26kgg612 10.3205/26kgg612 urn:nbn:de:0183-26kgg6125 Meeting Abstract Glaser Glaser Nadine N

Medizinische Fakultät der Martin-Luther-Universität Halle-Wittenberg, Institut für Medizinische Epidemiologie, Biometrie und Informatik, Deutschland

author Bartz Bartz Antonia A

Universität Münster, Institut für Epidemiologie und Sozialmedizin, Münster, Deutschland

author Bayer Bayer Oliver O

Johannes Gutenberg-Universität Mainz, Institut für medizinische Biometrie, Epidemiologie und Informatik, Mainz, Deutschland

author Jaeger Jaeger Veronika V

Universität Münster, Institut für Epidemiologie und Sozialmedizin, Münster, Deutschland

author Krumkamp Krumkamp Ralf R

Bernhard-Nocht-Institut für Tropenmedizin, Hamburg, Abteilung Infektionsepidemiologie, Laborgruppe Angewandte Epidemiologie und Biostatistik, Hamburg, Deutschland

author Lukic Lukic Marko M

The Arctic University of Norway, Resource center for teaching, learning and technology (Result), Norwegen

author Minnerup Minnerup Heike H

Universität Münster, Institut für Epidemiologie und Sozialmedizin, Münster, Deutschland

author Pickford Pickford Regina R

Ludwig-Maximilians-Universität München, Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie, München, Deutschland

author Rohmann Rohmann Jessica J

Charité, QUEST Center for Responsible Research, Berliner Institut für Gesundheitsforschung, Universitätsmedizin Berlin, Deutschland

author German Medical Science GMS Publishing House

Düsseldorf

610 20251030 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0662 612 Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin Deutsche Gesellschaft für Sozialmedizin und Prävention Netzwerk Evidenzbasierte Medizin e.V. Deutsche Gesellschaft für Medizinische Soziologie 60. Kongress für Allgemeinmedizin und Familienmedizin Gesundheit gestalten Kompetent mit KI lehren und lernen Göttingen 20260930 20261002 SYM-12-03 TextHintergrund: Generative künstliche Intelligenz (GenAI) wird in nahezu allen wissenschaftlichen Disziplinen zunehmend eingesetzt. Besonders für die Epidemiologie und verwandte Forschungsfelder, die sich stark auf Datenanalyse und statistisches Programmieren stützen, ergeben sich daraus weitreichende Konsequenzen. Um Chancen zu nutzen und mögliche Risiken zu minimieren, muss der Umgang mit GenAI explizit in die epidemiologische Lehre integriert werden. Auch der didaktische (Zusatz-)Nutzen von GenAI bedarf konkreter Handlungsempfehlungen.Zielsetzung/Fragestellung: Die Entwicklung konkreter Empfehlungen für die sinnvolle Integration von GenAI in die epidemiologische Ausbildung, sowohl als “Werkzeug” für den wissenschaftlichen Einsatz, den Umgang in Prüfungssituationen als auch für die didaktische Nutzung als Lehr- und Lernmittel.Methode: Im Rahmen eines dreitägigen, von der gemeinsamen Arbeitsgruppe (AG) “Lehre in der Epidemiologie” der Fachgesellschaften DGEpi, GMDS und DGSMP organisierten Fokus-Workshops wurden Empfehlungen entwickelt. Die neunköpfige Expertengruppe bestand aus den drei AG-Sprecherinnen sowie nationalen und internationalen Expert:innen. Im Zuge des Workshops wurden in strukturierten Diskussionen Handlungsvorschläge entwickelt, evaluiert und zu Empfehlungen zusammengefasst.Ergebnisse: Zentrales Ergebnis sind konkrete, an Lehrkräfte gerichtete Empfehlungen zum Umgang mit GenAI in der epidemiologischen Ausbildung. Diese umfassen unter anderem Rahmenrichtlinien für die verantwortungsvolle Nutzung von GenAI bei der Generierung wissenschaftlicher Inhalte (z.B. Nutzungsoffenlegung, Ergebnisverifizierung, Verantwortlichkeiten) sowie Vorschläge für die notwendigen Kompetenzen für Lehrende und Studierende. Weiterhin wird die Integration von GenAI bei der Übermittlung von Lehrinhalten bei gleichzeitiger Vermeidung von Kompetenzverlust adressiert.Diskussion: Die Empfehlungen bieten eine Grundlage für den verantwortungsvollen und zukunftsorientierten Umgang mit GenAI in der epidemiologischen Lehre, erfordern jedoch eine grundlegende Überarbeitung bestehender Lehrkonzepte, -inhalte, Lernziele und Prüfungsformate. Angesichts der rapiden technologischen Entwicklung ist zudem eine kontinuierliche Aktualisierung notwendig. Die Empfehlungen können verwendet werden, um die Nutzung von GenAI datenschutzkonform und ethischen Standards entsprechend in die epidemiologische Lehre zu integrieren und diese zeitgemäß zu reformieren.Interessenkonflikte: Keine 0 0 0 0