Ausgabe 2/2023, Essay

Wie Sprach-KI die Journalismusausbildung verändern kann Ein Werkstattbericht

 , ,

Von Gabriele Hooffacker

Abstract: Was generative Sprach-KI leisten kann und wird, ist in Ansätzen zu erkennen. Den Journalismus, den »Beruf zur Öffentlichkeit« (Pöttker 2010), wird sie verändern. Wie sieht Journalismus-Lehre unter diesen Bedingungen aus? Welche Kompetenzen sollten vermittelt werden, welche Kenntnisse und Fähigkeiten konkret? Anstelle einer theoretischen Abhandlung versucht dieser Essay eine Annäherung über eine gemeinsame Erkundung des Themas mit Studierenden. Er gibt einen Werkstattbericht, formuliert mögliche Lernziele für Studierende wie für Lehrende und ermutigt dazu, über erforderliche Kompetenzen für den Beruf zur Öffentlichkeit nachzudenken.

»Das muss ich mit den Erstsemestern diskutieren!« Meine Erkenntnis aus den eigenen ersten Gehversuchen mit ChatGPT3, seit das Tool Ende November 2022 freigegeben wurde, habe ich am 2. Januar 2023 sofort umgesetzt. Wie üblich frage ich vorher in der Vorlesung »Inhaltsentwicklung I« in die Runde: »Wer von Ihnen hat schon von ChatGPT3 gehört?« Drei Viertel der Studierenden der Matri­kel Medientechnik melden sich. »Und wer hat schon damit experimentiert?« Dieselben drei Viertel melden sich. Die Session wurde dann lehrreich für uns alle, aber davon gleich mehr.

Zwei Erkenntnisse vorab: 1. Die Studierenden sind uns Lehrenden wenn nicht voraus, so doch zumindest auf Augenhöhe mit uns. 2. Kenntnisstand, bekanntes Wissen und damit auch die Lehre über generative Sprach-KI sind tagesabhängig – das Wissen vom Januar wurde im April von der Entwicklung überholt, und was ich heute über das Leistungsspektrum von ChatGPT3 schreibe, wird bei Erscheinen des Beitrags inhaltlich veraltet sein.

Was Sie in diesem Beitrag vielleicht erwarten, aber nicht finden werden:

  • Eine aktuelle Leistungsübersicht von ChatGPT3 oder 4 für journalistische Texte
  • Eine brilliant geschriebene Analyse, warum das Leben, Medienberufe und der Journalismus überhaupt nach ChatGPT nicht mehr das Gleiche sein werden wie bisher
  • Eine absolut logisch nachvollziehbare Argumentation, warum Sprach-KI aus rein mathematischen Gründen niemals imstande sein wird, Journalismus zu ersetzen.

In diesem Beitrag geht es darum zu zeigen, wie Sprach-KI aktuell in der Journalismus-Lehre eingesetzt werden kann. Was generative Sprach-KI leisten kann und wird, ist in Ansätzen zu erkennen. Den Journalismus, den Beruf zur Öffent­lichkeit (vgl. Pöttker 2010), wird sie verändern. Wie sieht Journalismus-Lehre unter diesen Bedingungen aus? Welche Kompetenzen sollten vermittelt werden, welche Kenntnisse und Fähigkeiten konkret? Wie kann man unter diesen Bedingungen Journalismus-Lehre betreiben?

Dieser Beitrag versteht sich als Werkstattbericht. Methodisch orientiere ich mich zum einen an Bernhard Pörksen. In Die Beobachtung des Beobachters fordert er Journalismus-Lehrende und Studierende auf, sich als gemeinsam Lernende, als »Teilnehmende an einer Expedition« zu verstehen (Pörksen 2015). Zum anderen greife ich auf das Konzept der »students as partners« zurück, das ich in einer hochschuldidaktischen Fortbildung des HDS Sachsen bei Anita Sekyra und Marie-Theres Lewe kennenlernen durfte (Sekyra/Lewe 2022). Es basiert auf Donna Haraways Ansatz des »situated knowlegde« (Haraway 1988).

Deshalb schreibe ich diesen Werkstattbericht in der radikalen Ich-Form und versuche getreu dem Modell »Lehren durch Lernen« (Hooffacker 2009) meine eigene Position dabei zu reflektieren.

Meine Arbeitshypothesen habe ich aus den Zukunftsthesen der Hochschuldidaktikerin und Informatikerin Doris Weßels übernommen und auf die Journalismus-Lehre angewendet:

»1. KI-Chatbot-Systeme werden zum persönlicen Lernbegleiter und damit zu einem individualisierten Lern-Bot für die Lernenden. […] 4. Wir Lehrenden werden zu Architektinnen und Gestaltern des virtuellen (zum Beispiel Virtual Spaces wie Metaverse) und analogen Lernraums, wobei die Rolle der Lernbegleitung mit der Navigationsfunktion für die Lernenden und die Gestaltung des sozialen Raums von besonderer Relevanz sein werden.« (Weßels 2022)

Auch bei der Definition stütze ich mich auf Doris Weßels, die von »generativer Sprach-KI« spricht (Weßels 2022); die meisten Erfahrungen basieren auf ChatGPT3, da dies aktuell frei verfügbar ist.

Die erforderlichen Kompetenzen für die Journalismus-Lehre habe ich aus einschlägigen Veröffentlichungen zum Online-Journalismus in Journalismus-Lehrbüchern abgeleitet (Hooffacker/Lokk 2016; Hooffacker/Meier 2017; Hooffacker 2020).

Meinen Werkstattbericht habe ich in Lernziele gegliedert:

  • Fakten prüfen
  • Journalistische Trennungsregeln kennen und anwenden
  • Transparenz bei erfundenen Personen und Fakten
  • Prompting ist alles!
  • ChatGPT3 kann keine Biografien
  • Social-Media- und Pressetexte
  • Berichte und Reportagen durch Prompting im Dialog.

Fast alle Beispiele stammen aus Vorlesungen und Seminaren an der Hochschule für Technik, Wirtschaft und Kultur (HTWK) Leipzig, eines aus einer journa­listischen Weiterbildung an der Stiftung Journalistenakademie in München. Mein Dank geht an die Studierenden, die diese Erfahrungen mit mir gemeinsam gemacht haben.

Fakten prüfen

Die Darstellungsform »Nachricht« ist Thema von Vorlesung und Seminar am 2. Januar 2023. Nach einer Einführung in Nachrichtenaufbau und -auswahl stelle ich eine »Nachricht« vor, die ich ChatGPT3 habe schreiben lassen. Die Studierenden sollen herausfinden, ob es sich um eine journalistische Nachricht handelt. Inhalt der Nachricht ist eine beliebte Veranstaltung an unserer Hochschule, der HTWK Leipzig, die »Lange Nacht der Computerspiele«.

Sie finden schnell den ersten Kritikpunkt: falsche Fakten. Das ließ sich auch durch eine Online-Recherche gut prüfen. Lernziel erreicht: Da die Datenbasis, an der ChatGPT3 trainiert wurde, auf dem Stand Ende 2021 ist, muss geprüft werden, ob nicht inzwischen neuere Daten vorliegen.

Journalistische Trennungsregeln kennen und anwenden

Etwas länger dauert das Aufdecken des zweiten Fehlers, den die Nachricht enthält, aber auch er wird nach einiger Zeit von einer Studentin bemerkt: ChatGPT3 beendete die Nachricht mit dem Satz: »Die Lange Nacht der Computerspiele der HTWK Leipzig hat ein abwechslungsreiches Programm für die Besucher zu bieten«. »Das gehört nicht in eine Nachricht«, befindet die Studentin. »Man soll doch Information und Meinung trennen«. Lernziel erreicht.

Transparenz bei erfundenen Personen und Fakten

Im Februar lasse ich für ein journalistisches Weiterbildungsseminar zum Thema »Reportage« ChatGPT3 eine Reportage über ein Faschingsprinzenpaar, die Freuden, aber auch die Herausforderungen dieser Aufgabe, und die Bedeutung des Faschings in Bayern schreiben, was ich jedoch im Seminar nicht erkläre. Die Teilnehmenden des Seminars stellen fest, dass die Merkmale der Reportage erfüllt wurden (Personen, Zitate). Sogar den Ort gibt es wirklich, wie sofort geprüft wird. »Merkwürdig blutleer ist der Text«, sagt eine Teilnehmerin. »Das hätte man eigentlich auch ohne Recherche schreiben können.« Großes Hallo, als ich ChatGPT3 als Autor nenne und erkläre: Das Faschingsprinzenpaar Max und Lisa ist komplett erfunden, samt seinen Zitaten. Lernziel? Transparenz in Redaktionen beim Einsatz von generativer Sprach-KI herstellen! Vergleiche dazu den Beitrag von Kim Björn Becker in dieser Ausgabe der Journalistik (Becker 2023).

Was ich gelernt habe: Mein Wissensvorsprung war ein wenig unfair den Teilnehmenden gegenüber. Im Schlüsselqualifikations-Seminar »Presse- und Öffentlichkeitsarbeit crossmedial« passe ich deshalb die Herangehensweise an. Aus dieser Lehrveranstaltung im Sommersemester 2023 stammen die weiteren Beispiele.

In diesem Seminar geht es zum Teil um journalistisches Schreiben, aber auch um Textproduktion für Pressemitteilungen oder Social-Media-Posts. Ein von mir intendiertes Lernziel beim Einsatz von ChatGPT ist hier der Unterschied zwischen »Journalismus« und »Textgenerierung für die Öffentlichkeitsarbeit« (Schrage 2023).

Prompting ist alles!

Anfang April 2023 geht es im Sommersemester wieder ums Nachrichtenschreiben. Die Studierenden erhalten eine inhaltliche Einführung in Aufbau und Nachrichtenfaktoren und eine klassische Aufgabe, wie sie im Volontariat üblich ist: aus einer Pressemitteilung eine Nachricht verfassen. Dabei ist den Studierenden freigestellt, ob sie die Aufgabe allein lösen wollen oder mithilfe von ChatGPT.

Beim Besprechen der Ergebnisse in der darauffolgenden Seminarsession soll zuvor nicht verraten werden, wer nun Autor ist. Wir raten gemeinsam. Und wir liegen gemeinsam falsch.

Eine ausgezeichnete journalistische Nachricht stammt von ChatGPT3. Eine weniger gute (zu lange Sätze, Nachrichtenkern nicht erkannt) von Studierenden. Drei Studentinnen haben noch weiter experimentiert und denselben Prompt samt der Pressemitteilung unter ihren drei Accounts bearbeiten lassen. Ergebnis sind drei unterschiedliche, ausgezeichnet geschriebene und formal richtig aufgebaute Nachrichten. Lediglich eine weist einen geringfügigen sachlichen Fehler auf.

Ich frage mich: Müssen wir diese klassische Volontärsaufgabe, aus einer Pressemitteilung eine Nachricht zu formulieren, überhaupt noch stellen? Ist nicht die Erkenntnis, wo uns generative Sprach-KI Standardaufgaben abnehmen kann, sehr viel höher einzuschätzen?

Humoristischer Exkurs: Weitere Einsatzmöglichkeiten von Sprach-KI

Während der Arbeit an diesem Beitrag sitze ich im überfüllten ICE. Der junge Mitreisende neben mit verfasst gerade mittels Jenni.ai ein kulturwissenschaftliches Essay auf Englisch. Rasch kommen wir ins Gespräch. Er ist recht zufrieden mit dem Tool, weil es ihm die richtigen Fachbegriffe und vor allem ordentliches Englisch liefert. Dass die Tools jedes Mal neu würfeln, wusste er nicht; er nutzt es jedoch auch an seinem Arbeitsplatz, um höfliche Antwortmails z. B. an den Chef zu verfassen.

Mischt sich die Dame vom Gang nebenan ein: Ob die Sprach-KI auch Literatur findet? Sie müsse sehr viele DFG-Forschungsanträge schreiben …

ChatGPT3 kann keine Biografien

Im Rahmen des Pressearbeitsseminars verfassen die Studierenden Instagram- und Facebook-Einträge. Akteurinnen und Akteure sollen vorgestellt werden. Ich stutze: Dieser Akteur – ein gebürtiger Münchner? Das wäre mir neu. Wikipedia bestätigt den Geburtsort Nürnberg. – Daran erkennen wir ChatGPT3: Es kann keine Biografien verfassen. Es erfindet sie nach Wahrscheinlichkeit. Fakten prüfen – so wichtig.

Social-Media- und Pressetexte

Die Studierenden machen Fortschritte beim Prompting. Sie lernen rasch, ihre Eingaben an der Textzeile, dem Prompt, zu präzisieren und mit Inhalt anzureichern. Bald geben sie sich nicht mehr mit den mittelmäßigen Antworten zufrieden, sondern fordern im Dialog mit dem Chatbot Verbesserungen ein. Aus vorgefertigten Informationen erzeugt ChatGPT3 beispielsweise sehr schöne dialogische Instagram- und Facebook-Posts, ergänzt um geläufige Hashtags. Gemeinsame Erkenntnis: Wenn der Ausgangstext gut ist, den man am Prompt eingibt, stimmen Faktentreue und Aussage beim Ergebnis in der Regel.

Weniger gut schneidet ChatGPT beim Verfassen von Pressemitteilungen ab. Immer wieder mischen sich Wertungen in die Texte, stimmen Gewichtung und Aufbau nicht. Erkenntnis einer Studentin: »Da habe ich den Text schneller selbst geschrieben«.

Berichte und Reportagen durch Prompting im Dialog

Wie man lebendige Berichte verfasst, ist eigentlich schon ein Thema für Fortgeschrittene. So auch beim Einsatz von Chat-GPT. Auch hier haben wir die oben beschriebene Methode eingesetzt: Studierende können die Aufgabe, aus vorgefertigtem Material einen lebendigen Bericht mit Zitaten, Einstieg, Ausstieg und Spannungsbogen zu schreiben, wahlweise selbst oder mit ChatGPT lösen.

Einen weniger guten Bericht haben die Studierenden selbst verfasst (und viel beim Besprechen gelernt). Einen ausgezeichneten Bericht hielten wir alle für eigenhändig verfasst, die Studentin beschrieb jedoch ihre Herangehensweise bei ChatGPT, die sie in mehrere Schritte aufgeteilt hatte: zunächst die grundlegenden Informationen und die Aufgabe am Prompt eingeben. Dann Schritt für Schritt verfeinern, von »Wähle ein Zitat als Einstieg« über »verklammere Ein- und Ausstieg thematisch«, »verfasse eine anregende Überschrift« usw. Die Beschreibung der Vorgehensweise war lehrreich für die Studierenden. Mein Learning: Die Studierenden können uns hier rasch überholen.

Limitationen und Fazit

Die hier vorgestellten Beispiele und Überlegungen der Autorin mit Stand Mai 2023 sind wohl schon veraltet, wenn sie ihr Publikum im Sommer 2023 erreichen. Die Tools werden ständig weiterentwickelt und lernen hinzu. An ihrem Einsatz wird weiter gearbeitet. Was heute noch richtig ist, liest sich morgen wie eine Aussage von vor zehn Jahren. Neue Lernziele werden hinzukommen, klassische Aufgabenstellungen erweisen sich vielleicht als überholt. Dieser Werkstattbericht kann lediglich eine Momentaufnahme bieten.

Journalistisches Schreiben ebenso wie Textproduktion für die Öffentlichkeitsarbeit bieten neue Möglichkeiten der Aufgabenstellung sowie der Didaktik in Hochschullehre und Journalismus-Lehre. Dazu ist nicht erforderlich, bereits neue Berufsbilder zu definieren, wie das bei vorangegangenen Umbrüchen etwa im Online-Journalismus versucht wurde (vgl. Altmeppen/Hömberg 2002). Hingegen lohnt es sich, über erforderliche Kompetenzen für den »Beruf zur Öffentlichkeit« nachzudenken.

Durch das gemeinsame Erproben und Beurteilen haben sich für die Studierenden Regeln für journalistisches Schreiben einerseits, die Kenntnisse über Möglichkeiten und Grenzen generativer Sprach-KI andererseits schnell, kompakt, vergnüglich und mit vergleichsweise geringem Zeitaufwand erwerben lassen. Arbeitshypothesen wie »Sprach-KI eignet sich gut für Textgenerierung in der Öffentlichkeitsarbeit, für journalistische Texte nur eingeschränkt« konnten überprüft und differenziert werden. Weitere Einsatzmöglichkeiten samt didaktischen Ratschlägen für den Einsatz generativer Sprach-KI gibt das Whitepaper der Universität Hohenheim Unlocking the Power of Generative AI Models and Systems like GPT-4 and ChatGPT for Higher Education – A Guide for Students and Lecturers, das sich bei heise.de verlinkt findet (vgl. Wiegand 2023).

Ich habe den Studierenden meine Vorgehensweise dargelegt. Gelernt habe ich: noch mehr Transparenz, was wir im Seminar gemeinsam tun, warum wir es tun, welche Ergebnisse und Learnings wir dadurch erreichen.

Die Befürchtung, dass Studierende die neuen Möglichkeiten generativer Sprach-KI unkritisch nutzen, wie sie das Whitepaper der Universität Hohenheim äußert, nämlich, »dass Studierende die neuen Möglichkeiten nur zur passiven Informationsaufnahme nutzen, statt sich zu kritischen Geistern zu entwickeln« (zitiert nach Wiegand 2023) scheint nicht zuzutreffen. Die beschriebenen Erkundungen lassen den Schluss zu, dass die Studierenden mit Neugier und Vergnügen die Einsatzmöglichkeiten erproben und Gewinn daraus ziehen. Ich kann mich Doris Weßels (Hooffacker 2023) nur anschließen: »Selbst ausprobieren!«

Über die Autorin

Gabriele Hooffacker, Prof. Dr. phil., (*1959), ist Mitherausgeberin der Journalistik und lehrt an der HTWK in Leipzig im Lehrbereich »Medienadäquate Inhalteaufbereitung«. Gabriele Hooffacker gibt die von Walther von La Roche (1936-2010) gegründete Lehrbuch-Reihe »Journalistische Praxis« bei Springer VS sowie die Reihe »Leipziger Beiträge zur Computerspielekultur« heraus. Sie ist Jurymitglied beim Alternativen Medienpreis. Kontakt: g.hooffacker@link-m.de

Literaturverzeichnis

Altmeppen, Klaus-Dieter; Hömberg, Walter (Hrsg.) (2002): Journalistenaus­bildung für eine veränderte Medienwelt. Wiesbaden: Westdeutscher Verlag.

Becker, Kim Björn (2023): Neues Spiel, neue Regeln. Eine Untersuchung von redaktionellen Richtlinien für den Umgang mit Künstlicher Intelligenz im Newsroom. In: Journalistik, 6(2), S. 142-164.

Haraway, Donna (1988): Situated knowledges: The science question in feminism and the privilege of partial perspective. In: Feminist Studies, 14(3), S. 575-599.

Hooffacker, Gabriele (2009): Lernen durch Lehren. In: Hooffacker, Gabriele (Hrsg.): Journalismus lehren. München: Dr. Gabriele Hooffacker.

Hooffacker, Gabriele (2020, 5. Aufl.): Online-Journalismus. Ein Handbuch für Ausbildung und Praxis (Journalistische Praxis Ausg.): Wiesbaden: Springer VS.

Hooffacker, Gabriele (2023): ChatGPT verändert Hochschullehre und Kommunikation. In: HTWK Leipzig, 25.1.2023. https://www.htwk-leipzig.de/studieren/newsdetail6/artikel/5596 (21.5.2023)

Hooffacker, Gabriele; Lokk, Peter (2016): Online-Journalisten – wer, wie, was, und wenn ja, wie viele? In: Hooffacker, Gabriele; Wolf, Cornelia (Hrsg.): Technische Innovationen – Medieninnovationen? Wiesbaden: Springer VS, S. 34-46.

Hooffacker, Gabriele; Meier, Klaus (2017): La Roches Einführung in den praktischen Journalismus (20 Ausg.). Wiesbaden: Springer VS.

Pörksen, Bernhard (2015): Die Beobachtung des Beobachters. Heidelberg: Carl Auer.

Pöttker, Horst (2010): Der Beruf zur Öffentlichkeit. Über Aufgabe, Grundsätze und Perspektiven des Journalismus in der Mediengesellschaft aus der Sicht praktischer Vernunft. In: Publizistik, 55(2), S. 107-128.

Schrage, Klaus (2023): Was verändert die KI? In: dju Mittelfranken, 17.5.2023. https://dju-mittelfranken.verdi.de/themen/++co++ca5037c8-ef47-11ed-81ba-001a4a160110 (21.5.2023)

Sekyra, Anita; Lewe, Marie-Theres (2022): The potential of systematic reflection on one’s positioning: A feminist perspective on the Students-as-Partners approach. In: International Journal for Students as Partners, 6(3).

Weßels, Doris (2022): ChatGPT – ein Meilenstein der KI-Entwicklung. In: Forschung und Lehre, 20.12.2022. https://www.forschung-und-lehre.de/lehre/chatgpt-ein-meilenstein-der-ki-entwicklung-5271 (31.05.2023)

Wiegand, Dorothee (2023): ChatGPT im Hörsaal: Wie Hochschulen auf generative KI-Werkzeuge reagieren. In: heise online, 7.4.2023. https://www.heise.de/hintergrund/ChatGPT-im-Hoersaal-Wie-Hochschulen-auf-generative-KI-Werkzeuge-reagieren-8431537.html (31.5.2023)

Über diesen Artikel

Copyright

Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz (http://creativecommons.org/licenses/by/4.0/deed.de) veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.

Zitationsvorschlag

Gabriele Hooffacker: Wie Sprach-KI die Journalismusausbildung verändern kann. Ein Werkstattbericht. In: Journalistik. Zeitschrift für Journalismusforschung, 2, 2023, 6. Jg., S. 205-212. DOI: 10.1453/2569-152X-22023-13384-de

ISSN

2569-152X

DOI

https://doi.org/10.1453/2569-152X-22023-13384-de

Erste Online-Veröffentlichung

Juli 2023