Folge 315 - Fishbowl: Lernen & LLMs – Was und Wie wollen wir lernen, wenn sich alles ändert?

Der nachfolgende Text wurden mit KI erstellt und kann Fehler enthalten. Fehler gefunden? Bei GitHub editieren

Wichtige Keytakeaways

Large Language Models ermöglichen direkteren und zeitunabhängigen Zugang zu Wissen und Informationen, schaffen aber neue Herausforderungen bei der Validierung von Inhalten.
Klassische Präsenztrainings bleiben wertvoll, müssen aber durch flexible, asynchrone Lernformate und Blended-Learning-Ansätze ergänzt werden.
LLMs wirken als Katalysator, der intrinsische Lernmotivation verstärkt oder offenbart, aber nicht ersetzt.
Softwareentwicklung wird zunehmend zu einem kollaborativen Lernprozess im Team - nicht einer Einzelarbeit mit KI-Tools.
Die Kernkompetenz verlagert sich weg von Programmierfähigkeiten zur Problemformulierung, Modellbildung und interdisziplinärem Verständnis.
Gesellschaftliche und ökologische Aspekte der KI-Nutzung erfordern eine bewusste Haltungsentwicklung von Bildungsinstitutionen.

Wie haben sich Lernweisen durch Large Language Models in den letzten zwei Jahren konkret verändert?
Welche Lernformen überleben das KI-Zeitalter und welche werden obsolet?
Welche Rolle spielen synchrone Präsenzveranstaltungen im Vergleich zu asynchronen, technologiegestützten Formaten?
Wie kann man mit halluzinierten oder fehlerhaften Informationen von LLMs umgehen?
Ändert sich die erforderliche Kernkompetenz von Softwareentwicklern durch den Einsatz von LLMs?
Wie behalten Teams ihre gemeinsame Wissensbasis und Vision, wenn Entwickler zunehmend mit KI statt mit Kollegen pairen?

Large Language Models (LLMs): Künstliche Intelligenzsysteme wie Claude, ChatGPT oder Mistral, die trainiert sind, um menschenähnliche Texte zu verstehen und zu generieren und als Sparringspartner für Lernprozesse fungieren.
Halluzination: Das Phänomen, bei dem LLMs überzeugend klingende, aber faktisch falsche oder erfundene Informationen generieren.
Blended Learning: Hybrid-Lernformat, das synchrone Präsenzelemente (z.B. Workshops) mit asynchronen digitalen Inhalten (z.B. Videos, Online-Aufgaben) kombiniert.
Flipped Classroom: Didaktisches Konzept, bei dem theoretische Inhalte asynchron bereitgestellt werden, während die Präsenzzeit für Übungen, Diskussionen und Anwendung genutzt wird.
Theorie- oder Modellbildung: Der Prozess des tieferen Verständnisses, bei dem Entwickler mentale Modelle über die Funktionsweise und Architektur von Software entwickeln, nicht nur Code schreiben.
Intrinsische Motivation: Innerer Antrieb zum Lernen aus eigenem Interesse heraus, der durch die Verfügbarkeit von LLM-Lösungen gefährdet sein kann, wenn Menschen nicht mehr selbst knobeln möchten.