Open Access

Machine learning (ML) has become highly relevant in applications across all industries, and specialists in the field are sought urgently. As it is a highly interdisciplinary field, requiring knowledge in computer science, statistics and the relevant application domain, experts are hard to find. Large corporations can sweep the job market by offering high salaries, which makes the situation for small and medium enterprises (SME) even worse, as they usually lack the capacities both for attracting specialists and for qualifying their own personnel. In order to meet the enormous demand in ML specialists, universities now teach ML in specifically designed degree programs as well as within established programs in science and engineering. While the teaching almost always uses practical examples, these are somewhat artificial or outdated, as real data from real companies is usually not available. The approach reported in this contribution aims to tackle the above challenges in an integrated course, combining three independent aspects: first, teaching key ML concepts to graduate students from a variety of existing degree programs; second, qualifying working professionals from SME for ML; and third, applying ML to real-world problems faced by those SME. The course was carried out in two trial periods within a government-funded project at a university of applied sciences in south-west Germany. The region is dominated by SME many of which are world leaders in their industries. Participants were students from different graduate programs as well as working professionals from several SME based in the region. The first phase of the course (one semester) consists of the fundamental concepts of ML, such as exploratory data analysis, regression, classification, clustering, and deep learning. In this phase, student participants and working professionals were taught in separate tracks. Students attended regular classes and lab sessions (but were also given access to e-learning materials), whereas the professionals learned exclusively in a flipped classroom scenario: they were given access to e-learning units (video lectures and accompanying quizzes) for preparation, while face-to-face sessions were dominated by lab experiments applying the concepts. Prior to the start of the second phase, participating companies were invited to submit real-world problems that they wanted to solve with the help of ML. The second phase consisted of practical ML projects, each tackling one of the problems and worked on by a mixed team of both students and professionals for the period of one semester. The teams were self-organized in the ways they preferred to work (e.g. remote vs. face-to-face collaboration), but also coached by one of the teaching staff. In several plenary meetings, the teams reported on their status as well as challenges and solutions. In both periods, the course was monitored and extensive surveys were carried out. We report on the findings as well as the lessons learned. For instance, while the program was very well-received, professional participants wished for more detailed coverage of theoretical concepts. A challenge faced by several teams during the second phase was a dropout of student members due to upcoming exams in other subjects.

Künstliche Intelligenz (KI) durchdringt unser Leben immer stärker. Studierende werden im Alltag und an Hochschulen zunehmend mit KI-Anwendungen konfrontiert. An der Hochschule Offenburg werden deshalb KI-bezogene Lehrangebote curricular verankert, um Studierende im Erwerb von KI-Kompetenz zu unterstützen. Der Beitrag stellt ein Konzept für die Entwicklung von Lehrveranstaltungen nach der Idee des pädagogischen Makings zur Förderung von KI-Kompetenz in der Hochschullehre vor. Konkretisiert wird das Konzept anhand eines Moduls zum Thema Chatbots, dessen Lehrinhalte interdisziplinär aus verschiedenen Perspektiven ausgearbeitet werden.

Bedingt durch die Coronapandemie wurde in den Informatikkursen Software Engineering und Computernetze an der Hochschule Offenburg ein Lernsetting entwickelt, das mehrere digitale Lernszenarien (Online-Sessions, Lernvideos, Wikis, Quiz, Foren und die selbst entwickelte Lernplattform MILearning) integriert. Im Wintersemester 2020/2021 fand eine Evaluierung statt, um den Einsatz der unterschiedlichen digitalen Lernszenarien in der aktuellen Situation zu bewerten und um zu entscheiden, welche Lernszenarien sinnvoll für einen Einsatz nach der Pandemie sind. Aus dem Blickwinkel des Didaktischen Designs spielen dabei die Eignung der Szenarien für die Wissensvermittlung, die Aktivierung der Studierenden und die Betreuung bei Fragen und Problemen eine wichtige Rolle. Die Ergebnisse zeigen, dass Studierende das Lernsetting intensiv nutzen und die angebotenen digitalen Lernszenarien lernförderlich kombinieren.

Informatik-Veranstaltungen in der Fakultät Medien und Informationswesen vermitteln meist komplexe Inhalte, die anschließend in begleitenden Laborveranstaltungen praktisch und an konkretenBeispielen vertieft werden. Allerdings benötigen die Studierenden für ein lehrreiches Labor und die selbstständige Erarbeitung korrekter Lösungen einige Grundkenntnisse, die aus der jeweiligen Theorieveranstaltung mitgebracht werden müssen.<br> Um den Studierenden weiterhin die Möglichkeiten zu geben, den Stoff der Lehrveranstaltungen raum- und zeitunabhängig nachzuarbeiten und auch didaktisch aufbereitete Übungen virtuell durchzuführen, haben wir zu den Veranstaltungen Software Engineering, Computernetze und Datenbanken webbasierte E-Learning-Materialien konzipiert und erstellt. Diese Lernarrangements bieten den Lernenden die Möglichkeit, selbstbestimmt im eigenen Lernrhythmus und über unterschiedliche Medien einen Zugang zu der Thematik zu finden. Hybride Lernarrangements (Blended Learning) versuchen hier die Vorteile unterschiedlicher didaktischer Methoden und Medien miteinander zu kombinieren [1].

In der Fakultät Medien und Informationswesen der Hochschule Offenburg wird in den Informatikfächern Software Engineering, Computernetze und Datenbanken ein hybrides Lernarrangement zum Erlernen der komplexen und oft abstrakten Inhalte eingesetzt. Derartige hybride Lernarrangements (Blended Learning) kombinieren die Vorteile unterschiedlicher didaktischer Methoden und Medien. Die Materialien erlauben den Lernenden, selbstbestimmt, im eigenen Lernrhythmus und über unterschiedliche Medien einen Zugang zu der Thematik zu finden.