KI-ULTRA
Fallberichte
Hier finden Sie Fallbeispiele aus den Organisationen, die als Unternehmenslabore am Projekt KI-ULTRA teilgenommen haben.
Fallberichte
29 Unternehmen wurden im Rahmen der Feldforschungsphase von KI-ULTRA bei einem KI-Einführungs-projekt begleitet. Dabei wurden über einen Zeitraum von 6 bis 18 Monaten immer wieder Gespräche geführt, unterschiedliche Stakeholder befragt, gemeinsame Workshops zu wichtigen KI-Themen durchgeführt und so eine tiefgehende ethnographische Begleitung des Einführungsprojekts erreicht. Im Rahmen dieser Feld-forschung entstanden Fallstudien aus den einzelnen Unternehmen, die als wertvolle „Best-Practice“ ebenso wie als „Lessons Learned“ für andere Unternehmen dienen können. Stöbern Sie durch die einzelnen Berichte und lassen Sie sich inspirieren!
29 Unternehmen wurden begleitet
Dauer der Begleitung: 6-18 Monate
Entstanden sind wertvolle Best Practices!
Stöbern Sie jetzt durch die Fallberichte!
Alle Angebote dieser Website sind kostenfrei!
Eine Auswahl spannender Fallberichte
Thinking Habitats
Individuelle Anpassung eines Online-Lernprogramms mit Hilfe von KI
Unternehmen: Thinking Habitats
Ort: Detroit (USA)
Anzahl der Mitarbeitenden: 4-5
Gründungsjahr: 2015
Branche: Bildung
Thinking Habitats
Customization of an online learning program with the help of AI
Company: Thinking Habitats
Location: Detroit (USA)
Number of employees: 4-5
Year of foundation: 2015
Industry: Education
Ausgangssituation
Thinking Habitats bietet Lehrenden in der Mittel- und Oberstufe ein didaktisch fundiertes, in den Unterricht integrierbares Online-Lernprogramm zur Förderung der Nachrichten- und Medienkompetenz von Schüle*rinnen in deutschen und US-amerikanischen Schulen an. Es besteht aus einem sechswöchigen Training der Lesefähigkeit und des kritischen Denkens, das auf einer von interaktiven Lernvideos unterstützten Analyse, Evaluation und Integration von Nachrichtentexten basiert. Darauf aufbauend folgt eine Projektarbeit zu einem aktuellen Thema, das von den Lernenden individuell ausgewählt und erarbeitet wird. Aufgrund unterschiedlicher Anforderungen der Lehrpläne in den deutschen Bundesländern und den US-Bundesstaaten, sowie der Berücksichtigung von Präferenzen der Lehrenden und Leistungsniveaus der Schüler*innen, muss das Lernprogramm angepasst werden. Thinking Habitats möchte eine weniger aufwendige Anpassung bei gleichzeitiger Optimierung der Individualisierung des Trainings erreichen.
Lösungsansatz
Als Basis für die Vereinfachung der individuellen Anpassungen des Lernprogramms soll die Analyse der umfangreichen Lerndaten dienen, die mittels der firmeneigenen Lernplattform erhoben werden. Eine Lösungsmöglichkeit stellt dabei eine nicht mit KI verbundene Datenanalyse anhand regelbasierter Algorithmen dar. Eine andere Möglichkeit liegt in der Verwendung von KI. Dies hat den Vorteil, dass mehr Lernfaktoren berücksichtigt werden können, um das Training der Denk- und Lesefähigkeiten stärker zu individualisieren. So können beispielsweise Anzahl und Reihenfolge der interaktiven Lernvideos optimiert werden. Zur Einschätzung der Realisierbarkeit eines Einsatzes von KI, wird die Durchführung einer Machbarkeitsanalyse erwogen.
Beteiligte Interessensgruppen
- Geschäftsführer/CEO (zugleich Gründer) des Unternehmens
- Leitende Mitarbeiterin Produktbereich
- Mitarbeiterin Produktbereich – Design (technischer Bereich)
- Mitarbeiterin Servicebereich (Fortbildung der Lehrenden)
Technologie
Thinking Habitats verwendet für sein Online-Lernprogramm die Open Source-Lernplattform Moodle. Das Recht an den mit der Nutzung der Plattform verbundenen Daten liegt bei denjenigen, die die Plattform für ihre Leistungen oder Angebote nutzen. Damit ist die rechtliche Voraussetzung gegeben, dass Thinking Habitats die große Menge an Lerndaten und vorhandenen Testergebnisse für den zuvor skizzierten Lösungsansatz verwenden kann.
Mit Python wird für das Online-Lernprogramm eine Programmiersprache genutzt, die ebenfalls als Open Source-Sprache verfügbar ist.
Herausforderungen
Die Herausforderungen liegen einerseits im notwendigen unternehmensinternen Aufbau von Wissen über KI und Know-how zur KI-Umsetzung. Andererseits stehen intern nur begrenzte Ressourcen zur Verfügung, sodass die technische Kompetenz von außen kommen muss.
Im Verlauf des Projekts wurde darüber hinaus klar, dass die bis zum Sommer 2022 gesammelten Datenmengen für die Festlegung der idealen Start- und Endpunkte der Lernpfade noch zu gering sind. Daher ist eine Definition der Zielvariable für das KI-Modell zu diesem Zeitpunkt noch nicht möglich.
Ergebnis
Das Projektziel von Thinking Habitats – die individualisierte Stärkung der Nachrichten- und Medienkompetenz von Schüler*innen – könnte bereits teilweise durch regelbasierte Algorithmen erreicht werden. Die bevorzugte Nutzung von KI durch Thinking Habitats könnte jedoch eine bessere Lösung darstellen, abhängig von den Ergebnissen der geplanten Machbarkeitsanalyse. Diese wird zeigen, ob ausreichend Daten mit vertretbarem Aufwand gesammelt werden können.
Learnings
Der Thinking Habitats-Anwendungsfall zeigt beispielhaft, dass die Entscheidung nicht einfach ist, ob zur Zielerreichung KI bzw. Methoden des Maschinellen Lernens oder weniger aufwendige regelbasierte Methoden genutzt werden sollten. Gerade für kleine und mittlere Unternehmen ist es aber in jedem Fall ratsam, sich diese Frage zu stellen.
Darüber hinaus lässt sich von Thinking Habitats lernen, die Nutzung webbasierter Angebote (wie in diesem Fall die Moodle-Plattform) zu erwägen, bei denen Eigentumsrechte an und Verfügungsrechte über Daten beim Unternehmen verbleiben und nicht an Dritte verloren gehen.
Zitat
- „Im Verlauf des Projektes ist uns bewusst geworden, wie groß die Herausforderung ist, die technischen Anforderungen und die pädagogische Anwendbarkeit unter einen Hut zu bekommen.“ Dr. Dr. Florian Feucht
Initial situation
Thinking Habitats offers middle and high school teachers a didactically sound online learning program that can be integrated into the classroom to promote news and media literacy among students in German and US schools. It consists of a six-week training course in reading skills and critical thinking based on the analysis, evaluation and integration of news texts supported by interactive learning videos. This is followed by a project work on a current topic that is individually selected and developed by the learners. Due to different curriculum requirements in the German federal states and the US states, as well as the consideration of teachers’ preferences and students’ performance levels, the learning program must be adapted. Thinking Habitats aims to achieve a less complex adaptation while at the same time optimizing the individualization of the training.
Solution approach
The analysis of the extensive learning data collected via the company’s own learning platform will serve as the basis for simplifying the individual adjustments to the learning program. One possible solution is a data analysis not linked to AI using rule-based algorithms. Another option is the use of AI. This has the advantage that more learning factors can be taken into account in order to individualize the training of thinking and reading skills to a greater extent. For example, the number and sequence of interactive learning videos can be optimized. To assess the feasibility of using AI, a feasibility study is being considered.
Stakeholders involved
- Managing Director/CEO (also founder) of the company
- Senior employee Product area
- Employee product area – design (technical area)
- Employee in the service area (further training for teaching staff)
Technology
Thinking Habitats uses the open source learning platform Moodle for its online learning program. The rights to the data associated with the use of the platform lie with those who use the platform for their services or offers. This is the legal prerequisite for Thinking Habitats to be able to use the large amount of learning data and existing test results for the solution approach outlined above.
Python, a programming language that is also available as an open source language, is used for the online learning program.
Challenges
On the one hand, the challenges lie in the need to build up knowledge about AI and expertise in AI implementation within the company. On the other hand, only limited resources are available internally, meaning that technical expertise must come from outside the company.
During the course of the project, it also became clear that the amount of data collected by summer 2022 was still too small to determine the ideal start and end points of the learning paths. It is therefore not yet possible to define the target variable for the AI model at this time.
Result
The project goal of Thinking Habitats – the individualized strengthening of students’ news and media literacy – could already be partially achieved by rule-based algorithms. However, Thinking Habitats’ preferred use of AI could be a better solution, depending on the results of the planned feasibility analysis. This will show whether sufficient data can be collected with reasonable effort.
Learnings
The Thinking Habitats use case shows, for example, that it is not easy to decide whether AI or machine learning methods or less complex rule-based methods should be used to achieve a goal. For small and medium-sized companies in particular, however, it is always advisable to ask yourself this question.
Another lesson learned from Thinking Habitats is to consider using web-based offerings (such as the Moodle platform in this case) where ownership and control of data remains with the organization and is not lost to third parties.
Quote
- “In the course of the project, we realized how big a challenge it is to reconcile the technical requirements and the pedagogical applicability.” Dr. Dr. Florian Feucht
