Adaptive Hochschullehre zwischen persönlichem Lernweg und gläsernem Studium
Wie stark darf Hochschullehre auf einzelne Lernende zugeschnitten sein – technisch und didaktisch? Genau darum geht es im Themenspecial „Lernen unterstützen durch Adaptivität und Adaptierbarkeit“, das vom 2. November 2026 bis zum 18. Januar 2027 läuft. Die Reihe fragt auch, wann hilfreiche Unterstützung in Bevormundung kippt. Eine Frage, die vermutlich manche Studierende sofort an ihre letzte Lernplattform weiterreichen würden.
Adaptivität bedeutet dabei, dass sich ein System anhand von Interaktionsdaten selbst an Lernende anpasst. Bei Adaptierbarkeit können die Lernenden Systeme oder Lernangebote dagegen eigenständig einstellen. Intelligente tutorielle Systeme, personalisierte Lernpfade und Learning Analytics werden zwar seit Jahren erforscht und erprobt. Generative KI hat die Sache aber beschleunigt: Chatbots und KI-Assistenzsysteme können mit vergleichsweise wenig Aufwand auf einzelne Lernende eingehen.
Zwischen persönlichem Lernweg und gläsernem Studium
Hochschulen müssen mit einer zunehmend heterogenen Studierendenschaft umgehen und gleichzeitig individuelle Bildungsprozesse fördern. Adaptive Lernsysteme, personalisierte Lernpfade und intelligente tutorielle Systeme sollen dabei technologisch helfen. Der Grundlagenbeitrag zu Adaptivität und Adaptierbarkeit stammt von Dr. Benjamin Voermann von der Hochschule Bochum.
Die Versprechen klingen zunächst praktisch: Adaptive Lernsysteme berücksichtigen individuelle Lernpräferenzen, den Lernfortschritt und die Lerngeschwindigkeit. KI-Techniken können Bildungswege automatisch an Kompetenzstufen anpassen, passende Inhalte empfehlen und den Lernfortschritt mithilfe von Learning Analytics möglichst objektiv bewerten.
Während Studierende ein Kapitel bearbeiten, analysiert ein adaptiver Lernpfad den erworbenen Wissensstand. Danach schlägt das System das nächste Kapitel vor – oder empfiehlt, Inhalte zu wiederholen beziehungsweise zu überspringen. Ein Kompetenzmodell bildet das Wissen der Lernenden ab und wird durch bearbeitete Aufgaben laufend aktualisiert. Bei Quizlernspielen können sich die Schwierigkeitsstufen dynamisch an die individuelle Leistung anpassen.
Das kann Motivation und Lernerfolg steigern, E-Learning-Materialien besser nutzbar machen und Zeit sparen. Das Fraunhofer IOSB entwickelt dafür Methoden und Technologien für plattformübergreifende Adaptivität in Assistenz- und Lernsystemen. Auch bestehende Systeme lassen sich nachträglich mit KI-Funktionen ausstatten – unter Einsatz etablierter E-Learning-Standards und serviceorientierter Softwarearchitekturen.
Ganz ohne Reibung läuft die Debatte allerdings nicht. Datenschutz, die Aussagekraft der verwendeten Modelle und mögliche Folgen dauerhafter Unterstützung für den eigenständigen Kompetenzerwerb stehen im Raum. Informationstechnologien erzeugen immer mehr Datenströme, die auch den Lernprozess einzelner Studierender betreffen. Learning Analytics will solche Daten gezielt aggregieren, miteinander verknüpfen und auswerten, damit Bedürfnisse besser erkannt und individuelle Lernprozesse unterstützt werden können. Die Grenze zwischen Rückenwind und ständigem Blick über die Schulter bleibt dabei ziemlich schmal.
Forschung, Praxis und persönliche Wissensdatenbanken
Das Special betrachtet die Fragen aus pädagogisch-psychologischer, technischer und hochschuldidaktischer Perspektive. Geplant sind eine Online-Eventreihe, Grundlagentexte, Erfahrungsberichte, Praxisbeispiele und Einblicke in laufende Forschungsprojekte.
In „Tutoring-Systeme mit oder trotz LLMs?“ geht es um adaptive Unterstützung für Studierende. Die Entwicklung solcher Systeme ist aufwendig und im Hochschulbereich noch wenig fortgeschritten. Jun.-Prof. Dr. Benjamin Paaßen von der Universität Bielefeld berichtet über seine Forschung und den verantwortungsvollen Einsatz von KI.
Das Seminar „Connected Thinking – Grow A Personal Knowledge Base“ an der Bauhaus-Universität Weimar setzt an einer anderen Stelle an. Studierende reflektierten, wie nachhaltig ihr Lerngewinn in einem modularisierten Studium ist. Im Mittelpunkt stand der Aufbau einer persönlichen, individuell anpassbaren Wissensdatenbank, die Wissen langfristig strukturieren, verknüpfen und zur Reflexion anregen soll.
Im 94. Statement zu E-Learning äußert sich Sarah Becker von der Ruhr-Universität Bochum als Studentin zu Adaptivität und den Möglichkeiten von KI. Sie erwartet, Lernmaterialien an die eigenen Lernbedürfnisse und Vorlieben anpassen zu können. Im 95. Statement erläutert Jun.-Prof. Dr. Benjamin Paaßen sein Verständnis von Adaptivität. Er entwickelt ein adaptives Tutoring-System mit integrierten Learning-Analytics-Funktionen, das den aktuellen Wissensstand von Studierenden erfassen soll.
Zum Umfeld gehört außerdem das Projekt „Adaptives Intelligentes System“ (AIS), das sich mit KI-gestützten, adaptiven schulischen Lernwegen beschäftigt. Ein Resonanzraum bringt Forschung, schulische Praxis und Technologieentwicklung zusammen und bereitet Forschungsergebnisse allgemeinverständlich auf.
Fünf Termine, viele offene Fragen
Los geht es am 2. November 2026 mit einer Einführung in den Themenbereich. Dabei sind Dr. Olga Chernikova von der LMU München und Prof. Dr. Garvin Brod vom IWM.
Am 16. November 2026 folgt die individuelle Förderung mit intelligenten Tutorsystemen, unter anderem im Englischunterricht und im Programmier-Tutorium. Forschende des IWM und der Universität Tübingen sprechen über individuelles Feedback, die Entlastung von Lehrkräften und den Umgang mit heterogenen Lernvoraussetzungen.
Ein Werkstattgespräch zur adaptiven und adaptierbaren KI-Lehre in der Hochschulpraxis steht am 30. November 2026 auf dem Programm. Florian Rampelt vom Stifterverband/KI-Campus und Prof. Dr. Malte Persike von der RWTH Aachen University diskutieren, wie KI-Lernangebote für unterschiedliche Lernziele und Zielgruppen gestaltet werden können.
Am 14. Dezember 2026 geht es anhand beispielhafter Projekte um differenzierte Lernwege und flexible Curricula. Vorgestellt werden drei Projekte auf unterschiedlichen Ebenen; auf der Themenliste stehen unter anderem personalisiertes Feedback, individuelle Lernpfade und adaptive Curricula.
Den Abschluss bildet am 18. Januar 2027 eine Podiumsdiskussion zu adaptiven Medien im Studium und zur Frage, ob sie Lernunterstützung oder Kompetenzverlust bedeuten. Beteiligt sind Sarah Becker, Prof. Dr. Hendrik Drachsler, Prof. Dr. Peter Gerjets und Dr. Niels Seidel. Adaptive Konzepte und Systeme werden bereits seit den 1960er- und 1970er-Jahren erforscht, flächendeckend durchgesetzt haben sie sich im Hochschulbereich bislang aber nicht.
Im Glossar steht Adaptivität für die Anpassung eines Systems an Nutzerpräferenzen auf Grundlage von Interaktionsdaten. Die Aptitude-Treatment-Interaction (ATI) beschreibt die Wechselwirkung zwischen individuellen Lernvoraussetzungen und didaktischen Maßnahmen. Tutorielle Programme wiederum verbinden Übungsaufgaben mit einer eigenständigen Komponente zur Wissensvermittlung und gehen damit über reine Drill-and-Practice-Programme hinaus.
Die Reihe startet am 2. November 2026 und endet am 18. Januar 2027. Bis dahin bleibt genug Zeit für die angenehm unbequeme Frage, ob ein System wirklich beim Lernen hilft – oder nur sehr fleißig so tut, als wüsste es, was jemand braucht.