CAEDHET Laufende Projekte
Im Folgenden findet sich eine Auswahl unserer aktuellen Projekte, welche fortlaufend aktualisiert wird:
ALMA
In Zusammenarbeit mit dem Projekt ALMA - Wissensnetze in der mittelalterlichen Romania der Heidelberger Akademie der Wissenschaften erforschen und erproben wir die Möglichkeiten von KI in Forschung und Lehre. So evaluieren wir etwa die Übersetzungsfähigkeiten von Large Language Models in Bezug auf alte Sprachen wie Altfranzösisch oder -Okzitanisch und die Möglichkeiten ihrer Verbesserung durch Finetuning, ebenso aber auch das Verständnis für die historische Fachterminologie aus den Domänen Medizin und Recht. Unsere Aufmerksamkeit gilt dabei bewusst allen Teilen der AI-Pipeline: Von der Erschließung neuer Trainingsdaten über Supervised Learning-Ansätze bis hin zu RAG-Architekturen für die Wiedergabe von Faktenwissen. Die erstellten Systeme könnten später als Teil von spezialisierten Agentensystemen fungieren, die NutzerInnen auf verschiedenen Ebenen bei der Übersetzung und Erschließung historischer Textquellen unterstützen.
ASCVIT
Der Prototyp des AUTOMATIC STATISTICAL CALCULATION, VISUALIZATION AND INTERPRETATION TOOLs wurde im Rahmen eines Beitrags bei Towards Data Science vorgestellt. Das aktuell noch auf Streamlit basierende Tool ermöglicht die automatische, interaktive Interpretation von Datensätzen. Die Interpretation der Visualisierungen erfolgt dabei durch eine Kombination statistischer Kennzahlen verschiedener Verfahren mit einer spezifischen Konfiguration der Prompts, die an ein angepasstes LLM übermittelt werden. Aktuell ermöglicht die Anwendung deskriptive Analysen, Hypothesentests, Regressionsanalysen, Zeitreihenanalysen und Cluster-Analysen. Der Code der ersten Version (V1) ist im untenstehenden GitHub Repository verfügbar. Aktuell wird eine Publikation im Journal „Soziale Arbeit, Medien und Digitalisierung“ vorbereitet. Konkret wird gezeigt, wie ASCVIT einen fiktiven Datensatz einer sozialen Einrichtung auswertet und dadurch wichtige Erkenntnisse liefern kann.
EDUMING
Das EDUMING-Konzept unterscheidet sich grundlegend von bekannten Ansätzen wie Gamification, Game-Based Learning oder Serious Games. Während bei diesen Konzepten entweder spieltypische Elemente in Lernumgebungen integriert oder vollständig entwickelte Spiele für Bildungszwecke eingesetzt werden, verfolgt EDUMING einen konstruktivistischen Ansatz, bei dem das Spiel nicht nur genutzt, sondern aktiv weiterentwickelt wird. Ein EDUMING-Spiel ist keine abgeschlossene Anwendung, sondern eine anpassbare Vorlage, die mithilfe einer integrierten Entwicklungsumgebung (z. B. Unity oder GameMaker Studio 2) verändert und erweitert werden kann. Nutzerinnen und Nutzer entscheiden dabei selbst, ob der Fokus auf dem Lernen, dem Spielen oder beidem liegt. Die Vorlagen enthalten standardisierte Lernmechaniken, die angepasst oder auch ignoriert werden können. EDUMING fördert nicht nur das Lernen durch das Spielen selbst, sondern insbesondere durch die kreative Weiterentwicklung der Spielinhalte – ganz im Sinne von Seymour Paperts Konstruktionismus. Unterstützt durch Anleitungen und bei Bedarf auch durch KI, entwickeln die Spielenden ihre digitalen Kompetenzen weiter, lösen Probleme kreativ und schaffen greifbare Artefakte, die sie in sozialen Kontexten teilen und diskutieren können. Der Einsatz von KI soll helfen, vorhandene Spielmechaniken, konkret die das Lernen betreffen, automatisch je nach gewünschter Fachdisziplin anzupassen. Dabei können auch untypische Spielgenres wie Survival Games zum Einsatz kommen, solange sie zur Lernerfahrung beitragen. EDUMING ermöglicht so eine flexible, praxisnahe und zukunftsorientierte Form des Lernens, bei der nicht nur Wissen vermittelt, sondern auch digitale Selbstwirksamkeit gestärkt wird.
FACTS
FILTERING AND ANALYSIS OF CONTENT IN TEXTUAL SOURCES ist eine Anwendung zur automatischen Durchführung von Metaanalysen. Die Konfiguration des Systems erfordert dabei nur wenige Schritte. Je nach Thema bzw. Fragestellung durchsucht FACTS Datenbanken, extrahiert Texte von Artikeln und analysiert diese mithilfe eines LLMs. Der Text wird dabei in Chunks unterteilt und via LDA wird die zugrunde liegende Themenstruktur der zu untersuchenden Fragestellung analysiert. Die Ergebnisse werden automatisch interpretiert und via interaktiven Wissensgraphen dargestellt. Die Funktionsweise von FACTS wird auf dem IGPS Kongress 2025 in Heidelberg vorgestellt. Hierbei geht es konkret darum, wie KI helfen kann, aktuelle Fragestellungen der schulischen Praxis zu beantworten.
GAMMA
Bei GAME AUTOMATED MECHANICS MODIFICATION & ADAPTATION geht es um die automatische Anpassung von Spielmechaniken, indem der Code von Events in Objekten durch ein interaktives Interface angepasst werden kann. Aktuell ist es auf die Lernmechanik in EDUMING Games beschränkt, die mithilfe der IDE von GameMaker Studio 2 entwickelt wurden. Je nach Thema und Niveau werden Fragen durch ein LLM generiert und in das Game implementiert. Ziel der Anwendung ist es, ganz im Sinne des EDUMING Konzepts, die Anpassung und damit die Entwicklung digitaler Lernspiele zu vereinfachen.
