DIAS – Der digitale Studienassistent

Projekt:	Digitaler Intelligenter Assistent für Studium und Lehre (DIAS)
Projektlaufzeit:	01.10.2021 bis 31.03.2024 Projektverlängerung bis 31.12.2025
Fördergeber:	Stiftung Innovation in der Hochschullehre
Projektleitung:	Prof. Dr. Sigurd Schacht

Im Oktober 2021 startete das Forschungsprojekt DIAS (Digitaler Intelligenter Assistent für Studium und Lehre) an der Hochschule Ansbach mit dem Ziel Studierende zu begleiten, zu motivieren und zu befähigen das Studium besser zu organisieren und erfolgreich abzuschließen. DIAS nimmt dabei verschiedene Funktionen als Planer, Motivator, Analysator und Kommunikator ein. Diese Funktionen vereinen sich in DIAS durch die Entwicklung verschiedener KI-basierter Modelle. Studierende interagieren mit DIAS über eine eigene Webapplikation. Ein vorangegangenes Pilotprojekt umfasste zudem Zugriffsmöglichkeiten über die Hochschulwebseite, ein Hologramm und ein Terminal.

DIAS Funktionen

Zielsetzung und Evaluation

Förderung der individuellen Betreuung
Entlastung der Verwaltung und der Lehrenden
Senkung der Abbrecherquote
Förderung des Informationsflusses
Steigerung der Motivation
Unterstützung des Selbstmanagement
Steigerung der leichteren und transparenteren Informationsbeschaffung

Das ausführliche Evaluationskonzept kann hier eingesehen werden:

DIAS-Plattform

Die DIAS-Plattform ist eine eigens entwickelte Webapplikation, über die sich Nutzende registrieren und alle Modelle zentral nutzen können. Die Entwicklung des Systems verfolgt das holistische Ziel, Studierende und Lehrende mit diversen entwickelten KI-Tools zu unterstützen. Alle entwickelten Modelle werden als Open-Source-Lösung bereitgestellt und können frei genutzt werden. DIAS umfasst folgende Modelle:

Die DIAS-Lernplattform ermöglicht eine anwendungsorientierte und adaptive Lernförderung im Selbstlern-Modus und eine optionale Erweiterung durch ein Lehrenden-Modul. Studierende können auf das Quiz-Model und das Tutor-Model zugreifen. Lehrenden wird ermöglicht, Lernsessions für Studierende anzulegen und erhalten nach Nutzung ihrer Kohorte ein direktes anonymisiertes Feedback. Das Quiz-Modell identifiziert auf Grundlage bereitgestellter bzw. selbsthochgeladene Lernunterlagen automatisch relevante Lernziele und generiert passende Fragen mit anschließender Bewertung. Studierende können so ihre Wissenslücken erkennen, ihren Lernfortschritt dokumentieren und Karteikarten erstellen. Lehrende nutzen das System, indem sie eigene Lehrmodule durch die Generierung von Frage-Antwort-Paaren vorbereiten. Die Feedbackschleife der Studierenden an den Lehrenden dient der Optimierung der Lehrinhalte und der gezielten Wiederholungen in den Vorlesungen. Das Tutor-Modell nutzt hochgeladene Dokumenteninhalte und unterstützt durch interaktives, dialogorientiertes Lernen. Nach dem sokratischen Prinzip führt der virtuelle Tutor Studierende durch gezielte Gegenfragen und Denkanstöße zu eigenen Lösungen und fördert so kritisches Denken und tiefes Verständnis, um den eigenen Lernfortschritt zu reflektieren.

Der Lernplaner als Erinnerungs- und Organisationstool unterstützt Studierende bei der Organisation ihres Studiums und der Verbesserung des Selbstmanagements. Er generiert individuelle Lernpläne, erinnert an Abgabetermine sowie HS-Veranstaltungen. DIAS motiviert Studierende mit Gamification-Elementen, Motivationssprüchen und hilfreichen Lerntipps. Die Studienfortschrittsprognose als Frühwarnsystem unterstützt Studierende individuell anhand ihrer bisherigen Leistungen ihren Studienverlauf zu reflektieren. Der HS-Bot stellt studienrelevante Informationen zentral im System über ein Sprachmodell zur Verfügung. Er gibt rund um die Uhr Auskunft und unterstützt durch Quick Links im Studienalltag.

DIAS deckt die wissenschaftliche Unterstützung durch das Paper-Hunt-Modell als KI-Literaturrecherche-Modell und einen persönlichen Schreib-Assistenten, den Academic Citation Assistant, ab. Hier können die NutzerInnen systematisch wissenschaftliche Quellen suchen, vergleichen und beim Schreiben einer wissenschaftlichen Arbeit direkt einbetten.

Zeitreise des DIAS HS-Bot

Nutzen

Der DIAS-Chatbot schafft Informationstransparenz: Studierende erhalten rund um die Uhr Antworten auf Fragen zum Studium – von der Prüfungsanmeldung bis zum Semesterbeitrag. Als zentrale Anlaufstelle bündelt der Bot Inhalte der Hochschulwebseite und macht sie in natürlicher Sprache zugänglich. Keine Suche durch Menüstrukturen, sondern direkte Antworten – 24/7. Er stellt studienrelevante Informationen zentral im System bereit.

Unser iterativer Entwicklungsansatz

Der DIAS-Chatbot wird kontinuierlich durch echte Nutzerinteraktionen verbessert. Anonymisierte Gespräche werden systematisch ausgewertet, um Muster und Lücken zu erkennen. Durch kontinuierliches Nutzerfeedback wird das System an die Sprache und Bedürfnisse der Nutzenden angepasst. Jede Konversation trägt damit zur Optimierung bei.

Pilotprojekt

Die Versionen 1.0 und 2.0 wurden als Pilotprojekt direkt auf der Startseite der Hochschule Ansbach implementiert und im realen Betrieb getestet. Das kontinuierliche Nutzerfeedback aus dieser Praxisphase floss unmittelbar in die Weiterentwicklung ein und ermöglichte die iterative Optimierung von Funktionalität und Benutzerfreundlichkeit. Diese Erkenntnisse bildeten die Grundlage für die erweiterten Fähigkeiten der Folgeversionen.

^{Abb.: DIAS 1.0 und 2.0 auf der Startseite der HS Ansbach (Jahr 2022–2023)}

Zeitreise

Seit Projektbeginn durchlief der DIAS-Bot vier Entwicklungsgenerationen – vom regelbasierten RASA-System über Large Language Models mit ReAct-Framework und RAG-augmentierten LLMs mit Knowledge Graphs bis zur aktuellen Tool-augmentierten MCP-Architektur. Jede Version brachte einen technologischen Evolutionssprung: von starren Intent-Mustern zu dynamischer Tool-Orchestrierung, von vordefinierten Antworten zu kontextsensitiver Informationssynthese.

^{Abb.: Von regelbasierten Antworten zu intelligenter KI-Orchestrierung}

Projektfortschritt und -abschluss

Vektor DIAS-Projektfortschritt-Kreis 100%

Das DIAS-Projekt durchlief einen systematischen Entwicklungs- und Evaluationsprozess von der initialen Konzeption bis zur erfolgreichen Implementierung und Erprobung. Nach der Etablierung der technischen Infrastruktur und agiler Projektstrukturen wurden die Anforderungen durch Fokusgruppen mit Studierenden und Rückmeldungen der Beratungsstellen definiert. Der DIAS-Bot wurde schrittweise auf der Hochschul-Startseite und an einem Terminal-Standort ausgerollt und durchlief mehrere Iterationszyklen mit kontinuierlichen Optimierungen. Parallel entstanden die Kernkomponenten der Analysator-, Motivator- und Planer-Module. Die prozessbegleitende Evaluation erfolgte mehrstufig durch verschiedene Feedbackformate – von Fokusgruppen über Online-Umfragen bis zu Einzelinterviews. In fünf Testphasen wurde DIAS in fünf Modellstudiengängen erprobt und gezielt im Lehr- und Lernkontext eingesetzt. Mit der Fertigstellung der DIAS-Webapplikation, die einen zentralen Zugriff auf alle Systemfunktionen bietet, wurde das Projekt erfolgreich abgeschlossen und steht nun zum Transfer bereit.

DIAS Zugang und Transfer

Über ein Pilotenprojekt war der DIAS-Bot über die Homepage, einem Hologramm und einem Terminal verfügbar. Diese befinden sich nun im AN[ki]T (Zentrum für Angewandte KI und Transfer).

DIAS ist eine entwickelte Open-Source-Lösung mit offenem Front- und Backend. Alle Komponenten sind für den weiteren Transfer in die Forschung über GitHub zugänglich und dokumentiert. Weitere Hochschulen, Forschungsprojekte und Interessierte können über den folgenden Link auf die DIAS-Plattform und ihre einzelnen Modelle zugreifen.

DIAS-Transfer über GitHub

^{Abb.: Text-to-Speech und Speech-to-Text Live-Interaktion mit Hologramm}

Publikationen

Die Open-Source-basierte Entwicklung soll weiteren Hochschulen und Bildungseinrichtungen zur Nutzung offenstehen. Forschungsergebnisse konnten bislang durch wissenschaftliche Veröffentlichungen und internationale Konferenzbesuche geteilt werden.

^{Intl. Conf. on Business meets Technology 2022}

Übersicht aller Publikationen

Ansprechpartner

Prof. Dr. Sigurd Schacht

Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

0162 2304401 Retti 063 (Rettistraße 56, 91522 Ansbach) nach Vereinbarung sigurd.schacht vCard

Mehr erfahren

Prof. Dr. Sigurd Schacht

0162 2304401
Retti 063 (Rettistraße 56, 91522 Ansbach)
nach Vereinbarung
sigurd.schacht
vCard

Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Funktionen:

Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
Studienfachberatung Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
Professor Innovation und Entrepreneurship (IUE)
Professor Smart Energy Systems (SES)
Koordinator der Fakultät Wirtschaft Zentrum für angewandte KI und Transfer (AN[ki]T)
Wissenschaftliche Leitung Künstliche Intelligenz (TTZ Neustadt)

Lehrgebiete:

Angewandte Künstliche Intelligenz
Digitale Geschäftsprozesse
Digitale Transformation und Change Management

Vita:

Sigurd Schachts Lehre und Forschung ist fokussiert auf die Anwendung der Verfahren der künstlichen Intelligenz in Unternehmen und Gesellschaft. Vor seiner Tätigkeit an der HS Ansbach, war er Professor an der HS Heilbronn und langjährig bei zwei der BIG-4-Prüfungsgesellschaften tätig.

Publikationen:

Schacht, S., & Lanquillon, C. (2019). Blockchain und maschinelles Lernen. Springer Vieweg.
Schacht S. (2019): Blockchain eine Einführung. Wirtschaftsmagazin w.news der IHK Heilbronn.
Schacht S. et. al (2018): Predictive IT-Service Operation. In Loose T. (Hrsg.): Tagungsband Workshop 2018 ASIM/GI-Fachgruppe, Heilbronn 2018
Huettner O., Lanquillon C., Schacht S. (2018): Towards State of the Art in open-set Face Identification. In Loose T. (Hrsg.): Tagungsband Workshop 2018 ASIM/GI-Fachgruppe, Heilbronn 2018
Lanquillon, C; Schacht, S. (2016): A Big Data Change Detection System, in: Hertweck, D./ Decker, C. (Hrsg.): Digital Enterprise Computing 2016, Lecture Notes in Informatics (LNI), Gesellschaft für Informatik, Bonn 2016
Schacht, S., Lanquillon, C., Schmieder K., Effenberger J. (2016): Business element management as necessary part of the digital transformation in enterprises. 09/2016, DOI: 10.13140/RG.2.2.22864.00004
Schacht, S.; Küller, P. (2015): Enterprise Architecture Management und Big Data, in Dorschel, J. (Hrsg.): Praxishandbuch Big Data: Wirtschaft – Recht – Technik, Springer Gabler, 2015
Schacht, S. (2015): Von Big Data zum Wertbeitrag für das Unternehmen. Deloitte & Touche Unternehmergespräche Mai 2015, Nürnberg.
Schacht, S. (2008): Die Genossenschaften im Wettstreit der Unternehmensformen in ausgewählten EU-Staaten. Forschungsinstitut für Genossenschaftswesen an der Universität Erlangen-Nürnberg, 2008.