Update public/personalisiertes-lernen.html

public/personalisiertes-lernen.html

@@ -66,37 +66,37 @@
             </h2>
 
         
-              <div class="row">
-                <!-- Textbereich -->
-                <div class="col-12.col-md-8">
-                   <ul>
-                      <li>
-                        AVERT begegnet den Projekt­herausforderungen, indem es von einer herkömmlichen,
-                        muster­basierten Plagiats­erkennung zu einem <strong class="text-indigo-600">interaktiven,
-                        sokratischen Frage­ansatz</strong> übergeht.
-                      </li>
-                      <li>
-                        Durch den Einsatz <strong class="text-indigo-600">großer Sprach­modelle (LLMs)</strong>
-                        passt AVERT seine Fragen dynamisch an, um das
-                        <strong class="text-indigo-600">Verständnis der Studierenden</strong> für den eingereichten Code zu evaluieren.
-                      </li>
-                      <li>
-                        Dieses Verfahren stärkt die <strong class="text-indigo-600">akademische Integrität</strong> und ermöglicht zugleich
-                        <strong class="text-indigo-600">personalisierte Rückmeldungen</strong>, wodurch eine skalierbare und
-                        didaktisch effektive Lösung entsteht.
-                      </li>
-                    </ul>
+             <div class="row align-items-center">
+                <!-- Textbereich (8 von 12 Spalten) -->
+                <div class="col-12 col-md-8">
+                  <ul class="mb-0 ps-3">
+                    <li>
+                      AVERT begegnet den Projekt­herausforderungen, indem es von einer herkömmlichen,
+                      muster­basierten Plagiats­erkennung zu einem
+                      <strong class="text-indigo-600">interaktiven, sokratischen Frage­ansatz</strong> übergeht.
+                    </li>
+                    <li>
+                      Durch den Einsatz <strong class="text-indigo-600">großer Sprach­modelle (LLMs)</strong>
+                      passt AVERT seine Fragen dynamisch an, um das
+                      <strong class="text-indigo-600">Verständnis der Studierenden</strong> für den eingereichten Code zu evaluieren.
+                    </li>
+                    <li>
+                      Dieses Verfahren stärkt die <strong class="text-indigo-600">akademische Integrität</strong> und ermöglicht zugleich
+                      <strong class="text-indigo-600">personalisierte Rückmeldungen</strong>, wodurch eine skalierbare und
+                      didaktisch effektive Lösung entsteht.
+                    </li>
+                  </ul>
                 </div>
 
-                 <div class="col-12.col-md-4">
-
-                    <img src="assets/img/ap5-gehirn.png"
-                        alt="Denkbild für AVERT"
-                        class="img-fluid rounded"
-                        style="max-height: 30px; width: auto; display: block; margin-left: auto; margin-right: auto;">
-                  </div>
+                <!-- Bildbereich (4 von 12 Spalten) -->
+                <div class="col-12 col-md-4 text-center">
+                  <img src="assets/img/ap5-gehirn.png"
+                      alt="Denkbild für AVERT"
+                      class="img-fluid rounded shadow-sm mt-3 mt-md-0"
+                      style="max-height: 120px; width: auto;">
+                </div>
+              </div>
 
-                 </div>