**Suchneutralität**
Eine Suchplattform bewertet von sich aus keine Angebote höher oder niedriger als andere, sondern stellt die Angebote nach der Relevanz für die Nutzenden zusammen.
*Odlyzko, Andrew (March 2009). ["Network Neutrality, Search Neutrality, and the Never-ending Conflict between Efficiency and Fairness in Markets"](https://www.bsi.umn.edu/\~odlyzko/doc/rne81.pdf "https://www.bsi.umn.edu/~odlyzko/doc/rne81.pdf")*
[https://en.wikipedia.org/wiki/Search_neutrality](https://en.wikipedia.org/wiki/Search_neutrality)
**Gamification**
Unter Gamification versteht man die Gestaltung von Prozessen unter Berücksichtigung der Erkenntnisse des (Computer-)Spieldesigns, um damit die Motivation für eine Tätigkeit zu steigern oder um ein Verhalten zu verändern. Dies wird als die Nutzung von Spielressourcen für Nicht-Spiel-Anwendungen bezeichnet.
Diese Ressourcen sind durch Anreize geprägt, welche im Bildungskontext zur Erhöhung des Engagements der Lernenden sowie zum Erkunden und Entdecken dienen. Der Einsatz von Feedback-Mechanismen, wie Belohnungs- und Reputationssysteme mit Punkten, Abzeichen, Ranglisten, spielt hier eine wesentliche Rolle.
Deterding, Sebastian, Dan Dixon, Rilla Khaled, und Lennart Nacke (2011). „From Game Design Elements to Gamefulness: Defining ‚Gamification‘“. In Proceedings of the 15th International Academic MindTrek Conference on Envisioning Future Media Environments - MindTrek ’11, 9. Tampere, Finland: ACM Press. [https://doi.org/10.1145/2181037.2181040.](https://doi.org/10.1145/2181037.2181040.)
Danelli, F. (2015). Implementing Game Design in Gamification. *Gamification in Education and Business*, 67–79. [https://doi.org/10.1007/978-3-319-10208-5_4](https://doi.org/10.1007/978-3-319-10208-5_4)
Fleischmann / Ariel (2016). Gamification in science education: gamifying learning of microscopic processes in the laboratory \[[https://research-repository.griffith.edu.au/handle/10072/394576](https://research-repository.griffith.edu.au/handle/10072/394576)\]
**Gaia-X**
"Mit Gaia-X entwickeln Vertreterinnen und Vertreter aus Wirtschaft, Wissenschaft und Politik auf internationaler Ebene einen nachhaltigen Beitrag zur Gestaltung der nächsten Generation einer europäischen Dateninfrastruktur. Ziel ist eine sichere und vernetzte Dateninfrastruktur, die den höchsten Ansprüchen an digitale Souveränität genügt und Innovationen fördert. In einem offenen und transparenten digitalen Ökosystem sollen Daten und Dienste verfügbar gemacht, zusammengeführt, vertrauensvoll geteilt und genutzt werden können."
[https://www.bmwi.de/Redaktion/DE/Dossier/gaia-x.html](https://www.bmwi.de/Redaktion/DE/Dossier/gaia-x.html)
**Adaptive Learning / Adaptives Lernen**
Adaptives Lernen heißt, Lernangebote und -aktivitäten technologiegestützt so bereitzustellen, dass sie in möglichst optimaler Weise den Bedürfnissen, Fähigkeiten und Erwartungen der Lernenden entsprechen. Um das individuelle Lernprofil so zu verstehen, wie es für die Realisierung von adaptivem Lernen notwendig ist, werden häufig Learning Analytics und Methoden der künstlichen Intelligenz eingesetzt.
Siehe auch: Personalisiertes Lernen, Learning Analytics
Schmid, U., Blanc, B. & Toepel, M. (2021). KI@Bildung: Lehren und Lernen in der Schule mit Werkzeugen Künstlicher Intelligenz: Schlussbericht. Abrufbar unter: [tinyurl.com/yc2c88um](https://www.telekom-stiftung.de/sites/default/files/files/media/publications/KI%20Bildung%20Schlussbericht.pdf "https://www.telekom-stiftung.de/sites/default/files/files/media/publications/KI Bildung Schlussbericht.pdf")
**Adaptive Lernumgebungen**
Adaptive Lernumgebungen sind flexible technologiegestützte Lernumgebungen, die Lerninhalt, Präsentationsmodus oder Lernpfade in Echtzeit an die Benutzer:innen und ihren Lernstand auf Basis der fortlaufenden Diagnose spezifischer individueller Charakteristika anpassen (z. B. Interesse, Vorwissen, Lernziele, Lernmotivation). Die Systemanpassungen können vom Lernenden mit geringer Frequenz initiiert werden (Adaptierbarkeit) oder fortlaufend systembasiert auf Basis der erhobenen Lernendendaten (Adaptivität). Es soll ein personalisiertes, bedarfsgerechtes Lernen unterstützt werden, indem das System die Rolle des Lehrenden zur Steuerung der Instruktion einnimmt.
Siehe auch: Intelligentes Tutoringsystem, Personalisiertes Lernen, Adaptives Lernen
Shemshack, A. & Spector, J. M. (2020). A systematic literature review of personalized learning terms. Smart Learning Environments, 7(1), 1–20. Abrufbar unter: [https://doi.org/10.1186/s40561-020-00140-9](https://doi.org/10.1186/s40561-020-00140-9) (letzter Zugriff: 23.05.2022).
Shute, V. & Zapata-Rivera, D. (2012). Adaptive Educational Systems. In: P. J. Durlach, A. M. Lesgold. Adaptive Technologies for Training and Education. Cambridge: Cambridge University Press, 7–27.
**Application Programming Interface (API)**
Eine standardisierte Programmierschnittstelle („Application Programming Interface“, API) ist eine technische Verbindungsstelle zum Datenaustausch zwischen verschiedenen Systemen, Anwendungen, Webseiten usw.
Siehe auch: Experience API (xAPI)
Hier findet sich ein gutes Einsteigertutorial, das die Funktionen und die Benutzung von APIs erläutert: freeCodeCamp.org (17.12.2019). APIs for Beginners -– How to use an API (full Course / Tutorial). Abrufbar unter: [https://www.youtube.com/watch?v=GZvSYJDk-us](oembed:https://www.youtube.com/watch?v=GZvSYJDk-us)
**Assessment List for Trustworthy Artificial Intelligence (ALTAI)**
Die „Assessment List for Trustworthy Artificial Intelligence“ (ALTAI) ist ein Tool, um die Vertrauenswürdigkeit von KI-Systemen zu testen. Dafür wurden die Ethik-Leitlinien für vertrauenswürdige Künstliche Intelligenz der Europäischen Kommission in konkrete Anforderungen übersetzt, die mit diesem Webtool für eigene Projekte überprüft werden können. Da die Fragen sehr detailliert sind, kann das Tool in den meisten Fällen nur Antworten liefern, wenn es verschiedene Projektmitarbeiter:innen gemeinsam ausfüllen. Im Ergebnis wird ein Feedback-Dokument erzeugt, das verbesserungswürdige Bereiche aufzeigt.
Siehe auch: Ethik-Leitlinien für vertrauenswürdige Künstliche Intelligenz der Europäischen Kommission
European AI Alliance (o. D.). ALTAI - The Assessment List on Trustworthy Artificial Inelligence. Abrufbar unter: tinyurl.com/bdd6vxzx (letzter Zugriff: 23.05.2022).
Europäische Kommission (17.07.2020). Artificial intelligence: The Commission welcomes the opportunities offered by the final Assessment List for Trustworthy AI (ALTAI). Abrufbar unter:
[https://digital-strategy.ec.europa.eu/en/news/artificial-intelligence-commission-welcomes-opportunities-offered-final-assessment-list-trustworthy](https://digital-strategy.ec.europa.eu/en/news/artificial-intelligence-commission-welcomes-opportunities-offered-final-assessment-list-trustworthy)
**Augmented Reality (AR)**
Augmented Reality (AR, deutsch: erweiterte Realität) erweitert die physische Welt um digitale Elemente. Bei ARs werden über Smartphones, Tablets oder Brillen virtuelle Inhalte über die echte Welt eingeblendet. Somit können Informationen vor der Rezeption durch Sinnesorgane manipuliert oder ergänzt werden. Der derzeitige technologische Fokus liegt auf der Manipulation von visuellen Stimuli, bei der die physische Welt von einer Kamera erfasst wird und auf einer digitalen Anzeige mit zusätzlichen Informationen ergänzt oder durch Weglassen von Informationen fokussiert wird.
Beispiel: Die Montage einer realen Maschine kann durch eingeblendete Hinweise über eine AR-Brille während der Arbeitstätigkeit erlernt werden.
Siehe auch: Virtual Reality
Edutech Wiki: Augmented Reality. Abrufbar unter: [http://edutechwiki.unige.ch/en/Augmented_reality](http://edutechwiki.unige.ch/en/Augmented_reality) (letzter Zugriff: 01.04.2022).
Cipresso, P., Giglioli, I., Raya, M. & Riva, G. (2018). The Past, Present, and Future of Virtual and Augmented Reality Research: A Network and Cluster Analysis of the Literature. Frontiers in Psychology, 06.11.2018. Abrufbar unter: [https://doi.org/10.3389/fpsyg.2018.02086](https://doi.org/10.3389/fpsyg.2018.02086)
**Authentifizierung**
Während der Authentifizierung wird die Authentizität eines Nachweises geprüft, im digitalen Raum in der Regel Nutzername und Passwort. Authentifizierungstechnologien prüfen, ob Anmeldeinformationen eines Benutzers / einer Benutzerin mit den Anmeldeinformationen in einer Datenbank mit autorisierten Benutzer:innen oder in einem Datenauthentifizierungsserver übereinstimmen. Bei der Authentifizierung handelt es sich in der Regel um den zweiten von drei Schritten (Authentisierung, Authentifizierung und Autorisierung), die durchgeführt werden, um einen Zugang zu digitalen Informationen oder Dienstleistungen zu erhalten.
Siehe auch: Authentisierung, Autorisierung
Rosencrance, L. (2021). Definiton Authentifizierung. Abrufbar unter:
[https://www.computerweekly.com/de/definition/Authentifizierung](https://www.computerweekly.com/de/definition/Authentifizierung)
**Authentisierung**
Unter Authentisierung versteht man die Vorlage eines Nachweises der verifiziert, dass die Person ist, wer sie angibt zu sein. In der Regel geschieht dies durch möglichst fälschungssichere Dokumente, wie den Personalausweis. Die weitverbreitetste Art, eine Identität im digitalen Raum zu verifizieren, ist die Bereitstellung eines Nutzernamens und eines Passworts. Die Eingabe von beiden Bestandteilen ist in diesem Fall die Authentisierung. Bei der Authentisierung handelt es sich in der Regel um den ersten von drei Schritten (Authentisierung, Authentifizierung und Autorisierung), die durchgeführt werden, um einen Zugang zu digitalen Informationen oder Dienstleistungen zu erhalten.
Siehe auch: Authentifizierung und Autorisierung
Czernik, A. (2016). Authentisierung, Authentifizierung und Autorisierung*.* Abrufbar unter: [https://www.dr-datenschutz.de/authentisierung-authentifizierung-und-autorisierung/](https://www.dr-datenschutz.de/authentisierung-authentifizierung-und-autorisierung/)
**Automated Assessment / Grading**
Beim Automated Assessment identifiziert ein Lernalgorithmus die richtige Lösung einer Aufgabe auf Grund markierter Trainingsdaten und gibt den Lernenden entsprechende Rückmeldung bzw. Bewertung. Automated Assessment ist eine Spezialform des „Supervised Learning“.
Siehe auch: Learning Analytics, Maschinelles Lernen
Schmid, U., Blanc, B. & Toepel, M. (2021). KI@Bildung: Lehren und Lernen in der Schule mit Werkzeugen Künstlicher Intelligenz: Schlussbericht.
Abrufbar unter:
[https://tinyurl.com/yx34tf38](https://tinyurl.com/yx34tf38)
**Autorisierung**
Bei der Authentisierung handelt es sich in der Regel um den letzten von drei Schritten (Authentisierung, Authentifizierung und Autorisierung), die durchgeführt werden, um einen Zugang zu digitalen Informationen oder Dienstleistungen zu erhalten. Abhängig von den vorherigen Schritten wird der Inhaberin bzw. dem Inhaber des Identifikationsnachweises Zugriff auf die angefragten Informationen oder Dienstleistungen gewährt oder verweigert. Im digitalen Raum ist dies der Zugriff auf die jeweiligen Systeme.
Siehe auch: Authentisierung, Authentifizierung
Czernik, A. (2016). Authentisierung, Authentifizierung und Autorisierung. Abrufbar unter: [https://www.dr-datenschutz.de/authentisierung-authentifizierung-und-autorisierung/](https://www.dr-datenschutz.de/authentisierung-authentifizierung-und-autorisierung/) (letzter Zugriff: 31.05.2022).
**Barrierefreiheit**
Barrierefreiheit (engl. „Accessibility“) meint das Ausmaß, in dem ein interaktives System es Benutzer:innen ermöglicht, eine Interaktion effektiv, effizient und zufriedenstellend auszuführen. Dies erfolgt ungeachtet möglicher Ausprägungen bzw. Einschränkungen des Sehvermögens, des Hörvermögens, der Geschicklichkeit, der Beweglichkeit oder der kognitiven Fähigkeiten. Barrierefreiheit weist somit einen starken Bezug zur Gebrauchstauglichkeit (Usability) auf, wobei der Schwerpunkt auf der Zugänglichkeit interaktiver Systeme für eine möglichst große Gruppe von Menschen liegt.
Beispiele für Unterstützungstechnologien im Web-Kontext sind Screenreader, Brailledisplays oder Alt-Tags für nicht-textuelle Elemente.
Siehe auch: Barrierefreie-Informationstechnik-Verordnung (BITV), Usability, W3C, Web Content Accessibility Guidelines (WCAG)
Deutsches Institut für Normung (2020). Ergonomie der Mensch-System-Interaktion – Teil 110: Interaktionsprinzipien (ISO 9241-110).
Deutsches Institut für Normung (2008). Ergonomie der Mensch-System-Interaktion – Teil 171: Leitlinien für die Zugänglichkeit von Software (ISO 9241-171).
**Barrierefreie-Informationstechnik-Verordnung (BITV)**
Die Barrierefreie-Informationstechnik-Verordnung 2.0 (BITV 2.0) ist seit Mai 2019 in Kraft und setzt EU-Richtlinien über die Barrierefreiheit von Websites um. Die BITV basiert auf den Web Content Accessibility Guidelines (WCAG) des W3C. Sie beschreibt die Anforderungen und Bedingungen, die eine Webseite erfüllen muss, um Barrierefreiheit zu unterstützen. Ihr Anwendungsbereich umfasst (fast) alle Webseiten und mobilen Anwendungen öffentlicher Stellen.
Siehe auch: Barrierefreiheit, Web Content Accessibility Guidelines (WCAG), W3C
Bundesministerium der Justiz (2019). Verordnung zur Schaffung barrierefreier Informationstechnik nach dem Behindertengleichstellungsgesetz (Barrierefreie-Informationstechnik-Verordnung-BITV 2.0). Abrufbar unter: [https://www.gesetze-im-internet.de/bitv_2_0/BJNR184300011.html](https://www.gesetze-im-internet.de/bitv_2_0/BJNR184300011.html) (letzter Zugriff: 23.05.2022).
**Blockcerts**
Bei Blockcerts handelt es sich um einen offenen Standard mit dem blockchainbasierte Zertifikate ausgestellt und verifiziert werden können.
Siehe auch: Blockchain
Blockcerts (o. D.). About Blockcerts. Abrufbar unter:
[https://www.blockcerts.org/about.html](https://www.blockcerts.org/about.html) (letzter Zugriff: 23.05.2022).
**Blockchain**
Blockchain-Technologien gehören zu den Distributed Ledger Technologien (DLTs), bei denen eine Kopie der Blockchain auf den verschiedenen Computern (Knoten) in einem Netzwerk, somit einem dezentralen System, gespeichert wird. Blockchain-Technologien lassen sich grundlegend in public/private und open/permissioned unterteilen. Dabei bezieht sich public/private darauf, wer Transaktionen in ein Netzwerk schreiben darf und open/permissioned darauf, wer auf die Blöcke der Blockchain zugreifen, diese ausführen und validieren darf.
Beispiel:
Eine der ersten erfolgreichen Umsetzung der Blockchain-Idee war Bitcoin, eine dezentrale, virtuelle, digitale Währung (Kryptowährung), die Blockchain als technisches Rahmenwerk nutzt.
Siehe auch: Blockcerts
Bundesanstalt für Finanzdienstleistungsaufsicht (2017, 29. Juni). Blockchain-Technologie. Abrufbar unter:[ ttps://www.bafin.de/DE/Aufsicht/FinTech/Blockchain/blockchain_artikel.html](https://www.bafin.de/DE/Aufsicht/FinTech/Blockchain/blockchain_artikel.html "https://www.bafin.de/DE/Aufsicht/FinTech/Blockchain/blockchain_artikel.html") (letzter Zugriff 28.05.2022).
FFM Specials (2018, 01. Februar). EU-Kommission gründet Forum für Blockchain-Technologie. Abrufbar unter: [https://tinyurl.com/2vj9tfc3](https://tinyurl.com/2vj9tfc3) (letzter Zugriff: 28.05.2022).
**Bundesdatenschutzgesetz (BDSG)**
Das Bundesdatenschutzgesetz ergänzt seit Mai 2018 die Datenschutz-Grundverordnung (DSGVO) um die Bereiche, die von der DSGVO nicht spezifisch geregelt sind und der nationalen Gesetzgebung unterliegen. Ergänzende Bestimmungen umfassen beispielsweise die Verarbeitung besonderer personenbezogener Daten (z. B. Daten von Beschäftigten).
Siehe auch: Datenschutz-Grundverordnung (DSGVO)
Bundesministerium der Justiz (2018): Bundesdatenschutzgesetz. Abrufbar unter: [http://www.gesetze-im-internet.de/bdsg_2018/](http://www.gesetze-im-internet.de/bdsg_2018/) (letzter Zugriff: 23.05.2022).
**Competency-Based Knowledge Space Theory (CbKST)**
**CenTrust**
Die CenTrust-Plattform ist der Datentreuhänder der Bundesdruckerei. Als unabhängige Vertrauensinstanz vermittelt ein Datentreuhänder Daten zwischen Datengeber und Datennutzer. Datentreuhänder sollen ermöglichen, dass Daten beispielsweise zu Forschungszwecken genutzt werden können, ohne dass personenbezogene Daten preisgegeben werden. Dazu werden verschiedene Grundprinzipien berücksichtigt (z. B. Anonymisierung, Souveränität und Transparenz).
Siehe auch: Datenschutz-Grundverordnung (DSGVO)
Bundesdruckerei (o. D.). Datentreuhänder - Datentreuhänder-Plattform mit Vertrauensstellendienst on demand. Abrufbar unter: [https://www.bundesdruckerei.de/de/loesungen/datentreuhaender](https://www.bundesdruckerei.de/de/loesungen/datentreuhaender) (letzter Zugriff: 23.05.2022).
**Chatbot**
Chatbots sind ein Beispiel von Mensch-Maschine-Interaktionen. Sie nutzen verschiedene Kommunikationsschnittstellen, z. B. Spracherkennung, um Anfragen automatisiert und ohne direkten menschlichen Eingriff zu beantworten oder zu bearbeiten. Chatbots, mit denen per natürlicher Sprache kommuniziert werden kann, haben sich zu intelligenten persönlichen Assistenten entwickelt. Durch den Einsatz Künstlicher Intelligenz (KI) sowie des maschinellen Lernens ist es möglich, selbstlernende Chatbots zu realisieren.
Einsatzmöglichkeiten:
Chatbots können überall dort eingesetzt werden, wo es um Kommunikation mit Menschen geht. Dies schließt Internetseiten und Instant-Messaging-Systeme ein.
Kohne, A., Kleinmann, P., Rolf, C., Beck, M. (2020). Chatbots – Aufbau und Anwendungsmöglichkeiten von autonomen Sprachassistenten. Wiesbaden: Springer Fachmedien.
McTear, M. F. (2017). The Rise of Conversational Interface: A New Kid on the Block? Future and Emerging Trends in Language Technology, Machine Learning and Big Data, Springer International Publishing, 38–49.
Luber, S., Litzel, Nico (2018, 28. Februar). Was ist ein Chatbot? Abrufbar unter:
[https://www.bigdata-insider.de/was-ist-ein-chatbot-a-690591/](https://www.bigdata-insider.de/was-ist-ein-chatbot-a-690591/) (letzter Zugriff: 28.05.2022).
**Common Cartridge (CC)**
Common Cartridge (CC) umfasst eine Reihe offener Standards, die vom IMS Global Learning Consortium entwickelt wurden und die Interoperabilität zwischen Inhalten und Systemen ermöglichen. Hierzu werden drei Formen von Inhalten unterschieden: Digitaler Content, Assessment Items und Inhalte in Diskussionsforen. Diese Punkte beinhalten Metadaten, Bewertungen, Diskussionen, strukturierte Inhalte, Rollen, akademische Standards, Webseiten und Links. CC reduziert hierzu jedoch auf drei Arten integrierbarer Objekte: LTI-Links, Weblinks und Metadaten.
Siehe auch: Interoperabilität
IMS Global Learning Consortium (2015). IMS Common Cartridge® Specification. Abrufbar unter: [https://www.imsglobal.org/cc/index.html](https://www.imsglobal.org/cc/index.html) (letzter Zugriff: 28.05.2022).
**Comprehensive Learner Record (CLR)**
Diese technische Spezifikation ermöglicht den Austausch und die Verifikation von Leistungsnachweisen zwischen interoperablen Systemen. Die herkömmliche Übersicht von Lernleistungen (transcript of records) kann durch Implementierung dieses Standards erweitert werden, z. B. um Informationen zu erlangten Kompetenzen, lehrplanunabhängige Aktivitäten oder Open Badges. Zudem wird dadurch ein Speicher der Lernleistungen definiert, der durch den Lernenden gepflegt und kontrolliert wird. Der Comprehensive Learner Record Standard unterstützt Leistungsnachweise, die in unterschiedlichen Bildungsprozessen erlangt werden (z. B. akademisch, betrieblich, informell). Er macht sich den Open Badge Standard zu Nutze und ist mit dem W3C Verifiable Credentials Standard kompatibel.
IMS Global Learning Consortium (o. D.): Comprehensive Learner Record Standard™. Abrufbar unter: [http://www.imsglobal.org/activity/comprehensive-learner-record](http://www.imsglobal.org/activity/comprehensive-learner-record) (letzter Zugriff: 23.05.2022).
**Computer Managed Instruction (cmi5)**
cmi5 (Computer Managed Instruction) ist der neueste LMS-Standard und wird von der Advanced Distributed Learning Initiative (ADL) entwickelt. Er kombiniert die Vorteile von SCORM und xAPI, indem er zahlreiche Möglichkeiten bereithält, um verschiedene Lernaktivitäten und -daten festzuhalten und gleichzeitig die feste Struktur von SCORM aufweist, die eine festgelegte Kommunikation zwischen Kurs und LMS ermöglicht. cmi5 ist im Grunde ein Profil für xAPI, um die Interoperabilität auf verschiedenen Kriterien zwischen Kurs und LMS festzulegen. xAPI allein bietet zu viele Möglichkeiten, um eine einheitliche Kommunikation mit verschiedenen LMS zu ermöglichen.
Advanced Distributed Learning Initiative (o. D.). cmi5 Specification. Abrufbar unter [https://adlnet.gov/projects/](https://adlnet.gov/projects/)
cmi5-specification/
(letzter Zugriff: 23.05.2022).
GitHub (o. D.). The cmi5 Project. Abrufbar unter: [https://aicc.github.io/CMI-](https://aicc.github.io/CMI-)
5_Spec_Current/ (letzter Zugriff: 23.05.2022).
**Computer Supported Collaborative Learning (CSCL)**
Computer Supported Collaborative Learning (CSCL) beschreibt einen kollaborativen Lernprozess, der durch einen Computer gestützt wird, z. B. wenn Wikis gemeinsam bearbeitet werden. CSCL fußt auf soziokonstruktivistischen Modellen des Lernens. Im Rahmen der Forschungslinien zu CSCL wird insbesondere betrachtet, durch welche Unterstützungsfunktionen Computer kollaborative Lern- und Arbeitsprozesse bestmöglich fördern können.
Fischer, F., Kollar, I., Stegmann, K., & Wecker, C. (2013). Toward a script theory of guidance in computer-supported collaborative learning. Educational psychologist, 48(1), 56–66.
**Corporate Digital Responsibilty-Kodex (CDR-Kodex)**
Die Corporate Digital Responsibility-Initiative wurde vom Bundesministerium für Justiz und Verbraucherschutz gemeinsam mit verschiedenen Unternehmen im Jahr 2018 gegründet. Die CDR-Initiative möchte Organisationen ermutigen, sich ihrer digitalen Verantwortung bewusst zu werden und aktiv zu gestalten. Dafür hat die Initiative den CDR-Kodex veröffentlicht, der neun Prinzipien nennt und 15 Ziele in verschiedenen Handlungsbereichen (z. B. dem Umgang mit Daten) definiert. Unternehmen werden dazu angeregt, sich öffentlich zu diesem Kodex zu bekennen und somit zu unterstreichen, dass sie sich ihrer digitalen Verantwortung bewusst sind.
Bundesministerium der Justiz und für Verbraucherschutz (2021). CDR- Initiative & Nachhaltigkeitsziele- Maßnahmen, die zur Verwirklichung der 17 Nachaltigkeitsziele (SDGs) der Vereinten Nationen beitragen können. Abrufbar unter:
tinyurl.com/4bzrn6mv (letzter Zugriff: 23.05.2022).
Bundesministerium der Justiz (o. D.). Corporate Digital Responsibilty (CDR) - Initiative. Abrufbar unter:
tinyurl.com/646ty6w7l
(letzter Zugriff: 23.05.2022).
**Data Exchange for Training Information Systems (DEfTIS)**
DEfTIS steht für „Data Exchange for Training Information Systems“. DEfTIS ist ein Datenaustauschformat, das in der DIN-Spezifikation PAS 1045 empfohlen wurde. Die Spezifikation selbst wurde mittlerweile mangels Bedarfs wieder zurückgezogen, das Dateiformat DEfTIS wird jedoch stellenweise noch von Weiterbildungsdatenbanken genutzt. DEfTIS beschreibt, wie der Austausch von Informationen zwischen Weiterbildungsdatenbanken aussehen kann. Dabei wird lediglich ein Datenformat, keine Schnittstelle, definiert. DEfTIS basiert auf XML-Dokumenten.
PAS 1045 (2007). Definition der Formate zum Datenaustausch: DEfTIS (Data Exchange for Training Information Systems). Abrufbar unter: [tinyurl.com/f8zfmns8](http://projekt.iwwb-files.de/PAS/DEfTIS_zu_PAS1045_Ver_5_07.pdf "http://projekt.iwwb-files.de/PAS/DEfTIS_zu_PAS1045_Ver_5_07.pdf") (letzter Zugriff: 23.05.2022).
**Data Wallet**
Ein Data Wallet beschreibt die virtuelle Ablage verschiedener (personenbezogener) Datensätze. Diese können Informationen wie den Namen, eine Adresse, offizielle Zertifikate und Zeugnisse oder auch digitale Chat-Konversationen beinhalten. Meist werden Data Wallets mit Verwaltungsfunktionen angeboten, über die eine Steuerung der Zugriffsberechtigungen von Externen auf die eigenen Daten möglich ist. Das Konzept der individuellen Datenhoheit ist mit der technologischen Lösung des Data Wallets verknüpft.
Beispiele: Die Apple Wallet bspw. für Flugtickets und Kaufbelege ist eine bereits weit verbreitete Data Wallet. Im Rahmen der Nationalen Bildungsplattform wird die Enmeshed App als Demonstration genutzt. Die Lissi – Identity Wallet ist ein weiteres Beispiel für eine in der Entwicklung befindliche digitale Brieftasche.
Ruff, T. (2020, 21. April). When Exlaining SSL, Start with the Wallet. Abrufbar unter: [https://tinyurl.com/4rb9db27](https://tinyurl.com/4rb9db27)
(letzter Zugriff: 01.04.2022).
Die Bundesregierung (2021, 29. Oktober). Nachweise für die digitale Brieftasche. Abrufbar unter: [https://tinyurl.com/8a9ws92t](https://tinyurl.com/8a9ws92t)
(Letzter Zugriff: 01.04.2022).
Main Incubator GmbH (o. D.): Lissi - die neue Lösung für Identitäten. Abrufbar unter: [https://lissi.id/](https://lissi.id/) (Letzter Zugriff: 01.04.2022).
j&s-soft GmbH (o. D.): Enmeshed - Digitalization on a whole new level. Abrufbar unter: [https://enmeshed.eu/](https://enmeshed.eu/)
(Letzter Zugriff: 01.04.2022).
**Datenethikkommission**
Die Datenethikkommission (DEK) ist ein unabhängiges Expertengremium, das vom BMI und BMJV im Juli 2018 eingesetzt wurde. In ihrem Gutachten von 2019 stellt die DEK ethische Maßstäbe, Leitlinien und Handlungsempfehlungen in Bezug auf algorithmische Systeme und Daten vor. Dabei werden die Überlegungen der DEK von sieben grundsätzlichen Prinzipien geleitet, wie z. B. der Selbstbestimmung, der Privatheit oder der Nachhaltigkeit.
Datenethikkommission der Bundesregierung (2019): Gutachten der Datenethikkommission der Bundesregierung. Abrufbar unter: [https://www.bundesregierung.de/breg-de/service/publikationen/gutachten-der-datenethikkommission-langfassung-1685238](https://www.bundesregierung.de/breg-de/service/publikationen/gutachten-der-datenethikkommission-langfassung-1685238) (letzter Zugriff: 01.06.2022).
**Datenschutzcockpit**
Das Datenschutzcockpit soll auf Basis des Registermodernisierungsgesetzes von April 2021 eingeführt werden. Damit sollen Bürger:innen in der Lage sein, sich unkompliziert online anzeigen zu lassen, welche Daten für welche Verwaltungsvorgänge an öffentliche Stellen übermittelt wurden. Die Datenübermittlungen können von den Bürger:innen digital eingesehen werden. Neben Protokoll- und Inhaltsdaten sollen auch Bestandsdaten angezeigt werden.
Bundesminiterium des Inneren und für Heimat (2021, 9. November).
Mehr Transparenz für Bürgerinnen und Bürger: Bremen entwickelt bundesweites Datenschutzcockpit. Abrufbar unter: [https://www.onlinezugangsgesetz.de/SharedDocs/kurzmeldungen/Webs/OZG/DE/2021/11_Datenschutzcockpit.html](https://www.onlinezugangsgesetz.de/SharedDocs/kurzmeldungen/Webs/OZG/DE/2021/11_Datenschutzcockpit.html) (letzter Zugriff: 28.05.2022).
**Datenschutz-Grundverordnung (DSGVO)**
Die Europäische Datenschutz-Grundverordnung (dt.: DSGVO; engl.: GDPR) ist im Mai 2018 in Kraft getreten. Sie soll ein europaweit einheitliches Datenschutzniveau für personenbezogene Daten gewährleisten. Dafür werden u. a. sechs Grundsätze für die Verarbeitung personenbezogener Daten benannt (Art. 5 Abs. 1 lit a–f DSGVO):
\- Rechtmäßigkeit, Verarbeitung nach Treu und Glauben, Transparenz
\- Zweckbindung
\- Datenminimierung
\- Richtigkeit
\- Speicherbegrenzung
\- Integrität und Vertraulichkeit
Siehe auch: Telekommunikation-Telemedien-Datenschutzgesetz (TTDSG), E-Privacy-Verordnung
Intersoft consulting (o. D.). Datenschutz-Grundverordnung (DSGVO). Abrufbar unter: [https://dsgvo-gesetz.de/](https://dsgvo-gesetz.de/) (letzter Zugriff 24.05.2022).
**Datensouveränität**
**Decentralized Identifiers (W3C)**
Das W3C arbeitet aktuell einen Standard aus, der einen Rahmen für dezentrale Identifier (DID) beschreibt. DIDs werden benötigt, um das Konzept der SSI umzusetzen. DIDs fungieren dabei als Adressen und zeigen an, wo die zu prüfende Identität zu finden ist. Dabei behalten die Nutzer:innen die Kontrolle über die Erzeugung und Lebensdauer der DIDs. In dem Standard werden beispielsweise die Architektur und das Datenmodel von DIDs beschrieben.
Siehe auch: Self Sovereign Identities (SSI), W3C
W3C (2021, 3. August): Decentralized Identifiers (DIDs), v1.0. Abrufbar unter: [https://www.w3.org/TR/did-core/ ](https://www.w3.org/TR/did-core/)(letzter Zugriff: 01.06.2022).
**DELICATE Checkliste**
Die DELICATE Checkliste ist eine Acht-Punkte Checkliste, um eine vertrauenswürdige Implementation von Learning Analytics (LA) zu erreichen. Sie richtet sich an Forscher:innen, politische Entscheidungsträger:innen und Projektentwickler:innen. Die Checkliste besteht aus acht Themenbereichen bzw. Prinzipien und kurzen Reflexionsfragen und Handlungsaufträgen, die es im Projektverlauf zu adressieren gilt. Die Checkliste ist so kurz, dass sie prinzipiell in jedem LA-Projekt zumindest andiskutiert werden kann.
Siehe auch: Learning Analytics
Drachsler H. & Greller W. (2016, April). Privacy and analytics: it’s a DELICATE issue a checklist for trusted learning analytics. In: LAK’ 16: Proceedings of the Sixth International Conference on Learning Analytics and Knowledge, 89-98. Abrufbar unter: [https://dl.acm.org/doi/10.1145/2883851.2883893](https://dl.acm.org/doi/10.1145/2883851.2883893) (letzter Zugriff: 23.05.2022).
Die Checkliste selbst ist auch über die Google-Bildersuche einsehbar.
**Der Deutsche Qualifikationsrahmen (DQR)**
Ein Framework, das schulische, berufliche und hochschulische Bildungsabschlüsse acht Niveaustufen zugeordnet. Die acht Niveaustufen entsprechen denen des Europäischen Qualifikationsrahmens (EQR). Ziele sind, deutsche Qualifikationen auch im europäischen Ausland verständlicher zu machen und die Durchlässigkeit innerhalb des deutschen Bildungssystems zu unterstützen. Weiterbildungsangebote, die nicht staatlich geregelt sind, können derzeit nicht den Niveaustufen des DQR zugewiesen werden, perspektivisch wird hierfür an einer Lösung gearbeitet.
Siehe auch: European Qualifications Framework (EQF)
Bundesministerium für Bildung und Forschung (o. D.). Der DQR – FAQ. Abrufbar unter: [https://www.dqr.de/content/2360.php](https://www.dqr.de/content/2360.php) (letzter Zugriff: 23.05.2022).
**DigCompEdu**
Der europäische Rahmen für die digitale Kompetenz Lehrender (DigCompEdu) beschreibt Kompetenzen, die Lehrpersonen für die digital gestützte Lehre benötigen. Das Framework besteht aus 22 Kompetenzen, die sechs Bereichen (Berufliches Engagement, Digitale Ressourcen, Lehren und Lernen, Evaluation, Lernerorientierung, Förderung der Digitalen Kompetenz der Lernenden) zugeordnet werden. Mithilfe eines Tools können Lehrende den Status ihrer persönlichen digitalen Kompetenzen ermitteln. Es werden sechs Niveaustufen unterschieden. Das Tool gibt es in drei Versionen, die für die Bildungsbereiche allgemein- oder berufsbildende Schule, (Fach-)Hochschule, Erwachsenenbildung ausdifferenziert sind.
Europäische Kommission (o. D.): Digital Competence Framework for Educators (DigCompEdu). Abrufbar unter: [https://ec.europa.eu/jrc/en/digcompedu](https://ec.europa.eu/jrc/en/digcompedu) (letzter Zugriff: 01.06.2022).
**DigiCerts**
Ein Zusammenschluss von Hochschulen und Forschungseinrichtungen (u. a. Fraunhofer FIT), die eine nachhaltige Lösung für digitale Zertifikate basierend auf der Blockchaintechnologie entwickeln wollen. DigiCerts betreibt ein Blockchain-Netzwerk für die Validierung digitaler Zertifikate. Die Basis bildet die „Blockchain for Education“, die vom Fraunhofer FIT entwickelt wird. Sie basiert wiederum auf der Ethereum Blockchain und nutzt den Open Badges V2.0 Standard mit eigenen Erweiterungen zur Beschreibung der Zertifikatsdaten.
Siehe auch: Blockchain
Fraunhofer-Institut für Angewandte Informationstechnik FIT (o. D.). DigiCerts. Abrufbar unter: [https://www.digicerts.de/](https://www.digicerts.de/) (letzter Zugriff: 23.05.2022).
**Digital Competence Framework (DigComp)**
Das Digital Competence Framework ist ein Kompetenzframework für digitale Kompetenzen, aufgestellt von der Europäischen Kommission. Die Kompetenzen sind fünf Bereichen zuzuordnen: Information und data literacy, communication and collaboration, digital content creation, safety, problem solving. Insgesamt werden 21 Kompetenzen identifiziert, die acht verschiedenen Niveaustufen zugeordnet werden. Das Framework wird beispielsweise in einem Selbsteinschätzungstool zu digitalen Kompetenzen im Rahmen des Europass Lebenslauf-Tools verwendet. Für Online-Weiterbildungsanbieter könnte das Framework interessant sein, um die notwendigen digitalen Fähigkeiten für das Absolvieren von Online-Lernangeboten einzuschätzen.
Joint Research Centre (o. D.). DigComp. Abrufbar unter: [https://ec.europa.eu/jrc/en/digcomp](https://ec.europa.eu/jrc/en/digcomp) (letzter Zugriff: 23.05.2022).
**Digital Credentials**
Digital Credentials sind die digitalen Repräsentationen eines traditionell papierbasierten Zertifikats und anderen materiellen Objekten, die von vertrauenswürdigen Parteien ausgegeben werden und in einer Data Wallet gespeichert werden können. Dabei stellen Digital Credentials eine zuverlässige Möglichkeit dar, Zertifikate in sozialen Netzwerken oder per E-Mail zu teilen. Darüber hinaus erlauben Digital Credentials eine bessere Einschätzung des Zertifikats als es üblicherweise bei Papierzertifikaten der Fall ist, da zusätzliche Informationen zur ausstellenden Organisation und zu den Voraussetzungen für den Erhalt bereitgestellt werden können.
Beispiel: Zurzeit wird von der Europäischen Kommission eine Europass-Infrastruktur für digitale Zertifikate entwickelt, um die Anerkennung von Qualifikationen und anderen Lernergebnissen in ganz Europa effizienter und sicherer zu machen.
Siehe auch: Digitale Zertifikate, Data Wallet
Gottlieb, M., Pongratz, H. (2021) Hilfestellung bei der Entwicklung einer Strategie für Digital Credentials im Bildungswesen. In: Geschäftsstelle beim Stifterverband (eds) Digitalisierung in Studium und Lehre gemeinsam gestalten. Springer VS, Wiesbaden. [https://doi.org/10.1007/978-3-658-32849-8_19](https://doi.org/10.1007/978-3-658-32849-8_19) (letzter Zugriff: 01.06.2022).
Europäische Union (o. D.). Was sind digtiale Zertifikate?. Abrufbar unter:
[https://europa.eu/europass/de/what-are-digital-credentials](https://europa.eu/europass/de/what-are-digital-credentials)
(letzter Zugriff: 01.04.2022).
**Digitale Zertifikate**
Ein digitales Zertifikat ist ein elektronischer Echtheitsnachweis, der die Identität einer Person, eines interaktiven Systems oder einer Organisation bescheinigt.
Bsp. EMREX
Siehe auch: Digital Credentials
Czernik, A. (2016, 30. September). Wie funktioniert ein digitales Zertifikat? Abrufbar unter: [https://www.dr-datenschutz.de/wie-funktioniert-ein-digitales-zertifikat/](https://www.dr-datenschutz.de/wie-funktioniert-ein-digitales-zertifikat/) (letzter Zugriff 24.05.2022).
**Digitaler Zwilling**
Ein digitaler Zwilling stellt das digitale Abbild eines realen Objekts dar und kann als angereichertes Modell beispielsweise auch das Verhalten des realen Objekts simulieren. Hierbei kann das reale Objekt sowohl bereits bestehen als auch zukünftig geplant worden sein.
wikipedia (2022, 01. März). Digitaler Zwilling. Abrufbar unter: [https://de.wikipedia.org/wiki/Digitaler_Zwilling](https://de.wikipedia.org/wiki/Digitaler_Zwilling) (letzter Zugriff 24.05.2022).
**Domänenmodell**
Das Domänenmodell wird in adaptiven Lernsystemen zur Abstraktion des Wissensraums sowie zur Strukturierung und Beschreibung der Lerninhalte verwendet. Es soll somit eine Verbindung zwischen dem Wissen und den Lernzielen der Benutzer:innen des Systems geschaffen werden. Eine Domäne wird aufgefasst als eine endliche Anzahl spezifischer Inhaltskomponenten, die zur Problemlösung oder Inhaltsgenerierung genutzt werden können. Darauf aufbauend können Inhalte und deren Anordnung in Lernsystemen modelliert werden. Das Modell wird von Autor:innen erstellt, in Form von Informationseinheiten (z. B. Fragmente, Seiten, Kapitel, Module) dargestellt.
Siehe auch: Adaptives Lernen, Adaptive Lernumgebungen, Intelligentes Tutoringsystem
Ennouamani, S., Mahani, Z. (2017). An Overview of Adaptive E-Learning Systems. IEEE Eighth International Conference on Intelligent Computing and Information Systems, 342–347.
Knutov, E., de Bra, P., Pechenizkiy, M. (2009). AH 12 Years Later. A Comprehensive Survey of Adaptive Hypermedia Methods and Techniques. New Review of Hypermedia and Multimedia, 15(1), 5–38.
**Dublin Core**
Der Dublin Core ist ein Metadatenschema zur Beschreibung von elektronischen Ressourcen. Genauer handelt es sich um eine Sammlung einfacher und standardisierter Konventionen zur Beschreibung von Dokumenten und anderen Objekten im Internet. Es umfasst 15 Kategorien z. B. zur Urheberschaft oder zur Sprache des Materials. Der Dublin Core zielt auf die Beschreibung sämtlicher Ressourcen und wurde nicht spezifisch für Lernmaterialien entwickelt. Der Dublin Core wurde als Norm (ISO 15836) formalisiert.
Dublin Core Metadata Innovation (o. D.). DCMI Home. Abrufbar unter: [https://www.dublincore.org/](https://www.dublincore.org/) (letzter Zugriff: 23.05.2022).
**Educational Data Mining (EDM)**
Educational Data Mining (EDM) ist eine Disziplin, die sich mit der Entwicklung und Anwendung von Methoden zur Erforschung von bildungsbezogenen Daten befasst. Dazu werden beispielsweise Data Mining-Techniken und Methoden aus der Psychometrie genutzt. Durch EDM können z. B. Lernprozesse, -aktivitäten, und -dauer sowie Testleistungen gemessen und analysiert werden, um daraus Erkenntnisse abzuleiten, wie Lernende mit bestimmten Lernangeboten und Systemen lernen. EDM ist eng verwandt mit Learning Analytics, hat aber eher einen Fokus auf der Automatisierung von Datenauswertungen und der Optimierung von Lernsettings.
Siehe auch: Learning Analytics
Baker, R. S., & Yacef, K. (2009). The state of educational data mining in 2009: A review and future visions. Journal of educational data mining, 1(1), 3–17.
Siemens, G., & Baker, R. S. D. (2012). Learning analytics and educational data mining: towards communication and collaboration. In Proceedings of the 2nd international conference on learning analytics and knowledge (pp. 252–254).
Schmid, U., Blanc, B. & Toepel, M. (2021). KI@Bildung: Lehren und Lernen in der Schule mit Werkzeugen Künstlicher Intelligenz: -Schlussbericht.
Abrufbar unter: [tinyurl.com/yc2c88um](https://www.telekom-stiftung.de/sites/default/files/files/media/publications/KI%20Bildung%20Schlussbericht.pdf "https://www.telekom-stiftung.de/sites/default/files/files/media/publications/KI Bildung Schlussbericht.pdf")
(letzter Zugriff: 01.04.2022).
**Educational Process Mining**
**eID**
Die eID ist die elektronische Form des Personalausweises. Es handelt sich somit nicht um eine bloße digitale Nutzendenidentität, sondern um die behördlich bestätigte Identität. Die eID ist seit 2017 bei allen neu ausgestellten Personalausweisen aktiviert und kann beispielsweise per App (z. B. „AusweisApp2“) ausgelesen werden. Theoretisch wäre es möglich, die eID als Grundlage für die Anmeldung auf Weiterbildungsplattformen zu nutzen. Allerdings müssen Dienstleister für die Verwendung der eID eine Berechtigung beantragen und DSGVO- und eIDAS-Konformität nachweisen.
Siehe auch: Datenschutz-Grundverordnung (DSGVO), eIDAS
Bundesamt für Sicherheit und Informationstechnik (o. D.). Elektronische Identitäten. Abrufbar unter:
[https://tinyurl.com/mrybzd4a](https://tinyurl.com/mrybzd4a) (letzter Zugriff: 30.05.2022)
**eIDAS**
Die EU-Verordnung über elektronische Identifizierung und Vertrauensdienste für elektronische Transaktionen („eIDAS-Verordnung“) trat im Juli 2016 vollständig in Kraft. Die notwendigen nationalen Regelungen zur Umsetzung der EU-Verordnung wurden im eIDAS-Durchführungsgesetz festgesetzt. Die eIDAS-Verordnung regelt u. a. die grenzüberschreitende Nutzung der nationalen, elektronischen Identifizierungsnachweise (z. B. elektronischer Personalausweis). Für die Umsetzung der eIDAS-Verordnung entsteht aktuell ein Ökosystem verschiedener Dienste (z. B. Identifizierungs- und Zertifizierungsdienste).
Europäisches Parlament (2014, 23. Juli). eIDAS Verordnung. Abrufbar unter: [https://www.eid.as/de](https://www.eid.as/de) (letzter Zugriff: 30.05.2022).
**ELMO**
ELMO ist ein XML-Format für Informationen zu Assessments. ELMO basiert auf der Norm EN 15981 EuroLMAI. Die aktuelle ELMO-Version ist 1.6.0. Es existiert ein Technisches Handbuch und ein GitHub-Repositorium, welches u. a. das ELMO-XSD-Schema enthält. ELMO erlaubt zusätzlich zu den XML-Daten optionale PDF-Anhänge.
EMREX (2020, 1. Januar): Technical Description and Implementation Guide, v1.1. Abrufbar unter: [https://emrex.eu/wp-content/uploads/2020/01/Technical-Guide-to-EMREX.pdf](https://emrex.eu/wp-content/uploads/2020/01/Technical-Guide-to-EMREX.pdf) (letzter Zugriff 01.06.2022).
GitHub (o. D.). Releases emrex-eu/elmo-schemas. Abrufbar unter:
[https://github.com/emrex-eu/elmo-schemas/releases](https://github.com/emrex-eu/elmo-schemas/releases) (letzter Zugriff 24.05.2022).
**ELSI-Kriterien**
ELSI ist die Abkürzung für „Ethical, Legal and Social Implications“, übersetzt bedeutet es so viel wie „ethische, rechtliche und soziale Auswirkungen“. Ursprünglich handelt es sich dabei um ein Forschungsprogramm des National Human Genome Research Institute, das sich mit der Förderung der grundlagenorientierten und angewandten Forschung über die ethischen, rechtlichen und sozialen Auswirkungen der Gen- und Genomforschung auseinandersetzt. Inzwischen finden die ELSI-Kriterien Anwendung in vielen anderen Disziplinen.
National Human Genome Research Institute (o. D.): Ethical, Legal and Social Implications Research Program. Abrufbar unter: [https://www.genome.gov/Funded-Programs-Projects/ELSI-Research-Program-ethical-legal-social-implications](https://www.genome.gov/Funded-Programs-Projects/ELSI-Research-Program-ethical-legal-social-implications) (letzter Zugriff 01.06.2022).
**EMREX**
**ePayBL**
ePayBL ist ein von Bund und Ländern entwickeltes elektronisches Bezahlsystem. Einrichtungen, die zu mindestens 50 % in öffentlicher Hand sind, dürfen die Software nutzen. ePayBL unterstützt verschiedene Zahlungsarten (z. B. Überweisung, Kreditkarte, PayPal). Die Besonderheiten des Zahlungsverkehrs öffentlicher Einrichtungen und die Anforderungen der öffentlichen Verwaltung werden von ePayBL berücksichtigt.
Freistaat Sachsen (o. D.). Online Bezahlen in der öffentlichen Verwaltung mit ePayBL. Abrufbar unter: [https://www.epaybl.de/](https://www.epaybl.de/) (letzter Zugriff: 24.05.2022).
**E-Privacy-Verordnung**
Die E-Privacy-Verordnung der EU soll den Umgang mit personenbezogenen Daten in Online-Medien regeln. Die Verordnung soll die allgemein gehaltene DSGVO um einige spezifische Regelungen, z. B. zur Nutzung von Cookies, erweitern und die veraltete „ePrivacy-Richtlinie“ von 2002 ersetzen. Allerdings läuft das Rechtssetzungsverfahren seit mindestens 2016 mit Diskussionen und Entwurfsüberarbeitungen. Der finale Verordnungstext ist noch nicht verabschiedet. Ein Inkrafttreten der Verordnung wird daher frühestens für 2023 erwartet.
Siehe auch: Telekommunikation-Telemedien-Datenschutzgesetz (TTDSG), Datenschutz-Grundverordnung (DSGVO)
Der Bundesbeauftragte für den Datenschutz und die Informationsfreiheit (o. D.): E-Privacy-Verordnung. Abrufbar unter: [https://www.bfdi.bund.de/DE/Fachthemen/Inhalte/Telefon-Internet/Positionen/ePrivacy_Verordnung.html](https://www.bfdi.bund.de/DE/Fachthemen/Inhalte/Telefon-Internet/Positionen/ePrivacy_Verordnung.html) (letzter Zugriff: 01.06.2022).
**ESCO**
Das europäische Klassifikationssystem ESCO (European Skills, Competences, Qualifications and Occupations) ist eine Taxonomie zur Klassifikation von Fähigkeiten, Qualifikationen und Berufen, die in der Vollversion (ESCO v1) erstmals 2017 veröffentlicht wurde. Die enthaltenen Berufs- (2.942) sowie Fähigkeitsbeschreibungen (13.485) sind in 27 Sprachen übersetzt. Die Säule der Berufe enthält hierarchisch strukturierte Berufskonzepte, die der Internationalen Standardklassifikation der Berufe (ISCO) zugeordnet werden. Innerhalb der Säule der Fähigkeiten wird zwischen Konzepten für Fähigkeiten und Kompetenzen auf der einen Seite sowie Konzepten für Kenntnisse auf der anderen Seite unterschieden. Die Konzepte sind hierarchisch strukturiert. In der dritten Säule der Qualifikationen werden in Europass Informationen zu Qualifikationen dargestellt. Weiterbildungsanbieter können ESCO nutzen, um Daten über die bei ihnen erworbenen Qualifikationen in der ESCO Terminologie zu beschreiben. Durch den gemeinsamen Standard sollen Akteure auf dem Arbeitsmarkt und Lernende die Qualifikationen besser verstehen und einordnen können.
Siehe auch: Taxonomie, Europass
Europäische Kommission (o. D.). Was ist ESCO?. Abrufbar unter: [https://esco.ec.europa.eu/de](https://esco.ec.europa.eu/de) (letzter Zugriff 01.06.2022).
**Ethical Framework für AI in Education**
Das 2018 gegründete Institute for Ethical AI in Education (angebunden an die Buckingham University, UK) ist eine Gruppierung zahlreicher Bildungs-Stakeholder. Das Hauptarbeitsergebnis dieser Gruppierung ist ein Framework zur Berücksichtigung moralischer Aspekte beim KI-Einsatz in der Bildung. Das Framework benennt verschiedene Ziele, z. B. „Transparenz“ oder „informierte Teilhabe“ und zeigt auf, mit welchen Kriterien diese Ziele jeweils erreicht werden können. Eine Checkliste in Fragenform kann praktische Hinweise für die Entwicklung neuer Anwendungen bieten. Das (sehr kurze) Framework wurde hauptsächlich für Schulbildungskontexte entwickelt, könnte aber auch für KI-Anwendungen in der beruflichen Bildung relevant sein. Es ist eines der wenigen Dokumente, die überhaupt spezifisch den Einsatz von KI im Bildungskontext thematisieren.
Institute for Ethical AI in Education (o. D.): The Ethical Framework for AI in Education. Abrufbar unter: [https://www.buckingham.ac.uk/wp-content/uploads/2021/03/The-Institute-for-Ethical-AI-in-Education-The-Ethical-Framework-for-AI-in-Education.pdf](https://www.buckingham.ac.uk/wp-content/uploads/2021/03/The-Institute-for-Ethical-AI-in-Education-The-Ethical-Framework-for-AI-in-Education.pdf) (letzter Zugriff: 01.06.2022).
**Ethically Aligned Design (EAD)**
Das Dokument zum „Ethically Aligned Design“ (EAD) wurde vom IEEE entwickelt und herausgegeben. Der Herausgeber möchte einen Diskurs über eine menschenzentrierte Ausgestaltung von autonomen und intelligenten Systemen (A/IS) anregen. Der Bericht umfasst wissenschaftliche Analysen, nennt zentrale Herausforderungen und formuliert praktische Empfehlungen für die Ausgestaltung von A/IS. Einige der zentralen Prinzipien, die die Projektentwicklung von A/IS leiten sollten, sind beispielsweise „Accountability“, „Awareness of Misuse“ und die Menschenrechte. Zu allen Empfehlungen werden jeweils zahlreiche Ressourcen zur weiteren Information genannt. EAD richtet sich an politische Entscheidungsträger:innen, Entwickler:innen und die allgemeine Öffentlichkeit. Für Projekte in der Digitalisierung der beruflichen Weiterbildung könnte es lohnenswert sein, ausgewählte Prinzipien und Empfehlungen des EAD auf ihre konkreten KI-Technologien zu beziehen.
IEEE Global Initiative on Ethics of Autonomous and Intelligent Systems. (2017). Ethically Aligned Design: A Vision for Prioritizing Human Well-being with Autonomout and Intelligent Systems, Version 2.
**Ethik-Leitlinien für vertrauenswürdige Künstliche Intelligenz der Europäischen Kommission**
Eine Expertengruppe der EU-Kommission hat Leitlinien für eine vertrauenswürdige KI entwickelt. Eine solche KI zeichnet sich durch drei Komponenten aus: sie muss rechtmäßig, ethisch und robust sein. Zu den ethischen Grundsätzen gehörten die Achtung der menschlichen Autonomie, Schadensverhütung, Fairness und Erklärbarkeit. Im Dokument wird eine Bewertungsliste mit zahlreichen weiteren Prinzipien und Handlungsvorschlägen vorgestellt, die in der Entwicklung einer vertrauenswürdigen KI helfen soll (S. 32). Die formulierten Leitlinien nehmen stets sowohl technische als auch nicht-technische Umsetzungsmöglichkeiten in den Blick.
Europäische Kommission. (2019, 11. August). Ethik-Leitlinien für eine vertrauenswürdige KI.
Abrufbar unter: [https://op.europa.eu/de/publication-detail/-/publication/d3988569-0434-11ea-8c1f-01aa75ed71a1](https://op.europa.eu/de/publication-detail/-/publication/d3988569-0434-11ea-8c1f-01aa75ed71a1)
(letzter Zugriff: 24.05.2022).
**Europass Digital Credentials Infrastructure (EDCI)**
Bei der Europass Digital Credentials Infrastructure handelt es sich um ein von der EU-Kommission initiiertes Projekt, das eine technische Infrastruktur aufgebaut hat, mit der einheitliche digitale Nachweise für Lernleistungen, Qualifikationen etc. ausgestellt werden können. Im Rahmen von EDCI wurde das Datenmodell „Europass Learning Model“ (EDC-Format) neu entwickelt.
Siehe auch: ELMO, EMREX, Digitale Zertifikate, Digital Credentials, Europass Learning Model/EDC-Format
Europäische Kommission (o. D.): Europass Digital Credentials Infrastructure. Abrufbar unter: [https://ec.europa.eu/futurium/en/europass/europass-digital-credentials-infrastructure.html](https://ec.europa.eu/futurium/en/europass/europass-digital-credentials-infrastructure.html) (letzter Zugriff 01.06.2022).
**Europass Learning Model/EDC-Format**
Das im Rahmen von EDCI neu entwickelte Datenmodell „Europass Learning Model“ (EDC-Format) soll die Ausstellung, Speicherung und Verifikation von digitalen Bildungsnachweisen aller Art ermöglichen. Es ist eine Erweiterung des W3C Verifiable Credentials Data Models, das in XML/XSD formuliert wird und auf den ELMO/EMREX Standard abgestimmt ist.
Siehe auch: EDCI, Digitale Zertifikate, ELMO, EMREX
GitHub Inc. (2020, 27. Oktober): Europass Learning Model. Abrufbar unter: [https://github.com/european-commission-empl/European-Learning-Model](https://github.com/european-commission-empl/European-Learning-Model) (letzter Zugriff: 01.06.2022).
**European Blockchain Services Infrastructure (EBSI)**
Die „European Blockchain Services Infrastructure (EBSI)“ ist eine Infrastruktur, die im Rahmen der European Blockchain Partnership (EPB) entstanden ist. Die Infrastruktur soll grenzüberschreitend digitale öffentliche Dienstleistungen unterstützen. Dabei basiert sie auf offenen Standards und kann derzeitig für folgende vier Use Cases angewendet werden: ESSIF – ein Self-Sovereign Identity Modell in Europa, digitale Bildungsnachweise, rückverfolgbare Dokumente und vertrauenswürdiger Datenaustausch zwischen Steuer- und Zollbehörden der EU.
CEF Digital (o. D.): What is EBSI? Abrufbar unter: tinyurl.com/4yf93erh (letzter Zugriff: 24.05.2022).
**European Qualifications Framework (EQF)**
Der EQF (deutsch: EQR) ist ein Referenzrahmen, der zur Übersetzung der nationalen Berufs- und Qualifikationssysteme dient. Damit soll Transparenz und Vergleichbarkeit ermöglicht werden. Alle möglichen Qualifikationen können in acht Niveaus eingestuft werden, denen Bildungsabschlüsse aus sämtlichen Bildungsbereichen zugeordnet werden können (z. B. schulische, berufliche oder hochschulische Abschlüsse).
Siehe auch: Der Deutsche Qualifikationsrahmen (DQR)
Europäische Union (o. D.): Europäischer Qualifikationsrahmen. Abrufbar unter: [https://europa.eu/europass/de/european-qualifications-framework-eqf](https://europa.eu/europass/de/european-qualifications-framework-eqf) (letzter Zugriff: 01.06.2022).
**Evidence Centered Design (ECD)**
Mislevy, Steinberg, & Almond (2003). On the structure of educational assessments. Measurement: Interdisciplinary Research and Perspectives, 1, 3-67
**Experience API (xAPI)**
Experience API (xAPI) ist eine Open-Source API, die es Lerninhalten und LMS ermöglicht, Lernaktivitäten der Nutzer:innen zu erfassen und auszutauschen. Die Lernaktivitäten (z. B. absolvierte Kurse) werden in einem Learning Record Store (LRS) gesammelt. LRS können in Lernmanagementsystemen (LMS) abgerufen und weiterverarbeitet werden. xAPI wurde als Nachfolger von SCORM entwickelt und beinhaltet entsprechend zahlreiche neue Funktionen. Als zentrale Erweiterung ist xAPI in der Lage, verschiedenste Lernaktivitäten und Lernorte abzubilden, z. B. mobiles Lernen, Simulationen und Virtual Reality. Eine Veröffentlichung der xAPI-Spezifikation als IEEE Gremienstandard wird angestrebt (Arbeitsgruppe „P 92741.1 xAPI Base Standard“).
Siehe auch: API, IEEE, LMS, LRS, SCORM, Virtual Reality
Rustici Software LLC (2022). What is the Experience API? Abrufbar unter: [https://xapi.com/overview/](https://xapi.com/overview/) (letzter Zugriff 25.05.2022).
GitHub, Inc (2022). xAPI-Spec. Abrufbar unter:
[https://github.com/adlnet/xAPI-Spec](https://github.com/adlnet/xAPI-Spec) (letzter Zugriff 25.05.2022).
**Extensible Markup Language (XML)**
Die Extensible Markup Language (XML) definiert ein Format, um Dokumente zu beschreiben, zu speichern und auszutauschen. Ein Vorteil von XML besteht in seiner hohen Lesbarkeit, sowohl für Menschen als auch Computer. XML bildet die Grundlage für viele weitere Dateiformate.
World Wide Web Consortium (2006). Extensible Markup Language (XML) 1.1 (Second Edition) Abrufbar unter: [https://tinyurl.com/sjkfmzew](https://tinyurl.com/sjkfmzew) (letzter Zugriff: 25.05.2022).
**Geschäftsmodelle**
Ein Geschäftsmodell beschreibt, wie eine Organisation Wert für Kund:innen schafft und wie Wert für die Organisation gesichert wird. Ein weitverbreitetes Tool zur Entwicklung von Geschäftsmodellen ist das der Business Model Canvas (Osterwalder & Pigneur, 2011). Hiermit wird ein Geschäftsmodell auf Basis von neun Elementen beschrieben (u. a. Wertangebot, Einnahmen, Kundensegmente, Schlüsselpartner). Speziell für die Entwicklung digitaler Plattformmodelle wurde die Digital Platform Canvas entwickelt (Von Engelhardt & Petzold, 2019).
Osterwalder, A. & Pigneur, Y. (2011). Business Model Generation. Ein Handbuch für Visionäre, Spielveränderer und Herausforderer. Frankfurt.
Von Engelhardt, S. & Petzolt, S. (2019). Das Geschäftsmodell-Toolbook für digitale Ökosysteme. Campus Verlag. Frankfurt, New York: Campus Verlag.
**GraphQL**
GraphQL ist eine Datenabfragesprache („query language“), die zur Entwicklung von APIs genutzt wird. GraphQL ermöglicht es, genau die Daten bei einem Server anzufragen, die ein Client benötigt. GraphQL bietet eine Alternative zu REST APIs, die häufig langsamer in der Bereitstellung von Daten sind. GraphQL ist ein Open Source-Produkt.
GraphQL (o. D.). A query language for your API. Abrufbar unter: [https://graphql.org/](https://graphql.org/) (letzter Zugriff: 24.05.2022).
**GRETA Kompetenzmodell**
GRETA steht für „Grundlagen für die Entwicklung eines trägerübergreifenden Anerkennungsverfahrens von Kompetenzen Lehrender in der Erwachsenen- und Weiterbildung“. Das GRETA-Kompetenzmodell bezieht sich auf Lehrende in der Weiterbildung, wie u. a. Trainer:innen, Kursleitende, Tutor:innen und wird zur Qualitätssicherung eingesetzt. Für die (Weiter-)Entwicklung von Fortbildungsangeboten für diese Zielgruppe bietet das Modell einen Anhaltspunkt.
Deutsches Institut für Erwachsenenbildung – Leibniz-Zentrum für Lebenslanges Lernen e.V. (o. D.): Greta Kompetenzmodell. Abrufbar unter: [tinyurl.com/2p8uxcx4](https://www.greta-die.de/webpages/projektergebnisse/greta-kompetenzmodell "https://www.greta-die.de/webpages/projektergebnisse/greta-kompetenzmodell") (letzter Zugriff: 24.05.2022).
**H5P**
Plattformunabhängige, kostenlose und quelloffene Software mit MIT-Lizenz zur Erstellung von interaktiven Webinhalten, v. a. Lerninhalten. Mit H5P können über Templates HTML5-Inhalte erstellt werden, beispielsweise kleine Spiele, interaktive Videos oder Präsentationen. H5P-Elemente werden im Browser entwickelt und können in verschiedene Plattformen eingebunden werden, z. B. Moodle, WordPress oder ILIAS. Viele Typen unterstützen xAPI, so dass Lerner-Informationen festgehalten werden können. Allerdings sind die Anpassungsmöglichkeiten von H5P, z. B. was die Anpassung an das visuelle Design der Lernplattform angeht, begrenzt.
HP5 (o. D.) Home. Abrufbar unter: [https://h5p.org/](https://h5p.org/) (letzter Zugriff 24.05.2022).
**Hambacher Erklärung zur Künstlichen Intelligenz**
Die Erklärung der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder beschreibt sieben Anforderungen, die – basierend auf aktuellen Datenschutzanforderungen – von KI-Systemen eingehalten werden müssen.
Datenschutzaufsichtsbehörden des Bundes und der Länder (2019). Hambacher Erklärung zur Künstlichen Intelligenz. Datenschutz und Datensicherheit - DuD, 43(6), 375–376. [https://doi.org/10.1007/s11623-019-1126-2](https://doi.org/10.1007/s11623-019-1126-2) (letzter Zugriff: 01.06.2022).
**HTML5**
HTML5 ist der aktuelle Internetstandard und eine Weiterentwicklung der älteren HTML-Versionen. Mit HTML5 können u. a. alle möglichen interaktiven Webinhalte erstellt und beliebig an die eigenen Bedürfnisse angepasst werden. Mittlerweile bieten zahlreiche LMS, z. B. Canvas LMS, Editoren an, in denen Inhalte direkt in HTML5 erstellt werden können, so dass kein weiteres Programm benötigt wird. Auch die oben genannten Autorentools basieren allesamt auf HTML5. Die Web Hypertext Application Technology Working Group (WHATWG) führt die Standardisierungs- und Dokumentationsbemühungen rund um HTML gemeinsam mit dem W3C voran.
WHATWG (2022, 23. Mai). HTML Living Standard. Abrufbar unter: [https://html.spec.whatwg.org](https://html.spec.whatwg.org) (letzter Zugriff: 24.05.2022).
**Hybride Cloudlösung**
**Hybride KI**
Hybride KI resultiert aus der Kombination maschineller Lernverfahren mit symbolischer KI und soll die Vorteile der beiden Verfahrenstypen vereinen.
(Greer et al. 2015, Wahlster 2020)
**Identitätsmanagement**
Unter dem Identitätsmanagement werden Vorgänge der Authentisierung, Authentifizierung und Autorisierung zusammengefasst, die Benutzer:innen den Zugriff auf eine benötigte (digitale) Ressource gewähren. Es können Benutzendenrechte und Einschränkungen festgelegt und mit der digitalen Identität abgeglichen werden. Das Identitätsmanagement ist somit eng mit dem Zugriffsmanagement verknüpft.
Siehe auch: Authentisierung, Authentifizierung, Autorisierung
Redaktion Computerweekly.de (o. D.) Identitäts-Management (Identity Management). Abrufbar unter: [https://www.computerweekly.com/de/definition/Identitaets-Management-Identity-Management](https://www.computerweekly.com/de/definition/Identitaets-Management-Identity-Management) (letzter Zugriff 25.05.2022).
**Identity Provider**
Im technologischen Sinne ist ein „Identitätsanbieter” ein Dienst, der die Identität eines Benutzenden speichert und verifiziert. Dieser Dienst kann lokal verwaltet werden, oder über eine dritte Partei bereitgestellt werden.
Beispiel: Meldet sich ein Nutzender auf einer dritten Webseite über Facebook an, ist in diesem Falle Facebook der Identitätsanbieter, der gegenüber der dritten Seite die Nutzenden-Identität bestätigt. Der Vorgang setzt voraus, dass beide Parteien dem Identitätsanbieter vertrauen.
Siehe auch: Single Sign-On
Norbert Polmann (o. D.). Was ist ein Identity Provider oder ID-Provider? Abrufbar unter: [https://norbert-pohlmann.com/glossar-cyber-sicherheit/identity-provider/](https://norbert-pohlmann.com/glossar-cyber-sicherheit/identity-provider/) (letzter Zugriff 24.05.2022).
**IEEE**
Institute of Electrical and Electronics Engineers – Berufsverband mit zahlreichen Gremien zur Standardisierung von Technik, Hardware und Software. Eine Vielzahl davon ist auch für den digitalen Bildungsraum relevant.
IEEE (o. D.): About. Abrufbar unter: [https://www.ieee.org/about/index.html](https://www.ieee.org/about/index.html) (letzter Zugriff 01.06.2022).
**IEEE 7000**
Der IEEE 7000 ist ein im September 2021 veröffentlichter Standard, der dabei helfen soll, Ethik in der Entwicklung autonomer und intelligenter Systeme mitzudenken. Dazu sollen ethische Werte ermittelt, priorisiert und gegenüber zentralen Interessensgruppen kommuniziert werden. Die Entwickler:innen des Standards unterstreichen die praktische Anwendbarkeit des Standards für eine Vielzahl an Organisationen.
IEEE SA (o. D.). IEEE SA - IEEE 7000-2021. Abrufbar unter: [https://standards.ieee.org/standard/7000-2021.html](https://standards.ieee.org/standard/7000-2021.html) (letzter Zugriff: 24.05.2022).
**ILIAS**
ILIAS ist ein Open-Source LMS, das von zahlreichen deutschen Unis genutzt wird. Es setzt zahlreiche Standards um, beispielsweise SCORM 2004. Genau wie Moodle wird es unter einer GNU General Public License veröffentlicht und kann kostenlos genutzt und an eigene Zwecke angepasst werden.
Siehe auch: Learning Management Systems / Lernmanagement-Systeme (LMS), Moodle
ILIAS open source e-Learning e.V. (o. D.): Über ILIAS. Abrufbar unter: [https://www.ilias.de/](https://www.ilias.de/) (letzter Zugriff: 01.06.2022).
**IMS Global Learning Consortium**
Das IMS Global Learning Consortium wurde 1997 durch die amerikanische Organisation National Learning Infrastructure Initiative (NLII) gegründet. Das Konsortium entwickelt offene Standards, für den E-Learning-Bereich, um Suche, Austausch und Wiederverwendbarkeit von digitalem Lehrstoff zu erleichtern (z. B. IMS Question & Test Interoperability).
IMS Global Learning Consortium (o. D.). IMS Global Learning Consortium. Abrufbar unter: [https://tinyurl.com/mpkud6fk](https://tinyurl.com/mpkud6fk) (letzer Zugriff: 24.05.2022).
**Individualisiertes Lernen**
**Intelligentes Tutoringsystem (ITS)**
Intelligente Tutoringsysteme (ITS) sind digitale Assistenz-Systeme, die Lernende in ihrem Lernprozess unterstützten. Beispielsweise kann die Bearbeitung von Aufgaben durch automatisches, individuelles Feedback unterstützt werden. Traditionell werden dafür die Lerninhalte, Aufgaben und Feedbackregeln von Domänenexpert:innen händisch erstellt und dann von Computerprogrammen ausgeführt. In dieser auf Expertenwissen basierenden Form existieren ITS bereits seit den 1970er Jahren. In den letzten Jahren sind komplexere ITS hinzugekommen, die auf umfassenden Datenbeständen zu Lernenden und Lernangeboten basieren und über Methoden des maschinellen Lernens Empfehlungen und Feedback aussprechen sowie Unterstützung durch Chatbots anbieten. Solche ITS werden häufig auch adaptive Lernsysteme genannt.
Beispiel: Das bekannte Produkt *bettermarks* soll mathematische Grundkenntnisse vermitteln.
Siehe auch: Adaptives Lernen
VanLehn, K. (2011). The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems. Educational Psychologist, 46(4), S. 197–221. [https://doi.org/10.1080/00461520.2011.611369](https://doi.org/10.1080/00461520.2011.611369) (letzter Zugriff: 01.06.2022).
Schmid, U., Blanc, B. & Toepel, M. (2021). KI@Bildung: Lehren und Lernen in der Schule mit Werkzeugen Künstlicher Intelligenz: Schlussbericht. Abrufbar unter: [tinyurl.com/yc2c88um](https://www.telekom-stiftung.de/sites/default/files/files/media/publications/KI%20Bildung%20Schlussbericht.pdf "https://www.telekom-stiftung.de/sites/default/files/files/media/publications/KI Bildung Schlussbericht.pdf") (letzter Zugriff: 01.04.2022).
**Intelligente Suchfunktion**
Intelligente Suchfunktionen gehen über die einfache Suche nach Wörtern in Text hinaus. Sie umfassen Suchalgorithmen von traditionellen, intelligenten Such-Algorithmen, welche die regelbasierte Verarbeitung von Suchwörtern durchführen, bis hin zu solchen, welche menschliche Sprache verstehen und die semantische Suche mit einem kontextbezogenen Verständnis der Abfrage ermöglichen. Maschinelles und Deep Learning werden eingesetzt, um dem Kern der Suchabfrage auf den Grund zu gehen. Es können Suchalgorithmen zum Einsatz kommen, die vom Verhalten der Nutzenden lernen und so optimiert werden.
Siehe auch: Machine Learning / Maschinelles Lernen (ML)
eCommerce Werkstatt GmbH (o. D.): Die Konversionrate im Webshop durch intelligente Suchfunktion steigern. Abrufbar unter: [https://www.ecommerce-werkstatt.de/magazin/die-intelligente-suchfunktion/](https://www.ecommerce-werkstatt.de/magazin/die-intelligente-suchfunktion/) (letzter Zugriff 24.05.2022).
**Interoperabilität**
Interoperabilität kann definiert werden als die Fähigkeit von zwei oder mehr technischen Systemen zielgerichtet zu interagieren und dabei Informationen auszutauschen, deren Bedeutung von allen beteiligten Systemen geteilt wird. Interoperabilität lässt sich durch die Verwendung von Standards erreichen. Diese Standards legen fest, wie verschiedene Systeme für einen bestimmten Bereich Daten austauschen und verarbeiten sollen.
Beispiel: Der Standard xAPI ermöglicht das Abbilden von Lernaktivitätsdaten, so dass diese zwischen verschiedenen Lernplattformen, die den xAPI-Standard unterstützen, geteilt werden können.
Siehe auch: Experience API (xAPI)
Buntins, K., Hochbauer, M., Goertz, L. (2021). Lernorganisation und Interoperabilität. Wenn die Grenzen zwischen den Lernplattformen verschwimmen – warum man bei der Lernorganisation auf Interoperabilität achten sollte. Handbuch E-Learning, 94.
**JSON**
Die JavaScript Object Notation (JSON) ist ein kompaktes Datenformat in einer einfach lesbaren Textform für den Datenaustausch zwischen Anwendungen. JSON ist in den letzten Jahren populärer geworden, weil es für Menschen leicht zu lesen ist und für Computer leicht verarbeitbar ist. Somit ist JSON eine gute Alternative für XML. Der Standard xAPI basiert beispielsweise auf JSON-Statements. Die JSON-Syntax wird in der Norm ISO/IEC 21778 definiert.
JSON (o. D.) Einführung in JSON. Abrufbar unter: [https://www.json.org/json-de.html](https://www.json.org/json-de.html) (letzter Zugriff: 24.05.2022).
**KI-Modelle**
**Knowledge Spaces**
Doignon, J.-P., & Falmagne, J.-C. (2015). Knowledge Spaces and Learning Spaces. Available online: [https://www.researchgate.net/publication/284579542_Knowledge_Spaces_and_Learning_Spaces](https://www.researchgate.net/publication/284579542_Knowledge_Spaces_and_Learning_Spaces)
**Kognitive Architektur**
**Kompetenzstandards**
Kompetenzstandards dienen der Beschreibung von Fähigkeiten, Qualifikationen und Berufen. Sie können dazu genutzt werden, den Weiterbildungsbedarf der Lernenden standardisiert zu erheben, Lernziele zu definieren, Lerninhalte einer Weiterbildungsplattform zu beschreiben und bei Bildungsnachweisen das erreichte Kompetenzlevel zu dokumentieren.
Beispiele: ESCO, EQR, GRETA
Anderka, C. (2006, November). Qualifikationsentwicklung und -forschung für die berufliche Bildung-Kompetenzstandards als Grundlage beruflicher Zertifikate, In Berufs- und Wirtschaftspädagogik online, Ausgabe 11. Abrufbar unter: [https://www.bwpat.de/ausgabe11/anderka_bwpat11.shtm](https://www.bwpat.de/ausgabe11/anderka_bwpat11.shtm) (letzter Zugriff: 24.05.2022).
**Künstliche Intelligenz (KI)**
Teilbereich der Informatik, der sich mit der Entwicklung von Datenverarbeitungssystemen beschäftigt, die Funktionen ausführen, die normalerweise mit menschlicher Intelligenz assoziiert werden, wie zum Beispiel Schlussfolgern, Lernen und Selbstoptimierung.[\[HH1\]](#)
Übersetzung von „artificial intelligence“ (2121393) aus ISO/IEC 2382:2015 (en) - [https://www.iso.org/obp/ui/#iso:std:iso-iec:2382:ed-1:v1:en](https://www.iso.org/obp/ui/#iso:std:iso-iec:2382:ed-1:v1:en)
**Learning Analytics**
Learning Analytics bezeichnet die Aufbereitung und Analyse von Daten, die von Lernenden implizit oder explizit produziert wurden. Hierdurch sollen Lernprozesse, Lernfortschritte und Lernverhalten gemessen, dargestellt und vorhergesagt werden. Learning Analytics basiert auf großen Datenmengen und statistischen oder algorithmischen Verfahren, um diese auszuwerten. Dabei liegt der Fokus vor allem auf der Unterstützung des einzelnen Lernenden, anders als bei Educational Data Mining (EDM), das eher mit der Optimierung von Lernsettings und -angeboten basierend auf großen Datenmengen befasst ist. Allerdings verliert die Unterscheidung zwischen Educational Data Mining und Learning Analytics zunehmend an Bedeutung.
Beispiel: Die häufigsten Beispiele für Daten, die für Learning Analytics genutzt werden sind Nutzerpräferenzen, Verlassen der Webseite (Absprungrate), Effektivität des Marketings, Zufriedenheitsraten, Leistungsmessung und Fortschrittsmessung.
Siehe auch: Educational Data Mining, Learning Analytics Dashboard, Personalisiertes Lernen, Adaptives Lernen
Leitner, P., Khalil, M., & Ebner, M. (2017). Learning analytics in higher education—a literature review. Learning analytics: Fundaments, applications, and trends, 1–23.
[https://link.springer.com/chapter/10.1007/978-3-319-52977-6_1](https://link.springer.com/chapter/10.1007/978-3-319-52977-6_1) (letzter Zugriff: 01.06.2022).
Lernay, D., Baek, C. & Doleck, T. (2021). Comparison of learning analytics and educational data mining: A topic modeling approach. Computers and Education: Artificial Intelligence (2). [https://doi.org/10.1016/j.caeai.2021.100016](https://doi.org/10.1016/j.caeai.2021.100016) (letzter Zugriff: 01.06.2022).
**Learning Analytics Dashboard**
Mit Learning Analytics Dashboards können die Ergebnisse von Learning Analytics-Vorhaben visualisiert werden. Dies kann beispielsweise Lernende dabei unterstützen ihren Lernprozess zu reflektieren und zu regulieren.
Siehe auch: Learning Analytics
Ifenthaler, D. (2020). Learning Analytics im Hochschulkontext – Potenziale aus Sicht von Stakeholdern, Datenschutz und Handlungsempfehlungen. In R. A. Fürst (Hrsg.), Digitale Bildung und Künstliche Intelligenz in Deutschland (S. 519–535). Springer Fachmedien Wiesbaden. [https://doi.org/10.1007/978-3-658-30525-3_22](https://doi.org/10.1007/978-3-658-30525-3_22) (letzter Zugriff: 01.06.2022).
**Learning Experience Platform (LXP)**
Die Learning Experience Platform (LXP) ist ein lernzentrierter Software-Typ, der personalisierte Lernerfahrungen ermöglicht und Nutzende unterstützt, neue Lernmöglichkeiten zu entdecken. Lerninhalte aus unterschiedlichen Quellen werden kombiniert, empfohlen und mit der Unterstützung von Künstlicher Intelligenz bereitgestellt. Dieses geschieht über digitale Touchpoints hinweg, z. B. Desktop-Anwendungen und mobile Lern-Apps. Im Gegensatz zu Lernmanagement-Systemen (LMS), die den Fokus auf das Management des Lernens legen, stellt eine LXP die Nutzererfahrung und Anwendungsfreundlichkeit in den Vordergrund.
Siehe auch: Learning Management Systems / Lernmanagement-Systeme (LMS)
Valamis (2022, 19.01.) Learning Experience Plattform. Everything you need to know about LXP/LEP. Abrufbar unter: [https://www.valamis.com/hub/learning-experience-platform#what-is-lxp](https://www.valamis.com/hub/learning-experience-platform#what-is-lxp) (letzter Zugriff: 01.04.2022).
**Learning Management Systems / Lernmanagement-Systeme (LMS)**
Lernmanagement-Systeme (LMS) wurden entwickelt, um Lehr- und Lernprozesse im E-Learning zu unterstützen und Lernmaterialien sowie Nutzendendaten zu verwalten. Die webbasierten Systeme ermöglichen die Bereitstellung von Lerninhalten, die Organisationen von Lernvorgängen und die Kommunikation zwischen Lernenden und Lehrenden. An vielen Hochschulen bilden sie die informations- und kommunikationstechnische Basis einer E-Learning-Infrastruktur.
Bekannte Beispiele für LMS sind Moodle und ILIAS.
E-teaching (2016, 22. April). Lernmanagement-Systeme (LMS). Abrufbar unter:
[https://www.e-teaching.org/technik/distribution/lernmanagementsysteme](https://www.e-teaching.org/technik/distribution/lernmanagementsysteme)
(letzter Zugriff: 01.04.2022).
ILIAS open source e-Learning e.V. (o. D.) Über ILIAS. Abrufbar unter: [https://www.ilias.de/](https://www.ilias.de/)
(letzter Zugriff: 01.04.2022).
eLeDia eLearning im Dialog GmbH (o. D.) Lernerfolge mit Moodle. Abrufbar unter:
[https://moodle.de/](https://moodle.de/)
(letzter Zugriff: 01.04.2022).
**Learning Objects Metadata (LOM)**
LOM steht für „Learning Objects Metadata“ und beschreibt ein Datenschema zur Klassifikation von Lernangeboten anhand vieler verschiedener Metadatenfelder. Das Schema wurde in Reaktion auf den Dublin Core entwickelt, der nicht ausreichend war, um verschiedene Lernaktivitäten ausreichend zu beschreiben. Das LOM-Datenmodell wurde 2002 vom IEEE beschlossen (IEEE 1484.12.1) und seitdem immer wieder unter Zustimmung und Mitentwicklung des IMS ergänzt. Der LOM-Standard wird in XML enkodiert.
Siehe auch: IEEE, XML
IEEE SA (2020, 16. November). IEEE Standard for Learning Objects Metadata. Abrufbar unter: [https://standards.ieee.org/standard/1484_12_1-2020.html](https://standards.ieee.org/standard/1484_12_1-2020.html) (letzter Zugriff: 24.05.2022).
**Learning Record Store (LRS)**
Beim Absolvieren von digitalen Lernangeboten, z. B. auf Lernplattformen, fallen Lernaktivitätsdaten an, die für eine Analyse des Lernprozesses genutzt werden können. Der Learning Record Store (LRS) dient dem Sammeln und Auswerten von xAPI-Lernaktivitätsdaten. In den Spezifikationen des xAPI-Standards wird der LRS definiert. Es können sowohl xAPI-Anweisungen gespeichert und abgerufen als auch der xAPI-Status und verschiedene andere xAPI-Metadaten von anderen Systemen gespeichert werden. Die im LRS gespeicherten Lernaktivitätsdaten lassen sich mit Hilfe von Learning Analytics auswerten und das Ergebnis z. B. auf einem Dashboard anzeigen. Häufig verfügen LRS bereits standardmäßig über Auswertungsfunktionen.
Siehe auch: xAPI, Learning Analytics
Huss, M. (2021, 15. November). Learning Record Store – Lerndaten speichern und auswerten 2.0. Abrufbar unter: [https://tinyurl.com/2p9h8hrp](https://tinyurl.com/2p9h8hrp) (letzter Zugriff: 01.04.2022).
SCORM (o. D.). Learning Record Store. What are LRS?. Abrufbar unter:
[https://tinyurl.com/42v2xuyp](https://tinyurl.com/42v2xuyp) (letzter
Zugriff: 01.04.2022).
xAPI (o. D.). Learing Record Store. Abrufbar unter: [https://tinyurl.com/mrb4ntr6](https://tinyurl.com/mrb4ntr6) (letzter Zugriff: 01.04.2022).
**Learning Tools Interoperabiltiy (LTI)**
Learning Tools Interoperability (LTI) ist ein IMS Standard. Er bietet ein einzelnes Framework, um eine Vielzahl an Tools, Inhalten und Lernaktivitäten, die online von Drittanbietern angeboten werden, in ein LMS einzubinden. Der LTI-Standard ermöglicht einen sicheren Informationsaustausch zwischen LMS und externem Lernwerkzeug, ohne dass sich die Lernenden dabei neu anmelden müssen (Single Sign-On). Anders als bei SCORM, ermöglicht LTI, dass externes Material direkt im LMS genutzt wird. SCORM-Kurse werden dagegen im LMS hochgeladen.
Siehe auch: SCORM, LMS
IMS Global Learning Consortium (o. D). IMS LTI 1.3 and LTI Advantage. Abrufbar unter: [https://www.imsglobal.org/activity/learning-tools-interoperability](https://www.imsglobal.org/activity/learning-tools-interoperability) (letzter Zugriff: 24.05.2022).
**Lernökosystem**
In der IT-Welt gilt ein digitales Ökosystem als „ein sozio-technisches System, in dem Unternehmen und Menschen kooperieren, die zwar unabhängig sind, sich von der Teilnahme aber einen gegenseitigen Vorteil versprechen“ (IESE, 2022).
Lernökosysteme entstehen durch die Vernetzung von Lernangeboten und Lerntechnologien, Unternehmen und Menschen, die sich davon gegenseitige Vorteile versprechen.
Sabine Seufert entwickelt im Kontext der Frage nach der Zukunft und Flexibilisierung der Berufsbildung das Konzept eines „offenen digitalen Lern‐Ökosystems“ (2018, 53) in dem der Lernende durch eine personalisierte, intelligente Lernumgebung unterstützt wird. Eine Vorstufe des Lern-Ökosystems sind flexible Netzwerkstrukturen und Blended-Learning Szenarien. Um ein solches offenes Lern-Ökosystem zu gewährleisten, ist eine offene KI Entwicklung notwendig, um hegemoniale Strukturen durch eine zentrale Plattform zu vermeinen.
Fraunhofer-Institut für Experimentelles Software Engineering IESE (2022). Digitale Ökosysteme und Plattformökonomie - Fraunhofer IESE. Online verfügbar unter [https://www.iese.fraunhofer.de/de/leistungen/digitale-oekosysteme.html,](https://www.iese.fraunhofer.de/de/leistungen/digitale-oekosysteme.html,) (Letzter Zugriff: 29.04.2022).
Kerres, Michael (2017): Lernprogramm, Lernraum oder Ökosystem? Methapern in der Mediendidaktik. In: Vernetzt und entgrenzt - Gestaltung von Lernumgebungen mit digitalen Medien. Wiesbaden: Springer VS, 2017.
Seufert, S. (2018): Flexibilisierung der Berufsbildung im Kontext fortschreitender Digitalisierung. Bericht im Auftrag des Staatssekretariats für Bildung, Forschung und Innovation SBFI im Rahmen des Projekts „Berufsbildung 2030 – Vision und Strategische Leitlinien“. Bern.
**Lernpatenschaft**
Unter einer Lernpatenschaft versteht man die Förderung von Unterstützungsangeboten für Lernende sowie von Zusammenarbeit der Lernenden untereinander. Dies kann z. B. eingesetzt werden, um Lernende mit Lernschwierigkeiten gezielt zu unterstützen oder Integrationschancen in Bildungseinrichtungen zu verbessern. Zur Anwendung kommen Lernpatenschaften vorrangig im schulischen Kontext, wobei Lernpat:innen häufig ehrenamtlich unterstützen und für Schüler:innen zur Verfügung stehen.
Ministerium für Integration, Familie, Kinder, Jugend und Frauen des Landes Rheinland-Pfalz (2015). MODUL BASISINFORMATIONENLernpatenprojekt „keiner darf verloren gehen“. Abrufbar unter: [https://kinderrechte.rlp.de/fileadmin/kinderrechte/Materialien/Bildung-und-Entfaltung/Modul_Basisinformationen.pdf](https://kinderrechte.rlp.de/fileadmin/kinderrechte/Materialien/Bildung-und-Entfaltung/Modul_Basisinformationen.pdf) (letzter Zugriff 30.05.2022).
**Lernpfad**
Ein Lernpfad wird zumeist in einer digitalen Lernumgebung durchlaufen, die mit einer Sequenz von aufeinander abgestimmten Schritten strukturierte Pfade durch interaktive Materialien anbietet. Auf einem Lernpfad arbeiten Lernende handlungsorientiert, selbsttätig und eigenverantwortlich auf ein Ziel hin. Da die Schritte eine Bausteinstruktur aufweisen, können die Lernenden jeweils für ihren Leistungsstand geeignete Elemente auswählen. Eine adaptive Lernumgebung stellt verschiedene Lernpfade durch die gesamten verfügbaren Lerninhalte bereit. Adaptive Lernpfade passen die Art der Wissensvermittlung an den Wissensstand, die Lernpräferenzen und das Umfeld des Lernenden an, um einen für alle Lernenden vergleichbaren Lernerfolg zu erzielen.
Siehe auch: Adaptives Lernen
Götz, S., Süss-Stepancik, E. (2014). Lernpfade als Wegweiser zur Ausbildung von
Begründungskompetenz im Mathematikunterricht. In: Schriftenreihe zur Didaktik der Mathematik der Österreichischen
Mathematischen Gesellschaft (ÖMG),
Heft Nr. 47. Abrufbar unter:
[https://tinyurl.com/5n7f7dzt](https://tinyurl.com/5n7f7dzt)
(letzter Zugriff: 01.04.2022).
**Lernprofil / Lernerprofil**
In einem Lernprofil / Lernerprofil (Learner Model / User Model) werden in adaptiven Lernsystemen die für die Systemanpassungen relevanten Charakteristiken des Lernenden erfasst und modelliert. Dies kann z. B. auf Basis des aktuellen Kompetenzniveaus, des Lernfortschritts oder des aktuellen Interesses erfolgen. Die Informationen des Learner Models werden mit den im Domänenmodell hinterlegten Lerninhalten in Beziehung gesetzt und resultieren in einer lernendenspezifischen Systemanpassung.
Siehe auch: Adaptive Lernumgebungen, Domänenmodell
Brusilovsky, Peter (2012): Adaptive Hypermedia for Education and Training. In: Paula J. Durlach und Alan M. Lesgold (Hg.): Adaptive Technologies for Training and Education. Cambridge u. a.: Cambridge University Press, S. 46–65.
**Machine Learning / Maschinelles Lernen (ML)**
Machine Learning (ML) bedeutet, dass ein Algorithmus eigenständig auf Basis von Trainingsdatensätzen lernt. Dafür werden Muster und Gesetzmäßigkeiten erkannt, die dann auf andere Daten angewendet werden können, z. B. um Klassifikations- oder Vorhersageaufgaben auszuführen. Maschinelles Lernen lässt sich in drei Typen von Lernalgorithmen einteilen: Supervised, Unsupervised und Reinforcement Learning.
Siehe auch: Statistische/lernende KI, Künstliche Intelligenz
SAP Deutschland SE & Co. KG (o. D.). Was ist maschinelles Lernen? Abrufbar unter: [https://www.sap.com/germany/insights/what-is-machine-learning.html](https://www.sap.com/germany/insights/what-is-machine-learning.html) (letzter Zugriff 24.05.2022).
**Matching**
Unter Matching wird der Abgleich von Informationen (bspw. Arbeitsplatzanforderungen mit persönlichen Eigenschaften und Kompetenzen) verstanden. Dieser Abgleich wird häufig mit Profiling-Werkzeugen wie beispielsweise Fragebögen, Tests oder Programmen (auf Grundlage von Algorithmen) vorgenommen.
Beispiel: Dating Plattform
wikipedia (2022). Matching (Graphentheorie). Abrufbar unter: [https://de.wikipedia.org/wiki/Matching_(Graphentheorie)](https://de.wikipedia.org/wiki/Matching_(Graphentheorie)) (letzter Zugriff 25.05.2022).
**Metadaten**
Metadaten sind strukturierte, maschinenlesbare Informationen mit deren Hilfe eine Ressource beschrieben wird z. B. das Datenfeld „Autor“ bei der Beschreibung eines Buchs. Sie werden mit den zugehörigen Daten abgespeichert und verknüpft. Metadaten dienen der Wiederverwendbarkeit und Auffindbarkeit von Daten sowie der vereinfachten Verwaltung und Organisation.
Siehe auch: Metadatenstandards
Friedrich-Schiller-Universität Jena Kontaktstelle Forschungsdatenmanagement (o. D.) Metadaten und Metadatenstandards. Abrufbar unter: [https://www.researchdata.uni-jena.de/information/metadatenstandards](https://www.researchdata.uni-jena.de/information/metadatenstandards) (letzter Zugriff 28.05.2022) (inkl. Link zu einer Handreichung).
**Metadatenstandard**
Bei Metadatenstandards handelt es sich um eine spezifische Sammlung an Metadaten, die für eine Ressource vergeben wird, z. B. bietet der Metadatenstandard LOM Datenfelder zur Beschreibung von Lernressourcen. Es werden Vorgaben zu Informationseinheiten oder Inhalten gegeben, die in den betreffenden Metadaten enthalten sein müssen, um dem jeweiligen Standard zu entsprechen. Ziel ist, eine konsistente Verwendung durch Endanwender zu gewährleisten und Interoperabilität zu ermöglichen.
Beispiele: Europass, ESCO
Siehe auch: Metadaten, Europass, ESCO, LOM, Interoperabilität
Friedrich-Schiller-Universität Jena Kontaktstelle Forschungsdatenmanagement (o. D.) Metadaten und Metadatenstandards. Abrufbar unter: [https://www.researchdata.uni-jena.de/information/metadatenstandards](https://www.researchdata.uni-jena.de/information/metadatenstandards) (letzter Zugriff 28.05.2022) (inkl. Link zu einer Handreichung).
**Microlearning**
Allgemein steht Microlearning (dt. Mikrolernen) für verschiedene Lernaktivitäten von kurzer Dauer bzw. für das Lernen mit kleinen abgegrenzten Lerneinheiten, den Mikrolernelementen. Häufig wird dieses Lernen im Zusammenhang mit dem Lernen auf Mobilgeräten thematisiert. Die vielfältige Kombination von Mikrolernelementen birgt die Möglichkeit der Flexibilisierung von Lernwegen und ermöglicht eine zunehmende Modularisierung und damit perspektivisch eine höhere Passgenauigkeit zwischen Lernangeboten und -bedarfen.
Siehe auch: Lernpfad
Hug, T. (2018). Mikrolernen und mobiles Lernen. In: de Witt, C., Gloerfeld C. (Hrsg.) Handbuch Mobile Learning. Springer VS, Wiesbaden. 321-340. [https://doi.org/10.1007/978-3-658-19123-8_17](https://doi.org/10.1007/978-3-658-19123-8_17) (letzter Zugriff 01.06.2022).
**Model for the ethical evaluation of socio-technical arrangements (MEESTAR)**
„MEESTAR: a model for the ethical evaluation of socio-technical arrangements” beschreibt ein Modell zur Projektevaluation. Das Modell kann genutzt werden, um in der Entwicklungsphase von Technologie-Projekten rechtliche, moralische und soziale Aspekte aus verschiedenen Perspektiven mitzudenken. Das Modell adressiert das gängige Problem, dass in Technologieprojekten häufig weder professionelle Ethik-Expertise noch entsprechende Projektressourcen vorliegen, um moralische Aspekte zu diskutieren und mitzudenken. Das Modell soll die niedrigschwellige Auseinandersetzung mit ethischen Aspekten im Projektteam ermöglichen – ohne, dass man dazu vorher Philosophie studiert haben müsste. Die Arbeit an diesen Aspekten erfolgt in Form eines Workshops, der in der Veröffentlichung erläutert wird. Im Rahmen gewisser geförderter Bundesprojekte wurde die Durchführung eines solchen zweitägigen Workshops verpflichtend, ansonsten ist der Einsatz des Modells natürlich freiwillig. Das Model und der Workshop scheinen eine hohe Praktikabilität aufzuweisen, da sie mit den ohnehin vorhandenen moralischen Intuitionen der Akteure arbeiten. Das Model bezieht sich nicht spezifisch auf KI-Technologien, sondern breit auf alle möglichen technologischen Projekte bzw. Entwicklungen.
Manzeschke, A. (2015). Angewandte Ethik organisieren: MEESTAR – ein Modell zur ethischen Deliberation in sozio-technischen Arrangements. In Matthias Maring (Hrsg.), Vom Praktisch-Werden der Ethik in interdisziplinärer Sicht: Ansätze und Beispiele der Institutionalisierung, Konkretisierung und Implementierung der Ethik (S. 315–330).
**Modularisierung**
**Moodle**
Ein frei verfügbares Open-Spource Lernmanagementsystem, das an verschiedene Zwecke angepasst werden kann. Es hat mit über 245 Millionen Benutzer:innen (an über 100.000 Bildungseinrichtungen) wohl weltweit den höchsten Verbreitungsgrad aller LMS. Moodle wird stetig weiterentwickelt und besitzt bereits zahlreiche Plugins zu anderen Tools, z. B. Mahara und H5P. Moodle wird unter einer GNU General Public License veröffentlicht und kann kostenlos heruntergeladen und auf eigenen Servern installiert werden.
Siehe auch: LMS, Ilias
Moodle (2019, 26. März). Was ist Moodle. Abrufbar unter: [https://docs.moodle.org/400/de/Was_ist_Moodle](https://docs.moodle.org/400/de/Was_ist_Moodle) (letzter Zugriff: 24.05.2022).
**Multiagentensystem (MAS)**
**Multi-Layer-System**
Ein Multi-Layer-System gruppiert Funktionalitäten und implementiert diese mit dem am besten passenden Programmierframework / der am besten passenden Programmiersprache, was zu einem schnellen und aufgabenoptimierten System führen kann.
Kozlovsky, V. (2019, 19. Dezember): Benefits of a multi-layer system. Abrufbar unter: [https://db-blog.web.cern.ch/blog/viktor-kozlovszky/2019-12-benefits-multi-layer-system](https://db-blog.web.cern.ch/blog/viktor-kozlovszky/2019-12-benefits-multi-layer-system) (letzter Zugriff 24.05.2022).
**Nationale Bildungsplattform (NBP)**
Bei der NBP handelt es sich um ein BMBF-Projekt zur Entwicklung einer übergreifenden Plattform. Sie ist eine nutzerzentrierte, anbieterneutrale Meta-Plattform. Als solche bietet sie bildungsbereichsübergreifende Vernetzungs- und Austauschmöglichkeiten und verknüpft Bildungsinhalte bestehender oder neuer Plattformen, die ein durchgehendes Nutzererlebnis ermöglichen. Die Plattform soll Teil des „Digitalen Bildungsraums“ mit gemeinsamen Standards, Formaten und interoperablen Strukturen sein.
Bundesministerium für Bildung und Forschung (o. D.). Erstes Pilotprojekt für Nationale Bildungsplattform startet. Abrufbar unter: [https://www.bmbf.de/bmbf/de/home/_documents/erstes-pilotprojekt-fuer-nationale-bildungsplattform-startet.html](https://www.bmbf.de/bmbf/de/home/_documents/erstes-pilotprojekt-fuer-nationale-bildungsplattform-startet.html) (letzter Zugriff 24.05.2022).
**Natural Language Processing (NLP) bzw. Understanding (NLU)**
Natural Language Processing (NLP) versucht, unstrukturierte Sprachdaten in ein strukturiertes Datenformat umzuwandeln, damit Maschinen Sprache und Text verstehen und relevante kontextbezogene Antworten formulieren können. Seine Unterthemen umfassen die Verarbeitung natürlicher Sprache und die Erzeugung natürlicher Sprache.
NLU: Natural Language Understanding (NLU) konzentriert sich auf das maschinelle Leseverstehen durch Grammatik und Kontext und ermöglicht es, die beabsichtigte Bedeutung eines Satzes zu bestimmen.
Kavlakoglu, E.: NLP vs. NLU vs. NLG: the differences between three natural language processing concepts. Abrufbar unter: [https://www.ibm.com/blogs/watson/2020/11/nlp-vs-nlu-vs-nlg-the-differences-between-three-natural-language-processing-concepts/](https://www.ibm.com/blogs/watson/2020/11/nlp-vs-nlu-vs-nlg-the-differences-between-three-natural-language-processing-concepts/) (letzter Zugriff 01.06.2022).
**NOW**
**Ontologie**
In der Informationswissenschaft ist eine Ontologie eine maschinenlesbare Repräsentation und Organisation von Wissen in einer Domäne. Durch ontologische Systematisierungen können relevante Informationen strukturiert und für Nutzende und interaktive Systeme verwendbar gemacht werden. Ontologien werden durch Ontologiesprachen umgesetzt (z. B. RDF, OWL).
Siehe auch: Taxonomie
Retresco GmbH (o. D.) Ontologien in der Informatik. Abrufbar unter: [https://www.retresco.de/ressourcen/lexikon/lexikoneintrag/ontologie](https://www.retresco.de/ressourcen/lexikon/lexikoneintrag/ontologie) (letzter Zugriff 24.05.2022).
**OpenBadges**
Mithilfe des OpenBadges Standards werden Informationen über erbrachte Lernleistungen in portable Bilddateien eingebettet, die webbasiert validiert und verifiziert werden können. Diese digitalen Badges enthalten Informationen zum Badge-Empfänger und zu der ausstellenden Institution sowie Nachweise, die den Erwerb des Abzeichens belegen. Digitale Badges können Kompetenzen einfach, z. B. in Sozialen Medien, sichtbar machen und sind nicht von einer speziellen Plattform oder einem Learning Management System abhängig. Prinzipiell kann jede Organisation oder Einzelperson Open Badges vergeben. Open Badges werden in JSON-LD ausgedrückt. Sie kombinieren ein Bild, da eigentliche Abzeichen, als sichtbare Komponente, mit Metadaten im JSON-LD Format. Letztere können etwa direkt in eine Bilddatei integriert werden.
Siehe auch: JSON
GitHub, Inc (o. D.): IMSGlobal. openbadges-specification. Abrufbar unter: [https://github.com/IMSGlobal/openbadges-specification](https://github.com/IMSGlobal/openbadges-specification)
(letzter Zugriff: 24.05.2022).
IMS Global Learning Consortium (o. D.). Open Badges v2.0. IMS Final Release. Abrufbar unter:
[https://www.imsglobal.org/sites/default/files/Badges/OBv2p0Final/index.html](https://www.imsglobal.org/sites/default/files/Badges/OBv2p0Final/index.html) (letzter Zugriff: 24.05.2022).
**OpenCerts**
OpenCerts ist eine Open Source Plattform, die als Teil der Smart Nation Initiative von Singapur entstand und von Bildungsinstitutionen für die Ausstellung digitaler Bildungsnachweise verwendet werden kann. Die erstellten Bildungsnachweise können via Blockchain (Ethereum Blockchain) verifiziert werden und sind kryptografisch geschützt. Die Verifikation erfolgt, indem die opencert-Datei auf der Website [https://www.opencerts.io/](https://www.opencerts.io/) geöffnet wird und mit den Informationen der Blockchain abgeglichen werden.
Siehe auch: Blockchain
OpenCerts: An easy way to check and verify your OpenCerts certificates. Abrufbar unter: [https://www.opencerts.io/](https://www.opencerts.io/) (letzter Zugriff: 01.06.2022).
**Open Educational Resource (OER)**
**openHPI Standardisierungsbestrebungen**
In einem seit 2014 verfügbaren GitHub-Repositorium „mooc-standards“ sammelt das Entwicklungsteam der openHPI-Plattform des Hasso-Plattner-Instituts Metadaten für MOOCs, mit dem Ziel der Schaffung eines offenen „Mikro-Standards“ für MOOC-Anbieter und MOOC-Suchmaschinen.
Die zentralen Dateien sind mooc-microstandard-research.xls (Liste von Eigenschaften bzw. Metadaten) und mooc-microstandard-types.xls (Datentypen nach schema.org).
GitHub: mooc-standards. Abrufbar unter: [https://github.com/openHPI/mooc-standards](https://github.com/openHPI/mooc-standards) (letzter Zugriff: 01.06.2022).
**Open Learner Model / Offene Lernermodelle**
Ein Lernermodell ist eine strukturierte Repräsentation des Wissens, das ein System (z. B. ein IST) über einen Lernenden gesammelt hat.
Beim offenen Lernermodell wird den Lernenden ihr Lernermodell zur Einsicht zur Verfügung gestellt, um die Reflexion des eigenen Lernens zu ermöglichen und selbstregulierte Lernprozesse zu fördern.
(Bull & Kay 2010)
**open-Qcat: Open Qualifications Catalogue**
Seit 2006 vom Fraunhofer Institut Arbeitswirtschaft und Organisation (IAO) entwickelt und für die Bundesagentur für Arbeit (BA) als alleinig akzeptiertes Format für deren Metasuchportal KURSNET angepasst.
Bundesagentur für Arbeit (o. D.): XML-Upload in KURSNET. Abrufbar unter: [https://www.arbeitsagentur.de/institutionen/xml-upload](https://www.arbeitsagentur.de/institutionen/xml-upload) (letzer Zugriff 01.06.2022).
**Open Source**
Open Source ist ein Begriff, der ursprünglich auf Open Source-Software (OSS) zurückgeht. Es handelt sich dabei um einen Quellcode, der der Öffentlichkeit zugänglich ist, das heißt, der offen für das Analysieren, Benutzen, Kopieren oder Verändern durch Nutzende ist.
Red Hat, Inc. (2019, 24.Oktober). Was ist Open Source? Abrufbar unter: [https://www.redhat.com/de/topics/open-source/what-is-open-source](https://www.redhat.com/de/topics/open-source/what-is-open-source) (letzer Zugriff 24.05.2022).
**openVHS**
Derzeit nicht öffentlich dokumentiertes, seit 2018 genutztes XML-Format zur Befüllung der Datenbank des deutschlandweiten Metaportals VHS-Kursfinder des Deutschen Volkshochschulverband e. V. (DVV). An dieser beteiligen sich (kostenpflichtig) bereits mehr als die Hälfte der Volkshochschulen (VHS).
**OZG**
Das „Gesetz zur Verbesserung des Onlinezugangs zu Verwaltungsleistungen“ (Onlinezugangsgesetz, OZG) sieht u. a. die Digitalisierung öffentlicher Dienstleistungen bis Ende 2022 vor. Dazu gehört einerseits die Digitalisierung zahlreicher Verwaltungsleistungen auf Ebene von Bund, Ländern und Kommunen und andererseits das Bereitstellen einer IT-Infrastruktur mit der Bürger:innen diese Leistungen auch online nutzen können. Im Rahmen des OZG werden auch die Anforderungen der SDG-Verordnung (s. u.) umgesetzt. Für das Themenfeld Bildung definiert das OZG 25 Leistungen, darunter auch einige für das Feld der Weiterbildung. Die Lösungen, die hier in den kommenden Jahren gefunden werden, könnten eine standardisierende Wirkung auch für nicht-öffentliche Dienstleistungen entwickeln.
Bundesministerium des Innern und für Heimat (o. D.): Startseite. Abrufbar unter: [https://www.onlinezugangsgesetz.de/](https://www.onlinezugangsgesetz.de/) (letzer Zugriff 01.06.2022).
**P2881**
Unter dem Projekttitel „P2881 – Standard for Learning Metadata“ entwickelt eine Arbeitsgruppe des IEEE aktuell einen neuen Standard für lernbezogene Metadaten. Der Standard baut auf dem LOM-Standard auf, soll jedoch auch neuere Lerntechnologien und -paradigmen einschließen, die im LOM-Modell fehlen. So soll der neue Standard beispielsweise auch den Einsatz von Sensoren und biometrischen Daten abbilden können. Weiterhin sollen andere Vorhaben im Feld der Metadaten-Schemata einbezogen werden, um einen integrativen und zukunftsfähigen Standard zu schaffen.
Siehe auch: IEEE, LOM
Advanced Distributed Learning Initiative (2021, 28. Mai). Toward the Harmonization of Learning Activity Metadata. Abrufbar unter: [https://tinyurl.com/mu9ywvh7](https://tinyurl.com/mu9ywvh7) (letzter Zugriff: 24.05.2022).
**Personalisiertes Lernen / personalized learning**
Der Begriff des personalisierten Lernens wird im englisch- und deutschsprachigen Diskurs unterschiedlich genutzt. Insbesondere im US-amerikanischen Diskurs ist der Begriff des „personalized learning” stark mit dem Einsatz von Lerntechnologien verbunden. Das personalisierte Lernen bezeichnet hier ein Lernen, das an den Bedürfnissen und Merkmalen des Lernenden ausgerichtet ist. So können beispielsweise Lernziele, -form, -inhalt und -geschwindigkeit innerhalb eines Lernsystems individuell am Lernenden ausgerichtet werden. Andere Autorinnen und Autoren grenzen den Begriff noch vom Adaptiven Lernen ab. Im deutschsprachigen Diskurs ist das personalisierte Lernen eingebettet in einen Diskurs rund um eine „neue Lehr-Lernkultur” und basiert auf Ideen der Reformpädagogik und lernpsychologischen Ansätzen. Personalisiertes Lernen meint hier vor allem eine Lernform, die maßgeblich durch Lernende mitgestaltet oder mitentschieden werden kann. Empirische Studien greifen diesen metadiskursiven Aspekt im deutschen Raum oft nicht auf, sondern referenzieren auf ein englischsprachiges Begriffsverständnis.
Beispiel (aus dem deutschsprachigen Diskurs): Lehrer:innen verteilen Arbeitsblätter mit unterschiedlichen Niveaustufen an Lernende, basierend auf deren individuellen Bedarfen und Kompetenzen.
Siehe auch: Adaptives Lernen, Learning Analytics
Stebler, R., Pauli, C., & Reusser, K. (2018). Personalisiertes Lernen. Zur Analyse eines Bildungsschlagwortes und erste Ergebnisse aus der perLen-Studie. Zeitschrift für Pädagogik, 64(2), 159–178.
Zhang, L., Basham, J. D., & Yang, S. (2020). Understanding the implementation of personalized learning: A research synthesis. Educational Research Review, 31, 100339.
Schaumburg, H. (2021). Personalisiertes Lernen mit digitalen Medien als Herausforderung für die Schulentwicklung: Ein systematischer Forschungsüberblick. MedienPädagogik: Zeitschrift für Theorie und Praxis der Medienbildung, 41, 134–166.
**Projects in Artifical Intelligence Registry (PAIR)**
Projects in Artifical Intelligence Registry (PAIR) ist eine Datenbank mit weltweiten KI-Projekten, die in Higher Education durchgeführt/genutzt werden.
University of Oklahoma: Projects in Artificial Intelligence Refistry (PAIR). Abrufbar unter: [https://pair.libraries.ou.edu/](https://pair.libraries.ou.edu/) (letzter Zugriff: 01.06.2022).
**Recommendersystem**
Recommendersysteme (dt. meist „Empfehlungssysteme“) sind Softwaresysteme, die Nutzer:innen auf personalisierte Weise zu interessanten oder nützlichen Objekten in einem großen Feld möglicher Optionen führen. Sie werden gerade in solchen Bereichen eingesetzt, in denen die Menge an verfügbaren Informationen die Fähigkeit des Einzelnen, diese Informationen alle zu überblicken, bei Weitem übersteigt.
Recommendersysteme werden seit Beginn der 2000er auch im Bildungsbereich zu verschiedensten Zwecken, meist im Rahmen von Online-Lernplattformen, eingesetzt und können anhand des Empfehlungsinhalt des Systems unterschieden werden. Recommendersysteme können beispielsweise passende Kurse, Lernmaterialien, Lernpfade oder Lernpartner vorschlagen.
Alternative Begriffe: recommender engine, Empfehlungssystem, Empfehlungsdienst.
Burke, R. (2002). Hybrid Recommender Systems: Survey and Experiments. User-Modeling und User-Adapted Interaction(12), 331–370.
Drachsler, H., Verbert, K., Santos, O. C. & Manouselis, N. (2015). Panorama of Recommender Systems to Support Learning. In F. Ricci, L. Rokach & B. Shapira (Hrsg.), Recommender Systems Handbook (S. 421–451). Springer US. Abrufbar unter: [https://doi.org/10.1007/978-1-4899-7637-6_12](https://doi.org/10.1007/978-1-4899-7637-6_12) (letzter Zugriff: 01.06.2022).
**REST**
REST steht für Representational State Transfer und wurde vom US-amerikanischen Informatiker Roy Fielding entwickelt. Es ist ein Software-Architekturstil von verteilten Systemen mit sechs Prinzipien, wobei eines davon eine einheitliche Schnittstelle ist. Schnittstellen bzw. APIs, die diese Prinzipien einhalten, gelten als RESTful APIs.
Siehe auch: REST-API, API
Geißler, Otto (2018, 25. Mai): Was ist RESt-API? Abrufbar unter: [https://www.datacenter-insider.de/was-ist-rest-api-a-714434/](https://www.datacenter-insider.de/was-ist-rest-api-a-714434/) (letzter Zugriff: 01.06.2022).
**REST-API**
Die „Representational State Transfer Application Programming Interface“ (REST-API) ist eine Programmier-Schnittstelle, die den Austausch von Daten auf verteilten Systemen – insbesondere für Web-Services – ermöglicht. Eine REST-API (auch bekannt als RESTful API) ist eine API (Application Programming Interface), die den Beschränkungen der REST-Architektur unterliegt und Interaktionen mit RESTful Webservices ermöglicht. Indem HTTP-Befehle definiert werden (z. B. DELETE, um bestimmte Inhalte zu löschen) ermöglicht sie eine klare Kommunikation zwischen Client und Server.
Siehe auch: REST, API
Red Hat, Inc. (2020, 8. Mai): Was ist eine REST-API und was ist REST (Representational State Transfer)? Abrufbar unter: [https://www.redhat.com/de/topics/api/what-is-a-rest-api](https://www.redhat.com/de/topics/api/what-is-a-rest-api) (letzter Zugriff: 01.06.2022).
**Security Assertion Markup Language (SAML**)
Die Security Assertion Markup Language (SAML) ist ein offener Standard zum Austausch von Authentifizierungs- und Autorisierungsinformationen. Mit SAML können Authentifizierungsinformationen über Nutzer:innen zwischen dem sogenannten Identity Provider (beispielsweise einer Universität oder einer Behörde) und einem Service Provider (z. B. einem Online-Dienst) ausgetauscht werden. Dabei kann auch Single-Sign-On umgesetzt werden. SAML basiert auf dem XML Framework.
Siehe auch: Single-Sign-On, XML
oasis-open (2008, 25. März) Security Assertion Markup Language (SAML) V2.0 Technical Overview. Abrufbar unter: [http://docs.oasis-open.org/security/saml/Post2.0/sstc-saml-tech-overview-2.0.html](http://docs.oasis-open.org/security/saml/Post2.0/sstc-saml-tech-overview-2.0.html)[ ](http://docs.oasis-open.org/security/saml/Post2.0/sstc-saml-tech-overview-2.0.htmlhttps:/tinyurl.com/58pavesa "http://docs.oasis-open.org/security/saml/Post2.0/sstc-saml-tech-overview-2.0.htmlhttps://tinyurl.com/58pavesa")[https://tinyurl.com/58pavesa](https://tinyurl.com/58pavesa) (letzter Zugriff: 24.05.2022).
**Self Sovereign Identities (SSI)**
Self Sovereign Identities (SSI) sind dezentrale Identitäten (u. a. auf Blockchain-Basis). Der Kern des Konzepts ist, dass Nutzer:innen über ein persönliches Wallet ihre eigenen Identitäten verwalten, ohne dass ein zentraler Identity Provider benötigt wird. Das SSI-Paradigma stellt damit eine Alternative zu isolierten und föderierten Identitätssystemen da. Gegenüber solchen herkömmlichen digitalen Identitäten wird eine größere Kontrolle der Nutzer:innen über ihre Daten und eine größere Datensparsamkeit erreicht. Im Rahmen des „European self-sovereign identity framework“ (ESSIF) sollen bis 2022 Blockchain-basierte SSIs für verschiedene Anwendungsfelder entwickelt werden.
Siehe auch: Datensouveränität, Data Wallet, Identity Provider, Blockchain
eSSIF Lab (o. D.). Self-Sovereign Identity (SSI). Abrufbar unter: [https://essif-lab.pages.grnet.gr/framework/docs/terms/self-sovereign-identity](https://essif-lab.pages.grnet.gr/framework/docs/terms/self-sovereign-identity) (letzter Zugriff: 25.05.2022).
Doerk, A., Hansen, P., Jürgens, G., Kaminski, M., Kubach, M. & Terbu, O. (2020). Self Sovereign Identity Use Cases – von der Vision in die Praxis. Bitkom e.V.
**Serious Games**
Serious Games (dt. ernsthafte Spiele) sind digitale Spiele, die auf der einen Seite der Unterhaltung dienen, aber gleichzeitig auch während des Spielens z. B. Wissen, Fähigkeiten und Meinungen vermitteln. Serious Games können jedem Spielgenre angehören und jede Spieltechnologie verwenden. Auch sind sie hinsichtlich ihrer Zielgruppe und Anwendungsbereiche nicht eingeschränkt.
Beispiel: Das Serious Game „Pacific: The Leadership Game“ (2015) konzentriert sich auf Führungstrainings. Um zu gewinnen, müssen Spielende eine Gruppe von Charakteren führen, die auf einer Insel im Pazifik verloren gegangen ist. Es bietet viele Möglichkeiten, Führungsqualitäten wie Kommunikation, Delegation, Coaching und Leistungsbewertung zu üben.
Marr, A. C., Kaiser, R. (2010). Serious Games für die Informations- und Wissensvermittlung. Bibliotheken auf neuen Wegen. Wiesbaden: Dinges & Frick, 14–19. Abrufbar unter: [https://www.b-i-t-online.de/daten/BIT_Innovativ_28_Auszug.pdf](https://www.b-i-t-online.de/daten/BIT_Innovativ_28_Auszug.pdf) (letzter Zugriff: 01.04.2022).
Growth Engineering (2016, 16. März). 12 Serious Games that changed the world. Abrufbar unter: [https://www.growthengineering.co.uk/serious-games-that-changed-the-world/](https://www.growthengineering.co.uk/serious-games-that-changed-the-world/) (letzter Zugriff: 01.04.2022).
**Shareable Content Object Reference Model (SCORM)**
SCORM steht für „Shareable Content Object Reference Model“ und wurde 2001 von der Advanced Distributed Learning Initiative (ADL) veröffentlicht. SCORM erfüllt zwei zentrale Funktionen: es bestimmt, wie Lernangebote „gepackt“ werden, also wie beispielsweise eine anderswo entwickelte Kurseinheit an ein LMS übergeben wird, damit das LMS den Kurs wieder entpacken und starten kann. Es spezifiziert zweitens, wie beispielsweise ein Kurs mit dem LMS kommuniziert, z. B. werden Informationen zur vollständigen Bearbeitung und zum Bestehen des Kurses an das LMS kommuniziert. SCORM gilt als veralteter Standard, da es durch das umfangreichere xAPI ersetzt wurde.
Siehe auch: xAPI
Advanced Distributed Learning Initiative (o. D.): Sharable Content Object Reference Model (SCORM®). Abrufbar unter: [https://adlnet.gov/projects/scorm/#scorm-2004-4th-edition](https://adlnet.gov/projects/scorm/#scorm-2004-4th-edition) (letzter Zugriff: 25.05.2022).
Rustici Software (2022): Technical SCORM. A guide to SCORM 1.2 and SCORM 2004 for developers. Abrufbar unter: [https://scorm.com/scorm-explained/technical-scorm/](https://scorm.com/scorm-explained/technical-scorm/) (letzter Zugriff: 25.05.2022).
**Single Digital Gateway (SDG)**
Die EU-Verordnung zur Einrichtung eines einheitlichen digitalen Zugangstors (Single Digital Gateway, SDG) wurde im September 2018 beschlossen. Die Verordnung sieht vor, dass Verwaltungsleistungen der EU-Mitgliedsstaaten über eine einheitliche Plattform erreicht werden können. Dafür wurde die Plattform „Your Europe“ entwickelt. Die ersten 21 ausgewählten Verwaltungsverfahren sollen bis 2023 für alle EU-Bürger:innen vollständig online abgewickelt werden können, darunter auch bildungsrelevante Leistungen (z. B. Austausch und Anerkennung von Bildungsnachweisen). Weiterhin wird im Gesetz vor allem für das Erfüllen der Sicherheitsanforderungen auf internationale Normungsbemühungen verwiesen.
Europäische Union (2018, 2. Oktober). VERORDNUNG (EU) 2018/1724 DES EUROPÄISCHEN PARLAMENTS UND DES RATES. Abrufbar unter: [https://eur-lex.europa.eu/legal-content/DE/TXT/PDF/?uri=CELEX:32018R1724&from=EN](https://eur-lex.europa.eu/legal-content/DE/TXT/PDF/?uri=CELEX:32018R1724&from=EN) (letzter Zugriff: 25.05.2022).
**Single Sign-On**
Mit einem Single Sign-On ist die Nutzung mehrerer digitaler Dienste mit nur einem Anmelde-Verfahren möglich. Dem liegt ein technologischer Prozess zugrunde, in dem die Anmeldedaten und die damit verbundenen Authorisierungsinformationen automatisch von einem Identity Provider übertragen werden.
Siehe auch: Identity Provider, SAML, Authorisierung
**Statistische/lernende KI**
Bei diesem Systemtyp eines KI-Verfahrens handelt es sich um statistische/lernende Verfahren, wie z. B. neuronale Netze oder Support Vector Machines. Nach Abschluss einer Trainingsphase mit Trainings-Datensätzen kann der Algorithmus auch unbekannte Daten beurteilen und Rückschlüsse entsprechend der spezifischen Mustererkennung treffen. Diese Verfahren werden häufig zu Klassifizierungs- und Vorhersageaufgaben eingesetzt.
Siehe auch: Maschinelles Lernen, Künstliche Intelligenz
Pinkwart, N. & Beudt, S. (2020). Künstliche Intelligenz als unterstützende Lerntechnologie. Abrufbar unter: [https://tinyurl.com/3muxrpvr](https://tinyurl.com/3muxrpvr) (letzter Zugriff: 30.05.2022).
**Stealth Assessment**
```
```
Shute, V.J., & Ventura M. (2013). Stealth Assessment. Measuring and Supporting Learning in Video Games. Cambridge, MA: The MIT Press.
**Student Information Systems (SIS)**
```
Ein Studenteninformationssystem (SIS) dient der Verwaltung von Studierendendaten und schließt Möglichkeiten zur Registrierung von Studierenden in Kursen, Benotung und Schülerbewertungen sowie die Erstellung von Stundenplänen als auch die Nachverfolgung der Anwesenheit von Studierenden mit ein.
```
wikipedia (2022): Student information system. Abrufbar unter: [https://en.wikipedia.org/wiki/Student_information_system](https://en.wikipedia.org/wiki/Student_information_system) (letzter Zugriff: 25.05.2022).
**Supervised Learning**
Supervised Learning ist eine Form des Maschinellen Lernens. Beim Supervised Learning sind die Ausgangsdaten, mit denen das System trainiert, bereits gekennzeichnet.
Siehe auch: Unsupervised Learning, Maschinelles Lernen
**Taxonomie**
Bei einer Taxonomie handelt es sich um ein Klassifikationsschema bestehend aus Hauptkategorien und Untergruppen. Eine Taxonomie ist zumeist als Ordnungssystem aufgebaut (z. B. hierarchisch) und begrenzt auf einen spezifischen Anwendungsbereich (z. B. Berufsgruppen, Kompetenzen). Aus der Klassifikation resultiert ein konzeptionelles Gerüst eines spezifischen Themas mit zugehörigen Elementen und Zusammenhängen.
Im Bildungsbereich ist ein typisches Beispiel die Lernziel-Taxonomie nach Bloom, die Lernziele nach zunehmender Komplexität anordnet.
Siehe auch: Ontologie
Hogrefe AG (2019). Taxonomie. In: Dorsch – Lexikon der Psychologie. Abrufbar unter [https://dorsch.hogrefe.com/stichwort/taxonomie](https://dorsch.hogrefe.com/stichwort/taxonomie) (letzter Zugriff 24.05.2022).
**Telekommunikation- Telemedien- Datenschutzgesetz (TTDSG)**
Das TTDSG (Telekommunikation-Telemedien-Datenschutzgesetz) ist eine Zusammenführung des Telemediengesetzes (TMG) und des Telekommunikationsgesetzes (TKG). Das neue Gesetz berücksichtigt die Vorgaben der DSGVO und soll den Datenschutz für Telekommunikation und Telemedien nun klar regeln. Das Gesetz wurde im Mai 2021 beschlossen und trat Ende 2021 in Kraft. Das TTDSG soll der geplanten ePrivacy-Verordnung der EU (siehe unten) in einigen wichtigen Punkten bereits vorgreifen.
Siehe auch: E-Privacy-Verordnung
Bundesministerium für Wirtschaft und Klimaschutz (2021, 28. Mai). Gesetz zum Schutz der Privatsphäre in der digitalen Welt beschlossen. Abrufbar unter: [https://tinyurl.com/yckmcm3d](https://tinyurl.com/yckmcm3d) (letzter Zugriff: 24.05.2022).
**Unsupervised Learning**
Unsupervised Learning ist eine Form des Maschinellen Lernens. Beim unsupervised learning sind die in das System eingespeisten Daten nicht mit Metadaten gekennzeichnet. Das ML-System hat die Aufgabe, typische Muster in Merkmalen eigenständig zu identifizieren und die Daten entsprechend zu kategorisieren.
Siehe auch: Supervised Learning, Maschinelles Lernen
**Usability**
Usability ist die Gebrauchstauglichkeit interaktiver Systeme und wird definiert als das Ausmaß, in dem ein interaktives System durch bestimmte Benutzer:innen in einem bestimmten Nutzungskontext für eine bestimmte Aufgabe genutzt werden kann, um festgelegte Ziele effektiv, effizient und zufriedenstellend zu erreichen.
Benutzer:innen sind Personen, die mit einem interaktiven System interagieren oder Systemergebnisse verwenden.
Der Nutzungskontext ist eine Kombination der Faktoren Benutzer:innen, Ziele, Aufgaben, Ressourcen und Umgebung.
Usability ist zudem Teil des Benutzererlebnisses (User Experience) und bezieht sich dahingehend auf die Erlebnisse während der eigentlichen Nutzung eines interaktiven Systems.
Siehe auch: User Experience, Barrierefreiheit
Deutsches Institut für Normung (2018). Ergonomie der Mensch-System-Itneraktion - Teil 11: Gebrauchstauglichkeit: Begriffe und Konzepte (ISO 9241-11).
Preim, B., Dachselt, R. (2015). Interaktive Systeme Band 2. Berlin/Heidelberg: Springer.
**User Experience**
Die User Experience ist das Benutzererlebnis und wird definiert als die Wahrnehmungen und Reaktionen von Benutzer:innen, die sich aus der Benutzung und/oder erwarteten Benutzung eines interaktiven Systems ergeben. Dies beinhaltet somit z. B. Emotionen, Überzeugungen, Vorlieben, Vorstellungen, Erwartungen oder Verhaltensweisen der Benutzer:innen vor, während und nach der Benutzung. Die momentanen Benutzerungserlebnisse, d. h. die eigentliche Interaktion mit dem System, wird dabei hauptsächlich von der Usability beeinflusst. Antizipierte und reflektierte Benutzungserlebnisse (vor und nach der Benutzung) werden maßgeblich von qualitativen Benutzungsfaktoren bestimmt, z. B. Markenbild, Image, Vorwissen oder Einstellungen.
Siehe auch: Usability
Deutsches Institut für Normung (2019). Ergonomie der Mensch-System-Interaktion - Teil 210: Menschzentrierte Gestaltung interaktiver Systeme (ISO 9241-210).
Hartson, R., Pyla, P. (2012). The UX Book. Process and Guidelines for ensuring a Quality User Experience. Amsterdam: Morgan Kaufmann.
**Verifiable Credentials (VC)**
Verifiable Credentials umfassen diverse Arten von Berechtigungsnachweisen, die bislang physisch vorlagen (z. B. Krankenversichertenkarte, Hochschulzeugnis etc.) oder neu sind (z. B. Besitz eines Bankkontos) in digitaler und verifizierbarer Form. Wie physische Berechtigungsnachweise enthalten sie Informationen zum Träger, zur ausstellenden Stelle, zur Art der Berechtigung, zum Ablaufdatum etc. Durch digitale Signaturen sollen Verifiable Credentials fälschungssicher und verifizierbar sein. Der Standard macht allerdings keine feste Vorgabe zur Art der digitalen Signatur. Zudem sollen Verifiable Credentials maschinenlesbar sein. Der W3C-Standard definiert verschiedene Rollen (z. B. holder, issuer, verifier) und macht Vorschläge, wie die Rollen und ihre Zusammenhänge für verschiedene Anwendungsfelder standardisiert werden können.
Siehe auch: W3C
Europäische Kommission (o. D.): European Learner Mobility Achievement Information (EuroLMAI). Abrufbar unter: [https://joinup.ec.europa.eu/collection/european-committee-standardization-cen/solution/european-learner-mobility-achievement-information-eurolmai/about](https://joinup.ec.europa.eu/collection/european-committee-standardization-cen/solution/european-learner-mobility-achievement-information-eurolmai/about) (letzter Zugriff: 02.06.2022).
**Verteiltes System**
**Virtual Reality (VR)**
Virtual Reality bezeichnet das Erleben einer virtuellen Welt im Sinne einer synthetischen, räumlichen 3D-Umwelt, die zumeist aus Egoperspektive dargestellt wird. Echtzeitfähigkeit und Interaktivität sind dahingehend zentrale Voraussetzungen für das Entstehen von Immersion und Präsenz. Immersion meint das Ausmaß der verfügbaren Technologien, eine inklusive, umfassende, umgebende und lebendige Illusion der Realität zu ermöglichen. Die Präsenz ist die subjektive Reaktion auf Immersion. Am weitesten verbreitet ist die Nutzung von Head-Mounted-Displays (auch: VR-Brille) und Lautsprechern, über die visuelle und auditive Reize an die Sinnesorgane weitergeleitet werden, in Kombination mit einem Joystick-Set, mit dem die Bewegung und Interaktion gesteuert wird.
Siehe auch: Augmented Reality
Dörner, R. Broll, W., Grimm, P., Jung, B. (2019): Virtual und Augmented Reality (VR/AR). Berlin/Heidelberg: Springer, eXamen.Press.
LaViola, J. J., Kruijff, E., Bowman, D. A., Poupyrev, I., McMahan, R. P. (2017). 3D User Interfaces: Theory and Practice. Boston: Addison Wesley.
**W3C**
Das World Wide Web Consortium (W3C) ist ein Gremium zur Standardisierung von Techniken des World Wide Web. Der Fokus liegt auf der Entwicklung technischer Spezifikationen und Richtlinien. Beispiele für Technologien, die durch das W3C standardisiert wurden, sind HTML, XHTML, XML, RDF, OWL, CSS oder SVG. Darüber hinaus spielt das Thema Barrierefreiheit eine wichtige Rolle, welches über die Web Content Accessibility Guidelines (WCAG) adressiert wird und von der W3C Web Accessibiltiy Initiative (WAI) betreut und weiterentwickelt wird.
Siehe auch: Barrierefreiheit, Web Content Accessibility Guidelines (WCAG)
World Wide Web Consortium (2022). Abrufbar unter:[ ](wiki:#)[https://www.w3.org/](https://www.w3.org/) (letzter Zugriff: 25.05.2022).
**WAI-ARIA**
Die Accessible Rich Internet Applications Suite (ARIA) wurde von der „Web Accessibility Initative“ (WAI) innerhalb des W3C, entwickelt. Im Kern soll ARIA vor allem dynamischen Webcontent (z. B. Sliders, Widgets) für Nutzer:innen mit verschiedenen Beeinträchtigungen zugänglicher machen. ARIA ist eine Erweiterung für HTML und definiert, wie assistive Technologien (v. a. Screen Reader) mit dynamischem Content einer Webseite umgehen sollen.
Siehe auch: W3C
World Wide Web Consortium (2017, 17. Dezember). Accessible Rich Internet Applications (WAI-ARIA) 1.1. Abrufbar unter: [https://tinyurl.com/yc4dp8yr](https://tinyurl.com/yc4dp8yr) (letzter Zugriff: 25.05.2022).
**Web Content Accessibility Guidelines (WCAG)**
Die Web Content Accessibility Guidelines (WCAG) sind ein internationaler Standard des W3C. Die WCAG bieten Empfehlungen für die barrierefreie Gestaltung von Webseiten und mobilen Anwendungen. Es werden beispielsweise Empfehlungen für Menschen mit Sehbehinderungen, Einschränkungen des Gehörs, Lernbehinderungen, kognitiven Einschränkungen, eingeschränkter Bewegungsfähigkeit und Sprachbehinderungen gemacht. Auch für Menschen ohne Beeinträchtigungen werden Webinhalte im Allgemeinen benutzbarer. Die WCAG 2.1 umfassen 13 Richtlinien, die vier übergeordneten Prinzipien zuzuordnen sind: Wahrnehmbarkeit, Bedienbarkeit, Verständlichkeit und Robustheit. Im Jahr 2012 wurde die WCAG 2.0 zu einem ISO-Standard (ISO/IEC 40500:2012). Außerdem wurden die WCAG-Richtlinien teilweise in gesetzliche Verordnungen aufgenommen: So müssen seit dem 23. September 2020 alle bestehenden und neuen Websites öffentlicher Einrichtungen in der EU nach den WCAG gestaltet werden).
Siehe auch: Barrierefreiheit, BITV, W3C
Deutsche Übersetzung der WCAG 2.0: World Wide Web Consotium (2009, 29.Oktober). Richtlinien für barrierefreie Webinhalte (WCAG). Abrufbar unter:
[https://www.w3.org/Translations/WCAG20-de/](https://www.w3.org/Translations/WCAG20-de/) (letzter Zugriff: 25.05.2022).
Aktuelle Version WCAG 2.1: World Wide Web Consortium (2018, 5.Juni). Abrufbar unter: [https://www.w3.org/TR/WCAG21/](https://www.w3.org/TR/WCAG21/) (letzter Zugriff: 25.05.2022).
Überblick, wie WCAG-Richtlinien eingehalten werden können: World Wide Web Consortium (2019, 4. Oktober). How to Meet WCAG (Quick Reference) A customizable quick reference to Web Content Accessibility Guidelines (WCAG) 2 requirements (success criteria) and techniques. Abrufbar unter: [https://www.w3.org/WAI/WCAG21/quickref/](https://www.w3.org/WAI/WCAG21/quickref/) (letzter Zugriff: 25.05.2022).
**Web Scraping**
Web Scraping beschreibt das automatische Auslesen von Inhalten einer dritten Website zur Einbindung in das eigene Angebot. Neben dem legalen und erwünschten Web Scraping, wie es beispielsweise Suchmaschinen durchführen, um Websites zu indexieren, gibt es auch schädliche und missbräuchliche Methoden des Web Scrapings. Web Scraping kann genutzt werden, um Daten über Nutzende zu sammeln und für Dritte zur Verfügung zu stellen.
Myra Security GmbH (2022). Was ist Web Scraping. Abrufbar unter: [https://www.myrasecurity.com/de/was-ist-web-scraping/](https://www.myrasecurity.com/de/was-ist-web-scraping/) (letzter Zugriff 25.05.2022).
**Wissensbasierte/symbolische KI**
Systemtyp eines KI-Verfahrens; nutzt eine Wissensbasis zur Nutzung von Problemen. Wissensbasis besteht aus Fakten zu einer Domäne und einem Inferenzmechanismus. Der Inferenzmechanismus ermöglicht die Ableitung neuer Erkenntnisse, z. B. Diagnose des Lernfortschritts. Die Inferenzen können über verschiedene Ansätze (z. B. WENNDANN-Regeln, Bayesche Netze…) implementiert werden.
Pinkwart, N. & Beudt, S. (2020). Künstliche Intelligenz als unterstützende Lerntechnologie.
**XBildung**
XBildung ist ein übergreifender Datenaustauschstandard, der auf dem XÖV-Standardisierungsrahmen basiert. Mit XBildung sollen Akteure im Bildungswesen Daten in standardisierter Form austauschen können. Der XBildung-Standard berücksichtigt Vorgaben des Onlinezugangsgesetzes (OZG) und der Verordnung zur Errichtung eines einheitlichen digitalen Zugangstores (SDG). XBildung bildet einen organisatorischen, lebenslagenübergreifenden Rahmen und setzt auf das europäische Interoperabilitätsframework von Europass auf. XHochschule ist eine Untergruppe der XBildung-Standards, die derzeit entwickelt wird. Die Entwicklung eines Standards für die Weiterbildung („XWeiterbildung“) ist in Planung.
Siehe auch: Europass, Interoperabilität
Bundesministerium für Bildung und Forschung und Finanzministerium Sachsen-Anhalt (2021, 23. März). Spezifikation XBildung Version 0.3. Abrufbar unter: [https://tinyurl.com/vaxdx2zy](https://tinyurl.com/vaxdx2zy) (letzter Zugriff: 25.05.2022).
**XÖV**
XÖV (=XML in der öffentlichen Verwaltung) ist der XML-Standard der öffentlichen Verwaltung für den elektronischen Datenaustausch zwischen öffentlichen Verwaltungen bzw. zwischen der öffentlichen Verwaltung und ihren Kund:innen. Der XÖV-Standard regelt die Struktur und Semantik der zu übermittelnden Daten. Für verschiedene Arbeitsbereiche werden eigene XÖV-Standards eingerichtet. Für den Bildungsbereich (von der Schule bis zur Hochschule) wird der XBildung-Standard entwickelt. In Planung sind weitere Fachmodule, z. B. XWeiterbildung.
Senatorin für Finanzen Referat 44 - Koordinierungsstelle für IT Standards (o. D.): Startseite. Abrufbar unter: [https://www.xoev.de/](https://www.xoev.de/) (letzter Zugriff: 25.05.2022).
---
Reicht diese Definition aus?
·
