Table of Contents
Tanja Käser – Die Frau, die dem Lernen einen Algorithmus gibt
Tanja Käser gehört zu jenen Wissenschaftlerinnen, deren Arbeit sich an einem der folgenreichsten Kreuzungspunkte unserer Zeit bewegt: dort, wo maschinelles Lernen auf Bildung trifft. Die Informatikerin und Forscherin an der École Polytechnique Fédérale de Lausanne, kurz EPFL, hat sich auf Educational Data Mining, adaptives Lernen und KI-gestützte Schülermodellierung spezialisiert – und damit ein Forschungsfeld mitgeprägt, das weltweit an Dringlichkeit gewinnt.
Ihr Name taucht in internationalen Konferenzprogrammen auf, von der renommierten Educational Data Mining Conference (EDM) bis zur Learning Analytics and Knowledge Conference (LAK). Tanja Käser ist keine Hinterzimmerwissenschaftlerin – ihre Modelle und Algorithmen beeinflussen direkt, wie Bildungstechnologieplattformen weltweit konzipiert und eingesetzt werden.
Tanja Käser: Profil einer Bildungsforscherin im digitalen Zeitalter
Der Kern ihrer wissenschaftlichen Arbeit lässt sich in drei Worten beschreiben: verstehen, modellieren, verbessern. Käser entwickelt Methoden, mit denen Computersysteme das Lernverhalten von Schülerinnen und Schülern analysieren und auf dieses reagieren können. Das Ziel ist dabei nicht Überwachung, sondern Individualisierung – jeder Lernende soll die Pfade erhalten, die seinem Wissensstand und seiner Lerngeschwindigkeit tatsächlich entsprechen.
Diese Ambition ist nicht trivial. Bildung ist komplex, menschlich und kulturell geprägt. Daten allein erzählen keine vollständige Geschichte – das weiß auch Käser. Deshalb kombiniert sie in ihrer Forschung klassische pädagogische Theorie mit modernen Methoden der Datenanalyse und des maschinellen Lernens, ohne die eine Seite der anderen unterzuordnen.
Knowledge Tracing: Das Herzstück ihrer Forschungsarbeit
Eines der zentralen Konzepte, mit dem sich Tanja Käser intensiv auseinandersetzt, ist das sogenannte Knowledge Tracing – die Echtzeit-Schätzung des Wissensstands eines Lernenden auf Basis seiner bisherigen Interaktionen mit einem Lernsystem. Die klassischen Modelle dafür – allen voran das Bayesian Knowledge Tracing (BKT) – existieren seit den frühen 1990er Jahren. Was sich seither grundlegend verändert hat, ist die verfügbare Rechenleistung und die Dichte der erhobenen Bildungsdaten.
Deep Learning-Methoden erlauben es heute, weit komplexere Wissensstrukturen abzubilden, als es früheren Ansätzen möglich war. Käser hat in diesem Bereich entscheidend mitgeforscht: Sie hat untersucht, wie neuronale Netzwerke eingesetzt werden können, um Lernprozesse präziser zu modellieren, ohne dabei die Interpretierbarkeit der Modelle zu opfern.
Das ist eine Spannung, die im Bildungskontext besonders heikel ist. Eltern, Lehrpersonen und Schulleitungen wollen nicht nur ein Ergebnis – sie wollen verstehen, warum ein Algorithmus bestimmte Schlüsse zieht. Käsers Forschung nimmt diese Anforderung ernst.
Adaptive Lernsysteme: Wenn KI individuell unterrichtet
Aus Knowledge Tracing folgt das nächste Forschungsfeld organisch: adaptive Lernsysteme. Ein wirklich adaptives System ist kein statisches Lernprogramm, das jedem Schüler dieselben Aufgaben in derselben Reihenfolge präsentiert. Es reagiert auf den Lernenden – passt Schwierigkeitsgrad, Inhalte und Lernpfade dynamisch und in Echtzeit an.
Tanja Käser hat an Modellen und Evaluationsrahmen gearbeitet, die solche Systeme wissenschaftlich überprüfbar machen. Denn ein strukturelles Problem im EdTech-Markt ist offenkundig: Viele kommerzielle Produkte behaupten, „adaptiv“ zu sein, ohne dass diese Behauptung durch methodisch saubere Studien belegt ist. Rigorose Evaluation ist hier keine akademische Spielerei, sondern eine direkte Schutzmaßnahme für Millionen Kinder, deren Lernzeit mit solchen Systemen verbracht wird.
Ihre Arbeiten gehen konsequent der Frage nach, wie sich verschiedene Modellierungsansätze in realen Unterrichtsumgebungen bewähren – nicht nur im kontrollierten Laborumfeld, sondern im gelebten Schulalltag.
An der EPFL: Forschung im internationalen Kontext
Die EPFL in Lausanne zählt zu den führenden technischen Universitäten Europas und bietet einen interdisziplinären Rahmen, der für Käsers Forschungsansatz geradezu ideal ist. Zugang zu einem breiten Netzwerk aus Informatikern, Kognitionswissenschaftlern, Pädagogen und Datenwissenschaftlern unter einem Dach – das ist keine Selbstverständlichkeit.
Die Schweizer Wissenschaftslandschaft bringt besondere Vorzüge mit sich: Mehrsprachigkeit, eine international geprägte Studierendenschaft und eine tief verwurzelte Tradition präziser empirischer Forschung. Diese Kombination spiegelt sich in Käsers Publikationen wider, die stets darauf bedacht sind, theoretische Modelle an realen Bildungsdaten zu validieren, bevor Aussagen generalisiert werden.
Ihre Arbeiten entstehen nicht isoliert. Kooperationen mit internationalen Forschungsgruppen – aus Nordamerika, aus Großbritannien, aus dem asiatisch-pazifischen Raum – prägen ihren Output. Das globale Bildungsproblem verlangt nach globalen Lösungsansätzen, und die Wissenschaftlerin ist in diesen Netzwerken aktiv verankert.
Warum ihre Forschung gerade jetzt gesellschaftlich brennt
Der globale Bildungssektor steht unter erheblichem Druck: Lehrermangel, post-pandemische Lernrückstände in mehreren Jahrgängen, die fortschreitende Digitalisierung klassischer Unterrichtsformate und wachsende Ungleichheit im Bildungszugang. In diesem Kontext gewinnen die Werkzeuge, an denen Tanja Käser forscht, eine praktische Dringlichkeit, die über den akademischen Diskurs hinausreicht.
Intelligent Tutoring Systems (ITS) – also computergestützte Tutorensysteme, die adaptiv auf Lernende eingehen – könnten einen Teil jener personalisierten Betreuung übernehmen, die in überfüllten Klassenräumen kaum noch leistbar ist. Das ist kein Plädoyer für den Ersatz menschlicher Lehrpersonen durch Maschinen. Es ist eine nüchterne Antwort auf einen Ressourcenmangel, der strukturelle Ursachen hat.
Gleichzeitig stellen sich ethische Fragen, die nicht wegdiskutiert werden können: Wer kontrolliert die erhobenen Bildungsdaten? Wessen Interessen bedienen die eingesetzten Algorithmen? Wie wird Fairness in automatisierten Bildungsentscheidungen sichergestellt – besonders für Kinder aus marginalisierten Gruppen? Käsers Forschung adressiert diese Fragen nicht am Rand, sondern als integralen Bestandteil ihres wissenschaftlichen Ansatzes.
Wissenschaftliche Tiefe, gesellschaftliches Bewusstsein
Was Tanja Käser von vielen Forscherinnen ihres Fachs unterscheidet, ist die Verbindung aus technischer Präzision und gesellschaftlichem Verantwortungsbewusstsein. Sie bewegt sich sicher zwischen Fachkonferenzen mit hochspezialisiertem Publikum und Gesprächen mit Bildungspolitikerinnen, die wissen wollen, was KI im Unterricht leisten kann – und wo ihre Grenzen liegen.
Ihre Publikationsliste in referierten Fachzeitschriften und Konferenzbänden zeugt von einer Karriere, die auf soliden empirischen Fundamenten aufbaut. Gleichzeitig engagiert sie sich in der Betreuung des wissenschaftlichen Nachwuchses – ein Engagement, das die nächste Generation von Bildungsforschenden prägt.
Die Frage, wie künstliche Intelligenz das Lernen verändert, wird die kommenden Jahrzehnte gesellschaftlich dominieren. Mit ihrer Expertise ist Tanja Käser eine der zentralen Stimmen in dieser Debatte – nicht laut, aber von bleibendem Gewicht.
Häufig gestellte Fragen (FAQs)
Wer ist Tanja Käser und womit beschäftigt sie sich beruflich?
Tanja Käser ist Informatikerin und Forscherin an der École Polytechnique Fédérale de Lausanne (EPFL) in der Schweiz. Ihr Fachgebiet liegt an der Schnittstelle von maschinellem Lernen und Bildungsforschung – konkret entwickelt und evaluiert sie KI-Modelle, die den Lernprozess von Schülerinnen und Schülern besser versteh- und steuerbar machen.
Was ist Knowledge Tracing und welche Rolle spielt es in Tanja Käsers Forschung?
Knowledge Tracing bezeichnet eine Methode, mit der der aktuelle Wissensstand eines Lernenden in Echtzeit geschätzt wird – basierend auf seinen bisherigen Interaktionen mit einem Bildungssystem. Tanja Käser hat maßgeblich daran mitgeforscht, wie Deep Learning-Ansätze die Genauigkeit dieser Modelle steigern können, ohne die Nachvollziehbarkeit für Lehrpersonen und Eltern zu opfern.
Warum ist Tanja Käsers Arbeit an adaptiven Lernsystemen für die Bildungspraxis relevant?
Adaptive Lernsysteme passen Inhalte, Schwierigkeitsgrad und Lernpfade dynamisch an individuelle Lernende an. Käsers Forschung liefert die wissenschaftliche Grundlage, um solche Systeme objektiv zu bewerten und von kommerziellen EdTech-Produkten ohne valide Wirksamkeitsnachweise zu unterscheiden – eine wichtige Orientierungshilfe für Schulen und Bildungseinrichtungen weltweit.
Welche ethischen Fragen rund um KI und Bildung adressiert Tanja Käser in ihrer Arbeit?
Käser befasst sich explizit mit Fragen der Datenkontrolle, algorithmischer Fairness und dem Schutz vulnerabler Lernender. Sie vertritt die Position, dass ethische Überlegungen kein Anhang zur technischen Entwicklung sind, sondern von Beginn an in den Forschungsprozess integriert werden müssen – besonders wenn Algorithmen Entscheidungen über Bildungsverläufe von Kindern beeinflussen.
Mehr lesen: News Gütersloh