Cairn: Offene Infrastruktur für adaptives KI-Tutoring
Cairn macht KI zu einem überprüfbaren Tutor, der die Unterstützung an das Vorwissen jeder Studentin und jedes Studenten anpasst – ohne die Antwort vorwegzunehmen.
Laufzeit: April 2027 – Dezember 2027
Status: geplant
Bildungsstufen: Tertiärstufe
Topics: AI – Artificial Intelligence; Digital Tools
Keywords: KI-Tutoring; personalisiertes Lernen; adaptive Lernunterstützung; Open-Source-Bildung; Hochschulbildung
Ausgangslage
Studierende beginnen ein Hochschulstudium mit sehr unterschiedlichem Vorwissen, erhalten aber häufig dieselben statischen Lernmaterialien und gleich viel Unterstützung. Was Anfängerinnen und Anfängern hilft, kann für Fortgeschrittene überflüssig oder sogar kontraproduktiv sein. Dozierende wissen dies, doch Übungen und Hilfestellungen für jede einzelne Person anzupassen, ist in grösserem Umfang selten machbar. Generative KI könnte personalisierte Unterstützung erschwinglich machen. Unbeschränkte Chatbots schaffen jedoch ein neues Problem: Sie können Antworten liefern, statt Lernende beim Denken zu unterstützen. Auch ihre didaktischen Entscheidungen lassen sich nur schwer nachvollziehen, ändern oder überprüfen; viele Lösungen sind zudem von proprietären Cloud-Diensten abhängig. Cairn schliesst diese Lücke mit einer offenen, überprüfbaren Infrastruktur für KI-Tutoring. Sie trennt didaktische Entscheidungen von der Generierung von Inhalten: Explizite Regeln bestimmen, wie viel Unterstützung eine lernende Person erhält, während ein frei wählbares Sprachmodell den entsprechenden Hinweis erzeugt. Mit wachsendem Wissen wird die Unterstützung schrittweise reduziert; den letzten Schritt führen die Lernenden stets selbst aus. Das System ist auf institutionelle Kontrolle, verschiedene KI-Anbieter einschliesslich lokaler Modelle sowie die Wiederverwendung in unterschiedlichen Kursen und Lernplattformen ausgelegt.
Ziele
Cairn wird einen Open-Source-KI-Tutor bereitstellen, der die Unterstützung an das Vorwissen jeder lernenden Person anpasst, ohne die Antwort vorwegzunehmen. Seine didaktischen Regeln bleiben sichtbar, testbar und unabhängig vom gewählten Sprachmodell. Das Projekt stellt eine Webanwendung, Schnittstellen für Lernplattformen und KI-Systeme sowie wiederverwendbare Skills für Diagnose, Lernunterstützung und Feedback bereit. Ein Pilotversuch in einem einführenden Mathematikkurs der BFH wird prüfen, ob Cairn Lernende angemessen einstuft, passend dosierte Unterstützung bietet und in der Praxis zuverlässig funktioniert.
Methode
Wir verbinden iterative Softwareentwicklung mit einer Machbarkeitsstudie in einem einführenden Mathematikkurs der BFH. Für jede Übung schätzt Cairn das Vorwissen ein, weist anhand expliziter Regeln eine Unterstützungsstufe zu und fordert das Sprachmodell auf, ausschliesslich den entsprechenden Hinweis zu erzeugen. Automatisierte Prüfungen verhindern, dass Lösungen verraten werden; jede didaktische Entscheidung wird protokolliert. Wir gehen drei Fragen nach: Weist die Diagnose eine angemessene Unterstützungsstufe zu? Sind die Hinweise gut dosiert? Funktioniert das Werkzeug zuverlässig, und wird es in der Praxis genutzt?
Die Diagnoseergebnisse vergleichen wir mit einem kurzen Vortest oder, sofern verfügbar, mit dem Bayesian-Knowledge-Tracing-Modell (BKT) von Illuminate. Dozierende beurteilen beispielhafte Hinweise anhand eines gemeinsamen Bewertungsrasters. Studierende geben an, ob die Unterstützung und das Tempo ihres schrittweisen Abbaus ihren Bedürfnissen entsprechen.
Geplante Translation
Der Praxistransfer ist von Beginn an in Cairn integriert. Das Projekt plant, zwei Mathematikdozierende der BFH zu gewinnen, die Übungen mitentwickeln und die Webanwendung in einem Einführungskurs einsetzen. Ihr Feedback und die Erkenntnisse aus dem Pilotversuch fliessen in die Entwicklung ein. Cairn wird unter einer permissiven Open-Source-Lizenz mit einer Kurzanleitung, einer dokumentierten API, einem offenen Skill-Format und einem wiederverwendbaren Beispiel veröffentlicht. Hochschulen können das System selbst hosten, ihr bevorzugtes KI-Modell anbinden und seine Tutoring-Funktionen in Plattformen wie Moodle integrieren. Die Ergebnisse werden in einer Demonstration bei BeLEARN vorgestellt. Bridge & Binary wird optional Implementierung, Hosting und Support anbieten. Die BFH Virtual Academy plant, die Plattform in Illuminate und in künftigen Forschungsprojekten wiederzuverwenden.
Cairn soll personalisierte Lernunterstützung für grössere und vielfältigere Studierendengruppen praktikabel machen, ohne KI zu einer Antwortmaschine zu machen. Lernende sollen zur richtigen Zeit die passende Hilfe erhalten; Dozierende und Institutionen sollen eine nachvollziehbare, anpassbare Alternative zu geschlossenen KI-Tutoren gewinnen. Im ersten Jahr messen wir die Machbarkeit, statt Lernzuwächse zu behaupten. Zu den Indikatoren gehören die erfolgreiche Einführung und Nutzung im Kurs, die Übereinstimmung zwischen Cairns Unterstützungsstufen und einer externen Diagnose, die Beurteilung der Hinweisqualität durch Dozierende sowie Rückmeldungen der Studierenden zur Passung der Unterstützung und zum Tempo ihres Abbaus. Über den Pilotversuch hinaus erfassen wir Integrationen durch Partner und die Wiederverwendung der Open-Source-Software. Die Plattform wird auch spätere Studien zur Lernwirksamkeit unterstützen.
