Veranstaltungsprogramm

SECT (Software Engineering Coding Teacher) ist ein KI-gestütztes Tool zur Unterstützung von Studierenden beim Erlernen von Programmiersprachen, insbesondere JavaScript, in der Lehrveranstaltung „Softwareentwicklung“ an der Hochschule der Medien Stuttgart.

Während KI-Modelle wie ChatGPT das Programmieren erleichtern, kann ihr übermäßiger Einsatz das tiefe Verständnis, die praktische Erfahrung und die Problemlösungsfähigkeiten der Studierenden beeinträchtigen.

SECT wurde entwickelt, um eine ausgewogene Nutzung von KI im Lernprozess zu ermöglichen. Es hilft Studierenden, ihre eigenen Lösungen zu entwickeln, indem es Fragen zu ihrem Code beantwortet, ohne direkte Lösungen zu liefern. Stattdessen gibt SECT Hinweise, Verbesserungsvorschläge oder beschreibt mögliche Lösungswege – ähnlich einem Tutor.

Typische Anwendungsfälle von SECT sind Fehleranalyse, Verständnisfragen und Code-Qualitätssicherung. Seit einem Jahr wird SECT im Unterricht eingesetzt und laufend evaluiert. Eine Studie untersucht die Auswirkungen auf Code-Qualität, Erfolgsquote, Bearbeitungszeit, Prüfungsnoten und Studierendenfeedback. Die Ergebnisse sollen auf der Learning AID präsentiert und diskutiert werden.

Im Projekt „Singularity“ entwickelt das Center für Lehr- und Lernservices der RWTH ein gleichnamiges Serious Game, in dem Studierende aller Fachrichtungen spielerisch die Grundlagen der AI Literacy erlernen können. Die Handlung spielt auf einem menschenleeren Raumschiff, dessen Räume und Vorgeschichte die Lernenden nach und nach erkunden. Dabei begegnen die Lernenden unter anderem dem historischen Chatbot ELIZA und dem Schachcomputer Deep Blue. Später im Spiel werden auch generative Modelle verfügbar, die die Studierenden bei verschiedenen Aufgaben einsetzen können. Dabei erfahren die Lernenden ausgewählte Potenziale und mögliche negative Konsequenzen des Einsatzes generativer Technologien und sind angehalten, ihr eigenes Vorgehen und ihr Rollenverständnis im Umgang mit diesen Technologien zu reflektieren.

Zu Beginn des Projekts wurden die Kompetenzen identifiziert, die Studierende zu einem fachgerechten und verantwortungsvollen Umgang insbesondere text- und bildgenerierenden Modellen im Studium befähigen. Die Lernergebnisse werden im Projektteam kontinuierlich diskutiert und auf Aktualität geprüft, da sich die generativen Technologien und damit auch die Kompetenzanforderungen aktuell sehr dynamisch weiterentwickeln.

In dieser Demonstration möchten wir die bereits umgesetzten Szenarien des webbasierten Spiels vorstellen und mit den Konferenzteilnehmenden diskutieren. Die Teilnehmenden haben die Möglichkeit, die Szenarien an einem bereitgestellten Computer selbst auszuprobieren.

Im Rahmen des Projektes HAnS (Hochschul-Assistenz-System) wird eine Lehr-/Lernumgebung entwickelt, die Lehrmaterialien (Video-/Audioaufzeichnungen, Begleitfoliensätze) mittels künstlicher Intelligenz (KI) aufbereitet und durchsuchbar macht. Vorlesungsvideos werden durch automatische Spracherkennung transkribiert und die ursprünglichen Materialien durch zusätzliche durch Large Language Models (LLM)-erzeugte Inhalte angereichert, z.B. Zusammenfassungen und Segmentierung des Vorlesungsstoffs in Kapitel. Ein Fragengenerator erstellt geschlossene Fragen zu den Vorlesungsinhalten. Bei dem integrierten LLM-basierten Chatbot basiert die Erzeugung der Ausgaben neben dem LLM-Weltwissen auch auf dem wählbaren Kontext der Lehrmaterialien. Ein Tutor-Modus soll die aktive Auseinandersetzung der Lernenden mit den Vorlesungsinhalten weiter steigern. Die Lehrenden können die automatisch erzeugten Inhalte vor der Veröffentlichung sichten und bearbeiten. Die technische Entwicklung von HAnS wird interdisziplinär begleitet, kontinuierlich überprüft und in iterativen Zyklen vorangetrieben. Begleitforschungsergebnisse und die Expertise in den Bereichen Evaluation, Bildungswissenschaft, Ethik- und Akzeptanzforschung sowie Datenschutz werden gebündelt und berücksichtigt. Das Verbundprojekt und auch der seit Herbst 2022 laufende Testbetrieb kommen im November 2025 zum Abschluss. Für die Learning AID 2025 ist eine Demonstration der HAnS-Funktionen aus Studierenden- und Lehrenden-Perspektive geplant.

KI gewinnt in der Lehrer:innenbildung zunehmend an Bedeutung: Zukünftige Lehrkräfte sollen die Technologie nicht nur kompetent nutzen, sondern auch ihre Schüler:innen zu einem kritisch-konstruktiven Umgang befähigen. Die KMK (2024) fordert daher, KI-Kompetenzen bereits in der ersten Phase der Lehrer:innenbildung zu vermitteln, etwa für unterrichtliche Planungsentscheidungen. Diesen Ansatz verfolgte im SoSe 2024 ein Begleitseminar zum Allgemeinen Schulpraktikum an einer niedersächsischen Universität. Ziel war, die Planungs- und Reflexionskompetenz angehender Grund-, Haupt- und Realschullehrer:innen mithilfe KI-basierter Werkzeuge zu fördern. Das Seminar im Bachelor bereitet auf das sechswöchige Praktikum vor, in dem eigene Unterrichtsentwürfe entwickelt, erprobt und reflektiert werden. Das didaktische Konzept des Seminars umfasste drei KI-Nutzungsszenarien: 1. generierte die KI Unterrichtsverlaufspläne, die von den Studierenden nach fachspezifischen Kriterien evaluiert und optimiert wurden; 2. entwickelten sie gezielte Prompts, um KI-gestütztes Feedback zu erhalten und ihre Entwürfe iterativ zu verbessern; 3. wurde KI als Lerngegenstand fokussiert. Die hohe Relevanz des im Seminar umgesetzten Ansatzes bestätigt der universitäre Lehrpreis für „innovative Lehre mit Fokus auf KI“. In der vorgeschlagenen Demonstration wird veranschaulicht, wie das didaktische Konzept mithilfe von KI umgesetzt wurde, um die Planungs- und Reflexionskompetenz der Studierenden gemeinsam zu stärken.

Akademische Kompetenz umfasst Wissen, Anwendungsfähigkeiten sowie motivationale Orientierungen und Einstellungen. Da Einstellungen nicht direkt gelehrt werden können, ist die Förderung von Selbstreflexion hier ein wichtiger Ansatz. An der Fakultät Information und Kommunikation der Hochschule der Medien Stuttgart wurden bereits ePortfolio-Arbeit und Gruppencoaching als didaktische Interventionen zur Unterstützung von Selbstreflexion eingesetzt. Seit dem WS 2024/25 werden diese den KI-Coachs KIM ergänzt. Dieser auf einem LLM basierende Chatbot unterstützt die Studierenden durch gezielte Fragen bei der Reflexion ihres Lernprozesses. Das System wurde unter Berücksichtigung wissenschaftlicher Erkenntnisse aus (KI)-Coachingforschung, positiver Psychologie und UX-Design entwickelt.

Erste qualitative Evaluationsergebnisse zeigen eine hohe Akzeptanz und einen Mehrwert für die Nutzer. Der KI-Coach ermöglicht eine individuelle Betreuung, die durch das vorhandene Personal nicht leistbar wäre. Darüber hinaus fördert er Selbstregulationsprozesse, die für erfolgreiches Studium und lebenslanges Lernen essentiell sind. KIM wird ab Sommersemester 2025 in drei Modulen mit rund 500 Studierenden fest implementiert. Der Chatbot zeigt das Potenzial von KI-Systemen in der Hochschullehre und kann auch in anderen Bereichen eingesetzt werden, in denen Selbstregulation und metakognitive Strategien gefördert werden sollen.

In der heutigen Bildungslandschaft sind soziale Lernplattformen für die Gestaltung von Lernprozessen und den digitalen Austausch essentiell. Seit mehr als fünf Jahren nutzt die Technische Hochschule Köln ihre Plattform THspaces, um projektbasiertes Lernen zu unterstützen und die Interaktion zwischen Studierenden und Lehrenden zu fördern. Das Projekt KISS (“KI für studierendenzentrierte & soziale Lernplattformen gestalten”) erforscht innovative Möglichkeiten, Künstliche Intelligenz in die THspaces zu integrieren, um den sozialen Austausch in Lehr- und Lernprozessen zu stärken und die User Experience zu verbessern. Ein wesentlicher Schwerpunkt liegt dabei auf Datenschutz und Transparenz beim Einsatz von KI-Technologien.

In der Demonstration werden die Funktionsweise und der didaktische Hintergrund der Integration von KI-Tools sowie die Plattform THspaces präsentiert. Dabei wird auch die Interoperabilität der Open Source Software THspaces mit weiteren Bildungstechnologien thematisiert, um Transferpotenziale für andere Institutionen und Plattformen aufzuzeigen. In der Diskussion sollen Chancen und Herausforderungen der vorgestellten Konzepte und Prototypen mit den Teilnehmenden erarbeitet werden.

Learning Analytics-Dashboards sind grafische Benutzeroberflächen, die mithilfe verschiedener Datenvisualisierungen und Kennzahlen zum Lehren und Lernen eine Übersicht über relevante Informationen ermöglichen.

Als Teil des Projekts KI:edu.nrw wird die Learning-Analytics-Plattform POLARIS entwickelt. Dazu gehören Dashboards für unterschiedliche Zielgruppen und Einsatzbereiche. In dieser Demonstration möchten wir verschiedene Dashboards und Dashboard-Widgets im ePrüfungssystem Dynexite sowie im Lernmanagementsystem Moodle vorstellen.

In Dynexite präsentieren wir zum einen gemeinsam mit Lehrenden entwickelte Angebote, die Studierenden eine bessere Übersicht über ihren Lern- und Bearbeitungsfortschritt in verschiedenen Themen einer Vorlesung bieten. Außerdem zeigen wir Dashboards für Lehrende, die die Qualitätssicherung der eigenen Prüfungs- und Übungsaufgaben durch Statistiken zur Aufgabenschwierigkeit unterstützen. Für Moodle stellen wir erste Widgets eines zentralen Dashboards auf Basis anonymer Statistiken vor.

Die Dashboards befinden sich auf unterschiedlichen Entwicklungsständen vom fortgeschrittenen technischen Prototyp bis hin zum Pilotbetrieb an der RWTH. Ziel der Demonstration ist es, beispielhafte POLARIS-Dashboards in der Hochschul-Community bekannt zu machen, da POLARIS als Open Source-Software auch von anderen Hochschulen betrieben werden kann.

An einer Uni werden Prüfungen oft elektronisch durchgeführt. Dabei entstehen viele Daten, die ausgewertet werden können. Die so gewonnene Information hilft Dozierenden, Prüfungsfragen zu verbessern und zu erkennen, welcher Stoff nicht verstanden wurde und anders unterrichtet werden sollte. Leider sind die Auswertemöglichkeiten in elektronischen Prüfungsumgebungen meist eingeschränkt. Daher haben wir an der Fachhochschule fhnw Brugg/Windisch ein DWH Piloten entwickelt, der Daten aus der elektronischen Prüfungsumgebungen Moodle bezieht und so aufbereitet, dass Analysen einfacher möglich sind. Dabei werden die Daten von Moodle exportiert und ins DWH geladen. Eine Web-Applikation, die auf demselben Server wie die Datenbank läuft, stellt die Daten grafisch dar. Als Benutzer*in kann ich Auswählen, welche Aufgabe aus welcher Prüfung ich analysieren möchte. Aktuell kann grafisch dargestellt werden, wie viel Zeit die Studierenden für das Lösen der Aufgaben benötigten und die Auswahl bei Multipel Choice Aufgaben wird so dargestellt, dass einfach sichtbar ist, welche Antwort wie häufig korrekt oder eben nicht korrekt angewählt wurde.

In der Demo wird gezeigt, wie Daten aus Moodle geladen werden können und wie diese grafisch analysiert werden können.

Nach dem Aufzeichnen einer Lehrveranstaltung wird die Aufzeichnung hochgeladen. Per Bildanalyse werden Folienwechsel erkannt. Pro Folie wird der Vortrag transkribiert und inhaltlich aufgearbeitet. Dann werden Freitext-Fragen und zugehörige Musterantworten passend zum behandelten Stoff generiert. Die Fragen werden den Studentinnen in einer Plattform bereitgestellt, die ihnen auf die eigenen Antworten in einer Klausursimulation Teilepunkte und Feedback gibt, was es ihnen erlaubt den Stoff eigenständig nachzuarbeiten und sich so auf die Klausur vorzubereiten. Bei Bedarf kann der Teil der Vorlesung wiederholt werden (mittels Aufzeichnung), auf den sich die Frage bezieht. Natürlich ist die gesamte automatisierte Verarbeitungspipeline und die zugehörige Lernplattform KI-generiert.

Zu guter Letzt wird den Studentinnen ein Quizspiel bereitgestellt (vergleichbar mit You-Don't-Know-Jack / https://de.ydkj.eu), welches als sehr motivierend und lustig wahrgenommen wird, und die Studentinnen zusätzlich motiviert.