Am 14. Juli 2026 von 15:00 bis 16:00 Uhr fand eine weitere Ausgabe der Digitalen Kaffeerunde statt. Louis Dunkel, Imran Hossain, Angela Polichronidou und Dr.-Ing. Hasan Abu-Rasheed von studiumdigitale an der Goethe-Universität Frankfurt stellten LearnMate vor – einen KI-gestützten Lernbegleiter zur Vor- und Nachbereitung von Lehrveranstaltungen. Das Projekt wird über QSL-Projektmittel Lehre 2025 gefördert.
LearnMate beantwortet Fragen auf Grundlage der jeweils hinterlegten Kursmaterialien mittels Retrieval-Augmented Generation (RAG) und verweist dabei direkt auf die verwendeten Quellen. Zum Zeitpunkt der Veranstaltung nutzten bereits rund 1.300 registrierte Studierende das fachbereichsübergreifend eingesetzte System; insgesamt waren mehr als 15.000 Nutzernachrichten entstanden. Neben einem klassischen Antwortmodus verfügt LearnMate über einen Lernmodus, der nicht lediglich Antworten ausgibt, sondern Studierende beim aktiven Verständnis von Inhalten unterstützen soll. Dazu gibt das System beispielsweise Denkanstöße, erläutert, wie eine Antwort zustande gekommen ist, oder hilft dabei, eigene Fragen zu verbessern.
In einer Live-Demonstration zeigten die Referent*innen, wie unterschiedliche Kursmaterialien in LearnMate eingebunden werden können. Neben PDF-, HTML- und LaTeX-Inhalten können auch Vorlesungsaufzeichnungen transkribiert und anschließend als Wissensgrundlage für das RAG-System genutzt werden. Bilder werden für die weitere Verarbeitung beschrieben, und Quellenangaben innerhalb der Antworten verlinken direkt auf die entsprechenden Stellen in den zugrunde liegenden Dokumenten. So soll nachvollziehbar bleiben, auf welche Kursinhalte sich eine KI-Antwort stützt.
Ein besonderer Schwerpunkt des Projekts liegt auf Datenschutz. LearnMate setzt auf an der Goethe-Universität geghostete Komponenten und über die Gesellschaft für wissenschaftliche Datenverarbeitung mbH Göttingen (GWDG) bereitgestellte Sprachmodelle, sodass keine Daten an die Server kommerzieller Anbieter übertragen werden werden. Zugleich sollen unterschiedliche Lernvoraussetzungen etwa durch Mehrsprachigkeit und verschiedene Interaktionsmöglichkeiten berücksichtigt werden. Die Barrierefreiheit befindet sich dabei noch in der Weiterentwicklung. Verschiedene frei verfügbare Modelle werden fortlaufend getestet.
Begleitend auch wird untersucht, wie Studierende LearnMate tatsächlich einsetzen. Nach entsprechender Einwilligung werden Nutzeranfragen und Systemantworten analysiert, um häufige Themen und Nutzungsmuster zu identifizieren. Hierzu kommen unter anderem Topic Modelling und LLM-basierte Analyseverfahren zum Einsatz. Auch Funktionen aus dem Bereich Explainable AI werden erprobt: Studierende können sich beispielsweise erklären lassen, wie eine Antwort zustande gekommen ist oder warum diese möglicherweise nicht zur eigenen Frage passt. Ob solche Funktionen die Reflexion und AI Literacy der Studierenden tatsächlich unterstützen, soll empirisch untersucht werden.
In der anschließenden Diskussion standen vor allem Fragen der technischen Weiterentwicklung im Mittelpunkt. Thematisiert wurden unter anderem die geplante Integration in Moodle und die Verarbeitung unterschiedlicher Materialtypen, wie handschriftliche Dokumente. Diskutiert wurde auch die Leistungsfähigkeit lokal betriebener Sprachmodelle. Diese seien teilweise langsamer und weniger leistungsfähig als kommerzielle Modelle, böten dafür aber deutliche Vorteile beim Datenschutz. Gerade dieser Trade-off stieß auch mit Blick auf andere Hochschulen auf Interesse.
Ein weiterer Schwerpunkt der Diskussion lag auf der Rolle der Lehrenden. Bislang wird die Einrichtung und Pflege der kursbezogenen Bots weitgehend von studiumdigitale übernommen; perspektivisch sollen ausgewählte Lehrende selbst Zugriff auf das Autorensystem erhalten. Zugleich wurde deutlich, dass mit einer breiteren Einführung auch Fragen nach Supportstrukturen, Ressourcen und Erwartungsmanagement verbunden sind. LearnMate soll dabei im Idealfall nicht nur Studierenden eine jederzeit verfügbare Lernunterstützung bieten, sondern Lehrende auch bei wiederkehrenden Standardanfragen entlasten und so mehr Raum für persönliche Betreuung schaffen.
Die Digitale Kaffeerunde zeigte damit, dass die Entwicklung eines KI-Lernbegleiters weit über die technische Bereitstellung eines Chatbots hinausgeht. Entscheidend sind eine verlässliche Wissensbasis, transparente Quellen, didaktisch gestaltete Interaktionen, Datenschutz und Barrierefreiheit sowie die Frage, wie sich ein solches System nachhaltig in die Lehr- und Supportstrukturen einer Hochschule integrieren lässt.