„Bereits in drei bis fünf Jahren werden Methoden der Künstlichen Intelligenz die Hochschulbildung verändert haben“

Projekt der FernUniversität in Hagen will mit maschinellem Lernen und wissensbasiertem Expertensystem individuelles Lernen und Studienorganisation unterstützen

INTERVIEW mit Prof. Dr. Claudia de Witt von der FernUniversität in Hagen, die gemeinsam mit dem EdTec Lab des Deutschen Forschungsinstituts für Künstliche Intelligenz (DFKI) den Einsatz von „Künstlicher Intelligenz“ (KI) in der Hochschulbildung erforscht. Das sechsköpfige Projektteam entwickelt auf der Basis der Studierendendaten der FernUni unter anderem ein wissensbasiertes Expertensystem; es soll Studentinnen und Studenten dabei unterstützen, Studieninhalte effizienter zu erarbeiten und sich selbst im Studium besser zu organisieren. Wir sprachen mit der Bildungswissenschaftlerin über das Design des Projekts AI.EDU Research Lab, welche Arbeitsschritte für die Entwicklung eines solchen digitalen „Assistenten“ notwendig sind und wie Verfahren des Educational Data Mining dabei helfen können, die Zahl der Studienabbrecher zu verkleinern.

Prof. Dr. Claudia de Witt, Professorin für Bildungstheorie und Medienpädagogik an der FernUniversität in Hagen

Frau de Witt, in Ihrem Projekt wollen Sie mit Methoden der Künstlichen Intelligenz Studierende dabei unterstützen, ihr Studium erfolgreicher zu bewältigen. Wie kann man sich das genau vorstellen?

Zu Beginn unseres Projekts im September 2018 stand die Frage, womit unsere Studierenden an der FernUniversität in Hagen immer wieder Probleme haben und wie Methoden der Künstlichen Intelligenz (KI) dabei helfen könnten, diese eigenständig zu lösen. Für mich geht es bei KI nicht nur um eine simple Automatisierung von Prozessen, sondern um die Analyse größerer Datenmengen, um Mustererkennung und Prognosen. Darum wollen wir KI dafür einsetzen, Prozesse im Studium zu optimieren – zum Beispiel um eine Art digitalen Assistenten zu entwickeln, der Studierenden quasi vorausschauend Vorschläge macht; damit verbunden sind auch sog. Recommender-Systeme. Zusammen mit dem DFKI fokussieren wir uns auf zwei Szenarien, die wir in unserem Bachelorstudiengang Bildungswissenschaft umsetzen wollen. Dass wir das im sozialwissenschaftlichen Bereich und nicht in einem naturwissenschaftlichen Umfeld vorhaben, ist übrigens relativ neu und eine besondere Herausforderung.

Welche zwei Szenarien sind das?

Vor allem zu Semesterbeginn fragen sich die Studierenden – übrigens nicht nur an einer Fernuniversität, sondern auch diejenigen an einer Präsenzuni: Wie erarbeite ich mir die Studieninhalte, die innerhalb eines Moduls anfallen? Wo fange ich an? Wie strukturiere ich für mich die Inhalte so, dass ich einen guten Überblick gewinne? Dass ich mir wichtige Grundbegriffe merken und zentrale Zusammenhänge erschließen kann?
Es geht ja nicht nur darum sich Faktenwissen anzueignen, sondern auch darum zu erkennen, wie man aus seinem Wissen ein eigenes Erkenntnisinteresse entwickeln kann. Und natürlich auch darum, wie man die Prüfung über diese Inhalte erfolgreich abschließen kann.

„Das Szenario für das wissensbasierte Expertensystem basiert auf der individuellen Ebene eines Studierenden.“

Auf dieser individuellen Ebene wollen wir ein wissensbasiertes Expertensystem einsetzen, mit dem kognitive Lernstrategien wie Wiederholen oder Elaborieren und metakognitive Lernstrategien wie Planen oder Self-Monitoring gefördert werden. Als Vorbild für so einen digitalen Assistenten dient mir noch immer der Knowledge Navigator, den Apple schon 1987 als Prototypen entwickelt hat. Den finde ich super. Aber davon sind wir doch noch ein bisschen entfernt (lacht).
Im zweiten Szenario schauen wir uns über das Verfahren des Educational Data Mining, dem maschinellen Lernen, die verfügbaren Daten über den Studienverlauf in Bezug auf Erfolg und Misserfolg an – das Bestehen und Nicht-Bestehen von Modulprüfungen und Studienabschlussprüfungen, aber auch wann längere Pausen eingelegt werden.

„Über das Verfahren des maschinellen Lernens arbeiten wir mit Daten, die auf der Ebene des Studienverlaufs angesiedelt sind.“

Unsere Studierenden absolvieren ja nicht unbedingt jedes Semester ein Modul und irgendwann nimmt man bei einzelnen eine gewisse Inaktivität wahr. Dem möchte ich gerne genauer nachgehen. Wir evaluieren zwar schon viel und machen Eingangs-, Zufriedenheits- und Absolventenbefragungen – jetzt auch noch ECTS-Monitoring, bei dem man über den Studienverlauf sieht, wo es „Abbrecher“ oder längere Auszeiten gibt – aber ich würde gerne grundlegender erforschen, welche Maßnahmen man aufsetzen kann, um Abbrecherquoten zu senken.

Wieviel Arbeit steckt eigentlich hinter der Entwicklung eines digitalen Assistenten?

Um wissensbasierte Expertensysteme zu entwickeln, braucht es zunächst menschliches Expertenwissen darüber, wie ein Fach – man sagt auch eine Domäne – aufgebaut ist. Dieses Wissen wird strukturiert und in einem so genannten Domänenmodell beschrieben. Damit wird eine Wissensbasis geschaffen, auf die ein intelligentes System zugreifen und entsprechend dem individuellen Wissensstand eines Studierenden und der didaktischen Grundlegung Empfehlungen formulieren kann. Man spricht hier auch von Recommender-Systemen.

Klingt ziemlich kompliziert.

Beispiel Bildungswissenschaft: Als zentralen Terminus dieser Domäne stellt man „Bildung“ in den Mittelpunkt und leitet davon weitere Begriffe wie Erziehung, Lernen, Sozialisation ab; von diesen Begriffen zweigen wiederum weitere Termini ab wie Konzepte, Theorien, Beispiele. Um also das Fach Bildungswissenschaft in seiner Gesamtheit in Form einer Ontologie darzustellen, muss man ein sehr komplexes Netz mit sehr vielen Verzweigungen modellieren. Dies dann in einem intelligenten System abzubilden, das auf die dazugehörenden Daten zugreifen kann und gleichzeitig Studierenden Empfehlungen ausspricht, ist das Ziel. Das zu entwickeln ist sehr aufwändig, denn das Expertensystem muss ja erkennen können, wo der Studierende gerade ist – wenn er zum Beispiel einen Begriff eingibt, um ihm weiterführende Empfehlungen entsprechend seinem Wissensstand geben zu können.

Welche Studieninhalte oder Lehr- und Lernprozesse nehmen Sie für das erste Szenario in den Blick?

Inhaltlich konzentrieren wir uns darauf, in unserem BA-Studiengang Bildungswissenschaft einen Demonstrator für einen digitales Unterstützungssystem zum Themenfeld Digitalisierung, Mediatisierung und Medienkompetenz zu entwickeln. Für diesen Themenkomplex sind unsere Studierenden schon sensibilisiert, denn Bildung, Erziehung und Sozialisation sind heute gar nicht mehr ohne Digitalisierung denkbar – und als FernUniversität setzen wir ja bei all unseren Modulen schon lange digitale Medien ein.

„Die Studierenden sollen von Anfang an Rückmeldungen zu den entwickelten Instrumenten und Methoden geben und auch eventuell entstehende Ängste mitteilen.“

Gleichzeitig wollen wir die Studierenden aber nicht nur mit Methoden der KI in ihrem Studium unterstützen, sondern sie auch in Bezug auf den Schutz ihrer persönlichen Daten sensibilisieren: Sie sollen die Mechanismen kennenlernen, mittels derer die Daten produziert werden, und damit in ihrer Autonomie und Verantwortung, aber auch in ihrer Kritik- und Urteilsfähigkeit im Umgang mit intelligenten Systemen gestärkt werden. Im Grunde läuft das bei unserem ganzen Projektdesign mit, weil wir die Studierenden früh in die Umsetzung einbeziehen.

Welche Rolle spielt die Zusammensetzung der Studierenden der FernUniversität in Hagen in diesem Prozess?

Als FernUniversität sind wir eine Hochschule mit einer sehr diversen Studierendenschaft. Die Studentinnen und Studenten kommen aus allen möglichen Berufssparten und weisen obendrein eine große Altersspanne auf. Nehmen wir zum Beispiel ein Modul, zu dem sich 23-jährige Studierende, aber auch 54-jährige angemeldet haben. Das ist einerseits fantastisch, andererseits haben sie aber ganz unterschiedliche Hintergründe, Lernvorstellungen, Lernstrategien und Kompetenzen. Alle gleichermaßen mitzunehmen ist eine Herausforderung, vor der man in homogenen Gruppen nicht steht.

„Jeder Studierende soll seinen eigenen digitalen Begleiter, Förderer, Unterstützer haben.“

Und weil man gerade beim E-Learning stark auf die Zielgruppe abheben muss, erhoffe ich mir beim Einsatz von KI-Systemen, dass individualisierte Rückmeldungen besser unterstützt werden können. Dazu braucht es unbedingt ethische Grundlagen: Transparenz ist eine ganz wichtige Sache, auch Vertrauen zu bilden und aufzubauen sind grundlegende Aufgaben.

Künstliche Intelligenz und Bildung

Das Dossier des Deutschen Bildungsservers zum Wissenschaftsjahr 2019: Mit Links zur KI-Strategie der Bundesregierung, zu mit dem Thema beschäftigten Forschungseinrichtungen, zu Informationssammlungen zum Bereich Arbeit und Qualifizierung sowie zu Materialien zur Behandlung des Themas im Schulunterricht.

Das AI.Edu Research Lab an der Fernuniversität Hagen: Das „AI.EDU Research Lab“ wird aus Mitteln des Forschungsschwerpunktes „DDLL – Digitalisierung, Diversität und Lebenslanges Lernen. Konsequenzen für die Hochschulbildung“ der FernUniversität in Hagen finanziert.
Projektleitung: Prof. Dr. habil. Claudia de Witt und Prof. Dr. habil. Christoph Igel
Projektlaufzeit: 01. Oktober 2018 bis 30. September 2021

Playlist bildungsserverKanal: Nationales themenspezifisches Online-Portal, das für die Öffentlichkeit und fachliche Zielgruppen umfassende Informationen zum Thema Open Educational Resources zur Verfügung stellt. Ziel ist die breite Sichtbarmachung von OER und die Ansprache von neuen Zielgruppen. Der aktuelle Kenntnisstand soll für die Praxis aufbereitet, Informationen zu Best-Practice-Beispielen gebündelt und die Vielfalt vorhandener Initiativen abgebildet werden.

Sie sind ja noch relativ am Anfang des Projekts.

Ja, unser Projekt ist in drei Phasen gegliedert: Forschung – Implementierung – Skalierung. Wir haben im Oktober 2018 angefangen und sind jetzt noch in der Forschungsphase. Wir sind also dabei, Konzepte zu erarbeiten und Forschungsfragen zu operationalisieren. Wir klären gerade, welche technische Ausstattung wir brauchen und welche Systeme relevant sind. Auch in der Domänenmodellierung und im Hinblick auf die Daten über den Studienverlauf sind wir vorangeschritten. Erste Konzepte und Ergebnisse werden wir am 14. November vorstellen, wenn wir das AIEDUResearch-Lab offiziell mit einer Tagung eröffnen. In der darauf folgenden Phase der Implementierung geht es mit den Testungen und Validierungen unserer Konzepte los. Dann werden wir sehen, ob das, was wir uns so ausgedacht haben, passend ist und welche Anpassungen wir noch vornehmen müssen.

Läuft alles wie geplant?

Bisher ja! Wir arbeiten sehr eng mit dem DFKI zusammen und haben gemeinsam mit den Kollegen dort die beiden Szenarien identifiziert, von denen wir denken, dass sie für die Hochschule als Ganzes gewinnbringend sind. Im Moment sehe ich aber, dass wir vom digitalen Assistenten doch noch weit entfernt sind. Um bereits existierende Algorithmen anwenden zu können, müssen wir noch einiges entwickeln; im Moment ist noch viel händische Arbeit notwendig, damit die Bildungstechnologen vom DFKI ihre Systeme drüber laufen lassen können. Ich freue mich jetzt aber schon sehr auf die ersten Ergebnisse.

Was reizt Sie persönlich am Themenfeld Bildung und Künstliche Intelligenz?

Die Mensch-Technik-Interaktion aus bildungswissenschaftlicher Perspektive hat mich schon immer interessiert. Schon in den 1990er Jahren habe ich mich mit Virtual Reality und Künstlicher Intelligenz  beschäftigt – der Knowledge Navigator von Apple hat mich schon damals fasziniert. Interessant ist die Zusammenarbeit mit Programmierern allemal: Während Techniker schauen, was möglich ist, geht man in den Bildungswissenschaftlerinnen eher zielorientiert vor und fragt, was man mit der Technik überhaupt erreichen will. Explizit pädagogische Fragestellungen sollten bei der Programmierung unbedingt mit bedacht und berücksichtigt werden.

Wagen Sie einen Blick in die Zukunft: Wann werden Methoden der Künstlichen Intelligenz in der Hochschule selbstverständlich sein?

Das wird schneller kommen, als wir denken. Mittlerweile gibt es auch bei uns Fördergelder und einige Arbeitsgruppen wie zum Beispiel Hendrik Drachsler mit seinen Learning Analytics-Leuten. Auch wenn wir international gesehen noch nicht so weit sind, wird sich in drei bis fünf Jahren in der Hochschulbildung Deutschlands schon einiges verändert haben. Wir sind im Austausch mit der Open University-Bewegung und auch sonst in den einschlägigen Communities unterwegs – zum Beispiel auf der GMW-DELFI-Tagung 2018 oder in der Task Force AI bei der European Association of Distance Teaching Universities (EADTU). Wir schauen also nach rechts und links und profitieren von der Expertise aus anderen Ländern.

Vielen Dank für das Gespräch Frau de Witt!


Dieser Text steht unter der CC BY 4.0-Lizenz. Der Name des Urhebers soll bei einer Weiterverwendung wie folgt genannt werden: Christine Schumann für Deutscher Bildungsserver.


Auch noch interessant

1 Kommentare

  1. Pingback: Tagung: Künstliche Intelligenz und Diversität in der Hochschulbildung am 14. November 2019 | Distant Education

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.