielles Modell’ bezeichnet wird] – «Was ist unter einem ‚tutoriellen Modell‘ zu verstehen?» – [Antwort des Systems] – «Welche Informationen sind üblicherweise in einem ‘tutoriellen Modell’ hinterlegt?» – [Antwort des Systems] – und so weiter. Die bekannten Limitationen dieser Assistenzsysteme müssen dabei natürlich in Rechnung gestellt und die Ausgaben entsprechend überprüft werden.

Intelligente tutorielle Systeme (ITS) ermöglichen ebenfalls personalisiertes Lernen. Aber hier geht es weniger um personalisierte Karriere- oder Entwicklungspfade (vgl. Skills-Tech), um individualisierte Zusammenstellungen von Lerninhalten (vgl. LXP) oder um freie Frage-Antwort-Dialoge. Vielmehr geht es um das Führen und Unterstützen der Lernenden im Prozess der Bearbeitung von systematisch gestalteten Lerneinheiten. ITS verarbeiten kontinuierlich Prozessdaten dazu, über welche Wissensbestände ein:e Nutzer:in bereits verfügt. Davon ausgehend werden den Nutzer:innen jeweils sehr kleinschrittig nächste Aufgaben bzw. nächste Wissenseinheiten zur Bearbeitung zugewiesen. Möglich wird dies, weil ITS aus drei zentralen Bausteinen bestehen, die eine Anpassung an einzelne Lernende ermöglichen: Domänen-Modell, Lernenden-Modell und tutorielles Modell.


Abb. 1: Ansatzpunkte für das Fördern von personalisiertem Lernen (Bildquelle: eigene Darstellung)

Technische Lösungen allein genügen nicht

Wenn eigenverantwortliches und personalisiertes Lernen als Säule der Lernarchitektur verankert bzw. (weiter-)entwickelt werden soll und wenn die damit verbundenen Nutzenpotenziale gehoben werden sollen, dann braucht es ein wirksames Zusammenspiel verschiedener Elemente. Es braucht auf der einen Seite einen überlegten Einsatz von geeigneten Technologien bzw. Plattformen (vgl. oben). Und es braucht auf der anderen Seite die Befähigung derjenigen, die an diesen Lernprozessen beteiligt sind:

  • Lernende müssen in ihrer Fähigkeit zur Selbstregulation in Lernprozessen gestärkt werden. Beispielsweise durch das Trainieren von relevanten Techniken und Methoden;
  • Bildungsverantwortliche (Lehrpersonen etc.) müssen dabei unterstützt werden, ihre eigene Rolle in Richtung von Lernbegleitung, Lernberatung und Lerncoaching systematisch weiterzuentwickeln;
  • und schliesslich müssen im betrieblichen Kontext Vorgesetzte und Führungskräfte in die Lage versetzt werden, lern- bzw. entwicklungsförderlich zu führen und so die erforderlichen Freiräume für selbsreguliertes, eigenverantwortliches und personalisiertes Lernen zu schaffen.

Demnächst erscheinen zwei Publikationen von SCIL, die das hier angerissene Thema ausführlicher behandeln. Wir werden hier dazu informieren.

Filed Under: Beiträge Tagged With: AI / KI, E-Learning / TEL, ITS, Lernplattform, Personalisiertes Lernen, Skills-Tech

Datenbasiertes Bildungsmanagement und Analytics: Beispiel Unterrichtsentwürfe

1. April 2023 by Christoph Meier Leave a Comment

(Mehr) Datenbasiertes Entscheiden in Bildungsorganisationen erscheint wünschenswert. Aber oft ist unklar, wie dies möglich gemacht werden kann. Ein Beispiel zur Umsetzung von ‘teaching-‘ bzw. ‘learning analytics’ der Universität Hamburg zeigt neue Wege auf.


Datenbasiertes Entscheiden – auch im Bildungsmanagement

Die Bedeutung von datenbasierten Entscheidungen (‘data-driven decision-making’) im (Bildungs-)Management wird immer wieder betont: “data beats opinion”. Erläuterungen und Begründungen dazu finden sich u.a. hier bei Harvard Business School online und hier, ebenfalls bei HBS, mit Blick auf betriebliche Personalentwicklung. Bei der Umsetzung von datenbasiertem Entscheiden tun sich viele Unternehmen und Organisationen aber schwer, wie u.a. eine Studie von NewVantage Partners von 2022 zeigt. Das gilt auch für Bildungsverantwortliche und Bildungsorganisationen (Garavan 2020).

Im Rahmen unseres Weiterbildungsmoduls “Datenbasiertes Bildungsmanagement und Analytics” gehen wir genau diesen Themenkomplex an. Und wir deklinieren den Leistungsprozess von Bildungsorganisationen – von der Bedarfsklärung bis zur Erfolgsbestimmung / Berichterstattung – daraufhin durch, welche Potenziale eine stärkere Datenbasierung in den verschiedenen Phasen dieses Prozesses bietet und wie diese umgesetzt werden kann.

KI-unterstützte Diagnostik von komplexen Fähigkeiten

Im Rahmen eines Gastbeitrags zu unserem Modul hat Florian Berding, Wirtschaftspädagoge und Professor für Berufs- und Wirtschaftspädagogik an der Universität Hamburg, ein sehr eindrückliches Beispiel dafür aufgezeigt, wie ‘teaching-‘ bzw. ‘learning analytics’ umgesetzt werden kann.

In Kooperation zwischen Lehrstühlen für Wirtschaftspädagogik der Universitäten Hamburg, Graz und Oldenburg ist ein KI-basiertes Assistenzsystem (EDDA, Abb. 1) entwickelt worden, das es ermöglicht, umfangreiche Unterrichtsentwürfe von angehenden Lehrpersonen automatisch zu analysieren. Dazu laden die Studierenden bzw. angehenden Lehrpersonen ihre Unterrichtsentwürfe sowie ergänzende Materialien auf eine Webplattform, wo dann auf der Grundlage von KI bzw. dem open source Sprachmodell BERT die Analyse automatisiert erfolgt (Abb. 1).

Abb. 1: Benutzeroberfläche der Web-Anwendung EDDA – Dateneingabe (Bildquelle: Berding 2023)

Diese Entwürfe bzw. Materialien werden dann im Hinblick auf knapp 50 Merkmale bzw. Kategorien analysiert. Dazu gehören didaktische Kategorien (z.B. Problemorientierung oder Motivationsförderung) ebenso wie thematische Aspekte (z.B. zu den Nachhaltigkeitszielen der UN). Die Studierenden bzw. angehenden Lehrpersonen erhalten nach wenigen Sekunden ein Analyseergebnis und zusätzlich auch Handlungsempfehlungen. Wobei letztere nicht durch ein neuronales Netz erzeugt werden, sondern in Form von Wenn-Dann-Ketten hinterlegt sind.

Abb. 2: Benutzeroberfläche der Web-Anwendung EDDA – Auswertung (Bildquelle: Berding 2023)

Florian Berding hat in seinem Bericht betont, dass sich die gezeigte Anwendung noch im Stadium eines Prototyps befindet und die KI-Anwendung noch weiter trainiert wird. Später soll dann diese Anwendung als Open Source-Anwendung öffentlich verfügbar sein.

Grundlagen für datenbasiertes Entscheiden in Bildungsorganisationen

Das Beispiel zeigt aus meiner Sicht sehr eindrücklich, wie Analysen von digitalen Prozessdaten zu Lehren und Lernen genutzt werden können, um Einsichten in die Lehrstrategien von (angehenden) Lehrpersonen bzw. Einsichten zu den Fähigkeiten von Lernenden / Studierenden zu erzeugen. Und zwar in einem Detaillierungsgrad weit jenseits der üblichen grobkörnigen Analysen zur Identifikation von ‘students at risk’. Solche Analysen ermöglichen eine neue Stufe der Transparenz nicht nur zum Lernerfolg von Studierenden, sondern auch zum Lehr-Handeln von Lehrpersonen. Und diese Art von Transparenz unterstützt zielorientierte Entscheidungen zur Anpassung bzw. Weiterentwicklung von Aus- und Weiterbildung.


Berding, Florian (2023): Learning Analytics: KI unterstützte Diagnostik von komplexen Fähigkeiten und Handlungsempfehlungen. Vortrag. SCIL Weiterbildungsmodul “Datenbasiertes Bildungsmanagement & Analytics”, 24.03.2023.

Filed Under: Beiträge Tagged With: Analytics (Teaching~ / Learning~), Datenbasiertes Bildungsmanagement

Primary Sidebar

Lizenz Blogbeiträge

Creative Commons Lizenzvertrag
Unsere Blogbeiträge sind lizenziert unter einer Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz.

Tag Cloud

70:20:10 adaptive Lernumgebungen AI / KI Analytics (Teaching~ / Learning~) Augmentation Berufsbildung Bildungsmanagement Blended Learning Change Management Coaching Digitale Arbeitswelt Digitale Bildung Digitale Kompetenzen Digitale Transformation Digitalisierung E-Learning / TEL Entwicklungsförderliche Führung Evaluation Führungskräfteentwicklung Hochschulbildung Hochschullehre Informelle Lernformen Kompetenz- & Skills-Management Kompetenzmodell Kuratieren Learning Design Learning Professionals Lern- / Trainingsmethoden Lernende Organisation Lernen in / mit VR, AR, XR Lernkultur Lernmedien Lernplattform Lernräume mobile learning MOOC Professionelle Kompetenzentwicklung Ro/Bots for learning Social Media Strategieentwicklung und Portfolio-Management Trends Trendstudie Video-basiertes Lernen Wertbeitrag / Learning Value Management Zukunftsorientierte Kompetenzentwicklung

Neueste Beiträge

  • SCIL-Blog ist umgezogen
  • Studie “GenKI in L&D / PE” – Ergebnisse und Handlungsfelder
  • AI in L&D – Arbeitsberichte Taylor & Vinauskaite
  • Generative KI in der Bildung – Beitrag für BeLEARN / dip
  • Selbstorganisiertes Lernen mit CustomGPTs fördern, Teil 2

Neueste Kommentare

  • Christoph Meier bei Selbstorganisiertes Lernen mit CustomGPTs fördern, Teil 1
  • Michael Wechner bei Selbstorganisiertes Lernen mit CustomGPTs fördern, Teil 1
  • Sven Hallwirth bei Selbstorganisiertes Lernen mit CustomGPTs fördern, Teil 1
  • KI-Tools 3.0: NotebookLM® – MatthiasHeil.de bei Vom Blogpost zum ‘Talk radio’ mit NotebookLM
  • GenKI und Produktivität von Lehrpersonen | digithek blog bei GenKI und Produktivität von Bildungsverantwortlichen / Lehrpersonen

Archive

  • 2025
    • Dezember 2025
    • November 2025
    • Oktober 2025
    • September 2025
    • August 2025
    • Juli 2025
    • Juni 2025
    • Mai 2025
    • März 2025
    • April 2025
    • Februar 2025
    • Januar 2025
  • 2024
    • Dezember 2024
    • November 2024
    • Oktober 2024
    • September 2024
    • August 2024
    • Juli 2024
    • Juni 2024
    • Mai 2024
    • März 2024
    • April 2024
    • Februar 2024
    • Januar 2024
  • 2023
    • Dezember 2023
    • November 2023
    • Oktober 2023
    • September 2023
    • August 2023
    • Juli 2023
    • Juni 2023
    • Mai 2023
    • März 2023
    • April 2023
    • Februar 2023
    • Januar 2023
  • 2022
    • Dezember 2022
    • November 2022
    • Oktober 2022
    • September 2022
    • August 2022
    • Juli 2022
    • Juni 2022
    • Mai 2022
    • März 2022
    • April 2022
    • Februar 2022
    • Januar 2022
  • 2021
    • Dezember 2021
    • November 2021
    • Oktober 2021
    • September 2021
    • August 2021
    • Juli 2021
    • Juni 2021
    • Mai 2021
    • März 2021
    • April 2021
    • Februar 2021
    • Januar 2021
  • 2020
    • Dezember 2020
    • November 2020
    • Oktober 2020
    • September 2020
    • August 2020
    • Juli 2020
    • Juni 2020
    • Mai 2020
    • März 2020
    • April 2020
    • Februar 2020
    • Januar 2020
  • 2019
    • Dezember 2019
    • November 2019
    • Oktober 2019
    • September 2019
    • August 2019
    • Juli 2019
    • Juni 2019
    • Mai 2019
    • März 2019
    • April 2019
    • Februar 2019
    • Januar 2019
  • 2018
    • Dezember 2018
    • November 2018
    • Oktober 2018
    • September 2018
    • August 2018
    • Juli 2018
    • Juni 2018
    • Mai 2018
    • März 2018
    • April 2018
    • Februar 2018
    • Januar 2018
  • 2017
    • Dezember 2017
    • November 2017
    • Oktober 2017
    • September 2017
    • August 2017
    • Juli 2017
    • Juni 2017
    • Mai 2017
    • März 2017
    • April 2017
    • Februar 2017
    • Januar 2017
  • 2016
    • Dezember 2016
    • November 2016
    • Oktober 2016
    • September 2016
    • August 2016
    • Juli 2016
    • Juni 2016
    • Mai 2016
    • März 2016
    • April 2016
    • Februar 2016
    • Januar 2016
  • 2015
    • Dezember 2015
    • November 2015
    • Oktober 2015
    • September 2015
    • August 2015
    • Juli 2015
    • Juni 2015
    • Mai 2015
    • März 2015
    • April 2015
    • Februar 2015
    • Januar 2015
  • 2014
    • Dezember 2014
    • November 2014
    • Oktober 2014
    • September 2014
    • August 2014
    • Juli 2014
    • Juni 2014
    • Mai 2014
    • März 2014
    • April 2014
    • Februar 2014
    • Januar 2014
  • 2013
    • Dezember 2013
    • November 2013
    • Oktober 2013
    • September 2013
    • August 2013
    • Juli 2013
    • Juni 2013
    • Mai 2013
    • März 2013
    • April 2013
    • Februar 2013
    • Januar 2013
  • 2012
    • Dezember 2012
    • November 2012
    • Oktober 2012
    • September 2012
    • August 2012
    • Juli 2012
    • Juni 2012
    • Mai 2012
    • März 2012
    • April 2012
    • Februar 2012
    • Januar 2012

Kategorien

  • Allgemein
  • Aufträge, Projekte & Studien
  • Beiträge
  • Fundstücke
  • Publications
  • Stichworte
  • Vertiefung
  • Vorträge & Workshops

Meta

  • Anmelden
  • Feed der Einträge
  • Kommentar-Feed
  • WordPress.org
Suche

 

Social Media

SCIL

Universität St.Gallen

Gehe direkt zu

IBB-HSG
SCIL Newsletter
Login

Kontakt

swiss competence centre for innovations in learning (SCIL)
Universität St.Gallen (HSG)
St. Jakob-Strasse 21
9000 St. Gallen

+41712243155

scil-info@unisg.ch

Location

 

From insight to impact.

 

Akkreditierung


Mitglied von


Copyright © 2025 Universität St.Gallen, Schweiz

  • Kontakt
  • AGB
  • Datenschutz
  • Cookie-Richtlinie (EU)
Cookie-Zustimmung verwalten
Um Ihnen ein optimales Erlebnis zu bieten, verwenden wir Technologien wie Cookies, um Geräteinformationen zu speichern bzw. darauf zuzugreifen. Wenn Sie diesen Technologien zustimmen, können wir Daten wie das Surfverhalten oder eindeutige IDs auf dieser Website verarbeiten. Wenn Sie Ihre Zustimmung nicht erteilen oder zurückziehen, können bestimmte Merkmale und Funktionen beeinträchtigt werden.
Funktional Immer aktiv
Der Zugriff oder die technische Speicherung ist unbedingt für den rechtmäßigen Zweck erforderlich, um die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Abonnenten oder Nutzer ausdrücklich angefordert wurde, oder für den alleinigen Zweck der Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Voreinstellungen erforderlich, die nicht vom Abonnenten oder Nutzer beantragt wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt. Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Aufforderung, die freiwillige Zustimmung Ihres Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht zu Ihrer Identifizierung verwendet werden.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
Optionen verwalten Dienste verwalten Verwalten Sie {vendor_count} Lieferanten Lesen Sie mehr über diese Zwecke
Voreinstellungen anzeigen
{title} {title} {title}