KI generiert Lernfragen ohne Halluzinationen dank kausaler Graphen

In der STEM‑Bildung ist ein intuitives Verständnis komplexer Konzepte entscheidend. Automatisierte Fragegenerierung unterstützt Lernende dabei, aber bisher leiden die Ergebnisse häufig unter Halluzinationen großer Sprachmodelle, die falsche oder unklare Fragen liefern.

Ein neues Forschungsframework kombiniert kausale Graphen mit Chain‑of‑Thought‑Reasoning und einer Multi‑Agent‑Architektur. Die Graphen stellen explizit das Fachwissen dar, während die Agenten gezielt Pfade finden, logisch schrittweise argumentieren, prüfen und die finale Frage formulieren.

Durch ein zweistufiges Validierungssystem – einmal auf konzeptioneller Ebene und einmal bei der Ausgabe – werden Halluzinationen stark reduziert. Experimentelle Tests zeigen eine Qualitätssteigerung von bis zu 70 % gegenüber bisherigen Methoden, und die subjektiven Bewertungen der Lernenden sind äußerst positiv.