KIMu_lab, ki.StadtLabor, Sokratest, TermRAG 4 SafeAI und XLM – das sind die fünf Praxisprojekt der ersten Förderphase von KI:edu.nrw. Doch was genau passiert eigentlich in den Projekten? Diese und weitere Fragen nehmen wir uns in unserer regelmäßigen Blog-Reihe zu den Praxisprojekten vor. In der neuen Ausgabe stellt das Sokratesᵗ-Projektteam seine Erfahrungen während der Projektlaufzeit sowie die Ergebnisse vor. 

Wie lässt sich das Potenzial generativer KI in der Lehre nutzen, ohne Datenschutz, Urheberrecht oder didaktische Prinzipien zu opfern? Das Praxisprojekt Sokratesᵗ an der Hochschule Rhein-Waal hat darauf in den vergangenen Monaten eine Antwort entwickelt. Ende Oktober 2025 wurde das Projekt erfolgreich abgeschlossen. Das Ergebnis ist keine bloße Machbarkeitsstudie, sondern eine vollständig funktionsfähige, datenschutzkonforme Plattform, die ab sofort als Open Source Software für alle Hochschulen verfügbar ist.

Im Februar 2025 startete das Projekt mit einer ambitionierten These: KI in der Lehre darf keine “Black Box” sein. Statt Studierende in unregulierte kommerzielle Chatsysteme zu entlassen, sollte eine Umgebung geschaffen werden, die kursspezifische Inhalte verlässlich vermittelt und dabei kritisches Denken fördert, zum Beispiel durch den klassischen sokratischen Dialog.

Das Projektteam der Hochschule Rhein-Waal, bestehend aus Lars Lorenz (technische Entwicklung und operative Durchführung), Prof. Alexander Gerber und Prof. Dr. Ulrich Pfeiffer (Methodik und wissenschaftliche Leitung), hat diesen Ansatz konzipiert, entwickelt und evaluiert.

Kern der Lösung ist das technische Verfahren der Retrieval-Augmented Generation (RAG). Das funktioniert ähnlich wie eine “Open-Book-Klausur” für KI, indem der KI-Tutor sich vorrangig auf von Lehrenden bereitgestellte Lehr-/Lernmaterialien bezieht, statt allein auf das eigene Weltwissen.

Ein entscheidendes Ergebnis des Projekts ist das entwickelte Prozessmodell. Statt eines einzelnen Chatbots entsteht ein Werkzeugkasten, mit dem Lehrende niederschwellig und in wenigen Schritten einen eigenen, kursspezifischen KI-Tutor erstellen können. Materialien werden einfach hochgeladen, automatisch verarbeitet und stehen dann sofort für den didaktisch gelenkten Dialog zur Verfügung. So können KI-Tutoren skalierbar und didaktisch wertvoll in den Hochschulalltag integriert werden.

Um die Wirksamkeit dieses Ansatzes auch zu belegen, wurde die Pilotphase von Sokrates^t im Sommersemester 2025 durch systematische Forschung begleitet. In einer Pre-Post-Interventionsstudie in zwei Studiengängen der Hochschule Rhein-Waal (Bachelor und Master) wurden Lernpräferenzen, KI-Einstellungen und Wissen vor und nach der Nutzung gemessen. Ergänzt wurde der Ansatz durch qualitative Fokusgruppen sowie eine Auswertung der pseudonymisierten Nutzungsdaten (Learning Analytics). So konnten Effekte evidenzbasiert abgeleitet werden. Feedback der Studierenden floss zudem als Teil eines co-kreativen Prozesses direkt in die technische Weiterentwicklung der Plattform ein. Erste Ergebnisse wurden bereits auf der Learning AID 2025 vorgestellt, wo Sokrates^t als Beispiel für datenschutzkonforme KI-Lehre diskutiert wurde. Ein Tagungsbandbeitrag wurde eingereicht und weitere Publikationen sind in Arbeit.

Die Begleitforschung förderte spannende Erkenntnisse über die Interaktion zwischen Studierenden und KI-Tutoren zutage, die für künftige Implementierungen an Hochschulen wegweisend sind. Im Kern lässt sich das auf drei Schlüsselergebnisse herunterbrechen:

1. Der “Safe Space” fördert die Fragekompetenz: Ein zentrales Ergebnis ist der Abbau von Hemmungen. Studierende berichteten, dass sie dem Bot Fragen stellten, die sie sich im Hörsaal nie getraut hätten (“Vermeintlich dumme Fragen sind niemandem mehr peinlich”). Die Bereitschaft, sich mit dem Stoff auseinanderzusetzen, nahm deutlich zu, da der Tutor rund um die Uhr als Ansprechpartner zur Verfügung stand.
2. Die Gefahr der “Antwortmaschine”: Gleichzeitig zeigte sich eine didaktische Gratwanderung. Wenn der Tutor zu schnell die perfekte Antwort liefert, sinkt die Neugier, die tieferliegenden Konzepte selbst zu durchdringen. Dies unterstreicht die Relevanz des namensgebenden sokratischen Ansatzes: Ein guter KI-Tutor sollte nicht nur antworten, sondern Rückfragen stellen und zum Nachdenken anregen. Die technische Feinjustierung dieses Verhaltens bleibt eine dauerhafte didaktische Aufgabe.
3. Steigerung der KI-Literacy: Die Nutzung von Sokrates^t führte bei den Studierenden zu einer reflektierten Wahrnehmung von KI-Werkzeugen. Durch die transparente Quellenangabe des Bots lernten die Nutzer, KI-Antworten nicht blind zu vertrauen, sondern diese anhand der Lernmaterialien zu verifizieren.

Trotz der Erfolge zeigte das Projekt auch Grenzen auf. Der rein sokratische Dialog ist ein mächtiges, aber nicht das einzige benötigte didaktische Werkzeug. Künftige Entwicklungen müssten flexiblere Szenarien abbilden wie etwa gezielte Prüfungsvorbereitungen oder Modi, die direktere Hilfestellungen geben, wenn Studierende steckenbleiben. Hier besteht weiterer Forschungs- und Entwicklungsbedarf, um die Balance zwischen Lehren und Helfen zu optimieren.

Mit dem erfolgreichen Projektabschluss liegt nun ein validiertes Modell vor, wie Hochschulen eigene KI-Tutoren betreiben können, ohne in die Abhängigkeit großer Tech-Konzerne zu geraten. Die Plattform wurde so konzipiert, dass sie lokal gehostet werden kann und datenschutzrechtlich sicher ist. Sensible Daten und studentische Anfragen verlassen nicht den Hoheitsbereich der Hochschule bzw. der genutzten wissenschaftlichen Rechenzentren (im Projektkontext erfolgte die Anbindung über die GWDG für KI-Modelle).