Welche KI-Projekte im Bereich der Hochschullehre gibt es in Nordrhein-Westfalen? Womit beschäftigen sie sich? Und wer profitiert am Ende davon? Mit diesen und weiteren Fragen beschäftigt sich die neue Reihe im KI:edu.nrw-Blog. Die KI-Projektlandschaft NRWs ist vielfältig und dynamisch. Mithilfe dieser Serie möchten wir einen Einblick in die verschiedenen Projekte geben, über ihre Ausrichtungen und Besonderheiten informieren und so einen Überblick schaffen, was in NRW derzeit in Sachen Künstliche Intelligenz in der Hochschullehre passiert.
Wie können die Studienverläufe von Studierenden mit Hilfe von KI unterstützt werden? Dieser übergeordneten Frage widmet sich das Forschungsvorhaben AIStudyBuddy. Ziel des vom BMBF geförderten Verbundprojekts ist die Entwicklung zweier Anwendungen zur individuellen Studienverlaufsplanung und zur Reflexion von Studienverläufen. Dafür werden seit November 2021 im Konsortium aus RWTH Aachen, Bergischer Universität Wuppertal und Ruhr-Universität Bochum unterschiedliche KI-Verfahren eingesetzt, um die Daten von Studierenden und Studiengängen auszuwerten. Das auf dreieinhalb Jahre angelegte Projekt wird im Rahmen der Bund-Länder-Initiative „KI in der Hochschulbildung“ gefördert. Die Entwicklung der Anwendungen erfolgt hochschulübergreifend und interdisziplinär mit Kolleg*innen aus Informatik, (Hochschul-)Didaktik, Ethik und Bildungsökonomie.
Für Studierende gibt es mehrere Wege, den eigenen Studienverlauf zu planen. Ob ein Weg sinnvoll und erfolgsversprechend ist oder in eine Sackgasse führt, ist ganz individuell und hängt von unterschiedlichen persönlichen Faktoren ab. Der Austausch und Vergleich mit Kommiliton*innen oder Gespräche mit der Studienfachberatung oder Dozierenden können bei der Entscheidung helfen, welchen Weg Studierende einschlagen. Das Projekt AIStudyBuddy beschäftigt sich mit diesen individuellen Studiensituationen und möchte die Entscheidungen zu Studienverläufen auch technisch unterstützen. Im Rahmen von AIStudyBuddy werden technische Lösungen in Form von den folgenden zwei Anwendungen entwickelt:
StudyBuddy: Diese Webanwendung soll Studierenden bei ihrer individuellen Studienverlaufsplanung helfen. Sie können darin beispielsweise interaktiv Module zwischen den Semestern verschieben und erhalten sofort eine Rückmeldung, ob diese Verschiebung im Sinne der Prüfungsordnung erlaubt ist oder zeitliche Abhängigkeiten zu anderen Modulen konfligieren. Die Anwendung stellt die individuelle Studienverlaufsplanung grafisch dar und bietet handlungsleitendes Feedback.
Der StudyBuddy ist die Anwendung, die ich mir in meinem Studium selbst gewünscht hätte.
BuddyAnalytics: Diese Anwendung soll Studiengangsdesigner*innen bei der Curriculumsentwicklung und Beratung unterstützen. Sie erhalten unterschiedliche Statistiken zum Studienverlauf von Kohorten und können diese individuell in ihrem Dashboard anordnen und die in den Analysen zu berücksichtigen Daten filtern. Auch erfolgswahrscheinliche Studienverlaufspläne aufgrund der historischen Studienverläufe können angezeigt werden.
Die Studiengangsdesigner*innen, mit denen wir im Rahmen des Projekts gesprochen haben, reagieren sehr positiv auf die Möglichkeiten von BuddyAnalytics.“
Beide Anwendungen arbeiten mit Hilfe von Künstlicher Intelligenz, die aber anders funktioniert als die Künstliche Intelligenz von großen Sprachmodellen wie bspw. ChatGPT.
Die Stärke von Künstlicher Intelligenz besteht in der Erkennung von Mustern in großen Datenmengen. Mit sog. Process Mining kann aus den Daten von Campusmanagement-Systemen, beispielsweise in Form der Modulabschlüsse der Studierenden, der tatsächliche Studienverlauf analysiert werden. Dieser unterscheidet sich häufig von den idealtypischen Studienverlaufsplänen. Mit Hilfe von Process Discovery können reale Studienverlaufspläne den intendierten gegenübergestellt und Abweichungen erkannt werden. Die Ergebnisse der KI-Analyse können so in grafische Darstellungen und Empfehlungen zur Studienverlaufsplanung für die Studierenden und Studiengangsdesigner*innen überführt werden. Im Projekt AIStudyBuddy wird KI also nicht dazu genutzt, Studienverlaufspläne lediglich anhand der Informationen aus den Prüfungsordnungen zu generieren (so wie ChatGPT das würde). KI wird genutzt, um für den erfolgreichen Studienabschluss Muster in großen Datenmengen von bereits erfolgreichen Studierenden mit einem ähnlichen Studienprofil/-verlauf zu erkennen und daraus individuelle, handlungsleitende Informationen bereitzustellen.
AIStudyBuddy nutzt moderne KI-Technologien. Das Projekt kombiniert hierfür zwei KI-Paradigmen: datengestützt (Process Mining) und regelbasiert (Answer Set Programming, ASP). Beide Komponenten sind Teil einer Referenzarchitektur, die Prinzipien wie Ethics-by-Design und Privacy-Preservation folgt. Mit Process Mining wird das Studienverhalten anhand der Daten aus Campus-, Lernmanagement- und Prüfungssystemen analysiert. Es stellt reale Studienverläufe den intendierten gegenüber. Mithilfe von Answer Set Programming werden Prüfungsordnungen und andere Regularien in ein Modell aus Regeln und Constraints überführt, um transparente Begründungen für Feedback in der Studienplanung zu generieren, das für Nichtdomänenexperten verständlich ist.
AIStudyBuddy gibt es seit November 2021. Die folgenden Meilensteine sollen an dieser Stelle einen Überblick geben, was in den letzten Jahren im Projekt passiert ist:
Sie interessieren sich für den Einsatz von StudyBuddy und/oder BuddyAnalytics an Ihrer Hochschule? Dann wenden Sie sich gerne an die Projektkoordinatorin Elisa White (elisa.white@rub.de).
