Programm Empowering Learning Analytics

In seinem Vortrag wird Hendrik Drachsler sein aktuelles Forschungsprogramm zu Highly-Informative Learning Analytics (HILA) vorstellen. Dieses setzt sich kritisch mit der Frage auseinander, wie Learning Analytics, Künstliche Intelligenz und insbesondere generative KI (GenAI) den Informations- und Unterstützungsbedürfnissen von Studierende und Dozenten sinnvoll, transparent und evidenzbasiert begegnen können. Im Mittelpunkt steht dabei die Frage, wie KI-gestützte Systeme nicht nur automatisierte Informationen erzeugen, sondern tatsächlich lernwirksames Feedback, verständliche Erklärungen und adaptive Unterstützung bereitstellen können.

Hendrik wird seine Perspektive auf Highly-Informative Learning Analytics erläutern, die in Zusammenarbeit mit interdisziplinären Expertinnen und Experten aus den Bereichen Psychometrie, Feedbacktheorie, Learning Design und Artificial Intelligence in Education entwickelt wurde. Das Forschungsprogramm untersucht in experimentellen Interventionsstudien im Hochschul- und Schulkontext, wie KI-basierte Feedback- und Unterstützungssysteme gestaltet werden müssen, damit sie pädagogisch sinnvoll, vertrauenswürdig und nachhaltig einsetzbar sind.

Im Rahmen dieses Forschungsprogramms wurde die sogenannte HILA-Manufaktur entwickelt, eine evidenzbasierte Entwurfsmethodik zur Entwicklung von Data-Enriched Learning Activities (DeLAs). Die DeLAs sind direkt in der Bildungspraxis einsetzbare, datenangereicherte Lernaktivitäten, die Lernprozesse strukturiert unterstützen und zugleich qualitativ hochwertige Daten für die Generierung von HILA-Feedback bereitstellen. Neuere Generationen der DeLAs integrieren zunehmend generative KI, um individuelles formatives Feedback zu erzeugen, Lernprodukte zu analysieren, Reflexionsprozesse anzuregen sowie komplexe Learning-Analytics-Dashboards für Studierende und Dozenten verständlich zu erklären.

Dabei zeichnen sich die DeLAs einerseits durch ihre hohe Flexibilität aus, da sie in unterschiedlichen Disziplinen und Lernszenarien eingesetzt werden können. Andererseits schaffen sie stabile und ökologisch valide Forschungsbedingungen, um förderliche und hinderliche Faktoren beim Einsatz von KI-gestützten Feedback- und Analytics-Systemen systematisch zu untersuchen. Ein besonderer Fokus liegt dabei auf der Frage, wie GenAI sinnvoll mit Learning Analytics kombiniert werden kann, ohne dabei didaktische Qualität, Transparenz oder Datenschutz zu vernachlässigen.

Das Ziel des HILA-Forschungsprogramms ist der Aufbau einer evidenzbasierten Wissensbasis über die Bedingungen wirksamer KI-Anwendungen in Bildungsprozessen. Der Vortrag schließt mit einer kritischen Analyse der gesellschaftlichen, technologischen und didaktischen Herausforderungen ab, die mit der Implementierung von generativer KI, Learning Analytics und intelligenten Assistenzsystemen in der Hochschule verbunden sind. Dabei werden insbesondere Fragen der AI Literacy, des Vertrauens in KI-Systeme, der Erklärbarkeit von Analysen sowie ethische und regulatorische Rahmenbedingungen thematisiert.

Der Workshop geht dieser Frage anhand einer Mischung aus kurzen Vorträgen und praktischen Übungen nach. Wir werden untersuchen, wie Daten neue Einblicke liefern können, wie Studierende lernen, wo sie Schwierigkeiten haben und wie sie mit den Kursmaterialien umgehen. Außerdem werden wir erörtern, wie Lernanalytik mit der Kursgestaltung zusammenhängt: wie die Kursstruktur beeinflusst, welche Erkenntnisse uns die Daten liefern können, und wie diese Erkenntnisse wiederum in bessere Gestaltungsentscheidungen einfließen. Die Teilnehmer*innen werden verschiedene Tools ausprobieren und darüber reflektieren, wie sinnvolle Anwendungen für Lehrende in unterschiedlichen institutionellen Kontexten aussehen könnten.

Wie lässt sich Learning Analytics technisch, rechtlich und organisatorisch tragfähig an Hochschulen verankern? Dieser Workshop bringt zwei Vorhaben ins Gespräch, die diese Frage aus unterschiedlichen Perspektiven beantworten: POLARIS, die im Rahmen von KI:edu.nrw entwickelte quellsystemübergreifende Open-Source-Lösung für Learning Analytics, und LEAD:FUH, das hochschulweite Innovationsprojekt der FernUniversität in Hagen, das mit dem Learning-Analytics-Backbone eine zentrale Dateninfrastruktur für Feedback, Self-Monitoring und Unterstützungsangebote aufbaut. Nach der Vorstellung beider Ansätze vertiefen wir zentrale Umsetzungsfragen in moderierten Fokusdiskussionen: die Anbindung von Prüfungs- und Campusmanagementsystemen sowie weiteren Drittsystemen, die Ausgestaltung von Opt-in- und Opt-out-Modellen, die Einbindung von Gremien und Vertretungen sowie Datenschutz und Informationssicherheit by Design als Gestaltungsprinzipien der Architekturen. Ergänzend diskutieren wir die organisatorischen Rahmenbedingungen, die über den nachhaltigen Betrieb solcher Infrastrukturen entscheiden. Der Workshop richtet sich an Hochschulen, die Learning Analytics einführen oder ausbauen wollen, und lotet abschließend konkrete Kooperationsmöglichkeiten aus – vom Erfahrungsaustausch bis zur gemeinsamen Weiterentwicklung.

Dashboards für Studierende sind allgegenwärtig und zeigen ihren Fortschritt, ihre Aktivitäten und prognostizierte Ergebnisse an. Doch ein und dasselbe Dashboard wird von den Lernenden oft sehr unterschiedlich interpretiert, und häufig wird das angezeigt, was die Daten leicht darstellen lassen, anstatt das, was die Lernenden tatsächlich benötigen. Die Gestaltung von Lernanalysen für Lernende ist keine triviale Aufgabe. In diesem praxisorientierten Workshop befassen wir uns mit dem Warum, Was und Wie einer effektiven Gestaltung von Dashboards für Lernende. Die Teilnehmer erhalten am Ende eine Reihe von Grundsätzen, um Dashboards auf der Grundlage der Feedback-Theorie und der Bedürfnisse der Lernenden zu gestalten.

The rapid expansion of artificial intelligence, learning analytics, and digital platforms is fundamentally reshaping education across schools, universities, and lifelong learning systems (Rienties et al., 2026). Yet much of the current discourse surrounding digital transformation remains dominated by narratives of efficiency, automation, optimisation, and scale. In this talk, Professor Bart Rienties argues that education risks losing sight of its fundamentally human purpose if digital futures are designed primarily around what can be measured, predicted, or automated.

Drawing on recent research on AI digital assistants, learning analytics, and large-scale online learning environments, including the development of institutional AI assistants designed to support learners ethically and responsibly at the Open University, this keynote explores how universities can move beyond “standard scripts” of technological adoption. Rather than positioning AI merely as a productivity tool, the talk examines how digital technologies might instead foster empathy, critical thinking, creativity, dialogue, and more inclusive forms of lifelong learning (The Open University, 2026).

Using examples from recent interdisciplinary research and large-scale studies in digital education, the talk reflects on emerging tensions between innovation and institutional responsibility, personalisation and surveillance, and efficiency and human agency. Particular attention will be paid to how learners, educators, and universities can collaboratively shape digital futures that are not only technologically advanced, but also socially just, emotionally intelligent, and environmentally responsible.

Rienties, B., Coughlan, T., Domingue, J., & Herodotou, C. (2026). New systems of learning for distance learning institutions? A six-study review of implementing AIDA. Computers and Education: Artificial Intelligence, 10, 100607. https://doi.org/https://doi.org/10.1016/j.caeai.2026.100607

The Open University. (2026). 5 factors influencing the future of global digital education.

KI- und digital gestützte Lernprozesse als Strategiethema? Ergebnisse des HFD-Monitors 2026

Digitale Technologien und KI verändern, wie Lernen organisiert, begleitet und bewertet werden kann. Damit verbindet sich die Hoffnung, Lernprozesse durch Personalisierung individueller, flexibler und effizienter zu gestalten. Im Rahmen des HFD-Monitors wurden im Mai und Juni 2026 Vizepräsident:innen und Prorektor:innen mit dem Ressort Lehre zum Stand der strategischen Auseinandersetzung mit digitalen und KI-gestützten Lernprozessen befragt: Wo stehen Hochschulen heute bei der Entwicklung und Umsetzung von Szenarien digitalen Lernens? Welche Rolle spielen Personalisierung, Learning Analytics und KI-Assistenten im Rahmen von Strategieprozessen?

Geht’s nur mit Big Tech?Learning Analytics als Hebel für digitale Souveränität

Durch Learning Analytics werden strukturelle Abhängigkeiten sichtbar: Wer Lerndaten erhebt und auswertet, entscheidet über Anbieter, Infrastrukturen und Algorithmen. Digitale Souveränität und transparente Datenkultur gehören deshalb eng zusammen. Ohne nachvollziehbare Systeme kann es keine informierte Selbstbestimmung geben. Wie wird der Anspruch auf digitale Souveränität in der Praxis an deutschen Hochschulen gelebt? Im Fokus des Vortrags stehen Governance, Kompetenzen und Open-Source-Alternativen, die Learning Analytics kontrollierbar machen. Das Ziel ist der Wechsel von reaktiver Compliance zu aktiv gestalteter Souveränität.