In unse­rem Bei­spiel wur­de der Sport­leh­re­rin schnell klar, dass das gan­ze Team von Anwen­dun­gen die­ser Art pro­fi­tie­ren könn­te. Die Fra­ge tauch­te auf, ob auch die Zusam­men­set­zung des Teams durch den Ein­satz die­ser Tech­ni­ken ver­bes­sert wer­den kann. Es geht also um das Team, oder das Unter­richts­ge­sche­hen.

Lear­ning Ana­ly­tics auf die­ser Ebe­ne ermög­licht neue For­men des Tuto­rings und Class­room-Manage­ments, aber auch Assess­ments oder Gra­dings. Denn auch auf der Ebe­ne der Klas­se und Lern­grup­pe erlau­ben intel­li­gen­te Anwen­dun­gen wie z.B. digi­ta­le Assess­ments und „auto­ma­ted gra­ding“ oder auch Leis­tungs­da­ten­eva­lua­tio­nen und Emp­feh­lungs­sys­te­me neue und manch­mal auch direk­te­re For­men des didak­ti­schen Feed­backs – qua­si in „Echt­zeit“. Leh­ren­de kön­nen auf die­se Wei­se ihr Lehr­an­ge­bot in zeit­li­cher und struk­tu­rel­ler Hin­sicht an den aktu­el­len Lern­fort­schritt der Lern­grup­pe anpas­sen.⁶

Sei es also der auto­ma­tisch gene­rier­te indi­vi­du­el­le Trai­nings­plan oder ein adap­ti­ver Lern­pfad: Bei­des basiert auf Daten­res­sour­cen, die über den Infor­ma­ti­ons­ho­ri­zont des ein­zel­nen Schü­lers, des Leh­rers oder Trai­ners hin­aus­ge­hen. Die­se Ebe­ne kann auch als Meso­ebe­ne bezeich­net werden.

Nur als Fra­ge for­mu­liert war die letz­te Ebe­ne, die der Schul­or­ga­ni­sa­ti­on. Genau­er gesagt geht es um die Opti­mie­rung von z.B. Eva­lua­tions- und Pla­nungs­pro­zes­sen durch Data-Mining und Analytics.

KI-Sys­te­me kön­nen auch auf der Ebe­ne der „Insti­tu­ti­on Schu­le“ unter­stüt­zen, wenn es etwa dar­um geht, Eva­lua­tio­nen und Berich­te, Dia­gno­sen oder Pro­gno­sen (z.B. Personal‑, Res­sour­cen- und Raum­pla­nung) „auto­ma­tisch“ zu gene­rie­ren. Gera­de in die­sem, häu­fig über­se­he­nen, jedoch sehr wich­ti­gen schu­li­schen Hand­lungs­be­reich könn­ten erheb­li­che tech­no­lo­gi­sche Effi­zi­enz- und Ver­bes­se­rungs­po­ten­zia­le schlum­mern, um Ent­schei­dun­gen schnel­ler her­bei­zu­füh­ren und so die Pro­duk­ti­vi­tät der Ein­rich­tung zu erhö­hen.⁷

Im Hoch­schul­be­reich ein­ge­setzt kön­nen die Erkennt­nis­se aus Lear­ning Ana­ly­tics Schwach­stel­len in der Kon­zep­ti­on von Stu­di­en­gän­gen auf­de­cken und eine Über­ar­bei­tung des Stu­di­en­an­ge­bots bewir­ken.⁸ Eben­so kön­nen mit indi­vi­du­el­len Bera­tun­gen Risi­ko­stu­die­ren­de früh­zei­tig unter­stützt und so die Abbruch­ra­te ver­rin­gert wer­den⁹, was ange­sichts des sich immer wei­ter ver­stär­ken­den Lehrer*innenmangels¹⁰ wie­der­um der „Insti­tu­ti­on Schu­le“ zugu­te­kommt. Die­se Ebe­ne kann auch als Makro­ebe­ne bezeich­net werden.

Ein Begriff, der häu­fig mit Lear­ning Ana­ly­tics in Ver­bin­dung gebracht wird, ist das soge­nann­te Nud­ging (Anstup­sen). Dabei wird das Ver­hal­ten der Nutzer*innen durch den vor­ge­ge­be­nen Algo­rith­mus so beein­flusst, dass sie die „rich­ti­gen“ Ent­schei­dun­gen tref­fen und sich damit auch gut füh­len.¹³

Anders­her­um kön­nen Nutzer*innen, die wis­sen, dass ihr Lern­ver­hal­ten kon­trol­liert wird, auch das Sys­tem mani­pu­lie­ren, indem sie sich bei­spiels­wei­se häu­fi­ger ein­log­gen.¹⁴

Was aber, wenn das Sys­tem  gar nicht so genaue Pro­gno­sen lie­fert, wie wir es von ihm erwar­ten? Was, wenn die Lehr­kraft das Dash­board oder das Ampel­sys­tem als abso­lu­te Wahr­heit ansieht? Eine feh­ler­haf­te Kate­go­ri­sie­rung oder Inter­pre­ta­ti­on könn­te dazu füh­ren, dass Ler­nen­de nicht dem Lern­ni­veau zuge­ord­net wer­den, das ihrem eigent­li­chen Lern­fort­schritt ent­spricht, was wie­der­um eine Unter- oder Über­for­de­rung des Ler­nen­den nach sich zie­hen könn­te¹⁵, wenn nicht sogar ein gewis­ses Dis­kri­mi­nie­rungs­po­ten­zi­al. So könn­ten Grup­pen oder ein­zel­ne Per­so­nen auf­grund ihres Geschlechts, ihrer eth­ni­schen Her­kunft oder ihres Sozi­al­sta­tus benach­tei­ligt wer­den, wenn bei­spiels­wei­se das Sys­tem her­lei­tet, dass weib­li­che Per­so­nen mit hohem Sozi­al­sta­tus bes­ser ler­nen als männ­li­che mit einem nied­ri­gen Sta­tus.¹⁶

Ethi­sche Beden­ken lie­fert bei­spiels­wei­se der Umstand, dass sich Ler­nen­de der Nut­zung sol­cher Anwen­dun­gen nicht oder nur sehr schwer ent­zie­hen kön­nen, vor allem wenn das Sys­tem auf Meso- oder Makro­ebe­ne ein­ge­führt wird. So könn­te bei den Schüler*innen das Gefühl des Zwangs ent­ste­hen, der Kon­trol­le der Lehr­kraft bzw. der Schu­le aus­ge­lie­fert zu sein, was dem Ver­trau­ens­ver­hält­nis die­ser bei­den Par­tei­en nicht gera­de zuträg­lich ist.¹⁷ Und da hilft auch kein Trans­pa­rent­ma­chen jeg­li­cher Daten­ver­ar­bei­tung in AGBs, wenn das Ableh­nen zur Fol­ge hat, dass sich die Diens­te gar nicht erst nut­zen las­sen.¹⁸

1. LOCO-Ana­lyst

• Rück­mel­dung zu Lern­ak­ti­vi­tä­ten, Ver­ständ­lich­keit der Kurs­ma­te­ria­li­en sowie sozia­len Interaktionen
• In Lern­ma­nage­ment­sys­te­me integrierbar

2. OUA­naly­se (Open Uni­ver­si­ty of Australia) 

• Wöchent­li­che Vor­her­sa­ge der Ein­rei­chungs- und Bestehens­wahr­schein­lich­keit für abzu­ge­ben­de Übun­gen, visua­li­siert durch Ampelsystem

3. Intel­li­gen­tes Tuto­ri­el­les Sys­tem (ITS) Area9 Rhapsode

• Sach­sen und Meck­len­burg-Vor­pom­mern: tes­ten den Ein­satz von Künst­li­cher Intel­li­genz in Schu­len anhand des Sys­tems „ITS Area9 Rhapsode“
• Ent­wi­ckelt vom däni­schen Unter­neh­men Area9 Lyceum
• Bereits von Kin­dern in Däne­mark und Groß­bri­tan­ni­en genutzt
• Voll­au­to­ma­ti­sier­te Anpas­sung des Lernwegs
• Selbst­stän­di­ge Erken­nung, wann der/die Schüler*in einen Lern­be­reich ver­stan­den hat

4. Pro­jekt „Hyper­Mind”

• Ent­wick­lung eines anti­zi­pie­ren­den Physikschulbuchs
• Soll zu einem dyna­misch-adap­ti­ven per­sön­li­chen Schul­buch wer­den und indi­vi­du­el­les Ler­nen ermöglichen
• Sta­ti­sche Struk­tur des klas­si­schen Buches wird auf­ge­löst, statt­des­sen wer­den Buch­in­hal­te por­tio­niert und die resul­tie­ren­den Wis­sens­bau­stei­ne asso­zia­tiv verlinkt
• Zusätz­lich wer­den die Bau­stei­ne mit mul­ti­me­dia­len Lern­in­hal­ten ergänzt, die auf Basis von Aufmerksamkeits(blick-)daten abruf­bar sind
• Wei­te­re Infor­ma­tio­nen fin­den Sie in die­sem Video

1. Bet­ter­marks 

• Online-Lern­sys­tem für den Mathe­ma­tik­un­ter­richt mit per­so­na­li­sier­ten Auf­ga­ben für jede*n Schüler*in
• Direk­te Rück­mel­dun­gen mit Hilfestellungen

2. Stu­dent Suc­cess Plat­form (SEAtS Software)

• Auf Mikro‑, Meso- und Makro­ebe­ne einsetzbar
• Ana­ly­se von Stu­di­en­ver­läu­fen und Vor­her­sa­ge des Stu­di­en­ver­laufs sowie Mes­sung neu ein­ge­führ­ter insti­tu­tio­nel­ler Maßnahmen