Konkrete Anwendungsfälle (Use Cases) für den Einsatz generativer KI im Lehrprozess
Nachfolgend werden einige konkrete Anwendungsmöglichkeiten vorgestellt, wie Lehrende generative KI sinnvoll einsetzen können
Unterstützung bei der Lehrplanentwicklung
Generative KI kann dabei helfen, Lernziele zu formulieren, Lehrmaterialien zusammenzustellen und Lehrpläne zu strukturieren.
Beispiel: Eine KI generiert aus einer Fülle wissenschaftlicher Texte relevante Inhalte für ein neues Seminar zu „Digital Literacy in der Hochschullehre“.
Generative KI kann lange Texte oder Vorlesungsskripte prägnant zusammenfassen und die wichtigsten Punkte extrahieren. Dies hilft, sich einen schnellen Überblick über komplexe Inhalte zu verschaffen und gezielt zu lernen.
#Rolle
Du bist ein freundlicher Hochschuldidaktiker, der mir eine Empfehlung für einen Ablaufplan für einen Vorlesungstag gibt, der unter anderem auch aktive Gruppenarbeitsphasen enthält.
#Kontext
Es handelt sich um ein Seminar in einem berufsbegleitenden Studiengang der Medizinpädagogik auf Bachelorniveau. Die Vorlesung geht von 9 Uhr morgens bis 18 Uhr abends. Es sollen jeweils 90-Minuten-Blöcke geplant werden mit Pausen dazwischen von 15 Minuten. Zur Mittagszeit brauchen wir eine 45-Minuten-Pause. Der gesamte Vorlesungstag widmet sich einem Modul. Es handelt sich um das Modul „evidenzbasierte Praxis“. Die Studierenden haben Grundkenntnisse im wissenschaftlichen Arbeiten aus ihrem Grundberuf im Bereich des Gesundheitswesens. Die Vorlesung zielt darauf ab, den Studierenden Handlungskompetenzen zu vermitteln, um wissenschaftliche Artikel zu einer bestimmten Fragestellung aus ihrer Berufspraxis zu recherchieren. Dazu sollen die Datenbanken PubMed und die Cochrane Library genutzt werden.
#Aufgabe und Ziel
Deine Aufgabe ist es, einen Ablaufplan für den Vorlesungstag zu erstellen. Es soll einen theoretischen Input geben zur Formulierung der Forschungsfrage sowie der Definition von Suchbegriffen und der Nutzung von Datenbanken. Zusätzlich soll eine Gruppenarbeitsphase integriert werden, in der die Studierenden selbstständig Forschungsfragen nach dem PICO-Schema oder dem SPIDER-Schema zu einem Problem aus ihrem Berufsfeld formulieren und wissenschaftliche Artikel in den Datenbanken recherchieren.
Beziehe Methoden mit ein und erwähne ggf. Tools (digital und analog), die ich einsetzen kann.
Ergänze zudem die Lehr- und Lernziele der Veranstaltung.
Der Ablaufplan soll minütlich geplant werden. Start ist 9 Uhr und Ende der Veranstaltung 18 Uhr. Plane die Pausen mit ein und ausreichend Zeit in den einzelnen Input- sowie Gruppenarbeitsphasen.
#Struktur
Verfasse deine Antworten in deutscher Sprache und auf Hochschulniveau. Duze mich.
Halte deine Antwort kurz.
#Format:
Gib deine Antwort neben einer Erklärung auch in Tabellenform aus.
„Ablaufplan für einen Vorlesungstag“ von Katrin Möckel für SRH Hochschule für Gesundheit ist lizenziert unter CC BY SA 4.0, Text ergänzt

Lehrplanung mit Constructive Alignment und Lernzieltaxonomien
Generative KI kann bei der Planung von Lehrveranstaltungen nach dem Prinzip des Constructive Alignments und unter Verwendung von Lernzieltaxonomien unterstützen. Hier einige zentrale Ansatzpunkte sowie ein umfangreiches Prompt-Beispiel zur personalisierten Nutzung.
In einem komplexen Prompt wird die generative KI aufgefordert, schrittweise
- Lernziele zu formulieren
- Prüfungsaufgaben und -Formate zu entwerfen
- Lernaktivitäten und Methoden vorzuschlagen
- Materialien und Tools zu empfehlen
- einen Lehrplan zu strukturieren
Hinweis: Das folgende Template enthält [in den eckigen Klammern] Passagen, die mit Ihren individuellen Angaben gefüllt werden müssen.
#Rolle
Du bist ein*e didaktische*r Expert*in für Hochschullehre sowie Hochschullehrender und Fachexperte im Bereich [Fachgebiet]. Du entwirfst mehrschrittige didaktische Szenarien nach dem Constructive Alignment für eine universitäre Lehrveranstaltung.
#Kontext
Planung folgender Lehrveranstaltung: [Titel]
Veranstaltungstyp: [z. B. Seminar, Vorlesung]
Teilnehmendenzahl: [z.B. 50]
Studiengang: [Name des Studiengangs]
Niveau: [Bachelor / Master]
Dauer der Sitzung: [z. B. 90 Minuten]
Modul: [Modulname] [Qualifikationsziele, Lernziele etc.]
Thema der Sitzung: [Inhalte, Beschreibungstext, Skript etc.]
#Ziel
Ich möchte mit dir in mehreren Schritten ein didaktisches Konzept für meine Lehrveranstaltung entwickeln. Bitte speichere dir den Kontext, damit du bei späteren Anfragen darauf aufbauen kannst.
##Schritt 1: Lernziele definieren
Bitte leite passende Lernziele aus dem Thema und Inhalten der Sitzung sowie aus den Angaben im Modulhandbuch ab und ordne sie den kognitiven Stufen nach dem Modell von Anderson & Krathwohl zu.
Gib zu jedem Ziel eine kurze Begründung.
##Schritt 2: Prüfungsfragen und -formate festlegen
Bitte schlage zu jedem Lernziel ein oder mehrere geeignete Prüfungsfragen und Prüfungsformate vor, mit denen sich die Zielerreichung überprüfen lässt.
Berücksichtige dabei die jeweilige kognitive Stufe sowie Machbarkeit und Fairness.
Bitte gib auch an, ob das Prüfungsformat summativ oder formatives Feedback beinhaltet.
Gib zu jedem Vorschlag eine kurze Begründung sowie eine Musterlösung an.
##Schritt 3: Passende Lehr-/Lernmethoden
Bitte schlage für jedes Lernziel eine oder mehrere geeignete Lehrmethoden vor, mit denen sich dieses Ziel in der Sitzung sinnvoll anbahnen lässt.
Berücksichtige auch aktivierende Elemente, Medienwahl und unterschiedliche Lernvoraussetzungen der Studierenden.
Begründe jeweils deine Wahl.
##Schritt 4: Materialien und Tools
Empfiehl Materialien, digitale Tools oder offene Ressourcen (OER) die für die Durchführung der Methoden hilfreich wären.
Begründe jeweils deine Wahl
##Schritt 5: Ablaufplan
Bitte stelle einen Ablaufplan auf, der die genannten Lernziele und dazugehörigen Methoden berücksichtigt. Nenne Zeitangaben, Sozialformen (Plenum, Gruppenarbeit, Einzelarbeit) und Materialien und Tools, wenn sinnvoll.
##Hinweis
Bei Folgefragen bitte den obigen Kontext und alle bisherigen Informationen mitdenken.
Das Template “Lehrveranstaltungsplanung” von Oliver Hahm für ZFH der Universität Siegen ist lizenziert unter CC BY-SA

Erstellen von Lernmaterialien
Erstellung von Lehrbuchzusammenfassungen, Skripten oder adaptiven Texten, die an das Vorwissen der Studierenden angepasst werden.
Beispiel: Eine Lehrende in der Medizin nutzt KI, um Fallbeispiele zu entwickeln, die auf unterschiedlichen Schwierigkeitsgraden basieren.
#Ziel: Erstelle lehrbuchbasierte Zusammenfassungen, Skripte oder adaptive Lehrtexte zum Thema Herzinfakt die sich an das Vorwissen der Studierenden anpassen. Der Text soll je nach Zielgruppe unterschiedliche Detailtiefe, Fachterminologie und Komplexität aufweisen. Zusätzlich sollen relevante Grafiken sowie digitale Quizfragen integriert werden, um das Verständnis zu fördern.
- Hinweis: Bitte fülle die folgenden Angaben aus bzw. lösche unnötige Optionen, um die Inhalte individuell anzupassen.
- 1.1. Thema des Textes:
- (z. B. Herzinfarkt, Mechanik der Flüssigkeiten, Quantenphysik)
1.2. Zielgruppe (Wissensniveau): [Einsteiger][Fortgeschrittene][Experten]
(Eine oder mehrere Optionen auswählen. Falls nichts angegeben wird, werden alle drei Niveaus generiert.)
1.3. Format der Quizfragen: [Text] [HTML/JavaScript] [H5P] [API-gestütztes JSON]
(Standardmäßig als Text. Falls eine digitale Umsetzung gewünscht ist, bitte auswählen.)
1.4 Lehrbuch- oder Quellenangaben: (Falls der Text auf spezifischen Büchern oder wissenschaftlichen Artikeln basieren soll, bitte eintragen.)
Quelle 1: [Hier URL der Quelle eingeben]
Quelle 2: [Hier URL der Quelle eingeben]
(Falls nichts angegeben wird, basiert der Text auf allgemeinem Fachwissen.)
1.5. Zusätzliche Anforderungen: (Falls interaktive Elemente, spezielle Beispiele oder ein bestimmtes Format gewünscht sind, bitte angeben.)
Geschlechterspezifische Differenzierung: [Ja/Nein]
Weitere Anforderungen: [Hier weitere Anforderungen eingeben]
2. Anforderungen
2.1 Anpassung an Vorwissen
Identifiziere das Wissensniveau der Zielgruppe: Einsteiger, Fortgeschrittene, Experten.
Passe die Terminologie, Erklärungen und Beispiele entsprechend an.
Falls kein Wissensstand angegeben ist, wähle ein mittleres Niveau und mache dies explizit.
Falls kein Wissensniveau angegeben wurde, werden alle drei Niveaus generiert.
Falls mehrere Wissensniveaus gewählt wurden, werden die Inhalte in separaten Abschnitten für jede Zielgruppe erstellt.
2.2 Struktur und Klarheit
Gliedere den Text logisch mit Überschriften, Absätzen und Listen.
Nutze Hervorhebungen, Tabellen oder Diagramme für eine bessere Verständlichkeit.
Vermeide übermäßige Fachbegriffe für Einsteiger, während sie für Experten gezielt eingesetzt werden.
2.3 Didaktische Prinzipien
Nutze konkrete Beispiele zur Veranschaulichung.
Falls erforderlich, baue eine kurze Wiederholung relevanter Grundlagen ein.
Fördere das aktive Lernen z. B. durch Fragen oder kleine Aufgaben am Ende eines Abschnitts.
2.3.1. Adaptive Fallbeispiele (falls relevant)
Falls gewünscht, biete mehrere Varianten eines Fallbeispiels an (z. B. für Einsteiger vs. Fortgeschrittene).
Entwickle praxisnahe Fallbeispiele mit steigendem Schwierigkeitsgrad.
Variiere Detailtiefe und Komplexität je nach Zielgruppe.
2.4 Integration von Grafiken
Verwende passende Grafiken oder Diagramme, um Sachverhalte zu veranschaulichen.
Falls keine Bildquelle verfügbar ist, stelle eine Beschreibung für eine mögliche Grafik bereit.
2.5 Digitale Quizfragen
Standardmäßig wird das Quiz als Text ausgegeben.
Falls gewünscht, kann das Quiz auch als HTML/JavaScript, H5P oder API-gestütztes JSON-Format bereitgestellt werden.
3. Format der Ausgabe
Markdown für klare Strukturierung.
Absätze, Listen, Überschriften für bessere Lesbarkeit.
Quizfragen werden standardmäßig als Text ausgegeben, können aber auch als digitale Formate bereitgestellt werden (HTML/JavaScript, H5P, JSON für APIs).
Entwicklung interaktiver Lehrmethoden
KI kann innovative Lehrmethoden vorschlagen, etwa für problem- oder projektbasiertes Lernen.
Beispiel: Eine KI schlägt für ein Informatik-Seminar verschiedene praxisnahe Coding-Aufgaben mit Lösungen vor.
Personalisierte Lernbegleitung
KI-gestützte Chatbots oder virtuelle Tutoren können Fragen beantworten, Konzepte erklären oder personalisierte Übungsaufgaben bereitstellen.
Beispiel: Ein KI-Chatbot beantwortet Fragen zu Statistik und generiert individuelle Erklärungen und Übungen für Studierende.
Unterstützung bei wissenschaftlichem Schreiben
Generative KI kann Studierende bei der Strukturierung, Formulierung und Korrektur von wissenschaftlichen Arbeiten unterstützen.
Beispiel: Studierende erhalten durch KI-gestützte Tools Feedback zu Klarheit, Argumentationsführung und Stil ihrer Texte.
Automatische Erstellung von Quizzen und Prüfungsfragen
KI kann automatisch Quizfragen oder Klausuraufgaben generieren. Um das jeweilige spezifische Lehrmaterial zu berücksichtigen, können (sollten ggf.) zusätzliche Dokumente aus dem jeweiligen Fachbereich, der jeweiligen Veranstaltung usw., zunächst via Upload im jeweiligen KI-Tool bereitgestellt werden.
Folgende Prompts können als Grundlage zur Erstellung von Prüfungsfragen in verschiedenen Bereichen verwendet werden. Dabei soll stets das zugrunde liegende Lern-/Lehrparadigma des Constructive Alignments berücksichtigt werden:
Prompts auf Wissensebene
Prompt für grundlegendes Abrufen
Zur Erstellung von Fragen, die Faktenwissen testen.
„Erstelle [Anzahl] Fragen in [Fachgebiet], die das Abrufen von Schlüsselbegriffen und Fakten zu [Thema] testen.“
Ref: Anderson & Krathwohl (2001). A taxonomy for learning, teaching, and assessing.
Verständnisprompt
Für Fragen, die das Verständnis von Konzepten testen.
„Generiere [Anzahl] Fragen, die Studierende auffordern, [Konzept] im Kontext von [Fachgebiet] mit eigenen Worten zu erklären.“
Ref: Biggs & Tang (2011). Teaching for quality learning at university.
Prompts auf Anwendungs- und Analyseebene
Anwendungsprompt
Für szenariobasierte Fragen, die die Anwendung von Wissen erfordern.
„Erstelle [Anzahl] Fallszenarien in [Fachgebiet], bei denen Studierende [Theorie] anwenden, um realistische Probleme zu lösen.“
Ref: Biggs (1996). Enhancing teaching through constructive alignment.
Analyseprompt
Für Fragen, die eine Aufschlüsselung von Informationen erfordern.
„Entwerfe [Anzahl] Fragen, die Studierende auffordern, Beziehungen zwischen Komponenten von [komplexem Thema] in [Fachgebiet] zu analysieren.“
Ref: Bloom et al. (1956). Taxonomy of educational objectives.
Prompts auf Synthese- und Bewertungsebene
Bewertungsprompt
Für Aufgaben zur kritischen Beurteilung.
„Erstelle [Anzahl] Aufgaben, die Studierende auffordern, [Theorie/Methode] anhand etablierter Kriterien in [Fachgebiet] kritisch zu bewerten.“
Ref: Biggs & Collis (1982). Evaluating the quality of learning: The SOLO taxonomy.
Kreationsprompt
Für Aufgaben, die Originalarbeit erfordern.
„Entwerfe eine Prüfungsaufgabe, bei der Studierende ein originelles [Produkt/Lösung] erstellen müssen, das [Problem] in [Fachgebiet] adressiert.“
Ref: Shreeve et al. (2010). Constructive alignment and student creativity.
Prompts für Bewertungen auf mehreren Ebenen
Prompt für integrierte Bewertung
Für umfassende Aufgaben, die mehrere kognitive Ebenen umfassen.
„Erstelle eine mehrteilige Prüfungsaufgabe in [Fachgebiet], die von der Identifikation von [Konzept] über die Anwendung in [Kontext] bis zur Bewertung von [verwandtes Thema] fortschreitet.“
Ref: Trigwell & Prosser (2014). Qualitative variation in constructive alignment in curriculum design.
Prompt für authentische Bewertung
Für Aufgaben mit Anwendung in der realen Welt.
„Entwerfe ein realistisches Szenario in [Fachgebiet], bei dem Studierende [Liste der Fähigkeiten] demonstrieren müssen, wie es Praktiker im Berufsfeld tun würden.“
Ref: Gulikers et al. (2004). A five-dimensional framework for authentic assessment.
Anpassbare fachspezifische Prompts
Prompt für fachliches Denken
Für fachspezifische Denkprozesse.
„Generiere Fragen, die bewerten, wie Studierende [Disziplin]-spezifische Ansätze zu [Thema] anwenden.“
Ref: Jervis & Jervis (2005). What is the constructivism in constructive alignment?
Prompt für berufliche Fähigkeiten
Zur Bewertung karriererelevanter Fähigkeiten.
„Erstelle Aufgaben, die die Kompetenz der Studierenden in [berufliche Fähigkeit] innerhalb von [Fachkontext] messen.“
Ref: Knight (2001). Reconstructing assessment for learning in higher education.
Beispiel: Erstellung von Prüfungsfragen für das Fach Psychologie
Angenommen, Sie unterrichten eine Veranstaltung zur Kognitiven Psychologie mit Fokus auf Gedächtnismodelle. Hier ein konkretes Beispiel, wie Sie die Constructive Alignment-Prompts nutzen können:
Schritt 1: Definieren der Lernziele
Ihre Studierenden sollen:
Verschiedene Gedächtnismodelle kennen
Die Unterschiede zwischen diesen Modellen verstehen
Die Modelle auf alltägliche Gedächtnisphänomene anwenden können
Forschungsmethoden zur Gedächtnisuntersuchung kritisch bewerten können
Schritt 2: Anwendung der Prompts für verschiedene Prüfungsebenen
Wissensebene (Basic Recall Prompt):
Erstelle 5 Fragen in der Kognitiven Psychologie, die das Abrufen von Schlüsselbegriffen und Fakten zu Multistore-Gedächtnismodellen testen.
Beispielergebnis:
Nennen Sie die drei Hauptkomponenten des Multistore-Modells nach Atkinson und Shiffrin.
Definieren Sie den Begriff „sensorisches Gedächtnis“ gemäß dem Multistore-Modell.
Welche maximale Speicherdauer wird dem Kurzzeitgedächtnis im klassischen Multistore-Modell zugeschrieben?
Nennen Sie zwei Kodierungsformen, die typischerweise im Langzeitgedächtnis stattfinden.
Beschreiben Sie den Prozess der Konsolidierung in Bezug auf das Gedächtnis.
Verständnisebene (Comprehension Prompt):
Generiere 3 Fragen, die Studierende auffordern, das Arbeitsgedächtnismodell nach Baddeley im Kontext der Kognitiven Psychologie mit eigenen Worten zu erklären.
Beispielergebnis:
Erklären Sie, inwiefern sich Baddeleys Arbeitsgedächtnismodell vom klassischen Kurzzeitgedächtnis im Multistore-Modell unterscheidet.
Beschreiben Sie die Rolle der phonologischen Schleife und erläutern Sie, wie diese experimentell nachgewiesen werden kann.
Erläutern Sie die Funktion der zentralen Exekutive und ihre Bedeutung für das Arbeitsgedächtnis.
Anwendungsebene (Application Prompt):
Erstelle 2 Fallszenarien in der Kognitiven Psychologie, bei denen Studierende Gedächtnismodelle anwenden, um realistische Probleme zu lösen.
Beispielergebnis:
Eine Grundschullehrerin bemerkt, dass ihre Schüler Schwierigkeiten haben, sich neue Vokabeln zu merken. Wenden Sie das Arbeitsgedächtnismodell nach Baddeley an, um zu erklären, welche kognitiven Prozesse beteiligt sind und entwickeln Sie drei konkrete, theoriegestützte Strategien zur Verbesserung des Vokabellernens.
Ein Neuropsychologe untersucht einen Patienten mit Amnesie nach einem Unfall. Der Patient kann sich an Ereignisse vor dem Unfall erinnern, aber keine neuen Erinnerungen bilden. Nutzen Sie das Langzeitgedächtnismodell nach Squire, um dieses Phänomen zu erklären. Welche Gedächtnissysteme könnten intakt und welche beeinträchtigt sein?
Analyseebene (Analysis Prompt):
Entwerfe 2 Fragen, die Studierende auffordern, Beziehungen zwischen verschiedenen Gedächtnismodellen in der Kognitiven Psychologie zu analysieren.
Beispielergebnis:
Analysieren Sie die konzeptionellen Überschneidungen und Unterschiede zwischen dem Levels-of-Processing-Modell nach Craik und Lockhart und dem Multistore-Modell. Inwiefern ergänzen oder widersprechen sich diese Modelle?
Vergleichen Sie das Arbeitsgedächtnismodell nach Baddeley mit der Cognitive Load Theory nach Sweller. Analysieren Sie, wie beide Theorien zur Erklärung von Lernprozessen und kognitiver Überlastung beitragen.
Bewertungsebene (Evaluation Prompt):
Erstelle eine Aufgabe, die Studierende auffordert, Forschungsmethoden zur Untersuchung des Gedächtnisses kritisch zu bewerten.
Beispielergebnis:
Wählen Sie zwei der folgenden experimentellen Paradigmen zur Gedächtnisforschung aus: a) Wortlistenerinnerung, b) Directed Forgetting, c) False Memory Paradigma, d) Working Memory Span Tasks.
Bewerten Sie kritisch die Stärken und Schwächen der gewählten Methoden hinsichtlich:
Ökologischer Validität
Konstruktvalidität (messen sie tatsächlich die beabsichtigten Gedächtnisprozesse?)
Methodischer Probleme
Übertragbarkeit auf reale Gedächtnisphänomene
Beziehen Sie sich auf mindestens zwei empirische Studien pro Methode und entwickeln Sie Vorschläge zur methodischen Verbesserung.
Kreationsebene (Creation Prompt):
Entwerfe eine Prüfungsaufgabe, bei der Studierende ein originelles Forschungsdesign erstellen müssen, das ein Gedächtnisphänomen in der Kognitiven Psychologie untersucht.
Beispielergebnis:
Entwickeln Sie ein vollständiges experimentelles Forschungsdesign zur Untersuchung eines der folgenden Gedächtnisphänomene:
Der Generation-Effekt (selbst generierte Informationen werden besser erinnert)
Kontextabhängiges Gedächtnis
Prospektives Gedächtnis im Alltag
Ihr Forschungsdesign sollte folgende Elemente enthalten:
Theoretischer Hintergrund mit Bezug auf relevante Gedächtnismodelle
Konkrete Forschungsfrage und Hypothesen
Detailliertes methodisches Vorgehen (Stichprobe, Material, Prozedur)
Vorgeschlagene Analysemethoden
Diskussion möglicher Ergebnisse und deren theoretische Implikationen
Kritische Reflexion methodischer Stärken und Schwächen
Automatische Auswertung von Feedback
KI kann qualitative und quantitative Feedbackdaten aus Studierendenbefragungen analysieren und Lehrenden Hinweise zur Verbesserung geben.
Beispiel: Eine KI wertet Freitextkommentare aus und identifiziert häufige Verbesserungsvorschläge für die nächste Lehrveranstaltung.
Unterstützung bei der Datenanalyse
KI kann bei der quantitativen und qualitativen Analyse von Forschungsdaten helfen.
Beispiel: Eine Soziologin nutzt KI-gestützte Textanalyse, um Interviews mit Studierenden zu Themen der Hochschulbildung auszuwerten.
Hinweis: Bei Fragen oder Anregungen zu unseren KI-Use Cases freuen wir uns über Ihr Feedback! Hinterlassen Sie uns gerne einen Kommentar.
Schreibe einen Kommentar