von Isabell Schaffer — Bild: © Leonardo AI / Isabell Schaffer, Jupyter Logo von Cameron Oelsen / Project Jupyter Contributors
Ein Diagramm erscheint auf der Leinwand – scheinbar statisch. Sie, als Dozent:in erklären, wie es entstanden ist und welche Programmiertechniken dahinterstehen. Die Studierenden tippen den Code ab. Doch der Eindruck täuscht: Auf ihren eigenen Laptops verändern die Studierenden live die Parameter, tauschen Datensätze aus, reproduzieren den Code – oder erweitern ihn sogar.
Mit Jupyter Notebooks wird die Vorlesung zum Experimentierraum. Studierende arbeiten direkt in einem interaktiven Skript, testen eigene Lösungswege und sehen sofort die Auswirkungen – sei es in der Datenanalyse, im Programmierkurs oder in anderen Fachkontexten.
Jupyter ermöglicht genau dieses aktive, kollaborative Lernen: In einer webbasierten Umgebung können Lehrende und Studierende gemeinsam programmieren, Daten analysieren, Texte schreiben und Ergebnisse visualisieren – alles in einem einzigen Dokument.
Diese Vielseitigkeit macht Jupyter1Projektseite vom Jupyter Project: https://jupyter.org besonders wertvoll für Fächer wie Data Science, Mathematik und Naturwissenschaften. Doch auch in den Wirtschafts-, Sozial- und Geisteswissenschaften wird die Plattform zunehmend genutzt, um komplexe Themen greifbar und interaktiv vermittelbar zu machen.
Seit dem Wintersemester 2023 steht allen Angehörigen der Universität Bremen erstmals ein eigener JupyterHub2Homepage von JupyterHub an der Universität Bremen: https://jupyter.uni-bremen.de zur Verfügung – ein Cloud-Service, der Lehre und Lernen in vielen Fächern erleichtert. Er unterstützt nicht nur die Etablierung von Themen wie Data Literacy, Reproducible Science und Forschendem Studieren, sondern hilft auch dabei, die große Heterogenität in technischer Ausstattung und Vorkenntnissen der Studierenden besser aufzufangen. Besonders praxisnah ist das integrierte Hausaufgaben-Tool: Es ermöglicht Lehrenden, Aufgaben direkt im Notebook zu erstellen, an Studierende zu verteilen, zur Bearbeitung zurückzuerhalten, zu bewerten und mit individuellem Feedback zu versehen – alles in einer durchgängigen Umgebung und verknüpft mit dem Lernmanagement-System Stud.IP3Lern-Managementsystem Stud.IP an der Universität Bremen: https://elearning.uni-bremen.de der Universität Bremen.
In diesem Artikel stellen wir Jupyter und insbesondere den Cloud-Service JupyterHub der Universität Bremen, Einsatzbeispiele und Vor- und Nachteile des Tools vor. Wir lassen auch Lehrende zu Wort kommen, die bereits Erfahrungen mit dem JupyterHub gesammelt haben.
print („Hallo Welt!“) – Mal eben
„Das war eigentlich nicht das, was ich studieren wollte.“ Oder: „Ich will eigentlich nicht so viel am Computer machen.“ – Gedanken, die viele Studierende in geistes-, sozial- oder wirtschaftswissenschaftlichen Fächern kennen. Sie haben sich für ein Studium entschieden, das auf den ersten Blick wenig mit Programmierung oder Datenanalyse zu tun hat – und stehen plötzlich vor Python-Code und datengetriebenen Fragestellungen. Schon der Weg zur ersten Zeile print("Hallo Welt") kann steil wirken.
Denn bevor überhaupt inhaltlich gearbeitet werden kann, müssen erst technische Hürden genommen werden – Hürden, die nicht nur Studierende, sondern auch Lehrende zu Beginn einer Veranstaltung vor Herausforderungen stellen. Die Kohorten, die nun ins Studium starten, sind mit Tablets und Smartphones unterschiedlicher Hersteller groß geworden – und nutzen diese auch im Studium. Kommen die Studierenden technisch nicht weiter, müssen die Betreuenden häufig für verschiedene Betriebssysteme und Geräte Lösungen finden – jedes Semester aufs Neue.
Diese zunehmende Heterogenität bei technischer Ausstattung und Vorkenntnissen macht auch vor technisch oder naturwissenschaftlich ausgerichteten Fächern wie Geowissenschaften, Produktionstechnik, Mathematik oder Informatik nicht Halt.
Genau hier kann JupyterHub unterstützen: Die Plattform nimmt die lokale Installation und Einrichtung vorweg und stellt allen Studierenden eine einheitliche, browserbasierte Umgebung zur Verfügung. Das Server-Hosting durch das ZMML sorgt für Datenschutzkonformität, Leistungsfähigkeit und Flexibilität – auch bei komplexeren Anwendungsfällen. Es braucht lediglich den Uni-Account, einen Browser und eine stabile Internetverbindung. Die Studierenden finden eine vorbereitete Programmierumgebung vor, die sie zwar noch kennenlernen müssen, in der aber alles funktioniert, was sie für die Lehrveranstaltung brauchen. An dieser Stelle kann diskutiert werden, ob es nicht zum Lernprozess gehört, sich eine eigene Programmierumgebung aufzubauen. Langfristig: ja. Aber dieser Schritt sollte zunächst kein Stolperstein sein – insbesondere nicht für Studierende ohne große Programmiererfahrung. JupyterHub bietet hier einen niedrigschwelligen Einstieg, der den Fokus zunächst auf das Wesentliche legt: Inhalte verstehen, Daten analysieren, Zusammenhänge erkennen, programmieren lernen. Die technische Tiefe kann – und sollte – später folgen.
Und auch wenn Jupyter Notebooks nicht zur Entwicklung komplexer Software gedacht sind, sind sie in der Lehre ein äußerst wirkungsvolles Werkzeug. Gerade in den oben genannten Anwendungsfeldern funktionieren sie didaktisch gut, sie werden in der beruflichen Praxis breit eingesetzt. Ihr Einsatz in der Lehre lohnt somit doppelt.
Quellen
- 1Projektseite vom Jupyter Project: https://jupyter.org
- 2Homepage von JupyterHub an der Universität Bremen: https://jupyter.uni-bremen.de
- 3Lern-Managementsystem Stud.IP an der Universität Bremen: https://elearning.uni-bremen.de
