Kontext
Die Session thematisiert die operative Umsetzung eines offenen Austauschs von Kursdaten im Europäischen Hochschulraum. Im Fokus stehen die technischen und organisatorischen Herausforderungen sowie Chancen, die sich aus der Interoperabilität von Bildungsangeboten ergeben. Europäische Hochschulallianzen ermöglichen bereits flexible Lernpfade durch gemeinsame Kurskataloge, doch fehlen standardisierte Verfahren für den datenbasierten Austausch. Das European Higher Education Interoperability Framework (2025) definiert acht Use Cases, wobei diese Session den Use Case „Discover“ (Auffindbarkeit von Bildungsangeboten) vertieft. Das Erasmus+-Projekt QualityLink hat hierfür ein Datenmodell und eine Ontologie basierend auf dem European Learning Model (ELM) entwickelt.
Kernaussagen
1. European Higher Education Interoperability Framework und Use Case „Discover“
- Das European Higher Education Interoperability Framework (veröffentlicht 2025) definiert acht Use Cases für den digitalen Bildungsraum, darunter:
- Discover: Auffindbarkeit von Bildungsangeboten (Kurse, Module, Microcredentials).
- Weitere Use Cases: Apply and Recognition, Access Tools, Manage Educational Resources, Generate Data, Earn Credential, User Identity, Institutional Identity.
- Der Use Case „Discover“ zielt darauf ab, Lernangebote europaweit sichtbar und vergleichbar zu machen, um flexible Lernpfade und Anerkennung zu erleichtern.
- Quelle: European Higher Education Interoperability Framework (2025).
2. Projekt QualityLink: Datenmodell und Ontologie für Open Course Data
- QualityLink hat ein Datenmodell und eine Ontologie basierend auf dem European Learning Model (ELM) entwickelt, um den interoperablen Austausch von Kurskatalogdaten zu ermöglichen.
- ELM dient als Referenzmodell, da es die umfassendste Abdeckung von Kursinformationen bietet (z. B. Lernziele, Workload, EQF-Level, Qualitätsstandards).
- Bestehende Standards wie OOAPI, Edu-API und OCCAPI decken nur Teilaspekte ab und wurden um fehlende Elemente ergänzt (z. B. Verfügbarkeit von Studienplätzen, Zielgruppen-spezifische Zugangsvoraussetzungen).
- Drei zentrale Entwicklungen:
- Erweiterung des ELM um fehlende Attribute (z. B. Stackability, Anmeldefristen).
- Skalierbarer Ansatz zur Auffindbarkeit von Datenquellen:
- Hochschulen veröffentlichen eine Manifestdatei an standardisierten Stellen ihrer Webdomains (z. B.
/.well-known/qualitylink-manifest.json).
- Die Datei verweist auf die eigentlichen Kursdatenquellen (z. B. OOAPI, Edu-API) und deren Formate.
- Nutzung bestehender Verzeichnisse wie DEQAR (European Quality Assurance Register) für vertrauenswürdige Datenquellen.
- Mapping bestehender Standards auf ELM und Entwicklung von Datenaustausch-Spezifikationen (z. B. Zugriffssteuerung via OAuth 2.0).
- Pilot-Aggregator:
- Konvertiert Daten aus verschiedenen Standards (OOAPI, Edu-API, OCCAPI) in das ELM-Format.
- KI-basierte Anreicherung: Automatisierte Zuordnung von Lernzielen zu ESCO (Skills) oder ISCED (Fachklassifizierung), Aufbereitung unstrukturierter Kursbeschreibungen.
- Beispiel: QualityLink Pilot-Katalog.
3. Open Course Data: Chancen und Risiken
- Konzept:
- Öffentlich verfügbare Kurs- und Modulinformationen in standardisierten Formaten (z. B. ELM, OOAPI) bereitstellen.
- Ziele: Flexible Lernpfade, Anerkennung von Leistungen, kompetenzbasiertes Recruiting, gemeinsame Kurskataloge für Allianzen.
- Chancen (laut Umfrage):
- Höhere Sichtbarkeit und Attraktivität von Studiengängen (z. B. durch europaweite Kataloge).
- Vergleichbarkeit von Angeboten und bessere Orientierung für Studierende.
- Durchlässigkeit zwischen Bildungseinrichtungen und Ressourcenschonung durch gemeinsame Nutzung von Daten.
- Faktengeleitete Auswahl von Angeboten (z. B. für Microcredentials).
- Etablierung von Partnerschaften und Förderung von Joint Programs.
- Risiken (laut Umfrage):
- Administrativer Aufwand für Hochschulen, insbesondere kleinere oder private Einrichtungen.
- Qualitätsbedenken bei automatisierter Datenaufbereitung (z. B. KI-generierte Lernziele).
- Angst vor Ideendiebstahl durch Offenlegung detaillierter Modulbeschreibungen.
- Überforderung durch zu viele Informationen oder Multioptionalität.
- Wettbewerbsnachteile für kleinere Hochschulen.
4. Technische Umsetzung und Standards
- Datenstandards:
- ELM (European Learning Model): Umfassendste Abdeckung von Kursdaten (z. B. Lernziele, Workload, EQF-Level, Qualitätsstandards).
- OOAPI (Open Education API): Ursprünglich für Erasmus Without Paper entwickelt, deckt u. a. Raumverfügbarkeit ab.
- Edu-API: Globaler Standard für Kursdaten.
- OCCAPI: Standard für Microcredentials.
- Datenaustausch-Spezifikationen (QualityLink):
- Data Sources and Access Policy: Nutzungsbedingungen für Daten.
- Ontology: Erweiterung des ELM.
- QualityLink Application Profile: Anpassung des ELM für Lernangebote.
- Course Identifier Specification: Einheitliches Format für Kurs-IDs.
- Data Source Discovery Specification: Mechanismus zur Auffindbarkeit von Datenquellen.
- Data Exchange Specification: Nutzung unterstützter Formate (ELM, OOAPI, Edu-API, OCCAPI).
- Implementierungsoptionen für Hochschulen:
- Datenbereitstellung: Export von ELM-Daten oder Implementierung von OOAPI/Edu-API/OCCAPI.
- Aggregation: Nutzung des QualityLink-Aggregators (gehostet oder eigene Instanz).
- Katalog: Integration in eigene Frontends oder Nutzung der QualityLink-Plattform.
5. KI und Datenanreicherung
- KI-basierte Tools unterstützen die Aufbereitung von Kursdaten:
- Strukturierung unstrukturierter Kursbeschreibungen (z. B. Generierung von Lernziel-Items).
- Zuordnung von Lernzielen zu ESCO (Skills) oder ISCED (Fachklassifizierung).
- Spracherkennung (z. B. Erkennung der Unterrichtssprache).
- Transparenz: KI-generierte Inhalte werden als solche gekennzeichnet, um Missverständnisse zu vermeiden.
Fazit
Das Projekt QualityLink zeigt, dass ein offener, standardisierter Austausch von Kursdaten im Europäischen Hochschulraum technisch machbar und vielversprechend ist. Die entwickelten Lösungen – insbesondere die Erweiterung des ELM, der skalierbare Ansatz zur Datenauffindbarkeit und der Pilot-Aggregator – bieten eine Grundlage für:
- Flexiblere Lernpfade und einfachere Anerkennung von Leistungen.
- Europaweite Sichtbarkeit von Bildungsangeboten, insbesondere für Microcredentials.
- Kompetenzbasiertes Recruiting durch standardisierte Lernzielbeschreibungen.
Handlungsempfehlungen:
- Hochschulen sollten prüfen, wie sie bestehende Kursdaten in standardisierte Formate (z. B. ELM, OOAPI) überführen und über Manifestdateien zugänglich machen können.
- Politische Entscheidungsträger:innen und Bildungsnetzwerke sollten die Interoperabilität als strategisches Ziel verankern und die Nutzung offener Standards fördern.
- Entwickler:innen und IT-Verantwortliche können den QualityLink-Aggregator als Blaupause für eigene Lösungen nutzen oder sich an der Weiterentwicklung der Standards beteiligen.
- Qualitätssicherung: Klare Richtlinien für die KI-basierte Datenanreicherung und Transparenz bei automatisierten Prozessen sind essenziell, um Vertrauen zu schaffen.
Langfristige Vision: Eine europaweite offene Dateninfrastruktur, in der Hochschulen ihre Kursdaten selbst bereitstellen und diese nahtlos in gemeinsame Kataloge, Recruiting-Tools oder Beratungsplattformen integriert werden können.
