BLX Lernbegleiter

Im LXMS ist der Lernbegleiter direkt im Lernmodul verankert. Er erscheint nicht als externes Support-Werkzeug, sondern als integrierter Bestandteil des Lerner-Dashboards und des Navigationsmenüs. So bleibt die Unterstützung dort verfügbar, wo Lernende sie tatsächlich brauchen: im aktuellen Modul, im aktuellen Abschnitt und im aktuellen Bearbeitungsstand.

Der Lernbegleiter kann je nach Situation unterschiedliche Zustände sichtbar machen, etwa Bereit, Aktiv, Im Plan, Hinweis, Neuer Hinweis oder Kritisch. Diese Zustände sind keine dekorativen Labels. Sie verdichten Signale aus Lernfortschritt, Fehlversuchen, Stagnation, Momentum und Coach-Hinweisen zu einer verständlichen Einschätzung der aktuellen Lernsituation.

Lernende müssen nicht erst Dashboards interpretieren, sondern erhalten eine direkte Rückmeldung, ob der Lernprozess unauffällig verläuft, ob ein Hinweis sinnvoll ist oder ob ein konkreter nächster Schritt empfohlen wird.

Die eigentliche Stärke des Lernbegleiters liegt in der Übersetzung von Signalen in konkrete Handlungsimpulse. Statt nur anzuzeigen, dass ein Problem besteht, formuliert der Begleiter eine Empfehlung, einen nächsten Schritt und bei Bedarf eine kurze Begründung.

Auslöser können etwa wiederholte Fehlversuche in kurzer Folge sein, längere Stagnation ohne sichtbaren Fortschritt, schwache Scores im Verhältnis zum erwarteten Abschnittsniveau oder kritische Kombinationen aus Fehlversuchen und fehlender Erholung danach. Im Lerner-Dashboard wird daraus eine kompakte Lageeinschätzung: eine kurze Zusammenfassung, eine Empfehlung für den aktuellen Lernschritt, ein expliziter nächster Schritt, nachvollziehbare Gründe und bei Bedarf direkte Anschlussaktionen, zum Beispiel einen KI-Tipp neu anzufordern oder ein Tipp als umgesetzt zu markieren.

Im LXMS kann dieser nächste Schritt an den konkreten Stand des Lernangebots gebunden werden. Ein Hinweis bezieht sich nicht nur auf ein abstraktes Modul, sondern auf eine bestimmte Version, einen Abschnitt, eine Aktivität, eine Sprachfassung oder eine Zielgruppenvariante. Dadurch bleibt nachvollziehbar, worauf eine Intervention reagiert und ob sie nach einer späteren Überarbeitung weiterhin passend ist.

Bei mehrsprachigen Lernangeboten ist auch die Sprache Teil des Kontextes. Hinweise müssen nicht nur übersetzt, sondern passend lokalisiert werden: mit richtiger Terminologie, angemessener Tonalität, passenden Beispielen und konsistenter Ansprache. Der Lernbegleiter sollte deshalb mit freigegebenen Hinweislogiken, Sprachfassungen und Terminologie arbeiten. KI kann Formulierungen unterstützen, ersetzt aber nicht die kontrollierte sprachliche und fachliche Freigabe.

Feedback bleibt dadurch konkret und anschlussfähig für die nächste Lernhandlung.

Viele KI-Assistenten im Bildungsbereich arbeiten zu losgelöst vom didaktischen Design. Sie reagieren auf einzelne Fragen, kennen aber häufig weder Lernziel, Assessment-Logik noch den geplanten Lernpfad. Der BLX Lernbegleiter geht einen anderen Weg.

Seine Stärke entsteht aus dem Zugriff auf die didaktisch-methodische Konzeption des Lernangebots. Wenn im BLX Designer Lernziele, Zielgruppe, Outline, Storyboard, Evidence, Bloom-Level oder CLT-Hinweise (Cognitive Load Theory) gepflegt wurden, können diese Informationen in den Begleiter-Kontext einfließen.

Dadurch wird aus einem allgemeinen Hinweis ein didaktisch eingebettetes Feedback. Der Lernbegleiter kann berücksichtigen, welches Lernziel in einem Abschnitt relevant ist, welche Evidence oder welches Assessment vorgesehen wurde, ob eher Wiederholung, Transfer oder Vereinfachung sinnvoll erscheint und welche Form der Unterstützung zur Zielgruppe und zum Modulstil passt. So entsteht ein Hinweis mit pädagogischem Bezug zum tatsächlichen Lernsetting statt eines austauschbaren Motivationssatzes.

Dieser Kontext ist besonders wichtig, wenn Lernangebote über längere Zeit betrieben und verändert werden. Ein Hinweis, der zu Version 1 eines Moduls sinnvoll war, kann nach einer fachlichen Aktualisierung, einer neuen Sprachfassung oder einer didaktischen Überarbeitung anders bewertet werden müssen. Deshalb sollte der Lernbegleiter nicht nur den Lernverlauf kennen, sondern auch den Produktstand, auf den sich seine Intervention bezieht.

Der BLX Lernbegleiter ist bewusst robust aufgebaut. Er kann regelbasiert arbeiten und so auch ohne KI sinnvolle Unterstützung liefern. Gleichzeitig kann eine optionale KI-Schicht zusätzliche Differenzierung, sprachliche Anpassung und situationsspezifische Präzisierung ermöglichen.

Der operative Aufbau ist zweistufig. Erstens gibt es eine verlässliche Regelbasis, die Signale, Schwellenwerte und Interventionsmuster erkennt. Zweitens kann eine KI-Schicht darüber Hinweise sprachlich verfeinern oder situativ zuspitzen, wenn didaktischer Kontext und Laufzeitdaten dies sinnvoll erscheinen lassen.

Das System lässt sich über mehrere Parameter steuern. Dazu gehören Grenzwerte für Stagnation und Fehlversuche, ein Mindestabstand zwischen zwei Hinweisen, die Ein- oder Ausschaltung von Coach-Hinweisen, ein optionaler KI-Modus mit regelbasiertem Fallback sowie Tonalität und Länge der Hinweise.

Damit bleibt der Lernbegleiter steuerbar. Auch bei Ausfall oder Nichtverfügbarkeit von KI bleibt eine belastbare regelbasierte Begleitung aktiv.

Gerade in regulierten oder compliance-nahen Lernangeboten ist diese Trennung entscheidend. Die Regelbasis definiert, wann eine Intervention ausgelöst wird. Die KI-Schicht kann erklären, vereinfachen, formulieren oder variieren, bleibt aber an freigegebene Kontexte, Tonalitäten und Grenzen gebunden. So wird der Lernbegleiter nicht zu einem unkontrollierten Dialogsystem, sondern zu einer steuerbaren Begleitschicht mit optionaler sprachlicher Intelligenz.

Ein zentraler Unterschied zu rein heuristischen Hilfetexten ist die Messbarkeit. Der BLX Lernbegleiter erzeugt Hinweise und macht zugleich deren Nutzung und Wirkung über xAPI/LRS nachvollziehbar.

Erfasst werden können beispielsweise Interaktionen wie das Einblenden eines Hinweises, das Anfordern einer KI-Präzisierung, das Anzeigen einer KI-Antwort oder das Markieren eines Tipps als umgesetzt.

Der Lernbegleiter wird damit zur Intervention, deren Reichweite und Nutzungsqualität messbar ist. Erst auf dieser Basis lassen sich Unterstützungslogiken systematisch weiterentwickeln.

Entscheidend ist, dass diese Ereignisse nicht isoliert ausgewertet werden. Sie sollten mit dem jeweiligen Lernangebot, der Version, der Sprachfassung, dem Abschnitt und dem Interventionsmuster verbunden bleiben. Nur dann lässt sich später sauber unterscheiden, ob ein Hinweis grundsätzlich wirksam ist, ob eine bestimmte Fassung Probleme verursacht oder ob eine Überarbeitung des Lernangebots die Lernsignale verändert hat.

Der BLX Lernbegleiter entfaltet seinen vollen Wert im Lebenszyklus versionierbarer Lernangebote. Er ist nicht als einmaliges Feature gedacht, sondern als Verbindung zwischen Konzeption, Durchführung, Evaluation und Überarbeitung. Seine Hinweise entstehen im Lernmoment, ihre Wirkung wird aber über den Betrieb des Lernangebots hinweg auswertbar.

Am Anfang nutzt der Lernbegleiter den didaktischen Kontext aus Lernzielen, Storyboard, Assessments, Zielgruppe und Sprachfassung. Während der Durchführung erkennt er Lernsignale und spielt kontextsensitive Hinweise aus. In der Evaluation macht er Nutzung und Wirkung dieser Hinweise über xAPI/LRS sichtbar. In der Optimierung liefert er Rückmeldung an Autorinnen, Verantwortliche und Lernarchitektur.

Wenn ein Lernangebot aktualisiert, übersetzt oder neu veröffentlicht wird, verändert sich auch der Kontext für den Lernbegleiter. Hinweise, Schwellenwerte, Tonalität und Interventionsmuster können deshalb an Produktversionen und Releases gebunden werden. So bleibt nachvollziehbar, ob eine Verbesserung aus einer besseren Aufgabe, einer klareren Übersetzung, einer geänderten Interaktion oder einer angepassten Begleitlogik entsteht.

Gerade in Verbindung mit dem BLX Designer entsteht dadurch ein geschlossener Kreislauf: Die didaktische Planung liefert den Kontext für bessere Interventionen, und die Interventionen liefern Daten, die zurück in Grobkonzept, Storyboard, Analyse und Blueprint gespielt werden können.

So wird der Lernbegleiter Teil eines lernenden Systems und zu einer funktionalen Schicht im Lebenszyklus digitaler Lernangebote.

Die Evaluation im LXMS liefert den größeren Datenrahmen: Fortschritt, Verweildauer, Wiederholungen, Abbrüche, Nutzung interaktiver Formate und Rückmeldungen. Für den Lernbegleiter werden diese Daten zum Kontext für konkrete Unterstützung. Wenn sich in einem Abschnitt wiederholt lange Bearbeitungszeiten, Fehlversuche oder Abbrüche zeigen, kann daraus ein Hinweis an Lernende oder ein Signal an Autorinnen, Autoren und Kursleitungen entstehen.

Damit ergänzen sich beide Perspektiven. Das Evaluations-Dashboard zeigt, wo Muster entstehen; der Lernbegleiter prüft im laufenden Lernprozess, ob daraus eine Intervention werden sollte. Umgekehrt werden auch die Reaktionen auf Hinweise wieder ausgewertet: ob Hinweise gesehen, nachgeschärft, bestätigt oder ignoriert werden.

So wird Evaluation vom nachgelagerten Bericht zum Rückkanal im Lebenszyklus des Lernangebots. Inhalte, Aufgaben und Medienformate lassen sich gezielter nachschärfen, während Lernende schneller und passender Unterstützung erhalten.

Die eigentliche Relevanz entsteht im Zusammenspiel mit dem LRS. Dort lassen sich Coach-Ereignisse mit anderen Laufzeitdaten verbinden, etwa mit Progression, Fehlversuchen, Recovery-Mustern oder Abbruchsignalen.

Im LRS-Dashboard laufen Coach-Ereignisse mit anderen Laufzeitdaten zusammen. Dadurch wird sichtbar, wo Lernende ins Risiko geraten, ob sie sich nach Fehlern wieder erholen, wie häufig Hinweise eingeblendet oder nachgeschärft werden und ob Lernende empfohlene Schritte tatsächlich aufgreifen. Auch der Vergleich zwischen rein regelbasierten Hinweisen und KI-gestützten Präzisierungen wird dadurch möglich.

Wichtig ist dabei der Blick auf Muster statt auf Einzelfälle. Häufen sich Stagnation, Fehlversuche oder Abbrüche an bestimmten Stellen, ist das nicht nur ein individuelles Lernproblem. Es kann auf eine unklare Aufgabenstellung, fehlende Vorentlastung, zu hohe kognitive Belastung, eine schlechte Übersetzung oder ein ungeeignetes Medienformat hinweisen.

Damit unterstützt der Lernbegleiter einzelne Lernende im Moment der Bearbeitung und fungiert zugleich als Sensor für systemische Lernprobleme.

Der Lernbegleiter bedient verschiedene Perspektiven. Für Lernende liegt der unmittelbare Nutzen in situativer Unterstützung: eine kurze Einordnung des aktuellen Lernzustands, eine belastbare Empfehlung, ein sinnvoller nächster Schritt und bei Bedarf eine KI-gestützte Präzisierung.

Für Autorinnen und Autoren werden aggregierte Begleitdaten interessant, sobald sich strukturelle Muster zeigen. Häufen sich Hinweise oder Bestätigungen an bestimmten Stellen, spricht das oft für missverständliche Aufgabenstellungen, überladene Abschnitte, zu große Schwierigkeitssprünge oder fehlende Zwischenschritte.

Für Produktverantwortliche entsteht daraus ein zusätzlicher Steuerungsimpuls. Lernbegleiter-Daten zeigen nicht nur, ob Lernende Unterstützung brauchen, sondern auch, welche Teile eines Lernangebots im Betrieb Aufmerksamkeit benötigen: eine missverständliche Aufgabe, eine unklare Übersetzung, ein veraltetes Beispiel, ein zu großer Schwierigkeitssprung oder eine Stelle, an der Legacy Content nicht genügend Kontext liefert.