Das Thema Künstliche Intelligenz (KI) gewinnt im öffentlichen Diskurs – gerade auch vor dem Hintergrund von ChatGPT – zunehmend an Bedeutung. Davon bleibt die Hochschullandschaft in Deutschland nicht unberührt. Wie eine hochschulweite Befragung zu den zukünftigen Bedarfen an der Hochschule Magdeburg-Stendal gezeigt hat, ist das Interesse an KI-Themen sehr hoch – es fehlt jedoch derzeit an didaktischen Angeboten (Hochschule Magdeburg-Stendal 2022).

Mit dem Projekt „ZAKKI – zentrale Anlaufstelle für innovatives Lehren und Lernen interdisziplinärer Kompetenzen der KI“ strebt die Hochschule Magdeburg-Stendal eine didaktisch innovative und qualitativ hochwertige Lehr-Lern-Weiterentwicklung im Themenkomplex KI an. Im Rahmen der Etablierung von Maßnahmen zur Stärkung von KI-Kompetenzen (de la Higuera 2019) wurden drei Labs etabliert (AI.Analytics, AI.Social, AI.Tech), die sich inhaltlich jeweils mit einem anderen KI-Schwerpunkt auseinandersetzen. In enger Kooperation begleitet ein weiteres Lab (AI.Teach) die drei inhaltlichen Labs didaktisch-konzeptionell bei der Entwicklung der KI-Lehr-Lern-Angebote und übernimmt anschließend die Evaluation. Entsprechend des DBIR-Ansatzes (Means/Harris 2013) ist die Zusammenarbeit iterativ und erstreckt sich über vier Phasen – einer Konzeptions-, Evaluations-, Bilanzierungs- und Re-Design-Phase.

Der Artikel stellt die Ergebnisse der im Rahmen des ZAKKI Projektes entwickelten Lehrveranstaltung „Einführung in die KI -Grundlagen und Anwendungsfelder“ vor. Die Veranstaltung wurde konzipiert, um Ingenieurwissenschaftliche Bachelor-Studiengängen an das Thema KI heranzuführen. Nach dem VDI-Statusreport 2022 (VDI 2022) werden KI-Kenntnisse in der Regel nicht im Studium erworben, sondern begründen sich auf Eigeninitiative und Projekte im beruflichen Umfeld. So gaben etwa 32% von 300 Befragten an bisher keine KI-Methoden zu kennen, etwa 29% haben Wissen auf Eigeninitiative im Selbststudium erworben und nur etwa 11% haben im Grundstudium Methodenwissen vermittelt bekommen. Der Kurs verfolgt daher die Ziele, Grundverständnis für KI und künstlicher Wissensverarbeitung zu erlangen, Anwendungsprobleme zu identifizieren und formalisieren zu können, praxisnahe Problemstellungen mit bekannten KI-Tools umzusetzen, um davon ausgehend auch ein Bewusstsein für ein ethisch verantwortliches Handeln mit KI zu entwickeln.

Neben der Herleitung und Erläuterung der fachlichen und inhaltlichen Schwerpunkte fokussiert der Artikel die Zusammenarbeit der Labs AI.Tech und AI.Teach in den einzelnen DBIR-Phasen sowie die Ergebnisse der begleitenden Evaluation. Vor dem Hintergrund des zweiten anstehenden DBIR-Zyklus soll grundlegend diskutiert werden, inwieweit der DBIR-Ansatz überhaupt geeignet ist, innovative, KI spezifische Lehr-Lern-Angebote gerade bei Ingenieurwissenschaftlichen Studiengängen zu entwickeln und inwieweit dieser Ansatz auch für konsekutive Lehrveranstaltungen adaptiert werden kann.