In diesem Semester untersuche ich gemeinsam mit Studierenden verschiedene Einsatzszenarien von ChatGPT. Insbesondere verwenden wir den Textgenerator in Lehrveranstaltungen, die sich mit den Themen ‚Beratung‘ und ‚Onlineberatung‘ befassen. Einige dieser Anwendungsfälle habe ich bereits in diesem Blog vorgestellt.
Um ChatGPT effektiv nutzen zu können, ist insbesondere die Kompetenz im ‚Prompt Engineering‘ erforderlich. Hierbei handelt es sich um die Fähigkeit, Eingabeaufforderungen an ChatGPT so zu gestalten, dass die vom Bot erzeugten Ergebnisse optimal sind. Das Verfassen von qualitativ hochwertigen Prompts ist vermutlich eine der entscheidenden Kompetenzen, um KI sinnvoll einzusetzen (Eager & Brunton 2023). Es ist meiner Meinung nach eine wichtige hochschuldidaktische Aufgabe, diese Fähigkeit zu vermitteln. Anstatt uns in Diskussionen über potenzielle missbräuchliche Praktiken von Studierenden zu verlieren, sollten wir als Lehrende aufklären, was generative KI ist, wie sie das Lernen und Arbeiten unterstützen kann und wo ihre (ethischen) Grenzen liegen.
Es ist wichtig, aktive Einsatzszenarien zu testen und zu bewerten. Dazu gehört auch, nicht einfach drauflos zu prompten, sondern einen Planungsprozess zu durchlaufen. Dieser Prozess beinhaltet die Beantwortung einiger Fragen, um anschließend einen oder mehrere passende Prompts für ChatGPT zu erstellen.
Ich stütze mich dabei auf die Ausführungen im Artikel „Prompting Higher Education Towards AI-Augmented Teaching and Learning Practice“ von Eager & Brunton. Die Autor:innen beschreiben die verschiedenen Schritte, die beim Erstellen eines Prompts durchlaufen werden sollten. Im Kontext der Onlineberatung könnten diese Schritte beispielsweise so aussehen:
- Ziel definieren: Was erwarte ich von der KI als Ergebnis? (z. B. Feedback zu einer E-Mail-Beratungsantwort)
- Inhaltstyp und Format festlegen: Ich bestimme die Form des Ergebnisses (z. B. fachliches Feedback) und das Format (z. B. ausführlicher Text oder Stichpunktliste).
- Erste Aufforderung formulieren: Ich gebe eine klare Anweisung an das KI-Modell und liefere den notwendigen Kontext, um das gewünschte Ergebnis zu erhalten.
- Erstes Testen/Prototyping: Ich gebe die Aufforderung in das KI-Modell ein und generiere eine erste Ausgabe.
- Reflexion des Ergebnisses: Ich bewerte den von der KI generierten Inhalt im Hinblick auf meine Erwartungen.
- Iterieren: Wenn das Ergebnis nicht meinen Vorstellungen entspricht, passe ich die Anweisung an und versuche es erneut.
Beim dritten Schritt, der Formulierung eines ersten Prompts, ist es wichtig, die einzelnen Komponenten des Prompts zu berücksichtigen. Die Autor:innen bieten hierzu eine Anleitung, die ich für mein Einsatzszenario wie folgt adaptieren könnte:
- Verb: z. B. „Erstelle“, „Schreibe“, „Bewerte“…
- Fokus: z. B. „ein fachliches Feedback“, „meinen Schreibstil“
- Kontext: z. B. „aus der Perspektive einer systemischen Beraterin“, „wie es ein Linguist tun würde“
- Erwartung und Hauptziel: z. B. „Das Feedback sollte aufzeigen, wie hilfreich meine E-Mail-Antwort für eine ratsuchende Person war und welche Verbesserungsvorschläge es gibt.“
- Einschränkungen und Grenzen: z. B. „Das Feedback sollte nicht mehr als 500 Worte umfassen und die Verbesserungsvorschläge sollten als Aufzählungspunkte dargestellt werden.“
Wenn man diese Strukturierungshilfen beachtet, können erstaunlich differenzierte Ergebnisse erzielt werden. Neben diesen Aufforderungsprompts kann es auch sinnvoll sein, ChatGPT gelegentlich inhaltliches Feedback zu geben und Korrekturen vorzunehmen. Dadurch kann der Bot lernen und die Qualität der folgenden Ausgaben verbessern.
Ein Arbeitsblatt zu diesem Thema werde ich in Kürze erstellen. Es wird jedoch erst nach gründlicher Erprobung mit den Studierenden veröffentlicht.
Eager, B., & Brunton, R. (2023). Prompting Higher Education Towards AI-Augmented Teaching and Learning Practice. Journal of University Teaching & Learning Practice, 20(5). https://doi.org/10.53761/1.20.5.02