Die Integration von Spielelementen in die Lehre kann Vorteile bieten: Sie fördert aktives Lernen, steigert die Motivation und macht selbst komplexe Themen greifbar. Besonders in der Informatik und künstlichen Intelligenz gibt es viele abstrakte Konzepte, die schwer direkt erfahrbar sind. Ein Beispiel dafür ist Reinforcement Learning (RL) – eine Methode des maschinellen Lernens, bei der ein Agent durch Versuch und Irrtum optimale Strategien erlernt. Obwohl intuitiv verständlich, da der Mensch ja ebenfalls durch Belohnung/Bestrafung lernt, ist es technologisch nur sehr aufwendig zu demonstrieren.
Die Herausforderung: Reinforcement Learning anschaulich vermitteln
Reinforcement Learning basiert auf komplexen mathematischen Modellen und großen Datenmengen. Simulationen sind technisch aufwendig zu realisieren, da sie große Rechenleistung und Datenmengen brauchen. So fällt es schwer, die dahinterliegenden Mechanismen zu demonstrieren. Der Lernprozess bleibt abstrakt.
Bauernschach als Serious Game für den Einstieg in RL
Um den Studierenden einen ersten greifbaren Zugang zu bieten, setzen wir in der Vorlesung Bauernschach ein – eine vereinfachte Form des klassischen Schachspiels, bei der nur Bauern auf dem Brett stehen. Diese Beschränkung reduziert die Komplexität des Spiels erheblich, während grundlegende Entscheidungsstrategien erhalten bleiben.
Studierende übernehmen die Rolle einer "künstlichen Agenten". Beginnend mit Zügen, die rein dem Zufall überlassen sind, entsteht eine erfolgreiche Spielstrategie durch Belohnen und Bestrafen von Spielzügen. Durch diesen spielerischen Ansatz erleben sie direkt die Prinzipien von Exploration, Belohnung und Strategieentwicklung.
Das (Be-)Greifbare als Lernverstärker
Ein großer Vorteil von haptischen Serious Games wie Bauernschach ist, dass sie Lerninhalte buchstäblich „begreifbar“ machen. Anstatt nur Code zu schreiben und Simulationsergebnisse zu interpretieren, bewegen die Studierenden selbst Figuren, analysieren Muster und erfahren unmittelbar die Konsequenzen ihrer Entscheidungen.
Diese physische Interaktion führt zu einem tieferen Verständnis, da sie mehrere Sinne anspricht und das Lernen durch direkte Erfahrung unterstützt. So wird ein abstraktes Konzept wie Reinforcement Learning auf eine intuitive Weise erfahrbar gemacht.
Die Kombination aus Spielmechaniken und direkter Interaktion macht es möglich, selbst komplexe Themen anschaulich zu vermitteln. Bauernschach als didaktisches Werkzeug für den Einstieg in Reinforcement Learning zeigt, dass haptische Lernmethoden ein wirkungsvolles Mittel sind, um Studierenden abstrakte Konzepte auf greifbare Weise näherzubringen. Damit wird nicht nur der Lernerfolg gesteigert, sondern auch die Begeisterung für das Thema geweckt.
