https://inclulearn-ai.github.io/newsroom/de/ Projektfortschritt, Forschung und Transfer rund um IncluLearn.AI. de https://inclulearn-ai.github.io/newsroom/de/news/projektstart-und-oeffentliches-portal/ https://inclulearn-ai.github.io/newsroom/de/news/projektstart-und-oeffentliches-portal/ Tue, 06 Oct 2026 10:45:00 GMT Zum Start der geförderten Projektphase ist das öffentliche IncluLearn.AI-Portal unter inclulearn.owli-ai.com erreichbar. Es trennt Projektinformation, synthetische Demo und den späteren privaten Pilotzugang bewusst voneinander. project-progress https://inclulearn-ai.github.io/newsroom/de/news/welche-offenen-standards-und-tools-fuer-den-transfer-interessant-sind/ https://inclulearn-ai.github.io/newsroom/de/news/welche-offenen-standards-und-tools-fuer-den-transfer-interessant-sind/ Wed, 23 Sep 2026 06:31:40 GMT IncluLearn.AI muss nicht jedes Zielformat und jede Transformation neu erfinden. MathML, EPUB Accessibility, DAISY Pipeline, Pandoc und PlantUML zeigen unterschiedliche Bausteine für offene, interoperable und wiederverwendbare Workflows – ohne dass damit bereits eine endgültige Toolauswahl getroffen ist. tools-transfer https://inclulearn-ai.github.io/newsroom/de/news/plantuml-netlists-und-strukturierter-text-in-der-technischen-lehre/ https://inclulearn-ai.github.io/newsroom/de/news/plantuml-netlists-und-strukturierter-text-in-der-technischen-lehre/ Wed, 23 Sep 2026 06:31:20 GMT Eine 2025 veröffentlichte Arbeit beschreibt, wie visuelle Artefakte aus Software Engineering und Technischer Informatik durch textbasierte Repräsentationen zugänglich und gemeinsam bearbeitbar werden können – darunter UML, elektronische Schaltungen und KV-Diagramme. publications-events https://inclulearn-ai.github.io/newsroom/de/news/fuenf-design-patterns-fuer-barrierefreie-mint-lehrmaterialien/ https://inclulearn-ai.github.io/newsroom/de/news/fuenf-design-patterns-fuer-barrierefreie-mint-lehrmaterialien/ Wed, 23 Sep 2026 06:31:00 GMT Die 2026 veröffentlichte Pattern Collection von Diethelm Bienhaus und Michael Kreutzer bündelt praktische Erfahrungen aus der Lehre in fünf wiederverwendbare Muster – von text-first Kerninhalten über Diagramme und taktile Ausgaben bis zu Sonifikation und Human-in-the-loop-Erklärungen. publications-events https://inclulearn-ai.github.io/newsroom/de/news/von-document-ai-zu-gepruefter-fachsemantik/ https://inclulearn-ai.github.io/newsroom/de/news/von-document-ai-zu-gepruefter-fachsemantik/ Wed, 23 Sep 2026 06:13:00 GMT Moderne Document-AI-Modelle können Layout, Text und wissenschaftliches Markup aus visuellen Dokumenten rekonstruieren. Für IncluLearn.AI ist das ein wichtiger Baustein – aber noch nicht die fachliche Semantik von Schaltungen, UML, Plots oder anderen MINT-Artefakten. research-radar https://inclulearn-ai.github.io/newsroom/de/news/was-aktuelle-diagramm-ki-kann-und-wo-sie-scheitert/ https://inclulearn-ai.github.io/newsroom/de/news/was-aktuelle-diagramm-ki-kann-und-wo-sie-scheitert/ Wed, 23 Sep 2026 06:12:00 GMT Aktuelle VLM-Forschung zeigt Fortschritte bei Charts, UML und wissenschaftlichen Diagrammen. Gleichzeitig messen viele Benchmarks Fragebeantwortung statt vollständiger Rekonstruktion – ein entscheidender Unterschied für barrierefreie MINT-Repräsentationen. research-radar https://inclulearn-ai.github.io/newsroom/de/news/warum-alt-text-fuer-mint-nicht-reicht/ https://inclulearn-ai.github.io/newsroom/de/news/warum-alt-text-fuer-mint-nicht-reicht/ Wed, 23 Sep 2026 06:11:00 GMT Technische Diagramme, Mathematik, Schaltungen und quantitative Grafiken transportieren Struktur und Beziehungen, die sich häufig nicht sinnvoll in einer einzigen kurzen Bildbeschreibung abbilden lassen. Für IncluLearn.AI folgt daraus ein Repertoire aus strukturierten, textuellen, taktilen und auditiven Repräsentationen. research-radar https://inclulearn-ai.github.io/newsroom/de/news/welche-dienste-aus-der-recherche-entstehen-koennten/ https://inclulearn-ai.github.io/newsroom/de/news/welche-dienste-aus-der-recherche-entstehen-koennten/ Wed, 23 Sep 2026 05:47:00 GMT Aus den Bedarfshypothesen haben wir eine erste Lösungshypothese abgeleitet: fünf Kernbausteine mit hohem strategischem Wert, fünf anschließende Produktions- und Integrationsdienste sowie drei spezialisierte spätere Optionen. project-progress https://inclulearn-ai.github.io/newsroom/de/news/zwoelf-bedarfshypothesen-fuer-inclulearn-ai/ https://inclulearn-ai.github.io/newsroom/de/news/zwoelf-bedarfshypothesen-fuer-inclulearn-ai/ Wed, 23 Sep 2026 05:46:00 GMT Aus den recherchierten Arbeitsabläufen haben wir zwölf konkrete Bedarfshypothesen abgeleitet: von semantischer Voraufbereitung und Expert Review über Wiederverwendung und Prüfungen bis zu Provenienz, Ausgabeprofilen und inklusiver Zusammenarbeit. project-progress https://inclulearn-ai.github.io/newsroom/de/news/was-medienzentren-heute-ausbremst/ https://inclulearn-ai.github.io/newsroom/de/news/was-medienzentren-heute-ausbremst/ Wed, 23 Sep 2026 05:45:00 GMT Öffentliche Prozessbeschreibungen zeigen hohe manuelle Aufwände, lange Vorlaufzeiten, fachlich komplexe Transformationen, etablierte Wiederverwendung und besondere Prüfungsanforderungen. Für IncluLearn.AI sind das konkrete Hinweise darauf, wo semantische KI-Unterstützung nützlich sein könnte. project-progress https://inclulearn-ai.github.io/newsroom/de/news/service-architektur-und-erster-tts-vertrag-vorbereitet/ https://inclulearn-ai.github.io/newsroom/de/news/service-architektur-und-erster-tts-vertrag-vorbereitet/ Tue, 22 Sep 2026 15:08:00 GMT Der TTS-Pfad ist deutlich weiter als im ersten September-Stand: Die engine-neutrale API läuft inzwischen mit Qwen3-TTS-1.7B, sechs neutralen Preset-Profilen und VoiceDesign auf der Ziel-VM und ist über die öffentliche Test-Demo erreichbar. Das ist eine reale Integration, aber noch keine Audioqualitäts- oder Produktivfreigabe. project-progress https://inclulearn-ai.github.io/newsroom/de/news/vision-prototype-und-barrierefreie-de-en-demo-ausgebaut/ https://inclulearn-ai.github.io/newsroom/de/news/vision-prototype-und-barrierefreie-de-en-demo-ausgebaut/ Tue, 22 Sep 2026 15:07:00 GMT Der öffentliche Prototyp zeigt nicht die fertige KI-Pipeline, sondern ein frühes Arbeitsmodell für Materialien, Review, Freigaben und barrierefreie Nutzung. Entscheidend sind Nutzerziele, Accessibility-first, DE/EN und eine klare Trennung zwischen Demo und bereits realer Funktion. project-progress https://inclulearn-ai.github.io/newsroom/de/news/wie-wir-modelle-vergleichen-bevor-wir-fine-tuning-entscheiden/ https://inclulearn-ai.github.io/newsroom/de/news/wie-wir-modelle-vergleichen-bevor-wir-fine-tuning-entscheiden/ Tue, 22 Sep 2026 15:06:00 GMT IncluLearn.AI will Modellqualität nicht an einem einzelnen Benchmark festmachen. Zuerst sollen Referenzdaten, Preprocessing, strukturierte Ausgabe, Regeln und Reviewpfad vergleichbar getestet werden; Fine-Tuning bleibt eine gezielte Option für klar identifizierte Fehlerklassen. research-radar https://inclulearn-ai.github.io/newsroom/de/news/von-recherche-zu-validierten-anforderungen/ https://inclulearn-ai.github.io/newsroom/de/news/von-recherche-zu-validierten-anforderungen/ Tue, 22 Sep 2026 15:05:00 GMT Öffentliche Prozessbeschreibungen von Medienzentren liefern bereits konkrete Hinweise auf Aufwand, Engpässe und Qualitätsanforderungen. IncluLearn.AI behandelt die daraus abgeleiteten Bedarfe dennoch bewusst als Hypothesen, bis sie mit Praxispartnern und Nutzenden validiert sind. project-progress https://inclulearn-ai.github.io/newsroom/de/news/ai-governance-und-human-review-aufgebaut/ https://inclulearn-ai.github.io/newsroom/de/news/ai-governance-und-human-review-aufgebaut/ Tue, 22 Sep 2026 15:04:00 GMT IncluLearn.AI trennt KI-Beteiligung, fachliche Prüfung und Freigabe bewusst voneinander. Human Owner, abgestufter Review, nachvollziehbare Provenienz und vorsichtige Datenklassifikation sollen KI-Unterstützung nutzbar machen, ohne Verantwortung an das System abzugeben. project-progress https://inclulearn-ai.github.io/newsroom/de/news/austausch-und-kommunikationswege-vorbereitet/ https://inclulearn-ai.github.io/newsroom/de/news/austausch-und-kommunikationswege-vorbereitet/ Tue, 22 Sep 2026 15:03:00 GMT IncluLearn.AI trennt bewusst offenen Austausch, verbindliche Fachartefakte und öffentliche Kommunikation. Entscheidend ist nicht der Kommunikationskanal selbst, sondern dass relevante Rückmeldungen nachvollziehbar in Anforderungen, Entscheidungen, Evaluation und spätere Veröffentlichungen überführt werden. tools-transfer https://inclulearn-ai.github.io/newsroom/de/news/reproduzierbare-infrastruktur-und-testzugang-vorbereitet/ https://inclulearn-ai.github.io/newsroom/de/news/reproduzierbare-infrastruktur-und-testzugang-vorbereitet/ Tue, 22 Sep 2026 15:02:00 GMT Die technische Basis von IncluLearn.AI wird reproduzierbar und in klaren Verantwortungsgrenzen aufgebaut. Die öffentliche Test-Demo kann automatisiert ausgerollt werden, bleibt aber bewusst von einem späteren produktiven Betrieb mit realen Daten und strengeren Sicherheitsanforderungen getrennt. project-progress https://inclulearn-ai.github.io/newsroom/de/news/projektorganisation-und-arbeitsstruktur-vorbereitet/ https://inclulearn-ai.github.io/newsroom/de/news/projektorganisation-und-arbeitsstruktur-vorbereitet/ Tue, 22 Sep 2026 15:01:00 GMT Vor dem Projektstart wurden zentrale Regeln für Zusammenarbeit, Projektsteuerung, Barrierefreiheit und KI-Nutzung strukturiert und ein konkreter Startplan für das erste Arbeitspaket vorbereitet. project-progress