Generative KI

Aus ZUM Deutsch Lernen

Generative KI bezeichnet Systeme der künstlichen Intelligenz, die neue Inhalte erzeugen: Texte, Bilder, Audio oder Video. Grundlage sind große Sprachmodelle, die aus sehr großen Datenmengen Muster gelernt haben. Anders als eine Suchmaschine rufen solche Systeme keine gespeicherten Inhalte ab, sondern berechnen die wahrscheinlichste Fortsetzung einer Eingabe. Für Deutsch als Fremdsprache und Deutsch als Zweitsprache sind sie seit etwa 2023 in der Materialerstellung und zunehmend auch im Unterricht selbst präsent.

Wie generative Systeme arbeiten

Ein Sprachmodell zerlegt Sprache in kleine Einheiten und berechnet, welche Einheit am wahrscheinlichsten folgt. Auf die Eingabe „Ich mag …“ folgt je nach Zusammenhang „Schokolade“ oder „dich“, auf „Die Katze liegt …“ etwa „auf dem Sofa“ oder „in der Sonne“. Aus dieser einfachen Rechenoperation entstehen, vielfach wiederholt, ganze Texte.

Daraus ergeben sich drei Eigenschaften, die für den Unterricht wichtig sind.

Kein Sprachwissen im herkömmlichen Sinn. Das System kennt keine Grammatikregeln und keine Bedeutungen, es verarbeitet Häufigkeiten. Sprachlich korrekte Ausgaben sind ein Ergebnis der Musterhäufigkeit, keine Anwendung einer Regel.

Kein Wissen über die Welt und über die Lerngruppe. Was berücksichtigt werden soll, muss in der Eingabe stehen (siehe Prompt).

Keine gleichbleibenden Ergebnisse. Dieselbe Eingabe kann bei jedem Durchlauf anders beantwortet werden. Dieses nicht vorhersagbare Verhalten ist kein Fehler, sondern gehört zur Funktionsweise.

Neuere Systeme arbeiten multimodal, verarbeiten also nicht nur Text, sondern auch Bild und Ton.

Was generative Systeme leisten und was nicht

Im Sprachunterricht liegen die Stärken vor allem in der Materialarbeit: Texte lassen sich auf eine Niveaustufe anpassen, Übungen erweitern, Varianten für die Binnendifferenzierung erzeugen, Gesprächsanlässe und Rollen entwerfen. Auch tagesaktuelle Themen lassen sich schneller aufbereiten, als es Lehrwerke leisten können.

Dem stehen Grenzen gegenüber, die im Unterricht bekannt sein müssen:

  • Halluzination: Das System erzeugt sachlich falsche Angaben, die sprachlich überzeugend wirken. Erfundene Quellen, Jahreszahlen oder Zitate sind häufig.
  • Fehlende Belege: Angaben lassen sich oft nicht zurückverfolgen. Eine Prüfung an unabhängigen Quellen bleibt nötig.
  • Verzerrungen: Die Ausgaben geben dominante Muster der Trainingsdaten wieder (siehe Bias).
  • Niveau: Angaben zum Sprachniveau werden häufig nur ungefähr getroffen. Eine Prüfung anhand der Deskriptoren des Gemeinsamen Europäischen Referenzrahmens ist sinnvoll.
  • Fertigkeitsverlust: Wer Aufgaben dauerhaft abgibt, übt sie nicht mehr selbst. Das betrifft Lernende wie Lehrende.

Bedeutung für den DaF-/DaZ-Unterricht

Generative KI verändert nicht nur die Werkzeuge, sondern auch die Aufgabenstellung. Wenn ein System einen fehlerfreien Text auf Knopfdruck erzeugt, verliert das fertige Produkt an Aussagekraft über die individuelle Leistung. Aussagekräftiger wird der Weg dorthin: die Eingaben, die Überarbeitungsschritte und die Begründung der eigenen Entscheidungen.

Für die Lehrenden verschiebt sich die Aufgabe vom Erstellen zum Prüfen und Auswählen. KI-Material wird gesichtet, geprüft, angepasst und begründet ausgewählt, statt unverändert übernommen zu werden. Die fachliche Verantwortung für das, was im Unterricht erscheint, bleibt bei der Lehrkraft.

Für die Lernenden kommt eine eigene Kompetenz hinzu: einzuschätzen, wann ein solches System hilft, wann es die eigene Arbeit ersetzt und wie sich seine Ausgaben prüfen lassen. Diese Fähigkeit lässt sich als Teil von Lernerautonomie verstehen.

Auswahl eines Werkzeugs

Welches System sich eignet, hängt vom Kontext ab und ändert sich schnell. Statt einzelner Produkte helfen Kriterien:

  • Datenschutz: Wo werden Eingaben verarbeitet und gespeichert? Personenbezogene Daten von Lernenden gehören nicht in solche Systeme.
  • Zugang: Ist eine Anmeldung nötig? Anmeldepflicht schließt Lerngruppen häufig aus.
  • Rechtlicher Rahmen: Altersgrenzen und Zulässigkeit unterscheiden sich zwischen Ländern und Bildungseinrichtungen erheblich.
  • Kosten: Welche Funktionen sind ohne Bezahlung nutzbar?
  • Zweck: Textarbeit, Bilderzeugung und Recherche stellen unterschiedliche Anforderungen.

Für den schulischen Bereich gibt es inzwischen datensouveräne Zugänge, die eigens für Bildungseinrichtungen eingerichtet wurden. In internationalen Kontexten ist jeweils zu prüfen, welche Lösungen verfügbar und zulässig sind.

Generative KI und H5P (ZUM-Apps)

Nicht jede Auseinandersetzung mit generativer KI setzt voraus, dass eine Lerngruppe selbst ein solches System bedient. Mit freien H5P-Inhaltstypen lassen sich dokumentierte Ausgaben aufbereiten und ohne Anmeldung bearbeiten. Fertige Übungen lassen sich über die frei lizenzierten ZUM-Apps veröffentlichen.

Was geübt wird H5P-Inhaltstyp Beispielaufgabe
Erfundene Angaben erkennen Mark the Words In einer KI-Ausgabe die Angaben markieren, die sich nicht belegen lassen
Funktionsweise verstehen True/False Aussagen bewerten
Ausgaben vergleichen Multiple Choice Zum Beispiel: Hör- oder Leseverstehen
Eine Ausgabe überarbeiten Fill in the Blanks Eine zu schwierige KI-Formulierung durch einfachere Wendungen ersetzen

Kritik und offene Fragen

  • Aussagen über einzelne Systeme veralten schnell. Prinzipien wie Wahrscheinlichkeitsrechnung, fehlende Belege und Nicht-Determinismus bleiben dagegen stabil und sollten den Ausgangspunkt bilden.
  • Der Ressourcenverbrauch für Training und Betrieb ist erheblich. Er gehört zu einer vollständigen Betrachtung dazu, auch wenn belastbare Zahlen schwer zugänglich sind.
  • Zur Wirksamkeit generativer KI auf den Sprachlernerfolg liegen bislang wenige belastbare Studien vor. Erfahrungsberichte ersetzen keine Wirkungsforschung.
  • Die Frage, welche Tätigkeiten sinnvoll abgegeben werden können und welche als Übungsanlass erhalten bleiben müssen, ist fachdidaktisch nicht abschließend geklärt.

Siehe auch

Literatur

  • Baum, Luisa / Günay, Gülsüm (Hg.) (2025): Künstliche Intelligenz in DaF/DaZ. Berlin: Frank & Timme.
  • Bender, Emily M. / Gebru, Timnit / McMillan-Major, Angelina / Shmitchell, Shmargaret (2021): On the Dangers of Stochastic Parrots. Can Language Models Be Too Big? In: Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, S. 610–623.

Fachartikel

Weblinks

Verständnischeck: Generative KI

Mit diesem Verständnischeck können Sie selbst testen, ob Sie den Inhalt dieser Seite verstanden haben. Er ist als H5P-Question Set unter CC BY 4.0 eingebunden und lässt sich frei nachnutzen.


CC BY-SA 4.0
Abgerufen von „https://deutsch-lernen.zum.de/index.php?title=Generative_KI&oldid=88713“