19. 11. 2025
Verfasst von: Tom Bleckmann, André Meyer, Gunnar Friege
Lernplattform IPT – individuelles Lernen in Physik
Künstliche Intelligenz hat das Potenzial, die Bildung und das Schulsystem grundlegend zu verändern. Wie lassen sich diese Möglichkeiten sinnvoll nutzen? Was sind fachspezifische Anwendungsfelder von KI? Wie schützt man sensible Daten von Lernenden? Mit der Lernplattform IPT entwickelt die Arbeitsgruppe Physikdidaktik der Leibniz Universität Hannover ein digitales Bildungsangebot, das fair und anpassungsfähig ist, Personendaten schützt und das individuelle Lernen fördert.
Automatisches Feedback zum Lernfortschritt
Spätestens seit ChatGPT in 2022 große Bekanntheit erlangte, rückt eine gesellschaftliche Debatte in den Fokus: Wie soll das Schulsystem auf diese technischen Möglichkeiten reagieren? Die AG Physikdidaktik der Leibniz Universität Hannover entwickelt die Lernplattform IPT, um fortschrittliche Methoden der künstlichen Intelligenz im regulären Physikunterricht einzusetzen. Das übergeordnete Ziel von IPT ist es, intelligentes und individuelles Lernen für alle zugänglich zu machen und gleichzeitig Lehrkräfte zu entlasten. Die Arbeiten erfolgen im vom niedersächsischen Wissenschaftsministerium geförderten Promotionsprogramm LernMINT.
Lehrkräfte und Lernende erhalten Feedback
Dr. Tom Bleckmann hat eine Concept Map zum Thema Mechanik entwickelt, die Informationen zum Lernfortschritt sammelt, auswertet und visualisiert (formatives Assessment). Ein Machine-Learning-Modell erzeugt automatisches Feedback zu den verschiedenen Lerneinheiten, das den Schülerinnen und Schülern individuelle Rückmeldungen zu ihrem Lernfortschritt ermöglicht. Die Lehrkräfte erhalten unmittelbar auf einem übersichtlichen Dashboard aktuelle Informationen über den Leistungsstand ihrer Klasse. Das erleichtert es ihnen, den weiteren Unterricht an den Wissensstand anzupassen.
Problemlösen als wichtige Kompetenz fördern
André Meyer fördert die Kompetenz, physikalische Probleme zum Thema Energie zu lösen. Dazu entwickelt er Aufgaben, die mit automatischem Feedback von einem Large Language Model zu einem Self-Assessment verknüpft werden. Anschließend bearbeiten Lernende an ihre aktuellen Fähigkeiten angepasste Aufgaben, was ohne den Einsatz von IPT nicht möglich wäre. Auch hier haben die Lehrkräfte Zugriff auf Informationen über ihre Klasse in einem Dashboard. Dabei ist IPT nicht für eine Benotung konzipiert, sondern soll Lernende und Lehrende bestmöglich im Lernprozess unterstützen.
Daten schützen, Energieverbrauch senken
IPT wurde bereits in der Praxis erprobt und soll nach Abschluss der Entwicklung Schulen zur Verfügung stehen. Von besonderer Bedeutung ist, dass die Lern-Module höchsten Datenschutzstandards genügen. IPT basiert gänzlich auf Open-Source-Modellen, die einen lokalen und kostengünstigen Betrieb auf schuleigener Infrastruktur ermöglichen und unabhängig von kommerziellen Konzernen wie OpenAI bleiben. Das verringert das Risiko für unbefugten Zugriff auf Personendaten drastisch. Außerdem benötigt IPT deutlich weniger Rechenleistung als große „Allrounder-Modelle“, was den Energieverbrauch stark reduziert.
Hier finden Sie weitere Informationen:
- Projektseite LernMINT
- Formatives Assessment auf Basis von maschinellem Lernen. Eine Studie über automatisiertes Feedback zu Concept Maps aus dem Bereich Mechanik. Dissertation von Tom Bleckmann
- Automatic feedback on physics tasks using open-source generative artificial intelligence, Taylor & Francis online
Institut für Didaktik der Mathematik und Physik
Arbeitsgruppe Physikdidaktik
Institut für Didaktik der Mathematik und Physik
Arbeitsgruppe Physikdidaktik
30169 Hannover
30169 Hannover