SCIL

swiss competence center for innovations in learning

HomeArchives for Christoph Meier

Christoph Meier

20 Jahre Towards Maturity / MindTools L&D Benchmark Report

by Leave a Comment

Kürzlich ist die 20. Ausgabe des Towards Maturity bzw. MindTools L&D Benchmark Reports erschienen. Er enthält einen Rückblick auf die Entwicklungen in den letzten 20 Jahren und interessante Übersichten nicht nur zu den eingesetzten Technologien, sondern auch zu den Kompetenzen in betriebsinternen L&D-Teams.

In 2003 hat Laura Overton die erste Benchmarking Studie (“Towards Maturity Benchmark”) im Bereich des betrieblichen Bildungsmanagements durchgeführt. Die zentrale Frage damals war: “Was sind die wichtigsten Erfolgsfaktoren für Projekte und Initiativen im Bereich ‘digitales Lernen’ ?”

Seit 2017 werden diese Benchmarking Studien von Emerald / MindTools for Business weitergeführt. Im Juli wurde der 20. Bericht veröffentlicht, der sich vor allem einem Rückblick auf 20 Jahre digitales Lernen in Unternehmen und Organisationen widmet: Learning and Development in organizations: reflecting on 20 years of research.

Der knapp 40-seitige Bericht enthält eine Timeline mit wichtigen Wegmarken zum digitalen Lernen, einen Rückblick auf die Ausprägungen des ‘Learning Maturity Index’ über die letzten 20 Jahre, ein Kapitel mit Übersichten zu den eingesetzten Technologien, ein Kapitel über Social Media und ein Kapitel über Social Learning.

Nutzung von Lern-Technologien

Einige der Übersichten aus dem Kapitel zu den eingesetzten Technologien finde ich sehr interessant – nicht zuletzt mit Blick auf die Zeitspanne, die überblickt wird:

Abb. 1: Lern-Technologien, die sich kontinuierlicher Popularität erfreuen (Quelle: MTfB 2023, S. 21)
Abb. 2: Technologien, die sich zunehmender Popularität erfreuen (oben) und Technologien, die (bisher) keine weite Verbreitung gefunden haben (unten) (Quelle: MTfB 2023, S. 22)

Entwicklungsformate: Präsenz – Blended – Online

Da im Zusammenhang mit neuen (Lern-)Technologien immer wieder von “Revolution” und “radikalen Umbrüchen” die Rede ist, finde ich es hilfreich, wenn Veränderungen über längere Zeitreihen aufgezeigt werden können. Etwa dazu, wie sich der Anteil von Präsenzlernen gegenüber Online-Lernen verändert:

Abb. 3: Anteile von Online- / Blended- / Präsenzlernen 2016-2023 (Quelle: MTfB 2023, S. 24)

Kompetenzen der internen L&D-Teams

Sehr interessant fand ich auch die nachfolgende Darstellung zu den verschiedenen Kompetenzen, über die L&D-Teams inhouse verfügen. Dabei werden verschiedene Reifegrade von L&D-Teams unterschieden (“Stage 1” etc.):

Abb. 4: Ausprägung von Kompetenzen in L&D-Teams (Quelle: MTfB 2023, S. 25)

Fazit: Technologien als Herausforderungen

Die Autor:innen bilanzieren am Ende des Berichts unter anderem, dass es für Bildungsverantwortliche und ihre Organisationen eine grosse Herausforderung darstellt, neue Technologien zu verstehen, deren Potenzial für Bildung und Entwicklung einzuschätzen und dieses Potenzial dann auch zu heben:

the biggest challenge and opportunity for L&D over the last 20 years has been related to technology. The data shows that organizations have been slow to keep up with rapid advances (…) It seems that many organizations haven’t had the capabilities in place to support the evolving learner – one who now cares more about being able to access resources at the point of need and not in a formal, classroom setting. These organizations have grappled since the beginning of this study with stakeholders who are reluctant to adapt to new ways of doing things. Part of the difficulty for organizations is that they don’t fully understand the potential of some technologies for learning such as social media
MindTools for Business, Annual Benchmarking Report 2023, S. 34

Ein Fazit, das mir auch mit Blick auf die Entwicklungen im Bereich generative KI zutreffend zu sein scheint.

Generative KI und Folgen für Berufsarbeit & Berufsbildung

by Leave a Comment

Unsere Arbeits- und Lernwelten verändern sich und die Zusammenarbeit mit “smarten Maschinen” (Assistenzsystemen auf Basis von generativer KI) wird zum “neuen Normal”. Damit wir dabei erfolgreich sind, benötigen wir mehr Wissen und Kompetenzen zu diesen Assistenzsystemen. Und dies wiederum erfordert Veränderungen bei Bildungsinstitutionen und Bildungsverantwortlichen.

Die Veranstaltung “Fokus Berufsbildung” ist ein innovativer Fachkongress für die Schweizer Berufsbildung, organisiert vom Kaufmännischen Verband, yousty und EB Zürich. Für die diesjährige dritte Durchführung war ich eingeladen, einen Beitrag einzubringen. Das Rahmenthema lautete “Vom ‘Oh no!’ zum ‘Aha!’ – Positiv gelebte Fehlerkultur in der Berufsbildung.” Mein Beitrag stand unter dem Titel “Wird die Zukunft fehlerfrei? Wie KI Berufsarbeit und Berufsbildung verändert” angekündigt.

Um die Leitfrage zu beantworten, habe ich etwas ausgeholt und folgende Punkte beleuchtet:

  • Unsere Arbeitswelt verändert sich (New Work und generative KI).
  • Die Zusammenarbeit mit “smarten Maschinen” (Assistenzsystemen auf Basis von generativer KI) wird zum “neuen Normal”.
  • Damit wir dabei erfolgreich sind, benötigen wir relevantes Wissen und Kompetenzen.
  • Diese Entwicklungen haben Folgen für Bildungsinstitutionen ebenso wie für Bildungsverantwortliche und erfordern Anpassungen.
Abb. 1: Übersicht über die Themen des Beitrags

Hier thesenartig die Kernpunkte meines Beitrags:

  • Generative KI und ‘smart assistants’ sind eine Facette von ‘New Work’. Mit Blick auf diese Veränderungen ist auch die Rede von ‘Human-robot Collaboration’ und von “Industrie 5.0”.
  • Studien zeigen, dass bereits viele Menschen Werkzeuge wir ChatGPT / GPT-4 in der täglichen Berufsarbeit einsetzen – allerdings wird oft nicht darüber gesprochen, weil die Menschen unsicher sind, ob das in Ordnung / erlaubt ist.
  • Es ist abzusehen, dass wir künftig noch intensiver mit Assistenzsystemen auf der Grundlage von generativer KI arbeiten werden (Stichwort Microsoft 365 Copilot).
  • Damit diese Zusammenarbeit mit ‘smarten’ Assistenzsystemen erfolgreich und zielführend ist, müssen einige Voraussetzungen gegeben sein. Insbesondere braucht es:
    • Transformations-Kompetenz (mehr dazu in diesem Dokument der OECD);
    • Wissen zu Funktionsweisen, Besonderheiten & Limitationen von LLMs & GPTs;
    • Expertise in der Gestaltung des Kooperationsprozesses mit ‘smarten’ Assistenzsystemen und
    • Sensibilität für damit verbundene ethische Herausforderungen und Fragen der Sicherheit / des Datenschutzes.
  • Diese Entwicklungen haben Konsequenzen für Bildungsinstitutionen und Bildungsverantwortliche:
    • ‘Smarte’ Assistenzsysteme auf der Grundlage von generativer KI müssen als integraler Bestandteil von Arbeits- und Lernwelten verstanden werden.
    • Es braucht Offenheit für den daraus resultierenden Veränderungsbedarf.
    • Es braucht Anpassungen beim Leistungsportfolio, insbesondere beim Angebotsportfolio, bei den Lehr-Lernformaten und bei Prüfungen bzw. Kompetenznachweisen.
    • Kompetenzen und Ressourcen müssen aufgebaut werden – sowohl auf der Seite der Bildungsinstitutionen als auch auf der Seite der Bildungsverantwortlichen:
      • KI-Kompetenzen von Lehrenden und Lernenden;
      • Lizenzierung von Produkten / Services im Bereich generative KI;
      • Optimierung von Produkten / Services im Bereich generative KI (beispielsweise für Prüfungs(vor)korrekturen);
      • Integration von Produkten / Services im Bereich generative KI in technische Lernarchitekturen (beispielsweise in Lernplattformen).

Wird die Zukunft mit Assistenzsystemen fehlerfrei?

Vor diesem Hintergrund bin ich dann wieder auf die mir gestellte Ausgangsfrage: “Wird die Zukunft fehlerfrei” zurückgekommen.

Meine Antwort heute lautet: nein, wird sie nicht. Aktuell verfügbare Assistenzsysteme wie ChatGPT / GPT-4 sind nicht dafür optimiert, korrekte Ausgaben zu liefern. Sie sind dafür optimiert, Ausgaben zu liefern, die auf Wahrscheinlichkeiten von Wortfolgen basieren und mit hoher Wahrscheinlichkeit von Menschen gut bewertet würden. Wichtig ist deshalb, dass wir wissen, für welche Aufgaben diese Assistenzsysteme eine geeignete Unterstützung bieten können (vgl. dazu diese aktuelle Studie), dass wir die “Fingerfertigkeit” entwickeln, gut mit diesen Assistenzsystemen zu arbeiten und dass wir selbst die Qualitätsstandards für unsere Arbeit bestimmen und verfolgen.

Und hier ein Auszug aus den Folien, die ich für meinen Beitrag genutzt habe:

Durch die zerklüftete Technikfront navigieren: Nutzungsszenarien für generative KI und Arbeitsergebnisse

by Leave a Comment

Eine Forschungsgruppe (u.a. HBS, MIT, BCG) hat die Lösung anspruchsvoller Aufgaben durch Berater:innen untersucht. Je nach Typ von Aufgabe führte die Arbeit mit oder ohne Unterstützung durch GPT-4 zu besseren Ergebnissen. Ein Fazit: Wir müssen unser Verständnis von generativen KI-Applikationen, deren Leistungsfähigkeit und sinnvollen Nutzungsszenarien kontinuierlich überprüfen bzw. anpassen.

Vor einigen Monaten hatten bereits Wissenschaftler des MIT über deutlich erhöhte Arbeitsproduktivität bei der Nutzung von ChatGPT für verschiedene Arbeitsaufgaben (Textproduktion) berichtet (vgl. dazu dieser Blogpost). Jetzt hat eine Arbeitsgruppe verschiedener renommierter Hochschulen (u.a. Harvard Business School und MIT Sloan School of Management) sowie des Beratungsunternehmens Boston Consulting Group (BCG) die Ergebnisse weiterführender Untersuchungen publiziert:

“Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality”.

Zwei Aspekte der Publikation sind aus meiner Sicht besonders interessant:

  • die Konzeptualisierung der Grenzregion bei den Fähigkeiten von generativen KI-Anwendungen;
  • ausgewählte Ergebnisse der durchgführten empirischen Untersuchung.

Zerklüfteter Grenzbereich der KI-Fähigkeiten

Die Autor:innen stellen in ihrem Bericht heraus, dass der Möglichkeitsraum, innerhalb dessen generative KI-Anwendungen leistungsfähig sind und uns sinnvoll unterstützen können, nicht so einfach abzugrenzen ist:

“Some unexpected tasks (like idea generation) are easy for AIs, while other tasks that seem to be easy for machines to do (like basic math) are challenges for some LLMs. This creates a “jagged Frontier,” where tasks that appear to be of similar difficulty may either be performed better or worse by humans using AI.»
Dell’Acqua et al. (2023): Navigating the jagged technological frontier. HBS (pp. 3, 17)

Im Bericht wird dieser Sachverhalt über die nachfolgende Grafik visualisiert:

Abb. 1: Die zerklüftete Grenze der Fähigkeiten von generativen KI-Anwendungen
(Bildquelle: Dell’Acqua et al. 2023, S. 27)

Anlage der empirischen Untersuchung

Für die empirische Untersuchung im Design eines Feldexperiments wurden hochqualifizierte Wissensarbeiter:innen rekrutiert: gut 750 Berater:innen des Beratungshauses BCG. Die Teilnehmenden sollten eine der beiden folgenden Aufgaben bearbeiten, die für den Arbeitsalltag von Berater:innen typisch sind, die aber unterschiedlich positioniert waren:

  • Entwicklung von neuen Produktideen
    (diese Aufgabe wurde als “innerhalb” des Leistungsvermögens von generativer KI klassifiziert)
    • Hier waren u.a. kreatives sowie analytisches Denken, Überzeugungskraft und schriftliches Ausdrucksvermögen gefordert.
  • Bearbeitung einer Strategie-Fallstudie (Analyse von Distributionskanälen eines Unternehmens und Ableitung von strategischen Empfehlungen)
    (diese Aufgabe wurde als “ausserhalb”(*) des Leistungsvermögens von generativer KI klassifiziert)
    • Hier waren u.a. die Auswertung von Interviews, von quantitativen Daten und überzeugende schriftliche Argumentation gefordert.

(*) Ich habe in der Publikation keine explizite Aussage dazu gefunden, ob die Berater:innen eine Version von GPT-4 nutzen konnten, die hochgeladene Dateien analysieren kann (GPT-4 Code Interpreter – verfügbar seit Mitte Juli 2023). Ich vermute aber, dass dies nicht der Fall war. Dieser Aspekt verdeutlicht, wie stark die Grenze dessen, welche Aufgaben generative KI unterstützen kann, aktuell im Fluss ist (vgl. auch den Hinweis auf eine der Schlussfolgerungen des Autorenteams am Ende dieses Blogposts).

Die Bearbeitung dieser Aufgaben erfolgte in drei verschiedenen Bedingungen:

  • Bearbeitung der Aufgaben OHNE Unterstützung durch generative KI (GPT-4);
  • Bearbeitung der Aufgaben MIT Unterstützung durch generative KI (GPT-4);
  • Bearbeitung der Aufgaben MIT Unterstützung durch generative KI (GPT-4) UND zusätzlich einer Arbeitshilfe zu Prompt Engineering.

Ergebnisqualität – abhängig vom Nutzungsszenario

Bei der Aufgabenstellung “Entwicklung von neuen Produktideen” (innerhalb des Leistungsvermögens von generativer KI) zeigte sich, dass die qualitativ besten Ergebnisse in der Bedingungen MIT Unterstützung durch generative KI (GPT-4) UND Arbeitshilfe zu Prompt Engineering erzielt wurden (rote Fläche bzw. rote Mittelwertslinie):

Abb. 2: Auftrag innerhalb des Leistungsvermögens von KI – Leistungsergebnisse in den verschiedenen untersuchten Bedingungen
(Bildquelle: Dell’Acqua et al. 2023, S. 28)

Bei der Aufgabenstellung “Analyse von Distributionskanälen und Ableitung von strategischen Empfehlungen” zeigte sich ein anderes Bild. Hier wurden die besten Ergebnisse in der Bedingungen OHNE Unterstützung durch generative KI (GPT-4) erreicht:

Abb. 3: Auftrag ausserhalb des Leistungsvermögens von KI – Leistungsergebnisse in den verschiedenen untersuchten Bedingungen
(Bildquelle: Dell’Acqua et al. 2023, S. 33)

Die Autor:innen interpretieren diesen Befund so, dass bei der Verwendung von generativen KI-Applikationen die Gefahr besteht, sich vorschnell auf die von der KI gelieferten (und u.U. nicht korrekten bzw. nicht sinnvollen) Ergebnisse zu verlassen.

Die Dinge sind im Fluss…

Drei Schlussfolgerungen der Autor:innen scheinen mir besonders wichtig:

(1)
“Our results show that this generation of LLMs are highly capable of causing significant increases in quality and productivity, or even completely automating some tasks, but the actual tasks that AI can do are surprising and not immediately obvious to individuals or even to producers of LLMs themselves. Because this frontier is expanding and changing, the overall results suggest that AI will have a large impact on work, one which will increase with LLM capabilities, but where the impacts occur will be uneven.” (S. 4)

(2)
“We found that the utility of AI can fluctuate over the course of a professional’s workflow, with some tasks falling inside while others fall outside of the frontier.” (S. 17)

(3)
“As the boundaries of AI capabilities continue to expand, often exponentially, it becomes incumbent upon human professionals to recalibrate their understanding of the frontier and for organizations to prepare for a new world of work combining humans and AI.” (S. 19)
Dell’Acqua et al. (2023): Navigating the jagged technological frontier. HBS Working Paper.

Kurz gesagt: die Dinge sind im Fluss und wir müssen unser Verständnis von generativen KI-Applikationen, deren Leistungsfähigkeit und sinnvollen Nutzungsszenarien kontinuierlich überprüfen bzw. anpassen.

Dell’Acqua, F., McFowland, E., Mollick, E., & et al. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Technology & Operations Mgt. Unit Working Paper No. 24-013, 15.09.2023.

Lernräume als pädagogische Agenten: 10. scil Trend- & Community Day 2023

by Leave a Comment

Im Mittelpunkt der Veranstaltung standen verschiedene Typen von Lernräumen (physische, hybride, virtuelle, symbolische bzw. smarte) in verschiedenen Bildungskontexten (Schule, Hochschule, Berufsbildung, betriebliche Weiterbildung). Die (Mitarbeit an) Konzeption und Orchestrierung von Lernräumen und Lernlandschaften ist eine Aufgabe für Bildungsverantwortliche, die häufig nicht systematisch wahrgenommen wird.

Lernräume als pädagogische Agenten

Lernräume gelten als architektonische Verkörperungen von Bildungsphilosophien, als “gebaute Pädagogik, als „pädagogische Agenten“. Lernräume eröffnen Möglichkeiten und setzen Beschränkungen. Lernräume sind eine zentrale Ressource, mit der Bildungsverantwortliche arbeiten.

Die Diskussion um Lernräume und Lernraumkonzepte wird an vielen Stellen geführt – immer wieder auch mit dem Bezug zur Digitalisierung unserer Lebens-, Arbeits- und Lernwelten (dokumentiert z.B. hier von der Bundeszentrale für politische Bildung in Deutschland oder hier im Kontext der Hochschulentwicklung).

Als im Frühjahr 2022 das SQUARE als jüngstes Gebäude der Universität St.Gallen eröffnet wurde, war für uns bei SCIL klar, dass wir hier eine Veranstaltung zum Thema Lernräume durchführen wollen. Denn SQUARE steht für die Idee einer modernen Universität und die Gesamtheit der curricularen, extracurricularen und informellen Lernformen nicht nur an einer Hochschule, sondern auch in der Gesellschaft. Mehr zu SQUARE findet sich hier.

Soweit zum Hintergrund für unseren 10. scil Trend- & Community Day, den wir am 07.09.2023 im SQUARE@HSG durchgeführt haben. Dabei waren Teilnehmende und Alumni unserer Weiterbildungsprogramme, Projektpartner und Vertreter:innen verschieden Bildungskontexte – insgesamt gut 60 Personen.

Orientierende Konzepte

Wir sind als Verantwortliche für Bildung bzw. Personalentwicklung zwar viel in Lehr-Lernräumen unterwegs. Aber in der Regel verfügen wir nicht über ein entwickeltes begriffliches Instrumentarium, um Fragen der Gestaltung solcher Räume bzw. des Zusammenspiels von Räumen und Bildung / Entwicklungsarbeit systematisch anzugehen. Für den Einstieg in den Tag habe ich deshalb einige orientierende Konzepte eingebracht:

  • Typen von Lehr-Lernräumen (mit Blick auf eine Hochschule);
    • Lehr-Räume,
    • Funktionsräume (z.B. Labore),
    • Räume für informelles Lernen,
    • Verbindungs- / Zwischenräume,
    • Ruheräume,
    • Maker-Spaces / Studios,
    • Galerien & Expo-Bereiche.
  • Gestalteter Raum (englisch “room”, optimiert für spezifische Aufgaben) vs. gestaltbarer Raum (englisch “space”, durch die Beteiligten veränderbar);
  • Raum-Zonen bzw. Raum-Landschaften;
  • “Affordances” von Räumen (angelegte Möglichkeiten bzw. Potenziale), z.B. im Hinblick auf
    • Zugänglichkeit und Optionen für Beteiligung,
    • Schutz vor Ablenkung und Störung,
    • Fokussierung von Wahrnehmung und Interaktionen,
    • Bündelung von Ressourcen wie Möbeln, Flipcharts, Geräten, etc.),
    • innere Differenzierung und Zonen für verschiedene Aktivitäten,
    • Gestaltbarkeit bzw. Veränderbarkeit für verschiedene Beteiligungsformen und Aktivitäten.

Mit dieser ersten Orientierung sind wir dann in die Fachbeiträge gestartet.

ChatGPT als pädagogischer Agent – neue Lernräume?

Portrait Sabine Seufert
Prof. Dr. Sabine Seufert,
Institut für Bildungsmanagement und Bildungstechnologien, Universität St.Gallen

In ihrem Einstiegsbeitrag hat Sabine Seufert das Konzept der Räume aufgegriffen und aufgezeigt, welche kognitiven Räume mit Assistenzsystemen wie z.B. ChatGPT eröffnet werden können:

  • Arbeitsräume,
  • Coaching-Räume,
  • Entedecker-Räume,
  • Daten-Räume und
  • persönliche Lernräume.
Abb. 1: Die durch Assistenzsysteme wie ChatGPT eröffneten kognitiven Räume

Zum Abschluss ihres Beitrags zeigte Sabine Seufert zwei Entwicklungspfade (Spuren) für die Überprüfung von Kompetenzen im Bereich Mensch-Maschine-Kollaboration auf:

  • zum einen “Assessment as learning” (Prompts, erzeugte Artefakte und Reflexionen dazu);
  • zum anderen kompetenzbasierte Bewertungen, Simulationen mit digital Twins und Reflexionen dazu.

Im Anschluss hatten wir einen ersten grösseren Aktivitätswechsel und zwei Optionen: eine erste kurze Erkundung von SQUARE anhand des eingangs vorgeschlagenen Orientierungsrahmens; und eine Poster-Präsentation von Lily Kruse, Studentin im Master-Programm “Begabungsforschung und Kompetenzentwicklung an der Universtität Leipzig zum Thema “Entwicklung von Teamkompetenzen in Virtual Reality”.

Abb. 2: Die Optionen am Vormittag

Schmetterlingspädagogik – Schule ohne Unterricht und zugehörige Raumkonzepte

Stefan Ruppaner ist leitender Rektor der Alemannenschule Wutöschingen. Die Gemeinschaftsschule umfasst die Schulstufen Grundschule, Sekundarstufe I und Sekundarstufe II und wurde 2019 für ihr Bildungskonzept mit dem Deutschen Schulpreis ausgezeichnet. In seinem beeindruckenden Bericht zeigte Stefan Ruppaner, wie eine öffentliche Schule auch funktionieren kann: hochgradig eigenverantwortlich und selbstreguliert, altersdurchmischt und auch stark digitalisiert. Unterstützt wird der Schulbetrieb ohne “Unterricht”, ohne Lehrbücher und ohne Klassenzimmer im herkömmlichen Sinn durch ein ausgeklügeltes Raumkonzept. Der Raum als 3. Pädagoge ist hier Programm und die Schule verfügt über verschiedene, funktionsspezifisch gestaltete Räume: Marktplatz, Lernateliers, Co-Working Spaces, Räume für ruhiges Arbeiten, Coaching-Räume, Meditationsräume, Schulgarten, etc.

Abb. 3: Beispiele für Räume der Alemannenschule in Wutöschingen
(Bildquelle: Alemannenschule Wutöschingen)
Stefan Ruppaner,
Alemannenschule Wutöschingen

Virtuelle 3D-Lernräume als Orte gemeinsamen Lernens an Hochschulen

Prof. Rolf Kruse,
Fachhochschule Erfurt

Ausgangspunkt für den Beitrag von Rolf Kruse, Inhaber der Professur für Digitale Medien und Gestaltung an der Fachhochschule Erfurt, waren die Anforderungen an neue Lehr-/Lernszenarien an Hochschulen. Es geht unter anderem darum, weniger zu dozieren, mehr zu moderieren und die Hochschule als Ort der Kooperation und Partizipation zu etablieren.

XR-Technologien wie AR / MR / VR ermöglichen das Eintauchen in Lerninhalte (z.B. eine Szenerie mit Mammuts), die freie Bewegung (Kopf, Hände, Körper) und die Interaktion mit vergegenständlichten Lerninhalten. Ermöglicht werden dadurch insbesondere die spielerische Erarbeitung von Wissenskomplexen sowie entdeckendes und problembasiertes Lernen.

Abb. 4: Beispiele für virtuelle 3D-Lernräume
(Bildquelle: WU Wien / Immersive Learning Lab FH Erfurt)

Am Ende seines Beitrags ging Rolf Kruse auch auf die Herausforderungen ein, die beim Etablieren von virtuellen 3D-Lernräumen an Bildungseinrichtungen zu überwinden sind. Hier hat er insbesondere die folgenden Punkte hervorgehoben:

  • starre Organisationen und begrenzte Ressourcen,
  • begrenzte Kompetenzen im Hinblick auf die Gestaltung von Räumen und digitalen Medien,
  • unausgereifte Werkzeuge und schliesslich
  • fehlende positive Beispiele.

Und er verwies für Interessierte auf diese Folgeveranstaltung des uniVERSEty-Netzwerks im November.

Development of innovative Learning Spaces at NTNU

Mit dem Beitrag von Aina Nedal von der Technisch-Naturwissenschaftlichen Universität Norwegen (NTNU) in Trondheim blieben wir im Bildungskontext Hochschule. Aina Nedal berichtete über ein strategisch ausgerichtetes Vorhaben der NTNU mit dem Ziel, eine innovativere, variablere und stärker aktivierende und auf Exploration ausgerichtete Lehrpraxis an der Hochschule zu etablieren.

Die Umsetzung dieser Initiative erfolgte als interdisziplinäres Projekt unter Beteiligung von verschiedenen Bereichen und Expert:innengruppen:

  • Liegenschaften bzw. Immobilien,
  • Raumplanung bzw. Administration,
  • Bibliothek,
  • Hochschuldidaktik,
  • Lehr-Lern-Unterstützung,
  • AV- & IT-Services,
  • Fakultät.

Die nachfolgenden Bilder zeigen einige der neu gestalteten Lehr- und Lernräume:

Abb. 5: Beispiele für neu gestaltete Lernräume an der NTNU (Bildquelle: NTNU)

Die Programmevaluation ergab, dass die “active learning spaces” sehr stark nachgefragt werden und dass die Lehrpersonen stärker auf aktivierende Lehrformen setzen. Eine wichtige Lernerfahrung war unter anderem, dass die Fähigung der Lehrpersonen, mit diesen neuen Räumen sicher und produktiv zu arbeiten, früher und stärker hätte gefördert werden sollen.

Aina Nedal, Ph.D.,
Norwegian University of Science and Technology (NTNU)

Hybride Lernräume in der Führungsentwicklung

Ambros Scope, Ph.D.,
Zürich Versicherungen

Mit dem Beitrag von Ambros Scope, Head Leadership & Future of Work bei Zürich Versicherungen, wechselten wir in den Bildungskontext betriebliche Weiterbildung. “Zukunft gestalten mit hybriden Lernräumen in der Führungskräfte-Entwicklung” – das war sein Thema.

Die Konzeption und Umsetzung eines Trainingsraums für hybride Präsenztrainings (“Hybrid Training Room”) steht im Kontext der HR-Strategie bzw. der ‘Employee Promise” von Zürich Versicherungen. Zu den Erfolgsfaktoren gehören u.a. die folgenden Punkte:

  • Unterstützen von Diversität und Inklusion,
  • Ermöglichen von FlexWork und hybridem Arbeiten,
  • Wahrnehmung von Technologie als Ermöglicher,
  • Modernisierte Trainingsangebote,
  • Online Trainingsangebote.

Das (teilweise) Arbeiten aus dem Home-Office heraus und das Arbeiten mit verteilten Teams wird auch künftig Teil der Rahmenbedingungen für Führungskräfte sein. Das hybride Arbeiten wird im Hybrid Learning Ansatz der Zurich Schweiz daher umfassend berücksichtigt und durch folgende Punkte vorgelebt:

  1. Inhalte – z.B. Führen von hybriden Teams;
  2. Didaktisches Vorgehen – Mehrwöchige hybride Lernreisen mit asynchronen Web Based Trainings, synchroner Interaktion in der Grossgruppe, Vertiefung in Kleingruppen und individuellem Coaching in der Anwendung;
  3. Infrastruktur – Für jeden Bedarf optimal eingerichtete Trainingsräume.

Leitendes Prinzip der Umsetzung des hybriden Trainingsraums war die Orientierung an einem Human Centered Design. Eine konkrete Ausprägung war die bestmögliche Integration der von andernorts Teilnehmenden in die Gesamtgruppe im Sinne von Teilhabe und Beteiligungsmöglichkeiten. Das konsequente Verfolgen des Hybrid Learning Ansatz führt dazu, dass Zurich Schweiz pro Jahr alle Führungskräfte und einen grossen Teil der Belegschaft mehrmals in ihren internen Trainings erreichen kann.

Die nachfolgende Abbildung zeigt den resultierenden Trainingsraum schematisch und aus der Perspektive eines Trainers bzw. einer Trainerin:

Abb. 6: Raum für hybride Präsenztrainings
(Bildquelle: Scope / Zürich Versicherungen)

Lernen in kollaborativen virtuellen Räumen

Der nächste Beitrag brachte uns in den Bildungskontext Berufsbildung. Die Umsetzung von Virtual Reality in der beruflichen Bildung im Fachbereich Einzelhandel ist ein Gemeinschaftsvorhaben der Erich-Bracher-Schule in Kornwestheim, der Würth Industrie Service und des Lehrstuhls Wirtschaftspädagogik II der Universität Konstanz (Begleitforschung).

Im Lernfeld “Waren präsentieren” für Einzelhandelskaufleute geht es u.a. um Folgendes:

“Die Schülerinnen und Schüler platzieren und präsentieren Waren kundengerecht, verkaufswirksam und betriebswirtschaftlich sinnvoll.”
Bildungsplan Einzelhandelskaufleute

In der Vergangenheit wurden entsprechende Aufträge von den Auszubildenden über Skizzen auf Papier umgesetzt. Seit dem Schuljahr 2021/22 können Schüler:innen der EBS hierfür einen virtuellen Supermarkt nutzen, in dem sie sich mit VR-Brillen bewegen und agieren.

Die Einbettung der Arbeitsphasen in der VR-Umgebung erfolgt auf der Grundlage des Modells der vollständigen Handlung. Die Phasen 4-6 (Ausführen, Kontrollieren und Bewerten) erfolgen im virtuellen Raum (vgl. Abb. 7).

Abb. 7: Virtueller Supermarkt (vor der Bestückung); didaktisches Leitprinzip vollständige Handlung und Einbindung von VR; ein Ergebnis der Begleitforschung
(Bildquelle: EBS / Würth / Uni-Konstanz)

Im Rahmen der Begleitforschung durch die Universität Konstanz wurden von März bis Juli 2022 die Lern- und Arbeitsergebnisse von jeweils zwei Klassen in den Berufen Einzelhandelskaufmann/frau bzw. Verkäufer:innen mit Kontrollklassen verglichen (Pretest, unterrichtsbegleitende Befragung, Posttest). Dabei zeigte sich, dass die Lernenden in der Bedingung “VR-Training” nicht nur eine signifikant stärkere kognitive Aktivierung aufwiesen, sondern auch signifikant bessere Ergebnisse im Fachtest erzielten (vgl. Abb. 7).

Jannik Ehret & Sven Kaufmann, EBS Kornwestheim;
Christopher Groene,
Würth Industy Services;
David Kablitz & Dr. Matthias Conrad,
Universität Konstanz

Bühler Energy Center – Auftanken & Lernen

Andreas Bischof,
Bühler

Mit dem letzten Fachbeitrag des Tages blieben wir nahe am Bildungskontext Berufsbildung, schauten aber auch darüber hinaus. Andreas Bischof, Leiter Berufsbildung bei Bühler AG in Uzwil, stellte das vor wenigen Wochen eröffnete Bühler Energy Center vor.

Das Bühler Energy Center ist ein Raum zum Auftanken und Lernen – persönlich wie auch beruflich. Das im Juni 2023 eröffnete moderne Gebäude befindet sich an der Schnittstelle der Application & Training Center, des CUBIC Innovation Campus sowie der Produktion von Bühler. Es führt Aktivitäten im Zusammenhang mit Health & Lifestyle (u.a. Ernährungsberatung und Arztpraxis / Health Port), lebenslangem Lernen (inkl. Berufsbildung) sowie Prototyping & Produktion unter einem Dach zusammen.

Abb. 8: Impressionen aus dem Bühler Energy Center
(Bildquelle: Bühler)

Ganz im Sinne des Leitbilds für Lernen und Entwicklung (u.a. selbstbestimmt im Hinblick auf Zeit, Inhalt und Ort) sind sehr unterschiedliche Lernräume Teil des Bühler Energy Centers.

Die Haltung der Verantwortlichen bei Bühler brachte Andreas Bischof abschliessend mit einem Verweis auf Pipi Langstrumpf auf den Punkt: “We have never tried that before, so I am sure it will be fine!”

Mitarbeit an Konzeption und Orchestrierung als Aufgabe für Bildungsverantwortliche

Die Konzeption und Gestaltung von Lernräumen bzw. räumlichen Lernlandschaften wird häufig nicht als Aufgabe für Bildungsverantwortliche gesehen. Gleichzeitig sind sie aber gefordert, mit dem verfügbaren “Raum-Material” die jeweiligen Bildungs- bzw. Entwicklungsziele zu verfolgen und zu erreichen. Mit dem SCIL Trend- & Community Day 2023 haben wir aufgezeigt, dass Konzeption und Orchestrierung von Lernräumen / physischen Lernlandschaften (bzw. die Mitarbeit an entsprechenden Projekten) sehr wohl eine relevante Aufgabe für Bildungsverantwortliche darstellt. Die Einbindung der Bildungsverantwortlichen und ihren spezifischen Kompetenzen ist ein wichtiger Erfolgsfaktor für die an diesem Tag vorgestellten Projekte.

Ausblick: 11. Trend- & Community Day 2024

Der 11. SCIL Trend- & Community Day findet am 20. September 2024 statt. Dann werden wir wieder im Weiterbildungszentrum Holzweid der Universtität St.Gallen zu Gast sein. Das Rahmenthema haben wir noch nicht definiert – wir werden dazu informieren.

New Work – New Skills – New Learning (WIGLday6.0)

by Leave a Comment

Die Veränderungen im Arbeitsfeld (New Work) führen zu veränderten Kompetenz- bzw. Skills-Erfordernissen (New Skills). Dies wiederum führt zu neuen Anforderungen an Bildung und Personalentwicklung (New Learning). Ein aktuelles Beispiel sind die Entwicklungen im Bereich der Assistenzsysteme auf Basis von generativer KI.

Aktualisiert am 10.09.2023 (Ergänzung Stellenanzeige Prompt Engineer)

WIGL ist ein Bildungsanbieter, der in der schweizer Gasto-Branche verankert ist und die verschiedenen Lernorte der Gastro-Berufsbildung mit digitalen Lernmedien und einer Lernplattform bedient.

Im Rahmen der Jahresveranstaltung WIGLday 6.0 wurde die neue Lernplattform von WIGL vorgestellt, die ab 2024 lernortübergreifend (Berufsschule, Betrieb und überbetriebliche Kurse) verfügbar sein wird. Aus diesem Anlass war ich eingeladen, einen Impuls zum Thema “New Work – New Skills – New Learning?” beizusteuern.

New Work

Ausgangspunkt für meinen Beitrag waren die Veränderungen im Arbeitsfeld, die wir (branchenübergreifend) beobachten können. Aktuell sehr prominent sind diesbezüglich die Entwicklungen im Bereich (generative) KI und neue, KI-basierte Arbeitsmittel.

Abb. 1: Facetten von New Work (Bildquelle: eigene Darstellung)
Abb. 2: Übersicht zu KI-basierten Werkzeugen für verschiedenste Aufgabenbereichen
(Bildquelle: https://ai2entrepreneur.notion.site/AI-Tools-98932a37d28a4968ae17444f47268030)
(Hinweis: diese Seite scheint aktuell nicht mehr verfügbar zu sein)

New Skills

Die Veränderungen im Arbeitsfeld führen dazu, dass sich die Erfordernisse im Hinblick auf Kompetenzen und Skills verändern. Studien wie die von Emsi Burning Glass / Lightcast aus dem Jahr 2022 belegen dies empirisch.

Abb. 3: Ausgewählte Ergebnisse der Studie von Sigelman et al. 2022 (Bildquelle: Sigelman 2022 / SCIL)

Ein Beispiel für die Nachfrage nach neuen Kompetenzprofilen ist die folgende Stellenausschreibung:

Abb. 4: Stellenanzeige Prompt Engineer (Bildquelle: indeed.com / circuskitchens.com)

Übergreifend sind vor allem die folgenden Kompetenzen / Skills in der Diskussion:

  • Transformations-Kompetenzen,
  • Wissen zu & Expertise in der Nutzung von Werkzeugen auf Grundlage generativer KI (GPT-4, GitHub Co-Pilot, Midjourney, etc.),
  • Expertise in der Gestaltung der Zusammenarbeit mit KI-basierten Assistenzsystemen,
  • Sensibilität für ethische Herausforderungen bei der Nutzung von KI-basierten Lösungen.

New Learning

Vor diesem Hintergrund stellt sich die Frage, inwiefern auch in Bildung und Personalentwicklung neue Wege erforderlich sind (”Neues Lernen?”). Aus meiner Sicht sind es insbesondere die folgenden Aspekte, die Beachtung verdienen bzw. gestärkt werden sollten:

  • modulare, kleinteilige Lerneinheiten, die flexibel zusammengestellt werden können;
  • Performance Support und kleine Lerneinheiten “in the flow of work”;
  • erfahrungsorientierte und aktivierende Lernumgebungen;
  • sozial integrierte und interaktive Lernumgebungen;
  • personalisierte Lernumgebungen, beispielsweise auf der Grundlage von LXP (Inhalte-Empfehlungen) oder ITS (intelligent tutoring systems);
  • selbstreguliertes und eigenverantwortliches Lernen, gefördert / unterstützt von Lehrpersonen / Lernbegleitern – oder auch von KI-Anwendungen wie ChatGPT, die als persönlicher Tutor genutzt werden können;
  • Kompetenz- bzw. Skills-basierte Bildung / Entwicklung, gegebenenfalls unterstützt durch geeignete Skills-Tech-Lösungen (mehr dazu in diesem Blogpost auf scil.ch).

Hier ein Auszug aus den Folien, die ich für meinen Beitrag genutzt habe:

Verweise

Sigelman, M., Taska, B., O’Kane, L., Nitschke, J., Strack, R., Baier, J., . . . Kotsis, A. (2022). Shifting skills, moving targets, and remaking the workforce. Boston Consulting Group / The Burning Glass Institute / Emsi Burning Glass.

“Zauberspruch”-Sammlungen für die betriebliche Nutzung von generativer KI (Ethan Mollick)

by Leave a Comment

Ethan Mollick (Whaton Business School) plädiert für die Sammlung von Experten-«Zaubersprüchen» (Expert-Prompts), wenn es um die produktive Nutzung von generativer KI in Unternehmen und Organisationen geht.

Ethan Mollick stellt sich selbst so vor:

I am a professor at the Wharton School of the University of Pennsylvania. I study entrepreneurship & innovation, as well as how we can better learn and teach. I am trying to understand what our new AI-haunted era means for work and education.
Ethan Mollick @oneusefulthing

OneUsefulThing.org

Ethan Mollick ist eine meiner “go to persons” wenn es um generative KI und Bildung geht. Auf oneusefulthing.org schreibt er regelmässig und pointiert zu diesem Themenfeld. So zum Beispiel vor wenigen Wochen, als er in einem seiner Posts eine kurze Übersicht zu verschiedenen LLMs lieferte und aufzeigte, welche LLMs für welche Aufgaben am besten geeignet sind:

  • Text schreiben: Bing / Claude 2 / GPT-4 mit Plugins;
  • Bilder erstellen: Adobe Firefly / Stable Diffusion / Bing Image Creator / Midjourney
  • Videos erstellen: D-iD / Runway v2 / Eleven Labs
  • Mit Daten & Dokumenten arbeiten: GPT-4 Code Interpreter / Claude 2
  • etc.
Abb. 1: Gegenüberstellung ausgewählter LLMs (Bildquelle: Ethan Mollick / OneUsefulThing, 15.07.2023)

Prompts als Zaubersprüche bzw. als ‘encoding expertise’

In seinem aktuellen Beitrag “Now is the time for grimoires” plädiert Mollick dafür, die “Zaubersprüche” von Expert:innen, die zu guten Ausgaben bei generativen Assistenzsystemen wie ChatGPT führen, zu sammeln und in Büchern bzw. Sammlungen zu dokumentieren. Die Metapher Zaubersprüche ist dabei weniger weit hergeholt, als es auf den ersten Blick scheinen mag:

  • derzeit ist in der Regel unklar, welches Detail eines Prompts die Ausgabe der generativen KI in welcher Weise beeinflusst;
  • identische Eingaben (Prompts) führen in der Regel nicht zu identischen Ausgaben;
  • elaborierte und erfolgreiche Prompts basieren auf einem grossen Mass an fachlicher Expertise.

Auf den zuletzt genannten Punkt haben auch Seufert / Burkhard in ihrer Prompting Guideline für ChatGPT (2023) hingewiesen: für die erfolgreiche Nutzung von generativen KI-Anwendungen braucht es unter anderem fachspezifisches und fachübergreifendes Wissen, epistemisches Wissen, prozedurales Wissen sowie metakognitiven Fähigkeiten. Mollick macht dies anhand des Beispiels “Chatbot als Tutor / Mentor” deutlich.

Beispiel: ChatBot als Tutor

Natürlich kann man der generativen KI-Anwendung einfach sagen:

“Du bist mein Tutor. Bitte erkläre mir den Begriff [beliebiger Begriff] in einfacher Sprache.”

Und man wird auch ein Ergebnis erhalten. Aber vermutlich wird die Erfahrung der tutoriellen Unterstützung durch die KI nur mässig sein. Denn ein guter Tutor bzw. eine gute Tutorin bringt mehr als nur Fachwissen ein:

  • er / sie interagiert mit uns als Lernenden;
  • er / sie passt die Erklärungen an unseren Wissenstand an;
  • er / sie motiviert uns, neues Wissen mit bereits vorhandenem Wissen zu verknüpfen;
  • etc.

Mit dem oben angeführte Prompt wird all dies nicht funktionieren.

Mollick zeigt auf, wie ein auf fachlicher Expertise aufbauender und für den Anwendungskontext «ChatBot als Tutor» optimierter Prompt aussehen könnte. Dabei hebt er die verschiedenen Konstruktionselemente des Prompts farbig hervor:

Abb. 2: Ein ausführlicher Prompt zur Nutzung von GPT-4 als persönlichem Tutor
(Bildquelle: Ethan Mollick / OneUsefulThing, 20.08.2023)

Damit wird deutlich, dass in die Erarbeitung bzw. Entwicklung eines guten Prompts auch einiges an zeitlichem Aufwand investiert werden muss. Davon berichten beispielsweise auch Nutzer, die an Prompts für das Erzeugen spezifischer Bilder bzw. Szenen in Anwendungen wie z.B. Midjourney gearbeitet haben (Heidorn 2023).

Ein betriebliches Zauberbuch zusammenstellen

Für Mollick sind die Prompts für generative KI-Anwendungen eigentlich Programme bzw. Computer-Code in Prosa. Für die Entwicklung von Experten-Prompts braucht es ihm zufolge drei Dinge:

  • Expertise
    “expertise means that you have deep knowledge of a topic, combined with sufficient deliberate practice and instruction that you have developed intuition for it”
  • Zeit
    “AI is weird to work with, and does not come with an instruction manual. The only way to get good at using AI is therefore by using AI. My rule of thumb is 10 hours of use is required before you start to understand the systems and their quirks”
  • klares Ziel
    “LLMs are quite good at taking abstract concepts and applying them. However, AIs also have limited context windows (memories) and tend to start to ramble if a conversation goes on too long (…) so you need to ensure your prompt is focused on your goal”

Mit Blick auf die Nutzung von generativer KI durch Unternehmen und Organisationen formuliert Mollick folgende Empfehlung: an Stelle einer Priorisierung des Trainierens bzw. Anpassens von generativen KI-Modellen auf der Grundlage eigener Daten sollten vielmehr Zauberspruch-Sammlungen für den Einsatz von KI im betrieblichen Arbeitsalltag zusammengestellt werden:

The corporate focus on giving AIs more data before building an infrastructure around using AI misses this point (…) Instead, companies should be considering how to build libraries of prompts, grimoires of expert spells that allow practices to be scaled inside the organization. If it turns out more data is needed, it can then be gathered, but I suspect that, in many cases, general models will do very well at many tasks with just a few examples in a prompt.
Ethan Mollick @oneusefulthing, 20.08.2023

Verweise

Heidorn, Christian (2023): Create MULTIPLE Character Scenes – Midjourney Character Design. YouTube. ((https://www.youtube.com/watch?v=znulbnRynOc))

Mollick, Ethan (2023): Now is the time for grimoires. It isn’t data that will unlock AI, it is human expertise. OneUsefulThing.org (2023-08-20).

Seufert, Sabine & Burkhard, Michael (2023): Prompting Guideline: ChatGPT als Assistenz- und Lernsystem effektiv nutzen. Handbuch zum Weiterbildungsmodul. St.Gallen: Institut für Bildungsmanagement und Bildungstechnologien / Swiss Competence Centre for Innovations in Learning.

Zum Stand von generativer KI in Unternehmen – Quantum Black AI (McKinsey), August 2023

by Leave a Comment

Ein aktueller Bericht von Quantum Black / McKinsey mit Daten u.a. zur Nutzung von generativen KI-Applikationen, monetärem Nutzen sowie den wichtigsten Risiken bzw. Herausforderungen. Der für die nächsten drei Jahre erwartete Bedarf im Bereich Schulungs / Personalentwicklung ist gross.

Die Daten, die diesem Bericht zugrunde liegen, wurden vom 11. bis 21. April 2023 erhoben. An der Umfrage beteiligten sich mehr als 1’500 Personen aus verschiedenen Weltregionen (davon ca. 500 aus Europa), Branchen und Unternehmen. Im Folgenden anhand von Grafiken einige Schlaglichter aus dem Bericht.

Nutzung von generativen KI-Anwendungen

Bildquelle: Quantum Black / McKinsey 2023, S. 3

Nutzungsintensität und ausgewählte Nutzungsszenarien in Funktionsbereichen

Bildquelle: Quantum Black / McKinsey 2023, S. 4

Geschätzter monetärer Nutzen des Einsatzes von generativer KI

Bildquelle: Quantum Black / McKinsey 2023, S. 20

Wichtigste Risiken und deren Bearbeitung

Bildquelle: Quantum Black / McKinsey 2023, S. 6

Ausmass des erwarteten Schulungs- / Entwicklungsbedarfs

Bildquelle: Quantum Black / McKinsey 2023, S. 16

Darüber hinaus finden sich noch weitere interessante Aufstellungen in dem Bericht, beispielsweise zu den grössten Herausforderungen bei der Nutzung von generativen KI-Anwendungen (z.B. Verfügbarkeit von Modellen und Know-how) und den erwarteten Auswirkungen auf die Anzahl der Beschäftigten (unterschiedlich je nach Funktionsbereich).

Quantum Black AI, by McKinsey (2023). The state of AI in 2023: Generative AI’s breakout year. mckinsey.com.

Dank an Holger Schmidt für den Hinweis auf diesen Bericht.

aiforeducation – KI-Ressourcen für Bildungsverantwortliche und Bildungsinstitutionen

by 1 Comment

Arbeitshilfen von aiforeducation für Schulen, Lehrpersonen und Lernende: Leitfaden für die Entwicklung einer Schul-Leitlinie zu KI; ChatGPT-Plugins für Lehrpersonen; Leitlinie für Lernende zur Nutzung von generativen KI-Applikationen; und eine umfangreiche Prompt-Bibliothek.

aiforeducation.io hatte ich bisher nicht auf dem Radar. Auf den Webseiten finden sich wenig Informationen zu dieser Organisation. Vermutlich handelt es sich um eine Beratungsagentur, sich sich mit ihren Dienstleistungen vor allem an Schuldistrikte in den USA wendet.

Auf den Webseiten bzw. in dem Blog von aiforeducation finden sich eine Reihe von Ressourcen, die interessant sind. Hier Beispiele dafür, auf was ich gestossen bin:

Arbeitshilfe zur Entwicklung einer KI-Leitlinie für eine Schule / Bildungsinstitution

Quelle: https://www.aiforeducation.io/ai-resources/ai-policy-guide-school

ChatGPT-Plugins für Lehrpersonen

Quelle: https://www.aiforeducation.io/blog/an-educators-guide-to-using-chatgpt-plugins

Leitlinie für Lernende / Schüler:innen / Studierende zur Nutzung von generativen KI-Anwendungen

Quelle: https://www.aiforeducation.io/ai-resources/student-guide-ai-use

Darüber hinaus findet sich auf den Webseiten von aiforeducation auch eine strukturierte Prompt-Bibliothek für Bildungsverantwortliche. Ich denke, auch diese Sammlung ist hilfreich. Die Prompt-Sammlungen adressieren u.a. die folgenden Themen:

  • Syllabus Designer
  • Lesson Idea Generator
  • PBL Lesson Plans
  • Graphic Organizers
  • Critical Thinking Questions
  • Flashcards
  • Vocabulary Lists
  • Math Games
  • Poems
  • Debate Topics
  • Time Travel
  • Formative Assessments
  • Rubrics
  • AI-Assisted Assessments
Quelle: https://www.aiforeducation.io/prompt-library

Durch KI erstellte Videos als Antwort auf fehlende Lernressourcen? Erste Studienergebnisse

by Leave a Comment

Lernressourcen (insbesondere Lernvideos) sind aufwändig in der Produktion und nicht immer / überall ausreichend verfügbar. KI-basierte Werkzeuge können die Content-Produktion beschleunigen. Dass dies nicht unbedingt zu schlechterer Qualität führt, zeigen zwei aktuelle Studien.

Fehlende Lernressourcen als Herausforderung

Die Nachfrage nach (Aus-)Bildung, insbesondere in Ländern des sogenannten “globalen Südens”, kann nicht immer durch geeignete Angebote beantwortet werden. So führt beispielsweise ein Bericht des WWF “Education 4.0 India” von 2022 die Produktion von geeigneten Lerninhalten als eine zentrale Herausforderung an.

Vor diesem Hintergrund stellt sich die Frage, inwiefern mittels KI-Anwendungen automatisch erzeugte Lernvideos zur Lösung dieser Herausforderungen beitragen können. Lernvideos sind ein zentrales Inhalte-Element in vielen MOOCs, sind bei den Lernenden beliebt, sind aber auch aufwändig in Produktion und Aktualisierung.

Ergebnisse einer Forschungsstudie

Ein Forschungsteam ist dieser Frage nachgegangen und präsentiert die eigenen Ergebnisse in einem auf der Pre-Print-Plattform Arxiv veröffentlichten Artikel (Leiker et al. 2023). Folgende Forschungsfragen standen im Zentrum:

  • Unterscheiden sich durch KI erzeugte, syntetische Lehrvideos in der Lernwirksamkeit von traditionellen Lehrvideos mit realen Lehrpersonen?
  • Welche Unterschiede nehmen die Lernenden zwischen beiden Typen von Videos wahr?

Methodisch sind die Autor:innen dabei so vorgegangen, dass 83 Teilnehmende zufällig einer von zwei Bedingungen zugewiesen wurden: Betrachtung eines 4,5-minütigen, einfachen Lehrvideos zu Energiequellen & Energie-Vektoren mit anschliessendem Kurztest (MC-Fragen). Dabei wurde in der Experimental-Bedingung ein Video mit einem durch eine KI-Applikation (Synthesia) animierten Avatar genutzt (Text-to-Speech-Technologie), in der Kontroll-Bedingung ein traditionell erstelltes Lehrvideo mit einer realen Lehrperson.

Abb. 1: Die beiden Typen von Lehrvideos: links mit einem durch KI erzeugten / animierten Avatar, rechts mit einer realen Lehrperson (Bildquelle: Leiker et al. 2023)

Die Ergebnisse fallen für beide Bedingungen sehr ähnlich aus (Abb. 2). Wenn überhaupt, zeigen sich leichte Vorteile für das mit der KI-Anwendung erstellte Video – vielleicht auch weil hier vorab die Erwartungen der Nutzer niedriger waren.

Abb. 2: Ergebnisübersicht (Bildquelle: Leiker et al. 2023)

Die Forschungsgruppe zieht aus der Analyse der Ergebnisse folgendes Fazit:

“Our results indicated significant improvement in both traditional video and AI-generated video conditions between pre- and post-learning assessments with no statistical difference in terms of learning gains.”
Leiker et al. 2023, S. 8

Natürlich kann man argumentieren, dass diese Form von einfachst-Lehrvideos (talking torso) ohne eingebettete Interaktionselemente keine qualitativ hochwertigen Lernressourcen darstellen. Aber die Beobachtung, dass sich keine dramatischen Unterschiede zwischen den beiden Produktionsverfahren im Hinblick auf die Wirksamkeit bzw. die Akzeptanz durch die Nutzer zeigen, lässt sich damit nicht wegwischen.

Ergebnisse einer Anbieter-Studie

Ergebnisse einer ganz ähnlich angelegten Studie hat kürzlich Rask.ai publiziert. Rask bietet Services zur KI-basierten, automatisierten Bearbeitung von Videos (Übersetzung in andere Sprachen, Kürzung, Veränderung der Gesichter der abgebildeten Personen).

Auch bei dieser Studie wurden Teilnehmende zufällig einer von zwei Bedingungen zugewiesen: 1) Betrachtung eines automatisch, mit KI-Werkzeugen erstellten kurzen Lehrvideos; 2) Betrachtung eines traditionell erstellten kurzen Lehrvideos. Die verfügbaren Screenshots lassen darauf schliessen, dass diese Videos mit einer Länge von knapp einer Minute sehr kurz waren (vgl. Abb. 3).

Abb. 3: Anlage der Studie von Rask.ai (links) und Screenshots der verglichenen Videos (rechts) (Bildquelle: rask.ai 2023)

Interessant an diesem Vergleich ist, dass hier verschiedene Werkzeuge eingesetzt wurden, um die Videoproduktion zu automatisieren:

  • ChatGPT zum Erzeugen des Skripts für das Video
  • Rask.ai für die Stimm-Synthese
  • HeyGen für das Erzeugen und die Animation des Avatars
  • DeepAI für das Erstellen des Hintergrundbilds zum Video

Auch hier zeigen die Ergebnisse keine grossen Unterschiede zwischen den beiden Produktionsvarianten (Abb. 4, unten). Ob dies allerdings bei längeren Videos auch so wäre, ist eine offene Frage.

Abb. 4: Ausgewählte Ergebnisse der Studie von rask.ai (Bildquelle: rask.ai 2023)

Aufmerksamen Leser:innen wird nicht entgangen sein, dass die Grösse der Balken in Abb. 4 nicht immer zu den angegebenen Zahlenwertern passt. Damit stellen sich natürlich Fragen bezüglich der Verlässlichkeit der kommunizierten Ergebnisse. Ich habe rask.ai dazu angeschrieben, aber noch keine Antwort erhalten.

Leistungsfähige Werkzeuge und erste Zwischenergebnisse

Für die in diesen beiden Studien behandelten, sehr kurzen und sehr einfach gehaltenen Lehrvideos zeigen sich keine deutlichen Unterschiede zwischen den verglichenen Produktionsverfahren (traditionell vs. KI-basiert). Dies gilt sowohl für den “Lernerfolg” (Verständnis der Inhalte) als auch für die Aktivierung der Nutzer:innen und die Akzeptanz der Videos (Bereitschaft, diese mit anderen zu teilen).

Ob sich diese Ergebnisse auch so zeigen, wenn längere Lehrvideos oder eine grössere Zahl von solchen kurzen Lehrvideos als Bestandteil eines Lerndesigns eingesetzt werden, bleibt abzuwarten. Zu klären bleibt auch, wie gross die Reduktion des Arbeits- bzw. Kostenaufwands ausfällt, wenn Lehrvideos in vergleichbarer Qualität mit KI-basierten Werkzeugen erstellt werden. Dies wird vermutlich stark von den jeweiligen Rahmenbedingungen abhängen – nicht zuletzt von der Kompetenz im Umgang mit den verschiedenen KI-basierten Werkzeugen. In jedem Fall zeigt sich, wie leistungsfähig die verschiedenen hier eingesetzten KI-basierten Werkzeuge für Skript, Avatar, Stimmsynthese und Bilderzeugung inzwischen geworden sind.

Verweise

Leiker, D., Ricker Gyllen, A., Eldesouky, I., & Cukurova, M. (2023): Generative AI for learning: Investigating the potential of synthetic learning videos. Accepted to appear in the Proceedings of International Conference of Artificial Intelligence in Education 2023 (No. eprint arXiv:2304.03784). eprint arXiv. Retrieved from doi:10.48550/arXiv.2304.03784

rask.ai (2023): AI in Education Report 2023: Industry stats and 300+ audience survey. rask.ai

Integration von generativen KI-Applikationen in die Berufsausbildung: Thesenpapier BWV

by Leave a Comment

Eine Arbeitsgruppe des BWV hat acht Thesen für eine gelingende Integration von generativen KI-Applikationen in die Berufsausbildung (Fokus Kaufleute für Versicherungen und Finanzanlagen, KVF) formuliert.

Veränderungen in der Arbeitswelt betreffen unmittelbar die berufliche Bildung. Dies gilt für die Ziele der beruflichen Bildung ebenso wie für Inhalte, Methoden und Medien. Dieser enge Zusammenhang zeigt sich aktuell im Hinblick auf die Entwicklungen im Bereich der Assistenzsysteme auf Basis von generative KI wie etwa ChatGPT.

Die Verfügbarkeit dieser Assistenzsysteme hat Auswirkungen darauf,

  • wie Artefakte (Texte, Bilder, Computercode, etc.) erzeugt werden,
  • wie dabei Menschen und „intelligente“ Maschinen zusammenspielen,
  • welche Kompetenzen es auf Seiten der Beschäftigten braucht und
  • wie diese Kompetenzen im Rahmen von Aus- und Weiterbildung entwickelt werden können.

Das Berufsbildungswerk der Deutschen Versicherungswirtschaft (BWV) e.V. hat ein Autor:innenteam beauftragt, diesen Fragen nachzugehen. Zu diesem Team war neben Prof. Dr. Sascha Fauler, FOM Hochschule für Ökonomie & Management und Andrea Schanz, Senior Spezialistin Aus- und Weiterbildung, DEVK Versicherungen, Köln, auch ich eingeladen.

Gemeinsam haben wir ein Papier erarbeitet, das acht Thesen für eine gelingende Integration von generativen KI-Applikationen in die Berufsausbildung (Fokus Kaufleute für Versicherungen und Finanzanlagen, KVF) formuliert.

Unser Fazit: „Das größte Risiko besteht darin, die Chancen der neuen Technologie nicht zu nutzen und damit verbundene Herausforderungen nicht anzugehen.“

Hier eine Übersicht zu den von uns formulierten Thesen:

Abb. 1: Die acht Thesen im Überblick (Bildquelle: BWV)

Diese Thesen werden im September 2023 im Rahmen des Bildungskongresses der Deutschen Versicherungswirtschaft mit Branchenvertretern diskutiert.

Das Thesenpapier ist über diese Seite des BWV verfügbar.

Building a skills-based organization – Ein Realitäts-Check (Josh Bersin)

by Leave a Comment

In einem Blogbeitrag “Building A Skills-Based Organization: The Exciting But Sober Reality” bemüht sich Josh Bersin einen Realitäts-Check zu diesem Thema. Er empfiehlt, bei der Entwicklung von unternehmensweiten Skills-Taxonomien zunächst auf die Bearbeitung von spezifischen Aufgabenbereichen bzw. Problemstellungen zu fokussieren.

Das Konzept der “Skills-based Organization”, das u.a. von den Entwicklungen im Bereich von KI-Tools und Skills-Tech angetrieben wird, ist für viele Unternehmen attraktiv.

Die Vision

Die Vision einer auf Fähigkeiten basierenden Organisation besteht darin, eine globale Fähigkeiten-Datenbank (skills database) zu erstellen, die aufkommende Fähigkeiten identifiziert, Lücken in den verfügbaren Fähigkeiten erkennt und Prozesse der Einstellung, Beförderung, Bezahlung und Führung objektiviert. Die zugrunde liegende Idee ist, dass wir die Fähigkeiten jeder einzelnen Person sehr präzise “taggen” bzw. “bewerten” können. KI-Tools versprechen, dies zu unterstützen, indem sie unsere Berufsbiografie, Leistung, Arbeitsprodukte und andere Quellen betrachten, um abzuleiten, zu modellieren und vorherzusagen, worin wir gut sind und was wir als nächstes lernen sollten.

Die Realität

Bersin weist jedoch darauf hin, dass Fähigkeiten bzw. Skills schon immer ein wichtiges Konzept im Geschäftsleben waren, und der Fokus auf technische Fähigkeiten sowie allgemeine Geschäftsfähigkeiten nicht neu ist. Er argumentiert, dass diese Tools und Systeme, obwohl sie erstaunlich leistungsfähig sind, oft die wichtigsten Fähigkeiten übersehen, nämlich “PowerSkills”. Dazu gehören spezifische Haltungen und Einstellungen (Kultur), Ehrgeiz, Lernagilität und eine übergreifende gemeinsame Ausrichtung. Er betont, dass wir zwar Fähigkeiten bewerten wollen, um Jobs, Rollen und Entwicklung zu definieren, aber auch davon ausgehen müssen, dass jede Person laufend neue Fähigkeiten erlernen kann.

Bersin diskutiert auch die Komplexitäten beim Aufbau einer Fähigkeitstaxonomie (skills taxonomy). Er erklärt, dass Geschäftsfähigkeiten in viele Kategorien fallen, die von verschiedenen Unternehmen auf unterschiedliche Weise bewertet werden. Diese Kategorien umfassen technische Fähigkeiten, betriebliche Fähigkeiten, funktionale Fähigkeiten, branchenspezifische Fähigkeiten und Management- und Führungsfähigkeiten. Jede dieser Kategorien ist mit “Fähigkeiten” gefüllt, so dass Unternehmen dynamische Bibliotheken mit zehntausenden bis hunderttausenden von Fähigkeiten erstellen.

Was ist wirklich neu?

Die zentrale Veränderung im Hinblick auf aktuelle Umsetzungen von Skills-Management besteht laut Bersin darin, dass der Aufbau einer unternehmensweiten Fähigkeitstaxonomie angestrebt wird, einer einzigen, unternehmensweiten “dynamischen Datenbank” für Fähigkeiten. Eine solche Taxonomie ist jedoch enorm umfangreich und jedes Element ist diskussionswürdig. Bersin schlägt daher vor, dass Unternehmen zunächst auf ein spezifisches Problem fokussieren sollten und von diesem Problem aus einen Teil der Taxonomie erstellen, einen Prozess für Design und Governance erstellen und lernen, welche Tools am besten funktionieren.

Zum Abschluss betont Bersin die Bedeutung dieser Arbeiten für den Übergang von starren, auf Jobs basierenden Organisationsformen hin zu auf Arbeit basierenden Organisationsformen. Er nennt dies die Morgendämmerung eines “postindustriellen” Geschäftsmodells. Aus seiner Sicht ist es dabei völlig akzeptabel, sich für eine sorgfältige Umsetzung Zeit zu nehmen, die erforderliche Governance aufzubauen, mit verschiedenen Tools zu experimentieren und sich dabei wirklich auf das zu lösende Problem einzulassen.

Bersin, Josh (2023): Building A Skills-Based Organization: The Exciting But Sober Reality. joshbersin.com, 8. Juli 2023.

Dieser kurze Blogbeitrag ist Teil meiner Exploration von GPT-4 als Schreibhilfe.

Zusammenfassung des ursprünglichen Blogbeitrags von Josh Bersin: GPT-4 mit Plugin “WebPilot”.

Prompting und redaktionelle Überarbeitung: Christoph Meier.

The economic potential of generative AI (McKinsey Report Juni 2023)

by Leave a Comment

Ein aktueller Bericht von McKinsey fokussiert die Entwicklungen im Bereich der Generativen KI und die damit verbundenen, tiefgreifende Auswirkungen auf Unternehmen und Organisationen, auf Arbeitsproduktivität und auf den Zuschnitt von Arbeitsaufgaben. Die grössten Nutzenpotenziale werden in den Funktionsbereichen Customer operations, Marketing and sales, Software engineering sowie Research and development gesehen. Aber auch für das betriebliche Wissensmangement als funktionsübergreifenden Bereich erwarten die Autor:innen grosse Nutzenpotenziale. Von den Veränderungen und neuen Möglichkeiten der Automatisierung von Arbeit sind insbesondere auch Bildungsverantwortliche betroffen.

Unerwartete Entwicklungsdynamik

Obwohl sich bedeutsame Fortschritte im Bereich der künstlichen Intelligenz in den letzten Jahren angekündigt haben, sind wir doch durch die Entwicklungsdynamik im Bereich der grossen Sprachmodelle und ‘foundational models’ überrascht worden:

Generative AI has stunned and excited the world with its potential for reshaping how
knowledge work gets done in industries and business functions across the entire economy (…)
[Generative AI] is poised to transform roles and boost performance.
Chui et al. (2023): The economic potential of generative AI. McKinsey, S. 50.

Für diesen Bericht haben die Autor:innen von McKinsey 63 Anwendungsszenarien für generative KI in 16 Funktionsbereichen in Unternehmen und Organisationen analysiert. Darüber hinaus haben sie die möglichen Auswirkungen auf die Arbeitsaktivitäten in 850 Berufsfeldern betrachtet.

Die zentralen Thesen des Berichts sind die folgenden (vgl. S. 5):

  • Generative AI’s impact on productivity could add trillions of dollars in value to the global economy.
  • About 75 percent of the value that generative AI use cases could deliver falls across four areas: Customer operations, marketing and sales, software engineering, and R&D.
  • Generative AI will have a significant impact across all industry sectors.
  • Generative AI has the potential to change the anatomy of work, augmenting the capabilities of individual workers by automating some of their individual activities.
  • The pace of workforce transformation is likely to accelerate, given increases in the potential for technical automation.
  • Generative AI can substantially increase labor productivity across the economy, but that will require investments to support workers as they shift work activities or change jobs.
  • The era of generative AI is just beginning.

Anwendungsfälle mit grossem Nutzenpotenzial

Besonders grosse Potenziale sehen die Autor:innen insbesondere in den folgenden Funktionsbereichen bzw. bei den folgenden Nutzungsszenarien:

  • Customer operations
    • Self-service interactions with chatbots
    • Customer-agent interactions supported by AI
    • Agent self-improvement
  • Marketing and sales
    • Data analysis and strategy development
    • Awareness
    • Consideration
    • Conversion
    • Retention
  • Software engineering
    • Inception and planning
    • System design
    • Coding
    • Testing
    • Maintenance
  • Research and development
    • Early research analysis
    • Virtual design
    • Virtual simulation
    • Physical test planning

Unterschiedliche Potenziale je nach Funktionsbereich

Die Autor:innen erwarten deutlich unterschiedliche Nutzenpotenziale je nach Unternehmensfunktionen. Hier schwingen Sales, Marketing, Software Engineering, Customer Operations und Produktentwicklung oben aus. Bis zu 75% des gesamten ökonomischen Nutzens werden in diesen Funktionsbereichen erwartet. Für den Bereich HR, Personal- und Organisationsentwicklung wird dagegen nur ein vergleichsweise geringes Nutzenpotenzial gesehen. Das verwundert mich insofern, als hier ja die personelle und organisationale Befähigung für die erfolgreiche Nutzung von generativer KI vorangetrieben werden muss.

Abb. 1: Ökonomische Nutzenpotenziale nach Funktionsbereichen (Bildquelle: Chui et al. 2023, S. 12)

Auch im Hinblick darauf, in welchen Branchen (links) welche Funktionsbereiche (oben) besonders betroffen sein werden, erwarten die Autor:innen Unterschiede. Für die Branche Bildung (“Education”) sind insbesondere Marketing and sales betroffen (wie in fast allen Branchen) sowie auch Supply chain and operations (also die konkrete Umsetzung der Bildungsarbeit):

Abb. 2: Auswirkungen von generativer KI nach Branchen und Funktionsbereichen (Bildquelle: Chui et al. 2023, S. 25)

Funktionsübergreifende Nutzenaspekte

Neben den funktionsspezifischen Nutzenpotenzialen werfen die Autor:innen auch einen Blick auf übergreifende Nutzenaspekte, insbesondere im Bereich Wissensmanagement:

In addition to the potential value generative AI can deliver in function-specific use cases, the technology could drive value across an entire organization by revolutionizing internal knowledge management systems. Generative AI’s impressive command of natural-language processing can help employees retrieve stored internal knowledge by formulating queries in the same way they might ask a human a question and engage in continuing dialogue. (…) In 2012, the McKinsey Global Institute (MGI) estimated that knowledge workers spent about a fifth of their time, or one day each work week, searching for and gathering information. If generative AI could take on such tasks, increasing the efficiency and effectiveness of the workers doing them, the benefits would be huge.
Chui et al. (2023): The economic potential of generative AI. McKinsey, S. 13.

Beschleunigung der Automatisierung – auch im Bereich der Wissensarbeit

Die Entwicklungen im Bereich der generativen KI beschleunigt die Veränderungen im Bereich der Wissensarbeit. Für viele Aspekte von Wissensarbeit (z.B. Koordination mit anderen, Kreativität, Problemlösen, Sprachverstehen und Spracherzeugung) wird jetzt erwartet, dass Maschinen deutlich früher eine ähnliche Leistungsfähigkeit erreichen als noch vor fünf oder sechs Jahren gedacht. Damit ergeben sich auch weitere Potenziale für Automatisierungen.

Previous generations of automation technology were particularly effective at automating
data management tasks related to collecting and processing data. (…) generative AI is likely to have the biggest impact on knowledge work, particularly activities involving decision making and collaboration, which previously had the lowest potential for automation (…) As a result, many of the work activities that involve communication, supervision, documentation, and interacting with people in general have the potential to be automated by generative AI, accelerating the transformation of work in occupations such as education and technology, for which automation potential was previously expected to emerge
later.
Chui et al. (2023): The economic potential of generative AI. McKinsey, S. 40-41.

Hiervon sind nach Einschätzung der Autor:innen insbesondere auch Bildungsverantwortliche betroffen:

Abb. 3: Neue Automatisierungspotenziale nach Berufsgruppen (Bildquelle: Chui et al. 2023, S. 41)

Auf der Achterbahn: Potenziale und Risiken

Am Ende Ihres Berichts ziehen die Autor:innen unter anderem folgendes Fazit, in dem sie auch die Bedeutung von Bemühungen um Personalentwicklung betonen:

All of us are at the beginning of a journey to understand this technology’s power, reach, and capabilities. If the past eight months are any guide, the next several years will take us on a roller-coaster ride featuring fast-paced innovation and technological breakthroughs that force us to recalibrate our understanding of AI’s impact on our work and our lives. It is important to properly understand this phenomenon and anticipate its impact. Given the speed of generative AI’s deployment so far, the need to accelerate digital transformation and reskill labor forces is great.
These tools have the potential to create enormous value for the global economy (…). At the same
time, they also have the potential to be more destabilizing than previous generations of
artificial intelligence. They are capable of that most human of abilities, language, which is a
fundamental requirement of most work activities linked to expertise and knowledge as well as
a skill that can be used to hurt feelings, create misunderstandings, obscure truth, and incite
violence and even wars.
Chui et al. (2023): The economic potential of generative AI. McKinsey, S. 50.

Chui, M., Hazan, E., Roberts, R., Singla, A., Smaje, K., Sukharevsky, A., . . . Zemmel, R. (2023). The economic potential of generative AI: The next productivity frontier. McKinsey&Company.

Nutzung von ChatGPT & Co. im Studium: erste Befragungsergebnisse

by 1 Comment

Erste Befragungsergebnisse aus Deutschland zeigen, dass Studierende ChatGPT & Co. verbreitet nutzen. Typische Nutzungsszenarien sind: sich Konzepte erklären lassen; Literaturrecherche; Übersetzungen; Textanalyse und Texterstellung; Problemlösung / Entscheidungsfindung. Die Autor:innen beobachten eine Lücke zwischen dem Anspruch an “wissenschaftlichen” Output einerseits und nachvollziehbaren Ausgaben andererseits.

Eine Forschungsgruppe um Jörg von Garrel, Professur für Prozess- und Produktinnovationen mit Schwerpunkt quantitative Sozialforschung, Hochschule Darmstadt, hat Ergebnisse einer Flächenbefragung zur Nutzung von KI-Applikationen wie ChatGPT im Studium publiziert. Das Arbeitspapier (Preprint) wurde am 28.06.2023 freigeschaltet.

Für die Online-Befragung kontaktiert wurden – über mehr als 3’800 Studiengangsverantwortliche an 395 Hochschulen in Deutschland – alle dort immatrikulierten Studierenden kontaktiert. Die Auswertung basiert auf 6’311 vollständigen Rückläufen von Studierenden aus allen 16 Bundesländern.

Im Folgenden sind zentrale Ergebnisse der Studie aufgeführt.

Häufigkeit und Intensität der Nutzung

Nutzung allgemein:

  • 63,2 % der befragten Studierenden geben an, KI-basierte Werkzeuge für das Studium zu nutzen
  • 36,8 % verneinen dies

  • 22,3 % nutzen diese Werkzeuge “sehr häufig”
  •   3   % “häufig”
  •   9,5 % “gelegentlich”
  • 12,5 % “selten”
  • 15,9 % “sehr selten”

Der Anteil der Studierenden, die KI-basierte Werkzeuge für das Studium nutzen, unterscheidet sich nach Fachbereichen. Die höchste Nutzungsquote findet sich im Fachbereich Sport, gefolgt von Ingenieurwissenschaften und Kunst / Kunstwissenschaften:

  • Sport: 87,5 % (N= 32)
  • Ingenieurwissenschaften: 75,3 % (N = 1078)
  • Kunst / Kunstwissenschaften: 73,4 %
  • Mathematik / Naturwissenschaften: 71,9 %
  • Geisteswissenschaften: 61,0 %
  • Rechts- / Wirtschafts- & Sozialwissenschaften: 58,4 %
  • Humanmedizin & Gesundheitswissenschaften: 52,7 %
  • Agrar-, Forst- & Ernährungswissenschaften, Veterinärmedizin: 47,6 % 

Unterschiede zeigen sich auch zwischen verschiedenen Studienstufen:

  • Bachelor-Stufe: 65,0 %
  • Master-Stufe: 71,7 %
  • Promotion / Doktorat: 51,9 %

Überlegungen dazu, wie die hier festgestellten Unterschiede begründet sein könnten, sind im aktuell vorliegenden Bericht noch nicht enthalten.

Die im Kontext des Studiums verwendeten KI-Applikationen sind insbesondere die Folgenden:

  • ChatGPT: 77,5 %
  • DeepL: 19,6 %
  • DALLE: 5,7 %
  • Midjourney: 4,1 %
  • BingAI: 2,9 %

Aufgaben und Erwartungen an die KI

Im Rahmen des Studiums werden KI-Applikationen vor allem für die folgenden Aufgaben genutzt:

  • sich fachspezifische Konzepte erklären lassen: 56,5 %
  • Recherche & Literaturstudium: 45,4 %
  • Übersetzungen: 42,2 %
  • Textanalyse, Textverarbeitung, Texterstellung: 39,3 %
  • Problemlösung / Entscheidungsfindung: 35,1 %

Die aus Sicht der befragten Studierenden besonders wichtigen Merkmale von KI-Applikationen sind die folgenden:

  • Grad der Wissenschaftlichkeit: 75,4 %
  • Fehlervermeidung bei der Ausgabe: 57,7 %
  • Logische Argumentation: 47,4 %
  • Preis: 44, 3 %
  • Erklärbarkeit der Entscheidung: 32, 4 %
  • Fehlererkennung und Fehlerkorrektur bei der Eingabe: 25,9 %

Wunsch nach “wissenschaftlichem” Output dominiert

In Ihrem Fazit betonen die Autor:innen die folgenden Punkte:

Die Studie verdeutlicht, dass KI-basierte Tools bei Studierenden aller Studienbereiche in Deutschland ihren Weg gefunden haben und genutzt werden. Fast zwei Drittel der Befragten haben solche Tools genutzt bzw. nutzen diese.
(…)
Weiter zu untersuchen ist in diesem Kontext u.a. auch die „Lücke“ zwischen der Bedeutung der Wissenschaftlichkeit auf der einen Seite, die von fast drei Viertel der Studierenden als relevantestes Kriterium genannt wird und der Bedeutung einer logischen Argumentation (z.B. Antworten sind nachvollziehbar) (ca. 50%) sowie Erklärbarkeit der Entscheidung (z.B. White-Box vs. Black-Box) (ca. 35%) auf der anderen Seite. Eine erste Begründung scheint in dem Umstand zu liegen, dass die Studierenden nur zu interessieren scheint, dass am Ende „wissenschaftlicher Output“ generiert wird, wie dieser aber generiert wurde, scheint zweitrangig zu sein. Und genau hier liegt die Verantwortung einer Hochschule. Denn das Ziel wissenschaftlichen Arbeitens ist nicht nur, “wissenschaftlichen“ Output zu generieren, sondern auch die Relevanz eines nachvollziehbaren, logischen und transparenten und damit auch wissenschaftlichen Prozesses zu verdeutlichen. Dieser Umstand scheint bei den Studierenden im Kontext der KI-Nutzung aktuell noch nicht gereift zu sein. Hochschulen sollten auch an dieser Stelle den Studierenden den Umgang mit KI als Instrument vermitteln sowie deutlich auch die Grenzen der Nutzung aufzeigen.

von Garrel et al. (2023): Künstliche Intelligenz im Studium, S. 37.

Von Garrel, Jörg; Mayer, Julia; Mühlfeld, Markus (2023): Künstliche Intelligenz im Studium Eine quantitative Befragung von Studierenden zur Nutzung von ChatGPT & Co. Professur für Prozess- und Produktinnovationen mit Schwpkt. quantitative Sozialforschung, Hochschule Darmstadt.

Sammlung: “101 creative ideas to use AI in education”

by Leave a Comment

Eine umfangreiche Sammlung von Anwendungsfällen für ChatGPT bzw. GPT-4 in Bildungskontexten: Text- bzw. Medienproduktion (inkl. Coding), Feedback, Moderation & Interaktion, Tutoring & Mentoring, Förderung von kritischem Denken & Reflexion sowie Quizzes & Assessments.

Chrissi Nerantzi hat zusammen mit Kolleg:innen von den Universitäten Leeds, Calgary und Mazedonien eine Sammlung zu Anwendungsszenarien von generativen KI-Anwendungen wie ChatGPT in Bildungskontexten herausgegeben. Die Sammlung basiert auf Beiträgen von mehr als 80 Autor:innen aus 21 Ländern. Die Herausgeber:innen formulieren die mit der Sammlung verbundene Zielsetzung wie folgt:

Use this open publication and the ideas within it to experiment and play critically and creatively with the possibilities and limitations of using AI in learning, teaching, supporting students learning, assessment, scholarly and research activities. (…) The ideas can be considered for a wide range of educational settings from Kindergarten and Primary School to Further and Higher Education in different disciplines and professional areas.

Nerantzi et al. (2023), S. 8.

Der Sammlung liegt keine erkennbare Struktur bzw. Systematik der Anwendungsfälle zugrunde. Das ist auch nicht ganz einfach, weil die einzelnen Vorschläge häufig unterschiedlich eingeordnet werden können. Etwa, wenn von DALL-E2 erzeugte Visualisierungen als Reflexionshilfen genutzt werden.

Bis auf eine Ausnahme (Spanisch) sind alle Anwendungsfälle in der Sammlung in englischer Sprache formuliert. Die Anwendungsfälle sind wie folgt ausgeführt:

  • Autor:in
  • Rolle, Institution & Bildungskontext
  • Grundidee & Zielsetzung
  • Verwendete Werkzeuge
  • Visualisierung
  • Quellen / Verweise
Abb. 1: Beispiel für die Ausführung eines Anwendungsfalls (Bildquelle: Nerantzi 2023, S. 220)

Mögliche Kategorien, die man auf diese Sammlung anwenden und die Sammlung darüber strukturieren könnte, wären etwa die folgenden (jeweils mit Beispielen aus der Sammlung):

  • Text- / Medienproduktion allgemein
    • 08 – Using GPT to build writing skills
    • 53 – AI-generated book summaries
    • 17 – Authorship & citation practices
  • Feedback zu Textproduktionen
    • 63 – Using AI chatbot to support revision strategies
  • Text- / Medienproduktion – Genre-spezifisch
    • Unterrichtsmaterialien
      • 58 – Endless case studies: Using ChatGPT for authentic practice scenarios
      • 16 – Problem-based learning (PBL) scenarios
      • 25 – Stylin’ and profilin’ (Imitation und Analyse von Schreibstilen unterschiedlicher Autoren)
    • Programmieren / Coden
      • 37 – AI support for novice Java programmers
      • 66 – Using ChatGPT to discover conceptual classes in object-oriented modeling
    • Podcasting
      • 73 – The AI Podcast
    • Bildproduktion
      • 03 – Using AI art to express visual metaphors
      • 89 – Depicting an emotion
      • 34 – Rewriting with AI image generators (create images based on writing, especially memoirs)
    • Genre-spezifische Texte
      • 81 – Reimagining writing styles with AI
      • 94 – Songwriting
    • Feedback
      • 01 – Generating Feedback Poetry
      • 97 – AI to generate art-based feedback
  • Moderation & Interaktion
    • 13 – Wolf in sheep’s clothing conversation starter
    • 23 – Idea generation: dream up a new creation
    • 36 – ChatGPT as debate partner
    • 55 – Chat with anyone from the past
    • 44 – Understanding international students in an international context
    • 85 – Refining interview questions using ChatGPT
  • Tutoring & Mentoring
    • 70 – Artificial intelligence and personalized learning (personal ChatGPT support tutor)
  • Kritisches Denken & Reflexion
    • 05 – AI as conversation buddy (developing critical reading and inquiry skills)
    • 30 – Using ChatGPT to encourage critical thinking (critical analysis of texts generated by ChatGPT)
    • 40 – Understanding gender bias in AI: A critical reflection exercise
  • Quizzes & Assessments
    • 07 – Using AI to develop variety in scenario-based assessments
    • 10 – TV Quizmaster
    • 14 – AI-powered rubric generator (Erzeugen von Bewertungsschemata)
    • 60 – Enhancing employability with AI-driven authentic assessments (role play on application process)
  • Arbeitserleichterung / Service
    • 09 – Use ChatGPT to transcribe student conversations

Eine nützliche Sammlung. Danke an Jochen Robes und Barbara Geyer für’s Teilen.

Verweis

Nerantzi, C., Abegglen, S., Karatsiori, M., & Martínez-Arboleda, A. (Eds.) (2023). 101 Creative ideas to use AI in education: A collection curated by #creativeHE. Graphic Design by Bushra Hashim. CC-BY-NC-SA 4.0.

Nutzung von ChatGPT am Arbeitsplatz – erste Umfrageergebnisse

by Leave a Comment

Generative KI-Anwendungen wie ChatGPT haben inzwischen auch den Arbeitsplatz erreicht. Erste Umfrageergebnisse beleuchten die Häufigkeit der Nutzung und ob diese transparent gemacht wird.

Nachdem ChatGPT & Co zunächst von Schüler:innen und Student:innen aufgegriffen wurden und in Bildungsinstitutionen für Unruhe gesorgt haben, haben diese mittlerweile auch den Arbeitsplatz erreicht. Aktuell werden erste Studienergebnisse zur Nutzung von generativen Assistenzwerkzeugen am Arbeitsplatz publiziert. Allerdings fokussieren diese Studien bisher Aspekte der Substitution (Potenzial des Ersetzens von menschlicher Arbeitskraft) während sie Aspekte der Augmentation (Stärkung von Menschen bei der Aufgabenbewältigung) nicht beleuchten.

Im Mai hat Valoir, ein US-amerikanischer Technologie-Analyst, die Ergebnisse einer Umfrage unter mehr als 1’000 Beschäftigten in verschiedenen Branchen publiziert. Aufgezeigt wurde zum einen, für welche Typen von Aufgaben die Beschäftigten wie viel Zeit aufwenden. Eine daraus abgeleitete Schlussfolgerung lautet, dass ca. 40% der täglichen Arbeiten Automatisierungspotenzial aufweisen:

Abb. 1: Arbeitsaufgaben, Anteile am Zeitbudget & Automatisierung (Bildquelle: Valoir 2023, S. 3)

Wird ChatGPT für Arbeitsaufgaben genutzt?

Darüber hinaus wurden die Beschäftigten gefragt, ob sie bereits mit KI-Anwendungen wie ChatGPT am Arbeitsplatz experimentiert haben. Die Antworten deuten auf Unterschiede zwischen Regionen und auch zwischen Berufsgruppen hin. In Europa und im Mittleren Osten (EMEA) ist die Nutzung von ChatGPT vergleichsweise gering ausgeprägt; im Bereich HR ist die Nutzung vergleichsweise hoch ausgeprägt:

Abb. 2: Nutzung von Anwendungen wie ChatGPT am Arbeitsplatz (Bildquelle: Valoir 2023, S. 5 / 6)

Wird die Nutzung von ChatGPT offen gelegt?

Fishbowl.com, ein Online-Karrierenetzwerk, hat Ende Januar 2023 mehr als 11’000 Nutzer:innen der Fishbowl-App gefragt, ob sie ChatGPT nutzen. Ende Januar gaben 43% der befragten Beschäftigten an, dass sie ChatGPT bereits für arbeitsbezogene Aufgaben genutzt haben. Mehr als zwei Drittel davon haben dies aber gegenüber ihren Vorgesetzten nicht transparent gemacht:

Abb. 3: Wird die Nutzung von ChatGPT offengelegt? Quelle: https://www.fishbowlapp.com/insights/70-percent-of-workers-using-chatgpt-at-work-are-not-telling-their-boss/

Herausforderungen für die verschiedenen Beteiligten

In der Kurz-Studie von Valoir werden am Ende zentrale Herausforderungen für die verschiedenen Beteiligten angeführt. Diese lassen sich so zusammenfassen:

  • Führungskräfte müssen sich auf herausfordernde Gespräche mit Mitarbeitenden einstellen bzw. vorbereiten, in denen es einerseits um Sorgen um die Arbeitsplatzsicherheit, andererseits um mögliche Entwicklungsstrategien (Augmentationsstrategien) geht.
  • IT-Verantwortliche müssen neben dem Kompetenzaufbau zu KI auch Aspekte der Governance von KI angehen.
  • HR-Verantwortliche müssen sich u.a. in die Erarbeitung von Leitlinien zur Nutzung von KI einbringen.
  • Beschäftigte müssen ihre eigenen Rollen und Kompetenzprofile ebenso reflektieren wie mögliche Entwicklungsstrategien (Augmentationsstrategien).

Verweise

Valoir (May 2023): Assessing the value of AI and automation. A Valoir report. Valoir.com.

McKinsey “The state of Organizations 2023” – Im Hinblick auf KI schon wieder überholt

by Leave a Comment

Die Studie von McKinsey behandelt 10 Trends, mit denen Unternehmen und Organisationen orientiert sind: Hybrides Arbeiten, Talente gewinnen und halten, inspirierende Führung, etc. Auch KI ist ein Thema. Aber hier bleibt die Studie sehr allgemein und ist im Grund schon wieder überholt.

Ende April hat McKinsey & Company die Studie “The State of Organizations 2023” publiziert. Der Studie liegt eine Befragung von mehr als 2’500 Führungskräften aus neun Ländern und 16 Branchen zugrunde.

In der Studie werden 10 Trends behandelt, mit denen Unternehmen und Organisationen konfrontiert sind. Die beiden folgenden Abbildungen zeigen jeweils die Trends und ein zentrales Ergebnis zu diesen Trends:

Abb. 2: Trends 6-10 (Bildquelle: McKinsey & Company 2023, S. 7)

KI in die Anwendung bringen

Trend Nr. 3 betrifft die Integration von KI-Awendungen in Unternehmen und Organisationen “Making way for applied AI”. Allerdings: die Befragung wurde von Mai bis Juni 2022 durchgeführt, also noch vor der Veröffentlichung von ChatGPT. Die Autor:innen identifizieren in diesem Abschnitt die folgenden Einsatzbereiche für KI:

  • KI-unterstütztes Personalmanagement, insbesondere Rekrutieren / Entwickeln / Einsatzplanung auf Basis von Skills bzw. Skills-Profilen;
  • KI-unterstützte Gestaltung von Prozessen, u.a. in den Bereichen Finanzbuchhaltung, Terminvereinbarung und interne Kommunikation;
  • KI-unterstützte Gestaltung der Organisation, u.a. Organisation von Arbeit in Rollen / Profilen / etc. (hier sind die Autor:innen weniger konkret als bei den beiden zuvor genannten Punkten).

Die Autor:innen benennen auch drei wichtige Handlungsfelder für Unternehmen und Organisationen im Hinbklick auf die Nutzung von KI:

  • Etablieren einer Kultur kontinuierlichen Lernens & Entwicklung von Wissen / Kompetenzen zu KI in der gesamten Belegschaft,
  • Führungskräfte, die KI verstehen, systematisch rekrutieren bzw. entwickeln,
  • Leitlinien für verantwortliche Nutzung von KI und Bemühung um ‘explainable AI’.

Diess sind sehr allgemeinen Aussagen. Angesichts der schnellen Entwicklung im Bereich der (generativen) KI stellen sich hier aktuell schon wieder andere Fragen und Herausforderungen – etwa die Punkte, die BCG kürzlich in einer umfangreichen Präsentation aufgeworfen hat.

Technologien zur Unterstützung von personalisierter Aus-, Fort- und Weiterbildung

by Leave a Comment

Vor dem Hintergrund zunehmend heterogener Zielgruppen erscheint eine stärkere Personalisierung von Aus-, Fort- und Weiterbildung als vielversprechender Weg. Verschiedene Abstufungen der Personalisierung können durch verschiedene Typen von Technologien unterstützt werden: (1) Skills-Tech-Lösungen; (2) Learning-Experience-Plattformen (LXP); (3) LMS und (4) ITS / ChatGPT / Sprachlernapps.

Individualisierung und Teilnehmendenorientierung

Education Permanente (EP), die Schweizerische Zeitschrift für Erwachsenenbildung, hat kürzlich ein Themenheft zu “Individualisierung in der Weiterbildung” veröffentlicht. Als Ausgangspunkte für das Heft angeführt werden die seit langem beobachtbare gesellschaftliche Tendenz einer zunehmenden Bedeutung des Individuums, das pädagogische Pendant einer Sicht auf Erwachsene als eigenständige Bildungssubjekte sowie das didaktische Pendant einer stärkeren Teilnehmendenorientierung.

Technologie ist nicht alles

In meinem Beitrag zum Themenheft habe ich die Potenziale von Bildungstechnologien in den Blick genommen, diese Teilnehmendenorientierung zu unterstützen. Dabei habe ich verschiedene Typen von Technologien betrachtet: (1) Skills-Tech-Lösungen; (2) Learning-Experience-Plattformen (LXP); (3) intelligente tutorielle Systeme (ITS); und auch (4) ChatGPT. Allerdings braucht es für den Erfolg von personalisiertem Lernen mehr als nur technische Lösungen. Es braucht auch die Unterstützung und Befähigung der an Lernprozessen beteiligten Personengruppen:

  • Lernende müssen in ihrer Fähigkeit zur Selbstregulation in Lernprozessen gestärkt werden;
  • Bildungsverantwortliche müssen dabei unterstützt werden, ihre eigene Rolle in Richtung von Lernbegleitung, Lernberatung und Lerncoaching systematisch weiterzuentwickeln;
  • im betrieblichen Kontext müssen Vorgesetzte bzw. Führungskräfte in die Lage versetzt werden, lern- bzw. entwicklungsförderlich zu führen.

Abstufungen von Personalisierung und korrespondierende Lerntechnologien

Die folgende Abbildung visualisiert die Grundidee des Beitrags. Nämlich dass es sinnvoll ist, verschiedene Stufen der Personalisierung im Kontext von Bildung / Lernen / Personalentwicklung zu unterscheiden. Auf diesen Stufen kommen verschiedene Typen von Lerntechnologien zum Einsatz:


    Abb. 1: Vier Ebenen der technischen Unterstützung von Personalisierung bei Lernen / Entwicklung
    (eigene Darstellung unter Verwendung von Abbildungen von bzw. zu Indiana Achievement Wallet, Cornerstone OnDemand, elearningindustry, OpenAI, area9learning, duolingo)

    Hier noch der Link zum Beitrag in EP:

    Meier, C. (2023). Technologien zur Unterstützung von personalisierter Aus-, Fort- und Weiterbildung. Education Permanente. Schweizerische Zeitschrift Für Weiterbildung. (1), 71–82.

    Training Value Framework: Mehr Wert der Bildungsarbeit

    by Leave a Comment

    Den Nutzen bzw. Wert der eigenen Bildungsarbeit zu erhöhen und transparent zu machen ist eine Dauerherausforderung für Bildungsverantwortliche. Nicht zuletzt, weil die Effekte von Training / Lernen / Entwicklung in der Regel erst mit Verzögerung greifbar werden. Das Training Value Framework zeigt den Weg dazu auf.

    Das Team Global Technical Training bei Schindler hatte mich nach Ebikon eingeladen, einen Beitrag zur Veranstaltung “Global Technical Learning – Learning Power Up” beizusteuern. So hatte ich Gelegenheit aufzuzeigen, wie der Wert bzw. der Nutzen von Training bzw. Bildungsarbeit erhöht und sichtbar gemacht werden kann.

    Wir sind dabei zunächst unserem Training Value Framework bzw. Learning Value Framework gefolgt. Dieses Framework integriert u.a. Arbeiten von Brinkerhoff (2006), Mooney & Brinkerhoff (2008), Vance & Parskey 2021 sowie Wick et al. (2010) und zeigt, wie eine konsequente Nutzen- / Wertorientierung zu sichtbarem Nutzen bzw. Wert von Learning bzw. Training führt.

    Das Training Value Framework: Elemente

    Kernelemente des Training Value Frameworks sind vier Phasen und zugehörige Arbeitstechniken:

    • Fokussierung
      Die Zielrichtung priorisieren: Unterstützung der Strategie-Umsetzung, Sicherstellen des Geschäftsbetriebs, Performanz-Steigerung, etc.
    • Bedarfsorientierung und Einbindung wichtiger Anspruchsgruppen
      Hier spielen eine Anspruchsgruppen-orientierte Bedarfsklärung, das Aufzeigen des Zusammenhangs von Intervention und Organisationszielen (Training Impact Map) sowie die Einbindung der wichtigsten Anspruchsgruppen (Stakeholder Map) eine wichtige Rolle.
    • Design und Umsetzung
      Hier braucht es ein Transfer-orientiertes Design, das einerseits verschiedene Phasen (vor / im Verlauf / nach dem Training bzw. den Lernaktivitäten) und andererseist Massnahmen im Lern- und im Arbeitsfeld integriert.
    • Evaluation und Berichterstattung
      In dieser Phase geht es darum, den realisierten Nutzen aufzuzeigen (ROI-Prozess), die Treiber für einen noch höheren Nutzen zu identifizieren (Success Case Method) und eine systematische, an den Erfordernissen der wichtigsten Anspruchsgruppen orientiertes Reporting umzusetzen.
    Abb. 1: Ausgewählte Elemente des Training Value Frameworks (Bildquelle: eigene Darstellung)

    Vom Training zum Learning: 70:20:10-Methodik

    Mit Blick auf die wichtige Rolle von selbstorganisierten und auch informellen Lernaktivitäten und die dadurch erforderliche Perspektiverweiterung haben wir anschliessend noch einen Blick auf die 70:20:10-Methodik des 702010-Instituts (Arets 2018) als möglichen nächsten Entwicklungsschritt geworfen.

    Abb. 2: Elemente der 70:20:10-Methodik (Bildquelle: eigene Darstellung nach 702010institute.com)

    Verweise

    Arets, J. (2018). The 70:20:10 Methodology. The 702010 Institute.

    Brinkerhoff, R. O. (2006). Telling Training’s Story: Evaluation Made Simple, Credible, and Effective. Berrett-Koehler Publishers.

    Mooney, T., & Brinkerhoff, R. O. (2008). Courageous training. Bold actions for business results. San Francisco, CA: Berrett-Koehler.

    Vance, David; Parskey, Peggy (2021): Measurement demystified. Creating your L&D measurement, analytics, and reporting strategy. Alexandria, VA: ATD Press.

    Wick, C. W., Pollock, R. V. H., Jefferson, A. M., & Flanagan, R. D. (2010). The Six Disciplines of Breakthrough Learning: How to Turn Training and Development Into Business Results (2. Aufl.). Pfeiffer.