Zum Inhalt springen

103: Wenn KI überzeugend klingt – Was drei Podcast-Experimente über das Lernen verraten

    Eine KI erklärt geduldig, antwortet flüssig und findet fast immer eine passende Formulierung. Doch woran erkennen wir, ob ihre Antwort auch trägt? Drei Podcast-Pilotfolgen liefern einen interessanten Ausgangspunkt für eine Frage, die mich in meinen Trainings zu „KI in der Erwachsenenbildung“ beschäftigt: Wie lernen wir, KI-Antworten fachlich zu beurteilen?

    Stellen wir uns eine Weiterbildung vor. Eine Teilnehmerin lässt sich einen schwierigen Sachverhalt von einer KI erklären. Die Antwort ist übersichtlich, das Beispiel anschaulich, der Ton ermutigend. «Jetzt habe ich es verstanden», sagt sie.

    Vielleicht stimmt das. Vielleicht hat sie aber auch eine Erklärung erhalten, die sich gut liest, plausibel erscheint aber gleichzeitig einen entscheidenden Zusammenhang auslässt. Hier beginnt die didaktische Arbeit: beim Unterschied zwischen dem Eindruck, etwas verstanden zu haben, und der Fähigkeit, es selbst zu erklären, zu prüfen und anzuwenden.

    Ein Podcast-Experiment von Lukas Spahlinger, Christian Gisinger und Frank Schlegel macht diese Spannung zum Gegenstand. Spahlinger beschreibt das Vorhaben in seinem Beitrag «Gespräche mit einer KI – wie aus drei Pilot-Folgen für einen Podcast eine Methode wurde». Die Beteiligten erprobten KI in unterschiedlichen Rollen und verbanden die Gespräche mit fachlicher Einordnung.

    Mich interessiert daran besonders die Lernanordnung. Sie verbindet eigenes Erleben mit einer Überprüfung der eigenen Einschätzung. Daraus lässt sich für die Erwachsenenbildung einiges entwickeln.

    Drei Rollen, drei unterschiedliche Prüfsteine

    In den drei Pilotfolgen ging es um Ethik, Mathematik und Faktenprüfung. Diese Auswahl ist aufschlussreich, weil «gute Antworten» in jedem dieser Bereiche etwas anderes leisten müssen.

    1. Ethik: Was erfahren wir, wenn eine KI über sich selbst spricht?

    Die erste Folge befasste sich mit den ethischen Leitlinien und Grenzen von ChatGPT. Das wirft eine grundlegende Frage auf: Welchen Erkenntniswert hat es, ein System nach den Regeln seines eigenen Handelns zu fragen?

    Eine sprachlich schlüssige Antwort ist zunächst eine Aussage des Systems. Sie belegt noch nicht, dass sein Verhalten in unterschiedlichen Situationen dieser Aussage entspricht. Für eine Bildungssequenz wäre deshalb interessant, die formulierten Grundsätze anschliessend an konkreten Fällen zu prüfen: Bleibt die Antwort konsistent? Was geschieht, wenn zwei Werte miteinander in Konflikt geraten?

    Didaktisch liegt die Chance darin, zwischen einer Selbstdarstellung und beobachtbarem Verhalten unterscheiden zu lernen. Diese Unterscheidung brauchen wir übrigens auch bei Organisationen, Leitbildern und politischen Versprechen.

    Welche Aussagekraft haben die Antworten einer KI über ihre eigenen ethischen Leitlinien? Erste Pilotfolge des Projekts von Spahlinger, Gisinger und Schlegel.

    2. Mathematik: Eine richtige Lösung ist noch kein Lernerfolg

    In der zweiten Folge wurde KI als Mathe-Nachhilfe erprobt. Ein Mathematiklehrer ordnete das Gespräch anschliessend fachlich ein.

    Für mich stellt sich hier neben der Frage nach der Richtigkeit eine zweite: Was tut die lernende Person während des Gesprächs? Entwickelt sie eigene Lösungsschritte? Erkennt sie einen Denkfehler? Oder verfolgt sie lediglich eine überzeugende Erklärung?

    Wer eine vorgeführte Lösung nachvollziehen kann, muss eine ähnliche Aufgabe noch nicht selbstständig bewältigen können. Für die Erwachsenenbildung ist das unmittelbar relevant: Auch beim Lernen von Gesprächsführung, Projektmanagement oder betrieblichen Abläufen kann eine gute Erklärung den Eindruck von Sicherheit erzeugen, bevor Handlungskompetenz entstanden ist.

    Eine mögliche Ergänzung des Experiments wäre deshalb eine neue Aufgabe, die ohne KI bearbeitet wird. Erst dann liesse sich genauer beobachten, was von der Unterstützung beim Lernenden angekommen ist.

    Fachlich richtig, verständlich und lernförderlich sind unterschiedliche Qualitätsmerkmale. Die zweite Pilotfolge erprobte KI als Lernbegleitung.

    3. Faktenprüfung: Wer überprüft die Überprüfung?

    Die dritte Folge untersuchte gemeinsam mit einer auf Faktenchecks spezialisierten Journalistin, wie KI Informationen prüft und begründet.

    Hier wird eine besondere Schwierigkeit sichtbar: Wir suchen Unterstützung, weil wir eine Behauptung nicht sicher beurteilen können. Anschliessend müssen wir einschätzen, ob die erhaltene Überprüfung verlässlich ist. Die ursprüngliche Unsicherheit verschiebt sich damit auf eine neue Ebene.

    Für eine Lernsequenz reicht deshalb die Frage «Ist das wahr?» kaum aus. Interessanter wird es, wenn Teilnehmende nachvollziehen, welche Belege eine Aussage tragen: Ist eine angeführte Quelle auffindbar? Stützt sie tatsächlich die Behauptung? Welche Unsicherheit bleibt bestehen?

    Eine KI kann bei dieser Arbeit unterstützen. Die Qualität der Prüfung muss sich aber an den nachvollziehbaren Belegen messen lassen.

    Wie belastbar sind die Belege hinter einer überzeugenden Antwort? Die dritte Pilotfolge widmete sich der Faktenprüfung.

    Der wichtigste Lernmoment liegt zwischen zwei Urteilen

    Aus dem Podcast-Vorhaben entstand laut Spahlinger die Idee einer Bildungsmethode: Teilnehmende führen selbst ein KI-Gespräch, halten ihre Einschätzung fest und gleichen diese anschliessend mit fachlicher Expertise ab.

    Für mich liegt der didaktische Kern im zeitlichen Abstand zwischen diesen beiden Einschätzungen. Wer vor dem Gegencheck festhält, warum eine Antwort überzeugend wirkt, kann später die eigenen Bewertungskriterien untersuchen.

    War es das anschauliche Beispiel? Die klare Gliederung? Der sichere Ton? Oder konnte ich die Aussage tatsächlich fachlich prüfen?

    So wird neben der KI auch das eigene Urteilen zum Lerngegenstand. Das kann irritieren. Gerade deshalb braucht es eine Lernatmosphäre, in der eine vorschnelle Einschätzung offen besprochen werden kann. Wer befürchten muss, blossgestellt zu werden, wird seine ursprüngliche Sicherheit kaum ehrlich dokumentieren.

    Didaktische Reduktion: Was darf weg – und was muss bleiben?

    Bei diesem Experiment denke ich auch an mein Kernthema, die didaktische Reduktion. KI kann Inhalte auf Wunsch kürzen, vereinfachen und in Beispiele übersetzen. Ob dabei das Wesentliche erhalten bleibt, ist eine didaktische und fachliche Frage.

    Eine reduzierte Erklärung muss für eine bestimmte Zielgruppe und ein bestimmtes Lernziel tragfähig sein. Sie darf Einzelheiten weglassen. Sie sollte aber keine Vorstellung erzeugen, die beim nächsten Anwendungsschritt in die Irre führt.

    Für Trainings ergibt sich daraus eine ergiebige Aufgabe: Teilnehmende lassen denselben Sachverhalt für Einsteigerinnen und für erfahrene Fachpersonen erklären. Anschliessend prüfen sie, welche Unterschiede sinnvoll sind und wo die Vereinfachung einen wichtigen Zusammenhang beschädigt.

    Die leitende Frage lautet dann: Was müssen Lernende verstehen, damit sie mit dieser Erklärung sinnvoll weiterarbeiten können?

    Wie ich die Idee für die Erwachsenenbildung weiterdenken würde

    Für eine eigene Umsetzung würde ich eine überschaubare Aufgabe aus der beruflichen Praxis wählen und die Bewertungskriterien vorher klären. Beispielsweise: Ist die Antwort fachlich stimmig? Ist sie für die konkrete Situation brauchbar? Hilft sie beim selbstständigen Weiterdenken?

    Ein möglicher Ablauf für eine 45-minütige Sequenz wäre:

    1. Aufgabe und Kriterien klären – 5 Minuten. Die Gruppe erhält einen konkreten Fall mit einem überprüfbaren Kern.
    2. Das KI-Gespräch führen – 10 Minuten. Die Teilnehmenden fragen nach, ergänzen Kontext und dokumentieren die Antworten.
    3. Das eigene Urteil festhalten – 5 Minuten. Was würde ich übernehmen? Wie sicher bin ich? Worauf stütze ich meine Einschätzung?
    4. Fachlich gegenprüfen – 15 Minuten. Eine qualifizierte Person oder geeignete Referenzmaterialien helfen, Aussagen, Auslassungen und Begründungen zu untersuchen.
    5. Eine Konsequenz formulieren – 10 Minuten. Was werde ich bei einer vergleichbaren Aufgabe künftig anders prüfen?

    Das ist mein Vorschlag zur Weiterentwicklung, kein berichteter Ablauf der drei Pilotfolgen. Entscheidend wäre für mich, dass die fachliche Prüfung begründet und nachvollziehbar bleibt. Auch ein Expertenurteil sollte Rückfragen zulassen.

    Was das Experiment zeigen kann – und was offenbleibt

    Drei Pilotfolgen liefern anschauliches Material für die Bildungsarbeit. Einen allgemeinen Leistungsnachweis für KI oder einen Wirksamkeitsnachweis für die daraus entwickelte Methode liefern sie nicht. Dafür bräuchte es systematische Vergleiche und eine Untersuchung dessen, was Teilnehmende tatsächlich lernen.

    Hinzu kommt: Ergebnisse hängen von der konkreten Aufgabe, dem verwendeten System und dem Gesprächsverlauf ab. Für eigene Durchführungen würde ich deshalb Datum, System und Aufgabenstellung dokumentieren. Das macht spätere Vergleiche aussagekräftiger.

    Spahlinger beschreibt ausserdem den Produktionsaufwand und die schnelle technische Entwicklung als Herausforderungen des Podcastformats. Die Übertragung in eine Lernsequenz erscheint mir gerade deshalb interessant: Die Teilnehmenden können mit den jeweils verfügbaren Systemen arbeiten und ihre Beobachtungen gemeinsam prüfen.

    KI-Kompetenz braucht Gelegenheiten zum begründeten Zweifeln

    Als Erwachsenenbildner und Podcasthost spricht mich an diesem Vorhaben an, dass ein Gespräch zum Ausgangspunkt gemeinsamen Lernens wird. Dabei darf etwas offenbleiben. Eine Irritation kann produktiver sein als eine makellose Demonstration.

    Für unsere Bildungsarbeit ergibt sich daraus ein konkreter Auftrag: Lernende brauchen Gelegenheiten, ihre Einschätzungen zu formulieren, zu überprüfen und zu verändern. Dafür müssen wir Zeit, fachliche Bezugspunkte und einen geschützten Raum für Irrtümer einplanen.

    Eine gute Frage an KI zu stellen, ist ein Anfang. Die weiterführende Bildungsfrage lautet: Woran erkenne ich, ob ich mit ihrer Antwort verantwortungsvoll weiterarbeiten kann?


    Ressourcen:

    Lukas Spahlinger, 29.09.26: Gespräche mit einer KI – wie aus drei Pilot-Folgen für einen Podcast eine Methode wurde. https://erwachsenenbildung.digital/gespraeche-mit-einer-ki-wie-aus-drei-pilot-folgen-fuer-einen-podcast-eine-methode-wurde/

    Kommentar

    Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert