5x5000 - der E-Learning-Wettbewerb der RUB
Section outline
-
-
"BrĂŒcken bauen und Fachgrenzen ĂŒberwinden â
durch eLearning"
36. Runde - Wintersemester 2025/26

-
Hier finden Sie die Kurzbeschreibungen der Gewinnerprojekte:
-
ENGINE â English Grammar In a Novel Environment

» Dr. Verena Minow, Dr. Julia SalzingerÂ
» FakultĂ€t fĂŒr Philologie, Englisches SeminarÂ
» FakultĂ€t fĂŒr Bau- und Umweltingenieurwissenschaften
Im Projekt âENGINE â English Grammar In a Novel Environmentâ sollen Digital Escape Rooms zur Förderung englischer Grammatikkompetenz entwickelt werden. Der Projekt richtet sich an Studierende der Anglistik sowie der Bau- und Umweltingenieurwissenschaften. Grammatik wird von Studierenden hĂ€ufig als trocken wahrgenommen; viele haben Hemmungen sich innerhalb der PrĂ€senzveranstaltungen zu beteiligen, da sie Angst haben, Fehler zu machen. Hier setzt der Digital Escape Room an, mit dem die Studierenden ihre Englisch-Grammatikkompetenzen auf kreative Art und Weise verbessern können. Der Digital Escape Room schafft eine gamifizierte und narrative Lernumgebung, in der Studierende Aufgaben kooperativ in einem geschĂŒtzten und unterhaltsamen Umfeld und ohne Leistungsdruck bearbeiten können. Erstellt werden die Escape Rooms ebenfalls durch Studierende. DafĂŒr erhalten sie zunĂ€chst eine EinfĂŒhrung in die technischen und methodischen Grundlagen (ThingLink, H5P, Godot), danach entwickeln sie themenspezifische Aufgaben und Stories, welche im Escape-Room-Format umgesetzt werden. Durch die interdisziplinĂ€re Ausrichtung wird Raum fĂŒr eine praxisnahe und fĂ€cherĂŒbergreifende Zusammenarbeit geschaffen, indem Studierende der Anglistik ihre sprachwissenschaftliche Expertise sowie didaktische Perspektive einbringen, wĂ€hrend Ingenieursstudierende ihre technischen und fachsprachlichen Kompetenzen in die Umsetzung einflieĂen lassen.
-
Flucht aus dem Datenchaos â Strukturiertes Datenmanagement fĂŒr Studierende
» Dr. Tuba GĂŒden-Silber, Elena Schick
» UniversitĂ€tsbibliothek BochumÂ
Mit dem Projekt âFlucht aus dem Datenchaos â Strukturiertes Datenmanagement fĂŒr Studierendeâ wird ein fĂ€cherĂŒbergreifender Moodle-Kurs zum Thema Datenmanagement fĂŒr Studierende erstellt, welcher auf einem bereits bestehenden Kurs fĂŒr Forschende basiert. Die Anpassungen werden durch eine studentische Hilfskraft im Hinblick auf die Bedarfe der Studierenden vorgenommen. Der Moodle-Kurs wird im OER-Format veröffentlicht und richtet sich an alle Studierenden der RUB. Zudem sollen Dozierende die Möglichkeit erhalten, den Kurs in ihre Veranstaltungen zu integrieren. Im Rahmen von Abschluss- und Hausarbeiten beschĂ€ftigen sich Studierende intensiv mit Daten, dabei kann es im Alltag schnell zum Datenchaos kommen. Der Moodle-Kurs hat das Ziel, dass Studierende die Bedeutung des strukturierten Datenmanagements erkennen und Daten effizient strukturieren, organisieren und verwalten können. Sie lernen, gezielt nach benötigter Infrastruktur zu suchen, verschiedene Dokumentationsarten anzuwenden und zu verstehen, weshalb eine nachvollziehbare Beschreibung sowie eine strukturierte Dokumentation lohnenswert sind. Als Zusatzangebot können Studierende sich im Rahmen des Workshop-Angebots der Research Data Services intensiver mit dem Thema Datenmanagement beschĂ€ftigen.
-
Praxisfeedback Sport â Automatisierte Lehrproben-Analyse fĂŒr die FakultĂ€t fĂŒr SportwissenschaftÂ
» Adam Frytz, Christoph Debowiak
» FakultĂ€t fĂŒr SportwissenschaftÂ
Im Projekt âPraxisfeedback Sportâ wird ein KI-gestĂŒtztes Tool zur automatischen Feedbackgenerierung fĂŒr praktische Lehrproben im Sportstudium entwickelt. Zielgruppe sind alle Sportstudierenden sowie Dozierenden, welche bei Feedbackprozessen unterstĂŒtzt werden können, indem eine reflektierte LehrprobendurchfĂŒhrung durch zeitnahes sowie spezifisches Feedback geleistet wird. Die Lehrproben werden mit einem Ansteckmikrofon aufgezeichnet, welches sich die Studierenden vorher ausleihen. Im Anschluss werden die Aufzeichnungen in einer Web-App hochgeladen, in der mittels einer LLM-gestĂŒtzten Analyse, strukturierte Feedbacktexte mit Zitaten und Timestamps generiert werden. Die Frameworks werden fĂŒr mehr als 15 Sportarten entwickelt, wobei fĂŒr jede Sportart eigene didaktische Prinzipien mit eingebracht werden. Die Entwicklung erfolgt durch HilfskrĂ€fte der Informatik sowie der Sportwissenschaft, wodurch eine interdisziplinĂ€re Zusammenarbeit gewĂ€hrleistet wird, indem Sportstudierende die Feedback Standards erarbeiten und Informatikstudierende die Web-App entwickeln. In der sechsmonatigen Vorbereitungszeit entwickelt eine studentische Hilfskraft sportartspezifische Feedback-Frameworks, welche in der Pilotphase (Semester 1) durch drei bis fĂŒnf Sportarten sowie iterative Optimierungen ergĂ€nzt werden. Im Rollout (Semester 2) erfolgt eine Skalierung auf bis zu 15 Sportarten sowie eine Integration in alle Lehrproben-Module. In der App wird bereits nach wenigen Minuten eine Analyse der Lehrproben generiert, die ein Transkript mit Timestamps, eine stĂ€rken-schwĂ€chen Analyse, konkrete Zitate von problematischen und gelungenen Passagen sowie Hinweise zur weiteren Entwicklung umfasst. Die App ermöglicht ein orts- und zeitunabhĂ€ngiges Feedback, zudem soll eine Nachnutzung fĂŒr andere Hochschulen ermöglicht werden. Im Nachhinein besteht die Möglichkeit das Feedback mit Dozierenden zu besprechen, insgesamt bietet das Feedback der Web-App den Dozierenden eine Entlastung, sodass diese sich stĂ€rker auf Beratungen fokussieren können.
-
OPEN-WaQ â Offene reproduzierbare E-Learning-Plattform fĂŒr WasserqualitĂ€tsmodellierungÂ

» Prof.âin Dr.-Ing. Martina Flörke, Dr. Hans DĂŒrr, Kan Lei, Kolja MaaĂ, Robin Schröder, Katrin Schweden
Â
» FakultĂ€t fĂŒr Bau- und Umweltingenieurwissenschaften, Lehrstuhl fĂŒr Ingenieurhydrologie und Wasserwirtschaft
Das Projekt âOPEN-WaQâ verknĂŒpft Lehre und Forschung zur globalen WasserqualitĂ€tsmodellierung, indem Studierende aus den Fachrichtungen der Ingenieur- und Geowissenschaften, der Informatik sowie des Computational Engineering die groĂskalige Modellierung erlernen und ein offenes WasserqualitĂ€tsmodell weiterentwickeln. Dabei erwerben Studierende fachliche Kompetenzen in der Datenaufbereitung, Modellkalibrierung, Validierung, Unsicherheitsanalyse und Ergebnisinterpretation sowie methodische FĂ€higkeiten in Python/R, Jupyter und Git fĂŒr reproduzierbare Workflows. Die integrative Vermittlung prozessbasierter Simulation werden mit Methoden des maschinellen Lernens (ML) verknĂŒpft, wodurch sich ein Zusammenspiel aus Forschung und Anwendung ergibt, welches im Studium bisher getrennt vermittelt wurde. Durch Peer-Feedback, interdisziplinĂ€re Kommunikation und Open-Science Kompetenzen wird wissenschaftliches Arbeiten in die Lehre eingebracht und ĂŒberfachlich gefördert. Der Modulablauf findet projektbasiert statt, indem die im E-Learning erworbenen Inhalte in den PrĂ€senzworkshops vertieft werden. Studierende vertiefen Programmierung, Datenverarbeitung und Modellinterpretation in Theorie- und Praxiseinheiten, dabei setzen sie ML-Methoden zur Prozessoptimierung, Parametrisierung und Unsicherheitsanalyse ein und erproben hybride AnsĂ€tze. AnschlieĂend entwickeln sie in kleinen interdisziplinĂ€ren Teams eigenstĂ€ndige Fragestellungen und beantworten diese in einem Modellierungsprojekt. Zuletzt folgt eine kritische Einordnung der Ergebnisse in den Forschungsstand. Die Nutzung interaktiver, ausfĂŒhrbarer Materialien sowie eine kompetenzorientierte Bewertung der Code-QualitĂ€t, Reviews, Dokumentationen und Reproduzierbarkeit ersetzen eine Klausur am Ende der Lehrveranstaltung. Alle Outputs des Projekts sollen als OER veröffentlicht werden.
-
KI^3 â kritisch im Denken, kompetent im Handeln, kreativ im Gestalten
» Dr. Olga Vogel, Prof. Dr. Carolin Hahnel, Jun.-Prof. Dr. Laura Kunold, Debora Brickau, Melissa Lange, Bennet Strathmann, Moritz Brinkforth, Dr.-Ing. Michael Herzog
» FakultĂ€t fĂŒr PsychologieÂ
Mit dem Projekt werden Studierende aller Fachrichtungen im Umgang mit generativen kĂŒnstlichen Intelligenzsystemen (GenAI) geschult. In einem digitalen Moodle-Selbstlernkurs erhalten sie Grundlagenwissen sowie einen Methodenkoffer, der eine selbstbewusste, reflexive und kreative Interaktion mit GenAI ermöglicht. Auf diese Weise werden Studierende unterschiedlicher Fachrichtungen zu einem reflektierten, verantwortungsbewussten und kompetenten Umgang mit generativer KI befĂ€higt.
Der Selbstlernkurs findet vollstĂ€ndig asynchron statt und kann im Optionalbereich mit 1 CP kreditiert werden. Der Kurs gliedert sich in drei Module: ZunĂ€chst werden Grundlagen sowie ethische Spannungsfelder generativer KI vermittelt. AnschlieĂend folgt die Förderung ĂŒberfachlicher Kompetenzen wie kritischem Denken, KreativitĂ€t, Metakognition und Vertrauensregulierung. Im letzten Modul wird das erworbene Wissen in immersive Anwendungsszenarien ĂŒberfĂŒhrt.
Zur Aktivierung, Exploration und Vertiefung werden gezielt E-Learning-Elemente wie Moodle-Quizzes und H5P-Formate eingesetzt. Die Lehrveranstaltung schlieĂt mit der Gestaltung eines digitalen Escape Rooms mit dem Titel âDefeat the Neuromancerâ.
 Â
-
