KI gestütztes Planspiel: Nachhaltige Stadtplanung
Die Entwicklung smarter, nachhaltiger Städte verlangt von künftigen Fachkräften mehr als reines Fachwissen: Sie müssen Daten kritisch auswerten, in interdisziplinären Teams unter Unsicherheit entscheiden und die Dynamiken realer urbaner Ziel- und Interessenkonflikte verstehen.In der Hochschullehre werden diese Spannungsfelder bislang meist nur theoretisch behandelt; klassische Lehrveranstaltungen bilden diese in der Realität vorkommenden Unvorhersehbarkeiten und Wechselwirkungen kaum ab.Hier setzt KIPlan an und entwickelt ein KI-gestütztes Planspiel, das Studierenden ermöglicht, urbanen Herausforderungen durch adaptive Problemlösung zu begegnen, datenbasierte Entscheidungen zu treffen, systemisch zu denken und Aushandlungsprozesse zwischen städtischen Akteuren verantwortungsvoll zu gestalten.Mit Unterstützung einer generativen KI (GPT) werden dynamische Szenarien erzeugt. Diese liefern multidimensionales Feedback (ökonomisch, ökologisch, sozial, politisch) aus mehreren Akteursperspektiven (z.?B. Verwaltung, Wirtschaft, Zivilgesellschaft). Entwickelt wird das Format in Co-Design mit Studierenden; ein Mixed-Methods-Design vergleicht Lernerfolge mit und ohne KI-Feedback. Die modulare Struktur erlaubt es, das Planspiel auf weitere Themen anzupassen.KIPlan verbindet damit didaktische Planspieltradition, Gamification und Generative AI zu einem skalierbaren Lehrinstrument, das Studierende befähigt, urbane Transformation verantwortungsvoll, dateninformiert und kreativ zu gestalten
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Umfassende Data Literacy Education am College
Ziel des Projekts ist der Ausbau einer umfassenden Data Literacy Education für Erstsemesterstudierende, indem über die technischen Fähigkeiten zur Datenanalyse hinaus die philosophischen, gesellschaftlichen und politischen Aspekte der Digitalisierung adressiert werden. Ein neues Lehrangebot für einen aufklärerischen und kritisch-reflexiven Umgang mit Daten wird an der Leuphana fächer- und fakultätsübergreifend langfristig verankert und realisiert ein Best-Practice-Beispiel für andere mittelgroße Hochschulen. Während der einjährigen Förderdauer wird auf drei Ebenen ein tragfähiger breiter Ansatz entwickelt, der dem übergeordneten Ziel und gleichzeitig der Situation der Erstsemesterstudierenden in ihrer Studieneingangsphase Rechnung trägt. A) Forschungsbasierte Grundlagen: Erarbeitung eines Verständnisses der philosophischen, gesellschaftlichen und politischen Aspekte der digitalen Transformation auf dem aktuellen Stand der Forschung und Formulieren von für die Studieneingangsphase angemessenen Lernzielen. B) Curriculumsentwicklung: Identifikation derjenigen curricularen Bestandteile, in denen einzelne Aspekte der Data Literacy Education umgesetzt werden können und sollen sowie Entwicklung entsprechender Lehrformate. C) Dialog von Studierenden und Lehrenden: Drittens wird explizit der Dialog von Studierenden und Lehrenden über Data Literacy gestärkt durch die Entwicklung und Durchführung spezifischer Beteiligungsformate für Studierende.
Projekt anzeigen
Digitaler Kerbschlagbiegeversuch
Im Maschinenbau werden Praktika zur Vertiefung der Vorlesungsinhalte angeboten, in denen die Studieren-den anhand von Anwendungsfällen ihr theoretisches Wissen und die teilweise komplexen Inhalte anwenden lernen. Aktuell werden die theoretischen Grundlagen dazu nur anhand von Skripten in Textform vermittelt, was zu einer gewissen Skepsis im Umgang mit den Prüfmaschinen und -geräten führt.
Maßnahme anzeigen
Forschung (hybrid) lehren und forschendes Lernen auf der Basis von „Students as Partners“ im Studium Soziale Arbeit – eine datensortentriangulierende Projektevaluation.
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen