Generative KI verstehen, anwenden, reflektieren und mitgestalten
Prompting-Kompetenzaufbau für Hamburger Lehrkräfte
Generative Künstliche Intelligenz kann für die Unterrichtsvor- und nachbereitung genutzt werden, aber auch als Lerngegenstand selbst. Um die eigene Nutzung bestmöglich zu gestalten und auch Schüler:innen einen sinnvollen Umgang mit KI zu vermitteln, haben Hamburger Lehrkräfte an einem Promptingwebinar teilgenommen.
Im Rahmen des Programmmoduls zukunft.digital konnten aktive und angehende Lehrkräfte in einem Webinar ihr Wissen zu Prompting vertiefen. Durch das Format führte Lehrer, Fortbildner und KI-Experte Joscha Falck, der theoretischen Input mit interaktiven Elementen verband und die Teilnehmenden auch Promptingansätze ausprobieren ließ.
KI-Kompetenz definieren und reflektieren
Zu Beginn hielten die Teilnehmenden fest, welche Fähigkeiten sie für einen souveränen Umgang mit KI brauchen. Dabei nannten sie Kompetenzen des technischen Verständnisses als auch der kritischen Reflexion. Dazu zählen unter anderem:
- das Formulieren klarer und zielgerichteter Prompts,
- ein grundlegendes Verständnis der Funktionsweise von KI,
- Urteilsvermögen,
- die Fähigkeit, Datenbasis und Grenzen einzuschätzen,
- Ergebnisse kritisch zu bewerten sowie
- eigene Ideen präzise zu visualisieren.
Die anschließende Selbsteinschätzung zum Verstehen, Anwenden, Reflektieren und Mitgestalten von KI zeigte ein differenziertes Bild: Besonders stark fühlten sich viele im praktischen Anwenden und Reflektieren, während das Mitgestalten von KI-Lösungen als bislang herausforderndster Bereich wahrgenommen wurde.
Falck gab Einblicke in verschiedene Dimensionen von KI-Kompetenz und erläuterte, warum sie ein Zusammenspiel aus Wissen, Urteilsvermögen und kreativer Handlungsfähigkeit ist. Von Prompting-Techniken über Reasoning-Modelle bis hin zu praktischen Frameworks wurde deutlich, wie vielfältig die Werkzeuge sind, die Lehrende und Lernende heute an die Hand bekommen können. Hier betonte Falck, dass AI Literacy – also die Fähigkeit, KI sinnvoll zu verstehen und zu nutzen – mehrdimensional aufgebaut ist.
AI Literacy als mehrdimensionaler Lernraum
Die Teilnehmenden erhielten Einblicke in Kompetenzmodelle, aktuelle KI-Entwicklungen und technische Grundlagen wie Tokenisierung und Vektorisierung. Dabei wurde erklärt, dass Tokenisierung der Prozess ist, bei dem ein Sprachmodell Texte in kleine Einheiten – sogenannte Tokens – zerlegt, die oft Wort- oder Wortteilgröße haben, damit die KI sie verarbeiten kann. Vektorisierung bezeichnet den Schritt, bei dem diese Tokens in Zahlenfolgen übersetzt werden, sodass das Modell mathematisch damit arbeiten kann. Gleichzeitig wurde hervorgehoben, dass Sprachmodelle weiterhin Black Boxes bleiben und Prompting-Wissen sich ständig weiterentwickelt. Dazu gehörten auch praktische Erläuterungen: Zero-Shot-Prompts geben einer KI eine Aufgabe ohne Beispiele, One-Shot-Prompts enthalten genau ein Beispiel zur Orientierung während Few-Shot-Prompts mehrere kurze Beispiele nutzen, damit die KI Muster besser erkennt. Besonderes Interesse weckten verschiedene Prompting-Ansätze, darunter grundlegende Techniken sowie das Chain-of-Thought-Prompting. Letzteres ermöglicht durch das explizite Mitdenkenlassen der KI besonders präzise Ergebnisse, ist jedoch aufgrund der hohen Tokenanzahl ressourcenintensiver.
Darüber hinaus lernten die Teilnehmenden weitere Werkzeuge kennen, etwa GPT-Prompt-Coaches, also KI-gestützte Assistenten, die beim Schreiben von Prompts helfen, indem sie Rückfragen stellen, Vorschläge machen und Schritt für Schritt zu einer klaren Aufgabenbeschreibung führen. Auch Megaprompts spielten eine Rolle. Das sind besonders umfangreiche Eingaben, in denen man der KI viel Hintergrund, Regeln und Beispiele mitgibt, sodass sie weniger rät und deutlich verlässlicher arbeitet. Und schließlich ging es um die Temperature eines Modells: einen Regler für den Stil der Antworten, mit dem sich festlegen lässt, ob die KI eher nüchtern und vorhersehbar formuliert oder kreativer und experimentierfreudiger wird. Diese Werkzeuge zeigten, wie stark sich die Qualität von KI-Ergebnissen durch bewusste Feinsteuerung beeinflussen lässt.
Falck stellte außerdem Techniken aus einem Whitepaper von Google vor:
- Beim Step-Back-Prompting wird die KI gebeten, erst einen Schritt zurückzutreten und das Problem in einer übergeordneten Perspektive zu betrachten, bevor sie eine Lösung formuliert.
- Self-Consistency sorgt dafür, dass die KI mehrere mögliche Lösungswege durchspielt und anschließend jene Antwort wählt, die am häufigsten in diesen Varianten vorkommt – eine Art interner Mehrheitsentscheid.
- ReAct kombiniert begründetes Nachdenken mit kleinen, gezielten Aktionen, etwa dem Nachschlagen oder Strukturieren, damit die KI ihre Antwort Schritt für Schritt entwickelt.
- Und das Tree-of-Thought-Prompting lässt die KI verschiedene Lösungswege wie Äste eines Baumes durchprobieren, um am Ende den plausibelsten Pfad auszuwählen.
Diese Methoden verdeutlichen, dass gutes Prompting längst nicht nur aus dem richtigen Satz besteht, sondern aus einer bewussten Gestaltung von Denkprozessen.
Inspiration und Orientierung für effizientes Prompting
Ein wiederkehrendes Thema waren klare Frameworks zur Gestaltung effizienter Prompts. Besonders hervorgehoben wurde ein Ablauf, der Rollenzuweisung, Arbeitsauftrag, Kriterien, Beispiele, Zielstellung, Formatvorgaben und ein iteratives Refinement kombiniert. Das CRAFT-Framework, XML-Tags, Hashtags oder Anführungszeichen dienen als Werkzeuge, um die Maschinenlesbarkeit zu verbessern.
