KI im Informatik-Studium: Unbedingt!

Anhand einer empirischen Studie haben Natasha Randall, Dennis Wäckerle, Nils Stein, Dennis Goßler und Stefan Bente formuliert „wie ein KI-umfassender Lehrplan für Softwareentwicklung (SE) aussehen könnte“ (Titel: What an AI-embracing Software Engineering Curriculum Should Look Like: An Empirical Study). Ihre Erkenntnisse haben sie aus Umfragen unter Studierenden und Experimenten in Lehrmodulen gezogen. Betreut wurden sie dabei von den Professoren Dr. Stefan Bente und Dr. Hartmut Westenberger. „Unsere Forschung zeigt, dass es nicht möglich ist, den Einsatz von KI-Tools im Studium zuverlässig zu verhindern. Noch wäre dies wünschenswert, da KI eine Vielzahl von Vorteilen für Studierende bietet“, heißt es im Paper, dass in einer Sonderausgabe des IEEE Software Journals erscheinen wird. Das Journal gehört weltweit zu den Top 5 wissenschaftlicher Magazine für elektrisches und elektronisches Ingenieurwesen.

Die Untersuchungen haben gezeigt, dass KI (konkret ChatGPT-3.5 und ChatGPT-4) Softwareentwickler*innen nicht die Arbeit abnehme und sie überflüssig mache, sondern als Werkzeug benutzt werden sollte, um effizienter und produktiver zu sein und Code schneller und einfach schreiben zu können. Noch hat KI ihre Grenzen bei der Generierung von Code – zumindest haben das die Experimente gezeigt, in denen ChatGPT genau definierte Programmieraufgaben lösen sollte. In ihrem Beitrag beschreiben die Studierenden, welche Aufgaben sinnvoll, und welche es weniger sind. Außerdem stellten die Studierenden fest, dass die Qualität der Ergebnisse nicht nur vom Können der KI, sondern auch von den Fähigkeiten derjenigen Personen abhängt, die die  Eingabeaufforderungen formulieren. Heißt also: Wer selber kein oder nur ein unzureichendes Verständnis von der Programmierung hat, wird mit KI falsche, unzuverlässige oder unberechenbare Modelle und Ergebnisse erzielen.

Gleichzeitig erweist sich KI aber als guter Ersatzlehrer: Bei den Untersuchungen gaben 89 Prozent der befragten Studierenden an, dass sie KI-Tools am hilfreichsten empfinden bei der Erläuterung bereits existierenden Codes, während dagegen nur  63 Prozent mit ihrer Hilfe besser neue Programmierkonzepte oder -sprachen erlernen würden.
 

Und weil sich bei den Experimenten ebenfalls herausstellte, dass KI nur unzuverlässig und mit geschultem Auge detektierbar ist, mache es keinen Sinn, ihre Verwendung im Studium zu verbieten. Vielmehr plädieren die Autor*innen dafür, den Umgang mit KI Studierenden im Studium beizubringen, ebenso für einen "AI Literacy"-Kurs, um sich effektivere Programmierungsbefehle aneignen zu können. Denn im beruflichen Alltag wird der Umgang mit verschiedenen KI-Tools immer selbstverständlicher werden.

In den beiden anderen wissenschaftlichen Beiträgen, die auf der Jahrestagung „Software Engineering im Unterricht der Hochschulen“ erschienen sind, geben die Studierenden einen Erfahrungsbericht zum kreativen Einsatz von Tools wie ChatGPT in Lehre wieder und entwerfen einen konzeptionellen Rahmen zur Umgestaltung der Coding-Ausbildung. (Victoria Geisel, Christian Schindler, Nils Stein, Stefan Bente: „Lernräume unter Verwendung von generativen Sprachmodellen“; Stefan Bente, Natasha Randall, Dennis Wäckerle: „A Conceptual Framework to Transform Coding Education in Times of Generative AI“)

„Dass Studierende als Erst-Autor*innen aus einem Lehrforschungsprojekt heraus wissenschaftliche Beiträge publizieren und diese in hoch gerankten Zeitschriften und Konferenzen auch angenommen werden, freut mich sehr – so sollte es im Masterstudium sein“, sagt Informatikprofessor Stefan Bente. „Für unseren Studiengang ist das ein echtes Highlight.“

In dem Guided Projekt zu ChatGPT in der Lehre haben Victoria Geisel, Dennis Gossler, Natasha Randall, Christian Schindler, Nils Stein und Dennis Wäckerle verschiedene Studien für fünf verschiedene Lehrfächer entwickelt, an denen ein Dutzend Professor*innen und mehr als 100 Studierende beteiligt waren. Gleichzeitig entwickelten Marc Oedingen und Maximilian Hammer ein KI-Detektionsmodell, das mit hoher Genauigkeit bestimmen kann, ob ein Code – bezogen auf seine Formatierung – von einem Menschen oder ChatGPT geschrieben wurde – auch darüber sind weitere Veröffentlichungen in Vorbereitung.