Generative Learning Experience (GLX) Design

Gastbeitrag von Prof. Dr. Christian Coenen, ZHAW – Zürcher Hochschule für Angewandte Wissenschaften

Seit Ende 2022 hat uns die generative Künstliche Intelligenz (GenKI) nahezu überrollt – unerwartet und ungefragt. Diese rasanten Entwicklungen in der Technologie sind nicht nur eine Herausforderung, sondern auch eine Gelegenheit für Lehrende und Lernende gleichermassen. In der Hochschullehre bedeutet dies eine dringende Notwendigkeit, sich anzupassen – an die Realitäten einer Welt, die sich kontinuierlich und dynamisch weiterentwickelt. Der Einsatz von GenKI, z.B. zur Steigerung der Effizienz oder Inspiration bei der Erstellung von text-/bildbasiertem Lernmaterial oder Generierung von Quizfragen ist den meisten von uns bereits bekannt. Aber die neue KI-empowered Wirklichkeit des Lernens benötigt vielmehr als nur eine KI-unterstützte Version des altbekannten «Inhalt+Prüfungs-Ansatzes».

Somit stehen wir als Lehrende nun auch vor der Aufgabe, unsere Lehrmethoden zu überdenken und innovative Ansätze wie die Gestaltung von Generative Learning Experience (GLX) zu integrieren. Diese neue Art des Lernens, die teilweise Ähnlichkeiten im Umgang mit interaktiven Medien im Gaming und Chat-/ Voicebot aufweist, bietet die Möglichkeit, (Hochschul)Lernen auf eine neue, spannende Ebene zu heben.

In diesem Blog werde ich erkunden, wie GLX-Design das Lernen verändern kann, indem wir moderne Technologie mit bewährten hochschuldidaktischen Ansätzen verknüpfen und so ein reichhaltiges, adaptives Lernumfeld schaffen.

«Lernen resultiert aus dem, was der Lernende tut und denkt. Und nur aus dem, was der Lernende tut und denkt. Die Lehrperson kann das Lernen nur fördern, indem sie das beeinflusst, was der Lernende tut, um zu lernen.»

Wie das obige Zitat vom Kognitionsforscher und Nobelpreisträger Herbert Simon andeutet, beginnt jede Überlegung über effektives Lehren mit der Frage, wie Lernende lernen.

Dieser Fokus auf die eigentlichen Tätigkeiten der Lernenden spiegelt sich auch im Ansatz von Diana Laurillard vom University College London (UCL) wider, die in ihrer Forschung insgesamt sechs Lernaktivitäten herausstellt. Dabei unterscheidet sie – mit Blick auf die zentrale Frage «Was tue ich, um zu lernen?» – wie folgt (in Anlehnung an Laurillard, 2012):

Die Beschreibung der tatsächlichen Handlungen der Lernenden macht deutlich, dass wir uns beim Learning Design massgeblich auf dem Weg «From teaching to learning» befinden. Der Fokus liegt auf den Aktionen, die Lernende tatsächlich an den Tag legen, ob nun allein, mit Mitlernenden, mit Lehrenden oder eben mit GenKI.

Mit Blick auf die sehr dynamische Entwicklung im Feld der generativen KI und den rasanten technologischen Fortschritt in diesem Feld, stellt sich die Frage: Sind diese aufgezeigten grundlegenden Lernaktivitäten durch den technologischen Fortschritt bei der GenKI nun obsolet?

Und meine eindeutige Antwort auf diese Frage ist: Nein, ganz im Gegenteil!

Der effektive Einsatz von GenKI im Lehr- und Lerndesign bietet uns eine neue und spannende Möglichkeit, die oben beschriebenen sechs Lernaktivitäten auf eine höhere Ebene zu befördern und so das Lernen durch «AI-Augmentation» zu bereichern.

Generative Learning Experience (GLX) Design definiert sich nicht durch die Werkzeuge, die es benutzt, sondern durch die Erfahrungen, die es ermöglicht. Das «G» in GLX bedeutet, dass sich der Output immer wieder neu generiert, abhängig vom Input, den man gibt. Wir, als Lehrende und Lernangebots-Designer:innen, sind – zusammen mit unseren Lernenden – die Architekt:innen dieser neuen Lernmöglichkeiten. Unsere Aufgabe ist es, diese innovativen Lernerfahrungen zu gestalten und voranzutreiben. Diese Rolle als GLX-Designer:innen fordert von uns, nicht nur kuratierte Inhalte zu vermitteln, sondern tiefgreifende, transformative Lernerlebnisse zu schaffen, die sowohl engagieren als auch herausfordern. Der Zugang zu einem sehr starken Large Language Model (LLM), wie z.B. GPT4o, ist für alle ohne monetäre Kosten möglich. Dieser Weg gibt uns als Lernangebots-Designer:innen die Möglichkeit, das Lernen mit und über GenKI noch intensiver zu erkunden und gemeinsam mit und für unsere Studierenden effektiv anzuwenden, z.B. durch Nutzung und Gestaltung von eigenen Custom GPTs.

GLX-Design lässt sich sehr gut in die Palette moderner didaktischer Methoden einreihen. Es ergänzt und erweitert traditionelle Lernaktivitäten durch seine Fähigkeit, adaptiv auf die Bedürfnisse und Interaktionen der Lernenden zu reagieren. Ein Beispiel aus meiner eigenen Erfahrung an der ZHAW zeigt, wie GLX-Design konkret aussehen kann: Durch die methodische Anwendung des PAIR-Ansatzes (Problem-AI-Interaction-Reflection) haben MSc-Studierende in einem KI-empowerten Beratungsprojekt tiefgreifende Einblicke in die praktische Anwendung und Einsatzmöglichkeiten diverser KI-Tools erlangt.

Dieser PAIR-Ansatz von Acar (2023) vom King’s College London beschreibt das schrittwiese Vorgehen des Einsatzes von KI beim Lernen.

• Im ersten Schritt (Problem) wird ein zentrales, fachliches Problem klar definiert. Es ist wichtig, die Kernkomponenten und Einschränkungen des Problems zu identifizieren, bevor man sich mit der KI beschäftigt. Im studentischen Projekt ging es um den Einsatz von KI zum Erreichen der SDG-Nachhaltigkeitsziele der UN in der Immobilienbewirtschaftung. Es könnte aber auch ein völlig vom Thema KI losgelöstes Problem sein. Beispielweise wie man Noten aus dem Bildungssystem entfernen könnte (in den Bildungswissenschaften) oder wie man ein bestimmtes Medikament optimieren könnte (in der Pharmazie).
• Die zweite Phase (AI) beinhaltet die Erkundung und Auswahl der am besten geeigneten generativen KI-Tools, die zur Lösung des Problems beitragen können. In unserem Fall haben sich die Teams in einem explorativen, forschungsgestützten Lernen mit der Auswahl, Kriterienermittlung und Bewertung einer Reihe von KI-Tools beschäftigt und eine Tool-Auswahl getroffen, mit denen anschliessend experimentiert wurde.
• In der nächsten Phase (Interaction) wird ausprobiert und gelernt, wie man mit den KI-Tools interagiert. Es geht darum, verschiedene Interaktionsmethoden auszuprobieren und die Ergebnisse kritisch zu bewerten, um sie optimal zur Problemlösung zu integrieren. In dieser Phase wird auch das im ersten Schritt definierte Problem dann bearbeitet.
• Die abschliessende Phase (Reflection) beinhaltet die Bewertung der generativen KI hinsichtlich ihrer Unterstützung oder Hemmung bei der Problemlösung. Hierbei ist es wichtig, über die eigenen Erfahrungen im Umgang mit der KI nachzudenken.

Der PAIR-Ansatz bietet durch seine disziplinübergreifende Anwendbarkeit eine sehr gute Möglichkeit, mit und über generative KI zu lernen. Solche Projekte demonstrieren, wie GLX traditionelle Lernaktivitäten ergänzt und den Lernenden erlaubt, aktive Gestalter:innen in ihrem eigenen Lernprozess zu sein.

Dies bedeutet, dass wir als Lehrende neue Wege beschreiten, um die Potenziale von GLX voll auszuschöpfen. Dabei ist es entscheidend, dass wir ein Umfeld schaffen, in dem Lernende nicht nur Wissen konsumieren, sondern dieses Wissen aktiv explorieren und auf «real life problems» anwenden können.

Als Lehrende müssen wir uns darauf einstellen, die Kontrolle über bestimmte Lernprozesse zu teilen oder sogar abzugeben. Dies erfordert ein Umdenken weg von der traditionellen Lehrperson als Wissensquelle hin zu einer Rolle als Facilitator:in.

Im BSc-Innovationsprojekt ‚Service Camp‘ haben wir an unserem Institut erlebt, wie die Integration eines KI-Assistenten in Form eines GPT4-Bots den Lehr-Lernprozess nachhaltig verändern kann. Dazu erhielt jedes studentische Fünferteam einen zusätzlichen KI-Teamkollegen in Form eines GPT4-Accounts. In einer zweiwöchigen, fokussierten Projektphase erarbeiteten die Studierenden innovative Servicelösungen im Bereich IoT (Internet of Things) für einen realen Auftraggeber aus der Immobilienwirtschaft. Das Learning Design orientierte sich dabei am Design Thinking Prozess. Design Thinking ist eine agile Denkhaltung und methodische Vorgehensweise zur Lösung komplexer Probleme. Die Wünsche und Bedürfnisse der Nutzer:innen stehen in dieser Phase im Mittelpunkt, nicht die technische Machbarkeit. Als Design Thinker:innen betrachten die Studierenden die Probleme somit aus der Perspektive der Kund:innen und versetzen sich in deren Rolle. Dazu führten die Teams dutzende Videointerviews mit unterschiedlichen Stakeholdern, die für die unternehmerische Herausforderung relevant waren. Aufbauend auf diesen Erkenntnissen entwickelten die Teams dann innovative Lösungsansätze für den Kunden.

Aufgrund des iterativen Innovationsprozesses, bei dem immer wieder neue Erkenntnisse in den Prozess einflossen, konnten die Teams an verschiedenen Stellen generative KI einsetzen. So erlebten die Teams verschiedene der oben beschriebenen Lernaktivitäten. Sie konnten u.a. gemeinsam mit der KI im Sinne der Co-Creation gestalten, erforschen, diskutieren, üben und kollaborieren. Angeleitet durch drei Facilitator:innen konnten die Teams selbst entscheiden, bei welchen Aktivitäten sie dem neuen KI-Kollegen entsprechende Aufgaben zuweisen und so eine Arbeitsteilung in einer Mensch-KI-Ko-Intelligenz im Sinne von Ethan Mollick (2024) realisieren. Der vielfältige Umgang mit GenKI förderte bei den Teams somit nicht nur das Lernen mit GenKI, sondern auch das Lernen über GenKI. Prompt Engineering- und Custom GPT-Design-Kenntnisse wurden den Teams situativ von den Facilitator:innen mitgegeben.

Bei einigen Projektaufgaben konnte die KI-Assistenz die Rolle eines versierten Datenanalytikers (z.B. von anonymisierten Interviewtranskripten) einnehmen, bei anderen Aufgaben ging es um eine kritische KI-Perspektive auf die eigenen Ideen oder um den Einsatz als «Advocatus Diaboli» im Rahmen eines sokratischen Dialogs. Zum besseren Verständnis der Kundenperspektive erstellten die Teams – aufbauend auf den real geführten Interviews – jeweils synthetische Gesprächspartner in Form eigener GPTs. Diese KI-unterstützte Kundenperspektive konnte dann während des fortschreitenden Prozesses immer wieder um konstruktives Feedback zu den einzelnen Vorschlägen gebeten werden, bevor die Service-Prototypen mit realen Kunden getestet wurden. Zur Vorbereitung des finalen Pitchs vor dem Auftraggeber nutzten die Teams den AI-Kollegen auch als kritischen Sparringspartner und Pitch-Coach, der Feedback und Verbesserungsvorschläge für die finale Präsentation gab.

Durch diese Vielfalt an Aktivitäten konnten die Lernenden in einem dynamischen Lernfluss gehalten werden, der sowohl Engagement als auch tiefes Verständnis förderte. Dieser kollektive GenKI-Lernprozess war somit eine echte Bereicherung für das gemeinsame Lernen an einem Innovationsprojekt aus der Praxis und zeigt eindrucksvoll, dass der Einsatz von GenKI nicht nur für individuelles Solo-Lernen, sondern auch für teambasiertes Lernen eine grosse Bandbreite an Einsatzmöglichkeiten bietet.

Mit Blick auf eine effektive Umsetzung des GLX-Designs stellen sich auch einige Herausforderungen, auf die im Folgenden eingegangen wird.

Zugang und Kompetenz: Der schnelle Fortschritt in der Technologie, insbesondere in der generativen KI stellt hohe Anforderungen an die technischen Kompetenzen von Lehrenden. Viele Lehrende fühlen sich mit der notwendigen Technik nicht ausreichend vertraut, was zu einer Barriere in der Adoption und effektiven Nutzung von GLX-Design führen kann. Die Einführung des speziell entwickelten KI-Reflexionsbots bei uns am ZHAW-Institut zeigt, wie die technologischen Hürden überwunden werden können. Dieser Bot fördert den individuellen Lernprozess durch das Stellen reflektiver Fragen, ohne direkt Antworten zu liefern, und unterstützt so die Studierenden dabei, ihr Wissen tiefer zu erforschen. Um diese Barriere zu überwinden, sind Trainings und Workshops entscheidend. Diese sollten darauf abzielen, die individuelle Vorstellungskraft und die Kommunikationsfähigkeit in Bezug auf die GenKI unter den Lehrenden zu verbessern. Zudem kann aktuelle GenKI-Technologie wie das kostenfreie ChatGPT-4o den Zugang und die Anwendung dieser neuen Technologien für breite Nutzergruppen erleichtern.

Hochschuldidaktische Herausforderungen: Die Einführung von GLX-Design in die Lehre erfordert ein Umdenken bei vielen Lehrenden, insbesondere im Hinblick auf die wahrgenommene Kontrolle über den Lernprozess. Dieser Wandel kann als Bedrohung empfunden werden, da er von traditionellen Lehr- und Lernmethoden abweicht, bei denen die Lehrenden die zentrale Wissensquelle sind. Hierbei könnten Transparenz von Leuchtturmprojekten, die die Vorteile von studierendenzentrierten Lernansätzen hervorheben, das Verständnis und die Akzeptanz für diese Methoden erhöhen. Erfolgsgeschichten und Fallstudien, die den Nutzen dieser Ansätze demonstrieren, könnten so dazu beitragen, etwaige Widerstände zu überwinden.

Anpassung bestehender Lehrpläne: Die Integration von GLX-Design erfordert eine sorgfältige Überarbeitung bestehender Lehrpläne, um sicherzustellen, dass die Lernziele, Lernaktivitäten und Bewertungsmethoden im Sinne des Constructive Alignments aufeinander abgestimmt und zeitgemäss sind. Mit Hilfe des Prinzips des Constructive Alignments könnten Lehrkräfte durch die Entwicklung von Leitfäden, Rahmenwerken und auch GenKI-Assistenzen unterstützt werden, die zeigen, wie GLX-Design erfolgreich in bestehende Curricula integriert werden kann. Zudem ist die Zusammenarbeit mit Didaktiker:innen und Technologieexpert:innen entscheidend, um eine effektive und nahtlose Integration zu gewährleisten. Wir sollten auch daran denken, dass Studierende ebenfalls in diesen Prozess mit integriert werden.

Lernen gestalten statt Lehre verwalten

Die Technologie hinter generativer KI entwickelt sich stetig weiter. Wir können erwarten, dass fortgeschrittene Algorithmen und zunehmende Datenverfügbarkeit das generative Lernerlebnis noch adaptiver, interaktiver und omnimodal machen. Die GenKI kann sehen, hören und sprechen. Das hat einen massgeblichen Einfluss auf die Lernerfahrung und somit auch auf das GLX-Design. Diese technologischen Fortschritte werden es ermöglichen, individuelle Lernpfade noch präziser zu gestalten und den Lernenden ein noch tieferes, personalisiertes und emotionales Lernerlebnis zu bieten.

GLX-Design kann als Beginn einer Revolution von Lehren und Lernen angesehen werden, die darauf abzielt, Lernerfahrungen zu schaffen, die sowohl herausfordernd als auch unterstützend sind. Zukünftig könnte GLX-Design traditionelle Lehrmethoden ergänzen oder sogar transformieren, indem es eine dynamische Integration von Lerninhalten ermöglicht, die sich in Echtzeit an die Bedürfnisse der Lernenden anpasst.

So könnten wir uns im Hinblick auf GLX-Design z.B. folgende Fragen stellen, die sich an den sechs oben genannten Lernaktivitäten anlehnen:

• Aufnehmen von Wissen: Wie könnten Lernende durch individuell angepasste Lernpfade, unterstützt durch GenKI, gezielt Wissen aufbauen, das genau auf ihre Bedürfnisse zugeschnitten ist?
• Nachforschen: Wie könnten Lernende mit Hilfe von GenKI eigene Untersuchungen durchführen, um unabhängig und effektiv neues Wissen zu erforschen und zu analysieren?
• Üben: Wie könnten Lernende durch GenKI-gestützte Simulationen praktische Kompetenzen risikofrei entwickeln und durch Experimentieren lernen?
• Gestalten: Wie könnten Lernende ihre kreativen und produktiven Kompetenzen mit Hilfe von GenKI-gestützten Tools zur Gestaltung und Realisierung eigener Projekte erweitern?
• Diskutieren: Wie könnten Lernende GenKI-gestützte Diskussionen nutzen, um ihre kritischen Denk- und Argumentationsfähigkeiten zu vertiefen?
• Kollaborieren: Wie könnten Lernende von GenKI unterstützt werden, um optimale Teams für effektive Zusammenarbeit zu formen und so ihre Teamfähigkeiten zu stärken?

Für uns Lehrende heisst es – mehr denn je – Learning is doing! Lasst uns diese neuen technologischen Möglichkeiten erforschen und mit unserer inhaltlichen und pädagogischen Expertise kombinieren. Lasst uns vorhandene Ressourcen nutzen, Workshops und Webinare besuchen und uns untereinander austauschen, um Good/Best Practices zu identifizieren. Lasst uns in unseren Kursen mit GLX-Design experimentieren, um zu sehen, wie es Engagement und Verständnis der Studierenden verbessern kann.

Aus meiner Sicht ist es entscheidend, dass alle Beteiligten im Bildungsbereich – Lehrende, Lernende, Administration und die Politik – sich nicht passiv den neuen technologischen Möglichkeiten gegenübersehen, sondern aktiv daran arbeiten, diese zum Vorteil aller zu gestalten. Das Motto sollte lauten: Weniger den Status Quo verwalten und mehr die gemeinsame Zukunft gestalten! Die Zukunft des Lernens ist eine gemeinsame Aufgabe, die Kreativität, Engagement und den Willen zur Veränderung erfordert. Nutzen wir unsere Kreativität, um KI voll auszuschöpfen und neue Möglichkeiten zu schaffen – statt zu fragen, was uns als Mensch noch bleibt, entdecken wir, was zusammen mit GenKI machbar und sinnvoll ist!

Acar, O. (2023). Are Your Students Ready for AI? A 4-Step Framework to Prepare Learners for a ChatGPT World, Harvard Business Publishing Education, June, URL: https://hbsp.harvard.edu/inspiring-minds/are-your-students-ready-for-ai?

Laurillard, D. (2012): Teaching as a Design Science – Building Pedagogical Patterns for Learning and Technology, New York, Routledge.

Mollick, E. (2024): Co-Intelligence – Living and Working with AI, New York, Random House.