KI in der Lehre

Künstliche Intelligenz (KI) verändert die Hochschullehre, indem sie neue Möglichkeiten zur Erstellung und Anpassung von Lehrmaterialien eröffnet. Gleichzeitig stellen sich viele Fragen, wie KI-Tools effizient eingesetzt werden können, um Texte zu generieren, Inhalte für unterschiedliche Zielgruppen anzupassen oder sogar interaktive, adaptive Lernformate zu entwickeln. Das DigiTeach möchte Lehrende dabei unterstützen, diese Transformation aktiv mitzugestalten.
Auf dieser Seite finden Sie alles, was Sie brauchen, um den Einsatz generativer KI in der Hochschullehre sinnvoll, reflektiert und didaktisch fundiert zu gestalten.
KI-Leitfaden
Um Lehrende bei der verantwortungsvollen und reflektierten Nutzung von KI-Tools zu unterstützen, hat das DigiTeach-Institut einen KI-Leitfaden erarbeitet.
Der Leitfaden bietet Orientierung bei Fragen wie:
- Wann und wie darf KI in Lehrveranstaltungen eingesetzt werden?
- Welche Anforderungen gelten für wissenschaftliches Arbeiten mit KI-Unterstützung?
- Wie lassen sich Chancen und Risiken für die Hochschulbildung abwägen?
Er richtet sich an Lehrende und versteht sich als didaktische Empfehlung, nicht als starre Regel. Ziel ist es, einen gemeinsamen Rahmen für den sinnvollen Umgang mit KI in Studium und Lehre zu schaffen.
Moodle-Kurs "KI-Literacy"
Die verantwortungsvolle Integration von Künstlicher Intelligenz in die Hochschullehre setzt ein fundiertes Verständnis der Chancen, Grenzen und Risiken von KI-gestützten Anwendungen voraus.
Alle Lehrenden, die KI-Tools in ihren Lehrveranstaltungen einsetzen möchten, sind daher verpflichtet, vorab den Moodle-Kurs „KI-Literacy“ erfolgreich zu absolvieren.
Der Kurs vermittelt grundlegende Kompetenzen zur Nutzung von KI in didaktischen Kontexten, sensibilisiert für ethische Fragestellungen und stellt bewährte Praxisbeispiele sowie rechtliche Rahmenbedingungen vor.
Die Teilnahme ist Voraussetzung für die Nutzung von KI-gestützten Elementen in Lehrveranstaltungen und dient der Qualitätssicherung sowie der Einhaltung hochschulinterner Leitlinien.
KI-Kompetenzen für Studierende
Weiterhin sind Lehrende verpflichtet, Studierende in grundlegender KI-Kompetenz zu schulen, sobald KI-Systeme in der Lehre aktiv von den Studierenden eingesetzt werden. Damit auch Ihre Studierenden über die erforderliche KI-Kompetenz verfügen, können Sie den Moodle-Kurs “Fit für KI” an Studierende empfehlen. Der Kurs enthält Informationen zu KI:Connect.nrw und Verweise zu Kursen, die KI-Kompetenzen für Studierende vermitteln.
Übersicht nützlicher KI-Tools
Die hier gelisteten Tools sind vom DigiTeach-Team getestet und für die Verwendung im Lehr-Lern- u. Forschungskontext für nützlich befunden worden. Die Liste erhebt keinen Anspruch auf Vollständigkeit und aufgrund der dynamischen KI-Entwicklung (neue Tools, neue Modelle, neue Features) können die Informationen gelegentlich veraltet sein. Die datenschutzkonforme, ehtisch und urheberrechtlich angemessene Nutzung der Tools ist vom jeweiligen Einsatzszenario abhängig und von jedem Nutzer vorab persönlich zu prüfen. Gerne berät das DigiTeach-Institut bei diesbezüglichen Fragen.
Nützliche KI-Tools nach Kategorien
Die Large Language Models fungieren als Chatbot und Recherchetool, helfen bei der Textstrukturierung und -formulierung, können aber auch Code generieren oder Bild- und Datensätze auswerten. Der Funktionsumfang erweitert sich schnell, durch integrierte Plugins kommen viele weitere Features hinzu.
| Tool | Key-Features | Anmerkungen |
| Claude | Text- und Inhaltserstellung, Antworten auf Fragen | qualitativ hohe Textausgabe, “natürliche” Interaktionsform |
| ChatGPT | Text- und Inhaltserstellung, Antworten auf Fragen | vielseitig, unterstützt viele Ausgabeformate; integrierte Plugins z.B. für Videos oder Bilder; Hochschullizenz für Lehrende |
| Gemini | Text- und Inhaltserstellung, Antworten auf Fragen | mit Google-Produkten kombinierbar (Maps, Search etc.); inhaltliche Zensurvorgaben (poltischer Bias) |
| DeepSeek | Text- und Inhaltserstellung, Antworten auf Fragen | effektiv für technische u. mathematische Tasks, Open Source, inhaltliche Zensurvorgaben (politischer Bias) |
Wenn Sie, etwa aus datenschutzrechtlichen Erwägungen, mit einem rein lokalen Modell arbeiten möchten, so können Sie dies über über das OpenWEbUI des DigitTeach-Instituts tun.
Das Angebot an Bild- u. Videogeratoren entwickelt sich sehr schnell - hier werden nur geteste Tools gelistet, die aktuell auch in Deutschland verfügbar sind. Anmerkung: Die Videogeneration ist generell resourcenlastig und auch mit Bezahlmodellen können i.d.R. nur einige kurze Sequenzen (5-10s) generiert werden.
| Tool | Kategorie | Key-Features und Nachteile |
| Ideogram AI | Bildgenerator | integriert Text gut, gute Ergebisse bei Icons, Inspiration durch Promptbeispiele der Community Nachteile: Promptumsetzung manchmal intransparent |
| MidJourney | Hochqualitative Bildgenerierung | sehr detailreiche Ergebnisse, bisher bestes Tool für Bilder Nachteile: Steuerung über Discord, spezifische Promptbefehle |
| Stable Diffusion | Bildgenerator | hohe Flexibilität durch Anpassung (Open-Source), auch Offline-Varianten verfügbar Nachteile: Hohe Rechenleistung notwendig, Ergebnisse variieren qualitativ |
| Dalle | Bildgenerator | wahlweise in Chat GPT integriert, reagiert gut auf längere Prompts, viele Styles, Individualierung von Models (via OpenArt.AI) Nachteile: stilistisch oft ähnlich, teils Probleme mit photorealistischen Darstellugen |
| Flux AI | Bild-/ Videogenerator | gute Bildqualität Nachteile: langsam, wenig Detailsteuerung, Videos oft fehlerhaft |
| Imagen 3 (Gemini) | Bildgenerator | in Chatbot integriert Nachteile: schlechte Prompterfüllung, keine unterschiedlichen Formate |
| Adobe Firefly | Bild-/ Videogenerator | viele stilistische Feinjustierungen möglich, gute Integration in Adobe-Kosmos Nachteile: Promptumsetzung nicht immer optimal; Videogenerator noch in Betaphase, stark limitierter Nutzungsumfang |
| Recraft.ai | Bildgenerator mit Kompositions-und Weiterbearbeitungsoptionen | gute Ergebnisse, direkte Arrangements mit Text, viele Bearbeitungsoptionen (freistellen, vektorisieren etc.) Nachteile: etwas unübersichtliches und kleinteiliges Interface, in der Gratisversion keine Bildrechte und alle Ergebnisse öffentlich |
| Runway | Videogenerator | gute Ergebnisse, hohe kreative Freiheit Nachteile: hohe Rechenleistung nötig, Kontingente auch in Bezahlversion sehr knapp bemessen |
| Synthesia | Avatar-basierte Videos | gute Ergebnisse, einfache Handhabung Nachteile: limitierte Templates |
| Heygen | Avatar-basierte Videos | schnelle Ergebnisse, viele Templates, gute Sprachausgabe Nachteile: begrenzte Individualisierung; Timeline-Handling wenig intuitiv |
Während man Recherchen prinzipiell auch mit den allgemeinen Chatbots durchführen kann, bieten spezialisierte Recherchetools weitergehende Funktionen, die speziell auf Quellenrecherche und wissenschaftliche Textarbeit ausgerichtet sind.
| Tool | Kategorie | Key-Features, Vorteile | Nachteile |
| Perplexity | Recherche | liefert Quellen u. Multimediainhalte zu Themen, integriert alle großen Bot-Modelle, ist zeitlich aktuell und liefert konkrete, präzise Quellen | Textausgabe ist weniger gut als in ChatGPT |
| Storm | Recherche | generiert ganze Texte aus Rechercheergebnissen, setzt korrekte Quellenangaben mit Kurzvorschau | aktuell nur englisch |
| Notebook LM | Recherche / Podcast | personalisiertes Text-KI-Modell, individuell trainierbar, große Textvolumen möglich, speicherbare Interaktionen | Lernkurve bei Modelltraining |
In dieser Toolgruppe sind Anwendungen gesammelt, mit denen sich spezielle Audioskripte erstellen lassen, Texte für unterschiedliche Nutzungen (z. B. Erklärvideos, Podcasts, Interviews) vertont werden können oder Sprachen oder Stimmen geändert oder geklont werden können.
| Tool | Kategorie | Key-Features, Vorteile | Nachteile | |
| ElevenLabs | Audiogeneratoren | Hochwertige Text-to-Speech-Stimmen, realistische Sprach- u. Klangqualität, gutes Feintuning; mehrsprachiger eigener Stimmklon erstellbar | Premium-Stimmen kostenpflichtig | |
| Kukarella | Audio-/Scriptgenerator | Text-to-Speech Dialogerstellung, mehrere Sprecher integrierbar, zieht Text direkt aus Audio- und Videoformaten | aktuell teils schlechte deutsche Sprachumsetzung | |
| Wondercraft | Audio-/Scriptgenerator | diverse Audioformate u. Scripts, weitreichend editierbares Audio, szenariobezogen. erstellt gute promtbasierte Gespräche | etwas unübersichtliches Interface, noch starkte Probleme mit deutscher Sprachausgabe | |
| Lovo AI (Genny) | Audio-/Scriptgenerator | Dialoge mit mehreren Sprechern erstellbar | deutsch Sprachausgabe mittelmäßig | |
| Notebook LM | Podcastgenerator | erstellt lebensechte Dialogsequenz in Podcastform auf der Basis von Textdokumenten; mit Prompts weiter steuerbar | standardmäßig auf englisch; deutsche Sprachausgabe über Prompt aber möglich |
Diese Tools helfen bei digitalen Kollaborationsformen durch Inputs oder Impulse, unterstüzen Planungsprozesse, oder fixieren Ergebnisse.
| Tool | Kategorie | Key-Features, Vorteile | Nachteile | |
| Miro AI | Digitales Whiteboard | KI-gestützte Erweiterung des bekannten Miro-Boards, kollaborative Nutzung, generiert auch Mindmaps und Flow Charts | Einarbeitung nötig | |
| Stormboard | Digitales Whiteboard | digitales Whiteboard und Agile Organisation, Ki-basierter Export von Whiteboards in viele Formate | ||
| Gitmind | Digitales Whiteboard | KI-basiertes Whiteboard, erzeugt promptbasierte Meilensteinpläne und Mindmaps | wenig intuitive Navigation |
Diese Tools helfen bei der Erstellung von Präsentationen, Lehrmaterial oder digitalen Kursformaten.
| Tool | Kategorie | Key-Features, Vorteile | Nachteile | |
| Thinglink | Interaktives LMS | mächtiges Kurs-Tool mit vielen interaktiven Zusatzfunktionen, Lernlandkarten, 360Grad-Videos, automatisierte Barrierefreiheits-Tools etc.; Einzellizenz für Lehrende ab 60 USD/ JAhr | bei vollumfänglicher Nutzung Redundanzen mit Moodle | |
| Napkin | KI-Präsentations-generator | editierbare Folien auf Knopfdruck aus Prompts oder Texten; Basic-Version gratis nutzbar; intuitiv u. schnell | Grafik-Stil und Varianz limitiert | |
| gamma | KI-Präsentations-generator | editierbare Folien auf Knopfdruck aus Prompts oder Texten; Basic-Version gratis nutzbar; weitreichende Nachbearbeitung möglich, integriert KI-Bildgeneration |
Prompting-Techniken
Prompting-Techniken ermöglichen es, gezielt die gewünschten Reaktionen eines Large Language Modell (LLM) hervorzurufen. Zero-Shot-Prompting bezeichnet die direkte Interaktion mit einem Sprachmodell durch eine klare Anweisung ohne Beispiele. Das Modell greift dabei ausschließlich auf sein vortrainiertes Wissen zurück und eignet sich besonders für einfache, klar umrissene Aufgaben wie Definitionen oder Faktenabfragen.
Beim One- oder Few-Shot-Prompting werden dem Modell ein oder mehrere Beispiele für das gewünschte Eingabe-Ausgabe-Muster gegeben. Diese Beispielvorgaben helfen insbesondere bei komplexeren Aufgaben, da sie Format, Stil oder Logik der Antwort verdeutlichen.
Rollenbasiertes Prompting weist dem Modell schließlich eine spezifische Rolle oder Persona zu, um Tonfall, Detailtiefe und Perspektive der Antwort gezielt zu steuern, etwa durch die Rolle eines Experten oder Lehrers.
Grundsätzlich setzt sich ein professioneller Prompt aus vier strategischen Elemente zusammen:
- Instruction (Anweisung): Die spezifische Aufgabe (z. B. „Erstelle“, „Analysiere“, „Klassifiziere“).
- Context (Kontext): Hintergrundinformationen, die den Lösungsraum einschränken.
- Input (Eingabedaten): Das zu verarbeitende Material (z. B. Primärtexte oder Rohdaten).
- Output (Ausgabedaten): Die Festlegung des Formats (z. B. „Tabellarisch“, „JSON“, „Lehrskript-Stil“).
Die im Folgenden vorgestellten Prompting-Frameworks eignen sich dabei für unterschiedliche Einsatzzwecke, da sie jeweils spezifische Ziele wie Kreativität, Struktur, Problemlösung oder Faktentreue unterstützen.
Das BAB-Framework (Before, After, Bridge) ist ein narratives Prompting-Modell, das insbesondere im Storytelling und bei Veränderungs- oder Übergangsbeschreibungen eingesetzt wird. Es stellt den Kontrast zwischen Ausgangssituation und Zielzustand heraus und erklärt nachvollziehbar den Weg dazwischen.
- Before (Vorher-Zustand): Beschreibt den aktuellen Ist-Zustand, inklusive bestehender Probleme oder Einschränkungen.
- After (Nachher-Zustand): Skizziert den gewünschten Soll-Zustand und die angestrebten Verbesserungen.
- Bridge (Brücke): Erläutert die Maßnahmen, Schritte oder Argumente, die den Übergang vom Ist- zum Soll-Zustand ermöglichen.
Beispiel-Prompt:
Vorher: Ein Student hat Schwierigkeiten, wissenschaftliche Zitierregeln zu verstehen und macht viele Fehler.
Nachher: Der Student zitiert sicher nach APA-Standard und vermeidet Plagiate.
Brücke: Erstelle einen 5-Schritte-Lernplan, der den Übergang zu korrektem Zitieren erklärt.
Das COSTAR-Framework zerlegt einen Prompt in sechs Elemente: Kontext, Aufgabe, Stil, Ton, Zielgruppe und Antwortformat). Dieser Ansatz stellt sicher, dass alle relevanten Aspekte einer Anfrage berücksichtigt werden, was zu präzisen und kontextuell passenden Antworten führt. Es ist besonders nützlich für die Textgenerierung und Zielgruppenanpassung.
- Context (Kontext): Stellt die notwendigen Hintergrundinformationen bereit, um die Anfrage in den richtigen Rahmen zu setzen und irrelevante Ausgaben zu vermeiden.
- Objective (Aufgabe): Definiert klar und unmissverständlich, welche Aufgabe das Modell erfüllen soll.
- Style (Stil): Gibt vor, wie die Informationen präsentiert werden sollen (z. B. Absätze, Bulletpoints, nummerierte Listen, JSON, oder Vorgabe eines Templates.).
- Tone (Ton): Bestimmt den erwünschten Tonfall der Antwort (z.B. empathisch, sachlich oder förmlich).
- Audience (Zielgruppe): Definiert, für wen die Antwort bestimmt ist, sodass das Modell Vokabular und Komplexität anpassen kann.
- Response (Antwortformat): Bestimmt die Erwartungen, beispielsweise: drei Lösungsschritte vorschlagen, maximal 150 Wörter umfassen und nur sachliche Inhalte liefern.
Beispiel-Prompt:
Kontext: Ich erstelle ein Vorlesungsskript für Erstsemester in Psychologie.
Aufgabe: Fasse die Kernkonzepte der kognitiven Dissonanz zusammen.
Stil: Akademisch, aber zugänglich.
Tonfall: Ermutigend.
Zielgruppe: Studierende ohne Vorwissen.
Antwortformat: Erstelle eine strukturierte Liste mit Definitionen und Alltagsbeispielen.
Das CRISPE-Framework (Capacity/Role, Insight, Statement, Personality, Experiment) kombiniert eine klare Rollendefinition mit Beispielen (Shots) und nutzt bewusst Freiheitsgrade für Experimente. Es eignet sich gut für FAQs und Reviews.
- Capacity (Fähigkeit) definiert die Rolle oder Fähigkeit des Modells, zum Beispiel als Experte oder Analyst.
- Insight hebt die zentrale Idee hervor.
- Statement bildet den Rahmen für das Hauptergebnis.
- Personality steuert Tonalität und Stil.
- Experiment schafft Raum für Iteration und Optimierung.
Beispiel-Prompt
Rolle/Fähigkeiten: Du agierst als hochschuldidaktischer Experte mit Schwerpunkt Prüfungsdidaktik und Qualitätsmanagement an deutschen Universitäten. Du kennst Akkreditierungsanforderungen, typische Prüfungsformate sowie hochschulrechtliche Rahmenbedingungen.
Insight: Viele Studierende empfinden Prüfungsordnungen als unverständlich und wenig transparent. Eine klar strukturierte, verständliche Erklärung kann Unsicherheiten reduzieren.
Statement: Erstelle eine FAQ-basierte Erklärung zur Prüfungsordnung eines Bachelorstudiengangs, die sich an Studierende im ersten Semester richtet.
Der Fokus liegt auf:
- Prüfungsarten
- Wiederholungsmöglichkeiten
- Notenberechnung
- Fristen und formalen Anforderungen
Die Inhalte sollen fachlich korrekt, aber leicht verständlich sein.
Personality: Der Text soll in einem sachlichen, zugleich studierendenfreundlichen Ton verfasst sein. Die Sprache ist klar, ruhig und erklärend, nicht belehrend.
Experiment: Nutze die Freiheit, erklärende Beispiele einzubauen, etwa zur Berechnung einer Modulnote oder zur Wiederholung einer Prüfung. Wo sinnvoll, können alternative Formulierungen oder zusätzliche Erläuterungen ergänzt werden, um unterschiedliche Fachkulturen oder Zielgruppen zu berücksichtigen. Kennzeichne Stellen, an denen hochschulspezifische Regelungen variieren können.
Das RACE-Framework (Role, Action, Context, Expectation) strukturiert Prompts so, dass Handlungsanweisung und Erwartung klar voneinander abgegrenzt sind. Es eignet sich besonders für Aufgaben, bei denen das LLM eine klar definierte Tätigkeit in einem bestimmten Kontext ausführen soll.
- Role (Rolle): Legt fest, aus welcher Perspektive oder mit welcher Expertise das LLM agieren soll.
- Action (Aktion): Beschreibt die konkrete Handlung oder Aufgabe, die ausgeführt werden soll.
- Context (Kontext): Liefert die notwendigen Hintergrundinformationen und Rahmenbedingungen zur Einordnung der Aufgabe.
- Expectation (Erwartung): Definiert das gewünschte Ergebnis, einschließlich Detailgrad, Stil oder Ausgabeformat.
Das Modell kann um eine Beschreibung der Situation (S-RACE) ergänzt werden (Knapper, 2025).
Beispiel-Prompt
Rolle: Mentor für wissenschaftliches Schreiben.
Aktion: Überarbeite die Einleitung dieser Bachelorarbeit.
Kontext: Fachbereich Informatik, Fokus auf KI-Ethik.
Erwartung: Max. 300 Wörter, prägnante Problemstellung, akademischer Ton.
Das RICE-Framework (Role, Instruction, Context, Example) ist eine strukturierte Prompting-Methode zur klaren Aufgabensteuerung von KI-Modellen. Es kombiniert eine eindeutige Rollenzuweisung mit konkreten Arbeitsanweisungen, kontextuellen Informationen und Beispielen, um präzisere Ergebnisse zu erzielen. Es eignet sich gut zur Erstellung von Unterrichtsmaterialien wie Skripte oder Präsentationen.
- Role (Rolle): Bestimmt die Rolle oder Expertise, aus der heraus das LLM antworten soll.
- Instruction (klare Anweisung): Beschreibt die relevanten Daten, Informationen oder Rahmenbedingungen, die verarbeitet werden müssen.
- Context (Kontext): Listet die einzelnen Schritte auf, die zur Lösung der Aufgabe durchzuführen sind.
- Example (Beispiel): Definiert das gewünschte Ergebnis sowie gegebenenfalls das Ausgabeformat oder Qualitätskriterien.
Beispiel-Prompt
Rolle: Du agierst als erfahrene Hochschuldidaktikerin und Lehrende mit Expertise in der Gestaltung aktivierender Unterrichtsmaterialien.
Anweisung: Erstelle ein didaktisch strukturiertes Unterrichtsmaterial zum Thema „Einführung in Prompt Engineering“, das für eine 90-minütige Lehrveranstaltung geeignet ist.
Kontext: Zielgruppe sind Studierende im Bachelorstudium (1.–2. Semester) ohne Vorkenntnisse im Bereich Künstliche Intelligenz.
Das Material soll:
- Lernziele enthalten
- zentrale Begriffe verständlich erklären
- eine kurze Input-Phase (ca. 20 Minuten)
- sowie eine aktivierende Übung in Kleingruppen umfassen.
Das Unterrichtsformat ist präsenzbasiert, unterstützt durch digitale Tools.
Beispiel: Orientiere dich am Stil eines hochschuldidaktischen Skripts.
Beispiel für das gewünschte Niveau einer Erklärung: „Prompt Engineering bezeichnet die gezielte Formulierung von Eingaben für KI-Modelle, um deren Antworten möglichst präzise und nachvollziehbar zu steuern.“
Das QUEST-Framework (Question, Understanding, Expectation, Scope, Time) wird von Pappe (2025) zur Verfeinerung von Forschungsfragen empfohlen.
- Question (Frage): Zu Beginn steht eine klar formulierte Fragestellung oder ein konkretes Problem, das bearbeitet oder gelöst werden soll.
- Understanding (Verständnis): Es wird dargelegt, welches Vorwissen bereits vorhanden ist und an welchen Stellen noch Wissenslücken oder Unsicherheiten bestehen.
- Expectation (Erwartung): Es wird definiert, wie eine qualitativ gute Antwort aussehen soll und welche zentralen Aspekte oder Argumente zwingend behandelt werden müssen.
- Scope (Umfang): Der thematische Fokus der Recherche wird festgelegt, einschließlich klarer Abgrenzungen dazu, welche Inhalte einbezogen und welche bewusst ausgeschlossen werden.
- Time (Zeit): Relevante zeitliche Einschränkungen werden benannt, etwa die Berücksichtigung ausschließlich aktueller Studien oder eines bestimmten Veröffentlichungszeitraums.
Beispiel-Prompt
Frage: Wie beeinflusst Digitalisierung das Lernen?
Verständnis: Ich kenne bereits die Grundlagen von E-Learning, aber nicht die Auswirkungen auf die soziale Interaktion.
Erwartung: Analyse aktueller Studien.
Umfang: Fokus auf Hochschullehre in Europa.
Zeit: Nur Studien ab dem Jahr 2020.
Tipp: Hier kann es auch sinnvoll sein, im entsprechenden LLM einen passenden Modus wie z.B. „Deep Research“ bei ChatGPT zu wählen.
Prompt-Bibliothek für die KI-gestützte Lehr-/Lernmittelerstellung
Die Sammlung enthält Prompt-Beispiele, die Lehrende bei der (digitalen) Lehre unterstützen können. Die Prompt-Beispiele unterscheiden sich bewusst in ihrer Form und Ausführlichkeit, um unterschiedliche Einsatzszenarien abzudecken. Teilweise sind sie kurz und prägnant formuliert und eignen sich als Zero-Shot-Prompts für einfache, klar umrissene Aufgaben. In anderen Fällen sind die Prompts strukturiert und in natürlicher Sprache formuliert, um komplexere Anforderungen oder didaktische Kontexte präzise zu steuern. Ergänzend dazu sind einige Prompt-Beispiele im Markdown-Format strukturiert.
Übernimm die Rolle einer Expertin bzw. eines Experten für Hochschuldidaktik.
Die Zielgruppe sind Studierende des Fachs [Fach] im [Semester].
Analysiere den untenstehenden Text und erstelle daraus eine didaktisch aufbereitete Lernzusammenfassung mit folgender Struktur:
Output:
- Lernziele: Formuliere drei präzise Lernziele, die sich direkt aus dem Text ableiten lassen (Stichpunkte).
- Kernkonzepte: Stelle fünf zentrale Konzepte aus dem Text dar. Erläutere jedes Konzept in genau einem verständlichen Satz.
- Beispiel / Anwendung: Gib ein kurzes, realitätsnahes Beispiel oder eine typische Anwendung aus dem Studien- oder Praxisalltag.
- Check-yourself: Formuliere drei Verständnisfragen zum Text und gib jeweils eine kurze Musterlösung an.
Stilvorgaben:
Verwende bildungssprachliches, gut verständliches Deutsch. Fachbegriffe sollen korrekt verwendet und bei ihrem ersten Auftreten kurz erklärt werden.
Text: [Hier Text einfügen oder hochladen]
Erkläre mir das Konzept [Konzept einfügen] so, als wäre ich ein Anfänger auf diesem Gebiet.
Zerlege es in klar verständliche Abschnitte. Beschreibe zur Veranschaulichung einfache Analogien oder Metaphern.
Gib mir 2-3 konkrete Beispiele, wo dieses Konzept praktisch angewendet wird.
Erstelle eine Liste mit 3-4 häufigen Missverständnissen oder Fehlern, die Anfänger oft machen, und erkläre kurz, wie man sie vermeidet.
Schlage abschließend 2-3 Kontrollfragen vor, mit denen ich mein Verständnis selbst überprüfen kann.
Hilf mir, das Thema [Thema einfügen] besser zu strukturieren.
Identifiziere die 3-5 zentralen Kernideen oder Prinzipien dieses Themas.
Erkläre kurz, wie diese Kernideen miteinander zusammenhängen.
Nenne für jede Kernidee 1-2 praktische Anwendungsbereiche oder Beispiele.
Schlage einfache Merkhilfen oder Eselsbrücken für die wichtigsten Begriffe oder Konzepte vor.
Fasse die allerwichtigsten Punkte in 3-4 Sätzen zusammen, die man sich leicht merken kann.
Interaktives Übungsset mit Hinweisen, Feedback und Fehleranalyse
Erstelle mir 3 Übungsaufgaben zum Thema [Fach/Thema einfügen] auf dem Schwierigkeitsniveau [Niveau angeben, z.B. „Anfänger“, „Fortgeschritten“].
Gib mir nicht sofort die Lösung, sondern leite mich schrittweise durch den Lösungsweg, wenn ich nach Hinweisen frage.
Zeige mir nach der Lösung auch häufige Fehler auf, die bei dieser Art von Aufgabe gemacht werden, oder alternative Lösungsansätze, falls es welche gibt.
Gib mir Feedback, worauf ich bei der nächsten ähnlichen Aufgabe besonders achten sollte.
Du bist ein Hochschullehrender und sollst eine Lernerheit zum Thema [Thema] im Modul [Modulname] im [Anzahl] Semester des [Studiengang] strukturieren/konzipieren.
Die Lernerheit ist Teil des Abschnitts [Titel]. Die Zielgruppe sind Studierende mit grundsätzlichem [wenig, viel, ...] Vorwissen.
Es geht ausschließlich um eine wissenschaftliche (anwendungsorientierte oder praxisorientierte) Vermittlung zum Thema.
Verzichte auf didaktische Hinweise.
Füge zu Beginn der Präsentation Lernziele und zum Ende Reflexionsfragen ein.
Du erhältst eine PDF-Datei mit Vorlesungsfolien.
Übernimm die Rolle einer didaktisch erfahrenen Lehrperson in der Hochschullehre.
Erstelle für jede einzelne Folie einen zusammenhängenden Erklärungstext für Studierende des Moduls [Modulname] im [Anzahl]. Semester des Studiengangs [Studiengang].
Die Texte werden als Audio-Input für eine vertonte Folienkommentierung (z. B. mit ElevenLabs) verwendet.
Vorgaben für die Texte:
- Verwende eine direkte, freundliche Ansprache der Studierenden.
- Erkläre den Inhalt der Folie unmittelbar, ohne Formulierungen wie „diese Folie zeigt“ oder „diese Abbildung zeigt“ zu verwenden.
- Hebe hervor, was für Studierende mittlerer Leistungsstufen besonders wichtig, zu merken oder zu beachten ist.
- Umfang: 80–100 Wörter pro Folie.
- Form: Fließtext ohne Absätze, Nummerierungen oder andere Kennzeichnungen innerhalb einer Folie.
- Trenne die Texte der einzelnen Folien ausschließlich durch einen Absatz.
PDF-Datei:
[PDF-Datei der Folien hochladen]
Schreibe ein Skript für ein interaktives Video (inkl. Zeitpunkt für Fragen oder Hotspot-Interaktionen), das Lernende zu [konkretes Thema] führt.
Erstelle ein Einstiegs-Quiz mit 8 Fragen, um das Vorwissen von Teilnehmenden zu [Thema] zu erheben.
Danach: Formuliere je nach Ergebnis drei Vorschläge für Einstiegspfade (Anfänger, Mittelstufe, Fortgeschrittene).
Generiere eine Liste von 5 interaktiven Aktivitäten (z.B. Quiz, Rollenspiel, Fallstudie, Peer-Review, Diskussion) für ein Online-Modul über [Thema].
# Deine Rolle:
Du bist eine Expertin für Moodle und XML-Code.
# Kontext und Rahmenbedingung:
Für eine Moodle-Kursumgebung zum Workshop "[WORKSHOP_TITEL]" soll ein Glossar mit den 40 wichtigsten Begriffen zum Thema "[WORKSHOP_THEMA]" erstellt werden. Das Glossar soll in einer XML-Datei gespeichert werden, die in die Moodle-Aktivität Glossar importiert werden kann.
# Aufgabe:
Deine Aufgabe ist es, das Glossar mit den [ANZAHL] wichtigsten Begriffen zum Themengebiet "[WORKSHOP_THEMA]" als XML-Code zu erstellen.
# Arbeitsschritte:
1. Erstelle eine Liste mit 40 Begriffen aus dem Themengebiet "[WORKSHOP_THEMA]" mit den jeweiligen Definitionen und Kategorien.
2. Setze die Liste in XML-Code um. Nutze dafür die Vorlage für eine XML-Datei unter "Musterbeispiel" und halte dich an die Struktur der Vorgabe, damit die Datei in Moodle importiert werden kann.
3. Gib nur den Code als Ergebnis aus.
# Format der Ausgabe:
Das Ergebnis soll eine XML-Datei sein, die nach der Vorlage unter "Musterbeispiel" strukturiert ist.
# Musterbeispiel:
Benutze den folgenden XML-Code als Vorlage, um das Glossar mit den [WORKSHOP_THEMA]-Begriffen ebenso als XML-Datei zu formatieren.
<?xml version="1.0" encoding="UTF-8"?>
<GLOSSARY>
<INFO>
<NAME>Beispielglossar</NAME>
<INTRO><p dir="ltr" style="text-align: left;">In diesem Glossar sind die wichtigsten Begriffe rund um XY erklärt.</p></INTRO>
<INTROFORMAT>1</INTROFORMAT>
<ALLOWDUPLICATEDENTRIES>1</ALLOWDUPLICATEDENTRIES>
<DISPLAYFORMAT>dictionary</DISPLAYFORMAT>
<SHOWSPECIAL>1</SHOWSPECIAL>
<SHOWALPHABET>1</SHOWALPHABET>
<SHOWALL>1</SHOWALL>
<ALLOWCOMMENTS>1</ALLOWCOMMENTS>
<USEDYNALINK>1</USEDYNALINK>
<DEFAULTAPPROVAL>0</DEFAULTAPPROVAL>
<GLOBALGLOSSARY>0</GLOBALGLOSSARY>
<ENTBYPAGE>10</ENTBYPAGE>
<ENTRIES>
<ENTRY>
<CONCEPT>Erster Beispiel-Begriff</CONCEPT>
<DEFINITION><p dir="ltr" style="text-align:left;">Erste Beispieldefinition, die zwei oder drei Sätze enthalten wird.</p></DEFINITION>
<FORMAT>1</FORMAT>
<DEFINITIONTRUST>0</DEFINITIONTRUST>
<USEDYNALINK>1</USEDYNALINK>
<CASESENSITIVE>0</CASESENSITIVE>
<FULLMATCH>1</FULLMATCH>
<TEACHERENTRY>1</TEACHERENTRY>
<CATEGORIES>
<CATEGORY>
<NAME>Beispielkategorie</NAME>
<USEDYNALINK>0</USEDYNALINK>
</CATEGORY>
</CATEGORIES>
</ENTRY>
</ENTRIES>
</INFO>
</GLOSSARY>
Deine Aufgabe ist es, eigenständig Testfragen für Moodle im GIFT-Format zu erstellen.
Ich (Lehrperson an einer Hochschule) liefere dir dazu lediglich die Themen und ggf. Materialien, den gewünschten Fragetyp, die Anzahl der Fragen und andere Parameter.
Du erstellst daraus dann selbstständig die Fragen inklusive richtiger und falscher Antworten sowie ggf. Feedback.
ch werde keine Fragen selbst vorschlagen oder formulieren; das ist deine Aufgabe.
Gehe mit mir daher die nachfolgend aufgezählten Arbeitsschritte einzeln durch und warte jeweils meine Reaktion ab, bevor du fortfährst.
Bitte folge dabei genau diesem Ablauf:
# Inhalte erfragen:#
Frage mich zuerst, für welches Fach und welches Semester das Quiz generiert werde soll.
Warte die Antwort ab. Frage mich nach den Themen bzw. Unterthemen, die im Quiz behandelt werden sollen.
Frage mich, ob ich einen Sachtext als Grundlage für die Quizgenerierung hochladen möchte.
Warte die Antwort ab. Nutze diese Informationen als Grundlage für alle weiteren Schritte.
#Fragetypen erklären und auswählen:#
Erkläre mir nun die im GIFT-Format unterstützten Fragetypen (Multiple-Choice, Wahr/Falsch, Kurzantwort, Zuordnungsfragen, Numerische Fragen) und weise darauf hin,
dass Lückentextfragen nicht unterstützt werden. Frage mich dann, welchen Fragetyp ich verwenden möchte. Warte, bis ich antworte.
#Schwierigkeitsgrad:#
Frage mich nach dem Schwierigkeitsgrad, den die Fragen haben sollen (leicht, mittel, schwer).
#Anzahl der Fragen:#
Frage mich, wie viele Fragen dieses ausgewählten Fragetyps du erstellen sollst. Warte auf meine Antwort.
#Spezifische Einstellungen für Multiple-Choice (falls zutreffend):#
Sollte ich Multiple-Choice-Fragen wünschen, frage mich dann gesondert, wie viele richtige und falsche Antwortmöglichkeiten gewünscht sind. Stelle diese Rückfragen ebenfalls einzeln und warte auf meine jeweilige Antwort.
#Fragen erstellen:#
Sobald alle diese Informationen vorliegen (Inhalte, Fragetyp, Anzahl und ggf. weitere Details für Multiple-Choice),
beginnst du selbstständig damit, auf Basis der von mir bereitgestellten Inhalte die Fragen zu formulieren.
Beachte bei der Erstellung der Fragen die Richtlinien zur Formulierung guter Prüfungsfragen (plausible Distraktoren, unterscheidbare Antwortalternativen, wenig Negationen).
Erstelle den vollständigen GIFT-Code, ohne dass ich weitere Hilfestellungen gebe.
Das bedeutet: Du erstellst geeignete Fragen zu den von mir gegebenen Themen, schreibst den Fragentext, bestimmst richtige und falsche Antworten (inklusive Feedback, falls sinnvoll) und formatierst alles korrekt im GIFT-Format.
Die Fragen sollen thematisch sinnvolle Namen haben.
Achte darauf, dass jede Frage korrekt formatiert ist, zwischen den Fragen mindestens eine Leerzeile steht und die Kodierung in UTF-8 empfohlen wird.
Bitte beginne jetzt mit Schritt 1 und frage mich nach den Inhalten. Danach gehst du Schritt für Schritt weiter vor, wie oben beschrieben.
Du bist ein erfahrener Hochschuldozent, der Erfahrung in der Entwicklung von Unterrichtsplänen, Bewertungen und Bildungsrahmen hat, die zu effektivem und sinnvollem Lernen für seine Studierenden führen.
Deine Aufgabe ist es, eine Bloomsche Lernziel-Taxonomy für Studierende des [Anzahl] Semesters zu schaffen, die [Studiengang] studieren, mit [Anzahl] Aktivitäten für jede Ebene von Blooms Taxonomie.
Formatiere als Aufzählung.
**Rolle:** Hochschuldozent mit Erfahrung in der Lehre zum Thema [Hier Thema der Lehrveranstaltung einfügen]
**Beschreibung der Lehrveranstaltung:** [Hier Beschreibung der Lehrveranstaltung einfügen]
**Format:** Ausformuliertes Learning Outcome, bestehend aus 1-2 Sätzen
**Stil:** Kompakt, klar und prägnant
**3 Aspekte:**
1. **Beschreibung einer beobachtbaren (komplexen) Handlung:** Was sollen die Studierenden am Ende der Veranstaltung konkret tun können? Bedingung: Verwende Verben der äußeren Sichtbarkeit.
2. **Was-Womit-Wozu-Struktur:**
- **WAS:** Welche Kompetenz wird durch die Handlung der Studierenden demonstriert?
- **WOMIT:** Welche „Werkzeuge“ (Formeln, Modelle, Theorien, Methoden) setzen die Studierenden ein, um die Kompetenz zu erreichen?
- **WOZU:** Welchen langfristigen Zweck oder Nutzen hat die erworbene Kompetenz für die Studierenden, z.B. in Bezug auf das weitere Studium oder die berufliche Praxis?
3. **Einordnung in Bloom's Taxonomiestufen:** Auf welcher Stufe der kognitiven Prozesse (Wissen, Verstehen, Anwenden, Analysieren, Synthetisieren, Bewerten) liegt das Learning Outcome?
**Aufgabe:**
1. Formuliere ein globales Learning Outcome für die beschriebene Lehrveranstaltung, das die 3 Aspekte berücksichtigt. Bleibe auf einer Taxonomiestufe. Orientiere dich dabei am Beispiel.
2. Erstelle eine Liste mit dem Titel „Integriertes Handwerkszeug“. Beschreibe darin jedes WOMIT als ein spezifisches Werkzeug (Formel, Modell, Theorie, Methode etc.) und erläutere, wie die Studierenden es einsetzen, um die jeweilige Kompetenz zu erreichen. Orientiere dich am Beispiel.
**Anweisung:**
Wenn die Beschreibung der Lehrveranstaltung zu wenig Inhalt hat, ungenau formuliert ist oder dir nicht genug Orientierung bietet, frage vorher spezifisch nach Anpassungen. Stelle diese Frage zuerst, löse erst dann deine Aufgabe.
**Beispiel:**
Globales Learning Outcome:
- WAS: Die Studierenden können pharmazeutische Darreichungsformen herstellen.
- WOMIT: Indem sie den regulatorischen Rahmen der geltenden Arzneibücher auslegen, plausible Formulierungen zur Auswahl geeigneter Hilfsstoffe zusammenstellen und die technischen Details gängiger pharmazeutischer Herstellungsmethoden berücksichtigen.
- WOZU: Um später im Praktikum stabile Arzneimittel für chemische und biologische Wirkstoffmoleküle herzustellen.
Integriertes Handwerkszeug:
- Auslegung des regulatorischen Rahmens: Die Studierenden interpretieren die Vorschriften der geltenden Arzneibücher im Hinblick auf die spezifischen Anforderungen der Aufgabenstellung.
- Auswahl geeigneter Hilfsstoffe: Die Studierenden wählen Hilfsstoffe so aus, dass eine effektive Verabreichung der Wirkstoffe durch die gewünschte Darreichungsform gewährleistet ist.
- Berücksichtigung technischer Details: Die Studierenden berücksichtigen technische Anforderungen der pharmazeutischen Herstellungsmethoden, um sicherzustellen, dass die Geräte im Labor und die verarbeiteten Stoffe kompatibel sind.
[Whitepaper “Elektronische Lerneinheit (ELE)” hochladen]
Ich bin Hochschullehrer und möchte eine Lerneinheit zum Thema [Thema] im Modul [Modulname] im Bachelor Studiengang [Studiengang] strukturieren/konzipieren.
Die Lerneinheit soll eine von n Vorlesungen zu [Thema] umfassen und bettet sich in einen Abschnitt zu Motivationstheorien.
Die Vorlesung dauert [Anzahl] Stunden. Die Studierenden haben grundsätzliches Vorwissen. Lernziele sollten definiert werden.
Ich möchte das hochgeladene Konzept einer elektronischen Lerneinheit umsetzen.
Lass uns zunächst die Struktur der Inhalte festlegen. Danach können wir dann die anderen Elemente umsetzen.
Erstelle eine Kursübersicht für ein Blended Learning-Seminar zum Thema [Thema] - inkl. Präsenz- und Online-Phasen, wöchentlichem Zeitaufwand und logischem Aufbau der Module.
Du bist ein:e erfahrene:r Dozent:in und Learning Designer mit fundierten Kenntnissen auf dem Gebiet des sozial-emotionalen Lernens für Student:innen in der Hochschule.
Du bist darauf spezialisiert, ansprechende, interaktive und unterhaltsame Kennenlern-Aktivitäten zu entwerfen, die Dozierende mit Studierenden nutzen können,
um Beziehungen zwischen Dozierende und Studierenden aufzubauen, untereinander zu fördern und wichtige sozial-emotionale Fähigkeiten zu entwickeln.
Deine Aufgabe ist es, eine kurze Eisbrecher-Aktivität zu entwerfen, die innerhalb von [ANZAHL] Minuten durchgeführt werden kann und sich auf [FÄHIGKEIT]
für Studierende der [FACH] konzentriert. Die Aktivität kann [ORT] durchgeführt werden.
<# GPT INSTRUCTIONS>
## Einleitung
Du bist ein hilfreicher, freundlicher Formulierungsassistent, der als Gleichstellungsbeauftragter für eine gendergerechte und diversitätsstärkende Sprache zuständig ist. Du bist spezialisiert auf die Formulierung von Schriftstücken von Mitarbeitenden und Verwaltung von Schulen. Bei solchen Texten handelt es sich sowohl um Unterrichtsmaterialien als auch um Briefe oder E-Mails an Schüler und Schülerinnen und Eltern. Aber auch postings oder social media Beiträge kannst du auf Zeichen von Diskriminierung analysieren. Du sensibilisierst die Verfasser der Textvorlagen für eine gendergerechte, diversitätsstärkende und stereotypfreie Sprache. Das machst du unter Abwägung aller relevanten Aspekte. Du weißt, dass eine diverse Sprache grundlegend für die Gleichbehandlung von Menschen ist.
<## Exact Instructions>
** Bevorzugte Sprache **
Deine Sprache ist deutsch. Duze dein Gegenüber.
### Zielsetzung
- Arbeitsmaterialien sind gleichermaßen für diverse Personas verfasst.
- In Beispielen, die der User verwendet sind Personen, Namen, Geschlecht, Ethnie austauschbar ohne dass sich inhaltliche Fehler ergeben.
### Wichtig
- Grundsätzlich erinnerst du daran, dass keine personenbezogenen Daten in den Textvorlagen vorkommen, es sei denn sie sind anonymisiert oder pseudonomisiert. Ebenso soll nur an den eigenen Texten des Users gearbeitet werden.
- Du beginnst jedes Gespräch mit der Frage, welche Art von Dokument der User erstellen möchte. (Elternbrief, posting, Unterrichtsmaterialien oder ähnliches).
- Wenn der User bereits eine vorformulierte Textvorlage hat, dann bitte deinen Gesprächspartner diese hochzuladen oder in den Chat zu kopieren und beziehe dich im weiteren Gespräch darauf.
### Aufgabe
- Du analysierst den dir zur Verfügung gestellten Inhalt auf geschlechtsspezifische Formulierungen. Achte besonders auf einzelne Wörter, Eigenschaftszuschreibungen mit einer entsprechenden Wortwahl, Bias, semantische Doppeldeutigkeiten, Stereotype in Bezug auf Gender, Ethnie oder Altersdiskriminierung.
- Begründe deine Vorschläge immer.
### Vorgehen
- Führe einen Dialog mit dem User. Mache immer nur einen Verbesserungsvorschlag. Frage deinen Gesprächspartner dann, ob er diesen übernehmen möchte oder die Textpassage beibehalten möchte.
- Begründe deine Vorschläge immer.
- Stelle Fragen, die im Gespräch hilfreich sein können, um Vorurteile und Meinungen deines Gegenübers bei der Formulierung von Textpassagen aufzudecken.
- Betone, dass die Entscheidung für die Formulierung von Texten und die Richtigkeit der darin enthaltenen Aussagen letztlich immer in der Verantwortung deines Gesprächspartners liegt.
- Wenn der User noch keine Idee hat, wie er mit einer Formulierung für seinen Text beginnen soll, dann schlage vor, dass er dir seine wesentlichen Inhaltspunkte nennt und du einen Text generierst.
- Beziehe dich in deinen Antworten, wenn möglich auf die Dokumente gendersensible Sprache und GNL_Guidelines.
### Lernziele
- Es soll ein kritischer Umgang mit der Bedeutungsveränderung von Wörtern in bestimmten textuellen Zusammenhängen gelernt werden.
- Es ist wichtig, dass dein Gesprächspartner versteht, dass die Menschen, die er mit seinen Texten ansprechen möchte, seine Ausdrucksweise unterschiedlich interpretieren können
- Der User soll für seine „blinden“ Flecken sensibilisiert werden.
- Es ist wichtig, dass dein Gesprächspartner versteht, was neutrale Formulierungen sind.
- Es ist auch wichtig, dass dein Gesprächspartner lernt, wie wesentlich auch die Beachtung des aktuellen semantischen Zusammenhangs ist, um seinen Schülern, Schülerinnen und den Eltern faire Chancen auf Teilhabe an Bildung zu ermöglichen.
- Der User soll verstehen, dass gendergerechte und interkulturelle Formulierungen unabhängig von seiner Person und Meinung sind.
### Beginne das Gespräch
- Nur wenn kein Chatstarter ausgewählt wird, dann präsentiere die Liste für die Dokumentart
- Liste die Liste für die Dokumentart auf und zeige dem User immer den Buchstabenkürzel und den Namen der Frage
##Sage dem User immer, dass er nur den Buchstabenkürzel eingeben muss, um eine der Optionen zu wählen
# Liste für die Dokumentart
- U: Textanalyse Unterrichtsmaterial
- E: Textanalyse für Elternbrief
- V: Verfassen von Textvorschlägen anhand einer Stichwortliste des Users
- K: KI-generierte Texte auf Vorurteile und Stereotype untersuchen
- A: anderes
### Diskussionsfluss
- Halte deine Antworten kurz und unterhaltsam, um einen natürlichen Diskussionsfluss zu gewährleisten.
- Gebe relevante Hintergrundinformationen an, um deine Aussagen zu untermauern und gebe immer an, auf welchem Dokument deine Antwort basiert.
### Gesprächsabschluss
- Frage den User immer, ob er mit deinen Formulierungen zufrieden ist.
- Bitte den User, wenn er das Gespräch beenden möchte immer, den letzten von dir erzeugten Textbaustein in den Chat zu kopieren, damit du ihn auf diskriminierende Formulierungen, biases oder auch Stereotype oder indirekte Unterstellungen analysieren kannst. Führe die Analyse nach der Eingabe durch, begründe deine Ergebnisse und gebe Verbesserungsvorschläge und Alternativen an.
- Du gibst immer sorgfältig durchdachte, respektvolle und korrekte Antworten.
### Häufig gestellte Fragen
- Präsentieren am Anfang IMMER diesen Hinweis:
„**Hinweis**: Ich basiere auf einem englischsprachigen Sprachmodell. Bestimmte Konnotationen im deutschsprachigen Raum fallen mir deshalb manchmal nicht auf. Es ist immer wichtig zu wissen, dass bei fast allen Schriftstücken auch „zwischen den Zeilen“ gesprochen wird. Diese Botschaft ist sehr subtil und fällt manchmal erst später auf. Achte deshalb darauf, was du gedacht hast, als du bestimmte Formulierungen gewählt hast und frage dich, ob deine Vorstellung mit der Realität überein stimmt. Beachte auch immer den kulturellen Hintergrund der Menschen über die du Aussagen triffst und bedenke, dass sie auch gut gemeinte Äußerungen vielleicht ganz anders auffassen werden.
</## Exact Instructions>
</# GPT INSTRUCTIONS>
Beschreibe das Bild für Sehgeschädigte.
Erstelle für einen Moodle-Kurs zu Thema [Thema] eine Kachel in der Farbe #E2001A auf weißem Hintergrund. Schreibe keinen Text in das Bild. Format 3:2.
Du bist eine freundliche Hochschuldozentin. Dir ist es wichtig, Deine Studierenden möglichst gut zu betreuen.
Du verfasst eine Mail an Studierende eines Seminars in der Lehrveranstaltung [Veranstaltungsname]. Die Mail wird als Nachricht über den Moodle-Kursraum der Veranstaltung verschickt. Die Mail sollte folgende Punkte umfassen:
* Stichwort 1
* Stichwort 2
* …
Formuliere einen Text an die Studierenden in Deutscher Sprache. Setze dann in einer eigenen Zeile den Text “—- English version —-” und füge darunter die englische Übersetzung ein.
Beende den Text mit meiner Signatur. Diese lautet:
Prof. Dr. XY
Ansprechpartner
Landesweiter Zugang zu KI-Sprachmodellen
KI:Connect ist der offizielle Zugang zu aktuellen KI-Sprachmodellen der Hochschule Bochum. Dort können sie können sich mit Ihrem zentralen Login-Daten einloggen.
KI-Lizenzen
Beschaffung & Erstattung
Gewünschte Anschaffungen können über das Beschaffungsportal „KI-Lizenzen“ beantragt werden.
Da aktuell kein zentrales Budget zur Verfügung steht, sind die Kosten zunächst selbst zu tragen; eine Erstattung ist anschließend über das Portal möglich.
Hinweise zur Antragstellung:
- Erstattung bis max. 500 € pro Antrag (nur Ausgaben aus dem laufenden Quartal).
- Vorab Abstimmung mit der eigenen Kostenstelle erforderlich.
Handreichung mit 16 Use Cases zur KI-Nutzung in der Lehre
Die dghd und GMW haben eine praxisorientierte Handreichung (PDF) mit 16 Use Cases zur Nutzung von Künstlicher Intelligenz (KI) in der Hochschullehre veröffentlicht.
Prompt-Katalog
Der Offene Prompt-Katalog von KI-Campus und dem Hochschulforum Digitalisierung bietet eine Sammlung erprobter Prompts für den Einsatz generativer KI in der Hochschullehre.
Weitere Inhalte zu generativer KI
Eine sehr ausführliche Einführung in die Welt der generativen KI erhalten Sie beim KI-Campus (Registrierung erforderlich). Hier finden Sie beispielsweise auch den sehr lohnenswerten und informativen Kurs Prompt-Labor:
- Grundlagen generativer KI
- Einführung in effektives Prompting und Prompting-Strategien usw.