Bildungsmedium KI: Eine Revolution – echt jetzt?

 

„KI ist die Schlüsseltechnologie des 21. Jahrhunderts. Sie ist eine riesige Chance und hat enormes Potenzial, etwa in Bildung, Forschung und Wirtschaft. […] Besonders wichtig sind dabei die weitere Stärkung der Forschungsbasis, der Ausbau der KI-Infrastruktur, der Einsatz von KI in der Bildung und der bessere Transfer von KI in die Anwendung.“

 

Mit diesen Worten stellte Bundesforschungsministerin Bettina Stark-Watzinger (FDP) im November 2023 ihren KI-Aktionsplan des Bundesministeriums für Bildung und Forschung (BMBF) vor. Stark-Watzinger betrachtet KI darin als die Zukunftstechnologie schlechthin – und sieht ihr Ministerium in der Verantwortung, ihr gesamtgesellschaftliches Potenzial zu erschließen. Der KI-Aktionsplan weist dem Bildungssystem dabei eine Schlüsselstellung zu und gibt diesen zugleich ambitionierte Ziele vor: So solle der Bildungssektor die KI-Kompetenz von Schüler*innen und Lehrkräften fördern, KI als Lerninhalt und Werkzeug im Unterricht verankern und moralische Leitlinien für Einsatzszenarien in und außerhalb der Schulen entwickeln. Auf diese Weise sollen die Schulen ihre Schüler*innen auf die nächste digitale „Revolution“ vorbereiten.

 

In den Klassenzimmern ist man vom Erreichen dieser Ziele oft noch weit entfernt. Engagierte Lehrer*innen und Bildungsforscher*innen sind aktuell zunächst einmal darum bemüht, grundsätzliche pädagogische Probleme und Potenziale von KI als Bildungsmedium zu bestimmen. Doch obwohl der praktische Einsatz und die fachdidaktische, erziehungs- und medienwissenschaftliche Begleitforschung hier noch am Anfang stehen, scheinen sich viele Beobachter*innen über die zu erwartenden umwälzenden Auswirkungen der KI im Klassenraum einig zu sein. Als „Eine Revolution – echt jetzt!“, bewertet etwa der Tübinger Lehrer und KI-Forscher Florian Nuxoll die KI mit Blick auf aus seiner Sicht vermeintliche vorangegangene digitale Revolutionen (etwa durch PCs, Tablets, etc.) im Klassenzimmer. Doch was ist eigentlich neu und „revolutionär“ an der aktuellen Nutzung von KI als Bildungsmedium? Um diese Frage zu erörtern, kann eine historische Spurensuche zum Einsatz von KI als Bildungsmedium helfen. Der Beitrag befasst sich dabei zunächst mit der Frage, was KI als Bildungsmedium meint, erkundet dann gegenwärtig an die KI gestellte positive Erwartungen und setzt diese dann in einen historischen Kontext. Abschließend soll mit Blick auf gegenwärtig befürchtete Risiken des KI-Einsatzes eine mögliche Antwort auf die Ausgangsfrage formuliert werden.

 

KI als Bildungsmedium – was ist damit überhaupt gemeint? In seinem bereits zitierten ApuZ-Beitrag spricht Nuxoll von zwei Spielarten von KI als Bildungsmedium: Zum einen von Intelligenten Tutorsystemen - zu denen Nuxoll in Tübingen auch forscht - und zum anderen vom Einsatz von sogenannter generativer KI im Unterricht. Aufbauend auf fachspezifisches Wissen und einer Lehrstrategie simulieren Intelligente Tutorsysteme (ITS) nach Nuxoll „die Erfahrung mit einem menschlichen Tutor“. Die meist englischsprachigen Programme seien in der Lage, Lerndefizite zu erkennen, „gezielte Übungen und Erklärungen“ sowie Feedback zu geben. Generative KIs (wie z.B. ChatGPT 3.5) hingegen basieren auf Large-Language-Modells (LLM) und sollen idealerweise auf eingehende Prompts von Nutzer*innen möglichst wahrheitsgetreu und präzise antworten. Die Antworten der KI stützen sich dabei auf durch einen Algorithmus errechnete Wahrscheinlichkeiten, nach denen die ausgegebene Antwort den im Prompt erfragten Informationen entspricht. LLMs werden mithilfe großer (i.d.R. netzbasierter) Datensätze „trainiert“, Feedbacks (wie die Prompts selbst) werden ebenso zur Verbesserung der KI genutzt.

 

Mit dem Einsatz dieser KIs als Bildungsmedien werden im gegenwärtigen Diskurs viele Hoffnungen verbunden.  An erster Stelle steht hier die Idee, dass sich durch den Einsatz von KI das Lernen individualisieren lasse. Im zitierten ApuZ-Beitrag wirbt Nuxoll damit, dass ITS dazu beitragen könnten, auf individuelle Lerngeschwindigkeiten Rücksicht zu nehmen und individuelle Lerndefizite zu adressieren. In Bezug auf generative KIs sehen die Erziehungswissenschaftler*innen Katharina Hamisch und Robert Kruschel viel Potenzial für individualisierten und damit inklusiveren Unterricht. KI-Softwares könnten ihnen zufolge Bildbeschreibungen für Schüler*innen mit Sehbeeinträchtigung geben, gehörlose Kinder könnten mit Sprachassistenten zur automatisierten Gebärdenübersetzung und geflüchtete Kinder mit automatisierter Übersetzung für die Kommunikation im Unterricht unterstützt werden.

 

Auf Automatisierung setzt auch ein weiteres Versprechen der KI: die Erledigung bislang aufwändiger „Routineaufgaben“ durch KI. Neben Hilfe bei Organisatorischem und zur Erstellung von Unterrichtsplänen und -inhalten, betrifft diese Hoffnung vor allem die Wiederholung des Unterrichtsstoffs. Nuxoll erklärt in Bezug zu ITS und generative KI: „Hier kann KI entlasten: Durch die Automatisierung mancher Routineaufgaben können Lehrerinnen und Lehrer Zeit gewinnen, die sie nutzen können, um einen interaktiveren und kommunikativen Unterricht zu gestalten […].“ Dass Lehrer*innen durchaus Interesse an dieser Art Arbeitserleichterung haben, deutet eine (bislang unveröffentlichte) Interviewstudie zum Thema Generative KI als Bildungsmedium von Andreas Weich und Marcel Mierwald an: Darin zeigte sich, dass Lehrer*innen beispielsweise erwägen, generative KIs wie schulKI als Tool zu nutzen, mit dem Schüler*innen ihre Verständnisfragen klären können, das ihnen Arbeit in der Unterrichtsvorbereitung, der Kommunikation mit Eltern oder der Vorkontrolle von Tests und Klausuren abnimmt. Davon versprechen sich Lehrer*innen Entlastung bei Routineaufgaben zugunsten der Arbeit auf zwischenmenschlicher Ebene, der persönlichen Lernbegleitung und der Arbeit mit leistungsschwächeren Schüler*innen, die nicht die fachlichen oder sprachlichen Voraussetzungen erfüllen, alleine mit der KI zu arbeiten.

 

Auch wenn der Einsatz von KI im Bildungsbereich manchen „revolutionär“ erscheint, hat die aktuelle Debatte eine lange, interessengeleitete Vorgeschichte. Überlegungen dazu, wie KI in der Bildung genutzt werden kann, lassen sich bis in die 1950er Jahre zurückführen. Zum einen prägten in dieser Zeit Computerwissenschaftler*innen auf einer Konferenz am Dartmouth College (New Jersey) den Begriff der künstlichen Intelligenz und forschten erstmals zu einer „intelligenten Maschine“. Zum anderen entwickelte der Psychologe Burrhus Frederic Skinner in den 1950er und 1960er Jahre die Schule des Behaviourismus, welche (menschliches) Verhalten mit naturwissenschaftlichen Methoden (d.h. ohne Einfühlung) erforscht, maßgeblich weiter: Er erfand die Methode des „programmierten Lernens“ und entwickelte hierfür eine Teaching Machine. Beim „programmierten Lernen“ wird der Lernstoff in kleine Lektionen aufgeteilt, die die Schüler*innen an der Teaching Machine lösen sollen. Meistert der Lernende erfolgreich eine Lektion, so schaltet sich in der Maschine die nächste Lektion frei; falls nicht, folgt negatives Feedback. Auf diese Weise sollten Schüler*innen in die Lage gebracht werden, sich ohne Zutun einer Lehrkraft einen Lehrstoff autodidaktisch beizubringen.[1]

 

Mit dieser Idee traf Skinner den Nerv seiner Zeit. Die 1960er Jahre waren der Hochpunkt der Planungseuphorie, in der Fortschritt in allen gesellschaftlichen Bereichen plan-, bzw. „programmierbar“ erschien - wovon auch der Bildungsbereich nicht ausgenommen war. Zudem erschien das „programmierte Lernen“ wie eine vielversprechende Lösung auf ein ganz handfestes, demografisches Problem: In den OECD-Staaten waren die 1960er Jahre die Zeit der geburtenstarken Jahrgänge, denen auf absehbare Zeit eine zu kleine Anzahl von Lehrkräften gegenüberstehen würde. Die Entlastung der Lehrkräfte durch Lehrautomaten und KI war deshalb auch schon in dieser eine virulente Empfehlung der OECD.[2] Auch in der BRD gab es Bemühungen, dieser Empfehlung nachzukommen: Helmar Frank, Schüler des Stuttgarter Kybernetikers Karl Steinbuch, gründete 1969 das Forschungs- und Entwicklungszentrum für objektivierte Lehr- und Lernverfahren (FeoLL), um „programmierte“ Lernverfahren zu entwickeln. Unternehmen wie Nixdorf Computer (mit denen Frank eng zusammenarbeitete) und die BASF entwickelten zu Beginn der 1970er Jahre erste Schulcomputer nach dem Vorbild Skinners, für die sie einen großen künftigen Markt vermuteten. Profitabel wurde dieses Geschäft allerdings nicht, weil die Systeme für die Schulen noch zu teuer waren und in ihrer pädagogischen Ausreifung nicht über einen Experimentalcharakter hinauskamen. Die Förderprojekte des Bundesministeriums für Bildung und Forschung (BMFT) zu „programmierten Lernen“ und „computerunterstützten Unterricht“ (CUU) liefen im Verlauf der 1970er Jahre aus.

 

Mit dem Aufkommen des Personal Computers, der viel billiger und leistungsfähiger als die Schulcomputer der 1970er Jahre war, erlebte die Idee von KI als Bildungsmedium in der zweiten Hälfte der 1980er Jahre einen zweiten Frühling. Die Zeitschrift Log In, die vom Institut für die Pädagogik der Naturwissenschaften in Kiel herausgegeben wurde, hat 1987 ein ganzes Heft zu diesem Thema veröffentlicht, in dem sich die Autor*innen mit dem bisherigen und künftig möglichen Nutzen von KI als Bildungsmedium auseinandersetzen. Aufschluss über den Ist-Zustand der Nutzung von KI in den 1980er Jahren gibt der Beitrag „Tutorielle Lehrsysteme und Künstliche Intelligenz“ des Informatikers Günther Cyranek. Der Autor stellt darin mit PLATO, SOPHIE und GUIDON Beispiele für KI-Lehrsysteme vor und diskutiert deren Praktikabilität und pädagogischen Nutzen. Dabei ist den vorgestellten Systemen gemein, dass sie im englischsprachigen Raum entwickelt wurden, der nach Cyranek im Unterschied zur BRD seit den 1960er Jahren ununterbrochen Forschungen zum computerunterstützten Unterricht förderte. Die Lehrsysteme wurden zudem ausschließlich für einen außerschulischen Kontext entwickelt: Während PLATO als interaktives Lehrsystem schon seit 1960 von und für die University of Illinois entwickelt worden war, ließ das US-Militär das Lehrsystem SOPHIE entwickeln, um Ingenieur*innen und Mechaniker*innen für die Fehlersuche in elektronischen Schaltkreisen zu schulen. GUIDON hingegen war ein „Tutor für medizinische Fallbeispiele“, der sich an Medizinstudierende richtete und eine Sprechstunde mit einer Patientin simulierte. Wie die titelgebenden „tutoriellen Lehrsysteme“ vermuten lassen, erinnert der Beitrag an Nuxolls Schilderung der ITS: Ebenso wie diese sollen die Lehrsysteme PLATO, SOPHIE und GUIDON Lernen individualisieren und Lehren automatisieren. Der Einlösung dieser Versprechen steht Cyranek insgesamt eher skeptisch gegenüber:

 

„Schon im Sprachgebrauch deutet sich an, daß das Modewort „Künstliche Intelligenz“ zum Symbol des Fortschritts wird […] Auch in den pädagogischen Anwendungen wird oftmals der Anspruch erhoben, die KI könne menschliche Fertigkeiten technisch realisieren. […] Stattdessen wäre es aus meiner Sicht sinnvoller, Bereiche zu identifizieren, für die der menschliche Lehrer im Lernprozess unverzichtbar ist.“

 

Cyraneks Beitrag verweist auch darauf, dass schon in den 1980er Jahren über den Abbau von Bildungsungleichheiten durch KI diskutiert wurde. Während er Projekten zum Einsatz von KI in Sonderschulen unerwähnt lässt (die im Forschungsprojekt „Computer für alle?“ eingehender untersucht werden soll), bezieht er dies zunächst auf eine räumliche Ungleichheitsdimension und zitiert den österreichischen Journalisten Stefan Gergely: „Der computerunterstützte Unterricht [kann] durch die von Zeit und Ort weitgehend unabhängige Form des Lernens Vorteile bieten. […] Fraglos kann CUU auch für Bewohner entlegener Regionen ein attraktives Angebot vermitteln.“ Cyranek sieht dafür allerdings keine Notwendigkeit, da „wir […]  noch nicht in entfernten Wüstenregionen“ wohnen und Distanzlernen am Fernkolleg eine mögliche Alternative sei.

 

Auch wenn Cyranek den möglichen Nutzen von KI als Bildungsmedium vergleichsweise kritisch bewertet, so finden sich bei ihm kaum dezidierte Überlegungen über mögliche Risiken der Technologie. Das dies in einem auffälligen Gegensatz zur aktuellen Diskussion um KI als Bildungsmedium steht, lässt sich anhand des Themenkomplexes Ungleichheiten und KI belegen: So warnte Kirsten Fiedler, wissenschaftliche Mitarbeiterin im Europaparlament bei Alexandra Geese (Bündnis 90/Grüne), jüngst in einem Beitrag für die Gewerkschaft für Erziehung und Wissenschaft (GEW) davor, dass durch KI gesellschaftliche Ungleichheiten und Diskriminierungsstrukturen verstärkt werden könnten. Zudem seien massenhafte Überwachung via Gesichts- oder Emotionserkennung und KI-unterstützte Desinformation potenzielle Bedrohungen für demokratische Gesellschaften.

 

Die von Fiedler geschilderten gesellschaftlichen Risiken finden sich in zahlreichen aktuellen Beiträgen und geben gleichsam einen Hinweis auf einen markanten Unterschied der aktuellen Debatte zur beleuchteten historischen Diskussion um und die Nutzung von KI als Bildungsmedium. Während im Beitrag gezeigt werden konnte, dass sich Ideen und (denen im gegenwärtigen Diskurs ähnelnde) Verheißungen zu Teaching Machines und automatisierten tutoriellen Lehrsystemen bis in die 1950er Jahre zurückverfolgen lassen, ist die Diskussion um KI als ein „wissensgenerierendes“ Medium vergleichsweise neu. Die generativen KIs sind dabei in gewisser Weise eine neue mediale „Linse“, die, basierend auf Wahrscheinlichkeiten, epistemische Sichtachsen auf das (vermeintliche) Wissen von der Welt vorzeichnet. Diese Linse hat Biases, erzeugt „Halluzinationen“ (ein potenzielles objektiv falsches Resultat, das nicht an Trainingsdaten rückgekoppelt ist) und ja: sie hat das Potenzial, hegemoniale Diskurse (die i.d.R. Manifestation und Verstärkung von realpolitisch existierenden Gräben, Hierarchien und Grenzen sind) zu stabilisieren. Die Schulen, aber auch die Gesellschaft als Ganze, steht vor der Herausforderung, diese Linse adäquat zu justieren – und zunächst darüber zu befinden, was „adäquat“ in diesem Zusammenhang eigentlich bedeuten kann.

 

Erlebt das Bildungssystem also gegenwärtig eine „Revolution“? Können Schulen und Universitäten angesichts von KI-generierten Hausaufgaben und Hausarbeiten in ihrer jetzigen Form überhaupt fortbestehen? Falls sie eine Antwort auf diese Fragen erwartet haben, so muss ich sie an dieser Stelle leider enttäuschen; als zeit- und standortgebundender Historiker sind mir leider nur historische digitale Zukünfte[3] zugänglich. Ein Blick auf diese gibt jedoch Aufschluss darüber, dass die generative KI in einer bis in die 1950er Jahre zurückreichenden Reihe von medialen und dabei digital strukturierten Linsen steht, welche Lehrer*innen wie Schüler*innen, aber auch Bildungspolitiker*innen, Funktionär*innen, Wissenschaftler*innen und Unternehmen, adaptieren und justieren mussten. Wie sich an dieser Stelle am Beispiel der historischen Nutzung von KI im Bildungsbereich angedeutet hat, war dieser Prozess i.d.R. keine plötzliche Revolution, sondern lässt sich besser als eine durch technische Möglichkeiten, bestehende Interessen- und Machtkonstellation und diskursive Kontexte strukturierte, evolutive Suchbewegung der Zeitgenoss*innen beschreiben. Das Projekt Computerbildung für alle? erforscht diese Suchbewegungen anhand der Einführung von PCs, Lernsoftwares und vernetzter Lern- und Wissensstrukturen an den Schulen in Diskurs und projektierter Praxis und möchte so historisches Orientierungswissen zur aktuellen Suchbewegung beitragen.

 

 

[1] Watters, Audrey: Teaching machines. The history of personalized learning, Cambridge, Massachusetts 2021.

[2] Hof, Barbara/ Bürgi, Regula: The OECD as an arena for debate on the future uses of computers in schools, in: Globalisation, Societies and Education 2 (2021), S. 154–166.

[3] Hölscher, Lucian: Theoretische Grundlagen der historischen Zukunftsforschung, in: Die Zukunft des 20. Jahrhunderts. Dimensionen einer historischen Zukunftsforschung, hrsg. v. Lucian Hölscher, Frankfurt a. M. 2017, S. 7-37.