• "Brücken bauen und Fachgrenzen überwinden –

      durch eLearning"

      36. Runde - Wintersemester 2025/26

    • Hier finden Sie die Kurzbeschreibungen der Gewinnerprojekte:

    • ENGINE – English Grammar In a Novel Environment


      » Dr. Verena Minow, Dr. Julia Salzinger 

      » Fakultät für Philologie, Englisches Seminar 

      » Fakultät für Bau- und Umweltingenieurwissenschaften

      Im Projekt „ENGINE – English Grammar In a Novel Environment“ 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 häufig als trocken wahrgenommen; viele haben Hemmungen sich innerhalb der Präsenzveranstaltungen 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 geschützten und unterhaltsamen Umfeld und ohne Leistungsdruck bearbeiten können. Erstellt werden die Escape Rooms ebenfalls durch Studierende. Dafür erhalten sie zunächst eine Einführung 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 interdisziplinäre Ausrichtung wird Raum für eine praxisnahe und fächerübergreifende Zusammenarbeit geschaffen, indem Studierende der Anglistik ihre sprachwissenschaftliche Expertise sowie didaktische Perspektive einbringen, während Ingenieursstudierende ihre technischen und fachsprachlichen Kompetenzen in die Umsetzung einfließen lassen.


    • Flucht aus dem Datenchaos – Strukturiertes Datenmanagement für Studierende


      » Dr. Tuba Güden-Silber, Elena Schick

      » Universitätsbibliothek Bochum 

      Mit dem Projekt „Flucht aus dem Datenchaos – Strukturiertes Datenmanagement für Studierende“ wird ein fächerübergreifender Moodle-Kurs zum Thema Datenmanagement für Studierende erstellt, welcher auf einem bereits bestehenden Kurs für 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 beschäftigen 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 beschäftigen.


    • Praxisfeedback Sport – Automatisierte Lehrproben-Analyse für die Fakultät für Sportwissenschaft 


      » Adam Frytz, Christoph Debowiak

      » Fakultät für Sportwissenschaft 

      Im Projekt „Praxisfeedback Sport“ wird ein KI-gestütztes Tool zur automatischen Feedbackgenerierung für praktische Lehrproben im Sportstudium entwickelt. Zielgruppe sind alle Sportstudierenden sowie Dozierenden, welche bei Feedbackprozessen unterstützt werden können, indem eine reflektierte Lehrprobendurchführung 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-gestützten Analyse, strukturierte Feedbacktexte mit Zitaten und Timestamps generiert werden. Die Frameworks werden für mehr als 15 Sportarten entwickelt, wobei für jede Sportart eigene didaktische Prinzipien mit eingebracht werden. Die Entwicklung erfolgt durch Hilfskräfte der Informatik sowie der Sportwissenschaft, wodurch eine interdisziplinäre Zusammenarbeit gewährleistet 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 fünf Sportarten sowie iterative Optimierungen ergänzt 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 stärken-schwächen Analyse, konkrete Zitate von problematischen und gelungenen Passagen sowie Hinweise zur weiteren Entwicklung umfasst. Die App ermöglicht ein orts- und zeitunabhängiges Feedback, zudem soll eine Nachnutzung für 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 stärker auf Beratungen fokussieren können.


    • OPEN-WaQ – Offene reproduzierbare E-Learning-Plattform für Wasserqualitätsmodellierung 


      » Prof.‘in Dr.-Ing. Martina Flörke, Dr. Hans Dürr, Kan Lei, Kolja Maaß, Robin Schröder, Katrin Schweden

       

      » Fakultät für Bau- und Umweltingenieurwissenschaften, Lehrstuhl für Ingenieurhydrologie und Wasserwirtschaft

      Das Projekt „OPEN-WaQ“ verknüpft Lehre und Forschung zur globalen Wasserqualitätsmodellierung, indem Studierende aus den Fachrichtungen der Ingenieur- und Geowissenschaften, der Informatik sowie des Computational Engineering die großskalige Modellierung erlernen und ein offenes Wasserqualitätsmodell weiterentwickeln. Dabei erwerben Studierende fachliche Kompetenzen in der Datenaufbereitung, Modellkalibrierung, Validierung, Unsicherheitsanalyse und Ergebnisinterpretation sowie methodische Fähigkeiten in Python/R, Jupyter und Git für reproduzierbare Workflows. Die integrative Vermittlung prozessbasierter Simulation werden mit Methoden des maschinellen Lernens (ML) verknüpft, wodurch sich ein Zusammenspiel aus Forschung und Anwendung ergibt, welches im Studium bisher getrennt vermittelt wurde. Durch Peer-Feedback, interdisziplinäre Kommunikation und Open-Science Kompetenzen wird wissenschaftliches Arbeiten in die Lehre eingebracht und überfachlich gefördert. Der Modulablauf findet projektbasiert statt, indem die im E-Learning erworbenen Inhalte in den Präsenzworkshops 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 Ansätze. Anschließend entwickeln sie in kleinen interdisziplinären Teams eigenständige Fragestellungen und beantworten diese in einem Modellierungsprojekt. Zuletzt folgt eine kritische Einordnung der Ergebnisse in den Forschungsstand. Die Nutzung interaktiver, ausführbarer Materialien sowie eine kompetenzorientierte Bewertung der Code-Qualität, Reviews, Dokumentationen und Reproduzierbarkeit ersetzen eine Klausur am Ende der Lehrveranstaltung. Alle Outputs des Projekts sollen als OER veröffentlicht werden.


    • KI^3 – 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

      » Fakultät für Psychologie 

      Mit dem Projekt werden Studierende aller Fachrichtungen im Umgang mit generativen künstlichen 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 befähigt.

      Der Selbstlernkurs findet vollständig asynchron statt und kann im Optionalbereich mit 1 CP kreditiert werden. Der Kurs gliedert sich in drei Module: Zunächst werden Grundlagen sowie ethische Spannungsfelder generativer KI vermittelt. Anschließend folgt die Förderung überfachlicher Kompetenzen wie kritischem Denken, Kreativität, Metakognition und Vertrauensregulierung. Im letzten Modul wird das erworbene Wissen in immersive Anwendungsszenarien überführt.

      Zur Aktivierung, Exploration und Vertiefung werden gezielt E-Learning-Elemente wie Moodle-Quizzes und H5P-Formate eingesetzt. Die Lehrveranstaltung schließt mit der Gestaltung eines digitalen Escape Rooms mit dem Titel „Defeat the Neuromancer“.