Wie gelingt eine sichere Verknüpfung von Künstlicher Intelligenz und professioneller Pflegeausbildung? Dieses Buch bietet eine fundierte Antwort auf den grundlegenden Wandel des Bildungsraumes durch generative LLMs (KI) im Kontext des Pflegeberufegesetzes. Im lerntheoretischen Rahmen des Konnektivismus dekonstruiert die Analyse die Risiken einer unkritischen kognitiven Entlastung und zeigt Wege auf, wie digitale Abhängigkeiten am Lernort Schule vermieden werden können. Im Zentrum steht das innovative START-Chat-Modell, das in Kombination mit dem PPVIO-Prozess als methodisches Kontrollinstrument evaluiert wird. Dieses praxisnahe Framework zwingt Auszubildende in tiefe Reflexionsschichten, um algorithmische Halluzinationen systematisch mittels nationaler Expertenstandards zu demaskieren. Anschauliche Fallbeispiele aus der Pädiatrie und Geriatrie veranschaulichen den konkreten Transfer von reiner Technikbedienung hin zur nachhaltigen klinischen Urteilskraft. Ein unverzichtbarer Leitfaden für Lehrende, Schulleitungen und Curriculumsentwickler, die eine zukunftsfähige Human-KI-Kollaboration professionalisieren wollen.
Inhaltsverzeichnis
1 Einführung
1.1 Problemaufriss und Relevanz
1.2 Der Kontext des Pflegeberufegesetzes (PflBG)
1.3 Zielsetzung der Arbeit
1.4 Forschungsfragen und methodischer Aufbau
2 Theoretischer Rahmen: Modernes Lernen im digitalen Wandel
2.1 Selbstreguliertes Lernen (SRL) in der Pflegeausbildung
2.2 Agiles Lernen und Wissenskompression
2.3 Der Konnektivismus als Lerntheorie für das digitale Zeitalter
2.3.1 Prinzipien nach George Siemens und Stephen Downes
2.3.2 Das Phänomen des informationellen „Chaos“ und Filtermechanismen
2.3.3 Das „Persönliche Lernnetzwerk“ (PLN) von Auszubildenden.
3 Technische Fundierung und die Rolle von KI im Bildungsraum
3.1 Funktionsweise von Large Language Models (LLMs)
3.2 KI als autonomer Knotenpunkt im Lernnetzwerk
3.3 Chancen für Auszubildende
3.4 Die Schattenseite: Risiken und epistemologische Grenzen
3.4.1 Das Phänomen der Halluzination und der Umgang mit fachlichem Bias.
3.4.2 Gefahren der kognitiven Entlastung
3.4.3 Akademische Integrität und Plagiate
4 Das Interaktionsverhalten im Spiegel des CIE-Frameworks
4.1 Das Connectivist Interaction and Engagement (CIE) Framework
4.2 Die vier Interaktionsebenen beim KI-Einsatz
4.2.1 Operational Interaction (Technische Bedienung/Prompting).
4.2.2 Wayfinding Interaction (Navigieren und Filtern von Informationen).
4.2.3 Sensemaking Interaction (Mustererkennung, kritisches Reflektieren und Validieren).
4.2.4 Innovation Interaction (Generierung eigener Synthesen und Artefakte).
5 Das START-Chat-Modell als didaktische Lösung
5.1 Genese und theoretische Verankerung des Modells
5.2 Die vier Phasen des START-Regelkreises im Lernalltag
5.2.1 Situation (S): Wahrnehmung klinischer Cues und gezielte Datenaufbereitung
5.2.2 Task (T): Identifikation und Verifikation von Pflegeproblemen
5.2.3 Action (A): Planung von Pflegeinterventionen
5.2.4 Reflection (R): Metakognitive Evaluation und Fehlerkorrektur.
5.3 T-Chat (T): Der PPVIO-Prozess als methodisches Kontrollinstrument
5.4 Evidenzbasierte Effekte auf Wissen, Urteilskraft und Selbstwirksamkeit
6 Diskussion und Implikationen für die Pflegepädagogik
6.1 Beantwortung der Forschungsfrage
6.2 Transformation der Rolle von Lehrenden
6.3 Curriculare Verankerung nach dem PflBG
6.4 Technische, ethische und institutionelle Voraussetzungen
7 Fazit und Ausblick
7.1 Zusammenfassung der Kernergebnisse
7.2 Limitationen der Arbeit
7.3 Ausblick auf die zukünftige Human-AI-Kollaboration in der Pflegeausbildung.
Zielsetzung und Themen
Die vorliegende Arbeit untersucht fundiert die didaktischen Potenziale und epistemologischen Grenzen generativer Künstlicher Intelligenz in der generalistischen Pflegeausbildung nach dem Pflegeberufegesetz (PflBG) und zeigt auf, wie Auszubildende Large Language Models (LLMs) wie ChatGPT für einen agilen und selbstregulierten Wissenserwerb nutzen können, ohne kritische kognitive Prozesse zu umgehen.
- Analyse der theoretischen Grundlagen durch den Konnektivismus und das Persönliche Lernnetzwerk (PLN)
- Evaluation technischer Funktionsweisen von Large Language Models (LLMs) sowie deren Risiken wie Halluzinationen und kognitive Entlastung
- Untersuchung des Interaktionsverhaltens anhand des Connectivist Interaction and Engagement (CIE) Frameworks
- Einführung und Überprüfung des regelkreisbasierten START-Chat-Modells in Kombination mit dem PPVIO-Prozess
- Ableitung konkreter pflegepädagogischer Implikationen und Anforderungen für eine curriculare Verankerung
Auszug aus dem Buch
3.1 Funktionsweise von Large Language Models (LLM)
Large Language Models (LLM) definieren sich als tiefe künstliche neuronale Netzwerke, die auf der statistischen Verarbeitung gigantischer Textmengen basieren und sprachliche Strukturen auf einem historisch ungekannten Niveau replizieren (Ertel 2025:22). Den technologischen Durchbruch dieser Systeme markiert die sogenannte Transformer-Architektur, welche Sequenzdaten über ein mathematisches Zusammenspiel aus Encodern und Decodern effizient verarbeitet (Furbach 2024:22). Im Gegensatz zu älteren, rekurrenten Sprachnetzwerken nutzen moderne LLM die innovative Aufmerksamkeitsmethode (Attention Mechanism) (Furbach 2024:22). Diese Methode analysiert Textelemente nicht mehr sequenziell anhand ihrer isolierten Wortposition, sondern berechnet die inhaltlichen, semantischen Relationen aller Tokens innerhalb eines Kontextfensters simultan zueinander (Furbach 2024:22). Vor der eigentlichen Anwendung durchlaufen die Modelle ein rechenintensives Pre-Training auf Basis von Billionen Textwörtern aus Büchern, Fachartikeln und Webseiten, wodurch sie ein umfassendes statistisches Sprachmodell entwickeln (Ertel 2025:26).
Im Kern verstehen diese algorithmischen Systeme die Welt oder die semantische Bedeutung der von ihnen generierten Sätze nicht im menschlichen Sinne, sondern berechnen fortlaufend die mathematische Wahrscheinlichkeit des jeweils nächsten Wortbausteins im aktuellen Kontextvektor (Ertel 2025:22, Jorge 2023:26). Diese fundamentale Arbeitsweise führt dazu, dass LLM sprachlich hochgradig kohärente, syntaktisch fehlerfreie, jedoch faktisch vollkommen falsche Aussagen erzeugen können, was in der Informatik als Phänomen der Halluzination beschrieben wird (Barenkamp 2025:31). Da tiefe neuronale Netze komplexe mathematische Muster über hunderte von verdeckten Schichten (Hidden Layers) hinweg abstrahieren, bleibt die genaue algorithmische Entscheidungsfindung für den Menschen im alltäglichen Betrieb verborgen (Gethmann 2022:25). Dieses fundamentale Black-Box-Problem erschwert die unmittelbare Nachvollziehbarkeit der Ausgaben massiv, weshalb der Gesetzgeber über den europäischen AI Act weitreichende Transparenzanforderungen für hochkomplexe KI-Systeme einfordert (Holst 2024:32).
Für die Domäne der Pflegeausbildung erwächst aus diesen technischen Spezifikationen eine doppelte Herausforderung (Remmers 2025:34). Da aktuelle Modellgenerationen über fortgeschrittene Transferleistungen wie Zero-Shot- oder Few-Shot-Learning verfügen, übertragen sie bekannte sprachliche Muster problemlos auf hochspezialisierte pflegerische Fachgebiete, für die ihnen im Vorfeld nur minimale Trainingsdaten zur Verfügung standen (Barenkamp 2025:23).
Zusammenfassung der Kapitel
1 Einführung: Die Einleitung beleuchtet die Digitalisierung im Gesundheitswesen sowie die Herausforderungen des Pflegeberufegesetzes und formuliert die zentralen Forschungsfragen der Arbeit.
2 Theoretischer Rahmen: Modernes Lernen im digitalen Wandel: Dieses Kapitel widmet sich dem selbstregulierten Lernen, der Wissenskompression und dem Konnektivismus als theoretische Basis im digitalen Zeitalter.
3 Technische Fundierung und die Rolle von KI im Bildungsraum: Hier werden die Funktionsweise von LLMs, deren Chancen im Bildungsbereich sowie wesentliche Risiken wie Halluzinationen und Plagiate analysiert.
4 Das Interaktionsverhalten im Spiegel des CIE-Frameworks: Das Kapitel analysiert das Interaktionsverhalten von Auszubildenden entlang der vier Stufen von der operationalen Bedienung bis zur innovativen Wissensgenerierung.
5 Das START-Chat-Modell als didaktische Lösung: Es wird ein strukturiertes Regelkreismodell (START) samt PPVIO-Prozess vorgestellt und evaluiert, um fehlerfreie KI-Anwendungen in der Pflege zu sichern.
6 Diskussion und Implikationen für die Pflegepädagogik: Dieses Kapitel beantwortet die Forschungsfragen, zeigt die veränderte Rolle der Lehrenden auf und erörtert die curriculare Verankerung nach dem PflBG.
7 Fazit und Ausblick: Das Fazit fasst die Kernergebnisse zusammen, benennt methodische Limitationen und gibt einen Ausblick auf künftige Entwicklungen der Human-AI-Kollaboration.
Schlüsselwörter
Human-KI-Kollaboration, Pflegepädagogik, Pflegeberufegesetz, Künstliche Intelligenz, Large Language Models, Konnektivismus, Selbstreguliertes Lernen, START-Chat-Modell, Clinical Reasoning, AI Literacy, Halluzinationen, Interaktionsverhalten, PPVIO-Prozess, E-Learning, Patientensicherheit
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Publikation untersucht die didaktischen Potenziale und epistemologischen Grenzen generativer Künstlicher Intelligenz in der generalistischen Pflegeausbildung nach dem Pflegeberufegesetz (PflBG) und beleuchtet das Zusammenspiel zwischen Auszubildenden und Large Language Models.
Was sind die zentralen Themenfelder der Publikation?
Zu den Kernbereichen gehören der Konnektivismus als Lerntheorie, selbstreguliertes und agiles Lernen, die technische Funktionsweise von KI-Modellen, didaktische Interaktionsstufen sowie die curriculare Verankerung von AI Literacy in der Pflegeausbildung.
Was ist das primäre Ziel oder die Forschungsfrage der Untersuchung?
Die Arbeit analysiert, welche Möglichkeiten der Einsatz Künstlicher Intelligenz den Auszubildenden bietet, um ihren komplexen Wissenserwerb agil und selbstreguliert zu gestalten, und wie strukturierte Interaktionsmodelle KI-Fehlern entgegenwirken können.
Welche wissenschaftliche Methode wird in der Publikation verwendet?
Methodisch stützt sich die Abhandlung auf eine theoriegeleitete Synthese, eine multilinguale systematische Literaturrecherche, eine hermeneutische Diskursanalyse sowie auf die Betrachtung empirischer Belegdaten.
Was wird im umfangreichen Hauptteil der Publikation behandelt?
Der Hauptteil behandelt die theoretischen Rahmenbedingungen moderner Lernformen, die technischen Grundlagen von LLMs, die Einordnung in das CIE-Framework sowie die detaillierte Vorstellung und Begründung des START-Chat-Modells.
Welche Schlüsselwörter charakterisieren den Inhalt der Arbeit am besten?
Zentrale Keywords sind Human-KI-Kollaboration, Pflegepädagogik, Konnektivismus, Selbstreguliertes Lernen, Large Language Models, START-Chat-Modell, Clinical Reasoning und AI Literacy.
Wie unterscheidet sich die gesteuerte KI-Nutzung von der ungesteuerten Nutzung?
Während die ungesteuerte Nutzung oft zu unkritischer kognitiver Entlastung und der Übernahme von Halluzinationen führt, erzwingt das START-Chat-Modell durch einen strukturierten Regelkreis ein kritisches Fact-Checking und fördert echtes Clinical Reasoning.
Welche Rolle spielen Lehrende im Zeitalter generativer Künstlicher Intelligenz?
Lehrende wandeln sich von traditionellen Wissensvermittlern zu agilen Lernprozessbegleitern, „Epistemic Mediators“ und „Ethical Navigators“, die Auszubildende bei der Verifikation maschineller Ergebnisse und beim methodischen Prompting unterstützen.
Warum ist die Berücksichtigung des Pflegeberufegesetzes (PflBG) in diesem Kontext so wichtig?
Das PflBG fordert eine kompetenzorientierte Ausbildung und die Übernahme der vollständigen Pflegeprozessverantwortung für hochkomplexe Settings, weshalb der Einsatz von KI-Tools zwingend den gesetzlichen und berufsrechtlichen Vorgaben entsprechen muss.
Welche konkreten Praxisfälle werden zur Veranschaulichung herangezogen?
Im Anhang werden zwei klinische Szenarien analysiert: Ein akuter zerebraler Krampfanfall im Kindesalter sowie eine akute Bewusstseinstrübung mit Sturzrisiko im geriatrischen Setting, bei denen gesteuerte und ungesteuerte KI-Interaktionen gegenübergestellt werden.
- Arbeit zitieren
- Horst Siegfried Kolb (Autor:in), 2026, Human-KI-Kollaboration. Eine theoriegeleitete Analyse zur Verankerung generativer Sprachmodelle in der theoretischen Ausbildung, München, GRIN Verlag, https://www.grin.com/document/1780746
