ZAKKI - Zentrale Anlaufstelle für innovatives Lehren und Lernen interdisziplinärer Kompetenzen der KI

Das Projekt ZAKKI hatte zum Ziel, Lehrenden und Beschäftigten der Hochschule Magdeburg-Stendal umfassende Kompetenzen im Bereich der Künstlichen Intelligenz zu vermitteln und entsprechende Studien- sowie Qualifizierungsangebote zu entwickeln. In fachbezogenen und fächerübergreifenden Lehr-Lern-Laboren wurden Angebote erarbeitet, die technische, wirtschaftliche, ethische und gesellschaftliche Aspekte der KI berücksichtigten und eine zentrale Anlaufstelle für innovatives Lehren und Lernen schaffen sollten. Das Projekt war Teil der Förderinitiative „Künstliche Intelligenz in der Hochschulbildung“ von Bund und Ländern, wurde als eines von 54 Vorhaben ausgewählt und bis Ende 2025 mit rund zwei Millionen Euro gefördert. Mit ZAKKI und der Beteiligung am Verbundprojekt Ai.Engineering stärkte die Hochschule ihr Profil im Bereich KI und positionierte sich als Kompetenzzentrum auf diesem Gebiet.

Das Bild zeigt die Köpfe eines Menschen und eines menschenähnlichen Roboters, die sich gegenüberstehen und in die Augen schauen.

Wissenschaftliche Projektergebnisse

Entwicklung von Lehr-Lernmaterialien, von denen Lehrmodule in allen Fachbereichen profitieren
Entwicklung von Lehr-Lernmaterialien zu allgemeinen Beratungsthemen, z. B. KI
und wissenschaftliches Schreiben
Entstehung der Seite kiandme.h2.de, dort stehen eine Vielzahl von Lehr-Lernmaterialien zur Verfügung
Etablierung weiterer Formate, wie des AI.CodingClub und des KI-Stammtischs. Diese Formate werden auch nach Projektende weitergeführt.
Umsetzung des Podcasts KI Insights. Hier geht es direkt zum Podcast.
Konzipierung von Selbstlernkursen, z. B. Interdisziplinäre KI Grundlagen (Login via Moodle erforderlich)
Umsetzung und Bereitstellung technischer Hilfsmittel, z. B. KI-Assistent h2 Chat

Publikationen

Andrae, V., Mäule, J. & Behrendt, F. (2025, Oktober). AI-Based Calibration by Using a Motion Capture System for Autonomous Mobile Robots. IFAC PapersOnLine, 59 (10), 903–908. 10.1016/j.ifacol.2025.09.153
Behrendt, F., Wollert, T., Schmidtke, N. & Weigert, D. (August 2024). Meeting the Complexity of Industrial Requirements – Digital Learning Platform for Innovative Application Domains. 7th International Conference on Logistics Operations Management (GOL’24), Volume: 7th. 10.1007/978-3-031-68628-3_37
Müller, L. M. & Enzberg, S. von. „KI für alle: verstehen, anwenden, reflektieren“: Ein interdisziplinäres Lernangebot der Hochschule Magdeburg Stendal im Bereich KI. In N. Kieseler & S. Schulz (Hrsg.), Workshopband der 22. Fachtagung der Bildungstechnologien (Delfi). Gesellschaft für Informatik e.V. 10.18420/delfi2024-ws-26
Müller, L. M., Hajji, R., Enzberg, S. von, Donner, R. & Döring, D. (im Erscheinen). Einfluss von KI-Nutzung und Integration von KI-Tools in die Lehre auf die studentische Leistung im Data-Science-Kontext. Tagungsband zur MINT digital – Digitale Lehre im Zeitalter der Künstlichen Intelligenz, September 2025.
Müller, L. M., Hajji, R., Enzberg, S. von & Döring, D. Die Entwicklung der Handlungsfähigkeit beim Einsatz von KI-Tools zur Python-Programmierung: Eine Grounded-Theory-Studie zum Einsatz von KI-Tools im projektbasierten Lernen an Hochschulen. Journal für allgemeine Didaktik, 13/2025, S. 37–59. 10.35468/jfad-13-2025-02
Sonnenberg, R. & Döring, D. (September 2023). Auswertung geot. Labor-Daten mit Methoden Künstlicher Intelligenz (KI). Deutsche Gesellschaft für Geotechnik e.V. (DGGT), Würzburg 2023. Fachsektionstage Geotechnik.
Scorna, U., Domine, I., Schäfer, J. & Voß, G. Multidisziplinarität, Interdisziplinarität und Transdisziplinarität. Formen kollaborativen Forschens im Rahmen von Design-Based Research- Projekten. die hochschullehre, 11, 167–180. 10.3278/HSL2455W
Scorna, U., Weigert, D. & Behrendt, F. KI in der Hochschulbildung. Von der Notwendigkeit und ersten Erfahrungen bei der kooperativen Entwicklung didaktisch innovativer KI-Lehr-Lernangebote nach dem Design-Based Research (DBR)-Ansatz. die hochschullehre, 11, 66–80. 10.3278/HSL2448W
Von Enzberg, S., Müller, L.M., Döring, D., Hajji, R. (im Erscheinen). Domänenadaptierte LLMs als Lernassistenten in der Hochschullehre: Fallstudie und Erfahrungen für die Lehre in IT und Data Science. Tagungsband zur MINT digital – Digitale Lehre im Zeitalter der Künstlichen Intelligenz, September 2025.
Voß, G., Hajji, R., Schäfer, J. & Müller, L. M. (2025). Lernpfade als Instrument zur ko-kreativen Gestaltung und Evaluation von Lehr-Lernangeboten im Rahmen des Design-Based Research-Ansatzes. In J. Jörissen, D. Möller, M. Grein, S. Kopczynski & D. A. Peters (Hrsg.), Evaluation von Studium und Lehre ko-kreativ gestalten. Waxmann Verlag GmbH.
Weigert, D., Scorna, U. & Behrendt, F. (2023). KI-Kompetenzen in ingenieurswissenschaftlichen Studiengängen entwickeln und fördern – Ein Praxisbeispiel für aktivierende Lehr-Lern-Angebote mittels Lerntagebuch. Informatik 2023 – Lecture Notes in Informatics (LNI), Gesellschaft für Informatik e. V. (GI). 10.18420/inf2023_50
Weigert, D. & Behrendt, F. (September 2022). Conceptual Framework of a Learning Experience Platform (LXP) to Strengthen AI Competence by Linking Simulation Technologies and AI. Proceedings of the 21st International Conference on Modelling and Applied Simulation (MAS 2022), 19th International Multidisciplinary Modeling & Simulation Multiconference (I3M 2022). 10.46354/i3m.2022.mas.024

AI.Analytics-Lab

Das Bild zeigt eine Grafik in 3D mit einer menschlichen Hand darüber.

Das AI.Analytics-Lab koordinierte und bündelte die Lehraktivitäten in den Themenfeldern Künstliche Intelligenz und Data Science über alle Fachbereiche hinweg. Die entwickelten Lehr- und Lerninhalte sowie innovativen Lehrformate förderten insbesondere Kompetenzen in den Bereichen Datenkompetenz, stochastisches und statistisches Denken sowie algorithmisches Denken und Programmieren. Im Mittelpunkt stand eine strukturierte und algorithmische Herangehensweise an die Gewinnung, Analyse und Interpretation großer Datenmengen mithilfe moderner Data-Analytics-Verfahren.

Lab-Verantwortlicher:
Prof. Dr. rer. nat. Reik Donner

AI.Tech-Lab

Das Bild zeigt Zahnräder. Der Hintergrund ist bunt und futuristisch.

Das AI.Tech-Lab koordinierte und bündelte die Lehraktivitäten in den Wirtschafts-, Ingenieur- und Bewegungswissenschaften sowie im Bereich der Mensch-Technik-Interaktion. Dabei wurden bestehende Angebote systematisch vernetzt und um interdisziplinäre Formate ergänzt. Die entwickelten Lehr- und Lerninhalte förderten insbesondere Kompetenzen zur technischen Umsetzung von KI sowie der Integration in fachspezifische Anwednungsfälle aus unterschiedlichen Praxisfeldern der Hochschule.

Lab-Verantwortlicher:
Prof. Dr.-Ing. Fabian Behrendt

Profil des Lehrenden

AI.Social-Lab

Das Bild zeigt die Hand eines Roboters und eines Menschen, die sich mit dem Zeigefinger berühren.

Das AI.Social-Lab koordinierte und bündelte die Lehraktivitäten in den Sozial-, Bildungs-, Gesundheits- und Geisteswissenschaften und förderte dabei gezielt den interdisziplinären Austausch sowie die nachhaltige Vernetzung bestehender und künftiger Initiativen. Die entwickelten Lehr- und Lerninhalte sowie innovativen Lehrformate stärkten insbesondere die Fähigkeit zum kritischen Denken im Kontext Künstlicher Intelligenz und Fragen des reflektierten Umgangs mit und der Gestaltung von KI-basierten Systemen.

Lab-Verantwortlicher:
Prof. Dr.-Ing. Sebastian von Enzberg

Profil des Lehrenden

AI.Teach-Lab

Das Bild zeigt einen aufgeklappten Laptop.

Das AI.Teach-Lab koordinierte die hochschuldidaktische Begleitforschung zu den Gelingensbedingungen des Lehrens und Lernens von KI-Kompetenzen. Zudem führte es regelmäßig hochschulweite Bedarfserhebungen durch, um die Angebote der Labs evidenzbasiert weiterzuentwickeln. Die gewonnenen Erkenntnisse wurden in zahlreichen Publikationen und Vorträgen veröffentlich und flossen in die Entwicklung des Leitfadens zur Nutzung generativer KI ein. Im Mittelpunkt stand der Erkenntnisgewinn für fundierte pädagogisch-didaktische Einschätzungen zum Lernen und Lehren von Künstlicher Intelligenz.

Lab-Verantwortlicher:
Prof. Dr. Rahim Hajji

Profil des Lehrenden