Biologie: Mehr Erkenntnis, weniger Hype: KI für deinen Unterricht

00:00:03: Einfach unterrichten.

00:00:05: Der Podcast von Friedrich Plus aus dem Friedrich-Verlag.

00:00:09: Wir bringen innovativen Unterricht für Lehrkräfte

00:00:12: auf den Punkt.

00:00:15: Das Thema künstliche Figenz ist ja gerade einfach.

00:00:18: Überall, man kann jeweils schon fast nicht mehr entkommen, die einen fürchten sie und sagen, oh Gott, ich hoffe meine Schüler schummeln nicht mit Chatchivity, die anderen sehen es als große Chance und Bereicherung, umso schöner, dass wir heute als Expertsin zu diesem Thema haben, die uns mehr dazu erzählt wird, wie künstliche Ligenz unseren Geologieunterricht bereichern kann und viele Dinge unterstützen kann.

00:00:41: Ich bin wieder eure Moderatorin, Christina Wurst, und ich habe heute zu Gast Dr.

00:00:45: Marit Castaun, Autorin, Herausgeberin und Lehr- Kraft für besondere Aufgaben.

00:00:49: Schön, dass du da bist, Margaret.

00:00:50: Hallo.

00:00:51: Ich denke mittlerweile hat so ziemlich jeder mitgekriegt, was ChatGPT ist und wir müssen uns nicht mehr groß mit Definitionen aufhalten.

00:00:58: Gibt es denn eine Sache zur KID, die Leute vielleicht oft nicht wissen oder missverstehen, die wird auf alle Fälle jetzt noch klären sollten?

00:01:05: Genau, ich glaube, dass wir da schon noch ein bisschen aufräumen müssen, auch mit Definition, denn oftmals begegnet es mir im Alltag, dass das Verständnis da ist, dass ChatGPT gleich KI ist.

00:01:19: Und das ist dem nicht so.

00:01:21: Denn KI ist weit aus mehr, KI ist schon alter Gut, der schon in den vor allen Dingen Informatikwissenschaften lange beforst wird und natürlich jetzt so ein Push erfahren hat durch das Aufkommen von den generativen Modellen.

00:01:38: Und ich glaube KI ist weit aus mehr.

00:01:40: KI kann auch sozusagen nach den jeweiligen Zwecken und Techniken unterschiedlich organisiert werden, wie beispielsweise Ansätze des Maschinen-Learnings, die auch schon lange beforst werden.

00:01:56: Und ich denke schon, dass wir uns darüber klar sein müssen, was wir da eigentlich unter KI verstehen und das wird immer noch heiß diskutiert, auch im Alltag oder auch in der Wissenschaft, was eigentlich KI... ja auch besonders macht beziehungsweise, wie KI sich auch weiterentwickelt.

00:02:12: Und das, was wir gerade so im Alltag auch vor allen Dingen nutzen, beispielsweise ChatGPT, sind ja vor allen Dingen generative KI-Modelle, die nicht explizit für Bildungszwecke programmiert wurden.

00:02:25: Und wir müssen uns darüber schon bewusst sein, dass das kommerzielle Systeme sind, die wir beispielsweise einsetzen im schulischen Kontext.

00:02:34: Und dementsprechend sollten wir schon überlegen, wie wir das Ganze didaktisch irgendwie implementieren können in den Unterricht und das auch transparent machen, dass das eben keine Modelle sind für Bildungszwecke.

00:02:46: Die Zukunft wird zeigen, ob wir sozusagen KI-Systeme explizit für Bildung, Unterricht oder auch die Wissenschaft konzipieren können, sodass dort auch natürlich auch eine Spezifizierung im KI-Bereich für die Bildung entsteht.

00:03:01: In welchem Bereich sind wir denn jetzt bei den Beispielen, die ihr uns mitbringt, sind wir da auch eher im Bereich der generativen Modelle, sind wir da beim Machine Learning, was verwenden wir denn da?

00:03:11: Genau, also vorrangig spezifizieren wir uns oder beziehen wir uns auf generative KI, weil das natürlich gerade so omnipräsent ist, dass viele, viele Lernende, aber auch Lehrkräfte vorrangig generative KI einsetzen.

00:03:28: Und deswegen haben wir auch gedacht, okay, es wäre schon cool, das vorrangig auch zu nutzen, um da auch eine Transparenz zu schaffen, zum einen was die Systeme leisten können, was sie eben auch nicht leisten können und wie das auch explizit den Fachunterricht Biologie eingesetzt werden kann.

00:03:44: Aber mit Blick auch auf bestehende Systeme, wo sie vielleicht nicht ganz sofort ersichtlich sind, die sogenannten KI-Systeme, gibt es auch in Bestimmungs-Apps beispielsweise Maschinen-Learning-Ansätze, die im Hintergrund laufen und die sozusagen implizit ganz selbstverständlich genutzt werden.

00:04:04: Und wo man sich das eben nicht bewusst vor Augen führt, dass das auf Maschinen-Learning-Ansätze basiert.

00:04:08: Ich glaube,

00:04:09: auch viele, wahrscheinlich Leute, die jetzt zuhören, haben auch schon mal diese Bestimmungseif verwendet und können sich das gut vorstellen.

00:04:14: Ja, ist eigentlich eine ganz coole Sache.

00:04:16: Könnte man vielleicht auch mal mit Schüler in einsetzen.

00:04:19: Und jetzt denke ich, sonst bei KI unterricht immer erst mal so einen Klassiker.

00:04:23: Ich schreibe einen Aufsatz, ich lass den korrigieren und das ist ja etwas, was ich im Biologieunterricht jetzt nicht so oft brauche, weil ich schreibe nicht so oft Aufsätze.

00:04:31: Was sind so typische Möglichkeiten, wie man KI im Bierunterricht einsetzen kann?

00:04:36: Auch da wieder sozusagen mit der Vorsicht, was wir jetzt wiederum unter KI verstehen.

00:04:42: Wir haben ja unterschiedliche Modelle, die wir unterschiedlich nutzen können.

00:04:45: Und neben den Bestimmungs-Apps beispielsweise, wo wir vor allen Dingen auf fotografischer Basis die... Organismen identifizieren können, wird vor allen Dingen auch mit Blick auf die Kompetenzbereiche es unterschiedliche Potenziale geben, beispielsweise um generative KI beim Forschen und Lernen im Bereich der Erkenntnisgewinnung einzusetzen, um beispielsweise Experimentier-Designs im kreativen, kurkonstruktiven Prozess zu entwickeln, Daten zu analysieren, vor allen Dingen viele Datensätze sozusagen gezielt auszuwerten.

00:05:26: Denn das sind zum Beispiel Stärken von generativer KI, von sogenannten großen Sprachmodellen, da sie auf Basis von großen Datensätzen im Endeffekt agieren und so auch mit vielen Daten.

00:05:40: beim Experimentieren zum Beispiel umgehen.

00:05:42: Hast du ein Beispiel auch, wie das aussehen könnte, wenn ich jetzt in Forschung lernen drin bin und denke, ich weiß gar nicht, wie ich mein Experiment anfangen soll.

00:05:50: Wie könnte KI dann da konkret mir helfen?

00:05:52: Genau, also wir könnten zum Beispiel KI nutzen, um überhaupt erst mal eine Fragestellung zu entwickeln.

00:05:58: Wir könnten ein Sprachmodell nutzen, die beispielsweise Chatchapiti oder die SchulKI, um in einen kreativen, krokonstruktiven Prozess einzutreten, um eine konkrete Fragestellung zu identifizieren.

00:06:12: Und in der Planungsphase eines Experimentes könnte mir auch KI zum Beispiel Hilfestellungen geben, welche Materialien ich auswählen sollte oder was ich benötige oder wie mein Design aussieht, um dieser Fragestellung auf den Grund zu gehen.

00:06:27: Und mit Blick auf die tatsächliche Durchführung können wir natürlich auch KI nutzen, um Experimente.

00:06:34: komplett digital im Sinne eines Gedankenexperiments oder im Blick auf Demulierung durchführen zu lassen.

00:06:42: Also KI könnte uns auch sozusagen das tatsächliche Experimentieren in Anführungsstrichen abnehmen, weil wir vielleicht beispielsweise Szenarien simulieren, die wir in realen Leben nicht umsetzen können.

00:07:00: Wo ich immer ein bisschen vorsichtig bin, ist vor allen Dingen mit Blick auf die Interpretation von Daten, denn die große Sprachmodelle sind nicht dazu geeignet, wirklich fachwissenschaftliche Analysen auf den Datenbasieren zu legen, sondern sie können eher eine Unterstützung sein, die Daten zu analysieren, um sie dann eigenständig im Endeffekt mit fachwissenschaftlichen Konzepten zu vernetzen.

00:07:24: Hast du auch ein Beispiel dafür, was könnte denn zum Experiments sein, dass man gar nicht im krassen Zimmer darstellen könnte.

00:07:30: Da kann man auch ein bisschen in die Breite mal schauen.

00:07:33: Also eines der bekanntesten Vertreter ist ja Alpha Fold, was auch sozusagen die Gruppe darum den Nobelpreis eingefahren hat.

00:07:42: Und das ist natürlich schon ziemlich irre, wenn man sieht, dass Modelle im Endeffekt beispielsweise unterschiedliche Proteine synthetisieren können.

00:07:51: Und das in einer Zeit, in einer Geschwindigkeit, die wir eben gar nicht eigenständig leisten können.

00:07:58: Und wenn wir natürlich jetzt beispielsweise Experimente haben, die wir auch im schulischen Alltag so in den Blick beispielsweise auf Gefahrenstoffen nicht umsetzen können, dann kann man hier natürlich auf KI-Modelle zurückgreifen, die vielleicht nicht spezifisch für diesen Fachkontext sind, aber im Endeffekt genug Informationen gefüttert bekommen, um dann eigentlich diese Experimente auch durchführen zu können.

00:08:25: Weil sie beispielsweise die Zusammenhänge oder Relation dieser Stoffe im Endeffekt einschätzen können, würde ich jetzt mal sagen in Anführungsstrichen gesetzt.

00:08:38: Und was natürlich auch ein Ansatz wäre, was man auch überlegen kann, nicht nur immer das Experiment per sie auszulagern, sondern vielleicht auch die Systeme zu nutzen, um eine Vergleichbarkeit zu schaffen.

00:08:51: Also ich selbst führe das beispielsweise mit meinen Lernenden durch.

00:08:56: Ein Beispiel wäre die Abhängigkeit der Photosynthese Rate von der Lichtstärke und das System, welches ich nutze, würde genau derselben Fragestellung nachgehen und eben dieses Experiment simulieren.

00:09:11: Und ich kann dann die Ausgabe nutzen dieser Systeme, um beispielsweise meine Ergebnisse mit dem modellierten Experiment auch zu vergleichen und so einfach auch eine höhere Aussagekraft vielleicht zu generieren.

00:09:23: Da

00:09:24: kommt ja auch so ein bisschen zu dem Punkt, da muss man ja auch immer so ein bisschen Angst haben, stimmt das überhaupt, was ich am Ende raus bekomme?

00:09:29: Weil KI macht ja natürlich auch viele Fehler, gerade generative KI und fast doch schlimmer sozusagen als bei Texteingaben ist ja, wenn ich dann in die Bild- und Videogenerierung gehe.

00:09:42: Aber soweit ich gesehen habe, gibt es auch Möglichkeiten, dass man produktiv damit umgeht.

00:09:46: Ja, absolut.

00:09:48: Also auch hier, der Fehlerbegriff ist natürlich erst mal ein großes Wort.

00:09:52: Natürlich sind diese Systeme fehleranfällig und sie hallucinieren, sie haben Biasis inne und das muss sich mir auch bewusst machen, dass natürlich diese Systeme nicht allwissend sind, wie sie oft im Endeffekt verschrien werden.

00:10:06: Deswegen da auch nochmal dahin war es einfach, das hier auch zu überlegen.

00:10:11: bietet mir diese Fehler Anfälligkeit nicht auch eine Lerngelegenheit, also auch darüber zu reflektieren, die Grenzen aufzuzeigen und auch das zu nutzen, jemand anderes stellvertretend zu kritisieren.

00:10:25: Weil im Endeffekt eigenständig sich Fehler einzugestehen, ist immer schwieriger, als wenn ich einen anderen sozusagen kritisieren muss und dort sein muss, das hast du vielleicht nicht ganz so richtig gemacht, das sollte man dahin gehen verbessern.

00:10:39: Und deswegen können auch Fehler hier ein Potenzial sein, ein Lernanlass sein, darüber ins Gespräch zu kommen, sowohl aus der fachlichen Perspektive als auch sozusagen aus der Perspektive Lernen über KI.

00:10:53: Also, dass wir nicht nur mit KI lernen, sondern auch verstehen, was im Endeffekt dieses Thema leisten können.

00:10:58: Ja, genau.

00:10:59: Wie du sagst, das ist ja auch nicht nur, dass man ungerstlich selbst Fehler eingesteht, sondern es ist ja auch übel, peinlich, wenn dann eine Zeichnung vom Lehrer rausgezogen wird.

00:11:08: vorne anprojizieren und alle sollen jetzt mal rauspicken, was da alles schief gelaufen ist, dass es ja auch sehr peinlich für den Schüler, der es gezeichnet hat, dann ist das natürlich eine gute Alternative.

00:11:19: Dann ist hier doch so ein bisschen die Frage, wie sollen sie ein falsches Bild angucken?

00:11:25: Da hätte ich ja fast schon Angst, dass sie sich was Falsches merken, was nicht besser in einfach nur ein korrektes Bild zu zeigen.

00:11:31: Ja, also erst mal muss ich mich fragen, wie ich dieses Bild entstand.

00:11:35: Und dieses Bild, wenn ich es beispielsweise über generative KI erzeuge, dann habe ich einen textbasierten Prompt.

00:11:41: Und dieser textbasierte Prompt kann ja beispielsweise auch fehleranfällig sein oder sehr uneindeutige Wörter beinhalten, womit beispielsweise das System nicht wirklich umgehen kann.

00:11:55: Und dementsprechend würde ich immer erst mal schauen, Was war eigentlich die Eingabe?

00:11:59: Was ist eigentlich der Prompt und wo will dieser Prompt eigentlich hin?

00:12:03: Und dann ist es cool, diesen Prompt dann mit der Ausgabe zu vergleichen.

00:12:08: Also nicht nur das, was ich dem System gesagt habe, was er tun soll, sondern was tatsächlich auch erzeugt wurde.

00:12:15: Und hier können auch ganz große Unterschiede.

00:12:18: sichtbar werden.

00:12:18: Und das wird vor allen Dingen in konkreten fachwissenschaftlichen Kontexten sichtbar.

00:12:23: Also diese Systeme können schon sehr gut alltägliche Bilder und Videos erzeugen, die ja, sag ich mal, dem Geist der Gesellschaft entsprechen.

00:12:34: Und umso fachlicher wir werden, also umso tiefer wir auch in dieses Fachbiologie gehen, dass so Stärke kommt das System an seine Grenzen in der Erzeugung der bildlichen Materialien.

00:12:49: Und das wird ganz explizit beispielsweise in der Genetik ersichtlich oder in Zusammenhängen von Ökosystemen, dass da die KI im Endeffekt nicht konkrete Bilder erzeugen kann, weil sie gar nicht weiß, was damit gemeint ist.

00:13:03: Also wenn wir ihr das so zusammenzusprechen wollen.

00:13:08: Und wie geht man da damit um?

00:13:10: Das kann erstmal auch ein guter Impuls sein, zu verstehen, dass die Dinger eben nicht allwissend sind, dass sie nicht alles leisten können, um das auch wieder als Lernanlass zu nehmen, über KI zu reflektieren.

00:13:22: Und zum anderen kann es auch dazu führen, dass wir diese Bilder jetzt überarbeiten, um sie fachlich korrekt zu machen und da unser konzeptionelles Wissen anwenden.

00:13:33: Und das wiederum gleichzeitig ein Lernanlass ist, der vielleicht vorher so in dem Ausbau ist, doch nicht möglich war im Fachunterricht zu implementieren.

00:13:43: Ich glaube, da heißt auch ganz oft für die Schüler so, die gucken sich das Bild kurz an im Schub und dann ja, ja, ja, hab ich verstanden.

00:13:49: Aber natürlich, wenn sie da mal wirklich versuchen müssen, selbst so eins zu erzeugen, dann merken sie erst, oh, vielleicht verstehe ich doch gar nicht alle, ich zusammenhänge so ganz.

00:13:58: Ja, dann kommen wir schon zum letzten Punkt.

00:13:59: Also ein ganz wichtiges Thema für uns Biologen ist ja immer die Nachhaltigkeit und da hat KI alleine nachweislich negativen Einfluss auf die Umwelt.

00:14:07: Wie lässt sich das dann damit vereint, schön zu ermutigen KI im Unterricht zu benutzen?

00:14:11: Wie sollten wir damit umgehen?

00:14:13: Ich weiß gar nicht, ob wir Lernende dazu ermutigen müssen, weil ich glaube, dass sie das in ihrem privaten Alltag sowieso ständig nutzen, denn KI steckt mittlerweile überall.

00:14:24: also wir leben in einer KI geprägten Welt.

00:14:27: Und egal, ob ich jetzt mittlerweile auch eine Google Suche anstrebe, habe ich dort schon einen KI-Plug in der mir im Endeffekt schon Dinge zusammenfasst, um mir das Suchen zu erleichtern.

00:14:39: Also von daher stellt sich für mich gar nicht die Frage, wie wir Lernende dazu ermutigen, sondern wie wir Lernende dazu befähigen, reflektiert und zielgerichtet die KI-Systeme zu nutzen.

00:14:52: Denn ja, KI-Systeme benötigen vor allen Dingen in der Erstellung enorm viel, sage ich mal Stromkapazitäten, aber auch Ressourcen in Bezug auf die Hardware beispielsweise, CPU Ships etc.

00:15:12: Aber die Nutzung selbst kostet natürlich auch enorm viel, natürlich nicht im Verhältnis gesetzt, aber deswegen würde ich dazu ermutigen eher zu überlegen, wann macht es Sinn, ein KI-System zu nutzen, auf diese Ressourcen auch in Kauf zu nehmen, die ich... brauche und wann ist es vielleicht eher mal nicht notwendig.

00:15:35: Ein gutes Beispiel ist immer so, dass beispielsweise Chatchy Pity genutzt wird, um Synonyme mehr ausspucken zu lassen, wenn ich ein Text verfasse.

00:15:44: Und das kann aber ganz genauso gut über Web-Applikationen sein, die ich über eine Google-Suche finde und die weit aus weniger Strom verbraucht.

00:15:53: Also da einfach ein Verständnis dafür zu entwickeln, für welche komplexen Aufgaben ich das Thema nutzen soll und für welche einfachen Aufgaben, ich vielleicht eher auf traditionelle Bewerte, Systeme zurückgreife, um vielleicht meinen Arbeitsprozess zu unterstützen.

00:16:10: Und ich glaube nicht, dass es dazu führen wird, dass Lernende das nicht mehr nutzen, sondern dass man eher darauf auch gedanklich weitergehen muss, ist es immer wichtiger, höher, schneller weiterzudenken?

00:16:25: oder sollten wir nicht eher immer die einfache Lösung.

00:16:31: gezielt für meine Aufgabenstellung sozusagen zu wählen.

00:16:35: Und natürlich ist es bequem mit einem Chatbot sozusagen zu interagieren anstatt vielleicht eine gezielte Google Suche anzuwenden.

00:16:44: Sie haben so ein bisschen wie die Frage, soll ich mit dem Auto zum Supermarkt um die Ecke fahren?

00:16:50: Eigentlich nicht, wenn man es vermeiden kann.

00:16:52: Aber natürlich heißt das nicht, dass wir das Auto gar nicht verwenden dürfen.

00:16:55: Aber man muss halt überlegen, wann ist es sinnvoll und wann kann ich vielleicht auch zu Fuß dahin gehen.

00:17:01: Absolut.

00:17:02: Okay,

00:17:03: dann zum Wasch am Ende.

00:17:04: Danke, dass du da warst.

00:17:06: Und damit können wir euch zu Ihnen dann mitgeben, unsere Top-Tipps für den Unterricht.

00:17:10: Einmal natürlich können wir KI-Tools nicht nur für Feedbacks oder auch zum Experimentieren einsetzen.

00:17:16: Beispielsweise findet ihr eine Ausgabe, ein paar Ideen, wie zum Beispiel die Aktivität von... Hefe in Bezug auf ihre Umgebungstemperatur erforschen können.

00:17:25: Und da ein paar Anrego wie kann KI Schülerinnen unterstützt, Hypotesen zu entwickeln, die Experimente zu planen und die Daten auszuwerten.

00:17:33: Wie gut funktioniert das?

00:17:34: Wo stößt die Technik an die Grenzen?

00:17:37: Zweiter großer Tipp von heute waren ja die Fehler in den KI-Bilder finden.

00:17:41: Auch da findet ihr einige Anrego in der Ausgabe zum Einsatz von bildgenerierender KI zum Beispiel zum Kohlenstoff und Sauerstoffkreislauf im Ökosystem C. Wo ja auch so schön sehen können, KI Bilder können das lernen erleichtern, aber nur wenn sie Fehler erkennen, wenn Schüler Fehler erkennen und korrigieren.

00:17:58: Und zuletzt haben wir noch so ein bisschen darüber gesprochen, dass KI sowohl Chancen bietet, wie auch natürlich Probleme.

00:18:05: Und auch dafür dann in der Ausgabe einige Anregungen dazu.

00:18:10: wo Chancen und Gefahren von generativer KI bestehen.

00:18:13: Einmal dieses sogenannte Black Box Problem.

00:18:15: Was ist das?

00:18:16: Was bedeutet das?

00:18:17: Was ist eine Bayes?

00:18:18: Und natürlich auch mehr Informationen zum Energieverbrauch, so dass in der Lage seid, mit den Schülern darüber zu diskutieren, wie man verantwortungsvoll mit KI umgeht und wann man vielleicht zu Fuß gehen sollte.

00:18:29: Wenn es euch interessiert hat, dann findet ihr alles dazu in der Ausgabe Künstlich-Ligenz von Unterricht Biologie verschieden im Friedrichverlag.

00:18:41: Das war Einfach Unterrichten, der Podcast

00:18:45: von Friedrich Plus

00:18:46: aus dem Friedrich-Verlag.

00:18:48: Wir bringen innovativen Unterricht für Lehrkräfte

00:18:51: auf den Punkt.