Ressourcen
Generative KI in Psychologie-Kursen
Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.
Ein frei zugänglicher Sammelband der Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7), der generative KI Kurs für Kurs statt Tool für Tool ordnet. Die Psychologie liefert die Befragten vieler Umfragen zur KI-Nutzung, ohne selbst deren Gegenstand zu sein; dieses Buch ist der Gegenentwurf: 21 Kurskapitel plus eine Einleitung und ein Fazit auf 255 Seiten.
Die These des Buches
Die Prämisse der Herausgeber ist, dass Psychologie-Lehrende ungewöhnlich gut dafür positioniert sind, den Umgang mit KI zu lehren, weil das Fach bereits Urteilsfähigkeit über Messung, Evidenz und menschliches Verhalten vermittelt. Ihre Behauptung ist enger als „KI-Kompetenz ist wichtig“. Sie lautet: KI-Kompetenz ist etwas, das sich entwickelt — Studierende verfügen nicht einfach über sie oder eben nicht, sie erwerben sie durch gestuften Zugang, Reflexion und Feedback.
Daraus folgen drei Gestaltungsprinzipien, und die meisten Kapitel setzen mindestens eines davon um. Stufen, was Studierende mit einem Tool tun dürfen — von angeleiteter Nutzung hin zu eigenständiger Nutzung, je weiter sich die Urteilsfähigkeit entwickelt. Nutzung mit Überprüfung koppeln, sodass eine mit einem Modell aufgestellte Behauptung anhand einer Quelle geprüft und belegt werden muss. Erfolg als Urteilsfähigkeit darüber definieren, wann und ob das Tool einzusetzen ist — nicht als Routine im Umgang damit.
Die Struktur ist das Argument. Die Kapitel sind nach dem Kurs gruppiert, den eine Lehrperson gerade unterrichten will — Grundlagen und Querschnittsthemen, klinische Psychologie und Beratung, Forschungsmethoden und Statistik — und nicht nach Tool, Leistungsfähigkeit oder institutioneller Richtlinie.
Abschnitt I: Grundlagen- und Querschnittskurse
- Der Zugang ist das erste Problem, nicht das Tool (Slade und Hyk). Studierende, die ohne KI-Vorerfahrung in den Kurs kommen, sind doppelt benachteiligt: Ihnen fehlt die Prompting-Kompetenz, und ihnen fehlt das Urteil darüber, wann eine flüssig formulierte Antwort falsch ist. Das Kapitel lehrt Prompt Engineering zusammen mit offenen Repositorien wiederverwendbarer Prompts und behandelt diese Unterweisung als Maßnahme für Bildungsgerechtigkeit. Der Autor legt ein finanzielles Interesse an einem Unternehmen offen, das KI für Bildung kommerzialisiert.
- KI als Inhaltsgenerator für die Lehre (Corcoran). Der Anwendungsfall des Kapitels ist die eigene Vorbereitung der Lehrperson: Visualisierungen, Beispiele, Aufgaben und andere Lehrreize, die auf ein benanntes Lernziel hin generiert werden. Sein Argument: Nicht die Neuheit, sondern die Anpassung an dieses Lernziel macht die Ausgabe nützlich. Das Kapitel besteht außerdem darauf, dass Studierende über KI lernen — ihre Grenzen und ihre Ethik — und sie nicht bloß in die Hand bekommen.
- Lerntechniken als Brücke zur Theorie (Costa). In einem Fortgeschrittenenkurs zu Lernen und Gedächtnis nutzen Studierende KI-Lerntools und ordnen anschließend das, was die Tools tun, dem verteilten Üben und dem Abrufüben zu. Das Design macht die Psychologie zum Gegenstand und das Tool zum Untersuchungsobjekt — der klarste Weg, einen Kurs zu unterrichten, dessen Inhalt genau die Lernwissenschaft ist, die die Tools umzusetzen behaupten.
- Ein angewandtes Projekt zur Verhaltensänderung (Emanuel). Studierende führen ein Projekt zur Änderung von Gesundheitsverhalten durch, mit einem KI-System als Coach. Ihre Reflexionen trennen, was funktionierte — unmittelbare, maßgeschneiderte, nicht wertende Vorschläge — von dem, was nicht funktionierte: keine Empathie und plausible Fehlinformationen über Gesundheit. Das Kapitel ist eines der wenigen, die ein Modell in eine Rolle setzen, in der Fehler einen Preis haben.
- KI als Debattentrainer (Jackson). Ein Fortgeschrittenenkurs in Sozialpsychologie nutzt ein Modell, um Argumente zu kartieren, Gegenargumente sichtbar zu machen und Erwiderungen vor einer öffentlichen Debatte zu proben — jede Behauptung wird gegen peer-reviewte Quellen geprüft. Von den schriftlichen Reflexionen fanden 75 % das Modell für die Vorbereitung mindestens mäßig nützlich und 35 % waren stark positiv; etwa 10 % sahen wenig Nutzen, meist weil das Modell generische Argumente oder selbstsichere Fehler lieferte. Die spätere Iteration ergänzt einen einseitigen Vorbereitungsplan und ein Evidenzprotokoll, das jede Behauptung mit einer Quelle verknüpft.
- Ein Kurs-Chatbot mit Feedback-Aufgaben (Lee, Nam und Wages). Ein Chatbot, der für Introduction to Psychology, Research Methods und Psychology Apprenticeship entwickelt wurde, unterstützte beim Brainstorming zu Themen, beim Schärfen von Forschungsfragen und bei der Gliederung von Hausarbeiten. Die Autoren berichten von 124 Studierenden in der Pre-Test-Umfrage und einer Rücklaufquote von 25 % im Post-Test — die Evidenz zu Ergebnissen ist also dünner als die Detailtiefe der Implementierung.
- Leistungsbeurteilung in drei Stufen (Granito). Diagnostische, formative und summative Aufgaben erhalten jeweils eine KI-gestützte Variante, und das summative Ende bewegt sich auf authentische Projekte zu, in denen das Tool Unterstützungspartner ist und nicht das Abgabeprodukt. Dies ist das Kapitel, das man lesen sollte, wenn die Frage lautet, was man nicht mehr benoten sollte.
Abschnitt II: Kurse zu klinischer Psychologie und Beratung
- Psychotherapie als Einstiegsaktivität (Castro). Studierende wählen eine DSM-5-TR-Diagnose und eine Psychotherapietechnik, erleben dann eine simulierte Sitzung und diskutieren, was KI-basierte Telemedizin gewinnt und verliert. Das Design lehrt die Technik über den Kontrast: Die Simulation zeigt, was der relationale Anteil von Therapie ist, indem sie ihn weglässt.
- Fallstudien gemeinsam entwickeln (Pulido). Studierende nutzen ChatGPT, um DSM-5-TR-Fallstudien zu entwerfen, und bewerten sie anschließend — die Beurteilungsleistung liegt damit bei den Studierenden und nicht beim Modell. Das Kapitel beschreibt Anpassungen für Graduierten- und Bachelorstudiengänge und behandelt die iterative Prompt-Verfeinerung als Teil des klinischen Denkens, nicht als technische Pflichtübung.
- Fallkonzeptualisierung in einem Seminar (Draheim). Bei der Fallkonzeptualisierung führen Studierende Klienteninformationen und Forschung zu Behandlungsergebnissen zusammen — im Bachelorstudium ist das schwer zu lehren. Das Seminar nutzt KI, um Konzeptualisierungen zu erzeugen und zu kritisieren, wobei die Feedback-Last der Lehrperson als jene Einschränkung benannt wird, die das Tool überhaupt attraktiv macht.
- Cultural Humility (Draheim). Eine Hausaufgabe nutzt ein Modell, um einen Artikel zu Cultural Humility durchzuarbeiten; danach folgt eine Übung im Kurs, in der die Verzerrungen in generativen Ausgaben aufgespürt werden. Die Kopplung ist entscheidend: Das Tool wird genutzt, um ein Thema zu eröffnen, und noch in derselben Woche zum Gegenstand der Kritik gemacht.
- Traumasensible Lehre (Rubio). Graduiertenkurse zu Trauma nutzen Text- und Bildmodelle, um therapeutische Geschichten und Safe-Place-Bilder gemeinsam zu erstellen — fundiert in Hermans dreiphasigem Modell und Perrys neurosequenziellem Modell. Der Rahmen leistet hier die Arbeit; die Tools liefern Material, das der Rahmen dann begrenzt.
- Bots als Therapeuten (Niederjohn). Studierende sprechen mit mehreren Chatbots und vergleichen die Erfahrung mit der Arbeit von Angesicht zu Angesicht am Thema therapeutische Allianz. Das Kapitel liefert die Zahlen, die die Übung dringlich machen: 65 % der Fachkräfte für psychische Gesundheit sahen in früheren Befragungen Vorteile in der Unterstützung durch Chatbots, während 86 % ihren Einsatz in der Versorgung nicht befürworteten. Der praktische Vorschlag ist eine Stufenleiter — zuerst KI-Rollenspiel, dann Peers, dann menschliche simulierte Patienten.
- Rollenspiele für Auszubildende (Labriola und VanHara). KI-Rollenspiele ersetzen geskriptete Peer-Rollenspiele durch ungeskriptete klinische Falldarstellungen, was nach Argumentation der Autoren Realismus und Risikobereitschaft erhöht. Sie begründen den Bedarf mit Umfragedaten von Studierenden: 86 % von fast 4.000 Studierenden in 16 Ländern berichteten, KI zu nutzen, 58 % gaben an, nicht über ausreichende Kenntnisse darüber zu verfügen, und 72 % wünschten sich Kurse zu KI-Kompetenz.
Abschnitt III: Forschungsmethoden, Statistik und wissenschaftliche Kompetenz
- KI als Forschungs-Co-Pilot (Sumutka und Kollegen). Übungen führen Novizen durch das Eingrenzen eines Themas, das Finden von Quellen, das Erzeugen und Operationalisieren von Variablen und das Anwenden ethischer Grundsätze. Das erklärte Ziel ist Informationskompetenz zuerst und Geschwindigkeit zweitens, und das Kapitel sagt ausdrücklich, dass das Tool ebenso vorgemacht wie benutzt wird.
- Fragen generieren als kritisches Bewerten (Burkett). Ein dreiphasiger Ansatz in einem Bachelor-Kurs zu Forschungsmethoden macht ChatGPT zum Generator bewertender Fragen zu Studiendesigns, mit einem eigens dafür gebauten Custom GPT. Die Fragen dienen dann als Maß für das Verständnis — ein Assessment-Schritt, über den andere Kapitel sprechen, den sie aber selten operationalisieren.
- Nutzen und Missbrauch, als Module (Urdan, Firtch und White). Sofort einsetzbare Module behandeln das Generieren von Forschungsdesigns, Übungstests und die bekannten Fehlermodi — mit der Begründung, dass die Einstiegshürden die eigentliche Barriere für Lehrpersonen sind, die neugierig auf KI sind, aber wenig Zeit haben.
- Der Chatbot, der die Erwartungen nicht erfüllte (Hilley und Edwards). „Zig“, auf der Juji-Plattform für einen Pflichtkurs in Statistik gebaut, sollte auf Anfrage bei Übungsaufgaben helfen. Er erfüllte die Erwartungen nicht. Seine Fehler sind konkret und lehrreich: Ein Studierender, der nach dem Levene-Test fragte, tippte „levee“ und erhielt eine Ablehnung; eine Frage zur Benotung erzeugte eine unpassende Antwort über z-Werte; und Bitten um Beispiele wurden mit Definitionen beantwortet. Vieles davon geht auf eine mit Fragen und Antworten befüllte Plattform zurück statt auf ein Reasoning-Modell, aber das Kapitel ist das ehrliche Negativergebnis des Bandes und dasjenige, das man lesen sollte, bevor man einen Kurs-Bot baut.
- Gestufte Integration in die R-Lehre (Garrison, Tyson und Lyu). Das vierstufige Modell beginnt mit KI-freiem Lernen und fügt Tools erst dann hinzu, wenn Studierende bewerten können, was die Tools erzeugen. Das Bereitschaftssignal, das die Autoren nennen, ist Frustration über die Grenzen der KI; der Fehlermodus, den sie dokumentieren, ist die frühere Einführung von KI, die Abhängigkeit erzeugte, bevor die Grundlagen vorhanden waren.
- ChatGPT plus Elicit in einem Abschlussseminar (Katzarska-Miller). Vier vorbereitende Workshops gehen einer semesterlangen Forschungsarbeit voraus, mit einem generativen Modell für das Entwerfen und einem Recherche-Assistenten für die Literatur. Das Kapitel fundiert das Design in der sozialkonstruktionistischen Lerntheorie und nutzt Selbsteinschätzungen vor und nach dem Kurs, um zu prüfen, ob sich die KI-Kompetenz verändert hat.
Was sich über die einundzwanzig Kapitel hinweg wiederholt
- Den Zugang stufen. Fast jedes Kapitel hält das Tool zurück, bis Studierende etwas haben, woran sie es messen können — sei es eine Statistik, ein Rahmenmodell, eine Debattenposition oder eine Programmiergrundlage.
- Überprüfung verlangen und sichtbar machen. Evidenzprotokolle, Quellenchecks, Prompt-Logs und Notizen zu „was sich nach dem Faktencheck geändert hat“ tauchen in allen Abschnitten auf. Diese Anforderung ist es, die Toolnutzung in Lernen verwandelt.
- Studierendenreflexion als Instrument nutzen. Reflexionen sind die Evidenzbasis der meisten Kapitel — was auch die zentrale methodische Schwäche des Bandes ist.
- Auf Kursebene gestalten, nicht auf Toolebene. Die Ordnungsentscheidung des Buches selbst — ein Kapitel pro Kurs — ist die Empfehlung.
- Das Urteil der Lehrperson als Gegenstand beibehalten. Die wiederkehrende Behauptung ist, dass Studierende den Kurs mit der Fähigkeit verlassen sollten zu entscheiden, wann sie das Tool nicht einsetzen.
Wo das Buch dünn ist
Die Kapitel sind Praxisberichte. Fast keines berichtet ein Design, eine Stichprobe oder eine Effektstärke, und wo Zahlen auftauchen, beschreiben sie die Implementierung und nicht das Lernen. Die Ausnahmen sind teilweise: Lee und Kollegen haben Pre- und Post-Test-Umfragen mit einer Rücklaufquote von 25 % im Post-Test, und Jacksons Reflexionsanalyse ist eine thematische Kodierung einer einzigen Klasse.
Auch die Begeisterung ist ungleichmäßig geprüft. Corcoran und Costa schreiben als Befürworter; Hilley und Edwards berichten ein Scheitern; nur Slade und Hyk legen ein kommerzielles Interesse offen. Kapitel, die konkrete Produkte nennen, werden schnell altern, denn die meisten beschreiben Tools so, wie sie sich 2025 verhielten.
Wissenswerte Lücken in der Abdeckung: Kosten und Premium-Stufen werden kaum diskutiert, Barrierefreiheit und Behinderung werden nicht in einem eigenen Abschnitt behandelt, und K-12 erscheint nur in Castros Kapitel zur Sekundarbildung. Der Band betrifft die Psychologie-Lehre im Bachelor- und Graduiertenbereich in den USA, mit wenig zu großen Vorlesungskursen über Costa und Granito hinaus.
Was man damit tun kann
Lesen Sie das Kapitel zu dem Kurs, den Sie gerade unterrichten wollen. Die drei Abschnitte — Grundlagen- und Querschnittskurse, Kurse zu klinischer Psychologie und Beratung, Forschungsmethoden und Statistik — halten zusammengehörige Kapitel beisammen. Beispiele: ein KI-Tutor-Chatbot in der psychologischen Statistik, ChatGPT gepaart mit Elicit in einem Abschlussseminar, KI als Debattentrainer, Fallkonzeptualisierung und Cultural Humility in der klinischen Ausbildung sowie ein Kapitel zu Forschungsmethoden, in dem Studierende mit ChatGPT Fragen erzeugen und sie anschließend kritisieren.
Für wen es gedacht ist
Psychologie-Lehrende in jeder Karrierephase sowie Lehrende in benachbarten sozialwissenschaftlichen Disziplinen, deren Prüfungsprobleme die gleiche Form haben: essaylastige Arbeiten, Falldiskussionen, Statistikangst, kleine Kurse, in denen eine einzige Neugestaltung machbar ist.
Hinweise und Vorbehalte
Kostenloses PDF, kein Konto nötig. Das Urheberrecht liegt bei der STP, nicht bei einer Creative-Commons-Lizenz: Kopien für den persönlichen Gebrauch und für den Unterricht sind mit Quellenangabe erlaubt, Weiterverbreitung oder kommerzielle Nutzung brauchen die Erlaubnis des Autors. Die Kapitel sind Praxisberichte, keine Studien — keine Designs, Stichproben oder Effektstärken —, behandeln Sie Aussagen also als Erfahrungsberichte und zitieren Sie Kapitel einzeln.