Veranstaltungsprogramm

<p>Die fortschreitende Digitalisierung verspricht, Patient:innen stärker in die eigene Versorgung einzubeziehen. Doch gerade bei chronischen Erkrankungen zeigt sich ein zentrales Spannungsfeld: Immer mehr Daten stehen zur Verfügung, aber deren Verständlichkeit und Nutzbarkeit für Betroffene bleibt weiterhin begrenzt. Besonders deutlich wird dies bei neurologischen Erkrankungen wie Multiple Sklerose (MS), bei denen motorische, kognitive und visuelle Einschränkungen die Interaktion mit komplexen Daten zusätzlich erschweren. Damit wird Visualisierung nicht nur zur Darstellungsfrage, sondern zur entscheidenden Voraussetzung für echte Teilhabe, informierte Mitentscheidung aber auch Patient Empowerment, vor allem bei komplexen Erkrankungsbildern.</p>

<p>Vor diesem Hintergrund wird untersucht, wie medizinischen Daten in patientenzentrierten Anwendungen für MS und vergleichbare chronische Erkrankungen visualisiert werden und inwieweit diese Darstellungen tatsächlich zur Unterstützung von Selbstmanagement und Partizipation beitragen. Im Fokus stehen dabei eingesetzte Visualisierungstypen, deren funktionale Einbettung sowie Unterschiede zwischen wissenschaftlichen Konzepten und realer Anwendungspraxis.<br />Methodisch wurde hierbei eine PRISMA-S angelehnte systematische Literaturrecherche in PubMed, Scopus und IEEE Xplore mit einer selektiven Marktanalyse MS-spezifischer Anwendungen kombiniert. Nach dem Screening von 220 Datensätzen wurden 11 Studien in die Auswertung eingeschlossen. Ergänzend wurden für die Marktanalyse 29 Anwendungen identifiziert und überblicksartig strukturiert dargestellt sowie acht Apps einer vertieften visuellen Analyse unterzogen.</p>

<p>Die Ergebnisse zeigen, dass Visualisierungen in der Praxis überwiegend auf zeitbasierte Verlaufsdarstellungen wie Linien- und Balkendiagramme setzen, häufig eingebettet in dashboardartige Übersichten mit Farb- und Icon-Kodierungen. Diese Ansätze unterstützen die grundlegende Selbstbeobachtung, entfalten ihr partizipatives Potenzial jedoch erst durch ergänzende Kontextualisierung, gestufte Informationsbereitstellung und visuelle Personalisierung.</p>

<p>Genau hier zeigt sich eine deutliche Diskrepanz zwischen Forschung und Praxis: Während wissenschaftliche Arbeiten differenzierte, nutzeradaptive und barrierearme Visualisierungskonzepte betonen, dominieren in marktverfügbaren Anwendungen funktionale Mindestlösungen. Insbesondere die Berücksichtigung heterogener Nutzerbedarfe sowie die Unterstützung individueller Entscheidungsprozesse bleiben vielfach unzureichend umgesetzt. Die Arbeit leitet hieraus konkrete Gestaltungsempfehlungen ab und überträgt diese auf den MS-Kontext. Sie macht deutlich, dass Visualisierung weit über die Darstellung von Daten hinausgeht. Sie ist ein zentraler Hebel für Patient Empowerment und damit ein entscheidender Baustein für die Zukunft partizipativer, digital unterstützter Versorgung.</p>

<p>Im Rahmen des Erasmus+ Projekts ACTIVATE (Agile Competency-Based Learning for Individuals and Teams) stellen sich Partner aus Deutschland, Niederlanden und Schweden der Herausforderung, digitale Tools zur Unterstützung der Partizipation und Ko-Kreation in interprofessionellen Teams zu entwickeln, die in Lehrszenarien für interprofessionelle Team-Trainings zum Einsatz kommen. Das Ziel besteht darin, das Potenzial interprofessioneller Team-Trainings über ihre herkömmlichen Grenzen hinaus zu erschließen, indem deren transformative Wirkung durch den Einsatz digitaler Tools gefördert wird. Dazu wurde das in diesem Beitrag vorgestellte ACTIVATE-Dashboard an der Hochschule für Technik, Wirtschaft und Kultur Leipzig entwickelt, welches den Dialog und Entscheidungsprozess nach einem interprofessionellen Team-Training unterstützt, indem es übergeordnete Themen, gewonnene Perspektiven und im Team-Training aufgetretene Spannungen als Wissensbasis für einen Diskurs darstellt und dafür sensibilisiert.</p>

<p>Als theoretisches Fundament für diesen Diskurs wird die Cultural Historic Activity Theory (CHAT) verwendet, die es ermöglicht, menschliches Handeln nicht isoliert, sondern als dynamisches System kollektiver Praxis zu begreifen, in dem soziale Komponenten wie Regeln, Gemeinschaft und Arbeitsteilung die Interaktion strukturieren. Das ACTIVATE-Dashboard visualisiert die Wissensbasis in den CHAT-Dimensionen „Subject“, „Objective“, „Tools“, „Communities“, „Rules“ und „Division of Labour“ (siehe Abbildung 1), wodurch aufgetretene Spannungen zielgerichteter diskutiert sowie aufgelöst werden können und die Team-Mitglieder partizipativ zu bestmöglichen Entscheidungen gelangen.</p>

<p>Um die Wissensbasis des interprofessionellen Teams möglichst partizipativ zu gewinnen, wird Feedback zum Team-Training mittels digitaler Fragebögen per Smartphone oder in Zukunft auch mittels automatisierter Transkription erfasst. Das Backend des ACTIVATE-Dashboards erlaubt es mittels Large Language Models als künstlicher Intelligenz (KI), dieses teilweise unstrukturierte Feedback automatisiert in eine strukturierte und multilinguale digitale Wissensbasis zu überführen. Die technologische Grundlage dafür bildet ein semantischer Knowledge Graph (RDF/OWL), der komplexe Beziehungsstrukturen abbildet und über eine SPARQL-Schnittstelle für die visuelle Analyse im Frontend des Dashboards verfügbar macht. Durch diese KI-gestützte Aggregation werden im Team-Training aufgetretene Spannungen sowie Widersprüche innerhalb des Tätigkeitssystems identifizierbar und die digitale Wissensbasis kann als objektive Grundlage für Reflexionsprozesse dienen. Im nachfolgenden Diskurs können die Spannungen unter Nutzung eines Ampelsystems und einer Kommentarfunktion im Dashboard reflektiert und bestenfalls aufgelöst werden, wodurch das Team auf Grundlage der Wissensbasis bestmögliche Entscheidung treffen kann. Dabei ist das web-basierte ACTIVATE-Dashboard generisch und steht als VUE-Anwendung Open Source zur Verfügung.</p>

<p>Studierende erwarten zunehmend flexible, personalisierte und niedrigschwellige Unterstützungangebote. Im Gegenzug sind Hochschulen mit steigender Betreuungsintensität, heterogenen Lernvoraussetzungen und begrenzten personellen Ressourcen konfrontiert. Aktuelle Reviews zeigen, dass insbesondere konversationsbasierte und andere KI-Systeme Potentiale für tutorielle Unterstützung, adaptive Lernbegleitung, Lernplanung und Engagement im Hochschulkontext bieten (Long et al., 2026; Shi et al., 2026). Dem stehen jedoch zentrale Risiken gegenüber, darunter Überabhängigkeit, mangelnde Transparenz, Datenschutzprobleme sowie unklare Verantwortlichkeiten zwischen Technik und Pädagogik (Ganguly et al., 2026; Shi et al., 2026).</p>

<p>Die bisherige Forschung konzentriert sich vor allem auf reaktive Systeme wie Chatbots, die Fragen beantworten oder Feedback geben, jedoch selten eine langfristige, zielgerichtete Lernbegleitung übernehmen (Ganguly et al., 2026; Long et al., 2026). Mit agentischer KI zeichnet sich hingegen gegenüber generativen Systemen ein erweitertes Paradigma ab. Diese Systeme agieren zielorientiert, passen sich kontextsensitiv an und können mehrstufige Aufgaben teilweise autonom planen und koordinieren (Al-Hinai et al., 2026). Erste empirische Befunde deuten zudem darauf hin, dass die wahrgenommene Agency von KI positiv mit Selbstwirksamkeit, Autonomie und selbstgesteuertem Lernen zusammen hängen kann (Alqurni, 2026).</p>

<p>Vor diesem Hintergrund untersucht der Beitrag, wie ein KI-Agent als Lernbegleiter für Studierende gestaltet sein muss. Er soll ausgewählte Teilaufgaben professoraler Betreuung übernehmen, ohne die didaktische und fachliche Verantwortung von Lehrenden zu ersetzen. Im Zentrum stehen drei Fragen: Welche professorennahen Unterstützungsfunktionen lassen sich sinnvoll delegieren? Welche fachlichen, didaktischen und kommunikativen Fähigkeiten muss ein solcher Agent besitzen? Und welche Grenzen und Eskalationslogiken sind erforderlich, damit die Mensch-KI-Zusammenarbeit in der Hochschullehre nachvollziehbar und verantwortbar bleibt?</p>

<p>Methodisch basiert der Beitrag auf einem Scoping Review mit transparentem Such-, Screening- und Auswertungsprozess unter Nutzung eines PRISMA-orientierten Flussdiagramms. Ziel ist es, den aktuellen Forschungsstand zu KI-Agenten und agentischen Lernassistenzsystemen im Hochschulkontext systematisch darzustellen, zentrale Konzepte zu strukturieren und Forschungslücken zu identifizieren (Pollock et al., 2024). Analysiert werden insbesondere funktionale Fähigkeiten, Interaktionsformen, Governance-Aspekte sowie professorennahe Delegationsbereiche.</p>

<p>Erwartet werden ein strukturierter Anforderungskatalog für KI-Agenten als Lernbegleiter, ein konzeptionelles Modell delegierbarer professoraler Unterstützungsaufgaben sowie Gestaltungsprinzipien für eine verantwortbare agentische Lernassistenz in der Hochschullehre.</p>

<p dir="ltr">Vor dem Hintergrund gesellschaftlicher Transformationsprozesse stehen Hochschulen vor der Herausforderung, Studierende auf vielfältige Herausforderungen vorzubereiten, die neben Fachwissen insbesondere selbstorganisierte, reflektierte und verantwortliche Handlungsfähigkeit in unbekannten Zukunftsszenarien erfordern. Damit rückt die hochschuldidaktische Frage in den Fokus, wie zukunftsrelevante Kompetenzen, sogenannte Future Skills, in Studiengänge übersetzt und curricular verankert werden können. Dieser Frage widmet sich ein Projekt an einer dualen Hochschule, das beabsichtigt, Wege zu erproben, um Future Skills systematisch in das duale Studium zu integrieren. Future Skills werden in diesem Beitrag verstanden als Kompetenzen, die es Individuen erlauben, in hochemergenten Handlungskontexten selbstorganisiert komplexe Probleme zu lösen und (erfolgreich) handlungsfähig zu sein (Ehlers, 2020).</p>

<p dir="ltr">Gerade weil die curriculare Verankerung von Future Skills keine bloße Übernahme vorgefertigter Konzepte, sondern eine kontextsensitive Übersetzungs- und Aushandlungsleistung in die studiengangsspezifischen Kontexte erfordert, gewinnen partizipative und ko-kreative Gestaltungsprozesse bei der Integration an Bedeutung. Zudem zeigt sich, dass die Entwicklung curricularer und didaktischer Arrangements dort besonders tragfähig ist, wo sie nicht als Top-down-Transfer vorgefertigter Konzepte erfolgt, sondern als dialogischer Aushandlungs- und Gestaltungsprozess mit den beteiligten Akteur:innen (Bovill &amp; Woolmer, 2018).</p>

<p dir="ltr">Der Beitrag richtet den Fokus auf die Frage, wie die curriculare Integration von Future Skills ko-kreativ mit Studiengangsleitungen kontextspezifisch ausgestaltet werden kann. Dabei beleuchtet er, wie die Verantwortung für das Lernangebot nicht nur geteilt, sondern zunehmend übertragen und somit eine höhere Partizipationsstufe erreicht wird (Arnstein, 1969). Es wird diskutiert, inwiefern dies die Nachhaltigkeit der Angebote sowie die Future Skills Literacy (Ehlers, 2024) der Beteiligten stärkt und im Sinne partizipativer (von Unger, 2014) und praxisorientierter (Moser, 2022) Forschungsansätze die verschiedenen Rollen und Perpektiven der Beteiligten reflektiert und am Forschungsprozess beteiligt.</p>

<p dir="ltr">Die beteiligten Studiengangsleitungen aus 9 Studiengängen durchliefen einen partizipativen Prozess (Abb. 1) mit dem Ziel, auf Basis der vorhandenen Konzepte und einer Future-Skills-Toolbox (Abb. 2) ein passgenaues Angebot für den jeweiligen Studiengang zu konzipieren, zu evaluieren und agil weiterzuentwickeln. Am Beispiel von Projekt A und auf Basis qualitativer Daten und einer digitalen Erhebung wird diskutiert, welchen Beitrag partizipative Beratungs-, Forschungs- und Gestaltungsprozesse dazu leisten, digitale und didaktische Ressourcen nicht nur bereitzustellen, sondern in Zusammenarbeit mit zentralen Akteur:innen so weiterzuentwickeln, dass tragfähige und kontextsensitive Integrationslösungen in Hochschulkontexten agil und nachhaltig realisiert werden können.</p>