Refine
Year of publication
- 2022 (2)
Document Type
- Journal article (1)
- Conference proceeding (1)
Is part of the Bibliography
- yes (2)
Institute
Human Digital Twin
(2022)
Man stelle sich vor, man könnte mit Unterstützung von künstlicher Intelligenz Spielabläufe von Bundesligaspielen oder sogar ganze WM-Partien simulieren. Oder der Trainer würde die Mannschaft im Endspiel anhand von Daten über den Gegner aufstellen und entsprechend psychologisch und physiologisch verschiedene Spielertypen auf den Platz schicken (vgl. Jahn). Ist das reine Fiktion? Nicht wirklich. Bereits heute werden die Leistungen von Sportlern immer häufiger digital analysiert und bewertet. Beispielsweise hat SAP eine Plattform entwickelt, die ein digitales Datenbild von Fußballspielern erstellt (vgl. SAP). Bei der letzten WM erhielt jeder Spieler über die neue Fifa Player App kurz nach der Begegnung präzise Statistiken zu seinen Leistungen während des Spiels (vgl. FIFA). Noch bessere Informationen sollen in Zukunft virtuelle Abbilder der Fußballspieler, digitale Zwillinge, liefern. Die dafür notwendigen Daten werden mithilfe von Sensoren im Trikot, in den Schuhen oder im Ball gewonnen. Durch erfassten Bewegungs- und Positionsdaten sowie Ballkontakten entsteht ein präzises Datenbild des Spielers. Solche Simulationen, die auf einem Modell des Menschen in der digitalen Welt beruhen, erfahren derzeit große Aufmerksamkeit in Wissenschaft und Praxis (vgl. van der Valk et al.). Nicht nur in der Fußballwelt, auch in der Medizin und im Kontext von Industrie 4.0 und Produktdesign, haben digitale menschliche Zwillinge das Potenzial, zu einer Schlüsseltechnologie zu werden.
The imparting of knowledge and skills in STEM education, especially under the influence of the Covid-19 pandemic, is increasingly taking place online and through digital formats. The partially asynchronous instruction eliminates, on the one hand, the social relation in the learning process and, on the other hand, the direct experience with physical objects. Here, the digital learning systems provide learning tools and controls to support the learning process on a general basis. Existing methods for simulating physical objects (digital twins) are also used to a minimal extent. The following approach presents a learning system framework that enables individualized learning, including all dimensions (social, physical). Implementing a concept that uses a personalized assistance system to orchestrate the individual learning steps enables efficient and effective learning. Applying the learning system framework exemplifies the STEM education at Reutlingen University in the logistics learning factory Werk150.