Einsatz von Deep Generative Models zur Förderung von Kreativität in der Berufsbildung

Laufzeit: Januar 2024 – Dezember 2024
Status: Abgeschlossen
Bildungsstufe: Sekundarstufe II – Berufsbildung
Thema: Artificial Intelligence AI, Digital Tools
Keywords: Adaptives Lernsystem, digitale Kompetenzen, Künstliche Intelligenz, Metakognition

Ausgangslage

In der Schweizer Berufsbildung müssen Lernende im Bereich Modedesign rasch viele Ideen entwickeln, Varianten durchspielen und ihre Entscheidungen begründen. Digitale Tools existieren zwar, konzentrieren sich jedoch meist auf technische Fertigkeiten (z. B. Schnittmuster) oder liefern «One-Click-Ergebnisse», die den Lernprozess umgehen. Erste Versuche mit Text-zu-Bild-Systemen zeigten Potenzial, doch waren die Resultate oft schwer steuerbar, ästhetisch nicht curricular abgestimmt, und boten wenig Unterstützung für Reflexion. Lehrpersonen wünschten sich einen Ansatz, der:

1. Kreativität und Urheberschaft bei den Lernenden belässt,
2. Exploration unterstützt statt ersetzt,
3. sich in kurze Lektionen auf dem iPad integrieren lässt.

Unser Projekt untersucht, wie moderne generative KI – insbesondere Diffusionsmodelle – in der Berufsbildung eingesetzt werden kann, um kreative Sicherheit, Ideenvielfalt und Gestaltungsqualität zu stärken, dabei aber transparent und lernförderlich zu bleiben.

Ziele

• Entwicklung eines KI-gestützten «Sketch-first»-Tools, das es Lernenden erlaubt, mit eigenen Skizzen zu starten und Form, Farbe und Textur schrittweise zu steuern.
• Untersuchung der Auswirkungen solcher Tools auf kreative Prozesse, Ergebnisse und Metakognition in der Berufsbildung.
• Co-Konstruktion von Unterrichtsabläufen mit Lehrpersonen; Gewährleistung der Nutzbarkeit auf dem iPad.
• Transfer der Ergebnisse in die Praxis durch Pilotphasen, Lehrmaterialien und eine offene Beta-Version fürs Klassenzimmer.
• Verbreitung der Erkenntnisse über Fachpublikationen und Materialien für die Praxis.

Methode

Wir kombinierten Research-through-Design mit Mixed-Methods-Ansätzen:

• Co-Design-Workshops mit Lehrpersonen und Lernenden zur Bedarfsanalyse.
• Prototyping einer iPad-App auf Basis von Diffusionsmodellen mit steuerbaren Funktionen (Skizzeneingabe, Regler für Form/Farbe/Textur, Prompt-Vorlagen, Versionierung).
• Unterrichtspiloten (BBZ, IDM) mit Vergleich zwischen «Sketch-first»-KI und herkömmlichen Abläufen.
• Datenerhebung: Aufgabenzeit, Anzahl Iterationen, Expert*innenbewertungen anhand von Rubriken, Metriken zu Vielfalt/Neuheit, Laut-Denken-Protokolle, Interviews, Nachbefragungen (kreatives Selbstvertrauen, Belastung, Zufriedenheit).
• Qualitative Themenanalyse und statistische Auswertung der quantitativen Daten.
• Iterative Versionen mit Fokus auf Bedienbarkeit, Transparenz und verantwortungsvollem Einsatz.

Ergebnisse

• Kreativität & Geschwindigkeit: Lernende entwickelten mehr unterschiedliche Konzepte in der gleichen Zeit und fanden schneller zu einer «erstmals zufriedenstellenden» Idee.
• Bedeutung von Kontrolle: Der Start mit eigenen Skizzen und getrennten Reglern für Form versus Farbe/Textur führte zu höherer wahrgenommener Urheberschaft und besserer Passung zu den Aufgabenstellungen als reine Textprompts.
• Lernwert: Reflexionsimpulse und Versionshistorie halfen beim Begründen von Entscheidungen und dem Vergleich von Alternativen; Lehrpersonen berichteten von verbesserten Feedbacksitzungen.
• Benutzbarkeit: Die iPad-App reduzierte Hürden gegenüber bisherigen Desktop-Werkzeugen und passte besser in kurze Unterrichtsblöcke.
• Vorsichtspunkte: Bedarf an Orientierung zu Datensatzverzerrung und Urheberschaft; strukturierte Prompts und Ethik-Checklisten unterstützen Lernende.

Insgesamt stärkte der Ansatz das kreative Selbstvertrauen, ohne die KI zu einer «Black Box» zu machen.

Umgesetzte Translation

In mehreren Klassen an BBZ und IDM wurde das Tool mit Unterrichtsplänen, Arbeitsblättern und Bewertungsraster pilotiert. Lehrpersonen erhielten Kurzschulungen und konnten Prompts auf ihren Lehrplan anpassen. Eine Klassenzimmer-Beta der iPad-App («SketchAI») ist für Partnerschulen verfügbar; Feedbackzyklen pro Semester informieren über Updates. Darüber hinaus haben wir mit der HKB eine Zusammenarbeit zur Anwendung im Hochschulbereich der Künste initiiert.

• Geplante nächste Schritte: Ausweitung des Zugangs auf weitere Schulen, Integration von Tutorials und Datenschutzfunktionen, Veröffentlichung eines Educator’s Toolkit (Beispiele, Rubriken, Sicherheitsrichtlinien). Ein kurzes Demo-Video kann geteilt werden.
• Pilotdaten: mehr Ideen pro Sitzung, kürzere Zeit bis zur ersten tragfähigen Idee, höhere Expert*innenbewertungen für Vielfalt und Aufgabenpassung; Lernende berichteten von gesteigertem kreativen Selbstvertrauen und klareren Begründungen im Feedback.
• Erwarteter Mehrwert: skalierbare Unterstützung von Exploration und Reflexion in gestalterischen Fächern, verbesserte Teilhabe (ruhigere Lernende iterieren mehr), Zeiteinsparung für Lehrpersonen in Ideationsphasen. Adoption (aktive Klassen) und Lernindikatoren (Selbstwirksamkeit) werden weiterverfolgt.

Beteiligte Institutionen