Zur erfolgreichen Realisierung des Demonstrators ist das reibungslose Zusammenspiel mehrerer, vielschichtiger Komponenten nötig – von grafischen Oberflächen für die Nutzenden, über eine Middleware zur Vermittlung von Daten zwischen den beteiligten Diensten hin zu Datenbanken und KI-Komponenten. Um verteilte Applikationen dieser Art zu implementieren sowie deren Skalierbarkeit und Wartbarkeit zu garantieren, ist eine gut durchdachte Software-Architektur unumgänglich. Der Demonstrator setzt hierbei auf die sogenannte Microservice-Architektur. Die funktionalen Komponenten des Demonstrators verfügen über eigene standardkonforme Schnittstellen und können so unabhängig von anderen Diensten entwickelt und kontinuierlich bereitgestellt werden.
Architektur
Der Hauptdatenfluss der Demonstrator-Infrastruktur (entsprechend der Abb. in Pfeilrichtung) findet jeweils über einen der folgenden drei Wege statt:
- LTI – Learning Tools Interoperability (IMS Global Learning Consortium, 2021): Standard zur Darstellung von Tools. Ein Tool kann bspw. ein Lerninhalt, eine Übung, ein Dashboard oder eine andere Visualisierung der künstlichen Intelligenz sein.
- xAPI – Experience API (Advanced Distributed Learning Initiative, 2021): Verhaltensdaten (Learning Records), die bei der Benutzung von Tools entstehen.
- Proprietär: Direktverbindung zwischen zwei Komponenten (meist per REST-Schnittstelle und Daten im JSON-Format), um die nahtlose Integration von KI-Funktionen zu ermöglichen.
Middleware zur Orchestrierung der KI-Dienste
Die Common Learning Middleware (CLM) ist der Mediator zwischen den beteiligten Diensten. Dieser Hintergrunddienst ermöglicht den Login durch die Nutzenden am Gesamtsystem (ausgelöst durch das einmalige Anmelden in der Smart Learning App), leitet Anfragen der Apps und Lernmanagementsysteme für das Darstellen von Tools (Inhalten und KI-Ansichten) an die entsprechenden Tool-Provider (Backend-Dienste) weiter und erhält Aktivitätsdaten (Learning Records) im xAPI-Format, leitet diese pseudonymisiert an eine Datenbank für Aktivitätsdaten (Learning Record Store) weiter.
Content Repositories
Das Lernmanagementsystem Moodle (hier als Tool Provider) kann nicht nur zur Darstellung von Inhalten, sondern auch als Datenbank für Inhalte und Medien dienen und leitet diese per LTI-Standard an die entsprechenden Applikationen und Lernmanagementsysteme weiter.
Learning Record Stores
Die Learning Record Stores (LRS) speichern Learning Records entsprechend der xAPI Spezifikation, die sie über die Middleware pseudonymisiert erhalten. Der Master (Hauptempfänger) erhält direkt alle Learning Records von der Middleware, während der Mirror (Replikation) nur eine Kopie aller Learning Records vom Master bekommt. Die Replikation ist für eine effizientere verteilte Auswertung der Daten durch die KI-Komponenten von Vorteil.
Datenverarbeitende KI-Dienste
Das Lernempfehlungssystem Smart Learning Recommender wertet die pseudonymisierten Learning Records der Demonstrator-Nutzenden aus, indem die Daten aus dem LRS geladen werden. Die Komponente berechnet Lernbedarfe pro Nutzende und Inhalt auf Basis verschiedener Aktivitäten (Übungsperformance, Inhaltenutzung, Selbsteinschätzungen) und erzeugt Lernfortschrittsübersichten und Lernempfehlungen.
Das Learning Analytics Dashboard erzeugt Übersichten und Auswertungen der Learning Records für Lehrende.
Der Dienst E-Learning Artificial Intelligence (ELAI) analysiert die Learning Records aus dem LRS und setzt sie in ein internes Modell des Nutzenden um. Durch Selbsteinschätzungen und die Ergebnisse in Übungen wird der Schwierigkeitsgrad von Übungen angepasst.
Der Dienst Spot-X ist eine Mobile Learning-Komponente zur Darstellung von adaptiven, gamifizierten Übungsaufgaben als Quiz. Diese Quiz können allein von Nutzenden, oder auch als eine Art Duell gegen mehrere Nutzende durchgeführt werden. Gamification Methoden (z. B. Wettbewerb, Achievements) erhöhen dabei die Motivation. Die Übungsaufgaben und Quiz können mittels der ELAI in ihrer Schwierigkeit angepasst werden.
Der Chatbot, eingebunden als virtueller Lernassistent, ist eine KI-Komponente, die individuelle Fragen zum Demonstrator, der Kursdurchführung und den wichtigsten Inhalten in natürlich-sprachlicher textueller Form beantwortet.