Besser lernen dank KI: FHNW-Studierende lancieren Projekt zur automatisierten Erstellung von Lernkarten, Hochschule für Wirtschaft FHNW

In einer Welt, in der Bildung immer mehr von Technologie durchdrungen wird, untersucht ein Team von Bachelor-Studierender der Fachhochschule Nordwestschweiz FHNW neue Ansätze für ein besseres Lernerlebnis. Valerio Job studiert Business Information Technology an der Hochschule für Wirtschaft FHNW und hat ein ausgeprägtes Interesse an Künstlicher Intelligenz. Zusammen mit seinen FHNW-Kommilitonen Stefan Ilic und Kenan Ahmetasevic hat er einen KI-gestützten Generator für Lernkarten entwickelt – ein Tool, das den Lernprozess bei Studierenden verbessern soll.

Wie viele Studierende traf auch Valerio im Verlauf seines Studiums auf die Herausforderung, sich den komplexen technischen Lernstoff möglichst effizient anzueignen. Traditionelle Methoden wie das Erstellen von Lernkarten erwiesen sich als hilfreich, aber auch sehr zeitintensiv. Lernkarten sind einfach in der Anwendung und können überallhin mitgenommen werden, was sie zu einer sehr effektiven Lernmethode macht, aber ihre Herstellung von Hand erfordert einen beträchtlichen Zeit- und Arbeitsaufwand.

Motiviert vom Vorhaben, diesen Prozess zu vereinfachen, untersuchten die Studenten, wie KI und grosse Sprachmodelle (LLMs) eingesetzt werden können, um qualitativ hochwertige Lernkarten zu erstellen. Ihr Ziel war ein Tool, das Folien aus einer Vorlesung in gebrauchsfertige Lernkarten umwandeln kann, um Studierenden zu einem effizienteren Lernerlebnis zu verhelfen.

Stefan und Kenan bauten den ersten Prototyp als Teil eines Wahlpflichtfachs. Dieser Prototyp nutzte das GPT-4-Modell von OpenAI, das mit einer API eingebunden wurde, um erfolgreich Lernkarten ausgehend von PDF-Vorlesungsfolien zu erstellen. Das Team sah sich aber bald mit einer grossen Herausforderung konfrontiert – dem Datenschutz. Da das GPT-4-Modell mit einem geschlossenen Quellcode arbeitet und auf externen Servern gehostet wird, war es nicht möglich, den Datenschutz der Vorlesungsinhalte zu gewährleisten.

Angetrieben von seiner Leidenschaft für KI und dem Bedarf nach einem verbesserten Datenschutz, nahm sich Valerio der Aufgabe an, den Prototyp zu optimieren und zu einem Minimum Viable Product (MVP) weiterzuentwickeln. Dabei konzentrierte er sich auf vier Aspekte: Textextraktion, Textdatei-Splitting, Datenvorverarbeitung und das Modell selbst.

Valerio griff auf Open-Source-Modelle zurück, die auf der Machine Learning- und Data Science-Plattform HuggingFace zugänglich sind, und verfeinerte sie mit einer Datenbasis die er sorgfältig aus verschiedenen Vorlesungsfolien aus seinem Studium an der FHNW zusammenstellte.

Mit diesen Verbesserungen konnte das Team ein MVP mit dem Namen «flashcardsGPT» erstellen, das Vorlesungsfolien in Lernkarten umwandeln kann. Da es lokal laufende Open-Source LLMs verwendet, bietet es einen besseren Datenschutz und ist flexibler in der Integration.

Valerios Dozent, Prof. Rainer Telesko, wurde auf das Projekt aufmerksam und ermutigte ihn, die Arbeit an der Konferenz EDULEARN24 in Palma de Mallorca (1.-3. Juli) vorzustellen. An dieser renommierten Konferenz tauschen sich Lehrpersonen, Forschende und Technologieexpert*innen über die Zukunft des Bildungswesens aus. Das Thema der Konferenz, Bildung und Technologie, passte perfekt zum Projekt.

Als Referent an der EDULEARN24 teilnehmen zu können, war eine bedeutende Gelegenheit für Valerio, insbesondere als Bachelor-Student. Unter den über 800 Teilnehmenden waren nur wenige Bachelor-Studierende eingeladen worden, um ihre Arbeiten zu präsentieren, was dies zu einer bemerkenswerten Leistung für ihn und das ganze Team machte.

An der Konferenz konnte Valerio das Potenzial von flashcardsGPT einem interessierten Publikum präsentieren und zeigen, wie das Tool Studierenden und Lehrpersonen wertvolle Zeit sparen kann, indem es automatisch Lernkarten aus Vorlesungsunterlagen erstellt. Diese Innovation trägt nicht nur zu einem effizienteren Lernen bei, sondern sie stellt auch sicher, dass die Studierenden Zugang zu qualitativ hochwertigem Lernmaterial haben, was ausschlaggebend ist, um sich komplexe Informationen anzueignen.

Der Fokus des Projekts liegt aktuell auf Lernkarten, aber das Team untersucht auch Möglichkeiten, um das Tool um weiteres Lernmaterial zu erweitern, etwa Multiple-Choice-Fragen. Das übergeordnete Ziel ist es, Lehrpersonen dabei zu unterstützen, in kurzer Zeit unterschiedliche Lernhilfen zu erstellen, um die Lernerfahrung ihrer Studierenden zu verbessern.

Die Resonanz an der Konferenz war positiv. Die Teilnehmenden erkannten das weitreichende Potenzial solch einer Anwendung für Bildungsinstitutionen. FlashcardsGPT ist ein Beispiel, wie KI eingesetzt werden kann, um alltägliche Herausforderungen im Bildungsbereich anzugehen und so das Lernen für die Studierenden zugänglicher und handhabbarer zu machen.

Die Reise geht weiter. Valerio, Stefan und Kenan arbeiten weiter an Verbesserungen für flashcardsGPT mit dem Plan, das Model zu verfeinern und seine Fähigkeiten zu erweitern. Kommende Updates könnten bessere optische Zeichenerkennung und den Einsatz von Retrieval-Augmented Generation-Techniken umfassen, um die Qualität der Lernkarten zu verbessern, sowie die Implementierung weitere Lernmaterialien neben den Lernkarten.