MILKI-PSY – Multimodales Immersives Lernen mit künstlicher Intelligenz für Psychomotorische Fähigkeiten

Projektbeschreibung

Die COVID-19 Pandemie hat gezeigt, dass sich viele Lehr-/Lerntätigkeiten ohne physische Präsenz durchführen lassen. Für psychomotorische Fähigkeiten gilt das kaum: ihre Entwicklung, wie sie in vielen Disziplinen notwendig sind (z.B. Medizin, Ingenieurwesen, Chemie, künstlerische Tätigkeiten, Sport) erfordert praktische Übung, direktes Feedback und Reflexion. Um gewünschte Lernerfolge zu erzielen, sind daher personeller Betreuungsaufwand und Materialeinsatz unabdingbar. Beides erhöht die Kosten und limitiert die Skalierungsmöglichkeiten der betroffenen Studiengänge: Expert*innen sind rar und teuer, Materialeinsatz verursacht weitere Kosten.

Aktuelle technologische Entwicklungen verändern diese Situation:

• Mixed, Augmented und Virtual Reality ermöglichen es, immersive Lern- und Übungsräume zu schaffen.
• Moderne Sensortechnologien können feingranular Bewegungen nachverfolgen und aufzeichnen.
• Big Data-Methoden und ihre Anwendung in Learning Analytics können große Datenmengen analysieren und auswerten, was insbesondere bei datenintensiven Lernvorgängen, wie der Echtzeit-Analyse psychomotorischer Fähigkeiten, unabdingbar ist.
• Maschinelle Lernverfahren (z.B. Reinforcement/Deep Learning) und generative Verfahren der künstlichen Intelligenz (z.B. Generative Adversarial Networks) können große Datenmengen interpretieren, schlussfolgern und individuelles Feedback generieren.

Projektziel

Bisher werden die oben genannten Technologien weitgehend getrennt betrachtet. MILKI-PSY hat zum Ziel, KI-gestützte, datenintensive, multimodale, immersive Lernumgebungen für das selbstständige Erlernen psychomotorischer Fähigkeiten zu schaffen. Dabei entsteht ein domänenübergreifender Ansatz, der es ermöglicht, die Tätigkeiten von Expert*innen multimodal aufzuzeichnen und diese Aufzeichnungen als Blaupausen für Lernende zu verwenden. Mit Hilfe KI-gestützter Analysen soll dabei der Lernfortschritt durch automatisierte Fehlererkennung und generiertes, individuelles Feedback unterstützt werden.

So entstehen ganzheitliche, innovative Lernumgebungen für das Erlernen psychomotorischer Fähigkeiten, in denen personalisierte, KI-gestützte Lernunterstützung individuelle Lernprozesse auf Basis komplexer Datenanalysen ermöglicht.

Finanzierung

Kooperation

TH Köln – University of Applied Sciences (Projektkoordination), Deutsches Forschungszentrum für künstliche Intelligenz, Rheinisch Westfälische Technische Hochschule, Deutsche Sporthochschule Köln, Institut für Produktentwicklung und Konstruktionstechnik, TH Köln

Publikationen

Projektleitung

Projektteam

• Fernando Cardenas-Hernandez
• Gianluca Romano

Projektdaten