In einer Zeit, in der die Geschwindigkeit der Wissensentwicklung und die Komplexität gesellschaftlicher Probleme stetig wachsen, steht die akademische Bildung vor der grundlegenden Herausforderung, Studierende nicht nur mit Wissen aus der Forschung (wie Theorien und Erkenntnisse) auszustatten, sondern sie auch darin zu schulen, kritisch zu reflektieren, Daten sinnvoll zu analysieren und lösungsorientiert zu handeln.

Der traditionelle Bildungsansatz, der Studierende hauptsächlich als passive Konsumenten und Konsumentinnen von Forschungsergebnissen betrachtet, stößt hier an seine Grenzen (Healey & Jenkins, 2009). Stattdessen wird gefordert, dass die Lernenden in authentische Forschungserfahrungen eingebunden werden, um diese Fähigkeiten zu entwickeln (Healey & Jenkins, 2009). Dies sollte nicht erst in den abschließenden Phasen des Studiums geschehen (z.B. bei akademischen Abschlussarbeiten) oder auf eine Auswahl an Assistenzpositionen in Forschungsprojekten beschränkt sein (Healey et al., 2013), sondern als integraler Bestandteil des Studiums.

Die Lösung praktischer Probleme mithilfe von Forschungsprozessen, wie sie durch Ansätze des „problembasierten Lernens“ und „authentischer Praktiken“ umgesetzt wird, erweist sich als besonders zielführend (Healey & Jenkins, 2009; van der Rijst, 2017; Visser-Wijnveen, 2013). Dies hilft dabei, die Relevanz von Forschung für die „reale“ Welt zu verstehen und Problemlösungskompetenzen zu erlangen (Healey and Jenkins 2009; Kilgo & Pascarella 2016). Zudem erwerben die Studierende anwendbare Fähigkeiten für ihre Disziplin, indem sie fundamentale Konzepte anwenden und ein tiefgehendes Verständnis erlangen (van der Rist, 2017).

Die Entwicklung generativer KI-Tools bietet hierbei transformative Möglichkeiten für ein neues Zusammenspiel zwischen Lernenden und generativer KI in einem Co-Design- Prozess (UNESCO, 2023). Dieser Übergang zu einem forschungsbasierten Lernen, unterstützt durch den Einsatz von KI-Tools, legt den Schwerpunkt auf die aktive Beteiligung der Studierenden und es geht nicht mehr nur um eine passive Wissensaufnahme oder unkritisches Übernehmen von Informationen. Stattdessen strebt man danach, alle Studierenden – unabhängig von ihren Fähigkeiten und akademischen Wissen – mit den Kernprinzipien der empirischen Forschung sowie der Freude am praktischen Lernen vertraut zu machen, um so gesellschaftlich relevante Erkenntnisse zu erlangen.

Ausgangslage und Motivation

Die Entwicklung des Lehrveranstaltungskonzepts basiert auf der Feststellung, dass im Bachelorstudium die Verknüpfung von theoretischem Wissen mit praktischer Anwendung im Bereich der Markt- und Konsumentenforschung zu kurz kommt und die Vermittlung von Methoden in diesem Bereich an ihre Grenzen stößt. Studierende sollen nicht nur die Divergenz zwischen qualitativen und quantitativen Forschungsmethoden verstehen, sondern die Anwendung in einem praxisnahen Kontext soll erleichtert werden.

Die treibende Kraft hinter der Entwicklung dieses Lehrprojekts war das Ziel, eine innovative Lernumgebung zu etablieren, um Praxisprobleme mit Forschungsdesign und empirischen Erkenntnissen zu lösen. Die praxisorientierte Anwendung bereitet Studierende auf die zunehmende Bedeutung datenbasierter Entscheidungen vor und stattet sie mit den notwendigen Kompetenzen aus, um komplexe Daten effizient zu analysieren, zu interpretieren und daraus Handlungsempfehlungen im gesellschaftlichen Sinne abzuleiten. Somit kann das erlernte Wissen in realen Kontexten angewendet werden und die Problemlösungsfähigkeit sowie ihre Fähigkeit im Umgang mit künstlicher Intelligenz gestärkt werden. Das Lehrangebot unterstützt die Entwicklung von Future Skills wie Data Literacy und AI-Literacy – und fördert die Studierenden in ihrer Rolle als datenkompetente Akteure der Zukunft.

Zieldimensionen & Methodiken

Zieldimension I: Theorie-Praxis-Verbindung durch Case-Based-Teaching

Im Mittelpunkt der Lehrinhalte steht die Verknüpfung von Theorie (Forschungsergebnisse und theoretischen Konzepte aus vergangenen & aktuellen Kursen) und Praxis (Problemstellungen aus der Praxis), um das Verständnis der Studierenden für transdisziplinäres Wissen zu fördern. Diese Verknüpfung hat zum Ziel, das Verständnis der Studierenden für transdisziplinäres Wissen zu vertiefen und sie auf die Bewältigung aktueller gesellschaftlicher Herausforderungen vorzubereiten, die in Unternehmenskontexten oder im Rahmen von Produktentwicklungsprozessen auftreten können.

Die Studierenden werden durch den Einsatz von Case Studies mit Praxispartnern aus den Bereichen Digitalisierung und Nachhaltigkeit mit realen Problemstellungen konfrontiert. Die Auswahl der Unternehmen erfolgt bewusst durch Lehrende, um sicherzustellen, dass die Studierenden an ihr Wissen anknüpfen können. Die Herausforderungen sollten gesellschaftlich relevant sein und im Rahmen eines empirischen Studierendenprojekts bearbeitet werden.

Die Durchführung des Projekts orientiert sich an Bloom’s Taxonomy of Learning, um nicht nur die Entwicklung und Anwendung von Forschungsdesigns zu fördern, sondern auch analytisches und kritisches Denken zu stärken. Dieser Ansatz ermöglicht es den Studierenden, komplexe Lernprozesse zu durchlaufen, angefangen beim Verstehen und Anwenden von Wissen bis hin zum Analysieren, Evaluieren und Generieren von neue Wissens. Die Methodik des „Case-Based-Teaching“ unterstützt somit nicht nur problemlösendes, sondern auch erfahrungsbasiertes Lernen der Studierenden. Dabei werden für reale Praxisprobleme in Projektgruppen Forschungsdesigns erarbeitet durch empirische Methoden Erkenntnisse generiert, auf deren Basis Lösungsansätze bzw. Handlungsempfehlungen abgeleitet werden.

Zieldimension II: Kollaborative und kooperative Lernumgebung

Die Projektarbeit wird in einer kollaborativen und kooperativen Lernumgebung durchgeführt, um anstehende Problemstellungen effektiv zu bearbeiten und die Projekte erfolgreich abzuschließen. Die Arbeit in Gruppen fördert nicht nur Teamfähigkeit und Kommunikationsstärke, sondern ermöglicht den Studierenden auch, den Mehrwert verschiedener Perspektiven, Fähigkeiten und Erfahrungen zu erkennen. Dies trägt dazu bei, neue Erkenntnisse zu gewinnen und ein tieferes Verständnis für die jeweiligen Aufgabenstellungen zu entwickeln. Zudem unterstützt die Gruppenarbeit die Studierenden dabei, im Rahmen konkreter Aufgabenstellungen reale Erfahrungen im Projektmanagement zu sammeln.

Bei der Umsetzung von realen Studierendenprojekten mit Auftraggebern ist somit auch das Zeitmanagement, Teamarbeit und Professionalität von Bedeutung. Um ein produktives Lernumfeld für die Studierenden zu gewährleisten, ist Supervision und eine geleitete Feedbackkultur ein zentrales Element. Die Lehrende unterstützen die Studierenden mittels Coaching-Sessions und bieten strukturiertes, schriftliches Feedback zu einzelnen Projektabgaben. Dieses direkte Feedback ist essenziell, um individuelle Lernfortschritte gezielt zu fördern und den Studierenden konstruktive Wege zur Verbesserung aufzuzeigen.

Zusätzlich wird die Bedeutung von Peer-Reviews unter den Studierenden betont, da dies eine weitere Ebene der Reflexion und des Lernens eröffnet. Durch den Austausch von Feedback untereinander lernen die Lernenden, ihre Arbeiten kritisch aus der Perspektive ihrer Kommilitonen zu betrachten. Dadurch wird ein tiefgreifendes Verständnis für die Vielschichtigkeit der Projektaufgaben gefördert. Im Peer-Review bewerten Mitstudierende somit die Plausibilität und Nachvollziehbarkeit des Forschungsdesigns, während Lehrende in ihrem Feedback die wissenschaftliche Argumentation, die Angabe von Quellen und die methodische Korrektheit beurteilen.

Zieldimension III: Förderung einer Lernumgebung mit transparentem und begleitetem Umgang mit generativer KI in Projektarbeit

Ein wesentliches Ziel dieser Lehrveranstaltung ist die Schaffung einer Lernumgebung, in der der Einsatz von generativen KI-Tools unter Anleitung und mit klarer Intention erfolgt (siehe UNESCO, 2023). Studierende erhalten deshalb eine Einführung in die Thematik generative KI und werden dann entlang des Forschungsprozesses angehalten, generative KI für unterschiedliche Tätigkeiten einzubinden. Studierende werden angehalten Prompts zu überarbeiten und diese auch in anderen KI-Tools auszuprobieren.

Die Reflexion über den generativen KI-Einsatz erfolgt, während der Zwischenpräsentationen im Plenum und in den Coaching Einheiten und ist ein fester Bestandteil der Lehrinhalte. Nur durch einen aktiven iterativen Prozess können Studierenden Chancen und Limitationen der Tools erlangen. Diese Vorgehensweise fördert die Eigenständigkeit und kritische Auseinandersetzung mit KI Outputs, um Studierende dazu anzuregen, die Genauigkeit und die Grenzen der von KI generierten Informationen zu überprüfen.

Die Gewährleistung des wissenschaftlichen Standards muss bei jeder Abgabe gegeben sein, sowie das Einhalten der KI Guidelines der Fachhochschule. Dieser Prozess orientiert sich auch an den Empfehlungen der UNESCO (2023) zur Nutzung generativer KI in Bildung und Forschung, welche die Bedeutung von kritischem Denken und Eigenverantwortung im Lernprozess hervorheben.

Konkrete Umsetzung

In den Plenarsitzungen werden theoretische Konzepte und Methoden behandelt, die parallel durch Projektaufträge in die Praxis überführt werden.

Planungsphase

In dieser Anfangsphase erhalten die Studierenden einen konkreten Projektauftrag, wobei die Hälfte der Studierenden qualitativ und die andere Hälfte quantitativ arbeiten wird.

• Lehrinhalte: Einführung in empirischen Forschung und Nutzung von KI-Tools wie Elicit zur Recherche sowie ChatGPT zur Präzisierung von Erkenntniszielen und Forschungsfragen
• Coaching I: Reflexion des Lehrenden-Feedbacks und der Ergebnisse des Peer Reviews; Anwendungsoptimierung von KI Tools für die Überarbeitung des Forschungsdesigns

Vorbereitung Erhebungsphase

• Lehrinhalte: qualitative & quantitative Methodenvertiefung, Operationalisierung und Skalen; sowie Erstellung von Erhebungsinstrumenten
• Abschluss & Abgabe: Entwicklung des Erhebungsinstruments (KI-gestützt)
• Coaching II: Feedback zum Erhebungsinstrument, Reflexionsbesprechung von KI Nutzung; Finale Freigabe durch Lehrende + Praxispartner

Erhebungsphase:

• Lehrinhalte: Forschungsethik, Datenaufzeichnung und -sammlung und qualitative Datenanalyse (mit MAXQDA)
• KI-gestützte Transkription (Sonix; MAXQDA)

Auswertungsphase:

• Lehrinhalte: Bivariate quantitative Datenanalyse (SPSS),Datenvisualisierung
• Coaching III: Unterstützung bei der Datenanalyse; Feedback auf Präsentation & Datenvisualisierung
• Abschluss: Endpräsentation vor Auftraggeber

Curricularer Bezug

Die Lehrveranstaltung "Marketing III: Methoden der Markt- und Konsumentenforschung" (nach Revision 23/24 Forschungswerkstatt II) wird im 3. Semester des Bachelorstudiums „Produktmarketing und Projektmanagement“ auf der FH Wiener Neustadt Campus Wieselburg durchgeführt. Das Konzept baut auf theoretische Konzepte und Inhalte von Kursen davor auf und bietet Studierenden die Chance, Fähigkeiten des Projektmanagements zu testen. Die erworbenen Skills bereiten die Studierenden nicht nur für das Berufspraktikum, sondern auch auf die Bachelorarbeit vor.

• Grundlagen des Marketings (1-3. Sem)
• Wissenschaftliches Arbeiten / Academic Skills(1. Sem)
• Konsumentenpsychologie- und verhalten (2.&3. Sem)
• Grundlagen des Projektmanagements (2. Sem) & Agiles Projektmanagement (3.Sem)
• Berufspraktikum (4. Sem)
• Bachelorarbeit (6. Sem)

Literaturauszug

• Healey, M. & Jenkins, A.(2009). Developing Undergraduate Research and Inquiry: The Higher Education Academy.
• Healey, Mick& Lannin, Laura & Stibbe, Arran & Derounian, James. (2013). Developing and enhancing undergraduate final-year projects and Dissertation
• UNESCO (2023), Guidance for generative AI in education and research, Paris. ISBN: 978-92-3-100612
• van der Rijst, R.. (2017). The Transformative Nature of Research-Based Education: A Thematic Overview of the Literature