Wie lehren und lernen wir in der Zukunft? 1,9 Millionen Förderung für das Projekt „KNIGHT – Künstliche Intelligenz für die Lehre an der HFT Stuttgart“

KNIGHT – künstliche Assistenz für Lehrende und Studierende

Im neuen Forschungsprojekt KNIGHT an der HFT Stuttgart wird erforscht, wie Lernprozesse automatisiert unterstützt werden können, aber auch, wie das Lehrpersonal von administrativen Aufgaben und Beratung entlastet werden kann.

Das Zentrum für Digitalisierung in Forschung, Lehre und Wirtschaft (ZeDFLoW) an der HFT Stuttgart setzt sich intensiv mit der Digitalisierung der Lehre auseinander. Im Fokus des Projekts KNIGHT stehen zum einen die Individualisierung der studentischen Lernprozesse sowie die Unterstützung der Lehrenden in ihren Betreuungsaufgaben und zum anderen der Aufbau von Kompetenzen, die den vertrauenswürdigen und kompetenten Einsatz der KI-Technologie fördern. Das Zentrum für Nachhaltiges Wirtschaften und Management (ZNWM) an der HFT Stuttgart stellt in KNIGHT die Einhaltung ethischer, juristischer und datenschutzrechtlicher Aspekte sicher.

Eine kompetenzorientierte Rahmung bildet den Kontext, an dem Bildungsanliegen, KI-Maßnahmen, Lernaktivitäten und Feedbackprozesse ausgerichtet werden. Ethische Richtlinien gewährleisten transparente Prozesse und sichern so den verantwortungsbewussten Umgang mit sensiblen, personenbezogenen Daten. Zudem sollen spezifische KI-Lehrangebote aufgebaut werden. Die Aktivitäten und Ergebnisse werden über bestehende und neue Netzwerke in Wirtschaft und Gesellschaft transferiert.


Mehr KI in der Lehre!

Das Projekt fokussiert zwei Themenfelder. Welchen Beitrag kann KI erstens zur Unterstützung und Bewertung von Lernprozessen und zweitens zur Unterstützung von Lehraktivitäten leisten?

Die Hochschule für Technik Stuttgart hat sich zum Ziel gesetzt, eine führende Rolle zum Einsatz von KI in der Lehre einzunehmen. Dazu wird im Projekt KNIGHT das folgende Modell umgesetzt.


KNIGHT Übersicht
Abb.: KI-Modell im Projekt KNIGHT an der HFT Stuttgart

Wissenschaftliche Vorgehensweise und Methodik

In Arbeitspaket 1 „Konzeption einer Kompetenzmatrix als Orientierungsrahmen für KI-basierte Hochschulbildung und Projektorganisation“ wird erforscht, welche KI-Kompetenzen benötigt werden und wie die erworbenen Kompetenzen erfasst werden können. Auf Basis einer Literaturrecherche werden qualitative Forschungsmethoden (Fokusgruppen, Expert:inneneninterviews) eingesetzt, um zuverlässig detailliertere Daten und Informationen für die Entwicklung einer interdisziplinären Kompetenzmatrix in Lehre und Studium zu erhalten. Die Validierung der erworbenen KI-Kompetenzen soll mittels Learning Analytics (siehe AP 3a) erfolgen. (Leitung Prof. Uckelmann)

Im Arbeitspaket 2 „Ethische Grundkonzeption“ wird die Grundlage für die umfassende ethische Reflexion aller im Projekt geplanten Teilvorhaben gelegt. Hierfür ist die Erstellung eines ethischen Werterahmens sowie die darauffolgende Ableitung konkreter ethischer Leitlinien für die HFT Stuttgart vorgesehen. Die Konzeption des Werterahmens erfolgt auf Basis umfangreicher Literaturanalysen, in der die Inhalte und Methodiken reflektiert werden. Exemplarische Untersuchungsfragen in diesem Kontext sind: 1) Welche Ansätze aus unterschiedlichen Bereichen der Ethik sind für einen verantwortungsvollen Umgang mit KI grundsätzlich anwendbar? 2) Welche Ansätze in besonderem Maße? Warum? 3) Welche Werte sind in diesem Kontext besonders relevant? Wie kann Ihnen Rechnung getragen werden? 4) Welche Implikationen resultieren hieraus? 5) Wie lassen sich hieraus bereichsspezifische Leitlinien für Hochschulen für den Umgang mit KI ableiten? Methodisch wird diesem AP das Forschungsdesign transdisziplinärer Reallabore zugrunde gelegt. Auf diese Weisen werden die Interessen und Bedarfe unterschiedlicher Anspruchsgruppen/Stakeholder von Beginn an und fortlaufend miteinbezogen. Die Ableitung konkreter ethischer Leitlinien aus dem Werterahmen erfolgt als iterativer Prozess in Verbindung mit der ethischen Analyse und Beratung der weiteren Teilprojekte in KNIGHT sowie in Kooperation mit weiteren Ethikbeauftragten aller HAW in Baden-Württemberg. Die erarbeiteten Ethikleitlinien sollen hochschulweit Anwendung finden. (Prof. Popović)

Parallel zur didaktischen und ethischen Konzeption in den Arbeitspaketen 1 und 2 werden im Arbeitspaket 3 „Aufbau und iterative zielorientierte Entwicklung der technischen LA- und KI-Infrastruktur“ die Bedarfe an die notwendige technische Infrastruktur und darauf aufbauende KI-gestützte Werkzeuge ermittelt, Lösungskonzepte konzipiert und prototypisch umgesetzt. Im Fokus stehen zwei Forschungsfragen: 1. Wie muss eine Learning-Analytics-Infrastruktur für zukünftige KI-gestützte (Selbst-)Analysen aufgebaut sein? 2. Welche KI-basierten Assistenten können Studierende, Lehrende und Studiendekan:innen in der Lehre unterstützen? Nach der Analyse der jeweiligen Bedarfe werden auf Basis der LA-Plattform und weiterer Datensysteme ein Digital Educational Mirror für Studierende, ein Digitaler Assistent für die Interaktionsanalyse in Online-Meetings, ein Digital Educational Lecture Cockpit für Lehrende und ein Study Dean Cockpit für Studiendekan:innen konzipiert und prototypisch umgesetzt. (Leitung Prof. Uckelmann, Prof. Rausch)

In Arbeitspaket 4 „Adaptive Tests“ werden die Voraussetzungen für die bequeme Nutzung von leistungsadaptiven Tests geschaffen: Zum einen werden KI-basierte Methoden für die (teil-)automatische Bewertung von studentischen Antworten und für die Vorhersage des Schwierigkeitsgrads für neu erstellte Fragen erarbeitet. Zum anderen wird erprobt, wie sich adaptive Tests in die Vorlesungen verschiedener Studiengänge integrieren lassen. Es wird ermittelt, welche Voraussetzungen und Strategien zum Gelingen nötig sind, und bei den Teilnehmenden erhoben, inwieweit Studierende und Lehrende von adaptiven Tests profitieren. (Prof. Padó)

Im Arbeitspaket 5 „Fachspezifische Umsetzung in der Programmierung“ werden an den individuellen Lernfortschritt der Studierenden angepasste Lernangebote, Aufgaben und Testfragen entwickelt, die sich nach dem mittels LA ermittelten Wissensstand der Studierenden richten. Methoden der künstlichen Intelligenz dienen dazu, bei deutlich über- oder unterdurchschnittlich guten Studierenden deren Niveau festzustellen und diese mit entsprechend anspruchsvollen Aufgabenstellungen herauszufordern oder ihnen zusätzliche Hilfestellungen zu geben. (Prof. Heusch)

In Arbeitspaket 6 „Stärkung der KI-Kompetenz bei Lernenden und Lehrenden“ steht nicht der Forschungsaspekt im Vordergrund, sondern Maßnahmen zur Stärkung der KI-Kompetenzen an der HFT Stuttgart. Zu diesem Zweck werden jeweils Qualifikations- und Weiterbildungsangebote für Studierende und Lehrende konzipiert und durchgeführt. Die Qualifikations- und Weiterbildungsangebote sind dabei so gestaltet, dass sie technische, und ethische Aspekte künstlicher Intelligenz abdecken, und werden im Semesterrhythmus angeboten. Außerdem wird in KNIGHT die gesamte Bandbreite der bisher bestehenden extracurricularen Angebote mit KI-Bezug gebündelt. (Leitung: Prof. Popović)

In Arbeitspaket 7 „Evaluation und Projektverankerung, Feedback-Loops und Workshops, Konferenzen“ findet die Evaluation der in AP 2 erstellten projektrelevanten Fragen statt. Die im Rahmen dessen durchzuführenden Feedback-Loops, Workshops und Konferenzen tragen in besonderer Weise dem dem Gesamtvorhaben zugrundeliegenden Design transdisziplinärer Reallabore (Living Labs) Rechnung, da sie die relevanten Stakeholder explizit miteinbeziehen. Speziell findet die Evaluation der Kompetenzmatrix und des Werterahmens in formativer und summativer Weise statt. Die Ergebnisse sollen während des Projektzeitraums so verankert werden, dass sie eine Basis bilden für die (mögliche) curriculare Verankerung nach Projektende. Die Abschlusskonferenz wird in Kooperation mit bewährten Kooperationspartnern der bisher sehr erfolgreich stattfindenden KI-Ethik-Konferenzen durchgeführt. Die Zugänglichkeit aller Projektergebnisse sowie der Konferenzbeiträge wird durch eine Onlineplattform ermöglicht.

Die folgenden Projektziele und Forschungsfragen sind handlungsleitend für die Evaluation im Rahmen eines Design-based-Research-Ansatzes (DBR):


  • Evaluation der Kompetenzmatrix: Wie lässt sich die KI-Kompetenzmatrix produktiv in den Hochschulalltag integrieren? Wie können Kompetenzen verdeutlicht werden? Wie lässt sich mit Hilfe der Kompetenzmatrix der Reflexionsprozess der Studierenden anregen bzw. sinnvoll begleiten? Nutzen Studierende die Matrix um KI-Kompetenzen gezielt auf- und auszubauen?
  • Evaluation aus Lehrendenperspektive: Wie werden die Projektziele in der Lehre kommuniziert und eingebunden? Wie transparent werden die Funktionsweise der KI und alle ethisch relevanten Aspekte sowie der Datenschutz erläutert? Können die bestehenden hochschulweiten Evaluationsbögen des Qualitätsmanagements um projektrelevante Fragen erweitert werden?
  • Evaluation aus Studierendenperspektive: Ändern sich das Verhalten und die Wahrnehmung der Studierenden im Projekt (in Bezug auf Studienabbruch, Gruppendynamik, Überwachung, Selbstbestimmung und Reflexion über KI)?
  • Evaluation der Algorithmen: Welche Kriterien werden wie zugrunde gelegt? Wie ‚urteilt‘ die KI?
  • Zudem sind in AP 7 Maßnahmen zur projektinternen und externen Zusammenarbeit, curricularen Verankerung und zur Dissemination geplant. (Leitung: Prof. Popović)


    Das sind unsere angestrebten Forschungsergebnisse

  • eine KI-Kompetenzmatrix als Orientierungsrahmen für das Erheben und Visualisieren von LA
  • ein Werterahmen sowie entsprechende Kompetenzen für einen verantwortungsvollen Umgang mit KI im Hochschulkontext
  • ethische Leitlinien für einen verantwortungsvollen Einsatz von KI an Hochschulen
  • eine wissenschaftliche Untersuchung ethischer und datenschutzrechtlicher Kernforderungen und Ableitung von Leitlinien für die Datenerfassung und Auswertung personenbezogener (studentischer) Daten, um Transparenz und Nachprüfbarkeit zu gewährleisten und Vertrauen zu schaffen
  • Möglichkeiten zu KI-basierten Interaktionsanalysen in digitalen Räumen
  • Chancen und Grenzen der Rückspiegelung des Lernerfolgs an die Studierenden durch eine LA-Plattform mit integrierten KI-Tools
  • Chancen und Grenzen der Rückspiegelung des Lernerfolgs der Studierenden an die Professor:innen unter Einhaltung datenschutzrechtlicher und ethischer Regeln
  • kompetenzorientierte Lehr-Lernangeboten, die an den Lernfortschritt der Studierenden individuell angepasst sind

  • Mit diesen Maßnahmen wollen wir die KI-Kompetenz an der HFT Stuttgart stärken

  • vorgezogene Ausschreibung und Besetzung einer Professur aus dem Fachbereich Vermessung mit neuer Denomination im Bereich KI
  • Ausbau der curricularen Angebote sowie (Weiter-)Entwicklung bestehender SPOs zur Stärkung der KI-Kompetenzen zukünftiger Absolvent:innen
  • Ausbau der Weiterbildungsmaßnahmen für eine umfassende KI-Kompetenz für Dozent:innen sowie Hochschulmitarbeiter:innen
  • Ausbau der extracurricularen Angebote, vor allem mit dem Schwerpunkt ethischer KI-Reflexionskompetenz zu wirtschaftlichen, gesellschaftlichen und juristischen Belangen
  • KI-Ringvorlesungen als Ausbau der bestehenden ETHIKUM-Gastvortrags- und Tagungsreihe

  • Für die Umsetzung dieser Aufgaben wird die Hochschule für Technik Stuttgart über vier Jahre mit Mitteln aus dem Bund-Länder-Programm "KI in der Hochschulbildung" gefördert. An dem Projekt sind die Professor:innen Peter Heusch, Michael Mommert, Ulrike Padó, Tobias Popović, Alexander Rausch und Dieter Uckelmann (Projektleitung) sowie zahlreiche wissenschaftliche Mitarbeiter und Mitarbeiterinnen beteiligt.

    Knight – Künstliche Intelligenz für die Lehre

    Lesen Sie auch ein Interview mit Prof. Ulrike Padó in folgendem Artikel:

    Künstliche Intelligenz an deutschen Hochschulen und Universitäten

    Veröffentlichungen

  • Padó, U., Eryilmaz, Y. & Kirschner, L. (2023). Short-Answer Grading for German: Addressing the Challenges. Int J Artif Intell Educ. https://doi.org/10.1007/s40593-023-00383-w
  • Bhavasar, J.; Sharif, M.; Uckelmann, D. (2023). Enhancing Personalized Learning Experiences: Leveraging Multi-Modal Learning Analytics Dashboards. Proceedings of the 7th International Academic Conference on Education, London, 2023. ISBN: 978-609-485-470-5
  • Sharif, M., Munz, F., Uckelmann, D. (2023). KNIGHT Learning Analytics Architecture for Betterment of Student Education. In: Schlippe, T., Cheng, E.C.K., Wang, T. (Hrsg.) Artificial Intelligence in Education Technologies: New Development and Innovative Practices. AIET 2023. Lecture Notes on Data Engineering and Communications Technologies, vol 190. Springer, Singapore. https://doi.org/10.1007/s40593-023-00383-w