PrepAIre

Im Projekt PrepAIre spielt der Austausch mit Studierenden eine zentrale Rolle. In Gesprächen, Befragungen und Interviews werden ihre bisherigen Erfahrungen mit generativer KI in der asynchronen Prüfungsvorbereitung erfasst. Diese Rückmeldungen fließen kontinuierlich in die Weiterentwicklung der Lernumgebung ein und stellen sicher, dass das System an den tatsächlichen Bedürfnissen der Studierenden ausgerichtet ist.

Zu Beginn werden unterschiedliche Ansätze zur Integration von KI in die JupyterHub-Lernumgebung geprüft und miteinander verglichen. Dabei wird auf bereits entwickelte Projektbestandteile aus Abschluss- und Projektarbeiten zurückgegriffen. Dazu zählen unter anderem ein KI-Tutor, der auf Basis von Skripten und Präsentationsfolien bei Fragen und Aufgaben unterstützt, sowie interaktive Quizformate mit KI-gestütztem Dialog.

Aus der Kombination dieser Ansätze entsteht ein integriertes, interaktives Lernsystem. Ergänzend sollen Studierende aus Masterveranstaltungen direkt in die Entwicklung des Systems einbezogen werden.

Die Lernumgebung wird zunächst in Lehrveranstaltungen wie Data Science und Deep Learning im Wintersemester 2025/2026 erprobt. Im folgenden Sommersemester soll sie als fester Lehr- und Lernbestandteil in Masterveranstaltungen eingesetzt werden.

Die Lernumgebung wird über einen zentralen JupyterHub-Server bereitgestellt. Studierende arbeiten damit in einer ihnen aus der Lehre vertrauten Umgebung. Sie können entweder speziell entwickelte, interaktive Quizformate nutzen oder das GKI-System direkt in den im Semester eingesetzten Jupyter-Notebooks einsetzen.

Das KI-System ist inhaltlich auf die jeweilige Lehrveranstaltung abgestimmt und wird im Projekt exemplarisch für die Vorlesung Data Science umgesetzt. Grundlage bilden die zugehörigen Lehrmaterialien wie Skripte, Präsentationsfolien und Übungsnotebooks. Diese werden in einer RAG-Architektur (Retrieval Augmented Generation) verarbeitet und in einer gemeinsamen Wissensbasis abgelegt. Anfragen der Studierenden werden gezielt mit diesen Materialien abgeglichen, um kontextbezogene und fachlich verlässliche Antworten zu ermöglichen.

Darüber hinaus wird untersucht, wie das System seine Hilfestellungen didaktisch adaptiv gestalten kann. Ziel ist es, Studierende nicht mit fertigen Lösungen zu versorgen, sondern sie schrittweise zur Bearbeitung von Aufgaben anzuleiten. Dies wird durch ein Multiagentensystem realisiert, bei dem mehrere GKI-Modelle zusammenarbeiten. Je nach Bedarf gibt das System abgestufte Hinweise oder stellt zusätzliche, dem Lernstand angepasste Übungsaufgaben bereit.

Die Nutzung und Wirkung der Lernumgebung werden gemeinsam mit den Studierenden ausgewertet. In Workshops und Einzelinterviews berichten sie über ihre Erfahrungen mit dem System, ihr Nutzungsverhalten sowie ihr Vertrauen in die KI-gestützte Unterstützung.

Ergänzend werden anonymisierte Nutzungsdaten der Plattform analysiert. Sie geben Aufschluss darüber, welche Inhalte besonders häufig genutzt werden, an welchen Stellen Studierende Unterstützung benötigen und wie die KI-Hilfestellungen im Lernprozess eingesetzt werden.

Die gewonnenen Erkenntnisse fließen direkt in die Weiterentwicklung der Lernumgebung ein. Ziel ist es, das System gezielt zu verbessern und für weitere Lehrveranstaltungen nutzbar zu machen. Lehrende erhalten dadurch praxisnahe Hinweise zur Gestaltung von Selbstlernphasen und zur sinnvollen Integration von generativer KI in die Hochschullehre.