Die Geschichte der KI: eLearning Edition

Die Geschichte der KI: eLearning Edition

Seit den 1950er Jahren hat KI eLearning die Art und Weise, wie wir lehren und lernen, grundlegend verändert! Entdecken Sie, wie die KI seit den Zeiten von Alan Turing bis heute Inhalte personalisiert, Lehrende unterstützt und das Engagement der Lernenden gefördert hat.

Warum ist die KI für das eLearning heute so wichtig?

Die künstliche Intelligenz, oder kurz KI, ist allgegenwärtig. Sie steckt in unseren Smartphones, Autos und sogar in den Apps, mit denen wir neue Dinge lernen. Ein Bereich, in dem die KI zweifelsohne einen großen Unterschied macht, ist die Bildung, insbesondere das eLearning.

Heute lernen wir auf eine ganz andere Art als noch vor Jahrzehnten. Dank der KI bietet eLearning personalisierte Lektionen, sofortiges Feedback und sogar Chats mit KI-gesteuerten Tutoren. Neben den Inhalten hilft die KI auch den Lehrenden. Sie kann Aufgaben benoten, Daten von Lernenden analysieren, um Trends zu erkennen, und sogar Vorschläge zur Verbesserung von Kursen machen. So können sich Lehrende und Trainer darauf konzentrieren, mit den Lernenden eine echte Verbindung herzustellen, anstatt einen Großteil ihrer Zeit mit repetitiven Aufgaben zu vergeuden.

Aber wie hat das alles eigentlich angefangen? Wann wurde die KI so leistungsfähig, dass sie zu einem so wichtigen Bestandteil von Bildung und eLearning wurde? Lassen Sie uns zu den Anfängen der KI zurückgehen und sehen, wie sie ihren Weg in die Klassenzimmer gefunden hat – sowohl in die physischen als auch in die digitalen.

Die Geschichte der KI-Implementierung im Bildungswesen und beim eLearning

1950er und 1960er Jahre

Die Entwicklung der KI

Im Jahr 1950 stellte Alan Turing in seiner Abhandlung „Computing Machinery and Intelligence“ eine einfache Frage: Können Maschinen denken? Um diese Frage zu klären, führte er den Turing-Test ein, ein Verfahren, mit dem sich feststellen lässt, ob die Antworten einer Maschine den Antworten eines Menschen in einem Gespräch entsprechen. Bei diesem Test beurteilt eine Person ein Textgespräch zwischen einem Menschen und einer Maschine.

Die Aufgabe des Bewerters besteht darin, herauszufinden, wer der Mensch ist, und die Maschine hat bestanden, wenn der Bewerter die beiden nicht auseinanderhalten kann. Die Ergebnisse hängen davon ab, wie sehr die Antworten der Maschine denen eines Menschen ähneln, und nicht davon, ob sie die Fragen richtig beantwortet. Dies ebnete den Weg für einen wichtigen Aspekt der KI in der Bildung und beim eLearning, nämlich die Interaktion.

Als die KI-Forschung in den 1950er und 1960er Jahren zunahm, konzentrierten sich die Wissenschaftler auf symbolische KI oder regelbasierte Systeme. Dies waren frühe KI-Modelle, die Entscheidungen nach strengen Regeln trafen, wie z. B. „Punkt A führt zu Punkt B“. Auf diese Weise entstand die Idee, dass eine Maschine über Probleme „nachdenkt“.

Im Jahr 1966 entwickelte Joseph Weizenbaum vom MIT ELIZA, die erste dialogfähige KI. Sie war so konzipiert, dass sie wie ein Therapeut agierte, indem sie einfache Mustervergleiche verwendete, um getippte Unterhaltungen zu führen. Wenn jemand zum Beispiel tippte: „Ich bin traurig“, antwortete ELIZA: „Warum sind Sie traurig?“ Allerdings verstand ELIZA nicht wirklich Worte. Das hielt die Menschen jedoch nicht davon ab, eine emotionale Verbindung zu ihr aufzubauen. Trotzdem zeigte ELIZA, dass Maschinen mit Lernenden „sprechen“ können, was die Interaktion ansprechend und sogar motivierend macht. Dies inspirierte zu ersten Ideen, wie Computer durch Konversation beim Lernen helfen könnten. Obwohl ELIZA in Schulen nicht weit verbreitet war, führte sie zu Forschungen über Nachhilfesysteme und KI-gesteuerte Konversationen in der Bildung.

Die ersten EdTech-Tools

Während die KI weiterentwickelt wurde, forschte man auch im Bereich der Bildungstechnologie (EdTech). In den 1950er Jahren erfand B.F. Skinner, ein Verhaltenspsychologe, die Lehrmaschine. Im Grunde genommen automatisierte und individualisierte das Gerät den Unterricht, so dass die Schüler in ihrem eigenen Tempo lernen konnten. Die Schüler arbeiteten sich Schritt für Schritt durch den Stoff und erhielten sofortiges Feedback auf ihre Antworten. So wurde Ihnen zum Beispiel eine Frage gestellt, die sie richtig beantworteten und danach weitermachten. Wenn sie falsch lagen, versuchten sie es erneut. Das Ziel von Skinners Gerät war es, das Lernen aktiv zu gestalten. Zwar war es in einigen Gruppen sehr beliebt, aber es fehlte an Personalisierung.

Als nächstes kam PLATO, ein System, das in den 1960er Jahren von der Universität Illinois eingeführt und von Don Bitzer, einem Professor für frühkindliche Erziehung, entwickelt wurde. PLATO (Programmed Logic for Automatic Teaching Operations) war ein computergestütztes Unterrichtssystem, das auf großen Großrechnern lief. Die Schüler tippten Antworten auf Bildschirmen ein, während das System Unterricht in Fächern wie Mathematik, Sprachen und Musik erteilte. PLATO führte viele Konzepte ein, die heute beim eLearning zum Einsatz kommen, darunter Foren, sofortiges Feedback, Online-Quizzes und sogar Spiele. Interessanterweise wurde es nicht nur von Lernenden in Schulen und Universitäten genutzt, sondern auch von Gefängnisinsassen.

1980er und 1990er Jahre

Intelligente Nachhilfesysteme

In den 1980er Jahren fand die künstliche Intelligenz ihren Weg in die Klassenzimmer, allerdings nicht in der Form, wie wir sie heute kennen, sondern als intelligente Tutorensysteme (ITS). Ein ITS ist ein Programm, das KI einsetzt, um als persönlicher Tutor zu fungieren. Anstatt alle Schüler auf die gleiche Art und Weise zu unterrichten, passt sich ein ITS dem Tempo, dem Wissen und den Fehlern der einzelnen Schüler an. Es gibt sogar personalisiertes Feedback.

Eine große Erfindung der ITS-Forschung war die Entwicklung des LISP-Tutors, der die Leistungen der Schüler recht erfolgreich steigern konnte. Dieses Programm wurde 1983 entwickelt, um Studenten beim Erlernen der Programmiersprache LISP zu helfen. Der LISP Tutor konnte Fehler erkennen und hilfreiches Feedback geben, während die Studenten an Übungen arbeiteten. Es half ihnen sogar, Aufgaben schneller zu lösen und ihre Testergebnisse zu verbessern. Etwa zur gleichen Zeit wurden weitere ITS-Programme entwickelt, wie TUTOR, das 1984 von Logica als allgemeines Lehrmittel entwickelt wurde, und PARNASSUS, das 1989 an der Carnegie Mellon University speziell für das Erlernen von Sprachen entwickelt wurde.

Trotz ihrer Einschränkungen führten diese Systeme die Idee ein, dass Lernen aktiv und personalisiert sein kann. Ähnlich wie heute die KI-gestützten eLearning-Plattformen sammelten die damaligen ITS Daten über die Leistungen der Schüler und erstellten ein „digitales Profil“ für jeden Schüler. Mithilfe von einfachem Machine Learning sagte das System voraus, welche Hilfe ein Schüler als Nächstes benötigen könnte, und passte den Inhalt und die Unterstützung dementsprechend an. Dies war ein frühes Beispiel für adaptives Lernen.

1990er und 2000er Jahre

Lernmanagementsysteme

In den 1990er Jahren fand das Lernmanagementsystem (LMS) seinen Weg in das Bildungswesen. Im Gegensatz zu den ITS gaben die LMS-Plattformen nicht vor, Tutoren zu sein. Sie konzentrierten sich auf die Organisation von Inhalten, die Verfolgung des Lernfortschritts und die Verwaltung aller Aspekte der Online-Bildung. Diese Plattformen ermöglichten es, ganze Klassenzimmer ins Internet zu verlagern, und erleichterten das Leben der Lehrkräfte erheblich. Eines der ersten LMS war FirstClass, das 1990 von Soft Arc entwickelt wurde. Die Open University im Vereinigten Königreich nutzte dieses System in den 90er und 2000er Jahren, um Online-Lernangebote in ganz Europa bereitzustellen, und es war eines der ersten internetbasierten LMS.

Das erste voll funktionsfähige LMS hieß EKKO, wurde vom norwegischen NKI Distance Education Network entwickelt und kam 1991 auf den Markt. 1997 wurde dann Blackboard eingeführt und wurde zu einer der ersten großen LMS-Plattformen für Universitäten in den USA. Einige Jahre später, im Jahr 2002, erschien Moodle als eine Open-Source-Option, die bei Schulen und Unternehmen, die etwas Flexibleres und Anpassbareres suchten, sehr beliebt wurde.

Die meisten LMS verwendeten damals grundlegende Automatisierungsregeln. Wenn zum Beispiel ein Schüler einen Multiple-Choice-Test absolvierte, konnte das System ihn sofort benoten. Wenn die Anwesenheit unter ein bestimmtes Niveau fiel, gab die Plattform eine Warnung aus. Auch wenn diese Funktionen einfach erscheinen, so ebneten sie doch den Weg für spätere fortschrittlichere Analysen. Im Laufe der Zeit begannen LMS-Plattformen, intelligentere Tools einzusetzen, wie z. B. prädiktive Analysen, um Schüler zu identifizieren, die möglicherweise Hilfe und Empfehlungen benötigen.

Adaptives Lernen

Bis in die 2000er Jahre war das Lernen sehr allgemein gehalten, was zwar gut funktionierte, aber nicht für jeden geeignet war. Das liegt daran, dass Schüler unterschiedlich lernen und unterschiedliche Fortschritte machen. Die Lösung war das adaptive Lernen, das eine individuellere, flexiblere Erfahrung versprach, die sich in Echtzeit an die Bedürfnisse der Lernenden anpassen konnte. Wie das funktioniert? Mit Daten. Diese Systeme überwachen, wie ein Lernender mit den Inhalten interagiert, mit welchen Themen er Schwierigkeiten hat und vieles mehr. Mithilfe von Algorithmen und künstlicher Intelligenz passt das System dann das Lernerlebnis an, indem es entweder Kurse überspringt, wenn der Lernende sie zu leicht findet, oder andere wiederholt, wenn der Lernende mehr Zeit braucht, um den Stoff zu verarbeiten.

Eines der ersten Unternehmen, das diesen Ansatz verfolgte, war das 2008 gegründete Unternehmen Knewton. Das Unternehmen wurde bekannt, weil es Partnerschaften mit Bildungsanbietern einging, um personalisierte digitale Kurse zu erstellen. Knewton nutzte eine adaptive Lerntechnologie, um die Stärken und Schwächen eines jeden Lernenden zu ermitteln. Die Plattform kennzeichnete Konzepte auf bestimmten Niveaus und bot personalisierte Empfehlungen auf der Grundlage der Kenntnisse und Bedürfnisse der einzelnen Lernenden. Ein weiterer Vorreiter auf dem Gebiet des adaptiven Lernens war DreamBox im Jahr 2006. Es begann als adaptives Mathematikprogramm für Grund- und weiterführende Schulen und nutzte Echtzeitdaten der Schüler, um den Unterricht automatisch anzupassen. Wenn ein Schüler beispielsweise mehr visuelle Erklärungen oder ein langsameres Tempo benötigte, änderte DreamBox den Inhalt selbständig.

Verarbeitung natürlicher Sprache

Mit der Weiterentwicklung des adaptiven Lernens fand ein weiterer Zweig der KI seinen Weg in das Bildungswesen: Die natürliche Sprachverarbeitung (NLP). Falls Sie unser umfangreiches KI-Glossar noch nicht gelesen haben: NLP ist der Teil der KI, der sich mit dem Verständnis und der Arbeit mit menschlicher Sprache, geschrieben oder gesprochen, befasst. In der Welt des eLearnings ermöglichte NLP der KI, Sprache zu verstehen, und veränderte damit die Art und Weise, wie Lernende mit Lernplattformen interagierten.

Eine der ersten Anwendungen von NLP im Bildungsbereich war die automatische Benotung von Aufsätzen. Dank dieser Technologie konnten Schüler und Studenten sofortiges Feedback zu ihren Arbeiten erhalten, ohne darauf warten zu müssen, dass ein Lehrer ihre Arbeiten bewertet. Dann kamen KI-gestützte Chatbots auf, die in immer mehr eLearning-Plattformen eingesetzt wurden. Diese Bots konnten häufig gestellte Fragen beantworten, die Benutzer durch die Kursnavigation führen oder sogar Hinweise und Tipps geben.

Einige Plattformen nutzten dies weiter, indem sie sprach- und textbasierte Interfaces einführten. Sprachlern-Apps wie Duolingo oder mobile Nachhilfeplattformen ermöglichen es den Lernenden nun, ihre Antworten oder Fragen per Sprache zu stellen. Dies macht das Lernen intuitiver, insbesondere für jüngere Lernende oder solche, die auf Barrierefreiheit angewiesen sind. Das Beste daran ist, dass sich alle bis dahin entwickelten Tools gegenseitig zu ergänzen begannen. Mehr und mehr LMS integrierten nun adaptives Lernen, Chatbots oder KI-gestütztes selbstgesteuertes Lernen und brachten das eLearning-Erlebnis auf ein neues Level.

2010s

Massive Open Online Courses

In den frühen 2010er Jahren machte das Internet Bildung für alle zugänglich. Plötzlich konnte jeder, der über einen Laptop und WLAN verfügte, von seiner Couch, seinem Büro oder einem Café aus an Kursen von Universitäten auf der anderen Seite des Planeten teilnehmen. Ermöglicht wurde dies durch das Aufkommen der Massive Open Online Courses (MOOCs). Diese Kurse ermöglichen eine unbegrenzte Teilnahme und einen offenen Zugang über das Internet. Sie enthalten herkömmliche Materialien wie gefilmte Vorlesungen, Lesestoff und Aufgabenstellungen, aber viele bieten auch interaktive Funktionen wie Benutzerforen und Diskussionen in sozialen Medien, die den Kontakt zwischen Studierenden und Professoren und Dozenten fördern.

Die MOOCs waren deshalb beim eLearning so beliebt, weil sie es jedem ermöglichten, sich ungeachtet der Entfernung aktiv zu beteiligen und sofortiges Feedback zu erhalten. MOOCs wurden 2012 sehr populär, ein Jahr, das oft auch als „Jahr des MOOCs“ bezeichnet wird. Obwohl sie revolutionär waren, stellten MOOCs auch eine Herausforderung dar: Wie kann man einen Kurs, der für 30 Personen konzipiert wurde, einem Publikum von 30.000 Lernenden anbieten? Die Lösung dafür war KI.

Die KI hat dazu beigetragen, Massenbildung zu ermöglichen, ohne die Erfahrung der Lernenden zu ruinieren. KI bietet zum Beispiel automatische Bewertungssysteme, die Antworten auswerten, sofortiges Feedback geben und die Lernenden sogar zu Ressourcen führen, die auf ihre Fehler zugeschnitten sind. KI könnte den Lernenden auch Inhaltsempfehlungen geben. Die KI-Algorithmen in MOOCs haben damit begonnen, das Verhalten der Lernenden zu analysieren, z. B. die angesehenen Videos, die Quizfragen, mit denen die Lernenden Schwierigkeiten hatten, und die Stellen, an denen sie den Kurs abgebrochen haben.

Deep Learning

Im Laufe der Jahre ist die KI durch Deep Learning und größere Datensätze intelligenter geworden. Dies hat dazu geführt, dass Plattformen prädiktive Analysen einsetzen, um Lernenden auf neue Weise zu helfen. Ein Beispiel ist die Erkennung des Abbrecherrisikos. Online-Kurse haben oft hohe Abbrecherquoten, da viele Lernende mit Begeisterung beginnen, dann aber abbrechen. Die KI kann jedoch Muster erkennen, die zeigen, wer den Kurs abbrechen könnte. Dazu werden Daten ausgewertet, z. B. wie oft sich die Lernenden einloggen, ob sie Tests bestehen oder ob sie sich an Diskussionsforen beteiligen. Anhand dieser Informationen kann die Plattform Erinnerungen oder Ermutigungen senden, wenn die Lernenden sie brauchen.

Eine weitere Entwicklung ist Emotion AI, eine Technologie, die versucht, Emotionen zu lesen. Einige fortschrittliche Systeme nutzen Gesichtserkennung, Tippmuster, den Tonfall der Stimme oder sogar Mausbewegungen, um festzustellen, ob ein Lernender gelangweilt, frustriert oder verwirrt ist. Obwohl sich diese Technologie noch in der Entwicklung befindet, könnte sie empathischere eLearning-Umgebungen schaffen, die nicht nur auf den Wissensstand, sondern auch auf Gefühle reagieren.

2020s

Generative KI

Seit 2020 erleben wir den Aufstieg der generativen KI. Generative KI konzentriert sich auf die Erstellung neuer Inhalte wie Text, Bilder, Audio, Video und sogar Code, basierend auf gelernten Mustern. Im Jahr 2022 startete OpenAI ChatGPT und machte damit KI populär. So konnten Lernende, Lehrende, Instruktionsdesigner und viele andere Fachleute ein Tool nutzen, das Aufsätze schreiben, schwierige Themen erklären oder sogar Rollenspiele als historische Figuren durchführen konnte. Das Besondere an ChatGPT und ähnlichen Tools wie Gemini von Google war jedoch nicht nur, dass sie intelligent wirkten. Sie konnten auf natürliche Weise kommunizieren, den Kontext verstehen und sich an die Bedürfnisse der Benutzer anpassen.

Diese neu entdeckte Interaktion mit der KI führte zu personalisierten Lernhilfen. ChatGPT wurde als Tutor eingesetzt, der Fragen beantwortete, Aufgaben bewertete und jedes Thema erklärte. Für Lernende, insbesondere in abgelegenen Gebieten oder mit begrenztem Zugang zu Ressourcen, hat dies unglaubliche Möglichkeiten geschaffen. Allerdings kann die KI auch Fehler machen. Manchmal „halluzinieren“ diese Tools Fakten oder liefern veraltete oder falsche Informationen. Daher müssen die Lernenden sie mit Bedacht einsetzen und ihre Antworten stets auf Fakten überprüfen.

KI in der betrieblichen Weiterbildung

Das Lernen in Unternehmen hat sich durch KI erheblich verbessert, insbesondere nach der Pandemie. Unternehmen nutzen eLearning jetzt für alles, vom Onboarding neuer Mitarbeiter bis zur Schulung ihrer Führungskräfte. Wenn Sie beispielsweise ein neuer Mitarbeiter in einem globalen Technologieunternehmen sind, müssen Sie sich nicht mehr stundenlang Schulungsvideos ansehen. Stattdessen werden Sie eine KI-Plattform nutzen, die Ihnen ein personalisiertes Onboarding-Erlebnis bietet.

Wenn Sie z. B. Ihre Cybersicherheitskenntnisse verbessern müssen, kann KI Ihren aktuellen Wissensstand bewerten und spezielle Kurzkurse oder Simulationen vorschlagen. Das Ergebnis? Dieser maßgeschneiderte Ansatz kommt sowohl den Lernenden als auch den Unternehmen zugute. Wenn Mitarbeiter genau das lernen, was sie brauchen, wenn sie es brauchen, ist es wahrscheinlicher, dass sie sich die Informationen merken und sie bei der Arbeit effektiv anwenden. Dadurch werden sie produktiver, und die Unternehmen erzielen höhere Gewinne.

Zusammenfassung

KI und eLearning funktionieren sehr gut zusammen. Wenn sie richtig eingesetzt wird, kann die KI den Lernprozess verbessern, anstatt die persönliche Note der Lehrenden zu ersetzen. Ja, KI-gestützte eLearning-Plattformen können Lektionen anpassen, die Arbeitsbelastung der Lehrenden verringern und die Lernenden in Echtzeit unterstützen. Aber bei all diesen Tools müssen wir sehr vorsichtig sein. Wir müssen die Daten der Lernenden schützen, die KI überwachen und das richtige Gleichgewicht finden, damit die KI in der Bildung ein positives Tool bleibt.

---

Unser Team an E-Learning Experten bietet Ihnen zuerst eine umfassende Beratung und konzeptionelle Schritte für Ihre E-Learning-Plattform.

Unser Ziel: Ihnen das beste Resultat zu liefern, von Anfang an.
Ihre Lernenden zu begeistern und zu engagieren. Lösungen zu entwickeln die Ihren individuellen Anforderungen entsprechen.

Wir sind Experten für E-Learning Technologie. Wählen Sie uns, um Ihre kundenspezifische LMS Lösungen anzubieten.