Hochschule München

HM Business School (FK 10)

Modulbeschreibung

Stand: WiSe 2024

Name	Generative KI (Chat GPT u.a.) in wissenschaftlicher Forschung
Katalog-Nummer	FK 10#SEM#5.3.27/6.3.27
Zugehörigkeit zu Curriculum	Bachelor Betriebswirtschaft \| 5.3 \| 5 Leistungspunkte Bachelor Betriebswirtschaft \| 6.3 \| 5 Leistungspunkte
Modulverantwortung	Brehm, Lars (Prof. Dr.) Slamka, Jessica (Prof. Dr.)
Lehrende	Slamka, Jessica (Prof. Dr.)
Prüfung(en)	Prüfungsform: ModA Detailangaben: Anforderungen und Abgaben Meilenstein 1: Tool-Exploration Abgabe: Kurzbericht (3 Seiten) über 2 verschiedene generische KI-Tools (ChatGPT (GPT4), Claude 3.5 Sonnet) Beschreibung der Tools Potenzielle Einsatzbereiche im wissenschaftlichen Arbeiten Erste Einschätzung von Stärken und Schwächen Meilenstein 2: Prompt-Engineering Abgabe: Entwicklung von 10 optimierten Prompts für wissenschaftliche Aufgaben Definition der Aufgaben Jeweils Original-Prompt und verbesserter Prompt Begründung der Verbesserungen Analyse der Ergebnisunterschiede Meilenstein 3: Qualitätsevaluation Abgabe: Evaluationsbericht (4 Seiten) über die Qualität von KI-generierten Inhalten Entwicklung von Qualitätskriterien Vergleich von KI-Outputs mit menschlich erstellten Inhalten Kritische Diskussion der Ergebnisse Meilenstein 4: Systematic Literature Review (SLR) mit KI-Unterstützung Abgabe: SLR-Bericht (8 Seiten) zu einem vorgegeben Thema Definition der Suchstrategie und Auswahlkriterien für relevante Literatur Dokumentation der Durchführung mit einem KI-Tool (Elicit oder Research Rabbit) und manueller Recherche Beschreibung des verwendeten Tools Vergleich der Ergebnisse: KI-gestützt vs. manuell Kritische Bewertung der Literaturauswahl hinsichtlich Qualität und Relevanz Reflexion über Vor- und Nachteile des KI-Einsatzes im SLR-Prozess Meilenstein 5: Reflexionsbericht: KI vs. eigene intellektuelle Leistung Abgabe: Reflexion der Rolle von KI im wissenschaftlichen Arbeiten, insbesondere in Bezug auf die eigene intellektuelle Leistung (4 Seiten) Diskussion der ethischen und intellektuellen Implikationen des KI-Einsatzes Konkrete Beispiele, bei denen der Einsatz von KI besonders hilfreich oder problematisch war Eigene Positionierung zur Frage: „Wie viel KI ist im wissenschaftlichen Arbeiten vertretbar?“ Bewertungskriterien Verständnis und Anwendung von KI-Tools (20%) Tiefe des Verständnisses der Tool-Funktionalitäten Kreativität und Relevanz der Anwendungsszenarien Qualität des Prompt-Engineerings (20%) Effektivität der verbesserten Prompts Klarheit der Begründungen für Verbesserungen Analytische Fähigkeiten (20%) Gründlichkeit der Qualitätsevaluation Kritisches Denken in der Ergebnisanalyse Praktische Anwendung (30%) Sinnvoller Einsatz von KI-Tools im SLR-Projekt Reflexionsfähigkeit bezüglich Vor- und Nachteilen Formales (10%) Einhaltung akademischer Standards (korrekte Zitation, klare Trennung von KI-generierten und eigenen Inhalten) Korrekte Rechtschreibung und Grammatik Klarheit und Struktur der vermittelten Inhalte Fähigkeit, komplexe Ideen verständlich zu vermitteln Teambildung Teams à 2 Personen Eintragung über Moodle bis 21.10.2024 Abgabetermin: 13.01.2025 Hildsmittel: Generative KI-Tools entsprechend der Aufgabenstellung Prüfende: Slamka, Jessica (Prof. Dr.) , Brehm, Lars (Prof. Dr.)
Lehr- und Lernform(en)	Seminar \| 4 SWS \| S - 1 Angebot(e)
Arbeitsaufwand	Präsenzzeit: 0 Stunden Selbststudium, Vor- und Nachbereitung, Prüfungsvorbereitung: 0 Stunden
Voraussetzungen
Verwendbarkeit
Inhalt / Lernziele	Dieses Seminar richtet sich an BWL-Bachelorstudierende ab dem 5. Semester und zielt darauf ab, den effektiven Einsatz generativer KI-Tools im wissenschaftlichen Arbeitsprozess zu vermitteln. Lernziele Kennenlernen verschiedener KI-Tools und deren Einsatzzwecke Erlernen effektiver Anwendung (Prompt-Erstellung) Evaluation der Ergebnisqualität Kritische Reflexion des KI-Einsatzes im wissenschaftlichen Kontext Teambildung Teams à 2 Personen Eintragung über Moodle bis 21.10.2024 Anforderungen und Abgaben Meilenstein 1: Tool-Exploration Abgabe: Kurzbericht (3 Seiten) über 2 verschiedene generische KI-Tools (ChatGPT (GPT4), Claude 3.5 Sonnet) Beschreibung der Tools Potenzielle Einsatzbereiche im wissenschaftlichen Arbeiten Erste Einschätzung von Stärken und Schwächen Meilenstein 2: Prompt-Engineering Abgabe: Entwicklung von 10 optimierten Prompts für wissenschaftliche Aufgaben Definition der Aufgaben Jeweils Original-Prompt und verbesserter Prompt Begründung der Verbesserungen Analyse der Ergebnisunterschiede Meilenstein 3: Qualitätsevaluation Abgabe: Evaluationsbericht (4 Seiten) über die Qualität von KI-generierten Inhalten Entwicklung von Qualitätskriterien Vergleich von KI-Outputs mit menschlich erstellten Inhalten Kritische Diskussion der Ergebnisse Meilenstein 4: Systematic Literature Review (SLR) mit KI-Unterstützung Abgabe: SLR-Bericht (8 Seiten) zu einem vorgegeben Thema Definition der Suchstrategie und Auswahlkriterien für relevante Literatur Dokumentation der Durchführung mit einem KI-Tool (Elicit oder Research Rabbit) und manueller Recherche Beschreibung des verwendeten Tools Vergleich der Ergebnisse: KI-gestützt vs. manuell Kritische Bewertung der Literaturauswahl hinsichtlich Qualität und Relevanz Reflexion über Vor- und Nachteile des KI-Einsatzes im SLR-Prozess Meilenstein 5: Reflexionsbericht: KI vs. eigene intellektuelle Leistung Abgabe: Reflexion der Rolle von KI im wissenschaftlichen Arbeiten, insbesondere in Bezug auf die eigene intellektuelle Leistung (4 Seiten) Diskussion der ethischen und intellektuellen Implikationen des KI-Einsatzes Konkrete Beispiele, bei denen der Einsatz von KI besonders hilfreich oder problematisch war Eigene Positionierung zur Frage: „Wie viel KI ist im wissenschaftlichen Arbeiten vertretbar?“

English Version

Name	Generative KI (Chat GPT u.a.) in wissenschaftlicher Forschung
Katalog-Nummer	FK 10#SEM#5.3.27/6.3.27
Zugehörigkeit zu Curriculum	Bachelor Betriebswirtschaft \| 5.3 \| 5 Leistungspunkte Bachelor Betriebswirtschaft \| 6.3 \| 5 Leistungspunkte
Modulverantwortung	Brehm, Lars (Prof. Dr.) Slamka, Jessica (Prof. Dr.)
Lehrende	Slamka, Jessica (Prof. Dr.)
Prüfung(en)	Prüfungsform: ModA Detailangaben: Anforderungen und Abgaben Meilenstein 1: Tool-Exploration Abgabe: Kurzbericht (3 Seiten) über 2 verschiedene generische KI-Tools (ChatGPT (GPT4), Claude 3.5 Sonnet) Beschreibung der Tools Potenzielle Einsatzbereiche im wissenschaftlichen Arbeiten Erste Einschätzung von Stärken und Schwächen Meilenstein 2: Prompt-Engineering Abgabe: Entwicklung von 10 optimierten Prompts für wissenschaftliche Aufgaben Definition der Aufgaben Jeweils Original-Prompt und verbesserter Prompt Begründung der Verbesserungen Analyse der Ergebnisunterschiede Meilenstein 3: Qualitätsevaluation Abgabe: Evaluationsbericht (4 Seiten) über die Qualität von KI-generierten Inhalten Entwicklung von Qualitätskriterien Vergleich von KI-Outputs mit menschlich erstellten Inhalten Kritische Diskussion der Ergebnisse Meilenstein 4: Systematic Literature Review (SLR) mit KI-Unterstützung Abgabe: SLR-Bericht (8 Seiten) zu einem vorgegeben Thema Definition der Suchstrategie und Auswahlkriterien für relevante Literatur Dokumentation der Durchführung mit einem KI-Tool (Elicit oder Research Rabbit) und manueller Recherche Beschreibung des verwendeten Tools Vergleich der Ergebnisse: KI-gestützt vs. manuell Kritische Bewertung der Literaturauswahl hinsichtlich Qualität und Relevanz Reflexion über Vor- und Nachteile des KI-Einsatzes im SLR-Prozess Meilenstein 5: Reflexionsbericht: KI vs. eigene intellektuelle Leistung Abgabe: Reflexion der Rolle von KI im wissenschaftlichen Arbeiten, insbesondere in Bezug auf die eigene intellektuelle Leistung (4 Seiten) Diskussion der ethischen und intellektuellen Implikationen des KI-Einsatzes Konkrete Beispiele, bei denen der Einsatz von KI besonders hilfreich oder problematisch war Eigene Positionierung zur Frage: „Wie viel KI ist im wissenschaftlichen Arbeiten vertretbar?“ Bewertungskriterien Verständnis und Anwendung von KI-Tools (20%) Tiefe des Verständnisses der Tool-Funktionalitäten Kreativität und Relevanz der Anwendungsszenarien Qualität des Prompt-Engineerings (20%) Effektivität der verbesserten Prompts Klarheit der Begründungen für Verbesserungen Analytische Fähigkeiten (20%) Gründlichkeit der Qualitätsevaluation Kritisches Denken in der Ergebnisanalyse Praktische Anwendung (30%) Sinnvoller Einsatz von KI-Tools im SLR-Projekt Reflexionsfähigkeit bezüglich Vor- und Nachteilen Formales (10%) Einhaltung akademischer Standards (korrekte Zitation, klare Trennung von KI-generierten und eigenen Inhalten) Korrekte Rechtschreibung und Grammatik Klarheit und Struktur der vermittelten Inhalte Fähigkeit, komplexe Ideen verständlich zu vermitteln Teambildung Teams à 2 Personen Eintragung über Moodle bis 21.10.2024 Abgabetermin: 13.01.2025 Hildsmittel: Generative KI-Tools entsprechend der Aufgabenstellung Prüfende: Slamka, Jessica (Prof. Dr.) , Brehm, Lars (Prof. Dr.)
Lehr- und Lernform(en)	Seminar \| 4 SWS \| S - 1 Angebot(e)
Arbeitsaufwand	Präsenzzeit: 0 Stunden Selbststudium, Vor- und Nachbereitung, Prüfungsvorbereitung: 0 Stunden
Voraussetzungen
Verwendbarkeit
Inhalt / Lernziele	This seminar is aimed at business administration bachelor students from the 5th semester and aims to teach the effective use of generative AI tools in the scientific work process. Learning objectives Getting to know different AI tools and their purposes Learning how to use them effectively (prompt creation) Evaluation of the quality of results Critical reflection on the use of AI in a scientific context Team formation Teams of 2 people Registration via Moodle until 21.10.2024 Requirements and submissions Milestone 1: Tool exploration Deliverable: Short report (3 pages) on 2 different generic AI tools (ChatGPT (GPT4), Claude 3.5 Sonnet) Description of the tools Potential areas of application in scientific work Initial assessment of strengths and weaknesses Milestone 2: Prompt engineering Deliverable: Development of 10 optimized prompts for scientific tasks Definition of the tasks Original prompt and improved prompt in each case Justification of the improvements Analysis of the differences in results Milestone 3: Quality evaluation Deliverable: Evaluation report (4 pages) on the quality of AI-generated content Development of quality criteria Comparison of AI outputs with human-generated content Critical discussion of the results Milestone 4: Systematic Literature Review (SLR) with AI support Deliverable: SLR report (8 pages) on a given topic Definition of the search strategy and selection criteria for relevant literature Documentation of the implementation with an AI tool (Elicit or Research Rabbit) and manual research Description of the tool used Comparison of the results: AI-supported vs. manual Critical evaluation of the literature selection in terms of quality and relevance Reflection on the advantages and disadvantages of using AI in the SLR process Milestone 5: Reflection report: AI vs. own intellectual performance Deliverable: Reflection on the role of AI in scientific work, especially in relation to own intellectual performance (4 pages) Discussion of the ethical and intellectual implications of the use of AI Specific examples where the use of AI was particularly helpful or problematic Own position on the question: “How much AI is acceptable in scientific work?"