Dieses Projekt zeigt, wie künstliche Intelligenz (KI) im Bereich der Bildung und Weiterbildung eingesetzt werden kann, um die Lernerfahrung zu personalisieren. Konkret bestand das Ziel darin, eine bestehende Lernplattform zu verbessern, indem Lernenden Kurse empfohlen werden, die zu ihren Bedürfnissen und Präferenzen passen.
Über die Stakeholder
EduPlex ist eine Forschungsinitiative im Bereich Bildung. Für dieses Projekt brachte EduPlex ein vielfältiges Konsortium von Unternehmen und Bildungseinrichtungen zusammen.
Courseticket ist ein Online-Kursportal, welches digitale L&D Plattformen und App aufbaut. So liefert das Unternehmen das technische Fundament für bekannte Bildungsanbieter, Verlage, KMU, Corporates, Universitäten und Ministerien.
Hochschule Schmalkhalden hat eine starke Ausrichtung auf Künstliche Intelligenz (KI) und bietet eine Vielzahl von Programmen und Forschungsinitiativen in diesem Bereich an. Die HS legt Wert auf die Kombination von theoretischem Wissen und praktischer Anwendung, um Studierende optimal auf ihre berufliche Zukunft vorzubereiten.
WBS Training AG ist ein deutscher Bildungsanbieter mit Sitz in Berlin, der sich auf die Erwachsenen- und Weiterbildung konzentriert und in Deutschland ca. 250 Niederlassungen besitzt.
Das Team von ONTEC AI durfte das Konsortium als Subunternehmen in beratender Position begleiten. Das Team bestehend aus KI-Expertern entwickelt, begleitet und berät mittlere und große Unternehmen bei der Implementierung sicherer KI-Systeme.
Herausforderung und Ziel
Der Markt von Bildung, Ausbildung und Weiterbildung ist in Zeiten digitalen Zugangs zu Lernmaterialien äußerst kompetitiv. Große Anbieter wie Youtube Learn stehen kleineren Lernplattformen gegenüber, wobei sich die kleinen ganz besonders profilieren müssen, um nachhaltig erfolgreich zu sein.
Dabei ist ganz besonders das Erlebnis des Lernprozesses erfolgsentscheidend.
Vor genau dieser Herausforderung stand Courseticket.
Das bestehende System konnte keine Kurse empfehlen, die auf individuelle Ziele und Vorlieben zugeschnitten waren, was zu geringerer Nutzerbindung und suboptimalen Lernergebnissen führte.
Die bestehende Lernplattform sollte deshalb dahingehend optimiert werden, dass es seinen Nutzern eine besonders personalisierte und ansprechendere Erfahrung bieten könne.
Das Ziel des Projekts war es, ein KI-basiertes Empfehlungssystem zu entwickeln, das effizient relevante Kurse vorschlagen kann, um die Zufriedenheit der Nutzer zu verbessern und die berufliche Weiterentwicklung durch Umschulungs- und Weiterbildungsmaßnahmen zu unterstützen.
Den Lernenden würde das KI-gesteuerte Empfehlungssystem automatisch geeignete Kurse vorschlagen, selbstgesteuertes Lernen unterstützen und die Nutzung kleiner Lerneinheiten fördern, die für die Zukunft digitaler Lernumgebungen entscheidend sind. Diese Personalisierung zielt darauf ab, die Motivation durch maßgeschneiderte Lernpfade zu erhöhen.
💡 Die Fähigkeit der KI, neuartige Eingaben zu verarbeiten, sich mit mehr Daten zu verbessern und Aufgaben zu automatisieren, steigert die Geschwindigkeit und Effizienz und ermöglicht es Unternehmen, schnell zu skalieren.
Für die Organisation würde die Implementierung dieses Systems den Gesamtumsatz steigern und die Fähigkeiten im Bereich KI-basierter Empfehlungssysteme verbessern. Es sollte auch helfen, Top-Talente anzuziehen.
Projektablauf und Methoden
Für das Projekt fanden sich die unterschiedlichen Stakeholder im Konsortium zusammen, um jeweils ihre Expertise mit einzubringen.
Der Beitrag von ONTEC AI bestand darin, Beratung zur Entwicklung eines KI-Systems zu leisten, das basierend auf Benutzerdaten geeignete Kurse empfiehlt. Konkret bestand der Teil der KI-Beratung aus 6 Workshops, innerhalb welchen u.a. unterschiedliche Stakeholder ihre Erwartungen, Anforderungen und Empfehlungen für die KI-Entwicklung diskutierten.
Methodisch wurde mit einer Mischung aus TOGAF (The Open Group Architecture Framework, einer Methodik für IT Enterprise Architecture), DISR (Design-oriented Information System Research, einer Forschungsmethode nach Österle et al) und RFISR (Research Framework for Information System Research, einer Forschungsmethode nach Nunamaker & Chen) gearbeitet um folgende Arbeitsschritte zu definieren:
- Business: Hier wurden die Geschäftlichen Anforderungen der Stakeholder an die zu entwicklende KI Komponente definiert.
- Data: Hier wurden die vorhanden und benutzbaren Datenquellen eruiert
- Objective / Gold Standard: Hier wurden die Ziele formal definiert und eine Zielvorgabe gegen die entwickelt und geforscht wird definiert
- Application Experimentation Loop: Ein fortlaufender Experimentierzyklus um die besten Ansätze zu identifizieren:
- Select (Blend of) Approaches: Hier wurde definiert, welche AI und Data Science Methoden für die Empfehlung verwendet werden.
- Implement: Hier wurde dieser Ansatz experimentell implementiert
- Experiment: Hier wurde der Ansatz gegen das Ziel und den Gold Standard gemessen.
Bei nicht erreichen der Ziele, zurück zu Schritt a.
- Choose Technology: Zuletzt wurde anhand der Ergebnisse identifiziert, wie genau das Empfehlungssystem implementiert wird.
Kern der Beratungsleistung war die Gliederung der Aufgaben nach dieser Methodik und die Unterstützung bei der Erarbeitung dieser Schritte.
Das Projekt sollte innerhalb von 18 Monaten durchgeführt werden, der Abschluss wurde mit 31. März 2023 festgesetzt.
Ergebnis
Das Ergebnis war ein KI-basiertes Empfehlungssystem, das eine personalisierte Lernerfahrung bietet, indem es die am besten geeigneten Kurse für die Ziele der Nutzer vorschlägt. Dabei stechen vor allen Dingen Zeit- und Kosteneffizienz und die hohe Qualität der Empfehlungen positiv hervor.
Das Empfehlungssystem-Konzept umfasste konkret zwei Hauptstrategien: Interaktionsbasierte und inhaltsbasierte Empfehlungen.
- Interaktionsbasierte Empfehlungen würden Vorschläge basierend auf dem Benutzerverhalten generieren und Methoden wie LDA, Basket Embeddings, Benutzerklassifikation und Sequenzlernen verwenden.
- Inhaltsbasierte Empfehlungen würden die tatsächlichen Kursinhaltsbeschreibungen nutzen und state-of-the-art Techniken wie Word Embedding mit WMD, Content Embedding mit Transformern und auf Cosine-Similarity basierende Suche anwenden.
Zusammenfassung und Key Takeaways
Dieses Projekt zeigt das transformative Potenzial von KI im Bildungssektor, indem es eine personalisierte, effiziente und skalierbare Lernumgebung für Lernende und Bildungseinrichtungen schafft.
Durch die Erforschung des Potenzials von KI in der Bildungstechnologie ebnet dieses Projekt den Weg für eine Zukunft, in der das Lernen persönlicher, ansprechender und effizienter ist.
- KI ermöglicht maßgeschneiderte Lernpfade, die die Motivation und das Engagement der Lernenden erhöhen.
- Automatisierte Kursvorschläge sind zeit- und kosteneffizient, was sowohl den Lernenden als auch den Anbietern zugutekommt.
- Durch die Analyse von Nutzerverhalten und Kursinhalten können fundierte Entscheidungen getroffen werden, die die Qualität und Relevanz der Lernangebote verbessern.
- Organisationen, die KI in ihre Lernplattformen integrieren, verbessern ihre Marktposition und können besser mit großen Wettbewerbern konkurrieren.
- KI unterstützt die berufliche Weiterentwicklung durch präzise Empfehlungen für Umschulungs- und Weiterbildungsmaßnahmen, was zu besseren Karrierechancen führt.
Klingt spannend?
Gerne sprechen wir mit Ihnen über die Möglichkeiten, die KI für die Weiterbildung in Ihrem Unternehmen bereit hält!
