Handlungsempfehlungen zum Umgang mit KI-basierten Anwendungen

Grundsätzliches im Umgang mit generativer KI

Der Begriff "Künstliche Intelligenz" (KI) ist wie viele akademische Disziplinen nicht eindeutig und scharf definierbar. Vielmehr ist die KI mit der Gesamtheit der von der Fach-Community akzeptierten Methoden und Anwendungen zu identifizieren.

Laut dem  Europäischen Parlament bezeichnet KI „die Fähigkeit einer Maschine, menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren“. Dabei ist es eine zentrale Eigenschaft KI-basierter Werkzeuge, spezifische Aufgaben effizienter zu bearbeiten, als es natürliche Intelligenz erlaubt. Um Lehrende und Studierende in ihrem Arbeitsalltag zu entlasten und zu bereichern, können KI-basierte Werkzeuge unter bestimmten Voraussetzungen Aufgaben erledigen, die sie bei mindestens gleichwertiger Ergebnisqualität effizienter lösen. Neben dem konkreten Ziel einer solchen Aufgabenverlagerung sollten dabei immer auch die Aufgabenstellung und der Anspruch an die Ergebnisqualität definiert werden.

Ausgangslage

Lehrende und Studierende nutzen seit jeher Werkzeuge, die den Prozess des wissenschaftlichen Arbeitens unterstützen. Ob dazu auch Anwendungen zählen, die auf generativer künstlicher Intelligenz basieren, und inwiefern deren Einsatz in welchen Bereichen des universitären Alltags erlaubt sein sollte, ist derzeit Gegenstand des Diskurses an Hochschulen.

Fokus der Empfehlungen

Die Handlungsempfehlungen bieten Orientierung in Bezug auf erste rechtliche Einschätzungen im Umgang mit generativen KI-basierten Anwendungen in Lehre und Studium sowie in Bezug auf allgemeine Anforderungen an Eigenständigkeit, Sorgfalt und Transparenz. Sie enthalten u. a. Muster für Eigenständigkeitserklärungen und Kursvereinbarungen, die optional verwendet werden können.

Der Fokus der Empfehlungen liegt insbesondere auf dem Verfassen schriftlicher Arbeiten im Lehr-, Lern- und Prüfungskontext und bietet in diesem Bereich Informationen für Lehrende sowie Studierende. Lehrende finden zudem Hinweise zur Gestaltung von Rahmenbedingungen für Lehrveranstaltungen. Didaktische Aspekte des Einsatzes KI-basierter Anwendungen und praxisbezogene Anregungen werden adressiert, aber an anderer Stelle ausführlicher behandelt. Entsprechende Informationsquellen sind jeweils verlinkt.

Die technische Entwicklung generativer KI-Werkzeuge bzw. KI-Tools schreitet mit großer Dynamik voran und bringt u. a. rechtliche Änderungen und eine kontinuierliche Anpassungsnotwendigkeit mit sich. Der Inhalt der Handlungsempfehlungen ist daher vorbehaltlich zu betrachten sowie regelmäßig hochschulintern zu überprüfen und zu aktualisieren.

Positionierung der Universität

Die Richtung ist gewiss: KI-basierte Anwendungen entwickeln sich zu einem festen Bestandteil in Alltag, Bildung und Berufsleben. Weniger gewiss ist der bestmögliche Weg, um diese Entwicklungen in Studium und Lehre zu integrieren. Einerseits wird der Nutzung generativer KI ein disruptives Potential in Bezug auf das Lehren und Lernen zugeschrieben, andererseits bietet sie vielfältige Chancen.

Wie für alle Werkzeuge, die der Unterstützung wissenschaftlichen Arbeitens dienen, gilt auch für KI-basierte Anwendungen, dass sie – im Sinne guter wissenschaftlicher Praxis – gewissenhaft, verantwortungsbewusst und transparent zu handhaben sind. Darauf aufbauend setzt die Universität Osnabrück auf eine kritisch-reflektierte und offene Haltung gegenüber dem Innovationspotential generativer KI und ihrem Einsatz in Studium und Lehre. Die Handlungsempfehlungen bieten die hierfür in der Praxis notwendigen Orientierungspunkte.

Begriffsdefinition

KI-basierte Anwendungen, auch als KI-Werkzeuge oder KI-Tools bezeichnet, sind im vorliegenden Kontext Software-Anwendungen, die es erlauben, große Datenmengen in hoher Geschwindigkeit auszuwerten. Auf Anfragen von Nutzenden können so situativ Antworten erzeugt werden, die auf der Auswertung der Daten beruhen. Die Auswertung erfolgt in Prozessen, die vorher "trainiert" wurden. Dabei können verschiedene Methoden und unterschiedliche Arten von Datensätzen zum Einsatz kommen. KI-basierten Anwendungen ist es möglich die Qualität der ausgegebenen Ergebnisse durch die Verwertung weiterer Daten zu verbessern, also zu „lernen“. Sie sind jedoch nicht in der Lage, die verarbeiteten Daten inhaltlich zu verstehen, da sie lediglich mit Trefferwahrscheinlichkeiten arbeiten, um auf Basis der Lerndaten bestmögliche Ergebnisse vorauszusagen.

Generative KI beschreibt Systeme, die mittels maschineller Lernverfahren und großer Datenmengen auf Eingaben reagieren und hierbei komplexe Inhalte erzeugen können. Am bekanntesten sind derzeit KI-Sprachmodelle, auch Large Language Models (LLMs) genannt. Diese können menschliche Sprache erkennen, verarbeiten und generieren. Bei generativen KI-basierten Anwendungen kann es sich neben textgenerierenden KI-Systemen aber z. B. auch um bildgenerierende KI-Systeme handeln, oder um KI-Systeme, die Videos, Programmiercode etc. erstellen. Daher wird mittlerweile statt „Large Language Model“ eher die Bezeichnung „Foundation Model“ verwendet.

Mehr Informationen zum Thema  Was ist KI? bietet das Digitale Lehre Portal der Universität.

Verantwortung im Umgang mit KI-basierten Anwendungen

Die Universität möchte Lehrende darin bestärken, generativen KI-Werkzeugen offen zu begegnen und sie bei geeigneten Voraussetzungen aktiv in die Lehre zu integrieren (siehe  Rechtliche Einschätzungen). Dies kann je nach Fachdisziplin und Lehrveranstaltung auf unterschiedliche Weise erfolgen. KI-basierte Anwendungen können z. B. als Lerngegenstand thematisiert, vor dem Hintergrund des Faches reflektiert oder als Werkzeug eingesetzt werden. Anregungen für konkrete Fragestellungen, Anwendungsszenarien etc. bietet das  Digitale Lehre Portal.

Unbedingt zu berücksichtigen ist, dass Studierende aus Datenschutzgründen nicht generell dazu verpflichtet werden dürfen, KI-basierte Anwendungen zu nutzen (siehe  Datenschutz). Eine Ausnahme stellen Dienste und Werkzeuge dar, die von der Universität selbst bereitgestellt (gehostet) werden oder über eine von der UOS akzeptierte Schnittstelle genutzt werden können. Eine Liste entsprechender  KI-basierter Anwendungen mit  Informationen zu ihrer Verwendung wird regelmäßig aktualisiert.

Grundsätzlich gilt es, insbesondere Studierende bei der Entwicklung einer kritisch-reflektierten Haltung im Umgang mit KI-basierten Anwendungen zu unterstützen: Es ist notwendig zu verstehen, dass z. B. textgenerierende KI-Systeme keine mitdenkenden Dialogpartner sind, die verbrieftes Wissen aus einer Datenbank abrufen. Es handelt sich um Text-Generatoren, die eine wahrscheinlichkeitsbasierte Berechnung von Wortkombinationen auf Basis von Trainingsdaten durchführen.

Bezüglich der Trainingsdaten, die für eine Anwendung genutzt werden, sind Anbieter von KI-Systemen unterschiedlich transparent (siehe dazu auch die  Gegenüberstellung verschiedener Anwendungen in Bezug auf deren Transparenz). Die Trainingsdaten können z. B. Datensätze umfassen, die vor der Veröffentlichung einer KI-basierten Anwendung für das Basistraining verwendet wurden, aber auch Inhalte, die Nutzende später selbst eingeben und die für ein fortlaufendes Training der Anwendung verwendet werden. Die Qualität der zur Berechnung verwendeten Daten hat dabei erheblichen Einfluss auf die Qualität des ausgegebenen Ergebnisses und kann z. B. zur Wiedergabe von in den Trainingsdaten enthaltenen Vorurteilen führen.

Begriffsdefinition

Als Output wird das ausgelieferte Ergebnis einer generativen KI-Anwendung auf eine Anfrage bezeichnet. Das Ergebnis baut auf einer wahrscheinlichkeitsbasierten Berechnung auf, weshalb sich die Antwort auf eine Anfrage ggf. nicht exakt reproduzieren lässt.

Durch gezieltes Prompting, also genaue Anweisungen an eine KI-basierte Anwendung, lässt sich die Ergebnisqualität des Outputs maßgeblich beeinflussen. Der Begriff Prompt bezeichnet die konkrete Anfrage der bzw. des Nutzenden an die KI-basierte Anwendung. Ein Prompt kann neben der zentralen Frage auch Quellenmaterial und Anweisungen zur Bearbeitung der Anfrage enthalten.

Von "Halluzinieren" ist manchmal die Rede, wenn KI-Systeme Ergebnisse produzieren, die keine Entsprechung in der Realität haben. Dies können Inhalte oder Quellenangaben sein, die aufgrund einer Anfrage ausgegeben werden und dem Muster entsprechen, mit dem ein KI-System trainiert wurde, die jedoch faktisch nicht als richtig zu bewerten sind. Ein KI-basiertes Werkzeug generiert Ergebnisse auf Basis von Wahrscheinlichkeiten, ohne dabei die Inhalte verstehen zu können.

Ein Bias liegt vor, wenn Trainingsdaten Vorurteile enthalten, die z. B. auf Hautfarbe, Geschlecht oder Religionszugehörigkeit beruhen. Diese schlagen sich aufgrund des Funktionsprinzips der Wort-für-Wort-Wahrscheinlichkeitsberechnung in den ausgegebenen Antworten nieder. Gleiches gilt für Korrelationen, die in den Trainingsdaten auftauchen. Wird z. B. der Begriff 'Professur' statistisch betrachtet häufiger mit männlichen Personenbezeichnungen kombiniert, enthalten auch die ausgegebenen Antworten eher eine derartige Kombination.

 Mehr Informationen zur Terminologie bietet das Digitale Lehre Portal.

Neben der Vermittlung des Wissens, dass KI-generierte Ergebnisse stets zu überprüfen und zu verifizieren sind, ist zugleich das Bewusstsein dafür zu stärken, welche negativen, aber auch positiven Auswirkungen die Nutzung KI-basierter Werkzeuge auf den persönlichen Lernfortschritt haben kann. Die reflektierte Arbeit mit KI-basierten Anwendungen kann den Erwerb individueller Kompetenzen unterstützen, etwa die Entwicklung von Problemlösungsstrategien oder eine Verbesserung der Ausdrucksfähigkeit. Das vielfältige Angebot beinhaltet u. a. Werkzeuge, die Studierenden beim Erstellen individueller Lernpläne oder Lehrende beim Verfassen von Seminarplänen unterstützen können. Beispiele für entsprechende  Werkzeuge und  Nutzungsszenarien bietet das Digitale Lehre Portal. Auch der  KI-Campus, eine vom BMBF geförderte Lernplattform für Künstliche Intelligenz, bietet Lehrenden und Studierenden ein vielfältiges Angebot an kostenlosen Online-Kursen, Podcasts, Blogbeiträgen etc. zur Stärkung von KI- und Datenkompetenzen.

Damit Lehrende und Studierende den veränderten Anforderungen gerecht werden und neue Potentiale nutzen können, entstehen in der Hochschullandschaft derzeit diverse Angebote zur Information und zum Kompetenzerwerb. Darunter befinden sich z. B. universitätsinterne Beratungsformate, Schulungen und Leitlinien, aber auch Veranstaltungsaufzeichnungen, Handlungsempfehlungen und Anwendungsbeispiele anderer wissenschaftlicher Einrichtungen. Eine  Liste konkreter Angebote wird regelmäßig aktualisiert.

Die Universität ergreift eine Reihe von Maßnahmen, um allen Angehörigen und Mitgliedern der UOS Unterstützung im verantwortungsvollen Umgang mit KI-basierten Anwendungen anzubieten. Hierbei sollen neben Chancen und Risiken der Nutzung KI-basierter Anwendungen Schritt für Schritt auch ökologische, soziale und wirtschaftliche Implikationen thematisiert werden.

Rechtliche Einschätzungen

Die Gesetzgebung im Hinblick auf den Einsatz generativer KI ist derzeit noch lückenhaft. Neben der Datenschutz-Grundverordnung (DSGVO) und dem Urheberrechtsgesetz (UrhG) bilden in Deutschland daher aktuell verschiedene Richtlinien und Verordnungen den rechtlichen Rahmen für die Nutzung KI-basierter Anwendungen in Studium und Lehre. Sie definieren u. a. die Schutzfähigkeit von Werken sowie die Verantwortung und Pflichten von Nutzenden.

Mehr Klarheit soll die am 12.07.2024 im Amtsblatt der Europäischen Union veröffentlichte  KI-Verordnung schaffen. Sie trat zwanzig Tage nach Veröffentlichung in Kraft und gilt 24 Monate später, in Teilen bereits nach 6 bzw. 12 Monaten, oder erst nach 36 Monaten. Diese europäische Verordnung beschreibt u. a. eine Transparenzpflicht, die die Kennzeichnung KI-basiert erstellter Inhalte betrifft.

Die hier vorliegenden rechtlichen Einschätzungen basieren, wenn nicht anders benannt, maßgeblich auf dem Infopapier  Rechtliche Aspekte des Einsatzes von KI in Studium, Lehre und Prüfung (2023) von Janine Horn aus dem ELAN e. V. und werden in regelmäßigen Abständen aktualisiert.

Die folgende Tabelle listet bestehende Gesetze auf, aus denen Einschätzungen für den Umgang mit KI-basierten Anwendungen abgeleitet werden können.

Tabelle bestehender Gesetze, aus denen Einschätzungen für den Umgang mit KI-basierten Anwendungen abgeleitet werden können

Gesetze und Empfehlungen

Was wird darin geregelt?

Urheberrechtsgesetz (UrhG)
  • Urheberrechtsschutz
  • Nutzungsrechte an Input, Output und Trainingsdaten

KI-Verordnung (AI Act)
  • Verantwortung und Pflichten von Anbietern und Betreibern  von KI-Systemen
  • Schutz von KI-Systemen betroffener Personen

KI-Haftungsrichtlinie
  • Verschuldungsabhängige Haftung von Anbietern und Nutzenden von KI-Systemen

Allgemeine Geschäftsbedingungen (AGB) der KI-Anbieter
  • Kennzeichnungspflichten
  • Einhaltung ethischer Grundlagen
  • Nutzungsrechte und Haftung bezüglich des Outputs

Datenschutz-Grundverordnung (DSGVO)
  • Verantwortung und Pflichten bei der Datenverarbeitung
  • Rechte betroffener Personen, wenn eine KI mit personenbezogenen Daten gespeist wird, wennd sie diese Daten verwendet oder wenn sie als Grundlage für personenbezogene Entscheidungen dienen

Bundesdatenschutzgesetz (BDSG)
  • füllt Öffnungsklauseln der DSGVO
  • findet nur Anwendung, soweit die DSGVO nicht unmittelbar gilt

Niedersächsisches Datenschutzgesetz (NDSG)
  • gilt ergänzend zur DSGVO
  • erfasst alle Sachverhalte in denen personenbezogene Daten durch öffentliche Stellen des Landes Niedersachsen verarbeitet werden

Position der Landesbeauftragten für den Datenschutz (LfD) Niedersachsen
  • Verarbeitung personenbezogener Daten bei der Aufsicht elektronischer Präsenz- und Fernprüfungen
  • KI-basierte automatisierte Einzelfallentscheidungen

Niedersächsisches Hochschulgesetz (NHG) in Verbindung mit Hochschulordnungen
  • Eigenständigkeit der Prüfungsleistung
  • Zulässige Prüfungsarten und -formen
  • Elektronische Prüfungsformen und deren Aufsicht (elektronische Fernprüfungen)
  • Erlaubnistatbestände zur Verarbeitung personenbezogener Daten zu Prüfungszwecken

Leitlinie zum Einsatz KI-basierter Anwendungen an der Universität Osnabrück
  • Grundsätze des Umgangs mit generativer KI

Für KI-generierte Inhalte gilt bislang, dass diese in der Regel nicht urheberrechtlich geschützt sind, da Werkschutz laut UrhG menschliche Schöpfung erfordert. Es besteht also folgende Diskrepanz: Eine KI-basierte Anwendung kann rechtlich nicht als Urheberin der durch sie generierten Inhalte gelten; ebenso können die Nutzenden der KI-basierten Anwendung nicht als Urheber:innen solcher Inhalte gelten, wenn sie nicht hinreichend gestalterischen Einfluss auf das Werkschaffen haben. Auch hat der Anbieter einer generativen KI-Anwendung in der Regel keine Rechteinhaberschaft nach dem UrhG oder verwandten Schutzrechten. Dennoch können Nutzende theoretisch Urheber:innen KI-generierter Inhalte sein, sofern sie innerhalb des Schaffensprozesses hinreichend Einfluss auf die generierten Inhalte haben. Gleiches gilt auch dann, wenn sie KI-generierte Inhalte weiterbearbeiten oder arrangieren. Unterschieden wird zwischen:

  • ausschließlich KI-generierten, nicht schutzfähigen Inhalten
  • KI-gestützten, menschlichen, schutzfähigen Schöpfungen (bei denen KI nur als Hilfsmittel verwendet wird)

Siehe zu Schutzfähigkeit und Urheberschaft nach UrhG:  Horn, 2023, Seite 2 und folgende.

Eine Herausforderung im Hinblick auf KI-basierte Anwendungen stellt die Tatsache dar, dass eine Sorgfaltspflicht in Bezug auf ihre Nutzung „aufgrund der schwer durchschaubaren Prozesse der KI-Architekturen noch nicht definiert werden“ ( Horn, 2023, Seite 15) kann. Die Veröffentlichung KI-generierter Inhalte, die urheberrechtlich geschütztes Material Dritter enthalten, stellen eine Rechtsverletzung dar. Eine Verletzung der Sorgfaltspflicht, z. B. durch mangelnde Kennzeichnung KI-generierter Inhalte innerhalb eines Textes, müsste jedoch zunächst nachgewiesen werden können. Dies wird u. a. dadurch erschwert, dass eine KI-basierte Anwendung ggf. nicht alle genutzten Quellen in der Weise angibt, wie es wissenschaftliches Arbeiten erfordert.

KI-generierte Inhalte sind grundsätzlich frei verwendbar. Sie können jedoch urheberrechtlich geschützte Materialien enthalten, auf Trainingsdaten basieren, die urheberrechtlich geschütztes Material enthalten oder falsche Informationen beinhalten, ohne dass dies für die Nutzenden immer ersichtlich ist. Die  KI-Verordnung der EU soll diese Rechtsunsicherheit beheben. Unabhängig davon, können KI-generierte Inhalte entsprechend der folgenden gesetzlichen Nutzungserlaubnisse ohne Zustimmung der Rechteinhaber:innen weiterverwendet werden ( Horn, 2023, Seite 6):

  • Zitatrecht, § 51 UrhG
  • Karikatur, Parodie und Pastiche, § 51a UrhG
  • Kopieren und Teilen zu Lehrzwecken, § 60a UrhG
  • Übernahme in Lehrmedien, § 60b UrhG
  • Kopieren und Teilen zur wissenschaftlichen Forschung, § 60c UrhG
  • Verwendung von Datenbankinhalten zu Lehr- und Forschungszwecken, § 87c Absatz 1 Nr. 2 und Nr. 3 UrhG.

Werden KI-basierte Anwendungen zum Generieren von Texten, Bildern, Programmiercodes etc. verwendet, tragen die Nutzenden hierfür die Verantwortung. Die generierten Inhalte müssen eigenständig verifiziert und auf Fehlerhaftigkeit und z. B. hetzerische oder diskriminierende Aussagen überprüft werden. Auch normative Über- oder Unterrepräsentationen und Auslassungen, sowohl bezogen auf Personen(-gruppen) als auch auf wissenschaftliche und anderweitige Inhalte, sind ggf. von den Nutzenden zu prüfen.

Lehrende und Studierende, die KI-generierte Ergebnisse ungeprüft und ungekennzeichnet übernehmen, laufen Gefahr, Quellen nicht ausreichend sorgfältig kenntlich zu machen. KI-generierte Inhalte sollten daher in Studium und Lehre generell als solche gekennzeichnet werden. Eine Kennzeichnungspflicht für KI-generierte Inhalte laut UrhG existiert zwar bislang nicht, sie kann sich jedoch z. B. aus den Lizenz- oder Nutzungsbedingungen von Anbietern KI-basierter Anwendungen ergeben ( Horn, 2023, Seite 15).

Auch an Hochschulen kann eine Kennzeichnungspflicht mittels interner Vorschriften festgelegt werden. Dies ist sinnvoll, da sich aus herkömmlichen Eigenständigkeitserklärungen ggf. schwer ableiten lässt, dass bzw. wie z. B. die Nutzung KI-basierter Anwendungen in wissenschaftlichen Arbeiten anzuführen ist. Im Abschnitt  Datenschutz finden sich Anregungen für die Anpassung von Eigenständigkeitserklärungen, die in den Fächern- bzw. Fachbereichen bedarfsorientiert vorgenommen werden kann.

Täuschungsversuche

Eine weitere Herausforderung im Umgang mit generativen KI-Werkzeugen besteht darin, dass schwer nachweisbar ist, ob und inwiefern Studierende sie ggf. bei der Textproduktion einsetzen, etwa zum Verfassen von Hausarbeiten. Eine rechtsverbindliche Überprüfbarkeit scheint hier allerdings ebenso unwahrscheinlich wie eine zeitnahe Lösung.

Ein sinnvolles Vorgehen stellt daher die Orientierung an bestehenden gesetzlichen Vorgaben wie der Sorgfalts- und Kennzeichnungspflicht dar, kombiniert mit einer fach- bzw. fachbereichsinternen Definition und Kommunikation spezifischer Regelungen zur Nutzung generativer KI-Anwendungen im Lehr- und Lernkontext. Hierbei können z. B. Vereinbarungen über die in einer Lehrveranstaltung erlaubten bzw. nicht erlaubten Werkzeuge und Vorgehensweisen geschlossen werden (siehe  KI-Einsatz in Studium und Lehre) oder angepasste Eigenständigkeitserklärungen für die Erbringung von Prüfungsleistungen zum Einsatz kommen (siehe  Eigenständigkeit beim Verfassen von (schriftlichen) Arbeiten).

U. a. aufgrund der generellen Unzulässigkeit der Eingabe von Werken, an denen Dritte Rechte halten, ist es für Lehrende unzulässig, Prüfungsleistungen von Studierenden in Suchmaschinen oder nicht von der UOS zur Verfügung gestellte Plagiatserkennungs-Software einzugeben.

Die Verwendung generativer KI-Anwendungen erfordert seitens der Nutzenden besondere Sorgfalt im Hinblick auf den Schutz personenbezogener Daten und die Wahrung von Persönlichkeitsrechten bei der Eingabe von Inhalten und Aufforderungen (Prompts). Laut DSGVO stellen "alle Informationen, die sich auf eine identifizierte oder identifizierbare lebende Person beziehen" personenbezogene Daten dar ( Website der Europäischen Kommission: Was sind personenbezogene Daten?). Dies schließt u. a. Namen und Vornamen, E-Mail-Adressen, die Vor- und Nachnamen enthalten, Privatanschriften sowie Gesundheitsinformationen ein. Solche Daten Dritter dürfen ebenso wenig in KI-basierte Anwendungen eingegeben werden, wie Bilder, Video- oder Audioaufnahmen von ihnen.

Beim Einsatz von KI-Anwendungen durch Lehrende ist eine datenschutzkonforme Gestaltung der Lehre erforderlich. Sobald personenbezogene Daten von Studierenden durch einen externen Dienst verarbeitet werden, bedarf es einer Vereinbarung zur Auftragsverarbeitung nach Artikel 28 der DSGVO, bei der die Hochschule eine entsprechende Kontrolle vornimmt (siehe  Horn, 2023, Seite 14). Lehrende dürfen ihre Studierenden daher z. B. nicht verpflichten, sich einen Account zur Nutzung von ChatGPT, Gemini oder anderen Chatbots anzulegen, um mit deren Hilfe Aufgaben zu bearbeiten.

Eine mögliche Alternative ist die Nutzung von Anwendungen, die von der Universität selbst betrieben (gehostet) werden. Welche dies sind und welche datenschutzkonformen Einstellungen sie bieten, ist unter  KI@UOS nachlesbar.

Der Einsatz von KI-basierten Werkzeugen externer Anbieter ist möglich, wenn Lehrende sicherstellen, dass die Nutzung für die Studierenden freiwillig ist und keinerlei Nachteile für diejenigen entstehen, die sich dafür entscheiden, das Werkzeug nicht zu verwenden.

Eigenständigkeit beim Verfassen von (schriftlichen) Arbeiten

An der Universität werden Studierende mit den Praktiken wissenschaftlichen Arbeitens vertraut gemacht und können diese einüben. Dabei ist das eigenständige Verfassen wissenschaftlicher Texte ein wesentlicher Bestandteil der Ausbildung. Sowohl für Studierende als auch für Lehrende gilt, gemäß guter wissenschaftlicher Praxis rechtskonform und ethisch verantwortlich zu handeln. Einige KI-basierte Anwendungen können sich als dienliche Werkzeuge für das wissenschaftliche Arbeiten erweisen, sofern die Nutzenden sich möglicher Risiken bewusst sind und die Werkzeuge in angemessener Weise verwenden.

Ungeachtet einer nicht gänzlich geklärten Rechtslage in Bezug auf die Verwendung KI-basierter Anwendungen (siehe  Rechtliche Einschätzungen) sind Studierende dazu verpflichtet, ihre Prüfungsleistungen eigenständig zu erbringen und Hilfsmittel aller Art anzugeben. Welche (KI-)Hilfsmittel im gegebenen Kontext zulässig sind und wie ihre Verwendung transparent zu machen ist, muss im Vorfeld seitens der Lehrenden bzw. der Fächer definiert und kommuniziert werden. Hierfür wird der Einsatz einer an die Anforderungen des jeweiligen Fachs und der Prüfungsform angepassten Eigenständigkeitserklärung empfohlen (siehe  Exemplarische Eigenständigkeitserklärung).

Lehrende sind zudem dazu aufgerufen, Prüfungsanforderungen sowie Prüfungsaufgaben kritisch zu hinterfragen. Langfristig erscheint es notwendig, veranstaltungsbezogene Prüfungsvorgaben sowohl in didaktischer Hinsicht als auch bezüglich ihrer formalen Aspekte zu prüfen und ggf. an neue Anforderungen anzupassen. Anregungen zur praktischen Umsetzung erhalten Lehrende in verschiedenen  aktuellen Weiterbildungsangeboten der Hochschuldidaktik.

Die konkreten Eigenständigkeitserwartungen von Lehrenden können je nach Veranstaltungs- und Prüfungskontext und den damit verbundenen Lehr-/Lernzielen variieren, sind aber stets transparent und verlässlich zu kommunizieren. Lehrende sollten schriftlich festlegen, welche Mittel den Studierenden zur Verfügung stehen, wie sie diese anzugeben haben und welche Rolle die bzw. der Lehrende im Bearbeitungsprozess einnimmt. Hierfür können sie z. B. die erwartete Art der Eigenständigkeit definieren. Hinsichtlich des Einsatzes KI-basierter Werkzeuge können Lehrende den jeweils erlaubten Umfang definieren bzw. eingrenzen, indem sie z. B. eine Positivliste (erlaubte Werkzeuge) erstellen, eine generelle Erlaubnis oder ein generelles Verbot formulieren und veranstaltungsintern veröffentlichen. Konkrete Anregungen und eine Orientierung für den Umgang mit und den Einsatz von KI-basierten Anwendungen finden sich im Abschnitt  KI-Einsatz in Studium und Lehre.

Das Verfassen schriftlicher Arbeiten ermöglicht die intensive Auseinandersetzung mit einer spezifischen (fachlichen) Thematik und erlaubt Studierenden das Einüben wissenschaftlicher Regularien. Darüber hinaus dient es mehrheitlich der Erbringung von Studien- oder Prüfungsleistungen, welche wiederum die Ergebnisse der jeweiligen Lern- bzw. Schreibprozesse darstellen. Diese Prozesse sind individuell und beinhalten unterschiedliche Herangehensweisen, Lösungswege und Hilfsmittel, deren Zulässigkeit den Prinzipien guter wissenschaftlicher Praxis unterliegt. Eine Arbeit in Gänze durch Andere erstellen zu lassen – seien es Menschen oder digitale Werkzeuge wie KI-basierte Anwendungen –, ist nicht zulässig.

In Anlehnung an die Allgemeine Prüfungsordnung (APO § 15 Absatz 4; Zugriff über  Zugangs-, Zulassungs- und Prüfungsordnungen, Stand: Mai 2024) ist ein nicht gekennzeichneter Einsatz von bzw. das Nutzen nicht zugelassener KI-basierter Anwendungen als Täuschungshandlung zu bewerten, auch wenn die Täuschung selbst nicht einfach nachzuweisen ist. Eine Täuschung hat zur Folge, dass die entsprechende Prüfungsleistung oder der Studiennachweis in solchen Fällen als nicht bestanden (5,0) bewertet wird.

Legitim ist hingegen, Feedback zu Teilprozessen einzuholen, da sich diese Praxis positiv auf die Auseinandersetzung mit dem Inhalt auswirkt. Hierzu zählt auch, sich mithilfe einer KI-basierten Anwendung Fragen stellen zu lassen, um das Formulieren von Antworten ohne Hilfsmittel einzuüben.

Angaben zur Verwendung KI-basierter Anwendungen beim Verfassen schriftlicher Arbeiten sollten ebenso verbindlich sein, wie Angaben zu allen sonstigen relevanten Quellen und Hilfsmitteln. Die Modern Language Association of America (MLA) z. B. definiert in diesem Zusammenhang  drei Regeln zum Zitieren KI-basierter Anwendungen. Diese oder vergleichbare Regeln können Lehrende ihren Studierenden zur Orientierung empfehlen. Eine deutsche Übersetzung der Grundprinzipien sowie Anregungen dazu, wie KI-basierte Anwendungen beim Verfassen einer Arbeit zitiert werden können, finden sich im Leitfaden  'Aus KI zitieren. Umgang mit auf Künstlicher Intelligenz basierenden Tools' der Universität Basel.

Aufgrund der Heterogenität der Fächer und Fachbereiche innerhalb der Universität können die Anforderungen an die Prüfungssituationen sowie die von den Studierenden zu formulierenden Erklärungen zur Eigenständigkeit variieren. Eigenständigkeitserklärungen sollten jedoch grundsätzlich um die Nutzung und Nennung KI-basierter Anwendungen ergänzt werden. Die Verwendung bzw. Zulässigkeit der Verwendung KI-basierter Anwendungen sollte dabei im Vorfeld der Prüfungen mit den Studierenden besprochen werden.

Die Universität Osnabrück spricht sich zudem dafür aus, Eigenständigkeitserklärungen an den entsprechenden Lernziel- und Prüfungsanforderungen der jeweiligen Lehrveranstaltungen zu orientieren und Eigenständigkeitserklärungen für schriftliche Prüfungsleistungen zu erweitern: Studierende sollten bestätigen, dass die schriftlichen und elektronischen Versionen der Arbeiten identisch sind, und dass ihnen bekannt ist, dass Zuwiderhandlungen gegen die Eigenständigkeitserklärungen einen Täuschungsversuch darstellen, der grundsätzlich das Nichtbestehen der Prüfung zur Folge hat.

Der folgende Vorschlag für eine Eigenständigkeitserklärung wurde auf Basis einer Vorlage aus dem Institut für Kognitionswissenschaften (IKW) sowie in Abstimmung mit der Koordinierungsstelle Prüfungsverwaltung und dem Justitiariat der Universität Osnabrück erstellt und kann als modifizierbare Grundlage für Eigenständigkeitserklärungen von Studierenden dienen:

Exemplarische Eigenständigkeitserklärung

___________________________________________

Name, Vorname (in Druckbuchstaben), Geburtsdatum

 

Hiermit erkläre ich, dass ich die Prüfungsleistung [Platzhalter, um die Prüfungsleistung zu benennen] bzw. meinen entsprechend gekennzeichneten Anteil an der Prüfungsleistung [Platzhalter, um die Prüfungsleistung zu benennen] selbständig verfasst habe.

Die Inhalte der Leistung geben meine eigenen Erarbeitungen, meinen Wissensstand, mein eigenes Verständnis und meine eigene Auffassung wieder.

Ich versichere, nur die erlaubten und dokumentierten Hilfsmittel benutzt zu haben. Falls KI-Anwendungen eingesetzt wurden, erfolgte dies so begrenzt, dass die Eigenständigkeit dieser Arbeit nicht gefährdet ist.

Ich versichere, dass die Kennzeichnung des Einsatzes KI-basierter Hilfsmittel vollständig ist. Im Verzeichnis ‚Übersicht verwendeter Hilfsmittel‘ habe ich die verwendeten KI-Werkzeuge aufgeführt sowie im Anhang jeweils die

•  von mir in der Arbeit verwendeten Prompts und/oder

•  sämtlichen in der Arbeit verwendeten KI-generierten Output einzeln aufgeführt.

 

Des Weiteren bestätige ich, dass die schriftliche und elektronische Version der Prüfungsleistung [Platzhalter, um die Prüfungsleistung zu benennen] identisch sind.

Mit ist bekannt, dass Zuwiderhandlungen gegen den Inhalt dieser Erklärung einen Täuschungsversuch darstellen, der grundsätzlich das Nichtbestehen der Prüfung zur Folge hat.

 

____________________

Ort, Datum und Unterschrift

Verwendete KI-basierte Hilfsmittel und der Umfang ihres Einsatzes können auf verschiedene Arten dokumentiert werden. Insbesondere Listen und Tabellen bieten sich hierbei an. Eine einfache Liste kann Auskunft darüber geben, ob KI-basierte Anwendungen genutzt wurden und falls dem so ist, zu welchem Zweck, z. B.:

  • für die Ideenfindung
  • für die Recherche
  • zur Übersetzung
  • zur Visualisierung
  • zum Generieren von Programmiercode
  • zur Bearbeitung von Bildern

Diese Art des Nachweises bietet sich u. a. bei kürzeren schriftlichen Arbeiten oder Präsentationen an und kann von den Studierenden selbstständig angelegt werden.

Mithilfe einer Tabelle können Art um Umfang der Nutzung KI-basierter Anwendung noch genauer festgehalten werden. Hierbei bietet es sich an, dass Lehrende die erforderlichen Angaben vorgeben.

Arbeitsschritt

verwendete KI-basierte Anwendung(en)

Art und Umfang der Verwendung

Ideenfindung

ChatGPT

Vergleich eigener Ideen mit anschließend KI-generierten Vorschlägen und Übernahme von zwei Aspekten (Chat-Verlauf im Anhang dokumentiert)

Recherche

Perplexity

Recherche zum geschichtlichen Hintergrund (Chat-Verlauf im Anhang dokumentiert)

Formulierung

Chat GPT

sprachliche Überarbeitung des gesamten Textes

Übersetzung

DeepL

Übersetzung des in Kapitel 3, Absatz 2 referenzierten Quellentextes

Visualisierung

Mindverse

Generieren einer Idee zur Visualisierung des in Kapitel 4, Abschnitt 5 beschriebenen Prozesses; intensive eigenständige Überarbeitung der Darstellung

Gliederung

...

...

Beispiele für eine solche Tabelle finden sich u. a. in der  'Erklärung zur Verwendung generativer KI-Systeme' der Universität Hohenheim und im Leitfaden  'Aus KI zitieren' der Universität Basel.

KI-Einsatz in Studium und Lehre

Für Lehrende ist es unvermeidbar, ihre Lehrveranstaltungen und Prüfungsanforderungen von Zeit zu Zeit an veränderte Rahmenbedingungen anzupassen – so auch bezüglich der Nutzung KI-basierter Anwendungen.

Um ihren Anspruch an die Leistungen der Studierenden in Lehrveranstaltungen und Prüfungen transparent zu kommunizieren, können Lehrende bereits vor der Veranstaltung Lernziele definieren, erlaubte Hilfsmittel benennen und konkrete Erwartungen formulieren. Hierfür bietet sich z. B. eine Liste von Regeln oder eine Kursvereinbarung an, die Lehrende den Studierenden zur Verfügung stellen. Noch größer ist der Vorteil solcher Dokumente, wenn sie zu Beginn der Veranstaltungsreihe gemeinsam mit den Studierenden erarbeitet werden (siehe Abschnitt  Exemplarische Kursvereinbarungen).

 Weitere Unterstützungsangebote für Lehrende bietet das Digitale Lehre Portal.

Durch die schriftliche Festlegung von Regeln erhalten Studierende eine gewisse Sicherheit im Umgang mit KI-basierten Anwendungen. Sie benötigen jedoch ggf. darüber hinaus weitere Unterstützung beim Erwerb von KI-Methodenkompetenzen. Sei es, weil im Selbststudium oder beim Verfassen von Prüfungsleistungen weiterführende Fragen aufkommen oder weil sie zu Beginn einer Veranstaltung unterschiedliches Vorwissen besitzen. Lehrende können ihre Studierenden hier unterstützen, indem sie zusätzlich auf vertiefende oder weiterführende Angebote verweisen.

Unterstützungsangebote für Studierende

Das im Zentrum für Digitale Lehre, Campus-Management und Hochschuldidaktik (virtUOS) erstellte  Mikromodul 'Willkommen im KI-Dschungel' schult im Hinblick auf Gefahren und Möglichkeiten bei der Verwendung KI-basierter Anwendungen. In diesem dreiteiligen Selbstlernmodul lernen die Teilnehmenden, mögliche Risiken im Rahmen des wissenschaftlichen Arbeitens, auf die sie im "digitalen Dschungel" treffen können, eigenständig zu erkennen und zu minimieren. Das Modul richtet sich insbesondere an Personen ohne Vorkenntnisse, um diese zur effektiven und wissenschaftlichen Anwendung von KI-basierten Werkzeugen zu schulen und sie für Risiken sowie mögliche Fehlinterpretationen zu sensibilisieren.

Die Schreibwerkstatt am Sprachenzentrum der Universität hat eine  Handreichung zur Nutzung von KI für universitäre Schreibaufgaben erstellt, die sich explizit an Studierende richtet. Zudem finden regelmäßig  Workshops zum Thema 'KI und wissenschaftliches Schreiben' statt, die z. T. gemeinsam mit der Universitätsbibliothek angeboten werden, dann mit Informationen zur Nutzung von KI bei der Recherche. Die Nutzung von KI-basierten Anwendungen kann auch in individuellen Schreibberatungen thematisiert werden, sofern der grundsätzliche Umgang vorher geklärt wurde.

Der vom KI-Campus gestaltete Online-Kurs  Sprachassistenzen als Chance für die Hochschullehre enthält ein Modul mit dem Titel 'KI-Sprachwerkzeuge beim wissenschaftlichen Schreiben'. Es „klärt darüber auf, wie der Prozess des wissenschaftlichen Schreibens durch KI-Werkzeuge beeinflusst wird. Außerdem erhalten Studierende Tipps, wie KI-basierte Anwendungen als Hilfsmittel zur Ideenfindung, Entlastung, Strukturierung und Optimierung von Texten verantwortungsbewusst eingesetzt werden können.“ ( KI-Campus. [2024, April 15]. Kurs: Sprachassistenzen als Chance für die Hochschullehre)

Die Konzeptionierung von Veranstaltungen geht Hand in Hand mit den Prüfungsanforderungen an Studierende. Einige Möglichkeiten, die Lehr-/Lernsettings vor dem Hintergrund von KI-basierten Anwendungen mithilfe bewusster Lernzielformulierungen anzupassen, bilden die folgenden Tabellen ab.

Tabelle 1: Möglichkeiten zur Anpassung von Lehr-/Lernsettings vor dem Hintergrund von KI

Welche Fachkompetenzen sollen die Studierenden erwerben?

Exemplarisches Lehr-/Lernsetting zum Kompetenzerwerb

Sicherstellung der eigenständigen Leistung von Studierenden
 

Mögliche Prüfungsformen

1) Basiskompetenz:
 Inhalte verstehen und eigenständig wiedergeben, z. B. aufzählen, (be)nennen, beschreiben, ...

 

Die Studierenden lesen einen Text zu einem Fachbegriff und erklären diesen (schriftlich) in eigenen Worten.

Verlagern Sie den Bearbeitungsort der Aufgabe aus dem Selbststudium in die Präsenzsitzung.

Klausur vor Ort;
mündliche Prüfung

2) Transferkompetenz: Zusammenhänge herstellen, z. B. vergleichen, anwenden, lösen, analysieren, gliedern, ermitteln, unterscheiden, durchführen, ...

 

Die Studierenden vergleichen unterschiedliche Definitionen eines Fachbegriffs.

Verlagern Sie den Bearbeitungsort der Aufgabe aus dem Selbststudium in die Präsenzsitzung.

 

Lassen Sie die Studierenden eine Erklärung dazu formulieren, wie sie KI bei der Aufgabenbearbeitung im Selbststudium genutzt haben (Prozessdokumentation/Präsentation).

Klausur vor Ort;

mündliche Prüfung;

Hausarbeit ergänzt um Prozess-dokumentation (Portfolio)
oder Präsentation

3) Reflexionskompetenz:
 Stellung nehmen zu Themen, z. B. bewerten, beurteilen, entwickeln, konstruieren, entscheiden, planen, erarbeiten, ...

Die Studierenden nehmen ausführlich Stellung zu einer provokanten These, in schriftlicher Form und unter Berücksichtigung wissenschaftlicher Standards.

Verlagern Sie den Bearbeitungsort der Aufgabe aus dem Selbststudium in die Präsenzsitzung.

 

Lassen Sie die Studierenden eine Erklärung dazu formulieren, wie sie KI bei der Aufgabenbearbeitung im Selbststudium genutzt haben (Prozessdokumentation/Präsentation).

 

Lassen Sie die Studierenden einander Peer-Feedback geben und fordern Sie dazu auf, Ihren Text auf dieser Basis zu überarbeiten.

 

Hausarbeit ergänzt um Prozess-dokumentation (Portfolio) oder Präsentation
oder mündliche Prüfung

Tabelle 2: Integration von Lernzielen im Umgang mit KI in eine Aufgabe

Welche Methodenkompetenzen in Bezug auf KI sollen die Studierenden erwerben?

 Mögliche Aufgaben zum Kompetenzerwerb.

 Die Studierenden ...

1) Basiskompetenz:
 z. B. ein KI-Tool als Hilfsmittel verstehen

 ... informieren sich über die Funktionsweisen von generativen KI-Anwendungen, deren Chancen und Herausforderungen.

 ... lesen einen von einer KI-Anwendung generierten Text zu einem Fachbegriff und erklären den Aufbau.

 2) Transferkompetenz:
 z. B. ein KI-Tool als Hilfsmittel anwenden

 

 ... formulieren geeignete Prompts.

 ... dokumentieren den Einsatz einer KI-Anwendung in Form von Prompts beim Verfassen ihrer schriftlichen Arbeit.

3) Reflektieren und beurteilen:
 z. B. die eigene Anwendung von KI-Tools kritisch reflektieren

 

 ... reflektieren den KI-generierten Output unter Rückgriff auf ihr eigenes Fachwissen kritisch.

 ... reflektieren die Anwendung eines GPT-Models im eigenen Arbeitsprozess.

Zur Orientierung dienten bei der Erstellung der Tabellen insb.   „Lernen und Prüfen in einer Welt mit ChatGPT mit Hilfe der Lernzieltaxonomie“ von Ulrike Hanke sowie  "Vorschläge für Eigenständigkeitserklärungen bei möglicher Nutzung von KI-Tools" von Annette Glathe, Jan Hansen, Martina Mörth und Anja Riedel.

Eine Kursvereinbarung regelt, welche Werkzeuge und Medien innerhalb der jeweiligen Veranstaltung in welchem Maße eingesetzt werden dürfen und kann neben rechtlichen Bestimmungen auch individuellere Absprachen enthalten. Studierende sollten nach Möglichkeit in die inhaltliche Gestaltung einbezogen werden, um so das Lehr- und Prüfungsgeschehen transparent zu machen und allen Beteiligten Verlässlichkeit in der (Zusammen-)Arbeit zu vermitteln. Wie eine solche Kursvereinbarung aussehen kann, zeigen z. B. die von Christian Spannagel erstellten  Rules for Tools und der folgende, im Institut für Kognitionswissenschaft (IKW) erstellte Student Guide.

Student Guide

  1. Halten Sie sich an gesetzliche Vorgaben, die Richtlinien der Universität sowie die Prüfungsordnungen. Machen Sie sich vor der Nutzung einer KI-basierten Anwendungen (wie einem GPT-Modell) mit den Regeln und Anforderungen der jeweiligen Veranstaltung vertraut und halten Sie diese ein. Beachten Sie zudem, welche gesetzlichen Vorgaben im Umgang mit dieser Anwendung gelten (wie etwa das Urheberrecht), um einen verantwortungsvollen Umgang damit zu wahren. Machen Sie transparent, welche Texte oder Passagen Ihrer Arbeit KI-generiert sind und/oder welche Abschnitte Sie in eine KI-basierte Anwendung eingegeben haben.
  2. Nutzen Sie KI-basierte Anwendungen zur Unterstützung des Arbeitsprozesses, nicht um diesen zu ersetzen. KI-Sprachmodelle können Ihr Lernen, Ihren Denkprozess und das Schreiben unterstützen (bspw. einen Aufsatz für Sie verfassen). Beachten Sie jedoch, dass Ihr Studium dazu dient, Fähigkeiten, Kompetenzen und Wissen (eigenständig) zu erwerben. Im Blick auf KI-Anwendungen ist es daher wichtig zu lernen, wie Sie diese dazu gewinnbringend einsetzen.
    Hier sind ein paar Beispiele, wie Sie GPT-Modelle im Studium unterstützend einsetzen können:
    1. Nutzen Sie das GPT-Modell als Schreibtool (lassen Sie z. B. Überschriften für Aufsätze generieren, Inhalte paraphrasieren oder Abschnitte Korrektur lesen).
    2. Nutzen Sie das GPT-Modell als Lernpartner:in (erstellen Sie z. B. Mindmaps oder Flashcards, testen Sie Ihr Wissen, erklären Sie Konzepte).
    3. Gehen Sie mit dem GPT-Modell in einen sich wiederholenden Austausch (fragen Sie z. B. nach früheren Aussagen des Modells zu einem Thema oder bitten Sie es darum, bestimmte Begriffe klarer zu definieren).
    4. Lassen Sie das GPT-Modell Inhalte zusammenfassen (z. B. Lernmaterialien, Paper, Videos).
    5. Nutzen Sie das GPT-Modell, um Ihre Codierungen zu verbessern (z. B. als Syntaxhilfe, zum Debugging, Code-Erklärung, Code-Beispiele).
  3. Seien Sie sich der Risiken der Nutzung des GPT-Modells bewusst.

Trotz einiger Vorteile der Nutzung eines GPT-Modells für das wissenschaftliche Arbeiten können derartige Anwendungen auch – teilweise unbemerkt – Fehler produzieren. Es kann passieren, dass KI-basierte Anwendungen halluzinieren, also falsche Behauptungen u. U. als gesicherte Fakten präsentieren. Deshalb ist es wichtig, KI-generierte Inhalte immer auf ihre Richtigkeit zu überprüfen.

Orientiert an: ChatGPT Student Guide – How to use ChatGPT responsibly to support your learning? (IKW) – (based on  "Unlocking the Power of Generative AI Models and Systems such as GPT-4 and ChatGPT for Higher Education A Guide for Students and Lecturers" by Gimpel et al. (2023)).

Weiterführende Informationen

Im Folgenden finden Sie Informationsquellen und Weiterbildungsangebote der UOS, weiterer Hochschulen sowie anderer Einrichtungen, die online oder offline bereitgestellt werden. Die Auswahl bildet lediglich einen kleinen Teil der aktuell verfügbaren Möglichkeiten ab, um das eigene Wissen und die individuellen Kompetenzen selbstständig zu erweitern.

Weiterbildungsoptionen vor Ort

Im Rahmen der  Hochschuldidaktischen Qualifizierung findet in der Regel zweimal pro Jahr ein Workshop für Lehrende zum Thema Kompetenzorientiert Prüfen – Lernfortschritte erfassen, reflektieren, bewerten statt. Die Teilnehmenden erhalten Unterstützung bei der Vorbereitung, Durchführung und Benotung kompetenzorientierter Prüfungen. Dabei wird auch auf Besonderheiten angesichts der Verwendung generativer KI-Tools eingegangen.

Online-Informationsquellen

Informationen anderer Hochschulen
Informationen weiterer Institutionen
Informationen zum rechtlichen Hintergrund

Weiterführende Informationen zum rechtlichen Hintergrund erhalten Sie u. a.

Quellen

„Was ist künstliche Intelligenz und wie wird sie genutzt?“, Europäisches Parlament (27. August 2020), URL:   https://www.europarl.europa.eu/topics/de/article/20200827STO85804/was-ist-kunstliche-intelligenz-und-wie-wird-sie-genutzt (Zugriff: März 2024).

Liesenfeld, Andreas/Lopez, Alianda/Dingemanse, Mark: „Opening up ChatGPT: Tracking Openness, Transparency, and Accountability in Instruction-Tuned Text Generators.“ In CUI '23: Proceedings of the 5th International Conference on Conversational User Interfaces. July 19-21, Eindhoven (2023). doi: 10.1145/3571884.3604316. Online verfügbar unter:  https://opening-up-chatgpt.github.io/ (Zugriff März 2024).

Horn, Janine: „Rechtliche Aspekte des Einsatzes von KI in Studium, Lehre und Prüfung“ (14.07.2023), URL zum PDF:   https://www.souveraenes-digitales-lehren-und-lernen.de/wp-content/uploads/2023/09/KI_Recht_14072023_V2.pdf

Hanke, Ulrike: „Lernen und Prüfen in einer Welt mit ChatGPT mit Hilfe der Lernzieltaxonomie“, basierend auf CC By 4.0: Lernzieltaxonomie in der überarbeiteten Form von Anderson, L.W. & Krathwohl, D. (2001). A Taxonomy for Learning, Teaching, and Assessing. A Revision of Bloom’s Taxonomy of Educational Objectives. Addison Wesley. URL:   https://hochschuldidaktik-online.de/wp-content/uploads/sites/3/2023/02/Lernen-Pruefen-mitChatGPT-Lernzieltaxonomie_neu.pdf

Glathe, Anette/Hansen, Jan/Mörth, Martina/Riedel, Anja: „Vorschläge für Eigenständigkeitserklärungen bei möglicher Nutzung von KI-Tools“ (Stand: 25.8.2023), veröffentlicht unter   https://www.dghd.de/die-dghd/downloads/

Eine durch DeepL erstellte englische Übersetzung dieser Webseite kann über die Sprachauswahl oben rechts auf der Seite aufgerufen werden.