Kompilationsfolge von fernstudi.fm mit Experten-Aussagen zum Thema KI im Fernstudium. Host Christian hat Ausschnitte aus früheren Gesprächen mit Patrizia Findel (KI-Expertin), Markus Jung (Fernstudium-Infos), Christian Rebernik (Tomorrow University), Sven und Robin (IH Mentor) sowie André Biederbeck und Frau Bilz (FernUni Hagen) zusammengestellt.

Prompting und effektive KI-Nutzung

Patrizia Findel erklärte die Grundlagen des Promptings und betonte, dass ein guter Prompt aus vier Elementen bestehe: Ziel, Kontext, Aktion und Outputformat. Man solle der KI genau sagen, wer bin ich, wo will ich hin, was soll die KI tun und in welchem Format das Ergebnis ausgegeben werden solle – etwa als Tabelle, Chart oder Mindmap. Statt ein komplexes Thema als Komplettpaket einzugeben, empfahl sie, es in einzelne Unterpunkte aufzuspliten und dann mit Follow-up-Prompts immer tiefer zu gehen. Diesen Effekt verglich sie mit Doomscrolling, bloß fürs Lernen. Außerdem riet sie dazu, sich eine persönliche Datenbank mit gut funktionierenden Prompts aufzubauen.

Christian ergänzte, dass er in seiner Arbeit häufig zuerst einen Kontext aufbaue, bevor er zum eigentlichen Prompt komme. Er nutze die KI auch zur Recherche und arbeite sich Schritt für Schritt an komplexe Aufgaben heran. Man könne in ChatGPT mittlerweile Ordner anlegen und Dokumente hochladen, sodass alle Chats innerhalb eines Ordners Zugriff auf dieselben Unterlagen hätten. Für seine Firma habe er ein Custom GPT mit angebundener Analytics-Datenbank erstellt, um Daten direkt abfragen zu können.

KI-Tools für das Studium

Patrizia Findel empfahl zwei Tools besonders: Mapify für automatisch generierte Mindmaps, die sich individuell gestalten und zum Lernen nutzen ließen, sowie Albus, mit dem man Video-Inhalte nicht nur zusammenfassen, sondern interaktiv weiterverarbeiten könne. Sie hob hervor, dass KI es ermögliche, Lerninhalte an die eigenen Bedürfnisse anzupassen – als Vorlese-Version, als Tabelle, als Mindmap oder im Gespräch. Und das ist wirklich großartig, fasste sie zusammen.

Christian stellte den YouTube-Video-Summarizer als GPT vor, warnte aber davor, sich auf die automatisch generierten Untertitel blind zu verlassen, da diese bei mehreren Sprechern fehlerhaft sein könnten. Für eine grobe Sichtung sei das Tool hilfreich, für die Verarbeitung in einer Bachelorarbeit müsse man aber das Original prüfen.

Perplexity und Deep Research

Patrizia Findel erklärte, sie bevorzuge Perplexity gegenüber ChatGPT, wenn es um tiefgehende Recherche und qualitativ hochwertige Quellen gehe. Im Studiumskontext sei die Deep-Research-Funktion von Perplexity besser geeignet, da sie automatisch Quellen mit Links liefere. Die kriege ich bei ChatGPT häufig nicht, stellte sie fest. Sie riet dazu, sich auf wenige Tools festzulegen und etwa alle zwei bis drei Monate zu prüfen, ob es relevante Neuerungen gebe, statt ständig nach dem besten Tool zu suchen.

Christian bestätigte, dass auch ChatGPT mittlerweile eine Deep-Research-Funktion habe, und bemerkte, dass sich der Ton der KI-Antworten in letzter Zeit verändert habe – ständig steht da cool, ja, mache ich für dich –, was ihn dazu gebracht habe, eine generelle Anweisung für professionelleren Umgang einzustellen.

KI in der Hochschullehre

Frau Bilz berichtete, dass die FernUni Hagen eine Befragung unter Lehrenden durchgeführt habe, die zeige, dass ChatGPT dort bereits genutzt werde – etwa zur Unterrichtsvorbereitung, zur Erstellung grober Strukturen oder zur Entwicklung von Prüfungsaufgaben. Offizielle Richtlinien des Rektorats gebe es noch nicht, man arbeite aber an Handlungsleitfäden. Den Studierenden empfehle man KI zur Sortierung, Strukturierung und Inspiration, nicht aber zum eigenständigen Schreiben von Hausarbeiten. Bei Quellen müsse man aufpassen, da ChatGPT manchmal Quellen erfindet, die es gar nicht gibt.

André Biederbeck ergänzte, dass in seinem Bereich gerade eine Masterarbeit zur sokratischen Methode auf Basis von KI und Lernmaterial entstehe. Man versuche, Studierende in die Entwicklung solcher Lösungen einzubeziehen. Er betonte jedoch, dass Chatbots das persönliche Gespräch mit Lehrenden nicht ersetzen sollten, da Studierende gerade diesen Kontakt wünschten. Es soll nicht so sein, dass sowas flächendeckend eingeführt wird, um das persönliche Gespräch zu ersetzen, stellte er klar.

Chatbots in Studienskripten

Christian berichtete von seinen Tests mit dem Chatbot der IU Internationale Hochschule, der in Studienskripte integriert sei. Einfache Definitionsfragen habe der Bot gut beantwortet und sogar die Textstelle angegeben. Weitergehende Fragen – etwa nach Hintergrundinformationen zu erwähnten Autoren oder nach klausurrelevanten Inhalten – habe der Bot allerdings nicht beantworten können. Den größten Nutzen sah Christian darin, dass die Hochschule durch die gesammelten Fragen Analysedaten gewinne, um die Skripte zu verbessern: Wenn Fragen immer wieder auftauchen, warum soll man sie nicht gleich im Skript beantworten?

Lernkarten, kognitive Verarbeitung und Learning Analytics

André Biederbeck warf die Frage auf, ob die automatische Erstellung von Lernkarten durch KI wirklich lernförderlich sei. Ist nicht schon das Überlegen, das Rausziehen aus dem Studienmaterial und das Verarbeiten in einer Lernkartei die kognitive Leistung, die es braucht? Er warnte davor, dass das vermeintliche Abkürzen durch KI vertieftes Lernen verhindern könne.

Frau Bilz berichtete vom Forschungszentrum KATALYST (Center of Advanced Technology for Assisted Learning and Predictive Analysis) an der FernUni Hagen, das Learning Analytics, Diversität in Lerngruppen und personalisierte Lernpfade erforsche. Flächendeckend eingeführt sei noch nichts, aber sie glaube, dass die Zukunft des Hochschullernens irgendwann so aussehen wird, dass das Curriculum nie eins zu eins für jeden Studierenden dasselbe ist. Die Universität richte gerade eine Datentreuhandstelle ein, die Forschungsdaten anonymisiere und pseudonymisiere.

André Biederbeck erläuterte sein Projekt zur Studienverlaufsreflexion, bei dem Studierende ihre eigenen Daten – etwa Prüfungsergebnisse im Vergleich zu anderen – einsehen und interpretieren könnten. Man wolle vermeiden, dass langsamere Studierende dadurch demotiviert würden. Das Ziel sei, Studierenden eine bessere Selbsteinschätzung und Studienverlaufsplanung zu ermöglichen.

KI-gestützte Literaturrecherche

Robin erklärte die technischen Grundlagen der KI-basierten Literatursuche: Texte würden in Vektoren umgewandelt, wodurch ein semantisches Verständnis entstehe. Man könne also auch mit unterschiedlichen Formulierungen dieselben relevanten Quellen finden. Er empfahl, bei der Suche Frage für Frage vorzugehen und sich so durch das Thema zu hangeln. Für die Zukunft sehe er die Möglichkeit, live während des Schreibprozesses direkt relevante Quellen daneben anzuzeigen.

Sven ergänzte, dass ihr Tool Quellen auch untereinander vergleiche und nach Qualitätsfaktoren einwerte – etwa nach Zitierhäufigkeit, Reputation des Autors oder Erscheinen in renommierten Journals. Studierende könnten so besser einschätzen, welche Quellen wirklich relevant seien. Wir sortieren gewisse Sachen nach Qualitätsfaktoren auch noch mal höher ein in den Suchergebnissen, erklärte er. Das Tool biete auch Zusammenfassungen fremdsprachiger Abstracts auf Deutsch an.

Rechtschreibung und wissenschaftliches Schreiben

Sven erklärte den Unterschied zwischen regelbasierten Korrekturen und KI-gestützter Textprüfung. Etwa 80 Prozent der klassischen Rechtschreibfehler ließen sich regelbasiert finden, dafür brauche man keine KI. Der Mehrwert der KI liege bei den restlichen 20 Prozent – bei komplexen Kombinationen, bei denen einfache Regeln nicht mehr griffen. Ihr Tool markiere nicht nur Fehler, sondern erkläre auch, warum etwas falsch sei, und weise auf unwissenschaftliche Formulierungen hin, die grammatisch korrekt, aber stilistisch unpassend seien. Das ist zwar nicht falsch von der Rechtschreibung her, aber es ist unwissenschaftlich, erklärte er den Lerneffekt für die Nutzer.

Christian berichtete aus seiner Erfahrung als Lektor, wo er früher tagelang Dissertationen korrigiert habe. Er stelle sich vor, dass man künftig sein Dokument hochlade und innerhalb von Minuten ein korrigiertes Ergebnis mit Anmerkungen zurückbekomme – wie ein digitaler Lektor. Gleichzeitig glaube er nicht, dass der Beruf des Lektors überflüssig werde, sondern sich eher in Richtung Coaching und Fachberatung entwickle.

Datenschutz, Bias und Verantwortung

Christian Rebernik betonte, dass KI in vielen Bereichen noch am Anfang stehe und man verantwortungsvoll damit umgehen müsse. Die Datenschutzgrundverordnung setze bereits Standards, aber man müsse Studierende auch dafür sensibilisieren, dass KI-Modelle auf ausgewählten Datensätzen trainiert seien und daher einen Bias hätten. Er empfahl, das Gleiche mit zwei KIs zu machen, um die Unterschiede zu sehen. An der Tomorrow University habe man ein Feedbacksystem für die eigene KI etabliert, um Fehler wie Halluzinationen zu erkennen. Er verwies auch auf den Energieverbrauch beim Training von KI-Modellen als wichtigen Aspekt nachhaltiger KI-Nutzung.

Frau Bilz und André Biederbeck betonten die Bedeutung des Datenschutzes bei Learning Analytics an der FernUni Hagen. Die Datentreuhandstelle solle sicherstellen, dass Forschungsdaten nur anonymisiert und pseudonymisiert verwendet würden.

Technologieabhängigkeit und Arbeitsplatzverlust

Frau Bilz sah im Hochschulbereich keine akute Gefahr für Arbeitsplatzverluste durch KI. Interpretative und erklärende menschliche Faktoren würden weiterhin gebraucht. Was wegfalle, seien eher monotone, fließbandartige Tätigkeiten. Das Bildungssystem passe sich an, um Betroffenen schnell neue Weiterbildungsmöglichkeiten zu bieten. Zum Thema Technologieabhängigkeit verglich Christian die KI-Nutzung mit GPS-Navigation: Man verlerne zwar gewisse Fähigkeiten, könne sie aber bei Bedarf schnell wieder erlernen.

Frau Bilz betonte, dass die Technik immer das didaktische Konzept stützen müsse und nicht umgekehrt. Hochschulen müssten bei der Einführung neuer Tools auch finanzielle Abhängigkeiten und Lizenzkosten im Blick behalten.

KI im Berufsalltag und in der Redaktion

Markus Jung berichtete, er habe eine dreimonatige KI-Weiterbildung am IST-Studieninstitut absolviert, die stark auf Live-Webinare gesetzt habe. Die Dozentin habe aktuelle Neuigkeiten direkt in die Sitzungen eingebracht. Er selbst sei im Alltag allerdings noch eher zurückhaltend und betone lieber das echte Menschliche und Individuelle.

Christian schilderte, wie sein kleines Team drei Portale und diverse Social-Media-Kanäle bespiele und dies ohne KI-Unterstützung kaum schaffen könne. Er nutze KI zur Ideenfindung, für Zusammenfassungen und vor allem beim Programmieren, wo sie ihm stundenlange Fehlersuche erspare. Diesen Prozess gibt es bei mir eigentlich nicht mehr, seit ich KI zur Unterstützung nehmen kann, sagte er. Gleichzeitig funktioniere es nicht, sich komplette Fachartikel schreiben zu lassen – ich bin halt Fachredakteur, die KI hat das Fachwissen nicht.

Markus Jung stimmte zu und nannte als praktische Anwendungen die Zusammenfassung von Videos mit Gemini, Ideen für Überschriften und Rechtschreibkorrekturen mit dem Language Tool. Er glaube, dass KI künftig so selbstverständlich in Arbeitsprozesse integriert sein werde wie heute Office-Tools.

KI im Studium und neue Prüfungsformate

Markus Jung beobachtete, dass kaum eine Hausarbeit entsteht, ohne dass irgendwo KI zum Einsatz gekommen ist. Die Versuchung sei groß, die KI auch das Schreiben übernehmen zu lassen. Er sah die Hochschulen in der Pflicht, neue Prüfungsformate zu entwickeln und den gesamten Lernprozess stärker in den Blick zu nehmen, statt KI einfach zu verbieten. Christian bestätigte, dass bereits einzelne Hochschulen wie die Apollon Hochschule ihre Prüfungsdesigns anpassten. Darüber hinaus werde KI sinnvoll genutzt für Recherche, Lernpläne, Zusammenfassungen, Übersetzungen und Prüfungsvorbereitung. Besonders im Fernstudium, wo der direkte Kontakt zu Kommilitonen fehle, könne KI als Lernbuddy dienen – zum Abfragen, Erklären und Vertiefen von Wissen.