Wenn die Aufgabe zu leicht an die KI fällt
Viele Aufgaben, die über Jahre problemlos funktioniert haben, wirken heute plötzlich fragil.
«Erkläre die Photosynthese.» «Fasse den Text zusammen.» «Nenne drei Argumente für und gegen ein Tempolimit.» «Erstelle ein Merkblatt zur Französischen Revolution.»
An keiner dieser Aufgaben ist grundsätzlich etwas falsch. Sie verlangen fachlich sinnvolle Produkte.
Das Problem liegt woanders: Eine generative KI kann genau diese Produkte inzwischen sehr schnell erzeugen.
Und damit wird plötzlich sichtbar, dass manche Aufgaben stärker das Produkt eingefordert haben als die dahinterliegende Denkarbeit.
KI macht eine alte Schwäche sichtbar
Die naheliegende Reaktion darauf ist oft: Wir müssen Aufgaben bauen, die KI nicht lösen kann.
Ich halte das langfristig für einen schwierigen Weg.
Modelle werden besser. Multimodalität nimmt zu. KI kann recherchieren, rechnen, schreiben, programmieren und zunehmend auch komplexe Arbeitsaufträge bearbeiten.
Wer versucht, Aufgaben dauerhaft «KI-sicher» zu machen, gerät schnell in ein Wettrüsten.
Interessanter finde ich eine andere Frage:
Was soll die lernende Person bei dieser Aufgabe eigentlich denken?
Denn genau dort lässt sich ansetzen.
Vom Produkt zurück zur Denkhandlung
Nehmen wir die Aufgabe: «Erkläre die Photosynthese.»
Was möchte ich damit eigentlich erreichen?
Soll eine Schülerin Fachbegriffe korrekt verwenden? Soll sie Stoff- und Energieumwandlungen verstehen? Soll sie ein Modell erklären können? Oder soll sie Zusammenhänge zwischen Licht, Kohlenstoffdioxid, Wasser und Glucose herstellen?
Je nachdem sieht eine gute Aufgabe unterschiedlich aus.
Aus dem ursprünglichen Auftrag könnte beispielsweise werden:
Die Lernenden erstellen zuerst selbst ein einfaches Modell der Photosynthese. Danach lassen sie eine KI eine eigene Erklärung erzeugen. Sie vergleichen beide Darstellungen, markieren zwei relevante Unterschiede und entscheiden, welche Veränderung ihr eigenes Modell verbessert. Zum Schluss erklären sie einen neuen Fall ohne KI.
Die KI kann weiterhin teilnehmen.
Aber sie kann die Aufgabe nicht mehr vollständig für die Lernenden erledigen.
Nicht komplizierter. Anders.
Das ist wichtig.
KI-angepasste Aufgaben müssen nicht automatisch länger und komplizierter werden.
Eine Aufgabe wird nicht besser, nur weil sie plötzlich aus sieben Unterpunkten besteht.
Oft reichen kleine Veränderungen.
Eine eigene Vorleistung. Ein verbindlicher Vergleich. Eine Entscheidung. Eine Begründung. Ein Transfer.
Damit verschiebt sich die Aufgabe vom Produzieren zum Denken.
Das ist etwas anderes als zusätzliche Beschäftigung.
«Erklären» ist nicht automatisch Denken
Gerade hier lohnt sich ein kritischer Blick auf typische Operatoren.
Erklären, analysieren, bewerten und begründen gelten als anspruchsvolle Tätigkeiten.
Aber wenn eine KI die komplette Erklärung oder Bewertung erzeugt, sagt der Operator allein wenig darüber aus, wer diese Denkhandlung ausgeführt hat.
Deshalb kann auch eine scheinbar anspruchsvolle Aufgabe kognitiv sehr dünn werden.
«Bewerte die Massnahmen gegen den Klimawandel mithilfe von ChatGPT.»
Das Wort «bewerte» klingt anspruchsvoll.
Wenn aber die KI Kriterien festlegt, Informationen auswählt, gewichtet und am Ende das Urteil formuliert, bleibt bei den Lernenden möglicherweise erstaunlich wenig übrig.
Die Aufgabe muss deshalb genauer festlegen, wo die Entscheidung liegt.
Der KI-Stresstest
Ich finde dafür einen einfachen Gedanken hilfreich:
Ich gebe die Aufgabe gedanklich einer guten KI.
Wenn sie in wenigen Sekunden ein vollständiges Endprodukt liefern kann, frage ich mich nicht sofort: Wie verhindere ich das?
Sondern: Welche Denkhandlung wollte ich eigentlich bei den Lernenden auslösen?
Und danach: Wie muss die Aufgabe aussehen, damit genau diese Handlung nicht einfach verschwindet?
Das ist für mich der eigentliche KI-Stresstest einer Aufgabe.
Nicht: Kann KI das lösen?
Sondern: Wenn KI es löst, bleibt dann noch etwas didaktisch Wertvolles bei den Lernenden?
Gute Aufgaben brauchen einen unverzichtbaren Eigenanteil
Dieser Eigenanteil muss nicht künstlich sein. Er sollte direkt aus dem Lernziel entstehen.
- Wenn es ums Urteilen geht, muss die Entscheidung bei den Lernenden bleiben.
- Wenn es ums Modellieren geht, brauchen sie einen eigenen Modellierungsversuch.
- Wenn es ums Argumentieren geht, müssen sie Argumente gewichten und begründet auswählen.
- Wenn es ums Problemlösen geht, brauchen sie einen eigenen Lösungsansatz.
Die KI darf danach sehr gerne dazukommen.
Sie kann irritieren, ergänzen, widersprechen und verbessern.
Aber sie sollte nicht unbemerkt den Grund dafür übernehmen, warum ich die Aufgabe überhaupt gestellt habe.
Vielleicht müssen wir weniger Aufgaben ersetzen als umbauen
Das finde ich eigentlich beruhigend.
Wir müssen nicht alle alten Aufgabensammlungen wegwerfen.
Viele Aufgaben brauchen keinen kompletten Neubau. Sie brauchen einen Umbau an der richtigen Stelle.
Ein erster eigener Versuch. Ein Massstab. Eine KI-Antwort. Ein Vergleich. Eine Entscheidung. Ein neuer Fall.
Und plötzlich wird aus einer leicht delegierbaren Produktaufgabe wieder eine Lernaufgabe.
Faustregel
Eine gute Aufgabe muss nicht KI-fest sein. Sie muss dafür sorgen, dass die entscheidende Denkhandlung bei den Lernenden bleibt.