Künstliche Intelligenz (KI) und Trusted Learning Analytics (TLA) unterstützen hochschuldidaktische Prozesse, um sowohl den Erwerb von Fachwissen als auch die Entwicklung studentischer Selbstregulation zu fördern. So stellt das im Rahmen des BMBF-geförderten Projekts IMPACT entwickelte personalisierte Feedbackzentrum Studierenden seit dem Wintersemester 2023/24 formatives, hochinformatives Feedback (HIF) mithilfe von KI und Trusted Learning Analytics bereit. Der KI- und Learning Analytics Service ist ein optionales Angebot und soll Studierende durch Visualisierungen und schriftliches Feedback zu ihren Kursaktivitäten im Lernprozess unterstützen. Gleichzeitig werden Fertigkeiten für den Umgang mit Feedback vermittelt (Feedback Literacy), um die Studierenden zu befähigen, einen größeren Nutzen aus dem angebotenen Self-Monitoring für den individuellen Lernfortschritt zu erzielen.
Relevant für den nachhaltigen Implementierungsprozess ist zudem die Entwicklung einer hochschulinternen Engagementstrategie, welche die Voraussetzungen zur Integration von ethisch reflektierten KI- und LA-Anwendungen in die gesamte Hochschule maßgeblich vorbereitet. Der Beitrag gibt Einblicke, wie Lösungen sowohl zum Datenschutz, zur wertesensiblen didaktischen Entwicklung von hochinformativem Feedback als auch zur prospektiven technologischen Anwendungsentwicklung mit Open-Source Software umgesetzt wurden. Denn Anwendungen zu Learning Analytics und KI in der Hochschullehre haben ganz spezielle Anforderungen, um negative Effekte im Lernprozess gar nicht erst entstehen zu lassen. Insbesondere bei Anwendungen, die ein Self-Monitoring integrieren, müssen Chilling-Effekte vermieden werden. Studierende müssen zudem in ihrer Autonomie und ihren Fähigkeiten gestärkt werden, indem Feedback-Literacy und Informationen zur Transparenz in das System integriert werden.
Der Beitrag zeigt, wie automatisiertes formatives Feedback nach einem Value Sensitive Design gestaltet werden kann, um Studierende bei der Nutzung von TLA- und KI-basierten Werkzeugen für ihre individuellen Lernziele zu unterstützen. Dabei werden kritische und risikobasierte Anforderungen bereits in der Anwendungsentwicklung berücksichtigt.