MAGMA-Edu: KI-Framework erzeugt Lernfragen mit Bild und Text – neue Maßstäbe

Ein neues multimodales KI-Framework namens MAGMA-Edu wurde vorgestellt, das Lernfragen mit zugehörigen Diagrammen generiert. Im Gegensatz zu bisherigen Modellen, die Text und Bild separat erzeugen, arbeitet MAGMA-Edu mit einer zweistufigen, co-evolutionären Pipeline, die Text und Bild gleichzeitig optimiert.

Die erste Stufe nutzt einen Generation‑Verifikation‑Reflexions‑Loop, um Frageformulierungen und Lösungen iterativ zu verfeinern und mathematische Genauigkeit sicherzustellen. In der zweiten Stufe wird ein code‑basierter Zwischenschritt verwendet, der geometrische Präzision und semantische Übereinstimmung bei der Bildgenerierung garantiert. Beide Phasen werden von internen Selbstreflexionsmodulen unterstützt, die die Ergebnisse bewerten und anpassen, bis die pädagogischen Vorgaben erfüllt sind.

In umfangreichen Tests auf multimodalen Bildungsbenchmarks übertraf MAGMA-Edu bestehende Modelle deutlich. Im Vergleich zu GPT‑4o stieg die durchschnittliche Textqualität von 57,01 auf 92,31 (+35,3 pp) und die Bild‑Text‑Konsistenz von 13,20 auf 85,24 (+72 pp). Für alle Modellbasen erzielte MAGMA-Edu die höchsten Scores (Avg‑Text 96,20, ITC 99,12) und setzt damit neue Maßstäbe für die Erzeugung von Lerninhalten.