Schule Social Media

Silke Müller ist Schulleiterin in Niedersachsen und »Digitalbotschafterin« des Landes. In diesen Tagen erscheint ihr Buch mit dem Titel »Wir verlieren unsere Kinder! – Gewalt, Missbrauch, Rassismus. Der verstörende Alltag in Klassenchats«. Das Buch ist ein sinnvoller Anlass um darüber zu sprechen, weshalb gute Medienpädagogik keine Angst machen sollte – und weshalb sie es immer wieder tut.

2014 habe ich hier zusammengefasst, welche Probleme in vielen Klassenchats entstehen. Dabei habe ich darauf hingewiesen, dass Schüler*innen die Chats oft auch als Belastung wahrnehmen, dass Eltern und Lehrpersonen die Verantwortung leider oft von sich weisen. Ich würde nie behaupten, Klassenchats seien unproblematisch. Was ich aber auch nie behaupten würden: Dass »wir« »unsere« Kinder verlieren. Und dass die Klassenchats voll von Gewalt, Missbrauch und Rassismus seien.

Warum nicht? Kinder lernen in Klassenchats digitale Kommunikation. Sie machen Fehler, sie überschreiten Grenzen. Sie brauchen Begleitung und Nachsicht, Strenge und Verständnis. Entstehen Klassenchats in der vierten oder fünften Klasse, dann können wir nicht erwarten, dass die Kinder mit 10 oder 11 Jahren ein komplexes digitales Medium mit hoher sozialer Sprengkraft moderieren können. Die meisten Erwachsenen können es auch nicht.

Was wir erwarten können, sind drei Dinge:

1. Dass Lehrpersonen auch am Beispiel von Klassenchats medienpädagogische Kompetenzen entwickeln lassen.
2. Dass Eltern die Nutzung der Klassenchats begleiten.
3. Dass Kinder ein Problembewusstsein entwickeln und miteinander und mit Erwachsenen über Klassenchats sprechen.

All das steht sicher auch im Buch von Silke Müller. Verpackt ist es aber in ganz viel Warnung und ganz viel Drohung. Müller und ihr Verlag machen Angst vor dem, was in Klassenchats passiert und was das für Auswirkungen auf Kinder hat. Diese Angst schadet. Was sie bewirkt ist:

1. Lehrpersonen verbieten Klassenchats und ziehen sich damit aus der Verantwortung.
2. Eltern haben Angst vor Klassenchats und verbieten sie ebenfalls, was dazu führt, dass Kinder heimlich (oder unbegleitet) daran teilnehmen.
3. Kinder trauen sich nicht mehr, Erwachsene auf Probleme in Klassenchats anzusprechen, weil diese sie ja schon längst davor gewarnt haben.

Damit zeigt sich: Eine warnende oder drohende Medienpädagogik, die Angst macht, bewirkt das Gegenteil von dem, was sie bewirken sollte. Unabhängig davon, ob irgendwann die richtigen Botschaften vorkommen – entscheidend ist die Verpackung. Das Buch von Müller kaufen Menschen, die genau das hören wollen: Digitale Medien sind gefährlich, Klassenchats ein größeres Problem als viele denken. Dabei ist es egal, ob Müller das sagen will oder nicht.

Im Vorwort zum Buch steht:

Gleichzeitig aber kämpfe ich für Anstand, Moral und Mitmenschlichkeit, die uns zu einem bestimmten Zeitpunkt in diesen Entwicklungsprozessen verloren gegangen zu sein scheinen. Vielleicht sind wir irgendwann falsch abgebogen.

Müller: Wir verlieren unsere Kinder!, S. 11

Diese Tugenden sind nie verloren gegangen. Niemand ist »irgendwann falsch abgebogen«, schon gar nicht wir. Wir haben es mit Kindern zu tun, die einerseits strukturelle Gewalt reproduzieren, die sie in Schule und Elternhaus erleben – und die andererseits Grenzen überschreiten, um sie kennenzulernen. Das tun sie nicht nur in Klassenchats, das tun sie auch auf dem Pausenplatz, im Handballverein, auf Geburtstagspartys und in Chats in Videogames.

Das macht Gewaltdarstellungen, Mobbing oder Rassismus nicht okay. Vielmehr stellt es uns vor die Herausforderung, was wir wirksam dagegen tun können. Und darauf gibt es nur eine Antwort: Wir müssen in Schulen und zuhause Kulturen etablieren, in denen es keine Gewalt und keinen Rassismus gibt, in denen die Rechte aller Anwesenden respektiert werden. Klassenchats sind schon dort problematisch, wo Anspielungen und scheinbar humorvolle Beleidigungen vorkommen, die An- oder Abwesende verletzen. Die Orientierung an krassen Fällen zeigt Jugendlichen, dass Erwachsene sich nicht um ihre Erfahrung und ihre mediale Realität kümmern, sondern sich vorschnell ein falsches Bild davon machen. Sie lässt sich mit einer Verkehrserziehung vergleichen, die vorgibt, auf jeder Straße gäbe es täglich mehrere tödliche Unfälle, obwohl das offensichtlich nicht der Fall ist.

Glaubwürdige Werteerziehung gelingt nur, wenn wir sie in eine Kultur etablieren, die erstens von allen gelebt wird und zweitens die Perspektive aller berücksichtigt. Kinder können an Alltagssituationen lernen, dass sie Menschen fragen müssen, ob sie ihre Bilder veröffentlichen dürfen. Verstehen sie das aus der eigenen und aus der fremden Perspektive, dann braucht es keine großen Warnungen über Kinderpornografie – weil dann alle verstehen, dass es nicht okay ist, Aufnahmen anderer Personen ungefragt zu verschicken.

Und das führt mich abschließend zum letzten Punkt: Viele Kinder und Jugendliche wissen sehr genau, dass sie keine Gewaltvideos oder pornografisches Material verschicken dürfen; dass es nicht klug ist, das eigene Passwort zu teilen oder private Dinge öffentlich zu teilen. Und sie tun es trotzdem. Da muss Medienpädagogik einsetzen: Beim Verständnis, weshalb junge Menschen Dinge tun, von denen sie wissen, dass sie verboten oder nicht klug sind. Wer diese Fragen nicht beantworten kann, kann nicht darauf verweisen, wir seien »irgendwo falsch abgebogen«, sondern sollte sich mit der Psychologie junger Menschen auseinandersetzen.

»Building Thinking Classrooms« ist ein Buch von Peter Liljedahl. Der kanadische Mathematikdidaktiker geht von der Einsicht aus, dass Schüler*innen in der Schule oft Verhaltensweisen zeigen, die weder denken noch lernen sind. Sein Ziel ist, Unterrichtsformen zu finden, in denen Schüler*innen möglichst intensiv denken können. Genauer formuliert er es so:

The goal is to get more of your students thinking, and thinking for longer periods of time, within the context of curriculum, which leads to longer and deeper learning.

buildingthinkingclassrooms.com/14-practices/

In seinem Buch entwickelt er 14 Handlungsempfehlungen (»practices«), die recht direkt umgesetzt werden können. Sie beziehen sich zwar auf den Mathematikunterricht, enthalten aber Einsichten, die sich durchaus verallgemeinern lassen. Die Sketchnote von Laura Wheeler zeigt alle Empfehlungen, ich greife unten die Grundeinsichten und Methoden auf, die mich besonders beeindruckt haben.

1. Aufgaben stellen, die zum Denken anregen.
   Möglichst früh in einer Unterrichtseinheit sollte die Lehrperson eine Aufgabe vorstellen, die eine Denkanstrengung der Lernenden braucht. Liljedahl zitiert das Katzen/Ratten-Problem: »Wenn 6 Katzen in 6 Minuten 6 Ratten töten können, wie viele Katzen braucht man, um in 50 Minuten 100 Raten töten zu können?« 
   Gute Aufgaben haben drei Eigenschaften:
   a) Sie sind reichhaltig, erfordern unterschiedliche Kompetenzen und Methoden aus dem Fachgebiet. Sie können aber nicht auf einem direkten Weg gelöst werden.
   b) Sie sind »engaging«: Wer die Aufgaben hört, möchte gerne eine Lösung finden.
   c) Sie erfordern oft die Aktivierung von Kenntnissen und Verfahren, die nicht im Lehrplan enthalten sind.
   Liljedahl empfiehlt, zur Etablierung einer Denkkultur Aufgaben außerhalb des Lehrplans zu verwenden. Kann eine Klasse sich Problemen so annehmen, wie das erwartet wird, können die Aufgaben Lehrbüchern entnommen werden und sich auf die Kompetenzen richten, die im Lehrplan stehen.
   Aufgaben sollten gestellt werden, während sich die Schüler*innen lose um eine Lehrperson gruppieren (sie sitzen nicht an ihren Tischen). Die Lehrperson stellt die Aufgabe mündlich und entwickelt sie an der Wandtafel.
2. In zufälligen Gruppen arbeiten lassen.
   Schüler*innen denken am besten in Gruppen, in denen sie immer wieder neue Rollen einnehmen können. Dazu muss zunächst das Unterrichtszimmer »defronted« werden – die Ausrichtung der Schüler*innen ist keine gemeinsame, sie erwarten nicht von der Lehrperson, Lösungen zu präsentieren, sondern sie entwickeln diese in der Zusammenarbeit mit anderen Lernenden. Das geschieht am besten in zufällig zusammengestellten Gruppen.
3. »Keep Thinking«.
   Die Interaktion mit der Lehrperson und mit anderen Gruppen ist so ausgerichtet, dass Schüler*innen möglichst intensiv weiterdenken können. Fragen, die Denkwege abkürzen, beantwortet die Lehrperson selten; solche, die das Denken weiterführen hingegen oft.
   
4. Wie Schüler*innen Erkenntnisse aufschreiben.
   Liljedahl empfiehlt zwei Schreibformen:
   Erstens sollen in Gruppenarbeiten vertikale Flächen so beschrieben werden, dass das Geschriebene leicht korrigiert werden kann (also z.B. Whiteboards oder Wandtafeln).
   Zweitens sollten Schüler*innen Notizen anlegen, von denen sie denken, dass sie ihnen später weiterhelfen. Dazu sollte in den Stunden Zeit zur Verfügung stehen, Notizen sollten aber nicht schematisch und als Routine angelegt werden, sondern bewusst.
5. Basis von unten sichern, nicht Lösungen von oben anbieten.
   Geht es darum, Ergebnisse der Denkprozesse zu sichern, bietet das TC-Konzept zwei fundamentale Einsichten an:
   Erstens sollten Lehrpersonen möglichst viel Zeit darauf verwenden, grundlegende Einsichten allen noch einmal zugänglich zu machen. So bleiben alle Schüler*innen engagiert. Die schwierigsten Teile der Erkenntnisse sollten nur kurz berührt werden – weil sie für viele Schüler*innen so schwierig sind, dass sie beim Denken abhängen.
   Zweitens sollte die Ergebnissicherung von den Arbeiten der Gruppen ausgehen. »Kann jemand aus einer anderen Gruppe erklären, was die Gruppe hier überlegt hat?« ist beim so genannten »Gallery Walk«, also bei der Durchsicht der Gruppenergebnisse, eine sehr produktive Frage. Das Denken wird befördert, indem sich alle in das eindenken, was für alle aufschlussreich und nachvollziehbar ist.
   
6. Hausaufgaben als »check your understanding«.
   Hausaufgaben dienen dazu, dass Lernende überprüfen können, ob sie verstanden haben, worum es geht. Hausaufgaben werden weder kontrolliert noch bewertet – sie sind eine Gelegenheit für Schüler*innen, weiter zu denken und zu lernen. In den Stunden kann diskutiert werden, welche dieser Aufgaben für alle sinnvoll wären; es gibt aber keinen Zwang zu diesen Hausaufgaben.
   
7. Die Flow-Idee
   Grundlegende Aufgaben müssen asynchron entweder durch Hinweise gestützt werden (um Frustration zu vermeiden) oder durch Erweiterungen erschwert werden (um Langeweile zu vermeiden).

Die Ziele in Liljedahls Buch sind die Ziele meines Unterrichts. Seine Haltung in Bezug auf Mathedidaktik entspricht meiner Kritik an der problematischen Aufgaben- und Stoffkultur. Gleichwohl ist das Konzept viel konsequenter als die Lernumgebungen, die ich schaffe. Besonders die Arbeit in Gruppen und die Dezentralisierung kann ich deutlich optimieren – und werde das im nächsten Schuljahr auch machen. Die Anleitung im Buch ist sehr hilfreich: Ich müsste für den ersten Schritt die Schreibunterlagen für Gruppen organisieren. Beim zweiten Schritt müsste ich die Ausrichtung des Klassenzimmers bewusst ändern.

»Normal Gossip« ist einer der erfolgreichsten Podcasts in den USA. Die Formel ist einfach: Kelsey McKinney erzählt einem Gast eine Geschichte, die ihr zugetragen worden ist. Dabei geht es um Menschen in Alltagssituationen, die irritierende Dinge tun – der Stoff für Klatsch, Tratsch, Gerüchte. Nur werden die ganz öffentlich, dafür stark anonymisiert erzählt. In diesem Sinne quasi doppelt normalisiert.

Die Faszination des Podcasts hängt für mich mit der Faszination für Klatsch zusammen. Zu erfahren, wie seltsam echte Menschen sich verhalten, wie krass sie gegen Normen verstoßen haben, macht eine Geschichte fesselnd. Wir erhalten Bestätigung für unser Leben und Stoff, den wir wiederum weitererzählen können.

»Gossip« bezieht sich als Wort sowohl auf den Stoff als auch auf Personen: Wer gerne Klatsch erzählt, ist »a gossip«, was die Person erzählt, ist »gossip«. Dabei ist Klatsch eine verzerrte Übersetzung, »gossip« umfasst von Gerüchten bis zu sachlichen Beschreibungen alles. Cruz et al. definieren »gossip« als eine Kommunikationssituation, in der Menschen erwähnt werden, die kommunikativ ausgeschlossen werden. Die Situation kann – wie unten dargestellt – formell oder informell sein, die Bewertung der Erzählten kann positiv oder negativ ausfallen.

McKinney diskutiert zu Beginn der Folgen immer, wie ihre Gäste »gossip« sozialpolitisch einordnen. Dabei sehen viele Klatsch so, dass er eine Art Widerstand gegen unterdrückende Machtverhältnisse darstellt: Sobald es an einem Arbeitsplatz starke Hierarchien gibt, ist Gossip ein Weg, um das zu verarbeiten. Hinter dem Rücken der bösartigen Chefin erzählen Mitarbeiter*innen, mit wem sie ein Verhältnis haben könnte und wie unmöglich sie sich auf der Weihnachtsfeier benommen hat.

Klatsch als Widerstand ist die eine wichtige Funktion, Klatsch als Gespräch über sich wandelnde Normen die andere. Das erklärt, weshalb gerade Teenager so fasziniert von Klatschgeschichten sind. Sie helfen ihnen, gesellschaftliche Normen und verstehen und zu entwickeln, gerade auch für Situationen, die für sie neu sind und die ihre Eltern nicht kennen.

Wenn es nun an Schulen und Lehrpersonen viel Klatsch gibt, bedeutet das entweder, dass sich Normen wandeln (z.B. weil neue Rollenbilder aufkommen, sich die Zusammensetzung einer Schule verändert etc.). Oder es bedeutet, dass die Schule hierarchische Machtverhältnisse kennt, in denen Gossip ein Teil des Widerstands ist. Schulführung sollte Klatsch vermeiden: Gute Schulkommunikation ist so transparent, dass es kein Bedürfnis gibt, hinter dem Rücken von Betroffenen zu kommunizieren. Sie kann aber nicht verhindern, dass bei sich wandelnden Normen Auseinandersetzungen auf diesem Weg erfolgen.

Seit Jahren gibt es eine Publikationskrise in den akademischen Berufen. Knapp zusammengefasst besteht die Krise darin, dass Wissenschaftler*innen daran gemessen werden, wie viel sie publizieren, in welchen Zeitschriften sie ihre Texte unterbringen und wie oft ihre Texte zitiert werden. Das führt zu Fehlanreizen und Fehleinschätzungen: Um zu publizieren müssen Forscher*innen ihre Forschungstätigkeit, ihre Lehre, ihre Zusammenarbeit im Team zurückstellen – und diese elementaren Aufgaben werden bei der Evaluation kaum berücksichtigt. Die Krise wird von Verlagen ausgenutzt, die Zugänge zu Zeitschriften verkaufen und teilweise ohne Qualitätskontrolle unseriöse Texte publizieren.

Da KI-Tools enorm effizient Texte generieren können (besonders solche, die einem Muster folgen), können Wissenschaftler*innen mit diesen Programmen viel schneller Texte publizieren, die ihren früheren Texten gleichen. So wird sich diese Publikationskrise verschärfen, weil immer schneller immer mehr Texte produziert werden, die kaum gelesen werden.

Sie ist Ausdruck eines viel größeren Problems: Ein Problem der Schriftlichkeit in der Bildung. Grundsätzlich geht es darum, festzustellen, ob eine Wissenschaftlerin oder ein Wissenschaftler gute Arbeit leisten. Weil das nicht direkt gemessen werden kann (weil es ganz unterschiedliche Formen von Forschung und wissenschaftlicher Arbeit gibt), ist eine Norm entstanden, die Forschungsleistung an Schriftlichkeit koppelt.

Dasselbe passiert an Schulen und Hochschulen auch mit Lernenden: Weil wir nicht direkt feststellen können, ob ein Kompetenzzuwachs erfolgt ist, erfolgen Leistungsmessungen über schriftliche Lernprodukte. Wenn diese aber mit einer KI künstlich oder halb-künstlich entstehen, verliert diese Messung ihren Sinn.

Das hat nicht nur Konsequenzen für die Prüfungskultur, sondern auch für die Zeitverteilung: Schriftlichkeit ist oft ein Weg, um eine vertiefte Auseinandersetzung mit einem Thema ohne Betreuungsmöglichkeit zu erzwingen. Eine Hausarbeit oder eine Hausaufgabe fordert Lernende auf, außerhalb der Zeit im Klassenzimmer Lernzeit in eine Aufgabe zu investieren (und Feedback von Lehrenden zu erhalten, welche diese oft auch außerhalb ihrer Präsenzzeit erbringen müssen). Das führt dazu, dass Lernleistungen über schriftliche Texte erbracht werden, die didaktisch sinnvoller auf einem anderen Weg erfolgen würde. Das klassische Beispiel sind Fremdsprachen, die oft in Gesprächssituationen gelernt werden sollten, aber primär schriftlich unterrichtet werden, weil es anders in der verfügbaren Zeit nicht geht. Auch Studierende könnten auf Tagungen unterschiedliche Perspektiven auf Fachprobleme direkt wahrnehmen, die sie bei Hausarbeiten über eine oft rudimentäre Lektüre von Fachaufsätzen rekonstruieren.

Damit ist nicht gesagt, dass Texte nicht eine wichtige Funktion haben: Sie helfen Lernenden, das eigene Denken zu strukturieren und verbalisieren; sie sind oft wirksame Kommunikationsmittel. Aber Texte verfassen sollte einen Wert in sich haben, nicht ein Ausweg sein, um Leistungsmessung zu ermöglichen oder Lernzeit zu erzwingen.

KI-Tools werden hier eine Herausforderung bringen. Es ist zu wünschen, dass der Umgang damit zu echten Lösungen führt. Gleichzeitig ist zu befürchten, dass die nötigen Ressourcen im System nicht zur Verfügung stehen, so dass Alternativen gesucht werden, die ganz ähnliche Probleme aufwerfen wie schriftliche Texte.

Im Dezember hat Ryan Broderick drei Vergleiche vorgeschlagen, mit denen sich die Auswirkungen von KI-Tools im Umgang mit Texten reflektieren lassen:

1. Photoshop
   Permanente Verunsicherung und Verdächtigungen; Versuch, Zugang zu erschweren oder verhindern. Eher teuer und nur für Menschen sinnvoll nutzbar, die darin geschult sind.
2. Napster/Spotify
   Urheberrechtsprozesse werden bei den großen/seriösen Anbietern zu Transparenz führen. Viele werden von User*innen Erlaubnis einholen, Daten verwenden zu dürfen. Am Schluss entsteht ein Spotify für KI, das Urheber*innen minimal entschädigt.
3. Smartphones
   Erst breiter Zugang ermöglicht sinnvolle Nutzung, führt aber zu einer Moral Panic und breiter Moralisierung (primär in Bezug auf die Nutzung von Frauen und Kindern).

Alle diese Sichtweisen sind erhellend, wenn es um das Verständnis von Technologien geht, die Texte mit KI generieren. Sie beleuchten Aspekte, die alle relevant sind. Wie die Technologie sich aber gesellschaftlich auswirken wird, erfassen sie nicht.

Ich möchte dafür ein anderes Bild anbieten: KI-Sprachtechnologie funktioniert wie Autofocus bei Fotokameras. Diese Technologie hat dazu geführt, dass Bilder auf Knopfdruck scharf waren. Bevor es sie gab, waren auf entwickelten Filme viele Bilder verschwommen, weil Fotograf*innen manuell nicht richtig scharf gestellt haben.

Mit dem Vergleich meine ich zwei Merkmale:

1. Die Technologie ist in andere Technologie verbaut.
   Textverarbeitungsprogramme, Chat-Software, Bedienungsanleitungen, Suchmaschinen etc. werden in naher Zukunft alle KI enthalten, die Texte erzeugt. Wir werden nicht explizit ChatGPT oder Bing aufrufen, um Text-KI zu nutzen, sondern unser Smartphone und unser Laptop werden automatisch solche Dienste einsetzen, ohne dass wir sie bewusst wahrnehmen.
2. Sicherung eines neuen Minimums.
   Handyfotos können aus ganz verschiedenen Gründen schlecht sein – unscharf sind sie aber kaum noch. Entsprechend wird es weiterhin schlechte Texte geben: Diese werden aber ein gewisses Niveau nicht mehr unterschreiten. KI wird dazu führen, dass Texte fast alle orthografisch korrekt sind, dass sie eine gewisse Kohärenz und Einheitlichkeit aufweisen und bestimmte Textsortenmerkmale einhalten. Das wird zu einer gewissen Künstlichkeit führen, was bei Autofocus auch der Fall war.

Daraus leite ich ab, dass KI die Gesellschaft nicht radikal verändern wird. Ja, wir leben heute in einer Gesellschaft, in der alle von allem Bilder machen können, die erkennen lassen, was eine Person um sich herum wahrnimmt. Genauso werden wir in einer Gesellschaft leben, wo alle Menschen Texte verfassen lassen können und auch Maschinen Texte generieren. Das wird aber weder die Schule noch andere gesellschaftliche Systeme neu formatieren, sondern einfach unseren Umgang mit Texten leicht verschieben.

Die Vorstellung, Lehrpersonen müssten für Kinder oder Jugendliche Vorbilder sein, ist verbreitet. Sie ist meiner Meinung nach aber irreführend und in einigen Aspekten problematisch. Lehrpersonen sollten sich professionell verhalten und eine Kultur etablieren, in der alle Schüler*innen sich wohlfühlen und gut lernen können.

Problem 1: Nachahmung

Ich bin Lehrer, aber ich bin auch ein Mensch mit Schwächen und problematischen Gewohnheiten. Wenn ich mich nun als Vorbild inszeniere, dann gehe ich davon aus, dass Schüler*innen sich so verhalten sollten, wie ich das mache. Ich trinke z.B. sehr viel, zu viel Kaffee. Das sollten Jugendliche aus gesundheitlichen Gründen nicht tun. Nun könnte ich als Vorbild so tun, als wäre das anders, den Kaffee also heimlich konsumieren und auf Nachfragen mit Halbwahrheiten antworten (»nicht mehr so viel wie früher, haha«.) Dann würde ich wiederum vorleben, dass man Schwächen verstecken und andere darüber belügen sollte.

Ganz allgemein ist es wohl keine gesunde Vorstellung, so sein zu wollen, wie jemand anders. Die Schüler*innen, die wir unterrichten, sollten nicht so werden wie wir – weder auf einer individuellen noch auf einer kollektiven Ebene. Ich kenne viele (gute) Schulen, aber an keiner würde ich für die Idee einstehen, dass die Gesellschaft besser würde, wenn sich Schüler*innen als Erwachsene so verhalten würden wie die Lehrpersonen an dieser Schule.

Problem 2: eigene Wege gehen

Als Lehrer in einem Fachlehrersystem kenne ich das Problem, dass jede Lehrperson das eigene Fach für das wichtigste hält. Sie hat es gewählt, studiert; sie vertritt es mit Begeisterung. Nur: Schüler*innen können nicht 12 Fächer mit Begeisterung anpacken. Sie müssen auswählen, priorisieren, eigene Wege finden und sich nach der Matur für ein eigenes Studium entscheiden.

Ähnlich verhält es sich in anderen Bereichen des Lebens. Menschen können sich ganz unterschiedlich verhalten und sie müssen herausfinden, welche Haltungen und Handlungen zu ihnen passen und welche nicht. Die Vorbild-Idee geht davon aus, dass es einen richtigen und viele falsche Wege gibt (und dass die Lehrperson den richtigen eingeschlagen hat).

Wie absurd das ist, zeigt sich z.B. bei der Berufswahl: Es ist völlig klar, dass nicht alle Schüler*innen für den Beruf der Lehrperson geeignet sind. Ist die Lehrperson nun in der Rolle des Vorbilds, dann ergeben sich hier kognitive Konflikte, die Schüler*innen nicht dabei unterstützen, eigene Wege zu gehen. Ganz unterschiedliche Wege.

Problem 3: Asymmetrie

Lehrpersonen nehmen eine ganz bestimmte Rolle mit Pflichten und Rechten ein. Sie benutzen eigene Toiletten, haben Verpflegungsmöglichkeiten und Rückzugsräume und werden bezahlt. Sie arbeiten an einer Schule, d.h. sie bereiten Unterricht vor und begleiten Schüler*innen. Diese besuchen eine Schule und lernen dort im Idealfall, sind geprägt von ihren Peers und ihrer Entwicklung. Kurz: Lehrpersonen sind komplett andere Menschen in anderen Situation als Schüler*innen.

Die Vorbild-Idee ebnet diese Unterschiede ein und gibt vor, dass Schüler*innen sich genauso wie Lehrpersonen verhalten könnten, wenn sie nur wollten. Das ist aber weder sinnvoll noch möglich.

Lösung: eine Kultur etablieren

Lehrpersonen, die sich professionell verhalten, schaffen eine Kultur. Diese besteht aus expliziten und impliziten Erwartungen, aus festgelegten Abläufen, aus Interventionen, Gesprächen etc. Die Kultur zielt nicht darauf auf ab, dass die Lehrpersonen nachgeahmt werden, sondern dass Lernen stattfindet, ein angenehmer sozialer Umgang möglich ist, Regeln und Erwartungen eingehalten werden. Diese Regeln und Erwartungen werden erklärt und begründet. Schüler*innen müssen einander nicht deshalb respektieren oder zuhören, weil die Lehrperson es tut, sondern weil es richtig und sinnvoll ist.

So bedeutet der Verzicht auf die Vorbild-Vorstellung gerade nicht »anything goes«. Sie bedeutet, unehrliche Inszenierungen zu vermeiden und die Energie auf das zu fokussieren, was wirklich wichtig ist an einer Schule: das Lernen und der soziale Umgang miteinander.

Die Verfügbarkeit von verschiedenen KI-Tools erfordert eine Vielzahl von Kompetenzen, sowohl bei Schüler*innen wie auch bei Lehrpersonen. In einer Serie von Blogposts und Videos erörtere und beleuchte ich diese Kompetenzen.

1. Wie mit einem Kind sprechen (das eine Maschine ist)
2. Anfragen verfeinern
3. Nutzung transparent nachweisen
4. Die KI trainieren
5. Problem von mehreren Seiten (Sprachen etc.) angehen 
6. Communities nutzen
7. Es gibt nicht nur eine KI

Das Plagiats-Problem

Wer schreibt, markiert Zitate oder Paraphrasen und gibt an, auf welche Quellen er oder sie sich bezieht. Diese (wissenschaftliche) Grundregel ist bei KI-Tools nicht ganz einfach zu befolgen – oder nur in den einfachen Fällen, wo ganze Abschnitte von KI-Tools kopiert werden. KI-Schreibtools sind keine Quellen, sondern Hilfsmittel. Ich kann z.B. meinen Text bei ChatGPT hochladen und das Tool bitten, Rechtschreib- und Interpunktionsfehler zu korrigieren oder den Wortschatz etwas zu erweitern. Dadurch nehme ich zwar Hilfe in Anspruch, aber ich kopiere keine Textteile.

Schüler*innen geben bei ihren Arbeiten mittlerweile an, dass sie ChatGPT benutzen. Das sieht dann beispielsweise so aus:

Für mich als Lehrer ist nicht erkennbar, wie sie das Tool genau genutzt haben. Ich kann also – anders als bei korrekten Quellenangaben – nicht genau nachvollziehen, woher bestimmte Informationen oder Formulierungen stammen.

Lösungsvorschlag

1. Falls Formulierungen oder Bilder direkt aus einem Tool kopiert wurden, diese wie Zitate markieren und entsprechend nachweisen.
2. Im Literaturverzeichnis verwendete KI-Tools auflisten.
3. Dabei verwendete Prompts einzeln auflisten.
4. Im Anhang eine exportierte Dokumentation der Dialoge mit dem Tool anhängen. (Für ChatGPT geht das mit dieser Chrome-Erweiterung einfach.)

Das sieht dann zum Beispiel so aus:

Verwendete KI-Tools

ChatGPT, chat.openai.com (5. Januar 2022)
Prompts:
a) »Generiere drei starke Argumente zum Thema Ruhezeit von 72 Stunden« 
b) »Schreibe einen Titel zu diesem Aufsatz [Kopie des Aufsatzes]« 
c) »Bitte korrigiere alle Fehler (auch Kommafehler) im folgenden Text«

Der Standard von Nature

Im Januar 2023 hat sich die Wissenschaftszeitschrift Nature dazu geäußert, wie die Verwendung von Sprach-KI-Tools nachgewiesen werden sollte. Die Formulierungen sind sehr allgemein gehalten: »document this use« ist nicht weiter spezifiziert.

First, no LLM tool will be accepted as a credited author on a research paper. That is because any attribution of authorship carries with it accountability for the work, and AI tools cannot take such responsibility.

Second, researchers using LLM tools should document this use in the methods or acknowledgements sections. If a paper does not include these sections, the introduction or another appropriate section can be used to document the use of the LLM.

Nature, Januar 2023

Der radikale Vorschlag von Doris Weßels

Doris Weßels (für mich die wichtigste Expertin zum Thema KI-Tools bei wissenschaftlichen Arbeiten) hat vor über einem Jahr vorgeschlagen, die Markierung umzukehren. Würde man der Idee folgen, würden Schreibende kennzeichnen, was ihre eigenen Formulierungen sind. Beim ganzen Rest des Textes kann davon ausgegangen werden, dass er übernommen wurde – ob kopiert oder generiert spielt dann keine Rolle mehr.

🪶Nachtrag 2: Das Thema existiert nicht erst seit #ChatGPT. Vor über einem Jahr hat @dwkro darüber in der @faznet gesprochen, damals noch im Kontext von Plagiaten. Einen "Game-Changer" sagte voraus und schlug auch einen neuen Umgang mit eigenen und fremden Gedanken vor: pic.twitter.com/L0seJAyEcN

— Piotr Heller (@HellPiotr) December 30, 2022

Edit 7. Januar: Aufgrund längerer Diskussionen auf Twitter füge ich unten einen Lösungsvorschlag an und hier eine Präzisierung: Ich meine mit »Mastodon« im Folgenden nicht ein technisches Protokoll oder eine einzelne Instanz, sondern die miteinander verbundenen (föderierten) Instanzen, die gemeinsam eine Social-Media-Plattform bilden, indem sie User*innen die Möglichkeit bieten, Mastodon als Twitter-Alternative zu nutzen.

* * *

Im letzten Jahr sind viele Menschen von Twitter auf Mastodon umgestiegen. Mastodon wirkt für viele angenehmer: weniger kommerziell, nicht algorithmisch gesteuert, ohne politische Extreme, kleinräumige Communities mit eigenen Regeln.

Ich nutze aktuell Twitter und Mastodon. Dem Versprechen von Mastodon gegenüber bin ich aber skeptisch. Der Grund dafür ist das Moderationsproblem. Es besteht aus drei Teilen:

1. Social-Media-Plattformen brauchen Moderation.
2. Moderation kostet Zeit und damit Geld (weil die damit verbundene Arbeit bezahlt werden sollte).
3. Moderation ist mit politischen Entscheidungen und Macht verbunden. Sie legt fest, wer in welchem Kontext was sagen darf (und mit welcher Reichweite bzw. Sichtbarkeit).

Eine Plattform muss also

1. Eine Redaktion etablieren, die Moderation organisiert.
2. Moderation finanzieren können.
3. Transparente politische Entscheidungen fällen und einen Rahmen schaffen, in dem Macht nicht missbraucht werden kann.

Das sind keine trivialen Probleme. Die oft gescholtene Monetarisierung von Daten hängt damit zusammen, dass viele User*innen nicht bereit sind, für Moderation zu zahlen. Genauso sind politische Entscheidungen konstant umstritten und es ist enorm schwierig, sie in unterschiedlichsten Kontexten zu vertreten.

Mastodon verspricht, das Moderationsproblem zu lösen – obwohl es das gar nicht tut. Die Architektur des Netzwerks besteht aus der Verbindung von Servern, die jeweils lokalen Regeln folgen. Mein Account social.tchncs.de/@phwampfler ist auf dem Server social.tchncs.de gehostet, der von Milan Ihl betrieben wird. Er ist für die Moderation verantwortlich und kann Regeln festlegen, die auf seinem Server gelten. Diese gelten aber auf anderen Servern nicht. Er kann User*innen z.B. sperren, aber nicht verhindern, dass diese auf anderen Mastodon-Servern ein Konto erhalten.

Hinter Mastodon stehen zwei implizite Versprechen, die verdecken, dass es an Lösungen fehlt: Wenn kleine Server dezentral Moderation organisieren, dann wirkt es so, als würde sie nichts kosten und als würde das ein globales politisches Problem entschärfen. Das Versprechen wirkt auch deshalb, weil Verstöße gegen bestimmte Normen schlicht nicht sichtbar sind – es fehlt an Suchmöglichkeiten, wie hier am Beispiel von Kinderpornografie deutlich gemacht wird. Mastodon kennt keine funktionierende globale Suche und keine einheitlichen Regeln: Es zerfällt also in Sub-Netzwerke und ist als Plattform insgesamt kaum einzuschätzen. [Hier findet man eine Replik auf den oben verlinkten Text – sie sagt aber letztlich nur, dass Server den Kontakt zu anderen Servern kappen können und das auch (transparent) tun, wenn alles korrekt läuft.]

Die ideale Vorstellung, Server-Moderation werden als Dienstleistung bereitgestellt (zum Beispiel von öffentlich-rechtlichen Sendern), unterstütze ich durchaus. Nur: Ist das in einem Umfang denkbar, der allen Menschen weltweit einen Zugang ermöglicht? Lässt sich das auch dann finanzieren, wenn Mastodon wirklich ein Tool für die Breite wird?

Die andere Vorstellung, dass lokale Regeln (ohne Algorithmen) politische Entscheide entschärfen können, halte ich für naiv. Je wichtiger Mastodon als Plattform wird, desto perfider werden die Strategien, um auszunutzen, dass Communities unterschiedliche Regeln verwenden. Natürlich werden die Server, auf denen Hardcore-Inhalte verbreitet werden, von anderen schnell markiert und ausgeschlossen. Aber diejenigen, welche Regeln nachlässig durchsetzen und zu wenig Ressourcen haben, um konsequent zu moderieren (etwa bei Übergriffen oder Doxing), provozieren Entscheidungen, die dann entweder führen, dass User*innen nicht mehr miteinander kommunizieren können, obwohl sie dasselbe Netzwerk nutzen – oder halt ein Klima schaffen, in dem Übergriffe und Doxing teilweise erlaubt sind.

Mastodon löst das Vertrauensproblem, in dem User*innen nur den Admins des eigenen Servers, nicht aber der ganzen Plattform vertrauen müssen. Nur: Diese Admins müssen damit Entscheidungen fällen, welche die Wahrnehmung der ganzen Plattform betreffen. Und sie können Nazis oder Pädokriminelle nicht ausschließen, sondern nur die Verbindung zu ihnen kappen. Mastodon ist keine Nische, in der höhere ethische Standards gelten – man merkt nur nicht, dass eigentlich keine gelten, weil lokal ausgeblendet wird, was diesen Eindruck stören kann.

* * *

Ein Lösungsvorschlag:

1. Einige größere Mastodon-Instanzen einigen sich auf ein demokratisches Verfahren (z.B. dürfen erfahrene User*innen, die sich an Regeln halten, abstimmen).
2. Mit dem Verfahren werden Moderationsstandards festgelegt (Regeln, Ressourcen für Moderation, Praktiken zum Umgang mit problematischen User*innen etc.). Die Standards orientieren sich an einer positiven und sicheren Erfahrungen der User*innen.
3. Alle Instanzen, die sich nicht verpflichten, diese Standards umzusetzen, werden deförderiert. Instanzen, die nachweisen, dass sie diese Standards umsetzen, werden auf Antrag föderiert.
4. Die Standards können durch das in 1. festgelegte Verfahren verändert und angepasst werden.

Die Verfügbarkeit von verschiedenen KI-Tools erfordert eine Vielzahl von Kompetenzen, sowohl bei Schüler*innen wie auch bei Lehrpersonen. In einer Serie von Blogposts und Videos erörtere und beleuchte ich diese Kompetenzen.

1. Wie mit einem Kind sprechen (das eine Maschine ist)
2. Anfragen verfeinern
3. Nutzung transparent nachweisen
4. Die KI trainieren
5. Problem von mehreren Seiten (Sprachen etc.) angehen 
6. Communities nutzen
7. Es gibt nicht nur eine KI

Midjourney

In dieser Folge arbeite ich mit Midjourney, einem Programm, das Bilder erzeugt. Zugang erhält man über midjourney.com. Die Verwendung von Midjourney erfolgt über das Chat-Tool Discord, wo Midjourney einen Bot anbietet, der auf Anfragen reagiert. Für ChatGPT gibt es hier sehr hilfreiche Hinweise zu Prompts:

Der Aufbau von Prompts

Prompts sind die Eingaben, mit denen KI-Tools arbeiten. In letzter Zeit sind viele Tools in der Lage, natürlichsprachige Prompts zu verstehen: Das bedeutet, ich kann einer KI einen schriftlichen Auftrag geben, der gleich lautet, wie ich ihn einem Menschen geben würde.

Das Programm übersetzt ihn dann in maschinenlesbare Angaben. Diese bestehen grob aus Mustern, Befehlen und Gewichtungen. Ein Beispiel:

»/imagine prompt« ist hier die Einleitung, die dem Programm sagt, dass jetzt eine Eingabe kommt. Der Prompt lautet dann: »messi as a minion«.

1. Das Muster hier wäre »x as y«. Hier kann eine KI analysieren, wie ähnliche Muster bearbeitet werden – und diese Muster nutzen, um den Prompt zu bearbeiten.
2. Einen konkreten Befehl gibt es hier noch nicht, ich könnte z.B. ergänzen mit »–ar 16:9« was dann der Befehl ist, ein Bild in der »Aspect Ratio« 16:9 zu erzeugen.
3. Gewichtung bedeutet, dass »Messi« und »Minion« entweder gleich starkes Gewicht haben (dann entsteht eine Figur, die gleich stark nach Messi wie nach einem Minion aussieht), oder halt unterschiedliches (z.B. könnte »Messi« wichtiger sein, weil er am Anfang steht, oder »Minion«, weil hier das Aussehen beschrieben wird.

Die Interpretation von Prompts

Wenn Laien KI-Tools nutzen, dann können sie nicht genau abschätzen, wie das Tool ihre Eingaben verarbeitet. D.h. es ist nicht immer klar, welche Muster, Befehle und Gewichtungen in Prompts enthalten sind.

Um das herauszufinden, müssen wir mit den Tools spielen. Hier sieht man das Ergebnis einer ersten Anfrage.

Midjourney bietet mir direkt 9 Optionen an: Ich kann mit dem Knopf rechts die Anfrage noch mal laufen lassen (KI-Tool geben praktisch nie dasselbe Ergebnis aus, wenn man denselben Prompt verwendet). Mit den U- oder V-Buttons kann ich entweder bessere Auflösungen oder Varianten einzelner Bilder generieren lassen. V4 hat zu diesem Ergebnis geführt:

U4 hingegen zu dem – man sieht, dass noch mal weitere Optionen angeboten werden:

Auch wenn KI-Tools nicht signalisieren, dass Anfragen (und damit auch Ergebnisse) verfeinert werden können, so ist das grundsätzlich immer möglich.

Befehle kennen lernen

Für Midjourney gibt es Seiten, die Prompts für User generieren, z.B. promptomania.com/midjourney-prompt-builder. Diese Tools helfen dabei, die korrekten Befehle zu verwenden, damit Midjourney möglichst genau das tut, was ich erwarte. Im Beispiel sieht man, dass ich genau das eingeben sollte, was im weißen Fenster steht – wenn ich diese Art von Kamera, Modellierung und einen Bart möchte.

Viele KI reagieren auf präzise Befehle aus einer Liste, weil sie letztlich einfach Programme ablaufen lassen. Diese Befehle müssen kompetente Nutzer*innen aber kennen. Hier hilft es, Listen nachzuschlagen oder Prompt-Generatoren zu verwenden. Teilweise können unterschiedliche KI-Tools auch genutzt werden, um Prompts für andere Tools zu verfassen, wie das z.B. auch in diesem Thread vorgeführt wird.

Chat GPT is the Most Powerful AI tool.

But most People don't know how to use it for their Benefit.

Here are 13 techniques to get massively ahead in 2023 by using Chat GPT:

— Barsee 🐶 (@heyBarsee) January 9, 2023

Die Verfügbarkeit von verschiedenen KI-Tools erfordert eine Vielzahl von Kompetenzen, sowohl bei Schüler*innen wie auch bei Lehrpersonen. In einer Serie von Blogposts und Videos möchte ich in den nächsten Tagen diese Kompetenzen beleuchten und erörtern.

Inhaltsverzeichnis

1. Wie mit einem Kind sprechen (das eine Maschine ist)
2. Anfragen verfeinern
3. Nutzung transparent nachweisen
4. Die KI trainieren
5. Problem von mehreren Seiten (Sprachen etc.) angehen 
6. Communities nutzen
7. Es gibt nicht nur eine KI

Wie mit einem Kind sprechen, das eine Maschine ist

Im Gespräch mit Stefan Sasse ist mir klar geworden, dass wir ganz unterschiedliche Bilder im Kopf haben, wer eine KI eigentlich ist. Für mich ist eine KI ein Kind, ich spreche mit ihr wie mit einem Kind (das eigentlich eine Maschine ist). Kinder verstehen oft sehr wörtlich, was Erwachsene sagen – während Erwachsene stärker interpretieren, was jemand meinen könnte. Bei Aufforderungen an KI-Tools braucht man sogenannte Prompts, also Eingaben, auf die das Tool das reagiert. Im ersten Beispiel benutze ich #chatGPT, das einfachste Tool zum Erzeugen von Texten.

Diese Prompts sollten nun:

1. möglichst explizit sein
2. möglichst genau beschreiben, wie das Ergebnis aussehen soll
3. alles erwähnen, was wichtig ist

Im Beispiel habe ich nun etwas vergessen – ich duze die Eltern der Kinder, die zu einer Geburtstagsparty kommen.

Der entscheidende Punkt: Ich kann immer weiter verfeinern. Ein Kind versteht oft auch nicht beim ersten Mal, was ich meine – ein KI-Tool auch nicht. Hinzu kommt: Ein Kind weiß vieles über die Welt noch nicht. Hier ist z.b. der KI nicht klar, dass ich in der Schweiz lebe und ß unüblich ist. Das könnte ich aber im nächsten Prompt wieder erwähnen.

Erinnern sollte man sich aber dabei: Das Kind ist eine Maschine. Sie erkennt Muster und reproduziert sie. Die Maschine weiß aber nichts, hat keine Beziehung zu mir, empfindet nichts und erinnert sich auch nicht in einem menschlichen Sinne. Wenn ich mir also vorstelle, mit einem Kind zu sprechen, darf ich das nicht vergessen.