Data-Driven Digital Innovation Lab

Veranstaltungstyp: Seminar
Einrichtung: Fakultät für Mathematik, Informatik und Naturwissenschaften
Förderzeitraum: 01.04.2023 bis 31.03.2024
Kurztitel: D3 Innovation Lab

Auszug aus dem Förder-Antrag: "Im D³ Innovation Lab werden Studierende in datengetriebenen Innovationsprojekten durch alle Phasen des Datenlebenszyklus geführt. Dabei lernen sie neben der Planung von Projekten auch Datenpraktiken anzuwenden und erhobene Daten zu managen. Um sicherzustellen, dass dieses Wissen auch über das Lehrlaborprojekt hinaus langfristig genutzt werden kann, wird ein physischer und virtueller Explorationsraum geschaffen, der von den Studierenden mitgestaltet wird. Lehrende können diesen Raum nutzen, um eigene Lehrveranstaltungen mit den geschaffenen Räumlichkeiten zu gestalten."

Ausrichtung des D³Innovation Labs

In einer zunehmend digitalisierten Welt wird der Umgang mit Daten zu einer Schlüsselkompetenz in nahezu allen Berufsfeldern. Angesichts dieser Entwicklung ist es unerlässlich, dass Studierende aller Fachrichtungen die Fähigkeit entwickeln, Daten zu verstehen, zu analysieren und zu interpretieren. Aus diesem Grund wurde das Lehrprojekt entwickelt, das Studierende, angeleitet durch ausgewählte beziehungsweise selbstbestimmte Datenprojekte, entlang des Datenlebenszyklus führt. Aus aktuellen Entwicklungen wurde der thematische Schwerpunkt darüber hinaus auf generative künstliche Intelligenz sowohl als Werkzeug für datengetriebene Projekte erweitert als auch als Untersuchungsgegenstand für explorative Fragen. Im Folgenden werden einige Gründe für die Entwicklung des Lehrprojekts näher erläutert:

Interdisziplinäre Kompetenzentwicklung: Durch die Einbeziehung von Studierenden aller Fachrichtungen in die Gruppen werden mit den datengetriebenen Projekten nicht nur ihre datenbezogenen Fähigkeiten verbessert, sondern auch ihre Fähigkeit zur Zusammenarbeit über Disziplingrenzen hinweg gestärkt. Dabei treffen verschiedene Perspektiven aufeinander, welche die Reflexion der eigenen Disziplinen erweitern können.
Stärkung der digitalen Souveränität: In einer Zeit, in der Daten eine immer größere Rolle in unserem Leben spielen, ist es wichtig, dass die Studierenden eine grundlegende digitale Souveränität entwickeln. Indem sie lernen, wie man Daten sinnvoll nutzt, analysiert und interpretiert, werden sie befähigt, informierte Entscheidungen zu treffen und sich in einer datengetriebenen Welt zurechtzufinden.
Förderung von Kreativität und Innovation: Die Arbeit an den meist explorativen Datenprojekten soll die Studierenden ermutigen, kreativ zu sein und innovative Lösungen zu entwickeln. Durch die Freiheit, ihre eigenen Fragestellungen zu wählen und ihre eigenen Analysemethoden anzuwenden, werden sie dazu ermutigt, über den Tellerrand hinauszublicken und eigenständig Wege zur Problembearbeitung und -lösung zu finden.
Förderung von Problemlösungskompetenzen: Die Arbeit an eigenen Datenprojekten erfordert von den Studierenden die Fähigkeit, komplexe Probleme zu identifizieren, zu analysieren und Lösungen zu entwickeln. Durch das Durchlaufen des Datenlebenszyklus - von der Datenerfassung über die Datenanalyse bis hin zur Interpretation und Präsentation der Ergebnisse - müssen sie sich in jeder Phase mit spezifischen Fragen auseinandersetzen, und ihre Fähigkeiten werden auf eine praktische Weise geschärft.

^{ux indonesia / unsplash}

Rückblick und Ergebnisse

Die zentralen Ergebnisse des Lehrprojekts orientieren sich an den ursprünglichen Zielen und umfassen die Stärkung der datenbezogenen Fähigkeiten sowie die Förderung kreativer und innovativer Denkweisen. Nachfolgend einige Ergebnisse:

Verbesserte Datenkompetenz: Ziel war es, die Datenkompetenz der Studierenden zu verbessern. Durch die Arbeit an selbst gewählten Datenprojekten entlang des Datenlebenszyklus und der Nutzung generativer künstlicher Intelligenz entwickelten sie ein tieferes Verständnis für Datenanalyse. Studierende erwarben Fähigkeiten in Datenerfassung, -bereinigung, -analyse und -interpretation. Die behandelten Themen reichten von Datendemokratisierung in Organisationen über den Einfluss generativer KI im politischen Kontext bis hin zur Nutzung von No- und Low-Code Entwicklungsumgebungen.
Interdisziplinäre Zusammenarbeit: Das Projekt förderte die Zusammenarbeit von Studierenden aus verschiedenen Fachrichtungen wie Informatik, Sprachwissenschaft und Geisteswissenschaft. Durch die Arbeit in gemischten Teams profitierten die Studierenden von verschiedenen Perspektiven und Fachkenntnissen. Dies führte zu diversifizierten Lösungen komplexer Probleme und anregenden Diskussionen in den Abschlusspräsentationen.
Entwicklung von Problemlösungskompetenzen: Das Projekt stärkte die Problemlösungskompetenzen der Studierenden. Sie lernten, komplexe Probleme systematisch zu analysieren und strukturiert zu lösen, unterstützt durch ein prototypisches Wiki, das den Datenlebenszyklus abbildet. Diese Kompetenz ist im Berufsleben wertvoll.
Förderung von Kreativität und Innovation: Die Freiheit, eigene Fragestellungen zu wählen und Analysemethoden anzuwenden, ermutigte die Studierenden, über traditionelle Denkmuster hinauszugehen und innovative Lösungen zu entwickeln. Die nötige kreative Denkweise ist entscheidend in einer dynamischen Welt.

Tipps von Lehrenden für Lehrende

Im Austausch mit den Studierenden, die in ihren Ergebnissen wiederum neue Entdeckungen gemacht haben, können Lehrkompetenzen auf vielfältige Ebene erweitert werden. Auch die Entwicklung eines Wikis hat viele Erkenntnisse mit sich gebracht, was dessen strukturellen Aufbau umfasst und die Inhalte nach dem Motto "weniger ist mehr" darzubieten. Auf didaktischer Ebene ist es essenziell, wie man komplexe Konzepte und Techniken rund um Datenkompetenzen und generativer künstlicher Intelligenz möglichst verständlich vermittelt und die Lernenden dabei unterstützt, ihr Wissen praktisch anzuwenden. Gerade zum letztgenannten Thema gibt es derzeit wenige Skripte und Ansätze für die Lehrvermittlung. Diese Erkenntnisse helfen dabei in Zukunft neue innovative Lehrkonzepte insbesondere mit Einbezug neuer Technologien zu konzipieren.

Darüber hinaus haben sich wichtige Erkenntnisse rund um Teamkonstellationen ergeben. So haben sich einige Gruppen mit ihrer bisherigen Studienerfahrung und ihren verbundenen Disziplinen als besonders effektiv herausgestellt. Jedoch ist anzumerken, dass hier das Individuum mit seinen Eigenschaften der größte Einflussfaktor ist.