Statistische Lehrveranstaltungen werden von Studierenden erziehungswissenschaftlicher Studiengänge oft mit erheblichen Vorbehalten wahrgenommen und besucht. Diese Vorbehalte sind größtenteils auf defizitäre Selbstkonzepte zurückzuführen. Ausgangspunkt des Vortrags ist ein Master-Statistik-Seminar für angehende Berufspädagog:innen, welches mit der Programmiersoftware R durchgeführt wird. Im Vortrag werden zwei Ziele verfolgt: Zum einen soll die Wirksamkeit von KI-unterstütztem Lehren und Lernen mittels generativer KI wie ChatGPT überprüft werden. Zum anderen soll die Förderung von Data und AI Literacy erreicht werden, was in Verbindung mit dem ersten Ziel steht. Konzeptuell wird auf das Data Literacy Framework von Schüller und Busch (2019) zurückgegriffen. Das Framework umfasst das Lernstufen-Modell „The Kirkpatrick Four Levels“, sowie die Betrachtung der affektiven Ebene (Haltung, Werte, Ethik) und der kognitiven Ebene (Wissen und Fähigkeiten). Es wird zudem differenziert, ob die Leistungserbringung extrinsisch oder intrinsisch motiviert erfolgt. Die übergeordnete Forschungsfrage lautet: Inwiefern verändern sich statistikbezogene Einstellungen und Kompetenzen durch die Integration von generativer KI wie ChatGPT in der Lehre? Dabei werden qualitative und quantitative Daten (N = 60) aus vier Semestern herangezogen. Zum Beispiel können Selbsteinschätzungen der eigenen statistischen Kenntnisse in Beziehung zu objektiven Leistungsdaten gesetzt werden. Für eine Teilstichprobe (N1 = 30) liegen längsschnittliche Ergebnisse zu Besorgtheits-, Aufgeregtheits- und Vermeidungskognitionen (Faber et al., 2018) im Hinblick auf statistische Anforderungen im Studium vor. Es besteht außerdem die Möglichkeit, einen Vergleich zu früheren Semestern (N2 = 30) anzustellen, in denen noch keine generative KI in der Lehre eingesetzt wurde. Somit ergeben sich verschiedene Betrachtungsmöglichkeiten.