Kostenlos testen
Beliebt Neu Genres Autoren
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Suche läuft...
SoBrief
Teaching with AI

Teaching with AI

KI kann überzeugende studentische Arbeiten verfassen. Wie können Lehrende Lernen sichtbar und unverwechselbar menschlich machen?
von José Antonio Bowen 2024 270 Seiten
3.78
500+ Bewertungen
Anhören
Immersiv
V2.3
Amazon Kindle Audible
3 Tage Vollzugriff testen
Schalten Sie Audioinhalte & mehr frei!
Weiter

Wichtigste Erkenntnisse

Behandle KI als Denkpartner, nicht als Ersatz für menschliches Urteilsvermögen.

Eine Verschiebung vom Wissen zum Denken. Das Internet machte Informationen allgegenwärtig und zugleich schwerer vertrauenswürdig. Generative KI verändert den nächsten Schritt: Sie kann Entwürfe, Bilder, Erklärungen und Ideen hervorbringen, sodass Menschen zunehmend beurteilen und gestalten müssen, was sie erhalten. ChatGPT erreichte innerhalb von zwei Monaten 100 Millionen tägliche Nutzer – ein Zeichen dafür, wie rasch dieser Wandel Einzug in die Öffentlichkeit hielt. Die Autoren argumentieren, dass Lehrende Studierende auf die Zusammenarbeit mit KI vorbereiten sollten, statt anzunehmen, sie ließe sich aus Unterrichtsräumen oder Berufslaufbahnen heraushalten.

Sprachgewandtheit ist kein Verständnis. Ein großes Sprachmodell sagt anhand von Mustern in seinen Trainingsdaten wahrscheinliche Wortfolgen voraus. Es kann selbstsicher klingen, ohne zu wissen, ob seine Antwort stimmt, und möglicherweise Fakten erfinden oder Vorurteile aus diesen Daten wiederholen. Der Turing-Test prüft, ob ein Mensch eine Maschine im Gespräch für einen Menschen hält – nicht, ob die Maschine bei Bewusstsein ist oder ihre Aussagen versteht.

Analyse

Die Unterscheidung zwischen überzeugender Sprache und verlässlichem Wissen ist zentral für einen verantwortungsvollen Umgang. In der Praxis kann eine ausgefeilte Antwort die Skepsis der Lesenden gerade deshalb verringern, weil sie schlüssig wirkt. Verifikation ist daher eine erlernte Gewohnheit und keine Funktion, die sich einfach an Software delegieren lässt. Der Vergleich der Autoren mit dem Internet ist hilfreich: Neue Werkzeuge verändern, was Menschen können müssen, statt Urteilsvermögen überflüssig zu machen. Zu beachten ist, dass „KI“ viele Systeme mit unterschiedlichen Daten, Zielen und Fehlermöglichkeiten umfasst. KI-Kompetenz bedeutet deshalb auch, zu fragen, welches Werkzeug eine Antwort erzeugt hat und welche Belege sie stützen.

Investiere mehr Mühe in die Problembestimmung als in die Ausfeilung des Prompts.

Beginne, bevor du den Chatbot öffnest. Problembestimmung bedeutet, das zu lösende Problem zu erkennen, zu analysieren und klar zu definieren. Ein Prompt kann eine falsche oder oberflächliche Frage nicht korrigieren. Das Buch veranschaulicht dies mit einem Erdnussbutter-Sandwich, das in einem Toaster feststeckt: Wer nach einer Anleitung im Stil der King-James-Bibel fragt, erhält eine ungewöhnliche Antwort, weil der Mensch ein ungewöhnliches Problem mit einer bestimmten Ausdrucksweise verbunden hat. Ein Großteil der Originalität lag bereits in der Frage.

Lenke anschließend das Werkzeug. Die Autoren beschreiben einen Prozess des „Double Diamond (doppelter Diamant)“: Zuerst wird erkundet, worin das eigentliche Problem bestehen könnte, und dann wird es eingegrenzt; anschließend werden mögliche Lösungen entwickelt, bevor eine ausgewählt und verfeinert wird. Gib im Prompt die Aufgabe, das gewünschte Format, die Ausdrucksweise und den relevanten Kontext an. Betrachte die erste Antwort als Entwurf. Ergänze Details, bitte um Alternativen und überarbeite die Anfrage, wenn das Ergebnis am Kern vorbeigeht.

Analyse

Dieser Ansatz verbindet den Einsatz von KI mit der Designpraxis, in der die Neufassung des Problems oft wichtiger ist als eine schnelle Lösung. Er erklärt auch, warum Prompt-Tipps widersprüchlich wirken können: Eine Formulierung, die eine Antwort verbessert, kann unklare Ziele oder fehlenden Kontext nicht ausgleichen. Iteration ist am produktivsten, wenn jede Überarbeitung eine bestimmte Annahme prüft – etwa zur Zielgruppe, zu Belegen oder zum Format – statt lediglich um etwas „Besseres“ zu bitten. Der Ansatz hat eine praktische Grenze: Bei Arbeiten mit hohen Risiken oder in Spezialgebieten garantiert selbst ein gut formulierter Prompt keine solide Antwort. Fachwissen ist weiterhin nötig, um das Ergebnis zu beurteilen.

Lerne KI für deine Arbeit kennen, denn Aufgaben verändern sich vor Berufsbezeichnungen.

Berufe bestehen aus Aufgabenbündeln. KI kann Teile eines Berufs automatisieren, ohne den gesamten Beruf abzuschaffen. Das Buch führt Schätzungen an, wonach etwa 80 % der US-amerikanischen Beschäftigten erleben könnten, dass mindestens 10 % ihrer Aufgaben betroffen sind, während es bei rund 19 % mindestens die Hälfte sein könnte. Tätigkeiten in den Bereichen Recht, Verwaltung und Finanzen scheinen stärker betroffen zu sein als Bau- und Instandhaltungsarbeiten. Die praktische Herausforderung besteht nicht einfach darin, vorherzusagen, welche Berufsbezeichnungen bestehen bleiben, sondern zu lernen, wie sich die Arbeit innerhalb dieser Berufe verändert.

Die Vorteile sind ungleich verteilt. In einer Studie zu professionellen Schreibaufgaben erledigten Teilnehmende mit ChatGPT ihre Arbeit 40 % schneller und erzielten eine um 18 % höhere Qualitätsbewertung; weniger geübte Schreibende profitierten am stärksten. KI-Unterstützung half auch unerfahrenen Kundenservicekräften, pro Stunde mehr Anliegen zu lösen. Doch wenn Recherche und Entwurfsarbeit auf Einstiegsniveau automatisiert werden, können jene Möglichkeiten schrumpfen, durch die Einsteiger Fachwissen erwerben. Effizienz kann Zeit für menschliche Zuwendung freisetzen – oder zur Forderung werden, mit weniger Personal mehr zu leisten.

Analyse

Die aufgabenbezogene Perspektive vermeidet zwei irreführende Extreme: die Annahme, ganze Berufe verschwänden über Nacht, und die Annahme, eine unveränderte Berufsbezeichnung bedeute, dass sich wenig getan habe. Sie rückt auch die Verteilung in den Mittelpunkt. Wenn Einsteiger den größten Produktivitätsschub erhalten, haben Organisationen einen starken Anreiz, sie einzustellen; zugleich kann die Automatisierung von Aufgaben auf Einstiegsniveau Ausbildungswege beseitigen. Produktivitätsgewinne führen nicht automatisch zu kürzeren Arbeitstagen oder besserem Service. Institutionen und Arbeitgeber entscheiden, wer davon profitiert. Daher sind die Neugestaltung von Arbeitsplätzen und der Zugang zu Weiterbildung ebenso wichtig wie die technischen Möglichkeiten.

Nutze die Ideenfülle der KI und ergänze sie durch menschliches Gespür und Überprüfung.

Erst breit entwickeln, dann beurteilen. Kreative Arbeit wird oft besser, wenn Menschen viele Möglichkeiten entwickeln, bevor sie sich auf eine festlegen. KI kann rasch Dutzende Konzepte hervorbringen, ohne sich zu genieren, eine ungewöhnliche Kombination vorzuschlagen. Die Beispiele im Buch reichen von Produktideen bis zu unerwarteten Go-Strategien. AlphaZero, das durch Partien gegen Versionen seiner selbst trainiert wurde, statt menschliche Partien zu studieren, entwickelte Ansätze, die nicht durch etablierte menschliche Konventionen eingeschränkt waren.

Neuheit muss sich dennoch menschlicher Prüfung stellen. KI kann auch falsche Behauptungen, oberflächliche Ideen oder vertraute Muster erzeugen, die als Originalität ausgegeben werden. AlphaFold leistet einen anderen kreativen Beitrag: Es sagte Proteinstrukturen mit bemerkenswerter Genauigkeit voraus und beschleunigte damit Forschung, für die oft jahrelange experimentelle Arbeit nötig gewesen war. In all diesen Beispielen erweitert KI den Suchraum; Menschen müssen weiterhin Belege, Relevanz und Folgen beurteilen. Bitte um Alternativen, vergleiche sie und verbessere den stärksten Kandidaten, statt die erste plausibel klingende Antwort anzunehmen.

Analyse

Entscheidend ist die Unterscheidung zwischen Ideenfindung und verantwortungsvoller Auswahl. Die Geschwindigkeit der KI kann Menschen helfen, sich von der vorschnellen Fixierung auf das erste brauchbare Konzept zu lösen; ihre fehlende soziale Hemmung kann es erleichtern, ungewöhnliche Kombinationen auszuloten. Doch eine lange Liste ist nicht dasselbe wie sinnvolle Kreativität. Ein vielversprechendes Ergebnis muss sich an Zweck, Zielgruppe, Einschränkungen und Belegen bewähren. Die Beispiele stehen zudem für unterschiedliche Arten von Leistung: Ein überraschender Spielzug, ein Produktkonzept und eine wissenschaftliche Vorhersage werden nicht nach denselben Maßstäben beurteilt. Menschliches Gespür ist wertvoll, weil es diesen Maßstäben verpflichtet ist.

Behandle den Wert eines KI-Detektors niemals als Beweis für Fehlverhalten von Studierenden.

Ein Wert ist kein Urteil. Im Eingangsbeispiel des Buches vermutete ein Professor, ein Diskussionsbeitrag eines Studierenden sei von einer KI verfasst worden. Die Erkennungstools lieferten widersprüchliche Werte. Daraufhin ließ der Studierende den veröffentlichten Abstract des Professors prüfen: Ein Detektor gab eine Wahrscheinlichkeit von 36 % für eine KI-Autorschaft an, während ein anderer den Text vollständig als KI-generiert einstufte. Die Anschuldigung wurde schließlich zurückgezogen. Solche Tools schätzen Textmuster ein; sie stellen weder fest, wer den Text geschrieben hat, noch, ob Regeln verletzt wurden.

Fehler können ungleich verteilt sein. Eine Studie ergab, dass mehrere Detektoren mehr als die Hälfte der Aufsätze von Personen, deren Muttersprache nicht Englisch ist, fälschlich als KI-generiert einstuften. Auch die Leistung der Detektoren variierte stark, und durch Paraphrasieren ließ sich KI-Text schwerer erkennen. Ein Wert kann Anlass für ein sorgfältiges Gespräch sein, sollte aber nicht als schlüssiger Beweis dienen. Falsche Anschuldigungen können das Vertrauen beschädigen, die Angst von Studierenden verstärken und jene besonders belasten, deren Schreibweise vom erwarteten Muster eines Detektors abweicht.

Analyse

Hier geht es ebenso sehr um Verfahrensgerechtigkeit wie um technische Genauigkeit. Ein System, das eine Wahrscheinlichkeit ausgibt, kann eine Untersuchung anstoßen; ob diese Wahrscheinlichkeit Verdacht, Disziplinarmaßnahmen oder die Möglichkeit einer Erklärung nach sich zieht, entscheidet jedoch eine menschliche Institution. Dafür braucht es Schutzvorkehrungen und ein Einspruchsverfahren. Das Beispiel im Buch zeigt eindrücklich, warum Konfidenzwerte psychologisch überzeugend wirken können, selbst wenn die Tools einander widersprechen. Zugleich verschwindet akademisches Fehlverhalten nicht dadurch, dass die Erkennung unzuverlässig ist. Ein besserer Ansatz verbindet verhältnismäßige Untersuchungen mit einer durchdachten Aufgabengestaltung und klaren Erwartungen, statt die Beweislast den Studierenden aufzubürden.

Richte KI-Regeln an Lernzielen, Offenlegung und gemeinsam getragenen professionellen Werten aus.

Erkläre, warum die Regeln gelten. Studierende und Lehrende sind sich oft uneinig darüber, ob der Einsatz von KI das Lernen fördert oder beeinträchtigt. Eine sinnvolle Richtlinie beginnt bei den Kurszielen: Welche Fähigkeiten müssen eigenständig geübt werden, und wo kann KI das Lernen unterstützen? Die Autoren empfehlen, diese Fragen mit den Studierenden zu besprechen und die Ehrlichkeit im Unterricht mit Erwartungen am Arbeitsplatz wie Verantwortlichkeit, Quellenangabe und fairer Anerkennung von Beiträgen zu verknüpfen.

Lege zulässige Nutzung ausdrücklich fest. Eine Kursrichtlinie kann erlaubte und verbotene Aufgaben benennen, festlegen, ob Studierende KI-Unterstützung offenlegen oder ihre Prompts einreichen müssen, auf Risiken wie erfundene Quellen und Verzerrungen hinweisen und erklären, dass die Studierenden für die endgültige Arbeit verantwortlich bleiben. Ein pauschales Verbot kann schwer durchzusetzen sein und Studierenden die Gelegenheit nehmen, den Umgang mit Werkzeugen zu üben, die sie auch außerhalb der Schule nutzen werden. Das Buch stellt außerdem das „Post-Plagiat (post-plagiarism)“ vor: die Auffassung, dass das Schreiben von Menschen gemeinsam mit KI zur Normalität werden könnte, während Quellenangabe und Verantwortung wichtig bleiben.

Analyse

Eine am Zweck ausgerichtete Richtlinie ist schlüssiger als eine Liste von Verboten, weil sie Studierenden hilft, über Fälle nachzudenken, die Lehrende nicht vorhergesehen haben. Das ähnelt beruflichen Kodizes, in denen die zugrunde liegenden Pflichten ebenso wichtig sind wie konkrete Regeln. Offenlegung kann zudem Zusammenarbeit sichtbar machen, ohne so zu tun, als seien alle Werkzeugnutzungen gleichwertig. Gemeinsam entwickelte Regeln sind jedoch nicht automatisch gerecht: Studierende haben möglicherweise unterschiedlichen Zugang, unterschiedliche Erfahrung oder verschieden viel Selbstvertrauen, und die Institution behält die Macht, die Richtlinie durchzusetzen. Klare Beispiele, einheitliche Verfahren und die Möglichkeit, Fragen zu stellen, sind wesentliche Ergänzungen zu gemeinsam getragenen Werten.

Bewerte über den soliden KI-Durchschnitt hinaus, indem du Exzellenz konkret beschreibst.

Zufriedenstellende Arbeit ist kein sinnvoller Endpunkt mehr. In einem im Buch beschriebenen Experiment erreichte eine mit ChatGPT erstellte Arbeit auf Grundlage echter Harvard-Aufgaben einen Notendurchschnitt von 3,34. Die Autoren führen dieses Ergebnis als Beleg dafür an, dass KI kompetente, konventionelle Arbeiten hervorbringen kann, die einst die grundlegende Leistungsfähigkeit eines Studierenden nachwiesen. Wenn eine Aufgabe nur eine klare Struktur, akzeptable Grammatik und eine vertraute Analyse belohnt, kann eine KI die Anforderungen möglicherweise bereits erfüllen.

Lege fest, wodurch sich herausragende Arbeit auszeichnet. Bewertungsraster können den Unterschied zwischen einer gerade brauchbaren Antwort und einer Arbeit mit eigenständiger Perspektive, präzisen Belegen, überzeugender Argumentation und unverwechselbarer Stimme beschreiben. Studierende können eine KI-Antwort mit ihrer eigenen vergleichen, Schwächen benennen und zeigen, was sie warum verändert haben. Es geht nicht darum anzunehmen, KI könne niemals herausragende Arbeit leisten. Vielmehr soll der wertvolle menschliche Beitrag sichtbar werden und die Qualität des Denkens bewertet werden – nicht nur der sprachliche Schliff des Ergebnisses.

Analyse

Dieser Maßstab wirft eine wichtige Frage auf: Was bescheinigt eine Note, wenn eine Maschine eine plausible Antwort auf dieselbe Aufgabe erstellen kann? Die Antwort sollte nicht lauten, menschliche Arbeit müsse ungewöhnlich aussehen, um als eigenständig zu gelten. Gutes Urteilsvermögen kann sich in disziplinierter Synthese, sorgfältiger Belegführung oder einer fundierten Entscheidung zeigen, auch wenn die Prosa konventionell ist. Ebenso sollte die durchschnittliche KI-Leistung nicht zum allgemeinen Maßstab für mittelmäßige Arbeit werden; verschiedene Fachgebiete schätzen unterschiedliche Formen von Strenge. Die bleibende Lehre lautet, Bewertungsraster an echten Lernergebnissen auszurichten und den Studierenden konkrete Beispiele für die erforderliche Qualität zu zeigen.

Gestalte Aufgaben so, dass Anstrengung sinnvoll, sichtbar und machbar ist.

Motivation hat drei Bestandteile. Die Autoren fassen sie als „Ich sehe einen Sinn darin, ich kann es schaffen, und ich zähle“ zusammen. Studierende sehen einen Sinn in einer Aufgabe, wenn sie verstehen, weshalb sie relevant ist. Sie glauben, dass sie erfolgreich sein können, wenn die Arbeit eine bewältigbare Herausforderung und Möglichkeiten bietet, Selbstvertrauen aufzubauen. Sie haben das Gefühl, etwas zu zählen, wenn ihre Entscheidungen und Beiträge das Ergebnis beeinflussen.

Mach den Weg sichtbar. Eine gute Aufgabe macht Zweck, Arbeitsschritte und Kriterien deutlich: warum die Arbeit wichtig ist, was wann zu tun ist und wie die Qualität beurteilt wird. Checklisten können ein Projekt in Etappen gliedern, Zeitangaben enthalten und Studierende auffordern, erst selbst nachzudenken, bevor sie KI hinzuziehen. Ein vorgeschlagener Ablauf besteht darin, KI-Optionen zu entwickeln, sie kritisch zu prüfen, den Prompt zu verbessern, ein Ergebnis auszuwählen und den menschlichen Beitrag zu erläutern. Solche sichtbaren Arbeitsschritte unterstützen das Lernen und geben Lehrenden Einblick in den Prozess, ohne dass sie sich allein auf Erkennungstools verlassen müssen.

Analyse

Dieses Modell verbindet die Gestaltung von Aufgaben mit Motivation, statt Betrug ausschließlich als Charakterfrage oder Problem der Überwachung zu behandeln. Klarheit kann unnötige Unsicherheit verringern, während Wahlmöglichkeiten und relevante Beispiele Anstrengung lohnenswert erscheinen lassen können. Auf die richtige Balance kommt es an: Zu strenge Vorgaben können echte Eigenständigkeit verhindern, während vage Anweisungen Studierende begünstigen können, die die akademischen Erwartungen bereits kennen. Prozessnachweise sind hilfreich, sollten aber nicht zum Selbstzweck werden. Jeder erforderliche Entwurf, Reflexionsbericht oder Zwischenstand sollte klar mit dem Lernen zusammenhängen – andernfalls könnten Studierende die Schutzmaßnahmen als bloße Beschäftigungstherapie empfinden.

Mache KI zu einem Tutor, der nachfragt, sich anpasst und Rückmeldung gibt.

Rückmeldung kann unmittelbar und individuell sein. Jill Watson, eine KI-Lehrassistentin, die in einem Kurs am Georgia Institute of Technology eingesetzt wurde, beantwortete vorhersehbare Fragen der Studierenden. In einem Unterrichtsexperiment erkannten nur 10 % der Studierenden einen der botgestützten Lehrassistenten richtig. Das Beispiel zeigt, dass Studierende auch von reaktionsschneller automatisierter Unterstützung profitieren können. Bei der neueren Kombination eines Chatbots mit Kursmaterialien soll allerdings sichergestellt werden, dass die Antworten anhand verlässlicher Kursquellen überprüft werden.

Begleite das Lernen, statt es zu ersetzen. Ein KI-Tutor kann jeweils eine Frage stellen, den Schwierigkeitsgrad an die Antwort des Studierenden anpassen, Hinweise geben und warten, bis der Studierende es selbst versucht hat, bevor er etwas erklärt. Das Buch verbindet diesen Ansatz mit der Zone der proximalen Entwicklung – dem Bereich von Aufgaben, die Lernende mit geeigneter Unterstützung bewältigen können, noch nicht aber allein. Gute Prompts legen die Rolle, Ziele, den Ton und den Ablauf des Tutors fest. Studierende müssen Antworten weiterhin überprüfen und selbst üben, Probleme zu lösen.

Analyse

Am besten eignet sich KI als Tutor nicht dazu, Antworten auszugeben, sondern zu reaktionsschnellem Üben: Lernende können ohne Verlegenheit um eine weitere Erklärung bitten und Unterstützung erhalten, wenn eine menschliche Lehrkraft nicht verfügbar ist. Das kann den Zugang zu Rückmeldungen erweitern, besonders für Studierende, die zu Hause oder während der Sprechstunden nicht auf Hilfe zählen können. Personalisierung hängt jedoch davon ab, welche Informationen das System erhält und wie genau es die Bedürfnisse der Lernenden einschätzt. Datenschutz, Barrierefreiheit und falsche Hinweise bleiben echte Risiken. Ein Tutor, der immer zustimmt, kann außerdem Missverständnisse verstärken. Hilfreiche Unterstützung sollte Studierende daher dazu anregen, ihre Überlegungen zu erläutern und ihr Verständnis auf die Probe zu stellen.

Bewahre das Schreiben als Fähigkeit und als Weg, Gedanken zu entdecken.

Der Prozess kann Teil des Lernens sein. Schreiben bedeutet nicht nur, einen fertigen Aufsatz vorzulegen; die Suche nach den passenden Worten kann Studierenden helfen, ihre Gedanken zu klären. Das Buch unterscheidet zwischen kognitiven Werkzeugen, die die Fähigkeiten einer Person stärken, und Werkzeugen, die eine Aufgabe erledigen, ohne die zugrunde liegende Fähigkeit aufzubauen. Je nachdem, ob Studierende KI zum Üben und Überarbeiten nutzen oder einfach deren fertigen Text übernehmen, kann ihre Rolle auf der einen oder der anderen Seite liegen.

Bewerte mehr als nur ein ausgefeiltes Dokument. Aufgaben können Studierende auffordern, KI-Zitate auf Fakten zu prüfen, einen Text zu annotieren, eine persönliche oder lokale Anwendung zu erläutern, verschiedene Entwürfe zu vergleichen, ihre Argumentation mündlich darzustellen oder ein visuelles oder interaktives Projekt zu gestalten. Studierende können Entwürfe, Überarbeitungen oder ein KI-Gespräch einreichen, wenn diese Aufzeichnungen einem Lernziel dienen. Dadurch lässt sich Arbeit nicht unmöglich fälschen; vielmehr rücken das Urteilsvermögen, das Wissen und die Entscheidungen der Studierenden stärker in den Mittelpunkt der Bewertung.

Analyse

Die Unterscheidung zwischen Schreiben als Produkt und Schreiben als kognitiver Übung ist besonders wichtig. Eine routinemäßige E-Mail auszulagern kann effizient sein; den Prozess der Argumentbildung auszulagern kann dagegen genau die Übung beseitigen, die eine Aufgabe vermitteln soll. Das erfordert nicht, unbeaufsichtigte Arbeit als grundsätzlich tugendhaft zu betrachten: Zusammenarbeit und Werkzeuge können das Denken stärken, solange Lernende aktiv bleiben. Schwieriger ist die Frage, welche Teile eines Fachgebiets durch direkte Übung zur sicheren Fertigkeit werden müssen. Ein vielfältiges Bewertungsportfolio kann helfen, sofern alternative Formate weiterhin das beabsichtigte Wissen erfassen, statt den Einsatz von KI lediglich unbequem zu machen.

Analyse

Die zentrale These des Buches lautet nicht, dass Lehrende jede Verwendung von KI begrüßen sollten, sondern dass ein Verbot keine angemessene Antwort auf eine Technologie ist, die bereits berufliche Aufgaben und die Erstellung studentischer Arbeiten verändert. Der folgenreichste Schritt der Autoren besteht darin, die institutionelle Frage von „Wie erwischen wir KI?“ zu „Was sollte eine lernende Person können, das sich nicht allein anhand einer KI-Antwort nachweisen lässt?“ zu verschieben. Diese Neuausrichtung verbindet KI-Kompetenz, Lehrpläne, Leistungsbewertung und Berufsvorbereitung, statt sie als getrennte politische Fragen zu behandeln. Der rote Faden ist die menschliche Verantwortung. KI erweitert die verfügbaren Möglichkeiten, beschleunigt Rückmeldungen und senkt die Kosten für die Erstellung kompetenter Arbeit. Menschen wählen weiterhin das Problem aus, setzen Maßstäbe, überprüfen Behauptungen, legen Unterstützung offen und entscheiden, welche Folgen daraus entstehen. Die Beispiele des Buches zu Fehlern bei der Erkennung sowie zu KI-gestützter kreativer und wissenschaftlicher Arbeit machen diese Verantwortung greifbar. Werkzeuge sind nicht allein deshalb neutral, weil sie Wahrscheinlichkeiten oder Vorschläge ausgeben; ihre Auswirkungen hängen von menschlichen Entscheidungen über Zugang, Bewertung und institutionelle Autorität ab.

Im Argument besteht eine produktive Spannung. Die Autoren beschreiben KI als Maßstab für durchschnittliche Arbeit und fordern Lehrende auf, die Standards anzuheben. Gleichzeitig betonen sie, dass Einsteiger von KI profitieren und ein breiter Zugang bestehende Ungleichheiten abbauen kann. Diese Ziele können miteinander in Konflikt geraten. Erhöhen Institutionen die Anforderungen, ohne Zugang zu leistungsfähigen Werkzeugen, Anleitung und Rückmeldung zu gewährleisten, könnte der neue Maßstab eher Privilegien als Urteilsvermögen belohnen. Umgekehrt könnten Studierende die Grundlagen verlieren, die sie benötigen, um schwache Ergebnisse zu erkennen, wenn KI-Unterstützung grundlegende Übung ersetzt. Die prozessorientierten Aufgaben des Buches bieten eine Antwort, erfordern aber von Lehrenden, Aufgaben neu zu gestalten und ihren Zweck zu erläutern – was nicht in jedem Umfeld gleich einfach ist.

Der bleibende Beitrag ist daher eine praktische Ethik der Zusammenarbeit: KI dort einsetzen, wo sie die Erkundung oder Rückmeldung erweitert, menschliche Übung dort erhalten, wo die Übung selbst lehrreich ist, und Verantwortung überall dort ausdrücklich festlegen, wo automatisierte Ergebnisse in folgenreichen Entscheidungen eine Rolle spielen. Die Frage ist nicht, ob Bildung menschlich bleibt, sondern welche menschlichen Fähigkeiten sie neben immer leistungsfähigeren Werkzeugen fördern will.

Zusammenfassung in 30 Sekunden
Generative KI kann flüssige, aber falsche Antworten hervorbringen; Lernende müssen Aussagen daher überprüfen und ihr Urteilsvermögen einsetzen. In einer Studie waren Schreibende mit KI-Unterstützung 40 % schneller fertig und erhielten eine um 18 % höhere Qualitätsbewertung, während fehlerhafte Detektoren Studierende fälschlich beschuldigen können – insbesondere Menschen, deren Muttersprache nicht Englisch ist. Legen Sie klare Regeln zu Offenlegung und Verantwortung fest, bewahren Sie Übungsphasen, in denen der Prozess Fähigkeiten aufbaut, und bewerten Sie Argumentation, Überarbeitung und Lernnachweise statt allein die sprachliche Ausarbeitung.
Enthält Spoiler

Zuletzt aktualisiert:

Problem melden

Rezensionsübersicht

3.78 von 5
Durchschnitt von 500+ Bewertungen von Goodreads und Amazon.

Teaching with AI erhält überwiegend positive Rezensionen. Leserinnen und Leser loben die praktischen Ratschläge und Ideen zur Einbindung von KI in die Bildung. Viele finden das Buch informativ und zugänglich und schätzen die wertvollen Einblicke für Lehrende. Gelobt wird es auch für die zahlreichen Prompts und Beispiele. Zu den Kritikpunkten gehören eine zu geringe Auseinandersetzung mit ethischen Fragen und Datenschutzbedenken; einige Leser äußern zudem Vorbehalte gegenüber einer raschen Einführung von KI im Unterricht. Insgesamt schätzen die Rezensierenden die Orientierungshilfe des Buches im Umgang mit der wachsenden Präsenz von KI in der Bildung.

Ihre Bewertung:
4.55
678 Bewertungen
Möchten Sie das vollständige Buch lesen?

Glossar

KI-Kompetenz

Sicherer und kritischer Umgang mit KI

Die Fähigkeit, für geeignete Aufgaben KI-Werkzeuge auszuwählen, sinnvolle Fragen zu formulieren, Prompts durch iterative Überarbeitung zu verbessern und Ergebnisse auf Genauigkeit, Verzerrungen und Relevanz zu prüfen. Im Buch umfasst KI-Kompetenz sowohl allgemeines kritisches Urteilsvermögen als auch fachspezifische Fähigkeiten. Sie wird als Vorbereitung auf Lernen und Arbeit verstanden, nicht bloß als technische Vertrautheit mit Chatbots.

Problembestimmung

Das richtige Problem definieren

Der Prozess, das zu lösende Problem zu erkennen, zu analysieren und klar zu beschreiben. Das Buch gliedert ihn in Diagnose, Zerlegung, Neuformulierung und das Festlegen von Rahmenbedingungen. Er geht dem Prompting voraus: Eine KI kann mögliche Antworten generieren, aber ein unausgesprochenes Ziel nicht zuverlässig erschließen oder eine Frage korrigieren, die auf einer falschen Annahme beruht.

Double Diamond (doppelter Diamant)

Zweimal erkunden und eingrenzen

Ein Problemlösungsprozess mit zwei Zyklen divergierenden und konvergierenden Denkens. Zunächst erkunden Menschen mögliche Deutungen eines Problems und definieren es anschließend präziser. Danach entwickeln sie mögliche Lösungen und grenzen die Auswahl auf eine Option ein. Das Buch sieht KI vor allem in den divergierenden Phasen als nützlich an, in denen sich zahlreiche Alternativen zur menschlichen Bewertung hervorbringen lassen.

Prompt Engineering

Wirksame KI-Anweisungen gestalten

Die Praxis, Anweisungen so zu formulieren, dass eine KI mit größerer Wahrscheinlichkeit nützliche Ergebnisse liefert. Das Buch empfiehlt, Aufgabe, Format, Ton und Kontext anzugeben und den Prompt dann anhand der Ausgabe zu verfeinern. Es behandelt Prompting als praktische Fähigkeit, betont aber zugleich, dass gute Prompts eine vorherige Problembestimmung und klare menschliche Ziele voraussetzen.

KI-vermittelte Kommunikation (AI-Mediated Communication)

KI-Unterstützung für menschliche Interaktion

Kommunikation zwischen Menschen, die durch KI unterstützt wird, etwa durch Vorschläge in Echtzeit während Gesprächen im Kundenservice oder in der kollegialen Beratung. Das Buch beschreibt Studien, in denen solche Unterstützung die Problemlösung oder die wahrgenommene Empathie verbesserte, insbesondere bei weniger erfahrenen Beschäftigten. Außerdem wirft es Fragen zu Offenlegung, Vertrauen und Datenschutz auf sowie dazu, ob Nutzer wissen, wann Kommunikation durch KI beeinflusst wurde.

Zone der proximalen Entwicklung

Was mit Unterstützung erlernbar wird

Ein Konzept, das mit dem Psychologen Lev Vygotsky verbunden ist. Es beschreibt den Bereich zwischen dem, was Lernende selbstständig tun können, und dem, was sie mit Unterstützung einer kompetenteren Person bewältigen können. Im Buch kann eine KI als solche Unterstützung dienen, indem sie Hinweise, Erklärungen und auf die Lernenden abgestimmte Übungen anbietet, sofern sie deren Anstrengung unterstützt und nicht ersetzt.

Ich sehe einen Sinn darin, ich kann es schaffen, und ich zähle

Drei Quellen der Motivation

Die Kurzform des Buches für drei innere Voraussetzungen, die Lernende zu Anstrengungen ermutigen. „Ich sehe einen Sinn darin“ bezieht sich auf Zweck und Relevanz. „Ich kann es schaffen“ betrifft das Vertrauen, dass die Aufgabe mit Anstrengung zu bewältigen ist. „Ich zähle“ betrifft Selbstbestimmung und das Gefühl, dass die eigenen Entscheidungen oder Beiträge Bedeutung haben. Diese Gedanken fließen neben klaren Anweisungen und Erfolgskriterien in die Gestaltung von Aufgaben ein.

kognitive Artefakte

Werkzeuge, die das Denken prägen

Gegenstände oder Technologien, die verändern, wie Menschen Informationen darstellen, abrufen oder mit ihnen arbeiten. Das Buch unterscheidet zwischen ergänzenden Artefakten, die die Fähigkeiten einer Person stärken können, und konkurrierenden Artefakten, die eine Aufgabe erledigen, ohne notwendigerweise die zugrunde liegende Fähigkeit aufzubauen. Welche Rolle KI spielen wird, lässt es offen, da dies zum Teil davon abhängt, wie Menschen sie einsetzen.

Post-Plagiat (post-plagiarism)

Normen für Autorenschaft im KI-Zeitalter

Ein Rahmen, um über Schreiben in einer Zeit nachzudenken, in der die Zusammenarbeit zwischen Menschen und KI alltäglich werden könnte. Das Buch stellt sechs Grundsätze vor, darunter, dass menschliche Kreativität gefördert werden kann, Verantwortung nicht abgegeben werden kann und Quellenangaben wichtig bleiben, auch wenn sich ältere Definitionen von Plagiat schwerer anwenden lassen. Es wirft Fragen nach Anerkennung und Autorenschaft auf, statt jede Unterstützung durch KI gleichzusetzen.

FAQ

Worum geht es in „Teaching with AI: A Practical Guide to a New Era of Human Learning“?

  • Überblick: Das von José Antonio Bowen und C. Edward Watson verfasste Buch untersucht die tiefgreifenden Auswirkungen künstlicher Intelligenz (KI) auf die Bildung und konzentriert sich darauf, wie KI unsere Denk-, Lehr- und Lernweise verändert.
  • Aufbau: Das Buch ist in drei Teile gegliedert: Mit KI denken, mit KI lehren und mit KI lernen. Jeder Teil behandelt unterschiedliche Aspekte der Integration von KI in die Bildung.
  • Zweck: Das Buch soll Lehrenden praktische Hinweise geben, wie sie KI nutzen können, um Lehren und Lernen zu verbessern und zugleich ethische Fragen und Fragen der Chancengleichheit zu berücksichtigen.
  • Herausgabe: Das Buch wurde in Kooperation mit der American Association of Colleges and Universities veröffentlicht und betont die Bedeutung von KI-Kompetenz für Lehrende und Studierende.

Warum sollte ich „Teaching with AI: A Practical Guide to a New Era of Human Learning“ lesen?

  • Relevanz: Da KI zunehmend in verschiedene Lebensbereiche integriert wird, ist es für Lehrende, Studierende und politische Entscheidungsträger wichtig, ihre Auswirkungen auf die Bildung zu verstehen.
  • Praktische Hinweise: Das Buch bietet umsetzbare Strategien und Beispiele dafür, wie sich KI in die Lehrpraxis einbinden lässt. Es ist damit eine wertvolle Ressource für Lehrende, die sich an technologische Veränderungen anpassen möchten.
  • Ethische Erwägungen: Das Buch behandelt die ethischen Folgen von KI in der Bildung und gibt Einblicke in einen verantwortungsvollen und chancengerechten Einsatz von KI.
  • Vorbereitung auf die Zukunft: Die Lektüre kann Lehrenden helfen, Studierende auf eine Zukunft vorzubereiten, in der KI-Kompetenz für den Erfolg im Berufsleben unerlässlich ist.

Was sind die wichtigsten Erkenntnisse aus „Teaching with AI: A Practical Guide to a New Era of Human Learning“?

  • KI-Kompetenz: Das Buch hebt KI-Kompetenz als zentrale Fähigkeit für Lehrende und Studierende hervor, die nötig ist, um sich auf dem künftigen Arbeitsmarkt zurechtzufinden.
  • KI als Partner: Es zeigt, wie KI Kreativität, Produktivität und Lernen fördern kann, wenn sie als gemeinsames Arbeitsmittel und nicht als Ersatz für menschliche Arbeit eingesetzt wird.
  • Ethischer Einsatz: Die Autoren betonen die Notwendigkeit, ethische Fragen beim Einsatz von KI zu berücksichtigen, und sprechen sich für Richtlinien aus, die einen gleichberechtigten Zugang sichern und Missbrauch verhindern.
  • Bildung neu denken: Das Buch legt nahe, dass KI die Bildungspraxis grundlegend verändern wird und deshalb Lehrmethoden, Bewertungsstrategien und Lernergebnisse neu überdacht werden müssen.

Wie schlägt „Teaching with AI“ vor, dass Lehrende KI in ihre Lehrpraxis integrieren?

  • KI-gestützte Werkzeuge: Das Buch empfiehlt, KI-Werkzeuge für Routineaufgaben wie Benotung und Feedback einzusetzen, damit Lehrende sich anspruchsvolleren Lehrtätigkeiten widmen können.
  • Individuelles Lernen: Es schlägt vor, mithilfe von KI personalisierte Lernerfahrungen zu ermöglichen und Inhalte sowie Leistungsbewertungen an die individuellen Bedürfnisse der Studierenden anzupassen.
  • Kreative Zusammenarbeit: Lehrende werden ermutigt, KI als Partnerin in kreativen Prozessen einzusetzen, um Studierenden dabei zu helfen, Ideen zu entwickeln und neue Perspektiven zu erkunden.
  • Ethische Diskussionen: Das Buch empfiehlt, Diskussionen über KI-Ethik und ihre Auswirkungen in den Lehrplan aufzunehmen, um Studierende auf einen verantwortungsvollen KI-Einsatz vorzubereiten.

Welche ethischen Überlegungen werden in „Teaching with AI“ behandelt?

  • Verzerrungen und Chancengleichheit: Das Buch thematisiert die Sorge, dass KI Verzerrungen aus ihren Trainingsdaten fortschreiben könnte, und betont die Notwendigkeit eines gerechten Zugangs zu KI-Werkzeugen.
  • Datenschutzbedenken: Es hebt hervor, wie wichtig es ist, Studierendendaten zu schützen und sicherzustellen, dass KI-Systeme transparent machen, wie Daten verwendet werden.
  • Verantwortlichkeit: Die Autoren erörtern, warum klare Richtlinien für den Einsatz von KI in der Bildung nötig sind, damit Studierende und Lehrende ihre Verantwortung verstehen.
  • Risiken von Fehlinformationen: Das Buch warnt davor, dass KI Falschinformationen erzeugen kann, und betont, wie wichtig es ist, Studierenden beizubringen, KI-generierte Inhalte kritisch zu bewerten.

Wie behandelt „Teaching with AI“ das Thema KI und Betrug?

  • Herausforderungen bei der Erkennung: Das Buch erkennt die Grenzen von KI-Detektoren und die Möglichkeit falsch positiver Ergebnisse an und mahnt zu einem vorsichtigen Umgang mit ihnen.
  • Betrug neu definieren: Es legt nahe, dass im Zusammenhang mit KI neu überdacht werden muss, was als Betrug gilt, wobei der Wert menschlicher Anstrengung und Kreativität im Mittelpunkt stehen sollte.
  • Vorbeugende Strategien: Die Autoren schlagen vor, Aufgaben so zu gestalten, dass Prozess und kritisches Denken im Vordergrund stehen und es Studierenden schwerer fällt, sich ausschließlich auf KI zu verlassen.
  • Akademische Integrität: Das Buch betont, wie wichtig eine Kultur der Integrität und Transparenz beim KI-Einsatz ist, und ermutigt Studierende, die Verwendung von KI-Werkzeugen offenzulegen.

Welche praktischen Beispiele für KI-Werkzeuge werden in „Teaching with AI“ genannt?

  • Recherchewerkzeuge: Das Buch erwähnt Werkzeuge wie Consensus und Elicit, die Datenbanken abfragen, um genaue Quellenangaben bereitzustellen und Forschungsergebnisse zusammenzufassen.
  • Feedbacksysteme: KI kann Studierenden unmittelbar individuelles Feedback geben und ihnen dabei helfen, ihre Arbeit in Echtzeit zu verbessern.
  • Kreative Anwendungen: Werkzeuge wie Midjourney und Stable Diffusion werden für ihre Fähigkeit hervorgehoben, kreative Inhalte wie Bilder und Entwürfe zu erzeugen.
  • Unterstützung in der Verwaltung: KI kann bei Verwaltungsaufgaben wie der Terminplanung und der Organisation des Austauschs mit Studierenden helfen und Lehrenden so mehr Zeit für den Unterricht verschaffen.

Wie schlägt „Teaching with AI“ vor, Qualität in der Bildung neu zu definieren?

  • KI als Ausgangsniveau: Das Buch legt nahe, dass KI-generierte Arbeiten als neues Ausgangsniveau für durchschnittliche Leistungen gelten sollten, damit Studierende über diesen Standard hinausgehen.
  • Höhere Maßstäbe: Es plädiert dafür, die Anforderungen an hochwertige Arbeit anzuheben und kritisches Denken, Kreativität und Originalität stärker zu gewichten.
  • Anpassung der Bewertungsraster: Lehrende werden ermutigt, ihre Bewertungsraster an die Fähigkeiten von KI anzupassen und menschliche Beiträge angemessen zu würdigen.
  • Fokus auf den Prozess: Das Buch betont, wie wichtig es ist, den Prozess und den Aufwand hinter studentischen Arbeiten zu bewerten, statt nur das Endprodukt.

Welche Zitate aus „Teaching with AI“ sind besonders aussagekräftig und was bedeuten sie?

  • „KI wird unser Verhältnis zum Denken verändern.“ Dieses Zitat unterstreicht die tiefgreifenden Auswirkungen von KI auf kognitive Prozesse und deutet darauf hin, dass KI unseren Umgang mit Problemlösung und Kreativität verändern wird.
  • „Was Lehrende Betrug nennen, nennt die Wirtschaft Fortschritt.“ Diese Aussage spiegelt unterschiedliche Sichtweisen auf den KI-Einsatz wider und betont, dass Lehrpraktiken mit Anwendungen in der realen Welt in Einklang gebracht werden müssen.
  • „KI-Kompetenz muss auch umfassen, wie man die richtige KI für die jeweilige Aufgabe findet.“ Dieses Zitat unterstreicht, wie wichtig es ist, Studierenden beizubringen, KI-Werkzeuge für bestimmte Aufgaben kritisch zu bewerten und auszuwählen.
  • „KI ist ein Werkzeug, das die Kreativität und Produktivität aller steigern kann.“ Das hebt das Potenzial von KI hervor, menschliche Fähigkeiten zu erweitern, und ermutigt dazu, sie als Partnerin einzusetzen.

Wie schlägt „Teaching with AI“ vor, dass Lehrende mit KI-generierten Inhalten in studentischen Arbeiten umgehen?

  • Transparenz: Das Buch empfiehlt, von Studierenden die Offenlegung des Einsatzes von KI-Werkzeugen zu verlangen und sie bei der Abgabe von Aufgaben KI-Interaktionsprotokolle einreichen zu lassen.
  • Dokumentation des Arbeitsprozesses: Es schlägt vor, Studierende aufzufordern, ihren Schreibprozess zu dokumentieren, einschließlich

Über den Autor

José Antonio Bowen ist der Autor von „Teaching with AI“. Er war Präsident des Goucher College und verfügt über umfassende Erfahrung in der Leitung von Hochschulen. Bowen verfasste das Buch gemeinsam mit C. Edward Watson, der als Vizepräsident für Curriculums- und Lehrinnovationen bei AAC&U tätig ist. Bowens Fachkenntnis in den Bereichen Bildung und Innovation zeigt sich im Ansatz des Buches zur Integration von KI in die Lehrpraxis. Seine Arbeit konzentriert sich darauf, Lehrende bei der Anpassung an technologische Veränderungen und der Verbesserung des Lernerlebnisses der Studierenden zu unterstützen. Bowens Erfahrung sowohl in der akademischen Verwaltung als auch in der Lehre prägt seine Sicht auf die Herausforderungen und Chancen, die KI im Bildungswesen mit sich bringt.

PDF herunterladen

Lade das kostenlose PDF herunter, um die Zusammenfassung von Teaching with AI für später zu speichern. Du kannst es ausdrucken oder offline lesen, wann immer du möchtest.
Download PDF

EPUB herunterladen

Lade das kostenlose EPUB herunter, um die Zusammenfassung von Teaching with AI auf deinem E-Reader oder in einer Lese-App zu lesen. Das digitale Buchformat .epub eignet sich ideal zum Lesen auf Smartphones, Tablets und E-Readern.
Download EPUB
Möchten Sie das vollständige Buch lesen?
Folgen
Anhören
Start
Swipe
Biblio
App
3 Tage Vollzugriff testen
Anhören, speichern und mehr
Funktionen vergleichen Kostenlos Pro
📖 Zusammenfassungen lesen
Unbegrenzt Zusammenfassungen lesen. Kostenlose Nutzer erhalten 3 pro Monat
🎧 Zusammenfassungen anhören
Unbegrenzt Zusammenfassungen in 40 Sprachen anhören
—
❤️ Unbegrenzte Lesezeichen
Kostenlose Nutzer sind auf 4 begrenzt
—
📜 Unbegrenzter Verlauf
Kostenlose Nutzer sind auf 4 begrenzt
—
📥 Unbegrenzte Downloads
Kostenlose Nutzer sind auf 1 begrenzt
—
Risikofreier Zeitplan
Heute: Sofortzugang erhalten
Vollständige Zusammenfassungen von über 26.000 Büchern anhören. Das sind über 12.000 Stunden Audio!
Tag 2: Erinnerung an Testphase
Wir senden Ihnen eine Benachrichtigung, dass Ihre Testphase bald endet.
Tag 3: Ihr Abonnement beginnt
Die Abbuchung erfolgt am 24. Nov.,
vorher jederzeit kündbar.
Consume 2.8× More Books
2.8× weitere Bücher Hören Lesen
Unsere Nutzer lieben uns
1M+ Leser
Trustpilot Rating
TrustPilot
4.6 Hervorragend
Diese Seite ist ein absoluter Gamechanger. Ich habe noch nie so schnell Buchzusammenfassungen gelesen. Sehr, sehr empfehlenswert.
— Dave G
Das Geld und die Zeit absolut wert und wirklich gut gemacht. Eine solche Qualität von Zusammenfassungen habe ich auf anderen Websites noch nie gesehen. Sehr hilfreich!
— Em
Sehr empfehlenswert!! Fantastischer Service. Perfekt für alle, die mehr als einen Teaser möchten, aber nicht alle Details eines vollständigen Hörbuchs brauchen.
— Greg M
62 % sparen
Jährlich
$119.88 $44.99/Jahr/J.
$3.75/Mon.
Monatlich
$9.99/Mon.
3-tägige kostenlose Testphase starten
3 Tage kostenlos, dann $44.99/Jahr. Jederzeit kündbar.
Unlock a world of fiction & nonfiction books
26.000+ Bücher zum Preis von 2 Büchern
Lesen Sie jedes Buch in 10 Minuten
Entdecken Sie neue Bücher wie bei Tinder
Fordern Sie jedes Buch an, das noch nicht zusammengefasst ist
Lesen Sie mehr Bücher als jeder, den Sie kennen
Die Nr. 1 App für Buchliebhaber
Lifelike & immersive summaries
30-Tage-Geld-zurück-Garantie
Zusammenfassungen als EPUB oder PDF herunterladen
Jederzeit mit wenigen Klicks kündbar

Warum nur eine Zusammenfassung?

Scanner
Barcode zum Scannen finden

⭐
⭐
⭐
Wir haben ein besonderes Geschenk für Sie
Öffnen
38% Rabatt
RABATT FÜR DICH
⭐
⭐
⭐
$79.99
$49.99/Jahr
Nur $4.16 pro Monat
Weiter
Mit 2 Taps starten, ganz einfach kündigen
Einstellungen
Allgemein
Widget
Wird geladen...