Maßnahme Bühne
Zum Projekt

KI-basiertes Feedback in simulierten Lernsettings

Aktuelle Machine-Learning-Ansätze sollen entwickelt werden, um menschliches Verhalten in ausgewählten Kommunikationssituationen anhand definierter Kriterien objektiv und reliabel zu erfassen. Aufbauend auf umfangreichen Vorarbeiten wurde ein Machine-Learning-Algorithmus weiterentwickelt, der Mimik im Hinblick auf definierte Kriterien auswertet. Studierende erhalten darauf basierend automatisiertes, KI-gestütztes Feedback zu ihrem kommunikativen Verhalten in digital angereicherten Präsenzsettings (z. B. Arzt-Patienten- oder Beratungsgespräche). Der Mehrwert liegt insbesondere in höherer Objektivität und Skalierbarkeit gegenüber rein menschlichem Feedback. Der Ansatz wurde pilotiert und auf die Grundschulpädagogik ausgeweitet. Für Eltern-LehrerInnen-Gespräche wurde ein strukturierender Leitfaden entwickelt, der als Grundlage für KI-gestützte Avatare als Gesprächspartner dient.

Kategorien

Bitte nennen Sie bis zu fünf Stichwörter, die den Inhalt Ihrer Maßnahme aussagekräftig beschreiben.
Machine Learning zur Verhalten
KI-basiertes, automatisiertes
Digitale Gesprächssimulationen
Kompetenzorientierte Lehre in
Objektivität und Skalierbarkei
Zielgruppe(n)
Wissenschaftliche Mitarbeiter:innen/LfBA
Professor:innen
Lehrbeauftragte
Studierende
Handlungsfeld & Aktivität(en)
Technisch-räumliche Infrastruktur
Lehr-/Lernumgebungen entwickeln
Lehr-/Studienangebote
Prüfungsformen/(Self-)Assessments entwickeln
Lehr-/Lernmaterialien entwickeln
Lehrkonzepte/-formate entwickeln
Curricula/Studienprogramme entwickeln
Supportangebote
Angebote für Lernbegleitung und Studienberatung entwickeln

Beschreibung

Herausforderung

Mit der Maßnahme wurde die Herausforderung adressiert, kommunikatives und professionelles Verhalten von Studierenden in praxisnahen Lehr-Lern-Situationen objektiv, reliabel und skalierbar zu erfassen und zu bewerten. Bisher ist qualifiziertes Feedback stark von individuellen Beobachtungen Lehrender abhängig, zeitintensiv und nur begrenzt standardisierbar. Die Maßnahme reagiert somit auf die begrenzte Objektivität menschlichen Feedbacks, den hohen personellen Aufwand sowie wiederholbarem Training

Herangehensweise

Im technisch-methodischen Strang werden effiziente Multi-Task-Architekturen zur Analyse affektiver Stimme und emotionaler Mimikry entwickelt. Für nicht-verbale „vocal bursts“ zeigt ein mehrzieliges Netzwerk auf Basis moderner Sprachrepräsentationen (z. B. data2vec, wav2vec2), dass sich Emotion, Herkunft und weitere Merkmale simultan vorhersagen lassen – mit deutlicher Überlegenheit gegenüber Baselines. Anwendungsbezogen wurde untersucht, wie Mimik (z. B. Lächeln, Blickkontakt) Ad-hoc-Anvertrauen in klinischen Entscheidungssituationen beeinflusst. Die Er-gebnisse zeigten eine positive Korrelation zwischen wahrgenommener Vertrauenswürdigkeit und Anvertrauen, jedoch keinen isolierten Effekt eines (digitalen) Lächelns – ein Hinweis auf die Bedeutung kontextueller und komplexer nonverbaler Muster für Ent-rustable Professional Activities.

Zusammenhang

Die Maßnahme wurde primär als Lehrinnovationsprojekt als auch als Forschungstool erprobt. Der Einsatz erfolgte in curricular verankerten Lehrveranstaltungen, in denen kommunikative Kompetenzen systematisch trainiert werden. Konkret wurde das Verfahren im Seminar Grundschulpädagogik eingesetzt, das auf das Training kommunikativer Fertigkeiten – insbesondere im Kontext von Eltern-LehrerInnen-Gesprächen – ausgerichtet ist.

Voraussetzung

Zentrale Voraussetzung war eine enge interdisziplinäre und interprofessionelle Zusammenarbeit zwischen Informatik, Medizindidaktik, Medizinischer Psychologie und Grundschulpädagogik. Durch die Bündelung technischer Expertise (Machine Learning, Algorithmik), fachdidaktischer Perspektiven sowie kommunikations- und professionsbezogener Kompetenzmodelle konnte ein praxisnahes System entwickelt werden. Die unterschiedlichen fachlichen Perspektiven ermöglichten die Operationalisierung von Verhaltenskriterien und eine didaktisch sinnvolle Einbettung in Lehrveranstaltungen.

Eignung

Die Eignung der Maßnahme zeigt sich in den Ergebnissen der Begleitforschung (Medizin) sowie begleitenden Evaluation in den Pilotseminaren der Grundschulpädagogik. Dabei wurde sowohl die technische Funktionalität als auch die didaktische Wirksamkeit (Nützlichkeit, Verständlichkeit und Anschlussfähigkeit des Feedbacks für die Kompetenzentwicklung) untersucht. Die Rückmeldungen der Studierenden weisen in der Medizin als auch in der Grundschulpädagogik auf eine hohe Akzeptanz sowie einen wahrgenommenen Mehrwert des KI basierten Feedback im Vergleich zu rein mündlichem Feedback hin. Besonders hervorgehoben wurden die strukturierte Rückmeldung, die Möglichkeit wiederholter Übungsszenarien sowie die Transparenz der zugrunde liegenden Kriterien. Zudem zeigt die erfolgreiche Implementierung in unterschiedlichen Kontexten (Medizin und Grundschulpädagogik), dass der Ansatz übertragbar und skalier-bar ist. Die Kombination aus empirischer Evaluation, curricularer Verankerung und interdisziplinä

Vorgehen/Schritte

Bildung eines interdisziplinären Teams (Informatik, Sprachwissenschaft, Fachdidaktik)

Entwicklung und intensive Testung von Prototypen innerhalb von Lehrveranstaltungen

Evaluation der dabei entstandenen Lehr-Lernszenarien

Hinweise

Effekte

Eine zentrale – zugleich erwartete wie herausfordernde – Voraussetzung war die sehr präzise Operationalisierung kommunikativer Kompetenz in ihren verbalen, nonverbalen und paraverbalen Dimensionen. Die Notwendigkeit, diese Aspekte für die algorithmische Analyse eindeutig zu definieren, stellte eine wesentliche inhaltliche Herausforderung dar und führte zu einer deutlich geschärften curricularen Klärung von Bewertungskriterien. Der Einsatz von Avataren ermöglichte darüber hinaus skalierbare, wiederholbare Trainingssituationen. Unerwartet deutlich war die hohe Akzeptanz KI-gestützter Feedbackformate bei den Studierenden.

Learnings

Die Operationalisierung kommunikativer Kompetenz (verbal, nonverbal, paraverbal) ist die zentrale fachliche Schlüsselaufgabe – und zugleich der größte Qualitätshebel für KI-gestütztes Feedback. Interdisziplinäre und interprofessionelle Zusammenarbeit ist unverzichtbar, um technische Machbarkeit, fachliche Validität und didaktische Sinnhaftigkeit zu verbinden.

KI-gestütztes Feedback wird von Studierenden gut akzeptiert, wenn Kriterien transparent gemacht und nachvollziehbar erläutert werden.

Empfehlung

nein

Tipps

Vor der technischen Umsetzung sollten verbale, nonverbale und paraverbale Kriterien präzise definiert und fachlich abgestimmt werden. Die Qualität der Operationalisierung entscheidet über die Qualität des Feedbacks. Mit kleineren Lehrsettings starten, Evaluationsergebnisse systematisch nutzen und das System schrittweise weiterentwickeln.

Methoden

Empfohlen

Methoden
Regelmäßige Online-Meetings des interdisziplinären Teams zur Entwicklung und zum Re-view. Die unterschiedlichen Fachsprachen der beteiligten Disziplinen machen die Kommuni-kation durchaus herausfordernd.
Formate
Zoom-Meetings, Präsenztreffen, asynchrones Arbeiten an Teilaufgaben in Subgruppen
Technische Tools
NOVA, LLMs

Nicht empfohlen

Methoden
keine
Formate
keine
Technische Tools
keine

Kontakt

Bearbeiter:innen und Beteiligte
Keine Kontaktdaten vorhanden

Das könnte Sie auch interessieren

Projekt 101910
Projekt

Systemisches Denken: Transformation, Resilienz, KI

Angesichts ökologischer, sozialer und technologischer Krisen wird systemisches Denken (Systems Thinking, ST) zu einer Schlüsselkompetenz für nachhaltige Entwicklung. Besonders im Kontext Künstlicher Intelligenz (KI) stößt das verbreitete reduktionistische Paradigma des Computational Thinking (CT) an seine Grenzen. Ziel des Projekts ist die Entwicklung eines zweiteiligen Lehrformats, das ST als reflexive und gestalterische Kompetenz erfahrbar macht. In einer ersten Lehrveranstaltung (LV1) gestalten Studierende gemeinsam mit Lehrenden in einem co-kreativen Prozess ein Modul (LV2), das systemisches Denken auf KI-Anwendungen und Fragen der Nachhaltigkeit anwendet. Der Prozess orientiert sich an Prinzipien systemischer Didaktik und fördert sowohl individuelles als auch kollektives Lernen als dynamischen, kontextgebundenen Prozess. Das Projekt verläuft von April 2026 bis März 2028 und umfasst sieben Arbeitspakete von Konzeption und Durchführung über Evaluation bis zur Dissemination. Wissenschaftlich begleitet wird das Projekt durch formative Evaluationen, Portfolioanalysen, Pre-/Post-Erhebungen und Interviews. Die Ergebnisse fließen in Open Educational Resources (OER), didaktische Toolkits und Transferformate ein, um eine institutionenübergreifende Verstetigung zu ermöglichen. Langfristig soll die transformative Resilienz der Studierenden gestärkt und ein Beitrag zur verantwortungsvollen Gestaltung von KI in komplexen Systemzusammenhängen geleistet werden.

Projekt anzeigen
Maßnahme 100037
Maßnahme

Standortübergreifendes Teamteaching

Im Projekt GeoTandems wurden durch standortübergreifendes Teamteaching Lehrinnovationen entwickelt, erprobt und weitergeben. Hochschullehre wird dadurch als Gemeinschaftsaufgabe verstanden. Mit allen GeoTandems wurden in zwei gemeinsamen Workshops die Gelingensbedingungen und Stolpersteine standortübergreifenden Teamteachings reflektiert und in einem gemeinsamen Sammelband publiziert.

Maßnahme anzeigen
Publikation 100362

CoFacS – Simulating a Complete Factory to Study the Security of Interconnected Production

While the digitization of industrial factories provides tremendous improvements for the production of goods, it also renders such systems vulnerable to serious cyber-attacks. To research, test, and validate security measures protecting industrial networks against such cyber-attacks, the security community relies on testbeds to simulate industrial systems, as utilizing live systems endangers costly components or even human life. However, existing testbeds focus on individual parts of typically complex production lines in industrial factories. Consequently, the impact of cyber-attacks on industrial networks as well as the effectiveness of countermeasures cannot be evaluated in an end-to-end manner. To address this issue and facilitate research on novel security mechanisms, we present CoFacS, the first COmplete FACtory Simulation that replicates an entire production line and affords the integration of real-life industrial applications. To showcase that CoFacS accurately captures real-world behavior, we validate it against a physical model factory widely used in security research. We show that CoFacS has a maximum deviation of 0.11% to the physical reference, which enables us to study the impact of physical attacks or network-based cyber-attacks. Moreover, we highlight how CoFacS enables security research through two cases studies surrounding attack detection and the resilience of 5G-based industrial communication against jamming.

Publikation anzeigen