Dr. Heike Seehagen-Marx 

Zielgruppe

Hochschullehrende und aller Statusgruppen mit Lehrtätigkeit und praktischer Erfahrung im Umgang mit generativer KI.

 

Die Teilnehmer*innen …

• unterscheiden KI-Assistenten und KI-Agenten anhand zentraler Merkmale sowie ihrer
• Funktions- und Handlungslogik,
• analysieren Gestaltungsprinzipien, Systemkomponenten und Funktionen mithilfe eines modularen Baukastens,
• entwickeln und erproben in einem vorgegebenen Szenario einen spezialisierten KI-Assistenten und erweitern ihn exemplarisch um eine agentische Funktion,
• konzipieren ein begründetes Systemdesign für einen eigenen Anwendungsfall und setzen es als ersten Prototyp um,
• evaluieren ihren Prototyp anhand ausgewählter Kriterien und leiten aus der Reflexion ihrer Gestaltungsentscheidungen und Ergebnisse Verbesserungen ab.

 

Inhalt

Wie werden spezialisierte KI-Assistenten und KI-Agenten systematisch entwickelt? Ein modularer Baukasten bildet den roten Faden des Workshops. Er umfasst Prozesssteuerung, Kernauftrag, Kontext, Analyse und Handlungslogik sowie Qualität und Kontrolle. Die Teilnehmenden erschließen das Zusammenspiel von Rolle und Auftrag, Systeminstruktionen und Wissensgrundlagen. Erweiterungen wie RAG, Memory, Skills, Tools, MCP, Workflows und Human-in-the-Loop werden nach ihrer Funktion eingeordnet und anwendungsbezogen ausgewählt.

 

Anhand eines vorgegebenen Szenarios entwickeln und erproben die Teilnehmenden einen spezialisierten KI-Assistenten. Durch die exemplarische Erweiterung um eine agentische Funktion untersuchen sie zusätzliche Anforderungen an Handlungsspielräume, Toolnutzung, Abläufe und menschliche Kontrolle.

 

Anschließend bearbeiten sie einen eigenen Anwendungsfall aus Lehre, Forschung oder wissenschaftlicher Wissensarbeit: Sie bestimmen Anforderungen, begründen die Wahl eines KI-Assistenten oder KI-Agenten und entwickeln einen ersten Prototyp für eine konkrete Aufgabe. Die Erprobung anhand ausgewählter Prüfkriterien führt zu Verbesserungen und weiteren Entwicklungsschritten. Für die praktische Arbeit steht die Web-App „KI-Agenten-Studio“ zur Verfügung. Alternativ können eigene oder institutionell bereitgestellte KI-Systeme genutzt werden; der Umsetzungsumfang richtet sich nach den verfügbaren Funktionen.

 

Methoden

Impulse, angeleitete Praxisarbeit, Einzel- und Gruppenarbeit, Feedback

12.03.2027, 09:00 – 15:30 Uhr

8,5 AE (anrechenbar auf das Zertifikat Professionelle Hochschullehre I oder auf das Zertifikat Professionelle Hochschullehre II)

online

Netzwerk hdw nrw

19.02.2027

Basics, An-/Abmeldung, Kosten, Materialien

Dr. Heike Seehagen-Marx 

Zielgruppe

Hochschullehrende aller Statusgruppen mit Lehrtätigkeit und praktischer Erfahrung im Umgang mit generativer KI.

 

Die Teilnehmer*innen…

• analysieren das Zusammenspiel kognitiver, metakognitiver und ressourcenbezogener Lernstrategien beim selbstregulierten Lernen,
• beurteilen anhand konkreter Lehr-Lern-Fälle Potenziale und Grenzen generativer KI für Strategieauswahl, Self-Monitoring und metakognitive Reflexion unter Wahrung der studentischen Selbststeuerung,
• entwickeln einen didaktisch begründeten Gestaltungsansatz für eine KI-gestützte Lernaktivität zur Förderung selbstregulierten Lernens.

 

Inhalt

Wie kann KI Studierende dabei unterstützen, ihr eigenes Lernen zu steuern? Selbstreguliertes Lernen umfasst das Setzen von Zielen, die Planung des Lernvorgehens, die Auswahl geeigneter Strategien sowie die Überprüfung und Anpassung des Lernprozesses. Generative KI kann diese Prozesse durch Fragen, Impulse und Rückmeldungen begleiten. Die Entscheidungen über das eigene Lernen bleiben bei den Studierenden.

 

Anhand konkreter Praxisfälle analysieren die Teilnehmenden, wie kognitive, metakognitive und ressourcenbezogene Lernstrategien auf Lernziele, Aufgabenanforderungen und Lernphasen abgestimmt werden können. Sie erarbeiten kurze didaktische Szenarien zu studentischen Lernproblemen und erproben die vorgesehene KI-Unterstützung anhand ausgewählter Arbeitsschritte. Im Mittelpunkt stehen Self-Monitoring und metakognitive Reflexion: Wie können Studierende ihren Lernfortschritt einschätzen, ihre Einschätzung anhand geeigneter Lernnachweise überprüfen und die Wirksamkeit ihrer Strategien beurteilen?

 

Die Teilnehmenden untersuchen, wie KI diese Prozesse anregen kann und welche Grenzen ihre Rückmeldungen haben. Abschließend entwickeln sie für entwickeln sie für eine eigene Lehraufgabe oder ein bereitgestelltes Beispiel eine eigene Lehraufgabe einen ersten Gestaltungsansatz. Dieser verbindet den studentischen Auftrag, die zu fördernden Selbstregulationsprozesse und die unterstützende Funktion der KI. Dabei bestimmen sie, wie Studierende ihr Lernvorgehen überprüfen und begründete Entscheidungen über weitere Lernschritte treffen können.

 

Methoden

Impulse, Fallanalyse, KI-Erprobung, Einzel- und Gruppenarbeit, Peer-Feedback

25.05.2027, 10:00 – 14:00 Uhr

5 AE (anrechenbar auf das Zertifikat Professionelle Hochschullehre I oder auf das Zertifikat Professionelle Hochschullehre II)

online

Netzwerk hdw nrw

04.05.2027

Basics, An-/Abmeldung, Kosten, Materialien

Dr. Heike Seehagen-Marx 

Zielgruppe

Hochschullehrende aller Statusgruppen mit Lehrtätigkeit und praktischer Erfahrung im Umgang mit generativer KI.

 

Die Teilnehmer*innen …

• analysieren fachliche Denkhandlungen und unterscheiden lernförderliche KI-Unterstützung vom Auslagern lernzielrelevanter Denkleistungen,
• erproben Formen der Mensch-KI-Kollaboration und beurteilen deren Potenzial zur Förderung kognitiver Eigenleistung,
• entwickeln einen ersten Gestaltungsansatz für eine Lehr-Lern-Aufgabe mit klarer KI-Funktion und formativem Verständnischeck.

 

Inhalt

KI kann anspruchsvolle Aufgaben lösen – doch woran erkennen wir, was Studierende

selbst verstanden haben? Generative KI kann Perspektiven eröffnen, Argumentationen unterstützen und Lösungen entwickeln. Zugleich kann sie lernzielrelevante Denkarbeit übernehmen. Der Workshop untersucht, wie Lehrende die Zusammenarbeit so gestalten, dass sie fachliche Denkaktivität und kognitive Eigenleistung fördert.

 

Anhand exemplarischer Praxisfälle analysieren die Teilnehmenden, wann Cognitive Offloading

sinnvoll entlastet und wann es notwendige Denkhandlungen ersetzt. Die Perspektive der Distributed Cognition verdeutlicht das Zusammenspiel der Beiträge von Studierenden, KI und weiteren Ressourcen. Die Teilnehmenden erproben Aufgaben zum Erklären, Argumentieren, Prüfen und Beurteilen. Sie vergleichen Formen der Mensch-KI-Kollaboration und untersuchen abgestufte

Unterstützung (Scaffolding) sowie deren schrittweise Rücknahme (Fading). Dabei beurteilen

sie, wie Aufgaben zum Prüfen von KI-Aussagen, Hinterfragen von Begründungen und Entwickeln eigener Urteile anregen. Formative Verständnischecks liefern Hinweise auf individuelles Verständnis und ermöglichen lernbegleitende Rückmeldung.

 

Abschließend skizzieren sie für eine eigene Aufgabe oder ein bereitgestelltes Beispiel die studentischen Denkhandlungen, die unterstützende KI-Funktion und einen passenden Verständnischeck.

 

Methoden

Impulse, Fallanalyse, Aufgabenerprobung, kollegiale Auswertung und Transfer

28.06.2027, 10:00 – 14:00 Uhr

5 AE (anrechenbar auf das Zertifikat Professionelle Hochschullehre I oder auf das Zertifikat Professionelle Hochschullehre II)

online

Netzwerk hdw nrw

07.06.2027

Basics, An-/Abmeldung, Kosten, Materialien