Das KI-Lernlabor startet in die erste Runde!

KI²- Kompetenz in Künstlicher Intelligenz

Kurzbeschreibung: KI gemeinsam lernen. Lehre gemeinsam gestalten.

Aus unserer Sicht betrifft der Umgang mit generativer KI beide Seiten des Hochschulalltags: Studierende brauchen Orientierung, wie sie KI sinnvoll, eigenständig und verantwortungsvoll nutzen können; Lehrende stehen vor der Aufgabe, KI didaktisch einzubinden, Prüfungsformate weiterzuentwickeln und transparente Regeln zu schaffen. Daher streben wir die Erarbeitung und Erprobung von Schulungsmaterialien an, welches direkt an unserer Hochschule dazu beiträgt, KI-Systeme bewusster, kompetenzorientierter und akzeptierter in Studium und Lehre einzusetzen. Unsere Motivation ist, den Austausch zwischen Lernenden und Lehrenden zu stärken und daraus konkrete und vor allem praxistaugliche Ansätze für die Lehre abzuleiten.

Zielsetzung: Wir möchten nicht nur über KI sprechen, sondern gemeinsam ausprobieren, reflektieren und daraus übertragbare Formate entwickeln, indem Studierende und Lehrende voneinander lernen und Unsicherheiten abgebaut werden.

Das Team: Hendric Rahm, Prof. Dr. Verena Gerner, Dr. Alexandra Sept, Christoph Meichner, Lotte Reiswig

Mehr als Prompting – Lernen, Denken und Entscheiden mit KI

Kurzbeschreibung: Generative KI erzeugt in Sekunden, wofür Studierende früher Tage oder Wochen brauchten. Dadurch verschiebt sich die zentrale Lernfrage: Welche Fähigkeiten bleiben wichtig, wenn Ideen, Texte, Bilder und Lösungen jederzeit verfügbar sind? Die Challenge untersucht vier miteinander verbundene Fragen: Wie bleiben Studierende kreativ, wenn KI bereits zahlreiche Vorschläge liefert? Wie erkennen sie, welcher KI-Output tragfähig ist? Wie behalten sie den Überblick über immer neue Tools? Und wie lernen sie weiterhin selbstständig, wenn Antworten jederzeit verfügbar sind?Ausgangspunkt ist die These, dass KI vor allem die Generierung von Ideen und Lösungen automatisiert.

Das Formulieren relevanter Fragen, die Auswahl geeigneter Ansätze, deren fachliche Bewertung sowie das reflektierte Weiterlernen bleiben zentrale menschliche Aufgaben. Gemeinsam entwickeln und erproben wir deshalb ein Lernformat für den reflektierten Umgang mit KI. Praxis- und Reflexionsbausteine sollen Meta-Kompetenzen wie Orchestrieren, Selektieren, Validieren, kritisches Denken, Lernen-Lernen und den Erhalt von Neugier fördern.

Zielsetzung: Ein Lernformat entwickeln und erproben, das Studierende befähigt, KI kreativ, kritisch und selbstständig zu nutzen und zentrale Meta-Kompetenzen gezielt weiterzuentwickeln.

Das Team: Prof. Alexander Forst, Anke Kaluza, Jana Brücher, Andreas Irrgang

Code it your way
Algorithmisches Denken mit und ohne KI

Kurzbeschreibung: In der Challenge entwickeln Studierende in Teams ihre eigene kleine Programmiersprache. Ziel ist nicht die Sprache selbst, sondern ein neuer Lernweg, um zentrale Konzepte des Programmierens und algorithmischen Denkens erfahrbar zu machen: Variablen, Rechenoperationen, Bedingungen, Funktionen, Regeln und logische Abläufe.

Der Lernprozess beginnt bewusst analog: Die Studierenden entwerfen ihre Sprache zunächst vollständig auf Papier, ohne KI, Internet oder digitale Werkzeuge. Andere Teams testen diese Entwürfe, indem sie die formulierten Anweisungen selbst interpretieren und ausführen – der Mensch wird dabei zum „Computer“. Dadurch wird unmittelbar sichtbar, ob Regeln verständlich, eindeutig und logisch umsetzbar sind.

Erst im nächsten Schritt kommt KI zum Einsatz. Sie unterstützt dabei, die studentischen Ideen zu strukturieren, in eine formale Grammatik zu überführen und diese in eine einfache Programmierumgebung mit Interpreter zu integrieren. So erleben Studierende, wie aus einer Idee über klare Regeln ein ausführbares Programm entsteht.

Das Projekt verbindet Lernen ohne KI, mit KI, über KI, durch KI und trotz KI. Es zeigt, dass KI fachliches Denken nicht ersetzen soll, sondern auf einer fundierten Eigenleistung aufbauen kann. Perspektivisch soll geprüft werden, ob die entstandenen Sprachen auch für Übungsaufgaben, Prüfungen oder KI-gestützte Codegenerierung nutzbar sind.

Zielsetzung: Studierende verstehen Programmierlogik, indem sie eigene Sprachen entwickeln, testen und mit KI in ausführbare Programmierumgebungen überführen.

Das Team: Norbert Grotz, Prof. Dr. Peter Stich, Dr. Paula Bartel, Emese Tasnádi, Konstantin Apostolou

KI-Literacy und Future Skills: Lehre und Prüfung zukunftsfähig gestalten

Kurzbeschreibung: Das Team der HNU untersucht, wie Hochschullehre und Kompetenzaufbau so weiterentwickelt werden können, dass Studierende in einer von KI geprägten Arbeitswelt handlungsfähig, reflektiert und verantwortungsvoll agieren. Im Mittelpunkt stehen Module zu Kommunikation, Finanzthemen und Fremdsprachen, in denen KI Routineaufgaben und berufliche Anforderungen bereits verändert. Gemeinsam mit Studierenden, Lehrenden und Didaktikerinnen und Didaktikern werden Lehr-/Lernsettings entwickelt und erprobt. KI dient dabei nicht nur als Werkzeug, sondern als Anlass für kollaboratives, prozessorientiertes und reflexives Lernen. Kompetenzen, Lernziele und Prüfungsformen werden im Sinne des Constructive Alignment überarbeitet. KI-Literacy, also ein transparenter, kritischer und verantwortungsvoller Umgang mit KI-Tools, soll verbindlich in bestehende Lehrkonzepte integriert werden.

Geplant sind ein bis zwei prototypische Lehrformate, die KI-Anwendung mit Future Skills wie Selbstorganisation, Teamarbeit, kreativem Problemlösen und Reflexionsfähigkeit verbinden. Ergänzend entstehen Prüfungs- und Dokumentationsformen, mit denen Studierende ihre KI-Nutzung nachvollziehbar machen und erworbene Kompetenzen für den Berufseinstieg sichtbar darstellen können. Lehrende agieren dabei stärker als Coaches. Die Ergebnisse sollen als übertragbare Good-Practice-Beispiele die curriculare Verankerung von KI-Kompetenzen an der HNU fördern.

Zielsetzung: Entwicklung und Erprobung von Lehr- und Prüfungsformaten, die KI-Literacy und Future Skills curricular verankern, reflektierte KI-Nutzung fördern und Studierende gezielt auf veränderte Berufsfelder vorbereiten.

Das Team: Prof. Dr. Barbara Brandstetter, Prof. Dr. Anja Zenk, Tobias Ademmer, Malte Schieder, Valentina Llanos Wild, Alexander Schobloch, Anna Voggeser, Lorenzo Blanzeanu

Chancengerechteres Studieren mit KI

Kurzbeschreibung: Wie könnte KI im Hochschulkontext helfen, unterschiedliche Studienvoraussetzungen zu berücksichtigen, Barrieren abzubauen und chancengerechteres Studieren zu ermöglichen? Uns interessiert Künstliche Intelligenz besonders als Möglichkeit, die Hochschullehre an vielfältigen Studienvoraussetzungen auszurichten. Einerseits bietet KI ein großes Potenzial, um Chancengerechtigkeit zu stärken und individuelles Potenzial durch Abbau von Barrieren und Erweiterung der Handlungsmöglichkeiten zu fördern. Gleichzeitig besteht — wenn unterschiedliche Lebenswelten nur unzureichend Berücksichtigung finden, KI-Systeme vorwiegend Perspektiven der „Mehrheitsgesellschaft“ abbilden oder Zugangsmöglichkeiten fehlen — ein hohes Risiko, bestehende Ungleichheiten zu verstärken.

Vor diesem Hintergrund versuchen wir, Lebens- und Lernrealitäten von unterschiedlichsten Studierenden bei KI-Einsatz im Hochschulkontext mitzudenken. In diesem Zusammenhang verstehen wir KI als unterstützendes Werkzeug, während Engagement die zentrale Säule für mehr Inklusion bleibt.

Zielsetzung: Lebensrealitäten von Studierenden erfassen und Gestaltungsempfehlungen für einen KI-Einsatz im Hochschulkontext ableiten, der Inklusion als gesamtgesellschaftlichen Transformationsprozess unterstützt.

Das Team: Prof. Dr. Svenja Bedenlier, Claudia Schmidt, Katharina Zink, Julius Geiger

Wie müssen Lernen, Lehre und die Rollen von Studierenden und Lehrenden neu gedacht werden, wenn KI-Agenten zunehmend ganze Aufgaben übernehmen?

Kurzbeschreibung: Unsere Leitfrage: Wenn KI-Agenten zunehmend ganze Aufgaben übernehmen und nicht mehr nur einzelne Schritte, wie muss Studieren dann aussehen, damit Studierende dabei mehr lernen statt weniger? Die Frage entsteht direkt aus unserer hochschulübergreifenden Kooperation „Die Agentische Hochschule“ (TH Nürnberg / HM), in der wir untersuchen, was es für Lehre, Studium und generell Hochschulen bedeutet, wenn KI nicht mehr nur assistiert, sondern eigenständig handelt. Im KI-Lernlabor wollen wir genau das mit Studierenden bearbeiten, die selbst mit solchen Werkzeugen arbeiten. Studierende sind für uns nicht Zuarbeitende, sondern Mitautor:innen: Sie bringen ihre eigene Praxis ein und gestalten die Frage mit.

Wir wollen keine fertige Lösung liefern, sondern erproben, wie der Einsatz von Agenten zielgerichtet und reflektierbar bleibt. Hierfür richten wir den Fokus auf agentische Kommunikation und betrachten sie ganzheitlich und strategisch. Ziel ist es, ein funktionsfähiges (Multi-)Agenten-System zu entwickeln sowie den Entwicklungsprozess wissenschaftlich zu untersuchen und zu dokumentieren. Als konkreter Erprobungsraum dient dabei die Wissenschafts- und Hochschulkommunikation.

Zielsetzung: Ziel ist nicht nur ein Prototyp, sondern ein vertieftes Verständnis von (Multi-)Agenten-Systemen, um ihren Einsatz an Hochschulen zielgerichtet und reflektiert zu gestalten.

Das Team: Prof. Dr. Moritz Schwind, Prof. Dr. Gudrun Socher, Prof. Dr. Thomas Schreck, Lea Schollerer, Aditi Sabherwal, Timtim Buttan