Kontakt
 
Hannover Transfer Campus
Lernplattform IPT – individuelles Lernen in Physik

19. 11. 2025
Verfasst von: Tom Bleckmann, André Meyer, Gunnar Friege

Lernplattform IPT – individuelles Lernen in Physik

Die Zeichnung zeigt eine kniende Person der Feuerwehr, die den Wasserstrahl aus einem Schlauch auf ein Haus richtet. Das Wasser fließt mit 200 Litern pro Minute aus einem Hydranten und erreicht eine Geschwindigkeit von 20 Metern pro Sekunde. In einer Sprechblase steht die Frage von IPT nach der maximalen Höhe. © André Meyer, ChatGPT
Welche maximale Höhe erreicht der Wasserstrahl aus dem Feuerwehrschlauch? Und wie berechnet man das? Diese und viele weitere physikalische Fragen trainiert die Lernplattform IPT interaktiv mit Schülerinnen und Schülern.

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.

Der Ausschnitt eines Begriffsnetzes zeigt physikalische Fachbegriffe wie Freier Fall, Beschleunigung und Kraft. Sie sind mit Pfeilen verbunden, auf denen ihre Verbindungen mit Fragezeichen, Formeln oder „ist konstant bei“ erläutert sind. © Tom Bleckmann
In der Lernumgebung verbinden Schülerinnen und Schüler Fachbegriffe der Mechanik zu einer Concept Map. Damit können sie ihren Lernfortschritt visualisieren und automatisches Feedback erhalten.

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.

Die Zeichnung zeigt eine kniende Person der Feuerwehr, die den Wasserstrahl aus einem Schlauch auf ein Haus richtet. Das Wasser fließt mit 200 Litern pro Minute aus einem Hydranten und erreicht eine Geschwindigkeit von 20 Metern pro Sekunde. In Sprechblasen sind die Frage von IPT nach der maximalen Höhe, eine Formel als Antwort eines Schulkindes und Korrekturen eingeblendet. © André Meyer, ChatGPT
Lernende bearbeiten auf der IPT-Plattform physikalische Aufgaben und erhalten dazu automatisches Feedback. Das unterstützt den Lernfortschritt.

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:

Redaktioneller Hinweis: Dieser Text steht unter der CC BY 3.0 DE-Lizenz
Zitation: Bleckmann, T., Meyer, A., & Friege, G. (2025). Lernplattform IPT – individuelles Lernen in Physik. Wissen Hoch N. https://doi.org/10.60479/NYM6-EP31
Portraitfoto
M. Ed. André Meyer
Adresse
Leibniz Universität Hannover
Institut für Didaktik der Mathematik und Physik
Arbeitsgruppe Physikdidaktik
Portraitfoto
M. Ed. André Meyer
Adresse
Leibniz Universität Hannover
Institut für Didaktik der Mathematik und Physik
Arbeitsgruppe Physikdidaktik
Leibniz Universität Hannover, uni transfer
Leibniz Universität Hannover, uni transfer
Zur Liste