Adaptive Lernplattform
EdTech · Schulbildung (K-12)
2024
mobile
Was sie brauchten
Die Plattform brauchte eine einzige Flutter-App für Schülerinnen und Schüler vom Leseanfänger bis zum Teenager, jeweils mit eigenem Tempo und Lernstil, über ein Curriculum von über 500 Themen hinweg. Eine einzige feste Abfolge funktioniert bei dieser Bandbreite nicht – eine Schülerin kann in einem Fach voraus und in einem anderen zurück sein, und starre Taktung erstickt das Engagement schnell. Das Team musste eine Empfehlungsschicht bauen, die die Beherrschung pro Thema laufend neu bewertet und Inhalte automatisch umleitet. Mobile brachte eigene Einschränkungen mit sich: Die App musste über ein breites Spektrum an Geräten hinweg schnell und reaktionsfreudig bleiben, und die zugrunde liegende ML-Pipeline musste Nutzungssignale schnell genug in aktualisierte Empfehlungen umwandeln, damit sie aktuell wirkten, während die Plattform auf über 75.000 aktive Schülerinnen und Schüler wuchs.
Was wir gebaut haben
Wir haben die schülerseitige App in Flutter gebaut, für eine einzige Codebasis über iOS und Android hinweg, die alle über 500 Curriculum-Themen abdeckt, ohne separate native Apps pflegen zu müssen. Firebase übernimmt Authentifizierung und Echtzeit-Datensynchronisation, sodass jede abgeschlossene Aktivität den Fortschritt eines Schülers sofort aktualisiert statt mit Verzögerung. Die Empfehlungs-Engine läuft in Python, mit TensorFlow-Modellen, die auf Interaktionsdaten der Schüler trainiert wurden, um die Themenbeherrschung zu bewerten und den jeweils nächstbesten Inhalt pro Schüler auszuwählen. GCP hostet Trainings- und Serving-Infrastruktur und skaliert die Inferenz mit wachsender Nutzerzahl. Eine Gamification-Schicht sitzt auf der Empfehlungs-Engine auf, um das Engagement aufrechtzuerhalten. Die Fortschrittsverfolgung wurde als zwei getrennte Ansichten auf derselben Firebase-Datenschicht aufgebaut: ein vereinfachter Überblick für Eltern und themenweise Details für Lehrkräfte.
Wie wir es angegangen haben
Die App wurde einmal in Flutter gebaut statt in zwei nativen Codebasen, wodurch es möglich wurde, über 500 Curriculum-Themen abzudecken, ohne den mobilen Entwicklungsaufwand zu verdoppeln.
Personalisierung wurde als fortlaufende themenbezogene Beherrschungsbewertung in TensorFlow modelliert statt als feste Taktung nach Klassenstufe, sodass sich der Lernpfad eines Schülers mit eingehenden Leistungsdaten verschiebt.
Firebase sorgt für Echtzeit-Synchronisation, sodass Eltern- und Lehrer-Dashboards die Aktivität eines Schülers in dem Moment widerspiegeln, in dem sie geschieht, statt mit Batch-Verzögerung.
Die Fortschrittsverfolgung wurde in zwei zweckgerichtete Ansichten auf denselben Daten aufgeteilt – eine vereinfachte Übersicht für Eltern, themenweise Details für Lehrkräfte – statt eines generischen Berichts für beide.
Die Wirkung
Aktive Schülerinnen und Schüler
Lernzuwachs
App-Bewertung
"Unsere Schülerinnen und Schüler sind engagierter als je zuvor. Die KI-Personalisierung ist unglaublich."
Head of Product
EdTech-Plattform
Sagen Sie uns,
was wir bauen sollen.
Bringen Sie uns die Idee, die angeblich zu schwer war. Kostenlose, unverbindliche Antwort innerhalb von 24 Stunden — NDA auf Anfrage.