PFLEGE PÄDAGOGIK
Künstliche Intelligenz für
Lernende und Lehrende
Lernende Software und Chancen für die Pflegebildung Künstliche Intelligenz tritt
ihren Siegeszug an – nicht in Form von humanoiden Robotern, sondern in Form von
Tausenden von Lösungen, verborgen im Code von Software oder in der Elektronik ei-
ner Vielzahl von Geräten. KI verändert den Umgang mit Informationen und Wissen, in-
dem sie eine Fülle von Daten analysiert und verarbeitet. Carsten Müssig
ZUSAMMENFASSUNG
Künstliche Intelligenz (KI) begleitet unseren Alltag bereits in
vielfältiger Weise und wird mit zeitlicher Verzögerung auch in
die Lernwelt einziehen. KI bietet die Chance, Lernenden indi­
viduell gerecht zu werden durch Bereitstellung personalisier­
ter Lerninhalte, neue Formen der Lernbetreuung und sinn­
volle Prüfungsszenarien. KI entlastet Lehrende durch Klärung
organisatorischer Fragen und Begleitung von Lernenden.
­Bevor KI jedoch sinnvoll eingesetzt werden kann, bedarf es
­einer funktionierenden digitalen Infrastruktur und des Wil­
lens der Politik, des Managements und der IT-Dienstleister,
sich in den Dienst der Lernenden und Lehrenden zu stellen.
Schlüsselwörter: Künstliche Intelligenz,
Pflegebildung, lernende Software, Digitalisierung,
Maschinelles Lernen, Blended Learning
K
ünstliche Intelligenz (KI, engl. artificial intelligence, AI) ist
ein Sammelbegriff für Software, die komplexe mathemati-
sche Probleme lösen kann. Dabei erschafft die Software
selbst die mathematische Lösung der Probleme. Die Besonderheit
der KI liegt darin, dass sie im Rahmen der vorgegebenen Algorith-
men lernen kann. KI kann beispielsweise Bilder, Töne und Sprache
verarbeiten und daraus von den Software-Entwicklern erwünschte
Bewertungen, Handlungen und Entscheidungen ableiten.
KI durchdringt schon heute unseren Alltag, oftmals ohne dass
wir uns dessen bewusst werden (Buchkremper et al. 2020; Deckert
& Meyer 2020; Kreutzer & Sirrenberg 2019; Wennker 2020). KI
kommt nicht in Form von humanoiden Robotern daher, sondern
in einer Fülle von Funktionen innerhalb von Apps, Webseiten und
Geräten. Einige Beispiele:
36
_ Suchmaschinen liefern Suchergebnisse, die auf die Interessen
und Präferenzen des Nutzers abgestimmt sind
_ Musik- und Videoplattformen sowie Online-Shops lernen aus
vorherigen Eingaben und geben Empfehlungen
_ Unternehmen bieten technische Dialogsysteme (Chatbots) für
den Kundensupport an. Alexa, Cortana, Siri und Google
Assistant verarbeiten Sprachbefehle und machen Tippen und
Klicken teilweise überflüssig
Für viele KI-Anwendungen lassen sich Einsatzfelder im Bildungs-
wesen finden (Tab. 1). Es ist nur eine Frage der Zeit, wann sie Ein-
zug in die berufliche Bildung finden.
Aktuelle Schwerpunkte der KI-Forschung sind unter anderem
die Verarbeitung von Sprache (Natural Language Processing, NLP)
und die Bildanalyse (Convolutional Neural Networks, CNN). NLP
spielt eine große Rolle bei der Erkennung natürlicher Sprache. CNN
dienen der Erkennung von Bildinhalten. Mit Hilfe dieser Techno-
logien können Computer die Bedeutung von Texten und Bildern
erfassen und Entscheidungen ableiten. Beispielsweise können mit
Hilfe von NLP Texte von einer in andere Sprachen übersetzt wer-
den (Schmalz, 2019); CNN ermöglichen unter anderem die Erken-
nung von Covid-19 Infektionen und Tumoren (Huss, 2019).
Maschinelles Lernen
Die Grundlage der KI ist Maschinelles Lernen (ML). Eine Definiti-
on lautet: Maschinelles Lernen ist die Fähigkeit eines Computers zu
lernen, ohne explizit programmiert worden zu sein. Damit funk­
tioniert KI anders als klassische Computerprogramme. Die Grund-
lagen der KI wurden bereits vor über 50 Jahren geschaffen, aber erst
in den letzten 15 Jahren haben in großem Umfang verfügbar gewor-
dene Daten und leistungsfähige Computer den aktuellen KI-Boom,
insbesondere Neuronale Netze und Deep Learning, ermöglicht.
Beispiel Covid-19 Infektion: Wer könnte eine Covid-19 Infektion ha-
ben? Zur Klärung dieser Frage stellen Mitarbeiter*innen eines Ge-
sundheitsamts Fragen wie: „Hatten Sie Kontakt mit einer infizier-
ten Person?“ oder „Haben Sie Fieber, Husten, Halsschmerzen,
PFLEGE Zeitschrift 6.2021 / 74

Atembeschwerden?“. Die Antworten werden nach vorgegebenen
Entscheidungskriterien bearbeitet. Beispielsweise würden Sympto-
me wie Fieber und Husten sowie nachgewiesene Risikobegegnun-
gen zum Ergebnis „Covid-19 Test oder Quarantäne erforderlich“
führen, denn diese Befunde wurden zuvor von Ärzt*innen und
Forscher*innen als Anzeichen für eine Covid-19 Infektion benannt.
Ähnlich wie Mitarbeiter*innen eines Gesundheitsamts könnte ein
klassisches Computerprogramm anhand einer festen Fragenfolge
und der darauf gegebenen Antworten ein Ergebnis liefern, denn
Expert*innen haben einen Entscheidungsweg in Form eines stati-
schen Algorithmus definiert (Abb. 1).
Maschinelles Lernen als Basis für KI
Zur Entwicklung einer KI-Anwendung bekommt ein Computer zu-
nächst Trainingsdaten vorgelegt (Abb. 2). Zur Covid-19 Einschät-
zung können die Trainingsdaten personenbezogene Daten zu Ri-
sikobegegnungen und Symptomen sowie gesicherte Befunde, ob
diese Personen eine Covid-19 Infektion hatten, umfassen. Aktuel-
le Forschungsarbeiten deuten darauf hin, dass auch Daten wie bei-
spielsweise mit dem Smartphone aufgenommene Stimmproben
und Hustengeräusche als Covid-19 Indikatoren dienen können.
Der Computer bekommt also die Ausgangssituation (Risikobe-
gegnungen und Symptome) sowie das Ergebnis (Covid-19 Infekti-
on: ja oder nein) als Trainingsdaten zur Verfügung gestellt. Aber
im Gegensatz zum klassischen Computerprogramm mit einem sta-
tischen Algorithmus muss die KI den Zusammenhang zwischen
Symptomen und Risikobegegnungen mit Covid-19 Infektionen
selbst lernen – mit Hilfe des Maschinellen Lernens. Auch wenn die
Entscheidungen der KI anfangs schlecht sind, sie werden im Laufe
der Zeit immer besser. Mit Hilfe der Trainingsdaten kann die KI
Personalisiertes Lernen und flexible Lernangebote:
Künstliche Intelligenz kann Lehrende und Lernende
unterstützen, fördern und entlasten.
© DREAMSTOCK1982 / Westend61 / stock.adobe.com (Symbolbild)
PFLEGE Zeitschrift 6.2021 / 74
PFLEGE PÄDAGOGIK
ihre eigenen Entscheidungen überprüfen. Mit jedem Fallbeispiel
lernt sie, dass Fieber, Husten und andere Symptome sowie Risiko-
begegnungen eine hohe Infektionswahrscheinlichkeit bedeuten.
Die Parameter des Rechenweges werden dabei so lange verändert,
bis die Entscheidungen der KI in den meisten oder allen Fällen rich-
tig sind.
Maschinelles Lernen besteht darin, die Fehler des Ergebnisses
mit Hilfe der Trainingsdaten immer kleiner zu machen, bis ein zu-
verlässiges Ergebnis erreicht wird. Dabei kann ein Computer we-
sentlich mehr Details berücksichtigen als ein Mensch, denn im Ge-
gensatz zum Mensch kann ein Computer mühelos Millionen von
Datenpunkten verrechnen. Dadurch kann die KI Zusammenhänge
entdecken, die Menschen verborgen bleiben.
Kompetenzen der KI: Unterstützen, nicht ersetzen
KI ist grundlegend anders als menschliche Intelligenz. KI kann
Pflegende bei einigen Aufgaben unterstützen, den Menschen aber
nicht ersetzen. So können Pflegeroboter an manchen Stellen den
Pflegealltag bereichern, aber ihre Fähigkeiten werden im Hinblick
auf zwischenmenschliche Interaktion und motorische Fähigkeiten
auf absehbare Zeit vom Menschen weit entfernt sein (Huss 2019).
Ähnlich sieht es in der beruflichen Bildung aus. KI kann punktu-
ell von großem Nutzen sein, aber KI kann Lehrende mit ihren viel-
fältigen sozialen und fachlichen Kompetenzen nicht ersetzen.
KI wäre treffender beschrieben mit „Aufgaben-bezogener Kom-
petenz“. Maschinelles Lernen kann Computer befähigen, bestimm-
te Aufgaben in einem bestimmten Kontext herausragend gut zu lö-
sen, beispielsweise Covid-19 Infektionen in Röntgenaufnahmen der
Lunge zu erkennen. Aber eine KI-Anwendung beruht auf von Men-
schen gemachten Computerprogrammen (Louridas, 2020). KI kann
37
PFLEGE PÄDAGOGIK

KI für Lernende und Lehrende

Abb. 1: Ein klassisches Computerprogramm verarbeitet eingegebene Da- Künstliche Intelligenz hat bereits heute unser Lernen grundlegend
ten in genau definierter und vorhersehbarer Weise. Daher steht das Er- verändert. Wer schaut noch in gedruckte Lexika und Enzyklo­
gebnis von vorne herein fest. Der statische Algorithmus wurde von pädien? Heute suchen wir im Internet und nutzen Wikipedia, You-
Expert*innen entwickelt. Tube und andere Quellen.

Personalisiertes Lernen: Suchmaschinen basieren auf KI, indem sie

Eingabe Daten die Suchergebnisse durch Analyse des Nutzerverhaltens und se-
mantische Analyse von Webseiten optimieren. Durch die einfache
und individuelle Bereitstellung von Information zu jeder Zeit und
an jedem Ort hat KI das bedarfsgerechte Lernen im Job und im All-
tag verändert. Mit Hilfe des Internets lernen wir täglich etwas Neu-
Statischer Statischer
Algorithmus Code
es. Doch die Bedeutung der KI geht weit über den erleichterten Zu-
gang zu Informationen hinaus (Tab. 2).

Chatbots – textbasierte Dialogsysteme: Messenger-Dienste wie

WhatsApp, Signal und Threema werden heute von vielen Smart-
Ergebnis phone-Besitzern genutzt. Das ist kein Zufall. Wichtige Gründe für
Ausgabe die weite Verbreitung sind:
_ Einfachheit: Ein Eingabefeld genügt, komplexe Bedienelemen-
te und Funktionen sind überflüssig
_ Kleine Informationspakete: Die Kommunikation geschieht
über einzelne Wörter, kurze Sätze und Bilder. Ein solcher
Dialog entspricht dem Rhythmus menschlicher Kommunika-
tion
Abb. 2: ML nutzt Trainingsdaten, um Algorithmen zu optimieren. Die ver-
_ Feedback: Ein konstruktiver Dialog geht darauf ein, was das
wendeten Algorithmen unterscheiden sich je nach Aufgabe und Zweck. Gegenüber bereits kennt, wissen möchte und wo Unsicherheit
Durch ML optimierte Algorithmen sind die Basis vieler KI-Anwendungen. besteht
Damit sind Elemente gut gemachter Chatbots definiert. Chatbots
Maschinelles Lernen Feedback können zur Unterstützung Lernender genutzt werden, beispiels-
weise zur Klärung administrativer und organisatorischer Fragen,
zur Lernberatung (Empfehlung von Lerneinheiten und Lerntipps)
Trainingsdaten

!
! ML Daten Veränderbarer Vorläufiges und als Online-Tutor (z.B. Frage-Antwort Lerntests) (Clark 2020).
! Code Ergebnis
! Chatbots in Kombination mit Suchfunktionen und Empfehlungs-
systemen können auch im Berufsalltag nützlich sein, indem sie auf
KI-Anwendung den Punkt genau benötigte Information liefern (Kapp & Defelice
2019; Müssig 2019; Udell & Woodill 2015).
KI
Chatbots nutzen KI, wenn es vom Aufwand nicht möglich wäre,
auf alle möglichen Fragen passende Antworten zu programmieren.
Daten Optimierter Ergebnis Allerdings sind Chatbots noch weit von menschlichen Dialogfä-
Code
higkeiten entfernt. Sie können nur in bestimmten Kontexten zu be-
Eingabe Ausgabe
stimmten Themen sinnvolle Antworten geben und werden daher
von vielen Unternehmen nur als erstes Support-Mittel genutzt.
Komplexe Anfragen werden an Menschen weitergeleitet.

nur die Aufgaben lösen, für die sie von Menschen erschaffen wur-
de. Vielleicht ist es hilfreich, KI wie ein neues Medikament zu be-
trachten. Welches Problem können wir mit KI lösen? Wo sind die
Grenzen der KI? Wo sind mögliche Nebenwirkungen, zum Bei-
spiel im Hinblick auf Datenschutz und diskriminierende Fehlein-
schätzungen (Bias)? KI geht mit Gefahren einher, daher ist eine
faktenbasierte Abschätzung der Technikfolgen erforderlich. KI
muss wie ein Medikament und wie beispielsweise die Gentechno-
logie einem gesetzlichen Regelwerk unterliegen (AIEI Group,
2020).
Semantische Textanalyse und NLP: Text ist die Grundlage für digi-
tales Lernen. Wir lesen schneller als wir hören. Text ist einfach edi-
tierbar und durchsuchbar. KI-unterstützte Sprachverarbeitung
kann sowohl Lernende als auch Lehrende im Alltag unterstützen.
Beispielsweise kann KI Problem- und Fall-basiertes Lernen ermög-
lichen, indem sie Multiple-Choice Fragen durch Freitextaufgaben
ersetzt. KI kann Texte auf vorgegebene Inhalte überprüfen und Pla-
giate erkennen, so dass neue Prüfungsformen im Online-Lernen
möglich werden (Clark 2020). Das wäre im Hinblick auf eine digi-
tale Fach- und Mediendidaktik ein deutlicher Fortschritt, denn das
Wiederholen von Inhalten in Form von passivem Lesen und Hören

38 PFLEGE Zeitschrift 6.2021 / 74

 PFLEGE PÄDAGOGIK

Tab. 1: Beispiele für KI-Anwendungen im Alltag und im Bildungswesen

Anwendung Alltag Lernbegleitung KI-Unterstützung

Suchmaschinen Informationen zu Produkten, Ernährung, Unterstützung von Entscheidungen und Semantische Erfassung der In­
Verkehr und Freizeit Handlungen im Beruf halte von Webseiten
Vorbereitung auf Prüfungen Erfassen persönlicher Interessen
und ­Anforderungen

Verarbeitung von Automatisches Analysieren und A

­ usfüllen Bewertung von Freitextaufgaben Semantische Erfassung von Text
Text von Dokumenten

Verarbeitung von Vorauswahl von Musik, Videos und Produk- Vorauswahl von Lerninhalten basierend auf Klassifizierung von Inhalten
­Nutzerdaten ten basierend auf individuellen Präferenzen Zielen, Lernständen und Interessen Erfassen individueller Stärken und
Bewertung individueller Lernfortschritte Schwächen (Learning Analytics)

Chatbots (technische Bedienung von Geräten und Software Online-Tutor Sprachverarbeitung

Dialogsysteme) Beantwortung einfacher Anfragen Support von Lernenden

Tab. 2: Kompetenzen der KI für digitale Lernformen

Kompetenz Alt – ohne KI Neu – mit KI KI-Unterstützung

Auswählen von Lerninhalten Für alle Lernenden gleich Individuell für jeden Lernenden Erfassen von individuellen Lern­
ständen und Kompetenzen

Anbieten von Lerninhalten Vorgegeben und organisiert in Kursen Verzweigt und flexibel Klassifizierung von Lerninhalten
und Curricula Suchfunktion
Empfehlungssystem

Lernende beraten Personalintensiv mit festen Sprech-­ 24/7 mit geringen Zugangshürden Learning Analytics
zeiten NLP, Chatbots

Prüfen Multiple Choice Freie Texteingabe NLP

Motivieren Gamification Personalisierung Ergebnis des Zusammenwirkens

Edutainment Individuelle Unterstützung ­mehrerer Technologien

und einfachen Tests ist nicht effektiv. Viel effektiver ist es, sich das
Gelernte ins Gedächtnis zurückzurufen, sich an Begriffe und Kon-
zepte zu erinnern, Verbindungen zu Bekanntem herzustellen, ähn-
liche Gedanken abzurufen und über das eigene Weltbild und ethi-
sche Fragen nachzudenken (Oakley 2014).
Learning Analytics: Lernen im Internet kann mit der Speicherung
vieler Daten einhergehen, beispielsweise von demographischen Da-
ten und von Aktivitäten abgeleiteten Daten wie Lernzeiten, Ver-
weildauer, Klicks und Testergebnisse. Learning Analytics verwen-
det diese Daten, um Lernende und Lehrende zu unterstützen. Lear-
ning Analytics kann mehrere Ziele verfolgen (Clark 2020):
_ Beschreiben: Welche Kurse hat ein Lernender mit welchem
Erfolg besucht? Die Lernaktivitäten und Lernergebnisse
werden für Lernende und Lehrende visualisiert.
_ Analysieren: Was sind die Gründe für Lernerfolge und Miss-
erfolge?
_ Voraussagen: Was wird in Zukunft wahrscheinlich passieren?
Beispielsweise können Lernergebnisse und Kursabbrüche
prognostiziert werden, so dass individuelle Unterstützung für
Lernende angeboten werden kann.
_ Empfehlen: Was sollte als nächstes passieren? Welche Kurse
sind in welcher Reihenfolge für einen Lernenden sinnvoll?
Welche Kurse sollte ein Arbeitgeber anbieten?
Es gibt Beispiele für den erfolgreichen Einsatz von Learning Ana-
lytics (Büching et al. 2019). Anbieter von Lernplattformen sehen
große Potentiale für die Personalentwicklung (Wennker 2020).
Aktuell jedoch dürfte Learning Analytics für die Mehrzahl der
Hochschulen, Pflegeschulen, Unternehmen und Bildungsanbieter
noch entbehrlich sein. Die Einrichtungen verfügen oft nicht über
relevante Daten und wissen nicht, welche Entscheidungen mit
Learning Analytics unterstützt werden sollen. Zudem ergeben In-
vestitionen in eine detaillierte Diagnostik keinen Sinn, solange die
nötige Infrastruktur fehlt. Unzweifelhaft bietet der Einsatz von KI

PFLEGE Zeitschrift 6.2021 / 74 39

PFLEGE PÄDAGOGIK

im Bildungsbereich große Chancen. Die Voraussetzung dafür sind Offene Lernressourcen

jedoch eine ausreichende Ausstattung mit digitalen Lernmitteln, _ Böttinger E, Arnrich B, Lippert C: Digital health für Einsteiger.
durchdachte Blended Learning Konzepte und: Personal. Investi­ OpenHPI. https://open.hpi.de/courses/digitalhealth2020 (letzter
tionen in die notwendige Infrastruktur sollten daher auf der Prio­ Zugriff 15.04.2021)
ritätenliste weit oben stehen. _ Acatech. Lernende Systeme. https://www.plattform-lernende-syste-
me.de/video-tutorials.html (abgerufen am 15.04.2021)
_ Ritter K (2020) Dr. med. KI. KI Campus. https://ki-campus.org/
courses/drmedki2020 (letzter Zugriff: 15.04.2021)
_ Serrano L (2016) A friendly introduction to Deep Learning and
FAZIT Neural Networks. Youtube. https://youtu.be/BR9h47Jtqyw (letzter
Zugriff: 15.04.2021)
Künstliche Intelligenz (KI) hat bereits an vielen Stellen Einzug
in unseren Alltag gehalten. Auch die Lernwelt wird sie künftig
weiter durchdringen.
KI bietet vielfältige Anwendungsmöglichkeiten. In der Pflege­
bildung kann sie Lehrende und Lernende sinnvoll unterstüt­
zen und entlasten, beispielsweise durch individuelle Lern­
angebote, flexible Beratung, Überprüfung von Wissen und
die Organisation des Lehrbetriebs.
BUCHTIPP
Voraussetzung für die Nutzung von KI sind zunächst jedoch Eva Ortmann-Welp
Investitionen in die Infrastruktur. Digitale Lernangebote in der Pflege
Springer Verlag 2020
ISBN 978-3-662-61673-4;
34,99 € (Softcover), 26,99 € (eBook)
Literatur
_ AIEI Group (2020) From Principles to Practice – An interdiscipli-
nary framework to operationalise AI ethics. https://www.ai-ethics-
impact.org/de (letzter Zugriff am 15.04.2021)
_ Buchkremper R, Heupel T, Koch O (Hrsg.) (2020) Künstliche
Intelligenz in Wissenschaft & Gesellschaft. Springer Gabler,
Wiesbaden
_ Büching C, Mah D-K, Otto S, Paulicke P, Hartman EA (2019)
Learning Analytics an Hochschulen. In: Wittpahl V (Hrsg.) Künst-
liche Intelligenz. Springer Vieweg, Wiesbaden. https://www.
springer.com/de/book/9783662580417 (letzter Zugriff: 15.04.2021)
_ Clark D (2020) Artificial Intelligence for learning. Kogan Page
_ Deckert R, Meyer E (2020) Digitalisierung und Künstliche Intelli-
genz. Springer Gabler, Wiesbaden
_ Huss R (2019) Künstliche Intelligenz, Robotik und Big Data in der
Medizin. Springer, Heidelberg
_ Kapp KM, Defelice RA (2019) Microlearning short and sweet. ATD
Press
_ Kreutzer RR, Sirrenberg M (2019) Künstliche Intelligenz verstehen:
Grundlagen – Use-Cases – unternehmenseigene KI-Journey.
Springer Gabler, Wiesbaden
_ Louridas P (2020) Algorithms. Cambridge (USA)
_ Müssig C (2020) Microlearning: Kurze Lerneinheiten machen fit.
Pflegezeitschrift 8 (73) 40-43
_ Oakley B (2014) A Mind for numbers. How to excel at math and
science. Tarcher Penguin, USA
_ Schmalz A (2019) Maschinelle Übersetzung. In: Wittpahl V (Hrsg.)
Künstliche Intelligenz. Springer Vieweg, Wiesbaden. https://www.
springer.com/de/book/9783662580417 (letzter Zugriff: 15.04.2021)
_ Udell C, Woodill G (2015) Mastering mobile learning. Wiley,
Hoboken (USA)
Autorenkontakt:
_ Wennker P (2020) Künstliche Intelligenz in der Praxis: Anwendung
in Unternehmen und Branchen: KI wettbewerbs- und zukunftsori- Dr. Carsten Müssig ist E-Learning Produktmanager bei Springer Pflege.
entiert einsetzen. Springer Gabler, Wiesbaden E-Mail: carsten.muessig@springer.com

40 PFLEGE Zeitschrift 6.2021 / 74