Text

Problembeschreibung/Zielsetzung: Kompetenzbasierte Lernziele sind curricular verankert, jedoch häufig nicht lehrveranstaltungsbezogen vorliegend. Ziel des Projekts war die Entwicklung eines automatisierten Workflows, der Lernziele direkt aus vorhandenen Lehrmaterialien generiert, um ein materialnahes, lehrveranstaltungsbezogenes Abbild zu ermöglichen.

Projektbeschreibung/Evaluationsmethoden: Das Projekt adressierte den Bedarf nach einer skalierbaren, ressourcenschonenden Erstellung veranstaltungsbezogener Lernziele. Lehrmaterialien dienten als Primärdatenquelle. Eine modulare, mithilfe künstlicher Intelligenz entwickelte Python-Pipeline extrahierte Textinhalte mittels PDF-Parsing, bereinigte diese regelbasiert und segmentierte die Inhalte veranstaltungsweise. Die Texte wurden mithilfe strukturierter Prompts durch das Large Language Model ChatGPT in 6-8 kompetenzorientierte Lernziele pro Veranstaltung überführt. Ein JSON-Schema sicherte einheitliche Ausgaben (Lernzieltext, Veranstaltung, Fach, Semester) in einer Excel-Tabelle. Anschließend wurden alle Lernziele den verantwortlichen Lehrenden zur fachlichen Prüfung, Anpassung und Freigabe vorgelegt. Die Lernziele wurden in einem webbasierten Portal mit hierarchischer Navigation nach Fach, Semester und Veranstaltung dargestellt. Das Portal bietet eine lernförderliche Navigation, eine Volltextsuche sowie persönliche Markierungs- und Fortschrittsfunktionen zur strukturierten Wiederholung, Priorisierung und individuellen Lernplanung.

Als nächster Projektschritt ist im Sommersemester 2026 eine standardisierte Studierendenbefragung zum wahrgenommenen Mehrwert und zur Lernunterstützung geplant.

Ergebnisse: Es wurde eine durchgängige, automatisierte Workflow-Pipeline von der Materialextraktion bis zur freigegebenen Lernzielsammlung implementiert. Für einen Großteil der Lehrveranstaltungen wurden Lernziele materialbasiert generiert und zugeordnet, sodass erstmals eine vollständige, lehrveranstaltungsbezogene Abbildung des Studiengangs möglich wurde. Dadurch wurden die Dozierenden im Sinne des curricularem Mappings entlastet, da keine manuelle Lernzielerstellung erforderlich war. Die Studierenden legten bei der Entwicklung der Pipeline besonderen Wert auf die praktische Anwendbarkeit der generierten Lernziele. Der Workflow erwies sich als stabil, reproduzierbar und skalierbar und unterstützt eine transparente, lernzielorientierte Gestaltung von Lehre und Lernen.

Diskussion: Die Kombination aus KI-gestützter Generierung und lehrseitiger Qualitätssicherung verband Effizienz mit fachlicher Validität und unterstützte curriculare Transparenz. Perspektivisch ist ein Abgleich der generierten Lernziele mit dem NKLM vorgesehen.

Take-Home-Messages:

• Lernziele ließen sich automatisiert direkt aus Lehrmaterialien ableiten.
• Eine modulare, KI-gestützte Pipeline ermöglichte skalierbares Lernziel-Mapping.
• Ein navigierbares Portal unterstützt selbstgesteuertes Lernen in enger inhaltlicher Kongruenz zu den Lehrveranstaltungen.