Virtuelle Lehrassistenz der ETH Zürich: Ethel

Künstliche Intelligenz ist längst keine ferne Zukunftsmusik mehr, sondern Teil des Lehralltags an vielen Hochschulen. Unterrichtende stehen vor der Herausforderung, grosse Studierendengruppen effizient zu betreuen, während sie gleichzeitig individuelle Lernprozesse fördern möchten. Digitale Assistenzen wie Chatbots können hier helfen, indem sie Routineaufgaben übernehmen und Lehrpersonen Freiraum für didaktisch wertvolle Aktivitäten schaffen.

Ein besonders spannendes Beispiel liefert die ETH Zürich mit ihrem Projekt Ethel. Hier wird ein KI-gestützter Chatbot als virtuelle Lehrassistenz eingesetzt, um Lehrende und Studierende im Alltag zu unterstützen.

Ethel: Eine Reihe von Komponenten für Lehre und Lernen

Ethel ist nun bereits im dritten Semester als virtuelle Lehrassistenz im Einsatz. Das System wurde an der ETH Zürich entwickelt und wird auch an der EPFL genutzt. Es handelt sich nicht um ein einzelnes Tool, sondern um eine Reihe von Komponenten, die das Lehren und Lernen an Hochschulen erleichtern.

Aktuell sind folgende Werkzeuge produktiv im Einsatz:

1. Referenz-basierter Chatbot
   Dieses Modul beantwortet Studierendenfragen direkt auf Grundlage der Kursunterlagen. Statt allgemeinem Weltwissen greift Ethel gezielt auf bereitgestellte Materialien zurück – etwa Skripte, Aufgaben oder Kursinfos.
2. Hausübungsfeedback
   Ethel kann Feedback zu studentischen Lösungen geben, basierend auf Musterlösungen oder Bewertungsrastern. Lehrpersonen können so Feedbackprozesse beschleunigen und standardisieren.
3. Kurzumfragen (Quickpoll)
   Lehrpersonen können schnell Umfragen durchführen – etwa, um das Verständnis der Studierenden zu prüfen oder deren Stimmung zu erfassen.

Das Projekt «Ethel» wird vom Rektorat der ETH Zürich und von swissuniversities unterstützt. Es wurde auf Wunsch der Studierenden gestartet. Geleitet wird es vom Physiker Gerd Kortemeyer, der an der ETH KI-Projekte für die Lehre betreut. Ziel ist es, Chancengleichheit und Barrierefreiheit zu fördern. Die Nutzung soll für alle kostenlos sein. 

Ethel in der Praxis

Ethel basiert auf einem GPT-4-Modell, das in einer sicheren Azure-Cloud in der Schweiz betrieben wird. Lehrpersonen stellen Kursmaterialien bereit, auf die der Bot bei Fragen zurückgreift. Das Ziel besteht darin, den Studierenden einen Chatbot zur Verfügung zu stellen, der weniger problematische Bias wiedergibt und keine eigenen Inhalte erfindet, sondern auf die jeweiligen Kurse zugeschnittene Antworten liefert.

Bereits in mehreren Kursen mit mehr als 1 500 Studierenden wurde Ethel erfolgreich eingesetzt (Stand 2024, vgl. Kortemeyer, 2024, S.1) . Die Rückmeldungen sind überwiegend positiv: Studierende schätzen die schnelle und kursnahe Unterstützung. Für Lehrpersonen bedeutet das weniger Zeitaufwand für Routinefragen und mehr Raum für Interaktion und vertiefende Lehrgespräche. Auch die Kosten sind überschaubar: etwa 7,50 USD pro Studierendem pro Kurs und Semester.

RAG: Das Prinzip hinter Ethel

Das Herzstück hinter solchen Anwendungen heisst RAG – Retrieval-Augmented Generation. Vereinfacht gesagt: Bevor die KI eine Antwort gibt, sucht sie zuerst relevante Informationen aus den bereitgestellten Kursunterlagen heraus. Diese werden dann mit der Anfrage der Studierenden kombiniert, damit die Antwort nicht nur aus allgemeinem Weltwissen entsteht, sondern sich ganz konkret auf den Kurs bezieht.

So weiss Ethel zum Beispiel nicht einfach irgendetwas über Mechanik, sondern genau das, was in dem Kurs an der ETH behandelt wird. Das macht die Antworten präziser und überprüfbarer. Gleichzeitig können Unterrichtende so sicherstellen, dass die KI im Rahmen des offiziellen Kursmaterials bleibt.

RAG hat für die Lehre grosses Potenzial. Zum einen verbessert es die Zuverlässigkeit der Antworten, weil die KI nicht frei erfindet, sondern auf konkrete Quellen zurückgreift. Zum anderen ermöglicht es eine bessere Anpassung an individuelle Lehrveranstaltungen. Studierende erhalten sofort Antworten, die genau zu ihrem Lernkontext passen. 

Natürlich bleiben Herausforderungen: KI kann sich irren, Material muss sorgfältig gepflegt werden, und Datenschutzfragen sind zentral. Doch die Erfahrungen an der ETH zeigen, dass diese Hürden mit kluger Gestaltung lösbar sind.