Working Groups

Generative AI and Personalization

Die Arbeitsgruppe „Generative KI und Personalisierung“ untersucht, wie generative KI-Modelle das personalisierte Lernen beim simulationsbasierten Lernen voranbringen können. Unter Berücksichtigung aktueller Entwicklungen diskutiert sie neue Wege zur Anpassung, Erstellung und Bereitstellung von Inhalten, die auf einzelne Lernende zugeschnitten sind. Dies reicht von dynamischen Anpassungen von Simulationen bis hin zu skalierbarer Lehrunterstützung, wie bspw. maßgeschneidertem Feedback.
Die Gruppe untersucht zudem, wie generative KI vielfältige, multimodale Lernmaterialien erzeugen kann, die die authentische berufliche Praxis widerspiegeln. Neben großen Sprachmodellen berücksichtigen die Mitglieder auch kleinere, frei zugängliche Modelle, die für bestimmte Zwecke feinabgestimmt werden können, sowie Sprachmodelle, die als Middleware zur Koordination mehrerer KI-Systeme eingesetzt werden.
In allen SHARP-Projekten des TRR 419 unterstützt die Gruppe die Auswahl geeigneter KI-Modelle für die Personalisierung unter Berücksichtigung der Authentizität der jeweiligen Lernumgebung, des Personalisierungsgrades und der Interaktionsweise.
Geleitet wird die Arbeitsgruppe von Prof. Dr. Stefan Küchemann.

Transfer

Der Sonderforschungsbereich SHARP kann auf die umfassende Unterstützung des Referats für Forschung und Technologietransfer der LMU, der gemeinsamen Technologietransferstelle (TTO) der LMU und des LMU Klinikumssowie des TUM ForTe – Büros für Forschungsförderung und Technologietransfer – zurückgreifen.
Eine zentrale Herausforderung für SHARP wird darin bestehen, die Forschungsergebnisse und gewonnenen Erkenntnisse an die Hochschullehrenden zu transferieren, die an den am TRR beteiligten Universitäten für die Lehrkräftebildung und die medizinische Ausbildung verantwortlich sind, und den Transfer auf nationaler Ebene sicherzustellen. Die Transferstrategie sieht daher die Entwicklung eines Schulungsprogramms für Hochschullehrende vor, das vermittelt, wie adaptive Simulationen wirksam in Lehrveranstaltungen und Vorlesungen eingesetzt werden können.
Ein weiterer Bestandteil der Transferstrategie ist die Identifikation und Kontaktaufnahme mit relevanten Akteurinnen und Akteuren, beispielsweise mit Studiendekaninnen und Studiendekanen, Koordinierungsgremien sowie Fach- und Berufsverbänden, um einen Austausch über Forschung und Ergebnisse der SHARP-Projekte zu ermöglichen.
Geleitet wird die Arbeitsgruppe von Prof. Dr. Bernd Schmidt-Hertha.

Open Science

Die Open Science-Arbeitsgruppe fördert und unterstützt die Umsetzung bewährter Open-Science-Praktiken und -Instrumente, um sicherzustellen, dass unsere Forschung den FAIR-Prinzipien entspricht und transparent sowienachnutzbar ist. Wir begleiten Forschende über den gesamten Forschungszyklus hinweg – von der Studienplanung und Präregistrierung über das Forschungsdatenmanagement und reproduzierbare Analysen bis hin zur FAIRen Bereitstellung von Daten und zum Open-Access-Publizieren.
Zu diesem Zweck entwickeln wir konsortienweite Standards und praxisorientierte Ressourcen. Zugleich greifen wir die Bedarfe der Forschenden auf, etwa durch Workshops, Schulungen und kuratierte Materialien, häufig in Zusammenarbeit mit dem LMU Open Science Center und weiteren Partnern.
Darüber hinaus fördern wir innovative Ansätze wie agiles Forschungsdatenmanagement oder sogenannte „Repro-Games“, um die Qualität, Robustheit und Reproduzierbarkeit unserer Forschung zu stärken. Unser übergeordnetes Ziel besteht darin, Open Science in der täglichen Forschungspraxis zu verankern und die Forschenden in SHARP dabei zu unterstützen, sich zu verantwortungsbewussten, transparenten und kooperativen Wissenschaftlerinnen und Wissenschaftlern zu entwickeln, die zu hochwertiger und kumulativer Forschung beitragen.
Geleitet wird die Arbeitsgruppe von Prof. Dr. Mario Gollwitzer und Dr. Markus Gödker.

Science Communication

Die Science Communication-Arbeitsgruppe stärkt die externe Kommunikation von SHARP und trägt zu einem konsistenten und sichtbaren Auftritt des Sonderforschungsbereichs/Transregios bei. Zu ihren Aufgaben gehören die Pflege und Weiterentwicklung der SHARP-Webseite, die Veröffentlichung von News sowie die Kommunikation wichtiger Änderungen und Entwicklungen. Außerdem unterstützt die Arbeitsgruppe die LinkedIn-Kommunikation von SHARP. Ergänzend werden zentrale Materialien und Standards für die externe Kommunikation entwickelt, etwa Vorlagen und einheitliche Gestaltungsprinzipien.
Geleitet wird die Arbeitsgruppe von Prof. Dr. Michael Sailer und Dr. Nadine Hammele.

Gender & Diversity

Die Arbeitsgruppe Gender & Diversity von SHARP setzt sich für ein inklusives Forschungsumfeld ein, das die gesamte Vielfalt der Wissenschaftsgemeinschaft entlang von Merkmalen wie Geschlecht, Alter, kultureller und sozialer Hintergrund, sexuelle Orientierung, Behinderung und internationale Erfahrung widerspiegelt.
In enger Zusammenarbeit mit den Gender and Diversity Consulting Services der LMU und der TUM bietet die Arbeitsgruppe Workshops zu Unconscious Bias, inklusiver Führung sowie mentaler Gesundheit und Resilienz an, ergänzt durch individuelle Beratung und Mentoring für strukturell benachteiligte Forschende in jeder Karrierephase.
SHARP übertrifft die nationalen Vergleichswerte bei der Repräsentation von Frauen in Führungspositionen bereits deutlich: 38 % der Principal Investigators sind Frauen, verglichen mit einem nationalen Durchschnitt von 31 %. Die Arbeitsgruppe treibt zudem Maßnahmen für eine noch größere Parität in den kommenden Jahren voran. Zur praktischen Unterstützung zählen ein eigenes Postdoc-Seed-Grant, eine Ausschreibung von Fördermitteln für Chancengleichheit und Diversität und weitere Zuschüsse sowie familienfreundliche, hybrid zugängliche Veranstaltungsformate.
Geleitet wird die Arbeitsgruppe von Prof. Dr. Sarah Hofer als gewählter Gender and Diversity Representative, unterstützt von Deisy Montenegro und Dora Burbank als ihren Stellvertreterinnen. Gemeinsam setzen sie sich innerhalb des Konsortiums für die Belange der Gleichstellung und Diversität ein und stellen eine enge Abstimmung mit den übergeordneten Gleichstellungsinitiativen von LMU und TUM sicher.

Learning Analytics zur Personalisierung mittels Texteingaben und Logfiles

Die Arbeitsgruppe widmet sich der methodischen Herausforderung, aus unstrukturierten Prozessdaten, insbesondere Freitexteingaben und Interaktions-Logfiles aus simulationsbasierten Lernumgebungen, verwertbare Indikatoren für die Personalisierung abzuleiten. Die Gruppe wird von Prof. Dr. Matthias Stadler und Dr. Constanze Richters (Institut für Didaktik und Ausbildungsforschung in der Medizin, LMU Klinikum) koordiniert und trifft sich vierteljährlich, entsprechend dem methodologischen Working-Group-Format des CRC. Sie trägt vor allem zu den methodologischen Themen (a) Prozessanalytik mit ML und Learning Analytics für Mikroadaption sowie (c) NLP-Ansätze zur Analyse natürlichsprachlicher Eingaben und Lerninteraktionsdaten in simulationsbasierten Lernumgebungen bei.
Die Arbeit der Gruppe basiert derzeit auf zwei sich ergänzenden Strängen. Der erste Strang befasst sich mit der automatisierten Analyse freitextlicher studentischer Einreichungen (z. B. Verordnungen, Falldokumentationen, Begründungen) mithilfe großer Sprachmodelle, um leitliniengestütztes, individualisiertes Feedback im großen Maßstab zu generieren und so den anhaltenden Engpass zeitintensiver und uneinheitlicher manueller Bewertung in großen Kohorten zu adressieren. Der zweite Strang befasst sich mit der Analyse von Interaktions-Logfiles aus agentenbasierten Simulationen, wobei Ansätze des maschinellen Lernens (Support Vector Machines, Random Forest, Gradient Boosting) auf kollaborative diagnostische Aktivitäten angewendet werden, um diagnostische Genauigkeit vorherzusagen und den Zeitpunkt im diagnostischen Prozess zu bestimmen, ab dem eine zuverlässige Vorhersage möglich ist. Dies liefert eine methodische Grundlage für adaptive und meso-adaptive Unterstützungsformen.
Über beide Stränge hinweg verfolgt Working Group B folgende Ziele: (1) methodische Synergien zwischen SHARP-Teilprojekten herzustellen, die mit Text- oder Logdaten arbeiten, in Abstimmung mit Projekt INF; (2) eine systematische Bedarfsanalyse unter Doktorand:innen durchzuführen, um die Gestaltung von Project Academies und Workshops zu informieren; und (3) ein wiederkehrendes Forum bereitzustellen, in dem methodische Ansätze, Code und vorläufige Ergebnisse projektübergreifend geteilt und diskutiert werden können.
Im Einklang mit den Open-Science-Grundsätzen von SHARP unterstützt die Gruppe die Präregistrierung hypothesengeleiteter Analysen, die transparente Berichterstattung von Feature-Extraktion und Modellauswahl sowie die gemeinsame Nutzung von Analysepipelines, um Reproduzierbarkeit und Weiterverwendung durch andere Projekte zu fördern.