Fraunhofer-Institut für Kommunikation, Informationsverarbeitung und Ergonomie FKIE
Fraunhofer-Institut für Kommunikation, Informationsverarbeitung und Ergonomie FKIE

»Die Vision ist ein zukunftsfähiges, individualisiertes Training mit nutzergerechten Trainingsmitteln.«

© iStock/KirillSmyslov

Steuerung und Gestaltung von digitalen Trainingsmitteln der Zukunft

Ein gutes und modernes Training ist die Basis für Handlungssicherheit. Daher gilt es, Aus-, Fort- und Weiterbildung auf Optimierungspotenziale zu prüfen und digitale Trainingsmittel gewinnbringend einzubinden. Doch wie kann das Lernen konkret verbessert werden? Welche Fähigkeiten sind heute und in Zukunft relevant und wie kann der Kompetenzerwerb optimal unterstützt werden?

Das interdisziplinäre Fraunhofer FKIE-Team »Digital Training« erforscht, wie moderne Technologien das Lernen individualisieren und nachhaltig verbessern können. Unter dem Leitgedanken »Didactic first« werden nutzergerechte, ergonomische und kompetenzorientierte Trainingslösungen entwickelt.

Digital Training

Alle ausklappen Alle einklappen

© iStock/ metamorworks
Wie wird das digitale Training zukunftsfähig? Die individuellen Bedürfnisse und Eigenschaften der Nutzer stehen bei den Forschungen der Wissenschaftler im Mittelpunkt.

Digital Training: Anforderungen an zukunftsfähiges digitales Lernen

Das Team Digital Training erforscht die Anforderungen an die Steuerung und Gestaltung von zukunftsfähigem digitalem Training. Im Mittelpunkt stehen dabei immer der Mensch und seine optimale Unterstützung.

 

Bewertung moderner Bildungstechnologien

Moderne Bildungstechnologien werden im Hinblick auf ihren Nutzen für eine kompetenzorientierte Aus-, Fort- und Weiterbildung bewertet und auf Usability sowie motivationale Faktoren hin überprüft. Ziel ist es zudem, Trainingskonzepte zu entwickeln, offene Forschungsfragen zu beantworten und Empfehlungen für eine zukunftsfähige Optimierung des Aufgabenfelds Training abzuleiten.

 

Erforschung individueller Nutzerbedürfnisse

Das Team erforscht die individuellen Bedürfnisse und Eigenschaften der Nutzenden – etwa Lernende, Lehrende, Autoren und Trainingsmanager. Je nach Kontext kommen Methoden zum Einsatz wie

  • Nutzerzustandserfassungen
  • Marktrecherchen
  • Nutzerinterviews
  • Messungen an der Mensch-Maschine-Schnittstelle

Diese können im Rahmen eigener Laborversuche, Nutzerstudien »am Arbeitsplatz« oder als Begleitung von Trainingseinheiten durchgeführt werden.

 

Zielgruppen sicherheitskritischer Bereiche

Zielgruppen sind (Einsatz-)Kräfte von

  • Bundeswehr
  • Polizei
  • Katastrophenschutz
  • Technisches Hilfswerk
  • Flugsicherung

sowie weiteren Organisationen, deren besondere Anforderungen an die Trainingsgestaltung für sicherheitskritische Bereiche berücksichtigt werden.

 

Ziel: Kompetenzen für erfolgreiches Handeln stärken

Ziel ist es, Ausbildung und Trainingskonzepte unter didaktischen und ergonomischen Grundsätzen so zu gestalten, dass das Lernen des Einzelnen optimal unterstützt und die Kompetenzen für erfolgreiches Handeln gestärkt werden.

Kompetenzorientiertes Training und das Projekt Lernen 2040

Ein kompetenzorientiertes Training richtet sich nach der Anwendungs- und Handlungssicherheit der Lernenden in beruflichen und sozialen Kontexten. Entscheidende Fragen sind: Sind die Lernenden in der Lage, die unterschiedlichen Anforderungen erfolgreich zu bestehen? Reicht ihre erworbene Kompetenz aus? Wurde ein »optimales« Lernen ermöglicht?

Eine konstruktivistische Didaktik, die selbstgesteuertes, eigenverantwortliches Lernen und einen individuellen Wissensaufbau unter Nutzung moderner Technologien ermöglicht, erfordert auch die dazu passenden Trainingsmittel.

Das Projekt »Lernen 2040«

Genau hier setzt das Projekt »Lernen 2040« an: Es untersucht den ergonomischen Einsatz von Trainingsmitteln unter Anwendung eines kompetenzorientierten Ansatzes (ErkAnt). Im Mittelpunkt stehen die Fragen:

  • Wo werden wir zukünftig lernen?
  • Wie werden wir zukünftig lernen?
  • Womit werden wir zukünftig lernen?

Delphi-Umfrage zur Zukunft des Lernens

Um offene Forschungsfragen rund um das Thema Lernen der Zukunft zu identifizieren und Impulse für zukünftige Trainings zu erhalten, wurde ein Meinungsbild zum Thema »Lernen 2040« mittels einer Delphi-Umfrage erhoben. An dieser nahmen jeweils bis zu 20 ausgewählte Expertinnen und Experten aus Wissenschaft und Forschung (Hochschulen, Bildungsforschungsinstitute, angewandte Forschung), Wirtschaft (Beratung, Produktentwicklung) sowie bildungsbezogenen Verbänden und öffentlichen Bildungseinrichtungen in insgesamt drei Runden teil.

Die identifizierten Forschungslücken werden in den nächsten Schritten durch wissenschaftliche Experimente vertieft untersucht. Thematische Schwerpunkte sind beispielsweise:

  • Methoden zur Förderung des Kompetenzerwerbs von Future Skills
  • Nutzerfreundliche Gestaltung digitaler Lernmittel 

→ Für mehr Informationen nehmen Sie gerne unter folgender Mail-Adresse Kontakt auf: delphi.lernen2040@fkie.fraunhofer.de.

KI-gestützte Lernmanagementsysteme: Die Studie KI LMS 2

Ein Beispiel für zukunftsfähige Trainingsmittel sind KI-gestützte Lernmanagementsysteme.

Das Team Digital Training untersucht, wie Lernende und Lehrende von einer KI-Unterstützung profitieren können: Welche Funktionalitäten wünschen sie sich? Wie müssen diese für eine optimale Unterstützung gestaltet sein? Diese und weitere Fragen werden in der Studie KI LMS 2 beantwortet.

 

Verbundprojekt mit Fraunhofer FOKUS und IOSB

Im Verbund mit den Fraunhofer-Instituten FOKUS und IOSB führt das Fraunhofer FKIE eine explorative Studie für das Heer durch, um Potenziale und die Machbarkeit eines KI-gestützten Lernmanagementsystems zu untersuchen.

Konkrete Funktionalitäten umfassen:

  • Kompetenzanalyse-App: Ermöglicht auch im Feld unkomplizierte Performanzfeststellungen
  • Learning Analytics Dashboard: Bereitet Nutzungs- und Fortschrittinformationen verständlich auf

Altun, D., Krauss, C., Streicher, A., Mueller, C., Atorf, D., Rerhaye, L., & Kunde, D. (2022, June). Lessons learned from creating, implementing and evaluating assisted e-learning incorporating adaptivity, recommendations and learning analytics. In International Conference on Human-Computer Interaction (pp. 257-270). Cham: Springer International Publishing.

Altun, D., & Schulz, D. (2023, July). Learning to Take the Right Turn–Which Learning Media is Best Suited to Learn a Sequence of Actions to Solve a Rubik’s Cube?. In International Conference on Human-Computer Interaction (pp. 191-205). Cham: Springer Nature Switzerland.

Rerhaye, L., Altun, D., Krauss, C., & Müller, C. (2021, July). Evaluation methods for an AI-supported learning management system: quantifying and qualifying added values for teaching and learning. In International Conference on Human-Computer Interaction (pp. 394-411). Cham: Springer International Publishing.

Krauss, C., Bassbouss, L., Upravitelev, M., An, T. S., Altun, D., Reray, L., ... & Karagülle, M. (2024, June). Opportunities and challenges in developing educational AI-assistants for the Metaverse. In International Conference on Human-Computer Interaction (pp. 219-238). Cham: Springer Nature Switzerland.

Krauss, C., Streicher, A., Poxleitner, E., Altun, D., Mueller, J., An, T. S., & Mueller, C. (2023, June). Best-of-breed: service-oriented integration of artificial intelligence in interoperable educational ecosystems. In International workshop on learning technology for education challenges (pp. 267-283). Cham: Springer Nature Switzerland.

Streicher, A., & Altun, D. (2025, October). Adaptive e-learning for image analysts: an xAPI-driven performance framework. In Artificial Intelligence for Security and Defence Applications III (Vol. 13679, pp. 522-531). SPIE.

Weiß, Z.-N. (2024). From Attitudes to Actions: Assessing Teachers' Perceptions of Critical Media Literacy Instruction [Thesis]. University of Twente, Enschede.