Schlüsselbegriffe
Verstehen ist die wichtigste Grundlage
Autor Manfred Hofferer & Team Bildungspartner Österreich, © BPÖ 2025
Künstliche Intelligenz (KI) durchdringt aktuell alle Lebensbereiche, von der Forschung, der Medizin und Therapie bis zur Bildung. Genauso ist sie in der täglichen Jugend- und Erwachsenenbildung angekommen: nicht nur als Thema, sondern als (leider immer noch wenig reflektiertes) Werkzeug. Wer heute KI in der Bildungsarbeit reflektiert oder einsetzt, muss zentrale Begriffe und Konzepte kennen und einordnen können.
Was ist Künstliche Intelligenz (KI)?
KI bezeichnet allgemein Computersysteme, die Aufgaben ausführen, für die normalerweise menschliche Intelligenz erforderlich ist: bspw. Mustererkennung, Sprachverarbeitung oder Problemlösen. Aber diese Systeme agieren nicht im psychologischen Sinne "intelligent", nein, sie arbeiten auf Basis von vorgegebenen Regeln oder/und datengetriebenen Verfahren. Wichtig ist in jedem Fall die Unterscheidung zwischen regelbasierten Systemen und lernenden Systemen wie dem Maschinellen Lernen.
Maschinelles Lernen (ML): Lernprozesse für Maschinen
ML ist ein spezifisches Teilgebiet der KI, bei dem Systeme Muster in Daten erkennen und daraus Verallgemeinerungen ableiten. Anstelle das sie programmierte Anweisungen befolgen, passen sich diese Systeme, bspw. bei einem Spamfilter, anhand vieler Beispiele laufend selbstständig an. ML braucht strukturierte Daten und vorweg klar definierte Ziele. Das System "lernt" nicht eigenständig und autonom, sondern optimiert Entscheidungen anhand statistischer Korrelationen. Typische Lernformen sind:
- Überwachtes Lernen: Lernen mit vorgegebenen Antworten (Labels), z. B. bei der automatisierten Korrektur von Übungsaufgaben mit bekannten Lösungen
- Unüberwachtes Lernen: Clustering ohne Labels, z. B. zur Gruppierung von Lernenden nach ähnlichem Lernverhalten auf einer Lernplattform
- Bestärkendes Lernen: Lernen durch Belohnung und Strafe in simulierten Umgebungen, z. B. beim Training eines virtuellen Tutors, der durch Feedback lernt, passende Hilfestellungen zu geben
Deep Learning: Lernen mit neuronalen Netzen
Deep Learning ist dagegen eine Methode des ML, die auf künstlichen neuronalen Netzen basiert. Diese bestehen aus vielen Schichten vernetzter Einheiten (sog. "Neuronen") und verarbeiten Daten in mehreren Abstraktionsebenen. Die Struktur ist zwar vom menschlichen Nervensystem inspiriert, funktioniert jedoch grundlegend anders. Deep Learning hat zu großen Fortschritten in Bereichen wie Bilderkennung, Sprachverarbeitung oder Videoanalyse geführt. Die Kehrseite dieser Spielart ist, dass sie eine hohe Rechenlast braucht und schwer durchschaubare Entscheidungsprozesse (Black Box) hat. In der Bildungsarbeit wird Deep Learning bspw. eingesetzt, um gesprochene Sprache automatisch zu transkribieren, Inhalte in Videos zu analysieren oder Lernmaterialien mit automatisch generierten Bildbeschreibungen barrierefrei zugänglich zu machen.
Generative KI: Inhalte neu zusammensetzen
Generative KI (GAI) erzeugt neue Inhalte, Texte, Bilder oder Musik, durch statistisches Kombinieren von bereits gelernten Mustern. Sie kopiert nicht (versucht das zumindest), sondern generiert Neues auf Basis von Wahrscheinlichkeiten. In der Bildung kann GAI kreative Prozesse unterstützen, z. B. bei Textentwürfen oder Simulationen. Kritisch dabei ist, dass die Ergebnisse plausibel wirken, aber faktisch verzerrt oder gänzlich falsch sein können. Reflexion und Kontextualisierung sind daher in diesem Bereich eine zentrale Aufgabe.
Large Language Models (LLMs): Sprachverstehen durch Statistik
LLMs wie ChatGPT sind große generative Modelle, die auf Sprachverarbeitung spezialisiert sind. Sie wurden und werden mit gewaltigen Textmengen trainiert und berechnen das wahrscheinlichste nächste Wort in einem gegebenen Kontext. Wichtig zu wissen ist, dass sie kein Faktenwissen speichern, sondern lediglich sprachliche Muster abbilden. Dennoch können die die LLM-Modelle in der Bildungsarbeit beim Formulieren, Zusammenfassen oder Strukturieren von Texten helfen. Voraussetzung: Wissen um ihre Möglichkeiten und Grenzen dieser Systeme.
Begriffe im Kontext verstehen
- Natural Language Processing (NLP): Analyse und Erzeugung von Sprache durch Computer, z. B. zur automatischen Transkription von Interviews oder für sprachgesteuerte Lernassistenten in der Erwachsenenbildung.
- Computer Vision: Auswertung visueller Daten, z. B. zur Bildanalyse bei interaktiven Lernaufgaben oder zur automatischen Auswertung von Präsentationsfolien in Onlinekursen.
- Reinforcement Learning: Lernen durch Belohnungssysteme, z. B. bei simulationsbasierten Trainings in der beruflichen Weiterbildung, in denen Lernende Feedback für Handlungsauswahlen erhalten.
- Prompt Engineering: Bewusstes Formulieren von Eingaben an generative Systeme, z. B. beim gezielten Einsatz von Chatbots zur Textüberarbeitung oder Materialerstellung im Unterricht.
Bedeutung für die Jugend- und Erwachsenenbildung
KI-Systeme eröffnen in der Bildungsarbeit neue Wege der Unterstützung, Individualisierung und Automatisierung von Lernprozessen. In der Erwachsenenbildung können z. B. digitale Assistenten beim Verfassen von Texten helfen, automatische Transkriptionen vornehmen, Seminare und Veranstaltungen dokumentieren oder auf Lernplattformen Inhalte gezielt an den Lernfortschritt anpassen.
Gleichzeitig verändert sich die Rolle von Lehrenden: Sie begleiten zunehmend den reflektierten Umgang mit KI-Anwendungen, anstatt ausschließlich Inhalte zu vermitteln. Lernende wiederum benötigen Kompetenzen, um KI-basierte Werkzeuge sicher und kritisch nutzen zu können. Dazu zählen das grundlegende und Verständnis von Funktionsprinzipien ebenso wie ethische Sensibilität und Medienkompetenz.
Die Auseinandersetzung mit KI muss daher mehr sein als Techniktraining, sie muss Raum bieten für Begegnung, Diskussion, Bewertung und Gestaltung der gemeinsamen digitalen Transformation im Bildungskontext.
Ausblick: Bildung in einer KI-gestützten Welt
Künstliche Intelligenz wird die Bildungsarbeit langfristig tiefgreifender beeinflussen, als derzeit abseh- und vorstellbar ist. Digitale Lernumgebungen entwickeln sich zunehmend zu datenbasierten, individuell anpassbaren und automatisiert unterstützten Systemen. Lehrende übernehmen dabei verstärkt die Rolle von Moderierenden komplexer Lernprozesse, die durch KI begleitet werden. Für Bildungsinstitutionen bedeutet das, dass sie technologische Entwicklungen beobachten, kritisch bewerten und didaktisch in ihre Lehrarbeit integrieren müssen.
Gleichzeitig ergeben sich auch neue inhaltliche Herausforderungen: Lehrinhalte sind verstärkt auf Herkunft und Qualität zu prüfen, insbesondere bei KI-generierten Beiträgen. Themen wie algorithmische Verzerrungen, Datenschutz, Urheberrecht sowie die Unterscheidung zwischen menschlichen und maschinellen Inhalten gewinnen an Bedeutung.
Ziel ist es, Lernende zu befähigen, KI-Werkzeuge reflektiert zu nutzen und gleichzeitig deren Schwachstellen und Grenzen zu erkennen. KI darf kein Selbstzweck sein, sondern ein Mittel für selbstbestimmtes, verantwortungsvolles Lernen im digitalen Wandel. Dafür braucht es eine interdisziplinäre Perspektive, die pädagogische, psychologische, ethische und gesellschaftliche Aspekte einbezieht. Datenethik, Transparenz und Erklärbarkeit sind zentrale Prinzipien dieser Auseinandersetzung.
Fazit: Wer in der Bildungsarbeit mit KI arbeitet oder über KI aufklärt, muss Begriffe wie ML, Deep Learning oder LLMs verstehen und präzise verwenden, um sie in den Bildungskontext übersetzen zu können. Nur so lassen sich positive Potenziale erschließen und Fehlentwicklungen vermeiden. KI-Kompetenz ist in jedem Fall ein zentraler Teil moderner Lehr- und im Speziellen Medienkompetenz.
Wenn Interesse und Bedarf bestehen, unterstützen wir dich gerne. Reden wir darüber! Unsere Angebote zu diesem Themenbereich: