KIRA - KI-gestütztes Matching individueller und arbeitsmarktbezogener Anforderungen für die berufliche Weiterbildung
Im Projekt KIRA wird ein KI-gestütztes Matching von individuellen und arbeitsmarktbezogenen Anforderungen entwickelt, um Lernangebote und Micro-Credentials auf individuelle Bedürfnisse zugeschnitten und passgenau zu vermitteln. Hierfür werden insbesondere die frühen und späten Phasen des Lernprozesses auf diejenigen bestehenden und potenziell relevanten Informationsbestände und Datenpunkte hin analysiert, die für ein solches „Matching” genutzt werden können. Besonders im Fokus stehen dabei die IT-bezogene Qualifikationsbedarfe in transformationsintensiven Branchen und Unternehmen.
Projektübersicht
- Laufzeit: 01. September 2021 - 31. August 2024
- Förderkennzeichen: 21INVI1803
- Verbundkoordinator: Fraunhofer IAO KODIS
- Weitere Projektpartner:
DHBW Heilbronn
Hochschule Heilbronn
WBS Training AG
- Projektvolumen: 1.315.976 €
- Finanzierung: BMBF / BIBB
- Projektwebsite
Projektbeschreibung
Im Verbundvorhaben KIRA werden Lernformen, Lernbedarfe und Lernerfolge modelliert und mit Referenzprozessen, Datenmodellen und Systemarchitekturen hinterlegt, die aufzeigen, wie Daten-, Informations- und Wissensflüsse im Ökosystem „Berufliche Weiterbildung” horizontal miteinander vernetzt werden müssen. Lernangebote sollen auf individuelle Bedürfnisse zugeschnitten und passgenau vermittelt werden, so dass sie den jeweiligen Lernbedürfnissen entsprechen, gleichzeitig aber auch die arbeitsmarktpolitischen Anforderungen für den Erfolg von Lerninhalten berücksichtigen. Dafür werden KI-basierte Service-Module entwickelt, die ein datengestütztes Matching von individuellen und arbeitsmarktbezogenen Lernanforderungen unterstützen. Entlang bestehender Qualifizierungsprozesse werden relevante Datenpunkte identifiziert und über automatisierte Datenanalysen miteinander verknüpft, um so die vertikale Vernetzung zu befördern. Die eingesetzten KI-Algorithmen wirken als unterstützendes Element für die Strukturierung, Selektion und Kombination von Lerninhalten. Ausgewählte Algorithmen werden schließlich als Software-as-a-Service über eine Cloudinfrastruktur für weitere Lern- und Qualifizierungsplattformen zur Verfügung gestellt, so dass die Erkenntnisse der vertikalen Analyse für die horizontale Vernetzung von Lernplattformanbietern genutzt werden können.