Wiki "KI in der Hochschullehre"

Reiter

21. OAG-Treffen 26.03.2025

Datum: 26. März 2025, 15:00 - 16:30 Uhr

Protokollführung: Sebastian Busse (unterstützt durch ChatGPT-4o, https://www.openai.com/)

Teilnehmende: Filippa Buda, Frank Waldschmidt-Dietz, Holger Repp, Joss von Hadeln, Sebastian Busse, Sebastian Schaper, Viet Duc Vu

Link zur Webseite von RACOON (der Foliensatz kann leider nicht öffentlich gemacht werden)

Link zur Terminumfrage

Link zur Abfrage des Besuchs im immersiven Lernraum (MLZ, FB11) - folgt

Allgemeine Informationen und Organisatorisches

  • Thema der Sitzung: Vorstellung der multizentrischen Forschungsplattform RACOON sowie des im Aufbau befindlichen immersiven Lernraums („Immersiver Lernbereich Medizin“) mit Fokus auf KI und VR in der medizinischen Lehre.
  • Nächstes Treffen: Geplant für Ende April oder Anfang Mai 2025 (Terminabfrage folgt). Zusätzlich wird ein gemeinsamer Besuch des immersiven Lernraums im medizinischen Lehrzentrum (MLZ) am FB11 in Gießen im Juni 2025 angestrebt.
  • Teaching Futures Day: Am 22. Mai 2025 wird auf dem Teaching Futures Day (Tag der Lehre) auch der immersive Lernbereich Medizin mit Demo-Apps vorgestellt. 

Vorstellung der Forschungsplattform RACOON

  • Hintergrund: Entstanden im Rahmen des Netzwerks Universitätsmedizin (NUM) als Reaktion auf die COVID-19-Pandemie. Ziel ist der Aufbau einer gemeinsamen Dateninfrastruktur zur Verbesserung der multizentrischen Forschung in der Radiologie.
  • Beteiligte Einrichtungen: 38 Universitätskliniken sind aktuell eingebunden.
  • Zielsetzung: Förderung von Kooperation statt Wettbewerb. Ermöglichung multizentrischer Studien durch standardisierte Infrastruktur und Datenformate.
  • Technische Struktur: An jeder Klinik wird ein einheitlicher Server mit identischer Hard- und Software betrieben. Daten bleiben lokal, können aber bei Zustimmung zentral ausgewertet werden.
  • Datenschutz: Einheitliche Templates für Datenschutz, Widerspruchs- und Löschkonzepte. Bundeslandspezifische Abstimmungen weiterhin notwendig.
  • Unterstützungsangebote: Bereitstellung technischer Tools, strukturierter Befundungsformulare, KI-gestützter Segmentierungssoftware und Studienmanagement-Plattformen. Ziel ist die Entlastung medizinischer Forschender von technischen und regulatorischen Hürden.
  • Beispielhafte Projekte: KI-gestützte MRT-Auswertung zur Früherkennung von Gebärmuttererkrankungen, Risikoabschätzung bei Lungenembolien via CT-Bildanalyse, Erforschung pädiatrischer Lymphome, Analysen der Körperzusammensetzung aus Fett-, Muskel- und Knochengewebe.
  • Perspektive: Aufbau einer verlässlichen, nationalen Infrastruktur für medizinische Datenanalysen – als Grundlage für Forschung, Lehre und langfristig auch Versorgung.

Einsatz von VR in der medizinischen Lehre am Fachbereich 11

  • Zielsetzung: Nutzung von Virtual Reality zur Visualisierung medizinischer Daten, Simulation von Eingriffen und Entwicklung interaktiver Lernumgebungen für Studierende. Fokus liegt auf der didaktischen und technischen Integration von VR in die curriculare Lehre.
  • Potenziale: VR ermöglicht gefahrfreie Simulationen, interaktive Darstellung anatomischer Strukturen und neue Formen der Interaktion (z. B. Eye-Tracking, Sprachsteuerung). Besonders relevant für Ausbildung, Diagnostiktraining und frühes Verständnis komplexer Zusammenhänge.
  • Lehrintegration: Erste VR-gestützte Kurse (z. B. „KI in der Medizin“) wurden bereits erfolgreich umgesetzt. Medizinstudierende können über strukturierte Plattformen eigene Projekte und Abschlussarbeiten umsetzen.
  • Didaktischer Ansatz: Kombination aus Gamification, immersiven Visualisierungen und niedrigschwelligen Zugängen. Ziel ist es, Studierende frühzeitig an KI- und VR-Technologien heranzuführen und für klinische Workflows vorzubereiten.
  • Technische Basis: Nutzung bestehender Tools wie „Infusion“ (Segmentierung & KI-Training), Entwicklung eigener VR-Apps (z. B. Strahlenschutz-Simulation). Geplant ist eine zentrale VR-Plattform mit buchbaren Ressourcen und fächerübergreifendem Zugang.
  • Infrastruktur: Aufbau eines immersiven Lernraums an der Uniklinik Gießen zur zentralen Nutzung von VR-Hardware. Momentan bestehen noch technische Hürden (z. B. Einrichtung der IT), langfristig soll der Raum interdisziplinär zugänglich sein.

Diskussion: Gesellschaftliche und didaktische Auswirkungen von KI in der Lehre

  • Einstiegsthema: Zu Beginn der Sitzung wurde über aktuelle Entwicklungen generativer KI (insbesondere im Bereich Bildgenerierung) gesprochen. Beispiele betrafen OpenAIs neue Bild-KI (4o Image Generation), die Qualität von KI-generierten Bildern und deren Auswirkungen auf visuelle Medien (z. B. Text-Bild-Kohärenz, realistische Selfies, Bildreflexionen).
  • Kritik am KI-getriebenen Self-Publishing: Es wurde thematisiert, dass Plattformen wie Amazon mit KI-generierten, oft qualitativ fragwürdigen Büchern überflutet werden. Dadurch gewinne die kuratierende Rolle klassischer Verlage wieder an Bedeutung, insbesondere im Hinblick auf Qualitätssicherung und ethische Verantwortung.
  • Gefahren durch KI-Inhalte: Die Teilnehmenden diskutierten über potenzielle Manipulation durch KI-Inhalte – etwa durch politische Propaganda in Kinderbüchern. Auch der Missbrauch durch Plattformen wie Spotify, die angeblich KI-generierte Musik zur Monetarisierung einsetzen, wurde kritisch reflektiert.
  • Vertrauen, Orientierung und Verantwortung: In einer zunehmend mit generierten Inhalten gefluteten digitalen Welt wurde eine neue „Gatekeeper“-Rolle für kuratierende Institutionen als notwendig erachtet. Die Frage nach kulturellem und künstlerischem Wert wurde dabei besonders betont.
  • Relevanz für die Lehre: Im Gespräch wurde deutlich, dass Studierende und Lehrende ein grundlegendes Verständnis von KI benötigen, um Technik reflektiert einsetzen zu können. Der reine Umgang mit Tools sei nicht ausreichend – es gehe auch um Technikbewertung und ethische Einordnung.
  • KI-Kompetenzen in der Ausbildung: Es wurde diskutiert, dass bereits früh im Studium – idealerweise sogar vor Studienbeginn – Grundkompetenzen im Umgang mit KI vermittelt werden sollten. Genannt wurden z. B. ein möglicher „KI-Führerschein“, niedrigschwellige Modellvorstellungen (z. B. „ein Dokument statt Datenbank“ als Einstieg) und Erklärkompetenz als Schlüsselqualifikation für Lehrende.
  • Fachkulturelle Hürden: Insbesondere in der Medizin wurde auf bestehende Barrieren hingewiesen – darunter technologische Skepsis, mangelndes IT-Wissen und die geringe Verankerung naturwissenschaftlicher Grundlagen in Teilen der Studierendenschaft. Fluktuation in der Lehre erschwere zusätzlich den langfristigen Kompetenzaufbau.
  • Vision und Realität: Der Anspruch, alle Lehrenden und Studierenden flächendeckend zu schulen, wurde als unrealistisch bewertet. Stattdessen wurde vorgeschlagen, gezielt motivierte Personen zu fördern, die später als Multiplikator:innen wirken können. Dabei wurde auch auf strukturelle Probleme wie fehlende personelle Ressourcen und mangelndes Marketing (z.B. für Veranstaltungen und Projekte, die den gezielten KI-Kompetenzaufbau beinhalten) verwiesen.
  • Interdisziplinarität als Schlüssel: Für den Erfolg von KI- und VR-Projekten sei die Zusammenarbeit zwischen Informatik und Fachdisziplinen essenziell. Gleichzeitig brauche es Plattformen, die technische, organisatorische und didaktische Unterstützung bereitstellen, um Einstiegshürden zu senken.
  • Ausblick: In der Diskussion wurde der Begriff einer möglichen „Bildungsdisruption“ geprägt – als Hinweis darauf, dass tiefgreifende strukturelle Veränderungen in der Hochschullehre notwendig sein könnten, um mit den technologischen Entwicklungen Schritt zu halten.

Zuletzt geändert: 1. Apr 2025, 1:49pm, Busse, Sebastian [gm1912]