# 6. Erkenntnisse und mögliche Weiterentwicklung

Das Vorprojekt legte zentrale technische und didaktisch-organisatorische Grundlagen für den weiteren Ausbau eines KI-Tutors. Im Rahmen der Umsetzung konnten wertvolle Erkenntnisse gewonnen werden, die nachfolgend systematisiert dargestellt sind:

**1. Vielfältige Einsatzmöglichkeiten des KI-Chatbots**

* Der KI-Tutor agiert nicht nur als klassischer *Frage-Antwort-Assistent*, sondern kann auch bei **methodischer Unterstützung**, **Motivationsförderung** und **Selbstreflexion** hilfreich sein – z. B. durch Lerntagebücher, Quiz-Formate oder Monitoring des Lernfortschritts.
* Die Einteilung in **Makro-, Meso- und Mikro-Ebene** hat sich als hilfreiches Strukturierungsinstrument für Use Cases erwiesen.

**2. Abwägung zwischen automatisierter Fachexpertise und RAG-Einbindung**

* Der Einsatz eines **RAG-Systems** (Retrieval-Augmented Generation) oder vergleichbarer Mechanismen ist essenziell, um verlässliche Fachinformationen bereitzustellen und typische **„Halluzinationen“ generativer Modelle** zu vermeiden.
* Je nach Fachgebiet ist eine **sorgfältige inhaltliche Aufbereitung** (Chunking, semantische Strukturierung, Metadatenmanagement) unerlässlich.

**3. Iteratives Stakeholder-Feedback als Erfolgsfaktor**

* Kurze Entwicklungszyklen und regelmäßige Prototyp-Tests mit Stakeholdern haben sich als wirkungsvoll erwiesen, um Akzeptanz zu fördern und Bedarfe realistisch abzubilden.
* Insbesondere in Bildungskontexten ist es entscheidend, **Lehrende und Lernende aktiv in die Gestaltung und Erprobung** einzubinden.

**4. Perspektiven der Integration in bestehende Lernsysteme**

* Die langfristige **Anbindung an Learning-Management-Systeme (LMS)** und **Learning-Record-Stores** (z. B. über xAPI) stellt einen bedeutenden Mehrwert dar.
* Dadurch können **individualisierte Lernpfade** und ein **adaptives Feedbacksystem** realisiert werden, das den Lernstand gezielt berücksichtigt.

***

#### ❓ Offene Fragestellungen aus der prototypischen Entwicklung

* **Wie kann der Lerneffekt eines KI-Tutors valide und differenziert evaluiert werden?**\
  (z. B. Definition geeigneter Metriken, Kombination qualitativer und quantitativer Verfahren)
* **Wie lassen sich Datenschutz und Datensicherheit gewährleisten,**\
  insbesondere bei der Nutzung externer APIs wie z. B. OpenAI?
* **Wie kann ein KI-Tutor langfristig skaliert werden?**\
  (z. B. Übertragbarkeit auf größere Lernsettings, weitere Fachgebiete oder Zielgruppen)

***

Diese offenen Punkte bilden zentrale Entwicklungsfelder für **Phase 2** und darüber hinausgehende Projektabschnitte. Eine systematische Bearbeitung ist erforderlich, um das Gesamtkonzept zu validieren, wissenschaftlich zu fundieren und für den breiten Einsatz weiterzuentwickeln.