REFINE: Interaktives Feedback-System mit KI verbessert Lernprozesse

In einer wegweisenden Studie wurde REFINE vorgestellt, ein lokal einsetzbares, mehragentenbasiertes Feedback-System, das auf kleinen, Open-Source-Sprachmodellen basiert. Im Gegensatz zu herkömmlichen Ansätzen, die Feedback als statisches, einseitiges Dokument betrachten, behandelt REFINE Feedback als dynamischen, interaktiven Prozess.

Das System kombiniert mehrere spezialisierte Agenten: Ein pädagogisch fundierter Feedback-Generator erstellt zunächst eine erste Rückmeldung, ein „Judge“-Agent führt eine KI-gestützte Regenerationsschleife durch, um die Qualität zu optimieren, und ein selbstreflektierender, tool‑aufrufender Agent beantwortet anschließend Fragen der Lernenden mit kontextsensitiven, umsetzbaren Antworten.

Die Wirksamkeit von REFINE wurde in kontrollierten Experimenten sowie in einer realen Vorlesung für Informatikstudierende getestet. Automatisierte Bewertungen zeigten, dass die judge‑gesteuerte Regeneration die Feedbackqualität signifikant steigert. Der interaktive Agent lieferte zudem Antworten, die in Effizienz und Qualität mit einem führenden, proprietären Modell vergleichbar sind.

Eine Analyse der tatsächlichen Interaktionen der Studierenden offenbarte unterschiedliche Engagement‑Muster und zeigte, dass das systemgenerierte Feedback gezielt die nachfolgenden Fragen der Lernenden beeinflusst. Die Ergebnisse unterstreichen die Machbarkeit und Effektivität von mehragentenbasierten, tool‑unterstützten Feedback-Systemen für skalierbares, interaktives Lernen.