Aufbau und iterative zielorientierte Entwicklung der technischen LA- und KI-Infrastruktur (AP 3a + AP 3b)
Gesamtstruktur AP 3a + AP 3b – Learning Analytics & KI-Infrastruktur im KNIGHT-Projekt
AP 3a – Technische Learning Analytics Infrastruktur
AP 3a zielt auf den Aufbau und die iterative Weiterentwicklung einer technischen Infrastruktur für Learning Analytics, die eine evidenzbasierte Unterstützung für Studierende, Lehrende und Studienverantwortliche ermöglicht. Die untenstehende Abbildung veranschaulicht die zugrunde liegende Datenarchitektur im KNIGHT-Projekt: Durch die Integration unterschiedlicher Quellsysteme wie Moodle, Zoom oder VR-Plattformen, eine zentrale Datenspeicherung und den Einsatz von Visualisierungstools wie Grafana wird ein kontinuierlicher Feedbackprozess realisiert.
LA-Infrastruktur: Im Rahmen der LA-Infrastruktur werden…
- lernbezogene Daten aus verschiedenen Quellen wie Moodle und VR erfasst, zentral gespeichert und ganzheitlich analysiert
- auf Basis von gesammelten Daten Rückmeldungen an die Lernenden gegeben
- die Wirksamkeit dieser Feedbacks auf Lernprozesse, Engagement und Motivation empirisch untersucht
Datenfluss und Feedback-Mechanismus der LA-Infrastruktur
Digital Educational Mirror:
Einsatz des Excalibur-Plugins in Lehrveranstaltungen der Mathematik und Logistik. Bietet datengestütztes Feedback für Studierende zu ihrem Lernverhalten.
Alternative Umsetzung auf Basis von Grafana zur Überwindung technischer Limitierungen (z. B. Update-Intervalle, Visualisierungsoptionen).
Excalibur – Studierendenansicht (Video Analytics, WiSe 2024/25)
Digital Educational Lecture Cockpit
Für Lehrende bietet das Lecture Cockpit aggregierte Nutzungsdaten und Visualisierungen zur datenbasierten Steuerung der Lehre.
Umgesetzt in Excalibur, mit geplanter Weiterentwicklung über Grafana-Dashboards.
Excalibur – Lehrendenansicht (Lecture Cockpit, WiSe 2024/25)
Digitaler Assistent zur Interaktionsanalyse
Analyse von VR-Interaktionen zur Unterstützung personalisierter Lernprozesse:
- Erfassung und Analyse von Interaktionen in VR: Augenbewegungen, Gestik, Mimik, räumliche Nähe und Sprachverhalten
- Adaptive Unterstützung individueller Lernprozesse und sozialer Gruppeninteraktionen
- Einsatz von VIPAs (Virtuellen Intelligenten Pädagogischen Agenten)
VIPA-Simulation in einer kollaborativen VR-Umgebung
Verantwortlich für AP 3a:
- Prof. Dr. Dieter Uckelmann
- Dr. Sunita Hirsch (Akademische Mitarbeiterin)
- Dr. Tatyana Podgayetskaya (Akademische Mitarbeiterin)
- Dr. Salam Traboulsi (Akademische Mitarbeiterin)
- Miguel Alejandro Munoz Gil (Akademischer Mitarbeiter)
- Dr. Muddsair Sharif (Akademischer Mitarbeiter)
Publikationen für AP 3a:
- Hirsch, S., Traboulsi, S., & Uckelmann, D. (2025). Theory-based design of AI-driven virtual training systems. Artificial Intelligence in Education and Training (AIET), Springer Nature.(Eingereicht)
- Hirsch, S. & Uckelmann, D. (2024). Effective Feedback Systems in Learning Analytics. In: ITHET, IEEE. DOI: 10.1109/ITHET61869.2024.10837632
Hinweis: Weitere Veröffentlichungen finden Sie auf der Publikationsseite .
AP 3b – Study Dean Cockpit & Monitoring
Im Arbeitspaket 3b wurde eine webbasierte Anwendung entwickelt, die als intelligentes Frühwarn- und Handlungssystem für Studiengangsleitungen dient.
Der Study Dean Copilot (SDC) verfolgt das Ziel, Studiengangsleitungen mithilfe datenbasierter Analysen frühzeitig auf kritische Entwicklungen im Studienverlauf aufmerksam zu machen und gezielte Unterstützungsmaßnahmen zu ermöglichen.
Im Fokus steht dabei keine abstrakte Learning-Analytics-Lösung, sondern eine konkrete, praxisnahe Anwendung zur Verbesserung des Studienerfolgs und der Organisation.
Das SDC wurde von Beginn an nicht als experimenteller Prototyp, sondern als produktionsreifes System konzipiert – mit stabiler Architektur, durchgehender CI/CD-Integration und moderner Infrastruktur, die auch für hohe Nutzerzahlen ausgelegt ist.
Darüber hinaus wurde das System einer umfassenden ethischen Analyse unterzogen. Die daraus abgeleiteten Anforderungen – insbesondere bezüglich Datenschutz, Transparenz und Verantwortlichkeit – führten zu gezielten Anpassungen in der Systemarchitektur, um eine vertrauenswürdige und verantwortungsvolle Nutzung sicherzustellen.
Übersicht aller Studierenden eines Studiengangs mit individuellem Fortschrittsbalken. Die Visualisierung zeigt den aktuellen Stand im Studium basierend auf bestandenen Modulen und Regelstudienzeit. Farbliche Markierungen weisen auf mögliche Unterstützungsbedarfe hin.
Dashboard eines einzelnen Studierenden mit zentralen Kennzahlen und einer visuellen Darstellung des Studienfortschritts.
Produktionsreife Infrastruktur für hohe Lastanforderungen
Verantwortlich für AP 3b:
- Prof. Dr. Dieter Uckelmann (Arbeitspaketleiter)
- Tim Herbst (Akademischer Mitarbeiter)
- Niko Jochim (Akademischer Mitarbeiter)
Publikationen für Ap 3b:
Weber, M.; Jochim, N. (2024): Implementing Ethical Considerations into AI-Supported Student Counselling. Springer. https://link.springer.com/chapter/10.1007/978-3-031-71530-3_8
Hinweis: Weitere Veröffentlichungen finden Sie auf der Publikationsseite .