Von 28. bis 31. Mai trafen sich in Genf Experten, um über Status quo und Zukunft von Künstlicher Intelligenz zu diskutieren. Sebastian Dennerlein vom Know-Center sprach über die Bedeutung des lebenslangen Lernens im KI-Bereich und die Förderung durch Methoden des Technology-enhanced Learning.

Smarte Assistenten, intelligente Wartungsanlagen und autonomes Fahren – was vor wenigen Jahren noch wie Szenarien aus Science-Fiction-Filmen wirkte, ist heute Realität. Künstliche Intelligenz (KI) spielt eine immer größere Rolle in unserem Alltag und zunehmend auch in unserem Berufsleben. Und das führt zu den verschiedensten Veränderungen – wie etwa zu großem neuen Potenzial im Bildungsbereich. Die zentralen Fragen lauten dabei: Wie kann KI sinnvoll genutzt werden, um die Bildung zu verbessern? Welche konkreten Herausforderungen gilt es dabei zu meistern? Und: Welche großen Vorteile ergeben sich durch die KI-Ausbildung?  

Diskutiert wurden diese (und andere) Fragen Ende Mai auf den Education Breakthrough Sessions des  UN AI forGood Global Summit in Genf – von rund 300 Pädagogen und KI-Experten. Das gemeinsame Ziel, das man sich gesetzt hatte: Neue Lösungen vorzuschlagen, um die Lernenden des 21. Jahrhunderts zu erreichen und vor allem zu motivieren. Und gemeinsam an einem Plan zu arbeiten, um die KI-Ausbildung auf der ganzen Welt flächendeckend einführen zu können.  

Warum auf KI-Bildung setzen?

Über einige Punkte waren sich dabei alle Diskussionsteilnehmer einig: Bildung muss eine lebenslange Reise im Sinne von Lifelong Learing sein, jeder sollte die Möglichkeit erhalten, sich auf diesen Bildungs-Streifzug zu begeben, um Fertigkeiten zu entwickeln, die man benötigt, um in einer auf KI-Technologien basierenden Gesellschaft sein volles Potenzial entfalten zu können. Das heißt, jeder sollte die Chance auf AI-Literacy bekommen, um für den Arbeitsplatz von Morgen gewappnet zu sein.

Hierfür müssten allerdings neue Lernmodelle entstehen. Denn das “business as usual“- Modell funktioniert in etwa so: Hören, merken, testen, wiederholen. Das sei allerdings nicht der beste Weg, um kognitives Lernen zu unterstützen, erklärte Ani Martinez, Field Director von Remake Learning und Teil der Pittsburgher AI Community. „Um unser Lernen an aktuelle Herausforderungen anzupassen, brauchen wir neue Ansätze beim Lernen und beim Unterrichten“, so Martinez. „Engagement, das Erlernen von relevanten Inhalten und ein fairer Zugang zur Bildung“, so müsste laut Martinez das neue Modell lauten. 

Über KI am Arbeitsplatz lernen 

Genau diese Problematik, also die Überwindung des gewohnten Modells und die Kontextualisierung von Fortbildungsinhalten mit neue Lerntechnologien für den Arbeitsplatz, sprach auch Sebastian Dennerlein vom Data-Driven-Business-Team des Know-Centers an. „Das Lernen am Arbeitsplatz wird schon bald eine entscheidende Rolle spielen, um sich Kenntnisse über Künstliche Intelligenz anzueignen“, sagte der Experte. Dieses Lernen könne auf zwei verschiedene Arten funktionieren. Einerseits durch Seminare auf Unis oder Schulungen direkt im Unternehmen – formell also und auf vordefinierten Lernplänen basierend.  Andererseits informell. Diese zweite Art des Lernens findet vorwiegend im Alltag, in der Freizeit, zuhause oder eben am Arbeitsplatz statt und zeichnet sich durch eine starke Praxisnähe aus. Damit es funktioniert, ist aber gleichzeitig ein hohes Maß an Eigeninitiative, Selbstregulierung und Reflexion notwendig, um das erlernte Wissen auf den Arbeitskontext zu übertragen und handlungsorientiertes Wissen zu erlangen. Entscheidend helfen können hier moderne Methoden aus dem Bereich Technology-enhanced Learning (TEL). 

„Die meisten Unternehmen bieten nach wie vor ausschließlich formelle Weiterbildung an“, erklärte Dennerlein. „Natürlich punkten auch diese Lernmethoden mit bestimmten Vorteilen, wie mit leicht definierbaren KPIs via Badges in MOOCs oder Zertifikaten für Online Kurse, um zu überprüfen, ob die Lernziele auch erreicht worden sind. Die Auswirkungen dieses Lernens auf die Arbeitspraxis sind aber oft fragwürdig, wenn etwa Kurse zu allgemein gehalten und nicht auf die konkreten Aufgaben im Job abgestimmt werden.“ Um KI-Fertigkeiten zu erlernen, empfiehlt Dennerlein deshalb einen Mix aus formellen und informellen Lernmethoden.  

Damit informelles Lernen aber wirklich Sinn macht, sei es wichtig, sich selbst zu regulieren, indem man konkrete Ziele definiert, den Lernerfolg überprüft und Anpassungen vornimmt, wenn der eingeschlagene Weg nicht zum erwarteten Erfolg führt. Außerdem sei es empfehlenswert, seine Erfahrungen mit Online-Communities zu teilen, um auch von den Erfahrungen anderer zu profitieren und das Erlernte durch gegenseitige Stimulation in der Diskussion zu elaborieren. Wie man die notwendige Selbstregulierung optimieren kann? Durch modernste Technologien, mit denen sich Lernerfahrungen einerseits mittracken, visualisieren und mit anderen teilen lassen. Andererseits durch Reflektion, die im Sinne von Zielsetzung und Wissenstransfer durch Prompts angeregt und strukturiert wird.

Realisierung der Ideen für Ai-Literacy mit Iridescent

Das Data-Driven-Business-Team des Know-Centers unter der Leitung von Viktoria Pammer-Schindler ist auch bereits in die Umsetzung der Ideen gestartet. Das Team entwickelt aktuell eine erste Reflektions-Komponente für Irisdescents weltweit größtes AI-Mentoring-Programm, lokalisiert im bekannten Silicon Valley. MentorInnen von Firmen wie etwa NVIDIA bekommen zuerst erfahrungsbasierte, hand-on AI Trainings und werden im Anschluss mit Technology-enhanced-Learning-Support zur Reflektion und Kontextualisierung des erworbenen Wissens angehalten, um einen Impact auf die Arbeitspraxis zu erzielen. Mehr Informationen zu dem aktuellen Projekt gibt’s in einem BlogPost der International Telecommunication Union (ITU) dem Host des AIforGOOD Summits.

Schauen Sie sich auch die Video-Sessions des Summits an.