Seit 2025 betreibt das DigiLLab eine eigene, dockerisierte Serverinfrastruktur für Künstliche Intelligenz, LLM-Observability, Datenbanken, Dokumentenverarbeitung und Open-Source-Sprachmodelle, produktiv im Einsatz in Lehre und Forschung an der LMU und darüber hinaus.
Die performante Serverhardware ist hochverfügbar bei einem DSGVO-konformen deutschen Hoster angemietet und wächst mit den Anforderungen von Lehre und Forschung stetig weiter.
Dedizierte KI-Dienste wie Flowise, n8n und Langfuse in Verbindung mit Vektordatenbanken (Weaviate, Qdrant), Graphdatenbanken (Neo4j) und klassischen Datenbanken (PostgreSQL, Redis) ermöglichen es, komplexe KI-Agentensysteme zu entwickeln, datenschutzkonform zu betreiben und wissenschaftlich auszuwerten.
Ergänzend stehen weitere Forschungs- und Lehrdienste zur Verfügung: Docling und MinIO für Dokumentenverarbeitung und Datenhaltung, LimeSurvey für Datenerhebungen, R-Studio und Shiny für statistische Analysen und interaktive Visualisierungen sowie Grafana und Metabase für die Auswertung von Infrastruktur- und Nutzungsdaten.
Übernimmt rechenintensive KI-Aufgaben: Embedding, Reranking, Bildverbalisierung beim Dokumenten-Ingest sowie Inferenz mit Open-Source-Modellen.
Von der No-Code-Prototypentwicklung bis zur produktiven Applikation läuft jeder Dienst als eigener Docker-Container.
Umgebungen zum Bauen eigener Agents und Workflows.
Datenbasis für RAG- und Agentensysteme.
Anwendungsdaten für produktive Systeme.
Observability und Dashboards für KI-Systeme.
Produktiv im Einsatz in Lehre und Schule.
Aufbereitung und Speicherung für KI-Pipelines.
Forschungs- und Lehrwerkzeuge rund um die Infrastruktur.
Anschlussfähig an bestehende Lernsysteme.
Die Infrastruktur trägt Lehrveranstaltungen, produktive Anwendungen und Forschungsprojekte gleichermaßen.
Alle EWS-Studierenden bauen erste eigene KI-Agenten auf der Infrastruktur und erwerben so praktische Kompetenz im Umgang mit KI-Systemen. Ab dem Wintersemester 2026/27 lernen darin pro Semester rund 800 Lehramtsstudierende mit AIS-Chat, eigene Lernassistenten und Agents für den Einsatz im Klassenzimmer zu bauen.
Nutzt die Infrastruktur sowohl als Lernumgebung als auch zur Entwicklung eigener Tools. Im Seminar „Künstliche Intelligenz in der Schule" entwickeln angehende und aktive Lehrkräfte mit Flowise eigene, komplexere KI-Agenten, die mit Schülerinnen und Schülern im Unterricht eingesetzt werden, und reflektieren deren didaktischen Einsatz, begleitet durch Langfuse-basiertes Interaktionstracing.
Ein Multi-Agenten-System mit 14 spezialisierten Agenten und der einheitlichen Assistenzpersona „Valerie", über eine LTI-1.3-Schnittstelle nahtlos in Moodle eingebunden. Produktiv im vhb-Kurs „Einführung in die Mediendidaktik" eingesetzt und begleitet rund 300 Lehramtsstudierende.
Umfasst ein Retrieval-Augmented-Generation-Backend mit semantischem Langzeitgedächtnis pro Studierender, einen Neo4j-basierten Wissensgraphen sowie vollständiges Tracing aller LLM-Interaktionen via Langfuse, eine Grundlage für lernanalytische Forschung.
Das DigiLLab beteiligt sich am BMBF-geförderten Verbundprojekt KoKon, das digitale Schulentwicklung an allgemein- und berufsbildenden Schulen fördert. Auf der Infrastruktur wurde ein KI-gestützter Schulportrait-Bot entwickelt, der schulische Entwicklungsprozesse dokumentiert und analysiert.
Setzt die Infrastruktur für KI-gestützte Lernsimulationen ein, die Studierende der Sprachtherapie auf Grundlage des SHARP-Framework beim Aufbau diagnostischer Kompetenzen unterstützen.
Simulationsbasierte, webbasierte Lernumgebungen, die Lehrkräfte und Lehramtsstudierende gezielt auf die Herausforderungen des Unterrichts in einer digitalen Welt vorbereiten. Digivate-Learn fördert fachübergreifend Lehr- und Diagnosekompetenzen zur kognitiven Aktivierung von Schülerinnen und Schülern im mediengestützten Unterricht.
Digivate-DiSo, eine Weiterentwicklung für die Deutschdidaktik, vermittelt digitale Textsouveränität im Kontext der Nachhaltigkeitsbildung am Beispiel von Greenwashing und unterstützt Lehrkräfte bei der Planung entsprechender Unterrichtseinheiten.
Darüber hinaus nutzen Lehrende der Arbeitsgruppe Fischer die Infrastruktur für eigene Lehrveranstaltungen und Forschungsvorhaben, ebenso wie Kooperationspartner und weitere Drittmittelprojekte wie das MZL, jeweils auf derselben zentral gewarteten Basis.
Alle Dienste laufen containerisiert auf eigener, in Deutschland gehosteter Infrastruktur, nicht bei Cloud-Anbietern außerhalb der EU. Das schafft die Grundlage für den datenschutzkonformen Einsatz von KI in Forschung, Lehre und Schule.