Motivation und Zielstellung

Seit der Veröffentlichung der ersten Large Language Models (LLMs) wie ChatGPT gewinnt deren Nutzung in der Hochschullehre zunehmend an Bedeutung und wird in vielen Forschungsarbeiten untersucht. Im Rahmen des Projektes KI-Tutor wird in Zusammenarbeit mit dem Unternehmen unframe eine innovative Plattform entwickelt, die es ermöglicht, mithilfe von LLMs KI-gestützte Lernassistenten zu erschaffen, welche auf die spezifischen Lehrinhalte und die individuellen Bedürfnisse der Studierenden zugeschnitten sind.

Zur inhaltlichen Anpassung haben Hochschullerhrer*innen die Möglichkeit, über eine Schnittstelle gezielt Lehrinhalte in die KI einzuspeisen, sodass diese darauf Bezug nehmen kann. Gleichzeitig lernt das System durch die direkte Interaktion mit den Studierenden deren individuelle Lernbedürfnisse kennen und passt sich diesen dynamisch an.

Um die Interaktion natürlicher zu gestalten und das Lernerlebnis zu verbessern, werden die Assistenten durch digitale Avatare visualisiert. Ein direkter und intuitiver Zugang zu dem KI-Assistenten soll den Studierenden durch eine benutzerfreundliche Web-Oberfläche geboten werden.

Der KI-Tutor soll somit nicht nur die Studierenden im Lernprozess unterstützen, sondern auch Lehrkräfte entlasten, indem er den Bedarf an individueller Betreuung reduziert.

Vorgehensweise

Das Projekt folgt einer dreiphasigen Methodik, die von den Projektpartnern unframe und der Professur für Arbeitswissenschaften und Innovationsmanagement (AWI) umgesetzt wird. Während unframe für die technische Entwicklung des KI-gestützten Lernassistenten und der Nutzeroberfläche verantwortlich ist, übernimmt AWI die Bedarfs- und Anforderungsanalyse, die Einbindung der Zielgruppen, die Implementierung in den Lehrveranstaltungen sowie die Evaluation des Systems.

Phase 1: Bedarfsanalyse und Anforderungsdefinition

Durch Einzelinterviews und Workshops mit Hochschullehrenden und Studierenden (Primär- und Sekundärnutzende) werden Nutzungskontexte erfasst und Anforderungen an den KI-Lernassistenten definiert. Auf Basis dieser Erkenntnisse werden konkrete Nutzungsszenarien entwickelt, um eine optimale Integration in Lehrveranstaltungen zu gewährleisten.

Phase 2: Technische Entwicklung und Anpassung

unframe entwickelt iterativ eine Nutzeroberfläche mit modellierten 3D-Charakteren, Spracherkennung und -synthese, basierend auf fortschrittlichen LLMs. Parallel werden verschiedene Usability-Testmethoden eingesetzt, um die Benutzerfreundlichkeit und technische Gestaltung zu optimieren.

Phase 3: Erprobung und Evaluation

Der KI-Lernassistent wird in ausgewählten Lehrveranstaltungen pilotiert. Dabei werden Lehrinhalte integriert und das System in Bezug auf verschiedene Aspekte evaluiert. Die gewonnenen Erkenntnisse fließen in eine iterative Weiterentwicklung des Systems ein.

Durch diesen strukturierten Ansatz gewährleistet das Projekt eine bedarfsgerechte, wissenschaftlich fundierte Entwicklung und Implementierung des KI-gestützten Lernassistenten.