KI-unterstütztes Lernen an der Ohm
Im Verbundprojekt HAnS wird KI für den Lernalltag der Studierenden nutzbar gemacht.
Seit 2021 arbeitet ein interdisziplinärer Forschungsverbund unter Leitung der Technischen Hochschule Nürnberg Georg Simon Ohm (Ohm) daran, Künstliche Intelligenz (KI) für den Lernalltag der Studierenden nutzbar zu machen. Gut ein Jahr nach Einführung von ChatGPT steht die Bildungswelt Kopf. Es gibt kaum eine Frage, die das Large Language Model (LLM) nicht beantworten kann. Dabei sind Datenschutz und Urheberrecht in diesem Kontext mehr als fragwürdig. Im Rahmen des Verbundprojektes HAnS (das intelligente Hochschul-Assistenz-System) entwickelt die Ohm eine Learning-Experience-Plattform, die erstmals LLMs datenschutz- und urheberrechtskonform nutzbar macht. Diese Entwicklung wird didaktisch begleitet und wissenschaftlich evaluiert.
Aus Befragungen ist bekannt, dass viele Studierende Inhalte aus Vorlesungen gerne wiederholen, um sie zu vertiefen. Dem entgegen steht eine neue Form des Lernens, in der man in einem Dialog mit einem Chatbot, wie z. B. ChatGPT, steht. Die Besonderheit des Ansatzes bei HAnS ist es, durch die Verknüpfung des LLM-Weltwissens mit didaktischen Materialien eine strukturierte und faktensichere Lehr-/Lernumgebung zu schaffen. Dozierende können diese Möglichkeit auch gezielt in ihr didaktisches Konzept miteinbeziehen.
Prof. Dr. Robert Lehmann (Fakultät Sozialwissenschaften) ist einer der am Testbetrieb beteiligten Lehrenden. „Ich arbeite viel mit der Flipped-Classroom-Methode, die voraussetzt, dass Studierende vor der jeweiligen Lehreinheit Materialien eigenverantwortlich erarbeiten“, erklärt er. Dazu hat er bereits vor HAnS Lehrvideos erstellt. „HAnS ermöglicht es den Studierenden nun, sich noch schneller in den Lehrvideos zu orientieren, in den Transkriptionen einzelne Passagen nachzulesen und durch einen lokalen Open-Source-LLM-basierten Chatbot in Dialog mit dem Unterrichtsmaterial zu treten. Dadurch kann die Auseinandersetzung mit den Inhalten intensiviert werden.“ Im Fokus der Forschung steht die Frage, wie man zwischen allgemeinem Weltwissen und dem vorliegenden Material differenzieren kann.
Eine didaktische Begleitung des Systems hält Lehmann für entscheidend für den Lernerfolg. Denn es bestehe auch das Risiko, dass Studierende vor allem auf die KI-generierten Zusammenfassungen zugreifen. „Hier ist es notwendig, durch geeignete didaktische Interventionen die Motivation zur umfangreichen Auseinandersetzung zu unterstützen.“ Geplante Funktionen wie die automatische Erstellung von Multiple-Choice-Fragen oder umfangreicheren Übungsaufgaben zu den Inhalten böten hier interessante Möglichkeiten. Die Entwicklung der Plattform richtet sich gezielt nach solchen Bedarfen und Erwartungen der Studierenden und Dozierenden, die im Prozess wissenschaftlich erhoben werden.
Die Ohm ist im Verbundprojekt HAnS für die Gesamtleitung, die technische Entwicklung und die begleitende Evaluation zuständig. Andere Partner im Projekt kümmern sich beispielsweise um die Klärung des Datenschutzes, um die optimale Akzeptanz des Systems oder ethische und urheberrechtliche Fragen. Dabei arbeiten unterschiedliche Fachbereiche interdisziplinär zusammen: Erkenntnisse aus den Bereichen Softwarearchitektur, Maschinelles Lernen, Sprach- und Textverstehen, Didaktik, Sozialwissenschaft, Bildungswissenschaft, Informatik, Rechtswissenschaft und Ethik werden zueinander in Bezug gebracht und fließen in die schrittweise Entwicklung und Überarbeitung von HAnS ein. Ziel des Projekts bis 2025 ist es, eine didaktisch und wissenschaftlich fundierte Open-Source-Lösung zu entwickeln, die auch für den Einsatz an anderen Hochschulen verfügbar ist.
Das Projekt HAnS wird im Rahmen der Bund-Länder-Initiative „KI in der Hochschulbildung“ und des Förderschwerpunktes „Digitale Hochschulbildung“ vom Bundesministerium für Bildung und Forschung (BMBF) bis 2025 gefördert.
Im Rahmen des Projekts HAnS entwickelt ein Forschungsteam der Ohm eine datenschutz- und urheberrechtskonforme Learning-Experience-Plattform. Foto: TH Nürnberg | Screenshot aus Forschungsfilm
