Pima Community College kooperiert mit LearnWise AI für 24/7-Support direkt in Brightspace

Überblick

Das Pima Community College (PCC) ist ein großes Community College mit mehreren Standorten, das eine Vielzahl unterschiedlicher Studierender in ganz Südarrizona betreut. Zu den Lernenden zählen Erwachsene, Schüler im Rahmen von Dual-Enrollment-Programmen sowie eine beträchtliche Anzahl von Studierenden, die ausschließlich online lernen. Im akademischen Jahr 2025 belegten 30 % der Studierenden ihre Kurse ausschließlich online, und etwa die Hälfte der Studierenden im Frühjahrs- und Herbstsemester nutzte das Online-Angebot teilweise. Doch selbst Studierende, die Präsenzunterricht besuchen, sind in hohem Maße auf das Learning Management System (LMS) angewiesen.

Mit einer Gesamtzahl von 40.642 Studierenden im akademischen Jahr 2024-2025 agiert das PCC in einem beachtlichen Maßstab. In der Praxis Brightspace ist nicht nur ein Werkzeug für Online-Kurse, sondern das Rückgrat der Lernerfahrung: Lehrpläne, Kursmaterialien, Noten und die Kommunikation mit den Dozenten finden vollständig innerhalb des LMS statt. Über alle Lernformen hinweg ist das LMS das Zentrum von Lehre und Lernen.

Das PCC ging eine Partnerschaft mit LearnWise AI ein, um Lumi Chat in Brightspace zu implementieren, ergänzt durch eine Integration mit TeamDynamix (TDX). Lumi Chat ging Ende Juni 2026 live, und die TDX-Integration ist nun produktiv im Einsatz. Das Ziel war von Anfang an klar: Reibungsverluste im wichtigsten digitalen Raum der Studierenden zu reduzieren und den Support an den Arbeitsrhythmus der Lernenden anzupassen.

Kontext & Herausforderung

Die Komplexität am PCC ergibt sich aus der Größe in Kombination mit dem rasanten technologischen Wandel.

Die Dozenten sind keine homogene Gruppe: Einige bevorzugen ein Minimum an Technologie, während andere die vorhandenen Systeme intensiv nutzen. Das LMS-Team unterstützt dieses gesamte Spektrum und sorgt gleichzeitig für Klarheit und Konsistenz für die Studierenden.

Gleichzeitig wandeln sich die Erwartungen der Studierenden an digitale Erfahrungen: Viele Lernende arbeiten Vollzeit, versorgen ihre Familien und loggen sich erst spät abends bei Brightspace ein. Ihre Zeit ist knapp, und gerade zu diesen späten Stunden ist das Personal der Hochschule oft am wenigsten erreichbar.

Am PCC bestand der Ansatz zur Überbrückung dieser Lücke darin, Ressourcen, Zeit und Verfügbarkeit neu zu bewerten. Da bereits Wissensdatenbanken mit präzisen Informationen gepflegt und FAQ-Bereiche ausgebaut wurden, lag das Problem nicht an der Verfügbarkeit der Informationen, sondern an deren kontextbezogener Zugänglichkeit. Studierende und Dozenten am PCC haben häufig Schwierigkeiten, ihre Probleme präzise zu formulieren. Sie wissen oft nicht, welches System verantwortlich ist oder welche Fachbegriffe sie verwenden sollen. Die Hürde ist also nicht immer technischer, sondern kognitiver Natur.

Für das PCC ging es nie um Automatisierung um ihrer selbst willen, sondern um einen reaktionsschnellen Support, der sich an der Lebensrealität der Lernenden und Lehrenden orientiert.

Partnerschaft mit LearnWise AI

Die Partnerschaft mit Brightspace zur Bereitstellung von KI-Lösungen reduzierte das institutionelle Risiko und stimmte mit der bestehenden Infrastruktur überein. Noch wichtiger ist: Lumi Chat spiegelt wider, wie sich Konversationstechnologie weiterentwickelt hat. Es ist natürlich, leistungsfähig und lässt sich unkompliziert in die LMS-Umgebung integrieren.

Auch die Governance war ausschlaggebend für die Entscheidung. Dozenten und Studierende nutzen bereits zahlreiche Systeme, und jede zusätzliche Schnittstelle bedeutet einen höheren Schulungsaufwand und eine größere kognitive Belastung. Durch die direkte Einbettung von Lumi Chat in Brightspace bewahrt das PCC die Konsistenz der Benutzeroberfläche und vermeidet eine Fragmentierung.

Tony Sovak, LMS & eLearning Quality Director, beschreibt es so:

„Ich möchte, dass für unsere Lernenden und Nutzer so viel wie möglich an einem Ort verfügbar ist. Das gilt auch für den Support. Wenn Nutzer bei Fragen auf KI zurückgreifen, möchte ich, dass diese Interaktion innerhalb eines Systems stattfindet, das unseren Werten, unserer Governance und unseren Support-Strukturen entspricht.“

Für das PCC sollte Support nicht bedeuten, die Lernumgebung verlassen zu müssen. Wenn Nutzer auf Schwierigkeiten stoßen, erhöht es die Komplexität genau in dem Moment, in dem sie Klarheit brauchen, wenn sie erst zu separaten Systemen wie Wissensdatenbanken, Ticket-Portalen oder institutionellen Websites navigieren müssen.

Entwicklung des Assistenten: Wie das PCC Lumi Chat mit echtem Support-Verlauf trainierte

Vor dem Start entwickelte das LMS-Team des PCC eine eigene Trainingsmethodik auf Basis von zwei Jahren gesammelter Service-Historie. Sie übertrugen zwei Jahre an Umfrageergebnissen, Ticket-Daten und Nutzerberichten in ein Gemini-Notizbuch (ehemals NotebookLM) und identifizierten damit die am häufigsten gestellten Fragen von Studierenden und Dozenten sowie realistische Variationen: unterschiedlich formulierte Versionen, Tippfehler und Grenzfälle.

Dieser Fragenkatalog bildete die Grundlage für einen strukturierten Testprozess. Jede potenzielle Frage wurde dem Assistenten gestellt, und die Antwort wurde Runde für Runde sowohl von einer studentischen Hilfskraft als auch vom LMS-Team protokolliert und bewertet, während die zugrunde liegenden Prompts und die Wissenskonfiguration angepasst wurden.

Eine frühe Erkenntnis prägte das finale Design mehr als alles andere: Das PCC hatte den Assistenten anfangs mit strengen Leitplanken konfiguriert, die einschränkten, worauf er sich beziehen und wie er antworten konnte. Als diese Beschränkungen gelockert wurden, verbesserte sich die Antwortqualität. Rückblickend auf die ersten Runden stammte der Instinkt zur Überregulierung aus der Erfahrung, KI-Tools von Grund auf neu zu entwickeln, anstatt mit einem spezialisierten Produkt zu arbeiten, bei dem viele dieser Sicherheitsvorkehrungen bereits integriert sind.

Eine spezifische Designentscheidung ergab sich direkt aus diesen Tests: Der erste Impuls des PCC war, den Assistenten darauf auszurichten, ein Ticket zu erstellen oder auf einen Artikel in der Wissensdatenbank zu verweisen. Eine studentische Hilfskraft, die aus der Perspektive eines Studierenden testete, widersprach dem und wollte, dass der Assistent die Frage nach Möglichkeit direkt löst, anstatt sie weiterzuleiten. Dieser Konflikt zwischen der administrativen Sichtweise und der Sicht der Studierenden prägte die FAQ-basierte Prompt-Grundlage, die schließlich in die Produktion ging.

Das Zwei-Gang-Modell: Balance zwischen Schnelligkeit und Empathie

Eine der markantesten Designentscheidungen aus dem Entwicklungsprozess des PCC war das, was das Team als Zwei-Gang-Modell des Supports bezeichnet: ein transaktionaler Gang für Schnelligkeit und ein emotionaler Gang für Empathie.

Diese Unterscheidung entstand aus negativem Feedback zu früheren Support-Tickets, oft von Studierenden in stressigen Momenten: ein zeitlich begrenztes Quiz, das um 23 Uhr nicht funktioniert, ohne dass vor Ablauf der Frist jemand erreichbar ist. In solchen Situationen ist der Dozent meist die einzige Person, die das Problem tatsächlich lösen kann, und er wird die Nachricht erst sehen, nachdem das Zeitfenster für das Quiz bereits geschlossen ist.

Anstatt jede Anfrage gleich zu behandeln, hat das PCC den Assistenten so konfiguriert, dass er Stresssignale, expliziten Zeitdruck, eine laufende Prüfung oder ein Quiz sowie dringliche Sprache bezüglich einer verpassten oder fehlgeschlagenen Abgabe erkennt und entsprechend reagiert: Er validiert die Situation des Studierenden und leitet ihn dann auf dem realistischsten Weg zur Lösung an – in der Regel durch direkte Kommunikation mit dem Dozenten, ergänzt durch Dokumentationen, auf die er verweisen kann.

Ticket-Management neu gedacht mit der TeamDynamix-Integration

Das PCC sieht in Lumi Chat eine Lösung, die das Potenzial hat, als einheitliche, dialogorientierte Schnittstelle innerhalb des Enterprise-Helpdesk-Modells der Hochschule zu fungieren.

Für Tony Sovak und das LMS-Team des PCC erwies sich die technische Seite der Partnerschaft als einer der unkompliziertesten Aspekte des gesamten Projekts. Die TeamDynamix -Integration erforderte kaum mehr als eine einzige Konfiguration durch LearnWise: Wie Tony es beschrieb: „Das war sehr einfach, LearnWise hat die Arbeit erledigt.“ Sobald sie eingerichtet war, „läuft es einfach“ und leitet Tickets automatisch weiter, ohne dass sein Team laufenden Wartungsaufwand hätte. Dieselbe Einfachheit zeigte sich auch bei den integrierten Sicherheitsvorkehrungen. Der erste Impuls des PCC war es, den Assistenten mit den strengen Leitplanken zu versehen, die Tony normalerweise bei KI-Tools von Grund auf selbst erstellt. Er stellte jedoch fest, dass eine Lockerung dieser Beschränkungen die Antworten verbesserte, da die Sicherheitsvorkehrungen, von denen er annahm, sie selbst bauen zu müssen, in seinen Worten größtenteils „bereits vorhanden“ waren. Das Ergebnis war eine Einführung, die das PCC weitgehend eigenständig durchführen konnte: Ein kleines internes Team testete, verfeinerte und veröffentlichte den Assistenten nach eigenem Zeitplan, wobei die Integration von LearnWise nach der Inbetriebnahme keine weitere Aufmerksamkeit erforderte.

Ein nächster Schritt, der derzeit diskutiert wird, ist die geplante Übergabe an den eigenen Assistenten von TDX für Kategorien von Anfragen, die dort bereits besser aufgehoben sind, wie etwa Anliegen zu Studiensekretariat, Gebäudemanagement oder Hardware. Die Logik für diese Weiterleitung wird derzeit noch auf Seiten des PCC erarbeitet.

Ticketing-Systeme sind unverzichtbar, um Serviceanfragen nachzuverfolgen und Trends zu erkennen. Dennoch stoßen sie bei Nutzern oft auf Widerstand. Indem das PCC erforderliche Details in einem Dialog abfragt und bei Bedarf strukturierte Tickets erstellt, möchte es die Nachvollziehbarkeit wahren und gleichzeitig die Hürden senken.

Erste Ergebnisse

Lumi Chat ist seit Ende Juni 2026 am Pima Community College im Einsatz. Die unten aufgeführten Zahlen decken die Nutzung bis zum 19. August 2026 ab.

In diesem Zeitraum wickelte Lumi Chat 614 Konversationen ab und beantwortete 1.066 Fragen von Studierenden mit 1.680 Antworten. 467 einzelne Studierende nutzten den Assistenten. 74 Konversationen wurden an einen menschlichen Berater weitergeleitet, was etwa 12,1 % der Gesamtzahl entspricht, woraus eine KI-Lösungsquote von 87,9 % resultiert.

Die Zufriedenheit der Studierenden lag in der ersten Umfrage des PCC bei durchschnittlich 4,19 von 5 Punkten. Die Studierenden bewerteten den Assistenten anhand von drei Kriterien: allgemeine Zufriedenheit (4,19), Antwortgeschwindigkeit (4,14) und die Wahrscheinlichkeit, das Tool für zukünftige Anfragen am Pima erneut zu nutzen (4,05). 

Neue Anwendungsbereiche

Die Akzeptanz hat zu Anwendungsfällen geführt, die über den ursprünglichen Zweck der Support-Tickets hinausgehen. Mitarbeiter nutzen Lumi Chat mittlerweile als internes Tool zur Wissenssuche: etwa um verstreute Dokumentationen zur Barrierefreiheit zu finden, um eine Compliance-Frage zu klären, oder um einen versteckten Link zur Kurseinschreibung aufzuspüren, den die interne Website-Suche nicht finden konnte. Beide Anwendungsfälle zeigen, dass Lumi Chat als breiterer Zugangspunkt zum institutionellen Wissen fungiert und nicht nur als Tool zur Ticket-Erfassung.

Skeptische Dozenten zu überzeugen, funktionierte weniger durch Überredung als durch Demonstration. Tonys Ansatz ist es, der Reaktion „Was soll ich den Bot überhaupt fragen?“ etwas Konkretes entgegenzusetzen: Wussten Sie, dass Sie direkt aus dem Chat ein Ticket erstellen oder Ihre aktuellen Einschreibungen mit einem Klick verknüpfen können? Für ihn funktioniert Lumi Chat am besten, wenn man es nicht als reinen Support-Bot betrachtet, sondern als das, was er „Sprungbrett-Produkt“ nennt – einen Einstiegspunkt für alles, vom KI-Tutor bis zum Self-Service für LMS-Administratoren. Er hat ein Muster bemerkt, wenn er Leuten zeigt, wie er es persönlich im Alltag nutzt: Genau dann, so seine Worte, „leuchten ihre Augen auf“.

Ausblick

Die kurzfristigen Pläne des PCC umfassen:

• Eine repräsentativere Nutzungsumfrage. Sowohl der Beobachtungszeitraum als auch die Stichprobe der Dozenten sind noch klein. Das PCC plant, seine Feedback-Umfrage gegen Mitte oder Ende des Herbstsemesters zu wiederholen, um ein umfassenderes Bild der Zufriedenheit auf beiden Seiten zu erhalten.
• Optimiertes TDX-Routing. Erweiterung der Übergabelogik, sodass Anfragenkategorien, die bereits gut vom TDX-eigenen Chatbot abgedeckt werden (Registrar, Einrichtungen, Hardware), direkt dorthin geleitet werden, anstatt alle beim LMS-Team des PCC zu landen.
• Kontinuierliche Einblicke in Nutzungsmuster. Das PCC ist weiterhin an der Diskrepanz zwischen dem reinen Ticketvolumen und der tatsächlichen Nutzererfahrung interessiert. Musterbasierte Erkenntnisse darüber, wann und warum Hilfe angefordert wird, sollen dazu dienen, Dokumentation, Onboarding und proaktive Serviceverbesserungen gezielt zu optimieren.

Für das Pima Community College bleibt dies eine verantwortungsvolle Erkundung: maßvoll im Umfang, in Zusammenarbeit mit LearnWise und ausgerichtet auf die langfristige Vision, Reibungsverluste in den wichtigsten digitalen Räumen, die Lernende täglich nutzen, zu minimieren.

Möchten Sie LearnWise AI in Aktion sehen?

Buchen Sie eine 30-minütige Sitzung, um LearnWise AI in Aktion zu erleben, maßgeschneidert für Ihren Campus. Sehen Sie echte Szenarien, testen Sie den Assistenten mit Ihren eigenen Fragen und entdecken Sie, wie er Studierende und Mitarbeiter rund um die Uhr unterstützt – ohne dass diese die Tools und Plattformen verlassen müssen, die sie bereits kennen und schätzen.

Dieses Update basiert auf einem Gespräch mit Tony Sovak im Anschluss an die Präsentation des Pima Community College auf der D2L Fusion 2026 sowie auf den Materialien dieser Sitzung. Da D2L keine Aufzeichnungen von Breakout-Sessions öffentlich zugänglich macht, stützt sich dieser Beitrag auf die Unterlagen des Referenten und ein direktes Interview anstelle eines Sitzungsvideos.