KNIGHT – KI in der Lehre
Das Projekt KNIGHT an der HFT Stuttgart zeigt, wie Künstliche Intelligenz Lehre und Lernen neu gestaltet.
- Individuelle Lernpfade für Studierende
- Unterstützung Lehrender durch intelligente Systeme
- Kompetenzaufbau für einen verantwortungsvollen KI-Einsatz
Projektstruktur: Themen und Arbeitspakete
KNIGHT fokussiert sich auf die Integration Künstlicher Intelligenz in Lehre, Lernprozesse und Hochschulstrukturen.
Im Folgenden finden Sie die thematischen Schwerpunkte des Projekts und die entsprechenden Arbeitspakete (AP).
Ethikbezogene Arbeitspakete:
- AP 2.1 – 2.2: Konzeption ethischer Leitlinien für verantwortungsvollen KI-Einsatz.
Technische Arbeitspakete:
- AP 3.1 – 3.7: Infrastruktur, Visualisierung (Grafana), Datenmigration, Study Dean Cockpit.
- AP 4.1 – 4.4: Adaptive Testsysteme, KI-Integration in Moodle.
- AP5: Fachspezifische Umsetzung.
Kompetenzbezogene Arbeitspakete:
- AP 1.1 – 1.3: Kompetenzanalyse und Matrix.
- AP 6: KI-Zertifikate und Schulungsformate.
Evaluation & Transfer:
- AP 7: Begleitforschung, Evaluation, Verankerung.
- AP 8: Textgenerierende KI in der Lehre.
AP 1
Entwicklung einer Kompetenzmatrix für KI
Erhebung und Strukturierung relevanter KI-Kompetenzen.
Mehr erfahren AP 2
Formulierung ethischer Leitlinien
Grundkonzeption ethischer Rahmenbedingungen für KI.
Mehr erfahren AP 3a + AP 3b
Aufbau einer Learning-Analytics- und KI-Infrastruktur
Technischer Aufbau und Visualisierung von Analysedaten.
Mehr erfahren AP 4
Implementierung Adaptiver Tests
Integration von Tests mit adaptiver Logik in Moodle.
Mehr erfahren AP 7
Evaluation und Projektverankerung
Begleitforschung und Evaluation aller Maßnahmen.
Mehr erfahrenErkenntnisse
Erkenntnisse aus dem Projekt
- Publikationen
- Workshops & Events
- Repositories
- Verwendung der Ergebnisse
- Aktuelles
- Mehmedovski, K.; Padó, U. (2026): Adaptive Übungsaufgaben mit KI-gestützter Fragenauswahl. In: Karcher, F.; Zimmermann, G. (Hrsg.) Künstliche Intelligenz in der Hochschullehre – Ein Methodenbuch, UTB-Verlag. (erscheint)
- Arfeli, D.; Weber, M.; Uckelmann, D.; Popovic, T. (2025): Development of an AI Competence Matrix for AI Teaching at Universities. In: Vidal, E.; Cukierman, U.; Auer, M. (Hrsg.) Advanced Technologies and the University of the Future, Springer.
- Hirsch, S.; Traboulsi, S.; Uckelmann, D. (2025): Theory-Based Design of AI-Driven Virtual Training Systems. 6th Int. Conf. on AI in Education Technology (AIET), München. (angenommen)
- Höpner, A.; Uckelmann, D. (2025): KI in wissenschaftlichen Schreibseminaren. dghd, 24.–28.03.2025, Frankfurt. (Vortrag)
- Padó, U.; Mehmedovski, K.; Knebusch, A. (2025):Turning CAT into MOUSE: Adaptive Testing Mechanisms in Student Exercise Selection.Conference Proceedings 6th Int. Conf. on AI in Education Technology (AIET), München. (angenommen)
- Schellhammer, L.; Waag, L.; Cumert, M.; Uckelmann, D. (2025): Schulungen im Industrial Metaverse. Industry 4.0 Science, 41(2), 102–108.
- Uckelmann, D. (2025): Potential of XR-based Learning. XR-EXPO, 8.–9.05.2025, Stuttgart. (Vortrag)
- Hirsch, S.; Uckelmann, D. (2024): Effective Feedback Systems in Learning Analytics. IEEE ITHET 2024, Paris.
- Sharif, M.; Uckelmann, D. (2024): KNIGHT: Machine Learning Methods to Enhance Individualized Learning. AIET 2024, Springer.
- Padó, U.; Knebusch, A.; Mehmedovski, K. (2024): Computer-Based Methods for Adaptive Teaching and Learning. In: Advanced Technologies and the University of the Future, Springer.
- Padó, U.; Eryilmaz, Y.; Kirschner, L. (2024): Short-Answer Grading for German. International Journal of Artificial Intelligence in Education, 34, 1321–1352.
- Vintila, F. (2024): AVERT: LLM-Based Code Authorship Verification. IEEE ITHET 2024, Paris.
- Weber, M.; Jochim, N. (2024): Implementing Ethical Considerations into AI-Supported Student Counselling. Springer.
- Höpner, A.; Uckelmann, D. (2024): Implementing Generative AI in Academic Writing Seminars. EDULEARN24, Palma de Mallorca.
- Bhavasar, J.; Sharif, M.; Uckelmann, D. (2023): Enhancing Personalized Learning Experiences via Multi-Modal Dashboards. Int. Acad. Conf. on Education, London.
- Sharif, M.; Munz, F.; Uckelmann, D. (2023): KNIGHT Learning Analytics Architecture. In: AIET 2023, Springer.
- U. Pado, K. Mehmedovski (2025): Demo+Präsentation von MOUSE und ASYST beim Campus-Walk an der Hochschule für Technik Stuttgart im Rahmen des Midterm Strategy-Check vom Struktur- und Entwicklungsplan
- Pado et al. (2025): Vortrag beim Workshop "Adaptives Lernen in der Hochschulbildung" an der Uni Ulm
- D. Uckelmann (2024): Vortrag an der Hochschule Ulm: Künstliche Intelligenz in der Hochschulbildung – ein Erfahrungsbericht
- Pado et al. (2024): Ringvorlesung: KI-Unterstützung für Tests und Korrektur bei GHD
Masterarbeit Vladyslav Volkovskyi (2024):
Predicting the difficulty of exam questions using machine learning algorithms. Erstbetreuerin: Prof. Padó
Masterarbeit Artem Baranovskyi (2024):
Integration of a Machine Learning Backend into Assessment Processes in a PHP-based Educational Environment. Erstbetreuerin: Prof. Padó
Masterarbeit (2024):
Enhancing Student Performance Through Personalized Learning Powered by Machine Learning. Erstbetreuer: Prof. Uckelmann
Masterarbeit (2024):
From Learning Analytics to Adaptive Learning Paths. Erstbetreuer: Prof. Uckelmann
Masterarbeit (2024):
The Impact of Artificial Intelligence on Enhancing Interactive Dashboard Performance for Personalised Learning. Erstbetreuer: Prof. Uckelmann
Bachelorarbeit Samuel Maier (2023):
Application of pre-trained transformers to estimate the difficulty of closed questions using questions and choice text. Erstbetreuerin: Prof. Padó
Masterarbeit (2022):
Android Application for Learning Analytics. Erstbetreuer: Prof. Uckelmann
Bachelorarbeit Larissa Kirschner (2022):
Entwicklung einer nutzerfreundlichen GUI für ein Python-Tool zur Evaluation von Freitextaufgaben. Erstbetreuerin: Prof. Padó
Bachelorarbeit Yunus Eryilmaz (2022):
Transformerbasierte Modelle für die automatische Bewertung von deutschsprachigen Kurzantworten. Erstbetreuerin: Prof. Padó
Fortlaufend:
Nutzung der KI-Ethikleitlinie
Fortlaufend:
Nutzung der beschafften KI-Hardware (Server, Workstations) für Abschlussarbeiten
Fortlaufend:
KI-Zertifikat (siehe
Website)
Fortlaufend:
Nachhaltiger Einfluss auf Programmierübungen an der HFT Stuttgart
Fortlaufend:
Nachhaltiger Einfluss auf Schreibseminare an der HFT Stuttgart
Fortlaufend:
Nachhaltiger Einfluss auf die Lehre zu KI an der HFT Stuttgart
Projektteam
Unser engagiertes Team
Prof. Dr.-Ing. Dieter Uckelmann
Professor / Wissenschaftlicher Direktor
Prof. Dr. Peter Heusch
Professor / Grundlagen der Informatik
Prof. Dr. rer. nat. Michael Mommert
Professor / Künstliche Intelligenz in der Fernerkundung
Prof. Dr. Tobias Popovic
Professor / Ethikbeauftragter der HFT Stuttgart
Prof. Dr. Alexander Rausch
Professor für Wirtschaftsinformatik
Prof. Dr. Ulrike Pado
Professorin
Dr. Tatyana Podgayetskaya
Akademische Mitarbeiterin
Dr. Sunita Hirsch
Akademische Mitarbeiterin
Dr. phil. Diana Arfeli
Referentin für Ethik
Tim Herbst
Akademischer Mitarbeiter
Annegret Höpner
Akademische Mitarbeiterin
Niko Jochim
Akademischer Mitarbeiter
Dipl.-Math. Konstanze Mehmedovski
Akademische Mitarbeiterin
Dr. Muddsair Sharif
Akademischer Mitarbeiter
Dipl.-Ing. Florentin Vintila
Akademischer Mitarbeiter
Maximilian Weber
Akademischer Mitarbeiter
Chionia Gschweng
Akademische Mitarbeiterin
