KI-Agenten-Studio
Wissenschaft · Forschung · Entwicklung · Training

KI-Agenten-Studio

Ein didaktisches KI-Ökosystem für Menschen, Wissen und Innovation.

Ein interdisziplinäres Forschungs- und Entwicklungsprojekt zur Konzeption, Gestaltung und Erprobung modularer KI-Systeme für Studium, Lehre, Forschung und organisationale Arbeitsprozesse.

Im Mittelpunkt stehen wissenschaftlich begründete Lehr-Lernkonzepte, die Gestaltung intelligenter Mensch-KI-Interaktionen und neue Formen wissensbasierten, kollaborativen Arbeitens. Das KI-Agenten-Studio dient als experimentelle Forschungs-, Entwicklungs- und Trainingsplattform.

Forschung erkunden ↓Zur Plattform ↗
Eigenständig initiiert, wissenschaftlich konzipiert und geleitet von Dr. Heike Seehagen-Marx.
01 / Forschungsansatz

Forschung, Didaktik und Technologie im Zusammenspiel.

Die Forschung untersucht, wie modulare KI-Systeme didaktisch begründet gestaltet und für Lehr-, Lern- und Wissensprozesse eingesetzt werden können. Die wissenschaftlichen Erkenntnisse und daraus abgeleiteten Anforderungen bilden die Grundlage für die Weiterentwicklung der Plattform.

Forschungsfragen – Potenziale, Grenzen und Gestaltungsbedingungen intelligenter KI-Systeme.
Didaktische Konzeption – Kompetenzorientierte, reflektierte Mensch-KI-Interaktion.
Experimentelle Entwicklung – Prototypen, Erprobung und kriteriengeleitete Evaluation.
Kreisförmiges Forschungsmodell mit didaktischen Schwerpunkten im äußeren Ring und KI-Systemfunktionen im inneren Bereich
02 / Didaktische Forschungsfelder

KI-gestützte Lehr- und Lernprozesse erforschen und gestalten.

Im Fokus stehen die Gestaltung, Erprobung und Untersuchung KI-gestützter Lehr-Lernarrangements sowie ihre Möglichkeiten, Grenzen und Qualitätsbedingungen.

01

KI-Didaktik und Lehrgestaltung

Kompetenzorientierte Lehrkonzepte, KI-gestützte Planung, Lernaufgaben und formative Prüfungsformate.

02

KI-gestütztes Lernen

Selbstregulation, dialogisches und forschendes Lernen, Metakognition und wissenschaftliche Wissensarbeit.

03

Agentenbasierte Lernbegleitung

KI-Tutoring, Scaffolding, Coaching, kontextbezogene Hilfen und lernförderliches Feedback.

04

Mensch-KI-Kollaboration

Co-Creation, rollenbasierte Zusammenarbeit, gemeinsame Problemlösung und reflektierte Entscheidungen.

05

KI-Literacy und Assessment

KI-Kompetenzentwicklung, kritische Urteilsfähigkeit, Kompetenzdiagnostik und Selbstüberprüfung.

06

KI/XR-Didaktik

Immersive und hybride Lernarrangements, interaktive 3D-Lernräume und exploratives Lernen.

KI-Methoden

Methodisch gestalten statt nur technisch einsetzen.

Sechs ausgewählte didaktische Einsatzweisen zeigen, wie KI Lernhandlungen unterstützen kann. Öffnen Sie eine Methode für die Kurzbeschreibung.

01 Prompt Engineering als Lehr- und Lernmethode＋

Prompts gezielt entwickeln, vergleichen und überarbeiten, um Fragen zu untersuchen, Ergebnisse kritisch zu prüfen und Reflexion anzuregen.

02 KI-gestütztes Scaffolding und Tutoring＋

Sokratische Dialoge, gestufte Hilfen und adaptive Erklärungen zur Unterstützung eigenständiger Lernprozesse.

03 Forschendes und problembasiertes Lernen mit KI＋

KI als Werkzeug für Fragestellungen, Recherche, Hypothesenprüfung, Analyse und kritische Reflexion nutzen.

04 Co-Creation und Learner as Designer＋

Lernende konzipieren, gestalten und evaluieren gemeinsam mit Menschen und KI Lernprodukte und Lösungen.

05 KI-gestütztes Feedback und formatives Assessment＋

Kriteriengeleitete Rückmeldungen, Selbstüberprüfung und Reflexion nächster Lernschritte; Entscheidungen bleiben überprüfbar.

06 Agentenbasierte Rollen- und Simulationsmethoden＋

Perspektivwechsel, Fallanalysen und simulierte Dialoge mit spezialisierten KI-Akteuren und KI-Teams.

03 / Wissenschaftliche Grundlagen

Theoretisch fundiert. Methodisch reflektiert.

Didaktische und lernpsychologische Bezugsrahmen begründen die Gestaltung. Ansätze der KI-Systementwicklung und wissenschaftliche Evaluationsverfahren unterstützen die prototypische Umsetzung und Überprüfung.

◇

Didaktisch begründet

Constructive Alignment, Instructional Design, Kompetenzorientierung, forschendes Lernen und Learner as Designer.

◉

Lernpsychologisch informiert

Cognitive Load Theory, Multimedia Learning, Selbstregulation, Motivation, Selbstwirksamkeit und Metakognition.

⌘

KI-technologisch konzipiert

Agentische Architekturen, wissensbasierte KI-Systeme, Kontextsteuerung, modulare Funktionen und Human-in-the-Loop.

↗

Forschungsorientiert entwickelt

Systematische Konzeption, Prototyping, experimentelle Erprobung, kriteriengeleitete Evaluation und iterative Weiterentwicklung.

Theoretisch fundiertDidaktisch begründetInterdisziplinär konzipiertMethodisch reflektiertExperimentell erprobtEvidenzorientiert evaluiertEthisch verantwortetLernpsychologisch informiertKI-technologisch konzipiertAgentenbasiert entwickeltAdaptiv und personalisiertMensch-KI-kollaborativIterativ weiterentwickelt
04 / KI-Kompetenzmodell

KI-Kompetenzen.

22 KI-bezogene Kompetenzen werden in vier Dimensionen gegliedert: Fach-, Sozial-, Selbst- und Methodenkompetenz. Diese Systematisierung dient als konzeptionelle Orientierung für die Gestaltung und Reflexion kompetenzorientierter Lern- und Qualifizierungsangebote.

Fachkompetenz5 Kompetenzen＋
  • EK
    Ethische Kompetenz

    Ethische Fragestellungen im Zusammenhang mit KI in der Hochschullehre erkennen, reflektieren und verantwortungsbewusst handeln.

  • FK
    Forschungskompetenz

    KI-Technologien und ihre Entwicklung wissenschaftlich untersuchen und Forschungserkenntnisse in die Hochschullehre einbringen.

  • TK
    Technologische Kompetenz

    KI-Systeme und Werkzeuge verstehen und gezielt zur Gestaltung von Lehr- und Lernprozessen einsetzen.

  • WA
    Wissenschaftliches Arbeiten

    Wissenschaftliche Methoden auf KI-bezogene Themen anwenden und Studierende zu wissenschaftlichem Arbeiten mit KI befähigen.

  • CK
    Curriculare Kompetenz

    KI-Themen fachbezogen in Curricula integrieren und didaktisch fundierte Lernangebote entwickeln.

Sozialkompetenz5 Kompetenzen＋
  • KK
    Kommunikationskompetenz

    Komplexe KI-Themen verständlich vermitteln und mit Studierenden, Kolleginnen und Kollegen sowie interdisziplinären Teams kommunizieren.

  • KOP
    Kooperationskompetenz

    In vielfältigen und interdisziplinären Teams KI-gestützte Lehrmethoden und Projekte gemeinsam entwickeln.

  • REF
    Reflexionskompetenz

    Eigene KI-bezogene Lehrmethoden kritisch reflektieren und kontinuierlich weiterentwickeln.

  • BK
    Beurteilungskompetenz

    Auswirkungen von KI auf Lernprozesse beurteilen und faire, geeignete Bewertungsverfahren gestalten.

  • IKK
    Interkulturelle Kompetenz

    Globale und kulturelle Perspektiven auf KI in die Hochschullehre einbeziehen.

Selbstkompetenz5 Kompetenzen＋
  • AK
    Agilitätskompetenz

    Auf technologische und bildungsbezogene Veränderungen flexibel reagieren und Entwicklungen aktiv in die Lehre integrieren.

  • SB
    Selbstbestimmtheit

    KI-Technologien autonom, souverän und verantwortungsvoll nutzen und entsprechende Handlungskompetenz fördern.

  • SM
    Selbstmanagement

    Eigene Lehr- und Lernprozesse organisieren und die Integration von KI zielgerichtet steuern.

  • SW
    Selbstwirksamkeit

    Vertrauen in die eigenen Fähigkeiten entwickeln, KI-bezogene Herausforderungen zu bewältigen und Studierende darin bestärken.

  • VK
    Veränderungskompetenz

    Veränderungen durch KI verstehen, aktiv mitgestalten und Lehre zukunftsfähig weiterentwickeln.

Methodenkompetenz7 Kompetenzen＋
  • DIAG
    Diagnostische Kompetenz

    Lernprozesse und Schwierigkeiten im KI-Kontext diagnostizieren und gezielte Unterstützungsmaßnahmen entwickeln.

  • DID
    Didaktische Kompetenz

    KI-Inhalte verständlich vermitteln und didaktisch begründete KI-gestützte Lehr- und Lernarrangements gestalten.

  • LME
    Lernmedienentwicklungskompetenz

    Digitale und KI-gestützte Lernmedien konzipieren und lernförderlich integrieren.

  • PK
    Problemlösungskompetenz

    Komplexe Lehr- und Lernprobleme analysieren und kreative, KI-unterstützte Lösungen entwickeln.

  • IK
    Informationskompetenz

    KI-bezogene Informationen recherchieren, kritisch bewerten und in Lehr- und Lernkontexte übertragen.

  • KD
    Kritisches Denken

    Auswirkungen von KI auf Entscheidungen, Handlungen und gesellschaftliche Prozesse hinterfragen.

  • RECH
    Rechtliche Kompetenz

    Rechtliche Rahmenbedingungen für den Einsatz von KI verstehen und in der Hochschullehre berücksichtigen.

05 / KI-Engineering

KI-Systeme systematisch konzipieren, entwickeln und evaluieren.

KI-Engineering verbindet die Gestaltung von Modellinteraktionen, das Management relevanter Kontexte und die Entwicklung agentischer Systeme. Prompt, Context und Agentic Engineering sind miteinander verzahnte Schwerpunkte mit unterschiedlichen Gestaltungsaufgaben.

01 / MODELLINTERAKTION

Prompt Engineering

Systematische Konzeption, Strukturierung, Erprobung und Optimierung von Prompts zur zielgerichteten Interaktion mit generativen KI-Modellen.

AnweisungenPromptmusterBeispieleAusgabevorgaben
02 / INFORMATION UND KONTEXT

Context Engineering

Systematische Auswahl, Aufbereitung, Bereitstellung und Aktualisierung relevanter Informationen und Zustände, um KI-Modelle bei der kontextbezogenen Aufgabenbearbeitung zu unterstützen.

KontextmanagementRAGKontextselektionWissensintegration
03 / AGENTISCHE SYSTEMGESTALTUNG

Agentic Engineering

Konzeption, Implementierung und Evaluation von KI-Agentensystemen, die Aufgaben durch koordinierte Modellaufrufe, Werkzeugnutzung, Zustandsverwaltung und kontrollierte Handlungsschritte bearbeiten.

KI-Akteure und KI-TeamsOrchestrierungTool CallingWorkflows

Bereichsübergreifende Systemfunktionen und Qualitätsanforderungen

Memory und PersistenzMCP und IntegrationHuman-in-the-LoopSicherheit und BerechtigungenMonitoring und Evaluation

Prompt Engineering wird sowohl als Methode der KI-Systemgestaltung als auch hinsichtlich seines didaktischen Potenzials für Lehr- und Lernprozesse untersucht. Context und Agentic Engineering bilden weitere technologische Gestaltungsbereiche, deren Einsatzmöglichkeiten für wissensbasierte, interaktive und agentenunterstützte Lernumgebungen erforscht werden.

06 / Experimentelle Forschungs- und Entwicklungsplattform

KI-Systeme gestalten. Zusammenhänge untersuchen. Erkenntnisse gewinnen.

Das KI-Agenten-Studio dient der Konzeption und Erprobung modularer KI-Systeme. Unterschiedliche Konfigurationen lassen sich entlang wissenschaftlicher Fragestellungen untersuchen – von der Modellinteraktion und Wissensintegration bis zu agentischen Abläufen, Qualität und menschlicher Kontrolle.

INTERAKTIVER ARCHITEKTUR-EXPLORER

Eine Plattform. Fünf Forschungsperspektiven.

Systembereich auswählen
FORSCHUNGSPERSPEKTIVE 01 / 05

KI-Akteure und KI-Teams

Konfiguration spezialisierter KI-Akteure und koordinierter KI-Teams. Im Mittelpunkt stehen Rollenverteilung, Aufgabenkoordination, Orchestrierung und Grenzen agentischer Autonomie.

LEITENDE FORSCHUNGSFRAGE

Unter welchen Bedingungen sind Einzel- oder Mehrakteurssysteme für eine Aufgabe geeignet?

MÖGLICHE EVALUATIONSKRITERIEN

Aufgabenerfüllung · Koordinationsaufwand · Zuverlässigkeit · Kontrollierbarkeit

KI-AkteureKI-TeamsOrchestrierung

Das Modell veranschaulicht Forschungs- und Gestaltungsbereiche. Es belegt weder einen einheitlichen Implementierungsstand noch empirisch nachgewiesene Wirkungen.

KI-Agenten-Studio erkunden ↗
07 / Experimentelle Forschungs- und Entwicklungsarbeiten

Wissenschaftliche Konzepte in KI-Systemen erproben.

Vier Forschungsbereiche zeigen, wie didaktische KI-Anwendungen, wissenschaftliche Assistenz, agentische Systementwicklung und Sicherheit zusammenwirken. Wählen Sie einen Bereich und erkunden Sie die einzelnen Vorhaben.

01 / LERNEN UND LEHREN

Didaktische KI-Anwendungen

Lehr-Lernprozesse gestalten, begleiten und reflektieren.

MIKo · Microlearning Kompetenzorientierte Lernwege

Konzeption agentenbasierter Lernbegleitung mit Lernpfaden, aufgabenbezogenem Feedback, abgestuften Hilfen und Reflexionsimpulsen zur Unterstützung selbstregulierten Lernens.

KI-Tutoren und Lerncoaches Dialogische Unterstützung

Untersuchung rollenbasierter Lernbegleitung durch kontextbezogene Erklärungen, didaktisches Scaffolding und lernzielbezogene Rückmeldungen. Adaptive Unterstützung erfordert geeignete Informationen über Lernstand und Lernkontext.

Assessment Studio Formative Diagnostik

Entwicklung kompetenzorientierter Aufgaben und formativer Rückmeldungsverfahren. KI-generierte Bewertungen werden hinsichtlich Validität, Fairness, Nachvollziehbarkeit und erforderlicher menschlicher Prüfung betrachtet.

Simulation Lab Erfahrungsorientiertes Lernen

Gestaltung interaktiver Rollen-, Fall- und Gesprächssimulationen zur Erprobung von Entscheidungen, Perspektivwechsel und Reflexion in Lehr- und Trainingsszenarien.

08 / Forschung und technische Co-Entwicklung

Wissenschaftliche Forschung. Gemeinsame Entwicklung.

Gemeinsam mit FiroTech entwickelt Dr. Heike Seehagen-Marx das KI-Agenten-Studio als experimentelle Forschungs-, Entwicklungs- und Trainingsplattform. Dabei verbinden sich wissenschaftliche Forschung, didaktische Konzeption und technologische Entwicklung zu einem KI-Ökosystem, das auf Grundlage der Forschungsergebnisse und neuer technologischer Anforderungen kontinuierlich weiterentwickelt wird.

Wissenschaftliche Forschung und Konzeption

Dr. Heike Seehagen-Marx

Eigenständige wissenschaftliche Forschung, didaktische Konzeption, Forschungsfragen, Kompetenzmodelle und konzeptionelle Systemarchitektur.

Persönliche Website ↗
Technischer Co-Entwicklungspartner
FiroTech

Technische Co-Entwicklung und Umsetzung der experimentellen Plattform in enger Verbindung mit den wissenschaftlichen und funktionalen Anforderungen.

FiroTech kennenlernen ↗
Kontakt und Austausch

Forschung kennenlernen. Möglichkeiten erkunden.

Für wissenschaftlichen Austausch, Fragen zum Forschungsprojekt und Informationen zur Plattform.

Kontakt aufnehmen ↗Plattform öffnen ↗