idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
idw - Informationsdienst
Wissenschaft
Die digitalen Trainingsformate stärken das interprofessionelle Lernen und werden von Studierenden positiv bewertet.
Im Rahmen des Forschungsprojekts „KI-Patient:in IPL“ entwickelt ein interdisziplinäres Team der IU Internationalen Hochschule KI-gestützte Patient:innen-Modelle. Diese textbasierten Chatbots können in verschiedenen Modulen eingesetzt werden, in denen die Interaktion mit Patient:innen trainiert wird. Somit erweitern sie gezielt das digitale Lernangebot der IU. Studierende der Fernstudiengänge im Bereich Gesundheitsversorgung können damit unabhängig von Zeit und Ort Patient:innengespräche praxisnah trainieren und gleichzeitig interprofessionelle – also fächerübergreifende – Versorgungskonzepte, entwickeln.
Die KI-Bots simulieren reale Patient:innen und beantworten während der Anamnese Fragen zu Symptomen, Krankheitsbildern und Beschwerden. So lernen die Studierenden, Gespräche systematisch zu führen, relevante Informationen zu sammeln und diese im Team auszuwerten. All das geschieht in einer sicheren, flexiblen und wiederholbaren Lernumgebung.
Bislang wurden für das Training von Patient:innen-Gesprächen und weiteren praxisnahen Übungen in Pflege- und Gesundheitsstudiengängen hauptsächlich Schauspielpatient:innen eingesetzt – ein Verfahren, das sowohl zeit- als auch kostenintensiv ist. Die KI-gestützten Modelle ergänzen dieses Training nun auf effiziente Weise: Auf Basis der sogenannten LLM-Technologie (Large-Language-Models) können die Studierenden direkt in einen textbasierten Dialog mit den virtuellen Patient:innen treten. Die Bots reagieren realitätsnah wie echte Gesprächspartner:innen und passen sich den klinischen Situationen an. So lernen die Studierenden, Patient:innen gezielt zu befragen, Symptome einzuschätzen und die Ergebnisse anschließend gemeinsam in interprofessionellen Teams zu reflektieren.
Interdisziplinäres Forschungsprojekt
Das Projekt „KI-Patient:in IPL“ ist ein IU-Forschungsprojekt (IU Incubator), das von acht IU-Professor:innen getragen wird. Gemeinsam entwickeln sie das interdisziplinäre Modul „Interprofessionelle Zusammenarbeit in der virtuellen Hochschulklinik“ weiter. Ziel ist es, Studierenden aus verschiedenen gesundheitsnahen Fernstudiengängen praxisnahe und vernetzte Lernszenarien zu eröffnen – darunter Pflege, Physiotherapie, Ergotherapie und Logopädie, Ernährungswissenschaften und Diätetik sowie Gesundheits- und Pflegepädagogik. Im Sinne des interprofessionellen Lernens arbeiten Studierende und Lehrende hierbei nicht nur innerhalb ihres Fachs, sondern trainieren auch die Zusammenarbeit über Disziplinen hinweg.
Integration in IU-Fernstudiengänge
Über die Hochschul-Lernplattform und das jeweilige Lernmodul können Studierende direkt auf KI-Szenarien zugreifen. Ein anschauliches Beispiel hierfür ist der virtuelle Patient „Karl von Hausen“, der nach einem Fahrradunfall eine Gehirnblutung erlitt, die mit Begleitsymptomen wie Sprach- und Schluckstörungen einherging. Die Studierenden schlüpfen in diesem Szenario in die Rolle einer Gesundheitsfachkraft und sollen die Gesundheitssituation des virtuellen Patienten anhand von Fragen einschätzen.
„Der Fachkräftebedarf in Gesundheits- und Pflegeberufen ist hoch. KI-Trainingsmodelle, wie sie im Rahmen unseres interdisziplinären Moduls eingesetzt werden, ermöglichen es Studierenden, Theorie direkt mit praxisnahen Szenarien zu verknüpfen und kommunikative Fähigkeiten, strukturiertes Vorgehen sowie klinisches Denken gezielt zu trainieren“, erklärt Prof. Dr. Katharina Rädel-Ablass. Sie ist Professorin für Pflege an der IU Internationalen Hochschule und examinierte Krankenschwester sowie beteiligte Professorin an „KI-Patient-IPL“.
Ergänzend betont Prof. Dr. Cornelia Schlick, Professorin für Physiotherapie an der IU Internationalen Hochschule, dass „Beratungskompetenz aufgrund zunehmender digitaler Therapieangebote gerade in den Therapieberufen besonders wichtig wird. Das gezielte Trainieren kommunikativer Fähigkeiten ist daher heute unerlässlich.“
Begleitende Evaluation: Positive Resonanz der Studienteilnehmer:innen
Die Wirksamkeit der KI-gestützten Trainings wurde in einer Forschungsarbeit von den Professor:innen Katharina Rädel-Ablass, Klaus Schliz, Claudia Miersch und Cornelia Schlick untersucht. Dabei führten Studierende aus unterschiedlichen
Gesundheitsstudiengängen Anamnesegespräche mit einem KI-basierten Bot.
Die Ergebnisse zeigen eine klare Zustimmung der Teilnehmenden:
• 73,6 Prozent empfanden die Simulation als realitätsnah im Vergleich zu klassischen Gesprächen.
• Über 81 Prozent bewerteten die Verständlichkeit und die inhaltliche Präzision des Bots als „gut“ bis „sehr gut“.
• Rund 79 Prozent zogen das KI-gestützte Training klassischen Rollenspielen mit Schauspieler:innen vor.
„Die Rückmeldungen unserer Studierenden zeigen, dass KI-gestützte Szenarien ein realistisches, praxisnahes und zugleich ressourcenschonendes Trainingsformat darstellen. Damit lassen sich Lernkapazitäten erweitern und Kompetenzen gezielt aufbauen“, so Prof. Dr. Klaus Schliz, Professor für Pflegemanagement an der IU Internationalen Hochschule und beteiligter Professor an „KI-Patient-IPL“.
Er betont jedoch: „Aspekte wie Empathie, nonverbale Kommunikation und Flexibilität lassen sich durch KI nur eingeschränkt abbilden. Solange Lehrende und Studierende sich dieser Grenzen bewusst sind, bereichert der Einsatz solcher Modelle das praxisnahe Lernen erheblich.“
https://www.iu.de/forschung/projekte/ki-patient-ipl/
Criteria of this press release:
Journalists
interdisciplinary
transregional, national
Research projects, Transfer of Science or Research
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
