3D – Disziplinen, Didaktik, Daten: Fundierte Weiterentwicklung interdisziplinärer Lehre mit konstruktiv-kritischer KI-Reflexion

3D – Disziplinen, Didaktik, Daten untersucht die digitale Lehre im noch jungen, interdisziplinären Master-Studiengang Nachhaltige Transformationsgestaltung und fördert die kritische Auseinandersetzung mit generativer KI in der Bildung. In Fokus 1 analysieren wir mithilfe von Learning Analytics (POLARIS) u. a. das Gelingen von Interdisziplinarität, um die Qualität digitaler Lehre gezielt zu verbessern. Fokus 2 widmet sich dem reflektierten Einsatz von KI in Bildung, Wirtschaft und Gesellschaft. Output von 3D sind u. a. ein übertragbares Workshop-Konzept, ein Leitfaden für Best Practises sowie leicht einsetzbare OER-Materialien mit konstruktiv-kritischer KI-Betrachtung. 3D setzt auf studentische Partizipation und Open-Source-Lösungen.

Umgesetzt wird das Projekt an der Fachhochschule Münster.

PIENSA – Promoting Inclusive, Ethical, and Navigated Studying with AI: Einsatz von generativer KI zur Unterstützung von Abschlussarbeiten

Die Erstellung wissenschaftlicher Abschlussarbeiten verändert sich durch generative KI-Tools grundlegend. Das Projekt PIENSA – Promoting Inclusive, Ethical, and Navigated Studying with AI entwickelt daher einen Selbstlernkurs weiter, der Studierende zu einem reflektierten und verantwortungsvollen Einsatz dieser Technologien befähigt. Im Fokus stehen die technische  und inhaltliche Aktualisierung, die didaktische Erweiterung, die Stärkung der ethischen und kritischen Reflexion, die barrierefreie Gestaltung sowie die Qualitätssicherung. Der Kurs wird als modularer, offener Bildungsbaustein (OER) bereitgestellt und unterstützt so digitale, methodische und ethische Kompetenzen für eine nachhaltige und faire wissenschaftliche Praxis.

Umgesetzt wird das Projekt an der FernUniversität in Hagen.

PrepAIre: Mit generativer KI in die Prüfungsvorbereitung – Reflexion von KI-gestützten Selbstlernstrategien

PrepAIre entwickelt eine KI-basierte, interaktive Lernumgebung zur Unterstützung Studierender in Selbstlernphasen wie der Prüfungsvorbereitung. Ziel ist es, fachliche, methodische und kollaborative Kompetenzen gezielt zu fördern und Lehrende durch datengestützte Rückmeldung zu entlasten. Das System basiert auf einer kollaborativen JupyterHub-Plattform und nutzt generative KI, um Studierende mit kontextbezogenem Feedback und interaktiven Aufgaben beim explorativen Lernen und der Zusammenarbeit in Kleingruppen zu unterstützen. Studierende erhalten so personalisiertes und unmittelbares Feedback. Zugleich wird untersucht, wie sie Verantwortung für ihren KI-gestützten Lernprozess übernehmen und Vertrauen in KI-basierte Systeme entwickeln.

Umgesetzt wird das Projekt an der Hochschule Niederrhein.

Prompt.Think.Check. Bewertung und Überprüfung von KI-Ergebnissen in MINT-Fächern

Das Praxisprojekt Prompt.Think.Check. zielt darauf ab, digitale Werkzeuge zu entwickeln, mit denen Studierende die Plausibilität von KI-generierten Ergebnissen in MINT-Fächern überprüfen können. Um die mathematische Urteilskraft der Studierenden zu stärken und einen reflektierten Umgang mit KI-Systemen zu fördern, soll das Projekt aus drei aufeinanderfolgenden Arbeitspaketen (AP) bestehen. Ausgangspunkt ist die Erhebung des Status quo (AP1) zum Umgang von Studierenden mit KI-generierten Ergebnissen bei der Bearbeitung von Aufgabenstellungen in MINT-Fächern. Auf Basis der Ergebnisse werden bedarfsorientierte, interaktive Lernhilfen konzipiert und entwickelt (AP 2). Diese werden dann pilotiert, in die Lehre integriert und evaluiert (AP 3).

Umgesetzt wird Praxisprojekt an der Hochschule Bonn-Rhein-Sieg in Kooperation mit der Hochschule Hamm-Lippstadt.

SRL-Agent: Mit Agentic AI & Learning Analytics Selbstregulation messen und fördern

Selbstreguliertes Lernen (SRL) ist zentral für akademischen Erfolg, jedoch herausfordern zu messen. Während Fragebögen verzerrungsanfällig und Logdaten oberflächlich sind, galten Interviews als zu ressourcenintensiv. Wir erproben ein Multi-Agenten-System (MAS), das strukturierte SRL-Interviews automatisiert durchführt. Basierend auf etablierten Interviewprotokollen generiert es individuelles Feedback mit Lernstrategie-Empfehlungen. In zwei Lehrveranstaltungen (jew. N>200) wird die Reliabilität im Vergleich zu etablierten Methoden und die SRL-Unterstützung untersucht. Automatisierte Interviews durch MAS machen tiefgreifende Messmethoden erstmals praxistauglich und ermöglichen personalisiertes Feedback zur gezielten Förderung des SRL.

Umgesetzt wird das Projekt an der FernUniversität Hagen in Kooperation mit CATALPA.

Wenn das Bild fehlt: Automatische Alternativtexte für visuelle Inhalte in (naturwissenschaftlichen) Lehrvideos

Das Projekt Wenn das Bild fehlt entwickelt eine Kl-gestützte Lösung zur automatisierten Beschreibung visueller Inhalte in Lehrvideos, um barrierefreie Zugänge für (beeinträchtigte) Studierende zu schaffen. Fokus sind handschriftliche Skizzen in Physik-Screencasts, die per Bildanalyse erkannt und kontextsensitiv beschrieben werden. Ziel ist eine lokal betreibbare, datenschutzkonforme Anwendung, die lehrende entlastet und die Bereitstellung barrierefreier Lehrmaterialien beschleunigt. Die Lösung wird als OER veröffentlicht und perspektivisch auf weitere Formate übertragbar gemacht.

Umgesetzt wird das Praxisprojekt an der Technischen Hochschule Ostwestfalen-Lippe.