Glossar der wichtigsten KI-Fachbegriffe im Bildungswesen: Standards und Konzepte
In unserer Beratungspraxis stellen wir regelmäßig fest, dass unklare Begriffe die Einführung neuer Technologien an Schulen und Hochschulen verzögern. Wer Vor- und Nachteile moderner Lernsoftware bewerten möchte, benötigt präzise Kriterien und ein klares Verständnis der Begrifflichkeiten. Dieses Glossar schafft Orientierung und baut direkt auf den Grundlagen der künstlichen Intelligenz in der Bildung auf.
Projekterfahrung 2023: Wie Terminologie-Standards Softwareprüfungen verkürzten
Im Jahr 2023 begleiteten wir eine Fachhochschule mit rund 8.000 Studierenden bei der Evaluation generativer Sprachmodelle. Vor der Umstellung führte die ungenaue Abgrenzung zwischen Machine Learning, Retrieval-Augmented Generation (RAG) und reinen Chatbots zu Verwirrung in der IT-Abteilung und beim Datenschutzbeauftragten.
Wir entwickelten ein hochschulweites Glossar und verglichen Tools auf Basis technischer Parameter wie Latenz, Serverstandort und Schnittstellenkompatibilität. Zur Veranschaulichung nutzten wir Erfolgreiche Praxisbeispiele aus Schulen und Hochschulen, was die Abstimmung zwischen Lehre und IT erheblich vereinfachte.
Das Ergebnis nach sechs Monaten: Die Prüfdauer für neue Softwareanträge sank von durchschnittlich 45 Tagen auf 12 Tage. Durch klare Definitionen konnten Fachbereiche gezielt KI-Werkzeuge für Unterrichtsvorbereitung und Lehre auswählen, ohne datenschutzrechtliche Risiken einzugehen.
Nach unserer Erfahrung verhindert nur eine einheitliche Fachsprache, dass Fehlentscheidungen bei der Anschaffung teurer Softwarelizenzen getroffen werden.
Sprachmodelle und Algorithmen: Die wichtigsten Kernbegriffe
LLM (Large Language Model): Funktionsweise und Anwendung
Ein neuronales Netz, das auf riesigen Textmengen trainiert wurde, um Sprache zu verstehen und zu generieren. Für Künstliche Intelligenz für effizientes Studieren und Lernen bieten LLMs flexible Unterstützung, erfordern jedoch Validierung wegen möglicher Halluzinationen.
Fine-Tuning: Präzise Modellanpassung
Das nachträgliche Training eines bestehenden Sprachmodells mit spezifischen Bildungsdaten. Dies erhöht die Genauigkeit bei Fachtermini und senkt die Fehlerrate im Vergleich zu generischen Modellen.
RAG (Retrieval-Augmented Generation): Anbindung externer Quellen
Kombination aus Textgenerierung und Suchdatenbank. Das Modell greift ausschließlich auf geprüfte Lehrinhalte zu, was die Verlässlichkeit der Antworten in Lernplattformen messbar steigert.
Halluzination: Factual Errors in KI-Antworten
Das Erzeugen von inhaltlich falschen, aber plausibel klingenden Aussagen durch ein Sprachmodell. Wir empfehlen den Einsatz von Prüfprozessen, um diesen Effekt im Unterrichtseinsatz zu minimieren.
Mediendidaktik und Schnittstellen: Integration in Lernmanagementsysteme
Die Einbindung von KI-Komponenten in bestehende Lernplattformen wie Moodle oder Canvas erfolgt über technische Standards wie LTI (Learning Tools Interoperability). Durch standardisierte Schnittstellen bleiben Nutzerdaten geschützt, während Lehrkräfte erweiterte Analysefunktionen nutzen können. Hierbei müssen stets Datenschutz und ethische Richtlinien beim KI-Einsatz berücksichtigt werden.
Auf der didaktischen Ebene steuert die Eingabeaufbereitung die Qualität der Ergebnisse. Wenn Lehrende Effektive Prompts für Lern- und Lehrkontexte nutzen, verwandelt sich die KI von einem einfachen Textgenerator in einen strukturierten Tutor, der schrittweise Lernhinweise gibt, anstatt fertige Lösungen zu liefern.
Häufige Fragen: Technische Standards und Abkürzungen
Was unterscheidet Open-Source-Modelle von proprietären Systemen?
Open-Source-Modelle bieten volle Kontrolle über den Quellcode und die Datenhaltung auf eigenen Servern. Proprietäre Systeme bieten oft höhere Leistung, übertragen Daten jedoch an externe Betreiber. Weitere Details finden Sie unter Antworten auf häufig gestellte Fragen zu Bildungs-KI.
Welche Bedeutung hat der LTI-Standard für Bildungseinrichtungen?
LTI (Learning Tools Interoperability) ermöglicht die sichere Verknüpfung externer Lernwerkzeuge mit dem LMS der Institution ohne Mehrfachanmeldungen oder ungeschützte Datentransfers.
Warum ist der Begriff 'Inferenz' bei der Hardwareplanung wichtig?
Inferenz bezeichnet die Phase, in der das trainierte Modell Anfragen von Nutzern beantwortet. Die benötigte Rechenleistung bestimmt die laufenden Betriebskosten der Infrastruktur.
Terminologie nutzen: So klären Sie Ihre IT- und Didaktikanforderungen
Nutzen Sie dieses Fachglossar als Basis für Ausschreibungen und interne Fortbildungen. Wir empfehlen Ihnen, Ihre Anforderungen anhand konkreter Kriterien zu strukturieren. Vertiefen Sie Ihr Wissen mit den Grundlagen der künstlichen Intelligenz in der Bildung oder prüfen Sie passende KI-Werkzeuge für Unterrichtsvorbereitung und Lehre für Ihre Einrichtung.