KI und kritisches Denken in der Lehre

Künstliche Intelligenz (KI) hilft in Chemieindustrie und -forschung, große Mengen an Experimentaldaten auszuwerten, neue Moleküle vorzuschlagen oder Reaktionsbedingungen zu optimieren. In der Arzneimittelforschung beschleunigen KI-basierte Verfahren die Suche nach Wirkstoffen. In Produktionsanlagen helfen sie, Prozessdaten zu analysieren und technische Probleme früh zu erkennen.

Was bedeuten diese Entwicklungen in der KI für die Hochschullehre?

Erstens: Studierende müssen KI-Verfahren verstehen, deren Ergebnisse einordnen können und deren Grenzen kennen (AI Literacy). Dafür sind KI-Modelle nicht nur theoretisch zu betrachten, sondern es sind Fallstudien und Übungen zu bearbeiten und KI-Ergebnisse kritisch zu analysieren. Die notwendigen Kompetenzen entstehen nicht nur durch einzelne Spezialveranstaltungen, sondern indem KI schrittweise in bestehende Studienprogramme integriert wird.

Zweitens: Studierende müssen Innovationspotenziale erkennen. Welche neuen Anwendungen entstehen durch KI? Welche Geschäftsmodelle werden möglich? Solche Fragen lassen sich mit Fallstudien aus der Industrie oder in Lehrveranstaltungen zum Innovationsmanagement bearbeiten, etwa in Gru

Industrie + Technik