Konzept zur Ausbildung von KI-Kompetenzen

Die mit Abstand wichtigste Erkenntnis besteht deshalb darin, dass ein gezieltes Anleiten und Trainieren von KI-Systemen sowie die Einbettung von Fach- und Kontextwissen mehr Zeit und eine kleinschrittigere Heranführung und Begleitung unserer Studierenden erfordert; punktuelle Lernanlässe reichen nicht aus, um ein tiefgreifendes und reflektiertes Verständnis im Umgang mit generativer KI zu fördern. Deshalb haben wir ein Konzept entwickelt, das die Ausbildung von KI-Kompetenzen systematisch im Studiengang SEPM verankert, vgl. Abbildung 3.

Abbildung 3: Konzept zur Ausbildung von KI-Kompetenzen im Studiengang SEPM (vgl. Carolus et al. 2023)

Das Ziel besteht darin, unsere Studierenden schrittweise, praxisnah und entlang ihres Kompetenzniveaus im Studienverlauf für den souveränen und reflektierten Umgang mit KI-Tools zu qualifizieren. Die Integration der Inhalte erfolgt dabei nicht im Rahmen eines zusätzlichen Moduls, sondern durch die gezielte Erweiterung bestehender Module, sodass die Struktur des Studiengangs erhalten bleibt:

• In den frühen Semestern (1.–2. Semester) liegt der Schwerpunkt auf der Vermittlung grundlegenden Wissens sowie eines ersten Verständnisses zentraler Konzepte der künstlichen Intelligenz. Unsere Studierenden sollen lernen, was unter KI zu verstehen ist, wie sie technisch funktioniert und welche Anwendungsfelder insbesondere im industriellen Kontext existieren. Das übergeordnete Ziel besteht darin, ein solides Fundament zu schaffen, das technisches, begriffliches und konzeptionelles Grundverständnis vereint und die notwendige Basis bildet, um weiterführende Inhalte in den folgenden Semestern einordnen und reflektieren zu können.
• In den mittleren Semestern (3.–4. Semester) verschiebt sich der didaktische Fokus von der Wissensvermittlung hin zur Anwendung: Unsere Studierenden sollen lernen, KI-Tools gezielt in realitätsnahen Szenarien einzusetzen, bspw. zur Prognose, Analyse oder Optimierung in operativen Bereichen wie der Logistik oder der Unternehmenssteuerung. Im Rahmen von Fallstudien, Planspielen und praxisnahen Aufgabenstellungen sammeln sie erste Erfahrungen mit KI-gestützten Entscheidungen und reflektieren deren Nutzen und Grenzen. Das übergeordnete Ziel besteht darin, den Transfer des zuvor erworbenen Grundlagenwissens in konkrete Anwendungssituationen zu ermöglichen und zugleich die Selbstwirksamkeit im Umgang mit digitalen Werkzeugen zu stärken.
• In den späten Semestern (5.–6. Semester) liegt der Schwerpunkt auf der vertieften Analyse, kritischen Reflexion und ggf. auch auf der eigenständigen Gestaltung KI-basierter Lösungen. Unsere Studierenden setzen sich intensiv mit den Wirkmechanismen von KI-Systemen auseinander, lernen deren Einsatz in komplexen, mehrdeutigen Kontexten zu bewerten und sind in der Lage, dabei ethische und technische Aspekte zu berücksichtigen. Das übergeordnete Ziel besteht darin, sie dazu zu befähigen, eigene KI-basierte Lösungsansätze zu entwickeln, fundiert zu begründen und verantwortungsvoll in unternehmerische Prozesse einzubetten. Damit wachsen sie über die Rolle der Anwenderin bzw. des Anwenders hinaus und entwickeln sich zu reflektierten Gestalter:innen digitaler Technologien.

Zur Ergänzung und Absicherung unseres Konzeptes bietet sich ein begleitendes Kompetenz-Monitoring an, das die schrittweise Ausbildung von KI-Kompetenzen über den Studienverlauf hinweg systematisch erfasst. Die Idee besteht darin, die in Abbildung 3 auf der rechten Seite dargestellten Kompetenzbereiche frühen, mittleren und späten Semestern zuzuordnen und deren Entwicklung im Studienverlauf mit der von Carolus et al. (2023) entwickelten Meta AI literacy scale (MAILS) kontinuierlich zu erheben, um zwei wesentliche Ziele zu verfolgen:

• Globaler Kompetenzstand der Kohorte: Zu definierten Zeitpunkten (z. B. zu Beginn jedes Semesters) wird durch Selbsteinschätzung ein Überblick über den aktuellen Entwicklungsstand der gesamten Studierendengruppe erhoben.
• Gezielte Evaluation von Interventionen: Durch die Fokussierung auf den jeweils in spezifischen Semestern verankerten Kompetenzbereich lassen sich konkrete didaktische Maßnahmen hinsichtlich ihrer Wirksamkeit und ihrer Passung zum Lernzielniveau evaluieren.

Langfristig ergibt sich daraus ein vertieftes Verständnis für die Kompetenzentwicklung im Bereich KI und eine datenbasierte Grundlage für die kontinuierliche Weiterentwicklung einzelner Maßnahmen und des Curriculums insgesamt. Ein solches Monitoring kann zudem die Selbstwahrnehmung und Selbststeuerung unserer Studierenden fördern, da sie ihre Fortschritte bewusster erleben, reflektieren und gezielter weiterentwickeln können.

Potenziale des Konzeptes

Entscheidend ist aus unserer Sicht also nicht nur, was vermittelt wird, sondern wie es vermittelt wird – strukturiert, aufeinander aufbauend und eng verzahnt mit den Inhalten des Studiengangs, um es unseren Studierenden zu ermöglichen, KI-Kompetenzen parallel zum Fortschritt im Studium kontinuierlich aufzubauen und ihre Fähigkeiten im Umgang mit generativer KI Schritt für Schritt zu vertiefen und anzuwenden.

Durch die Orientierung an der Lernzieltaxonomie erfolgt die Kompetenzentwicklung nicht zufällig oder anlassbezogen, sondern strukturiert und didaktisch durchdacht. Unsere Studierenden durchlaufen bewusst verschiedene Stufen und erwerben dabei ein tiefgreifendes, vernetztes Verständnis im Umgang mit KI. Dies ist besonders relevant, weil der Einsatz von KI-Tools häufig, wie auch unsere Erfahrungen zeigen, mit oberflächlicher Nutzung verbunden ist. Der systematische Kompetenzaufbau hilft, Fehlanwendungen, blindes Vertrauen oder technikzentrierte Kurzsichtigkeit zu vermeiden.

Der Kompetenzaufbau ist dabei auf die Struktur des Studiengangs abgestimmt. Zu Beginn (1.–2. Semester) liegt der Fokus auf Orientierung und Begriffsklärung. Erst mit wachsendem Fach- und Kontextwissen (3.–4. Semester) folgt die Anwendung und schließlich (5.–6. Semester) die kritische Reflexion und gestalterische Integration in realitätsnahe Kontexte. Diese didaktische Passung zum Lernverlauf und zum Studienprofil hat aus unserer Sicht zwei wesentliche Vorteile: Erstens überfordern die Inhalte unsere Studierenden nicht zu früh, sondern fordern sie auf dem jeweils erreichten Kompetenz- und Wissensniveau. Zweitens entsteht eine natürliche Progression, die das Vertrauen in die eigene Handlungsfähigkeit im Umgang mit KI stärkt, was wiederum eine wichtige Voraussetzung für den nachhaltigen Kompetenzerwerb darstellt.

In Zeiten von ChatGPT & Co. genügt es nicht, dass Studierende ein KI-Tool nutzen können, sie müssen es zielgerichtet, verantwortungsvoll und kritisch einsetzen können. Unser Konzept fördert genau diese Haltung im Sinne einer reflektierten Medien- und Digitalkompetenz: Studierende lernen nicht nur, wie KI funktioniert, sondern auch, wo sie nützt, wo sie überfordert, wo sie Grenzen hat – und welche Rolle das eigene Fachwissen dabei spielt.

Ein zentrales Merkmal unseres Konzepts ist die Integration in den fachlichen Kontext bereits bestehender Module. Das hat zwei große Vorteile: KI wird nicht als abstrakte Zusatzthematik erlebt, sondern als praktisch relevantes Werkzeug zur Lösung konkreter Aufgaben im Maschinenbau, Vertrieb oder Produktmanagement. Die Studierenden entwickeln kontextuelle Urteilskraft, indem sie erkennen, dass KI nur dann nützlich ist, wenn sie mit fachlichem Know-how und spezifischen Problemstellungen verknüpft wird.

Der kompetente Umgang mit KI-Tools wird in nahezu allen Berufsfeldern zur Schlüsselqualifikation. Absolvent:innen, die gelernt haben, nicht nur mit KI zu arbeiten, sondern KI zu verstehen, kritisch zu reflektieren und sinnvoll in ihre Aufgaben zu integrieren, werden auf dem Arbeitsmarkt besonders gefragt sein. Mit unserem Konzept wollen wir deshalb auch einen Beitrag zur Erhöhung der beruflichen Anschlussfähigkeit leisten, indem wir den Umgang mit KI nicht als isoliertes Technikthema behandeln, sondern als integrierte Zukunftskompetenz im Studiengang systematisch aufbauen.