04.11.2025

Mittels KI Unterrichtsvideos analysieren und verbessern

Dr. Tim Fütterer und Projektteam belegen zweiten Platz bei der AIAI-Challenge.

Videoaufnahmen von Unterrichtssituationen können Lehrkräfte unterstützen, ihren Unterricht zu verbessern. Dazu müssen sie jedoch automatisiert analysiert werden – doch die KI-gestützte Auswertung von Unterrichtsvideos ist eine große Herausforderung, der sich der Wettbewerb “AIAI-Challenge” widmete. Die Forscher:innen Ivo Bueno, Ruikun Hou und Dr. Babette Bühler (TU München) sowie Dr. Tim Fütterer (Hector-Institut für Empirische Bildungsforschung & LEAD-Mitglied, Universität Tübingen) gewannen mit ihrem Projekt den zweiten Platz. 

Wie bewege ich mich im Klassenzimmer? Wie interagiere ich mit Schüler:innen und wie qualitativ hochwertig ist mein Unterricht? Auf Fragen wie diese bekommen Lehrkräfte nach ihrer Referendariatszeit selten Antworten. Unterrichtsbeobachtungsvideos könnten dabei unterstützten, denn sie liefern wertvolle Einblicke in den Unterricht, die Interaktionen der Schüler:innen und die Dynamik im Klassenzimmer. In den letzten Jahren hat die Nutzung von Videoaufzeichnungen in der Lehrkräfteausbildung und der Erforschung der Unterrichtsqualität zwar zugenommen. Die flächendeckende Nutzung von Videos bleibt jedoch aufgrund des Zeit- und Ressourcenaufwands für die Bearbeitung und Analyse eine Herausforderung.

Der von AIAI und der University of Virginia geförderte und organisierte Wettbewerb “AIAI-Challenge” suchte nach Algorithmen zur automatischen Kategorisierung von Unterrichtsbeobachtungsdaten. Die Teilnehmenden entwickelten Modelle des maschinellen Lernens, die den aufgezeichneten Unterricht anhand von Videos und anonymisierten Audioaufzeichnungen identifizieren. Aufgrund der Sensibilität der Unterrichtsvideodaten war der Wettbewerb und die Daten nur für Teilnehmende von Forschungseinrichtungen unter strengen Datennutzungsvereinbarungen zugänglich. 

Das Projektteam nutzte die Unterrichtsaufzeichnungen, um zu testen, wie gut vortrainierte KI-Modelle bestimmte Handlungen in den Daten erkennen. Sehr gut konnte das Modell beispielsweise erkennen, ob eine Lehrkraft steht oder sitzt und dies im Video kennzeichnen. Schwierigkeiten hatte das Modell unter anderem damit zu identifizieren, ob sich Schüler:innen miteinander unterhalten oder eine Lehrkraft gerade eine:n Schüler:in unterstützt. Dr. Tim Fütterer war mit den Ergebnissen zufrieden: “Der Wettbewerb hat uns dabei geholfen, noch besser zu verstehen, was KI bereits sehr sicher korrekt identifiziert und welche Modelle mit der Einordnung bestimmter Situationen im Klassenzimmer noch Schwierigkeiten haben. Das Wissen, dieses Grundlagentraining, nutzen wir direkt für weitere Forschungsprojekte wie ETQ-AI.”

Details zur Challenge und der entwickelten Lösung des Projektteams finden Sie unter: https://drivendata.co/blog/aiai-winners. 

Wie das Hector-Institut für Empirische Bildungsforschung Unterrichtsvideos erforscht

Ein Schwerpunktthema des Hector-Instituts für Empirische Bildungsforschung, an dem Dr. Tim Fütterer arbeitet, ist die Erforschung und Weiterentwicklung der Unterrichtsqualität. Dafür kann KI Referendar:innen und Lehrkräften eine Unterstützung bieten. Diesem Themenfeld widmen sich gleich mehrere Forschungsprojekte.

ETQ-AI steht für “Enhancing Teaching Quality with Artificial Intelligence”. Das Projektteam erforscht die Verbesserung der Unterrichtsqualität durch künstliche Intelligenz und entwickelt ein KI-Feedbacksystem, das Lehrkräften in Echtzeit Rückmeldung zu ihren Lehrmethoden gibt.
Zum Projekt ETQ-AI

Zum Projekt INFER

Medienkontakt

Rebecca Beiter
pressespam prevention@lead.uni-tuebingen.de 

Teilen

Zurück