Am 11. August 2026 von 15:00 bis 16:00 Uhr fand eine weitere Ausgabe der Digitalen Kaffeerunde statt. Prof. Dr. Andreas Eichler von der Universität Kassel gab Einblicke in das Forschungs- und Entwicklungsprojekt math.edu.tech, in dem ein KI-gestützter Tutor für mathematisches Argumentieren entwickelt wird. Das Projekt wird im Rahmen der Förderlinie Freiraum 2025 der Stiftung Innovation in der Hochschullehre gefördert und läuft von 2025 bis 2027. Es basiert auf der kooperativen Bündelung der Perspektiven von Mathematikdidaktik (Prof. Dr. Andreas Eichler), der Mathematik (Prof Dr. Andreas Bley) und Wirtschaftsinformatik (Prof. Dr. Matthias Söllner).
Ausgangspunkt des Projekts ist die Frage, wie generative KI Studierende beim mathematischen Lernen unterstützen kann. Während KI etwa beim Programmieren, bei der Aufgabenkonstruktion oder bei diagnostischen Aufgaben bereits vielfältig eingesetzt wird, ist bislang weniger geklärt, wie sie beim Erlernen mathematischen Argumentierens und Beweisens sinnvoll eingesetzt werden kann. Gerade zu Beginn des Studiums stellt der Übergang von schulischer zu universitärer Mathematik für viele Studierende eine Herausforderung dar. Der Tutor soll deshalb keine fertigen Lösungen liefern, sondern Studierende dialogisch und schrittweise bei der Entwicklung eigener Argumentationen begleiten.
Bei der Konzeption wurden Anforderungen aus didaktischer, fachlicher und technischer Perspektive miteinander verknüpft. Grundlage waren unter anderem Interviews mit neun Studierenden, aus denen User Stories und anschließend Designprinzipien abgeleitet wurden. Diese definieren beispielsweise, dass das System mathematische Symbole zuverlässig und LaTeX-kompatibel darstellen, handschriftliche Lösungswege verarbeiten und im Dialog gezielt Hinweise geben können soll, ohne den gesamten Lösungsweg vorwegzunehmen.
Technisch wird der Tutor als Multi-Agenten-System auf Basis großer Sprachmodelle umgesetzt, die über eine Schnittstelle der Gesellschaft für wissenschaftliche Datenverarbeitung mbH Göttingen (GWDG) angebunden werden. Unterschiedliche Modelle übernehmen dabei verschiedene Aufgaben. Ergänzt wird das System durch Retrieval-Augmented Generation (RAG), wodurch auf ausgewählte mathematische Lehrmaterialien zurückgegriffen werden kann, sowie durch detaillierte Systemprompts. Die Entwicklung der Feedbacklogik erwies sich als besonders anspruchsvoll: Zu Beginn tendierte das System dazu, zu viele Hinweise oder bereits zu große Teile der Lösung zu geben. Durch iteratives Testen wurde die Interaktion deshalb stärker auf schrittweise Unterstützung ausgerichtet.
Erste Erfahrungen stammen aus einer Pilotierung mit 51 Lehramtsstudierenden. Ausgewertet wurden dabei unter anderem die Chatverläufe zwischen Studierenden und Tutor sowie die Qualität der KI-Antworten hinsichtlich Kohärenz, Relevanz und Konsistenz. Als Herausforderung zeigten sich sogenannte „invisible failures“, beispielsweise repetitive Gesprächsschleifen („Death Spirals“), in denen das System den Dialog immer weiter fortführt, ohne zu einer zielführenden Unterstützung zu gelangen. Die ersten Rückmeldungen zeigen zugleich, dass die Hinweise des Tutors als hilfreich wahrgenommen werden – insbesondere dann, wenn Studierende weiterhin den Eindruck haben, die Lösung selbst entwickelt zu haben.
In der Diskussion, auch im Vergleich mit anderen KI-gestützten Unterstützungssystemen, wurde deutlich, dass gerade in diesem Prinzip der „minimalen Hilfe“ eine zentrale didaktische und technische Herausforderung liegt: Der Tutor soll unterstützen, ohne den eigentlichen Denkprozess zu übernehmen. Die technische Umsetzung ist anspruchsvoll, da Sprachmodelle auch bei gezieltem Systemprompting dazu neigen können, zu viele Lösungsschritte vorzugeben. Diskutiert wurde zudem, wie wichtig ein selbstbewusster Umgang mit KI ist. Studierende müssen lernen, Rückmeldungen kritisch einzuordnen und einer KI gegebenenfalls auch zu signalisieren, dass weitere Hilfestellungen nicht erforderlich sind. Damit wird der Umgang mit dem Tutor selbst zu einem Teil des Lernprozesses.
Im weiteren Projektverlauf soll der KI-Tutor weiterentwickelt, in unterschiedlichen mathematischen Lehrveranstaltungen und Fachrichtungen eingesetzt und systematisch evaluiert werden. Neben fachlichen Lernerfolgen – etwa hinsichtlich Korrektheit, logischer Struktur und mathematischer Strenge – soll auch untersucht werden, ob die niedrigschwellige Kommunikation mit einem KI-Tutor beispielsweise bei Mathematikängsten unterstützend wirken kann.
Die Digitale Kaffeerunde zeigte damit, wie anspruchsvoll die Entwicklung eines didaktisch fundierten KI-Tutors ist: Entscheidend ist nicht allein, ob ein Sprachmodell fachspezifische Aufgaben lösen kann, sondern wie es Studierende dabei unterstützt, selbst fachspezifisch zu denken, zu argumentieren und zu beweisen.