{"id":2269,"date":"2025-07-24T12:56:06","date_gmt":"2025-07-24T10:56:06","guid":{"rendered":"https:\/\/resonanz-dev.uni-bremen.de\/?p=2269"},"modified":"2025-09-15T07:34:28","modified_gmt":"2025-09-15T05:34:28","slug":"shift-enter-fuer-die-lehre-wie-jupyterhub-an-der-universitaet-bremen-neue-spielraeume-eroeffnet","status":"publish","type":"post","link":"https:\/\/blogs.uni-bremen.de\/wissenswert\/lehren-und-lernen\/tools\/shift-enter-fuer-die-lehre-wie-jupyterhub-an-der-universitaet-bremen-neue-spielraeume-eroeffnet\/","title":{"rendered":"SHIFT + ENTER f\u00fcr die Lehre: Wie JupyterHub an der Universit\u00e4t Bremen neue Spielr\u00e4ume er\u00f6ffnet"},"content":{"rendered":"\n

von Isabell Schaffer \u2014 Bild: \u00a9 Leonardo AI \/ Isabell Schaffer, Jupyter Logo von Cameron Oelsen \/ Project Jupyter Contributors<\/p>\n\n\n\n

Ein Diagramm erscheint auf der Leinwand \u2013 scheinbar statisch. Sie, als Dozent:in erkl\u00e4ren, wie es entstanden ist und welche Programmiertechniken dahinterstehen. Die Studierenden tippen den Code ab. Doch der Eindruck t\u00e4uscht: Auf ihren eigenen Laptops ver\u00e4ndern die Studierenden live die Parameter, tauschen Datens\u00e4tze aus, reproduzieren den Code \u2013 oder erweitern ihn sogar.<\/strong><\/p>\n\n\n\n

Mit Jupyter Notebooks wird die Vorlesung zum Experimentierraum. Studierende arbeiten direkt in einem interaktiven Skript, testen eigene L\u00f6sungswege und sehen sofort die Auswirkungen \u2013 sei es in der Datenanalyse, im Programmierkurs oder in anderen Fachkontexten.<\/p>\n\n\n\n

Jupyter erm\u00f6glicht genau dieses aktive, kollaborative Lernen: In einer webbasierten Umgebung k\u00f6nnen Lehrende und Studierende gemeinsam programmieren, Daten analysieren, Texte schreiben und Ergebnisse visualisieren \u2013 alles in einem einzigen Dokument.<\/p>\n\n\n\n

Diese Vielseitigkeit macht Jupyter<\/strong>1<\/a><\/sup>Projektseite vom Jupyter Project: https:\/\/jupyter.org<\/a><\/span> besonders wertvoll f\u00fcr F\u00e4cher 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.<\/p>\n\n\n\n

Seit dem Wintersemester 2023 steht allen Angeh\u00f6rigen der Universit\u00e4t Bremen erstmals ein eigener JupyterHub<\/strong>2<\/a><\/sup>Homepage von JupyterHub an der Universit\u00e4t Bremen: https:\/\/jupyter.uni-bremen.de<\/a><\/span> zur Verf\u00fcgung \u2013 ein Cloud-Service, der Lehre und Lernen in vielen F\u00e4chern erleichtert. Er unterst\u00fctzt nicht nur die Etablierung von Themen wie Data Literacy, Reproducible Science und Forschendem Studieren<\/strong>, sondern hilft auch dabei, die gro\u00dfe Heterogenit\u00e4t in technischer Ausstattung und Vorkenntnissen der Studierenden besser aufzufangen. Besonders praxisnah ist das integrierte Hausaufgaben-Tool: Es erm\u00f6glicht Lehrenden, Aufgaben direkt im Notebook zu erstellen, an Studierende zu verteilen, zur Bearbeitung zur\u00fcckzuerhalten, zu bewerten und mit individuellem Feedback zu versehen \u2013 alles in einer durchg\u00e4ngigen Umgebung und verkn\u00fcpft mit dem Lernmanagement-System Stud.IP<\/strong>3<\/a><\/sup>Lern-Managementsystem Stud.IP an der Universit\u00e4t Bremen: https:\/\/elearning.uni-bremen.de<\/a><\/span> der Universit\u00e4t Bremen.<\/p>\n\n\n\n

In diesem Artikel stellen wir Jupyter und insbesondere den Cloud-Service JupyterHub der Universit\u00e4t Bremen, Einsatzbeispiele und Vor- und Nachteile des Tools vor. Wir lassen auch Lehrende zu Wort kommen, die bereits Erfahrungen mit dem JupyterHub gesammelt haben.<\/p>\n\n\n\n

print (\u201eHallo Welt!\u201c) \u2013 Mal eben <\/h2>\n\n\n\n

\u201eDas war eigentlich nicht das, was ich studieren wollte.\u201c Oder: \u201eIch will eigentlich nicht so viel am Computer machen.\u201c \u2013 Gedanken, die viele Studierende in geistes-, sozial- oder wirtschaftswissenschaftlichen F\u00e4chern kennen. Sie haben sich f\u00fcr ein Studium entschieden, das auf den ersten Blick wenig mit Programmierung oder Datenanalyse zu tun hat \u2013 und stehen pl\u00f6tzlich vor Python-Code und datengetriebenen Fragestellungen. Schon der Weg zur ersten Zeile print(\"Hallo Welt\")<\/code> kann steil wirken.<\/p>\n\n\n\n

\n
\n

Denn bevor \u00fcberhaupt inhaltlich gearbeitet werden kann, m\u00fcssen erst technische H\u00fcrden genommen werden \u2013 H\u00fcrden, 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 gro\u00df geworden \u2013 und nutzen diese auch im Studium. Kommen die Studierenden technisch nicht weiter, m\u00fcssen die Betreuenden h\u00e4ufig f\u00fcr verschiedene Betriebssysteme und Ger\u00e4te L\u00f6sungen finden \u2013 jedes Semester aufs Neue.<\/p>\n<\/div>\n\n\n\n

\n
\"Das\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Browser \u00f6ffnen, Einloggen, Profil starten, loslegen \u2013 ein niederschwelliger Start in die Programmierung und Datenanalyse.

(Bild: \u00a9 Cameron Oelsen \/ 2017 Project Jupyter, Isabell Schaffer \/ Contributors)
<\/figcaption><\/figure>\n<\/div>\n<\/div>\n\n\n\n

Diese zunehmende Heterogenit\u00e4t bei technischer Ausstattung und Vorkenntnissen macht auch vor technisch oder naturwissenschaftlich ausgerichteten F\u00e4chern wie Geowissenschaften, Produktionstechnik, Mathematik oder Informatik nicht Halt.<\/p>\n\n\n\n

Genau hier kann JupyterHub unterst\u00fctzen: Die Plattform nimmt die lokale Installation und Einrichtung vorweg und stellt allen Studierenden eine einheitliche, browserbasierte Umgebung zur Verf\u00fcgung. Das Server-Hosting durch das ZMML sorgt f\u00fcr Datenschutzkonformit\u00e4t, Leistungsf\u00e4higkeit und Flexibilit\u00e4t \u2013 auch bei komplexeren Anwendungsf\u00e4llen. Es braucht lediglich den Uni-Account, einen Browser und eine stabile Internetverbindung. Die Studierenden finden eine vorbereitete Programmierumgebung vor, die sie zwar noch kennenlernen m\u00fcssen, in der aber alles funktioniert, was sie f\u00fcr die Lehrveranstaltung brauchen. An dieser Stelle kann diskutiert werden, ob es nicht zum Lernprozess geh\u00f6rt, sich eine eigene Programmierumgebung aufzubauen. Langfristig: ja. Aber dieser Schritt sollte zun\u00e4chst kein Stolperstein sein \u2013 insbesondere nicht f\u00fcr Studierende ohne gro\u00dfe Programmiererfahrung. JupyterHub bietet hier einen niedrigschwelligen Einstieg, der den Fokus zun\u00e4chst auf das Wesentliche legt: Inhalte verstehen, Daten analysieren, Zusammenh\u00e4nge erkennen, programmieren lernen. Die technische Tiefe kann \u2013 und sollte \u2013 sp\u00e4ter folgen.<\/p>\n\n\n\n

Und auch wenn Jupyter Notebooks nicht zur Entwicklung komplexer Software gedacht sind, sind sie in der Lehre ein \u00e4u\u00dferst 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.<\/p>\n\n\n\n\n\n\n\n

Die Welt von Jupyter \u2013 Notebook, Lab, Cloud-Service<\/h2>\n\n\n\n

In der Welt von Jupyter sind die Notebooks<\/strong> das zentrale Element. Wie im ersten Abschnitt beschrieben, sind sie interaktiv: Die Interaktion findet in den Zellen statt, von denen beliebig viele in ein Jupyter-Notebook eingebaut werden k\u00f6nnen. In die Zellen k\u00f6nnen Text, Code oder Markdown-Befehle zur Formatierung von Text geschrieben werden. Der nicht unabsichtlich gew\u00e4hlte Titel dieses Artikels \u201eSHIFT + ENTER\u201c ist gleichzeitig der Befehl zur Ausf\u00fchrung des Zelleninhalts und das Ergebnis wird im Notebook angezeigt. Dies kann eine einfache Berechnung, die Auswertung und Visualisierung einer Datenreihe oder formatierter bzw. unformatierter Text sein. Zelle an Zelle ergibt sich so eine fortlaufende Programmierung, eine thematische Abhandlung oder bereits die Vorlage f\u00fcr eine Ver\u00f6ffentlichung.<\/p>\n\n\n\n

\n
\n

Jupyter-Notebooks werden im sogenannten JSON-Format gespeichert. \u201eJSON\u201c steht f\u00fcr \u201eJavaScript Object Notation\u201c und ist besonders in Webanwendungen g\u00e4ngig, wo es zur Daten\u00fcbertragung zwischen Server und Client dient, etwa in APIs (Application Programming Interfaces4<\/a><\/sup>Eine API (Application Programming Interface) ist eine Schnittstelle, die es verschiedenen Softwareanwendungen erm\u00f6glicht, miteinander zu kommunizieren und Daten oder Funktionen auszutauschen, ohne dass die internen Details der jeweiligen Programme bekannt sein m\u00fcssen.<\/span>) und Webservices. JSON ist au\u00dferdem von Menschen gut lesbar und l\u00e4sst sich leicht bearbeiten.<\/p>\n<\/div>\n\n\n\n

\n
\"beispielhafter\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Mit SHIFT + ENTER ein herzhaftes St\u00fcck Python-Code ausf\u00fchren (Bild: \u00a9 Jupyter \/ SKILL \/ ZMML)

<\/figcaption><\/figure>\n<\/div>\n<\/div>\n\n\n\n

Jupyter ist ein Akronym, das sich aus den Programmiersprachen Julia, Python und R zusammensetzt. Jupyter entstand 2014 aus dem IPython-Projekt<\/a>5<\/a><\/sup>Das IPython-Projekt https:\/\/ipython.org\/<\/a> (abgerufen am 13.11.2024)<\/span> und ist als Open-Source-Software Programmiersprachen-agnostisch. Laut Projektwebseite werden bis zu 40 g\u00e4ngige Programmier- und Skriptsprachen mit entsprechenden Paketen und Bibliotheken unterst\u00fctzt. Konkret hei\u00dft das, dass man in Jupyter-Notebooks in verschiedenen Programmiersprachen arbeiten kann \u2013 sogar in mehreren Sprachen innerhalb desselben Notebooks. Python ist aktuell besonders popul\u00e4r und hat sich weltweit zu einer der beliebtesten Programmiersprachen entwickelt.6<\/a><\/sup>GitHub \u2013 Top 50 Programming Languages Globally: https:\/\/innovationgraph.github.com\/global-metrics\/programming-languages<\/a> (abgerufen am 13.11.2024)<\/span> Diese Popularit\u00e4t h\u00e4ngt mit dem starken Wachstum im Bereich K\u00fcnstlicher Intelligenz, maschinellem Lernen und Data Science zusammen, aber auch mit der steigenden Anzahl von Datenanalyst:innen, die Jupyter-Notebooks und Python nutzen.<\/p>\n\n\n\n

Die Einf\u00fchrung von JupyterLab<\/strong> im Jahr 2018 als erweiterte Arbeitsumgebung f\u00fcr Jupyter-Notebooks k\u00f6nnte zu dieser wachsenden Nutzerzahl beigetragen haben. JupyterLab bietet zus\u00e4tzliche Funktionen, die \u00fcber die eines klassischen Notebooks hinausgehen, denn hier k\u00f6nnen mehrere Notebooks, Terminals, Textdateien und andere Medien parallel ge\u00f6ffnet und bearbeitet werden. Dank Drag-and-Drop l\u00e4sst sich der Arbeitsbereich individuell gestalten und Aufgaben k\u00f6nnen auf verschiedene Fenster verteilt werden.<\/p>\n\n\n\n

Mit einem verbesserten visuellen Dateiverzeichnis behalten die Nutzer:innen den \u00dcberblick. G\u00e4ngige Dateiformate wie CSV (in einer verbesserten Tabellenansicht), TXT, DOCX und PDF werden angezeigt und k\u00f6nnen bearbeitet werden. Auch Bilder und Videos lassen sich einf\u00fcgen und betrachten. Syntax-Highlighting und Autovervollst\u00e4ndigung erleichtern das Programmieren und machen es effizienter. Erweiterungen k\u00f6nnen \u00fcber den Extension Manager einfach nachinstalliert werden, und es ist m\u00f6glich, in Echtzeit kollaborativ zu arbeiten.<\/p>\n\n\n\n

Die Cloud-Anwendung<\/strong> von Jupyter hei\u00dft JupyterHub<\/strong> und wurde bereits 2015 eingef\u00fchrt. Sie unterst\u00fctzt die Nutzung innerhalb von Schulen, Universit\u00e4ten, Unternehmen und Forschungseinrichtungen. JupyterHub erm\u00f6glicht mehreren Nutzer:innen den Zugriff auf eine Jupyter-Installation \u00fcber eine Webseite. Jede:r Nutzer:in erh\u00e4lt eine eigene, isolierte Jupyter-Notebook-Umgebung, die unabh\u00e4ngig von den Umgebungen anderer l\u00e4uft, nicht lokal installiert werden muss und deren Daten und Arbeitssitzungen auch nach dem Abmelden oder Neustarten des Servers verf\u00fcgbar bleiben. <\/p>\n\n\n\n

Wie andere Cloud-Anwendungen verf\u00fcgt JupyterHub \u00fcber eine zentrale Administration, die Nutzer:innen, Berechtigungen und Ressourcen (CPU-, Speicher- und Netzwerkauslastung) verwaltet. Es k\u00f6nnen Gruppen f\u00fcr Klassen, Teams oder Forschungsgruppen eingerichtet und individuell gestaltet werden.<\/p>\n\n\n\n

Verschiedene Authentifizierungsmethoden (z. B. OAuth, PAM, LDAP*7<\/a><\/sup>Die mit Asterisk gekennzeichneten Verfahren und Eigenschaften kamen bei der Installation von Jupyter an der Universit\u00e4t Bremen zu Einsatz. <\/span> und andere) stehen zur Verf\u00fcgung, sodass JupyterHub an die Bed\u00fcrfnisse der jeweiligen Einrichtung angepasst und skaliert werden kann. Die Ausf\u00fchrung der Notebooks erfolgt in Containern (z. B. Docker oder Kubernetes*), was eine flexible Skalierung erm\u00f6glicht, sodass viele Benutzer:innen gleichzeitig arbeiten k\u00f6nnen, ohne sich gegenseitig zu beeintr\u00e4chtigen.<\/p>\n\n\n\n

An der Universit\u00e4t Bremen bildet der JupyterHub auf Basis einer LDAP-Authentifizierung die technische Grundlage. In Kombination mit dem Lernmanagement-System Stud.IP und dem vom DataLab der TU Wien entwickelten Grader Service8<\/a><\/sup>Dokumentation des Grader Service der TU Wien: https:\/\/grader-service.readthedocs.io\/en\/latest\/<\/a><\/span> steht Lehrenden und Studierenden ein leistungsf\u00e4higes, flexibel anpassbares digitales Werkzeug f\u00fcr die Lehre zur Verf\u00fcgung.<\/p>\n\n\n\n

Vom InnovationLab in die ganze Universit\u00e4t <\/h2>\n\n\n\n
\n
\n

Im von der Stiftung Innovation in der Hochschullehre gef\u00f6rderten Projekt SKILL-UB<\/a> sind in verschiedenen Teilprojekten, sogenannten InnovationLabs, nachhaltige und sp\u00e4ter skalierbare Ma\u00dfnahmen ergriffen worden, um die entsprechenden Fachbereiche oder Studieng\u00e4nge in Hinblick auf Digitalisierung, kollaboratives Studieren und Studienzentriertheit weiterzuentwickeln.<\/p>\n\n\n\n

Jupyter war ein zentraler Aspekt des InnovationLabs des Fachbereichs Geowissenschaften. Jupyter wurde von Prof. Dr. Heiko P\u00e4like in seinen Veranstaltungen eingesetzt, der der federf\u00fchrende Antragssteller des InnoLabs war.9<\/a><\/sup>Das InnovationLab des Fachbereich 5, Geowissenschaften: https:\/\/www.uni-bremen.de\/skill-ub\/innovation-labs-1\/innolab-fachbereich-5<\/a> (abgerufen am 13.11.2024)<\/span><\/p>\n<\/div>\n\n\n\n

\n
\"Das\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>
Prof. Dr. Heiko P\u00e4like und Dr. Ulrike Wolf-Brozio (v.l.) stellen Ihr InnovationLab beim SKILL-Vernetzungstreffen am 22. November 2022 vor (Bild: \u00a9 Melanie Buschmann \/ Universit\u00e4t Bremen)<\/figcaption><\/figure>\n<\/div>\n<\/div>\n\n\n\n

\u201eDie Themen Digitalisierung, Visualisierung und Analyse gro\u00dfer Datens\u00e4tze spielen in unserem Fachbereich eine sehr gro\u00dfe Rolle. Insbesondere Programmierung, reproduzierbare Datenanalyse, die Erstellung wissenschaftlicher Abbildungen und Zeitreihenanalysen sind integrale Bestandteile der Module \u201eDigital Competences\u201c im Bachelorstudiengang Marine Geosciences und Geowissenschaften sowie \u201eAdvanced Digital Competences\u201c im Masterstudiengang Applied Geosciences und Marine Geosciences. F\u00fcr viele dieser Zwecke ist das JupyterHub System ideal geeignet, und die Entwicklung im Rahmen der InnovationLabs hat es uns erm\u00f6glicht, viele Aspekte, auch mit neuen Methoden, auf der Basis von JupyterHub durchzuf\u00fchren. Ich hatte in meiner Lehre die Open-Source-Software schon eingesetzt und im kleinen Stil f\u00fcr meine Veranstaltung eine Nutzerverwaltung aufgesetzt. Somit konnte ich erste technische und didaktische Erfahrungen beitragen.\u201c<\/em><\/p><\/blockquote><\/figure>\n\n\n\n

In Zusammenarbeit mit dem ZMML wurde nun ein JupyterHub, das Multi-User-System von Jupyter, aufgesetzt und in Kooperation mit dem Zentrum f\u00fcr Netze der Uni Bremen<\/a> mit einer Anmeldung \u00fcber Shibboleth versehen. Auf diese Weise k\u00f6nnen sich nun alle Angeh\u00f6rigen der Universit\u00e4t mit ihrem Uni-Account auf dem JupyterHub anmelden. Aus SKILL-Projektmitteln wurden zudem leistungsstarke Server angeschafft, so dass eine gro\u00dfe Anzahl von Nutzer:innen gleichzeitig auf dem Hub arbeiten k\u00f6nnen. <\/p>\n\n\n\n

 \u201eIm Rahmen der InnovationLabs haben wir auch konkret die Studierenden eingebunden: Es wurden erste Schulungsmaterialien entwickelt und den Lehrenden zur Verf\u00fcgung gestellt. In mehreren Workshops habe ich meine Erfahrungen mit dem Tool mit meinen Kollegen geteilt, und die Vor- und Nachteile diskutiert. Die Erleichterungen in der Lehre \u00fcberwiegen nicht nur den Aufwand auf die Umstellung auf Jupyter Notebooks und vor allem langfristig, aber erlauben auch den Einsatz moderner Analysemethoden, die unsere Studierenden optimal in den Feldern Programmierung und (Forschungs-)Datenanalyse vorbereiten. Auch in der Forschung sind diese F\u00e4higkeiten mittlerweile extrem wichtig und Standard\u201c<\/em><\/p>Heiko P\u00e4like<\/cite><\/blockquote><\/figure>\n\n\n\n

Auch f\u00fcr das InnovationLab Digital Data Literacy & Analysis (DiDaLiA)10<\/a><\/sup>InnovationLab des ZeMKI, https:\/\/www.uni-bremen.de\/skill-ub\/innovation-labs-1\/innolab-fachbereich-9<\/a><\/span> im ZeMKI des Fachbereichs 9 wurde Jupyter eine Alternative zu kommerziellen Tools. Neben einer umfangreichen Einf\u00fchrung in die quantitative Datenanalysen R und RStudio11<\/a><\/sup>\u201eEinf\u00fchrung in quantitative Forschungsdesigns und Datenanalyse\u201c: https:\/\/pzerrer.pages.git.zmml.uni-bremen.de\/einfuehrung_datenanalyse_in_r\/Home.html<\/a><\/span> wird in den Modulen die Jupyter-Umgebung genutzt.<\/p>\n\n\n\n

Parallel zu den InnoLabs wurde und wird Jupyter auch schon in f\u00fcnf weiteren Fachbereichen eingesetzt (Stand Mai 2025). In einer \u00dcbungsveranstaltung zur Einf\u00fchrung in Python, in Veranstaltungen zur Robotik und zu maschinellem Lernen in der Informatik, zu biometrischen, numerischen Methoden und zur Optimierung im Studiengang Mathematik, zu quantitativen und qualitativen Methoden und zur Marktforschung mit RStudio, einer Einf\u00fchrung in R im Studiengang Public Health und in Seminaren in zu Computational Methods.<\/p>\n\n\n\n

Die inhaltliche Diversit\u00e4t zeigt die fach\u00fcbergreifenden Einsatzm\u00f6glichkeiten von Jupyter.<\/p>\n\n\n\n

\"Das\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>

Die inhaltliche Diversit\u00e4t zeigt die fach\u00fcbergreifenden Einsatzm\u00f6glichkeiten von Jupyter (Bild: \u00a9 Cameron Oelsen \/ 2017 Project Jupyter Contributors, Grafiken erstellt mit DALL-E \/ Isabell Schaffer)<\/figcaption><\/figure>\n\n\n\n

Die Lehrenden berichten, dass es nach einer kurzen Umstellung sp\u00fcrbar weniger Zeitaufwand bei der anf\u00e4nglichen technischen Betreuung gab. Auch die einfache Verteilung von Materialen wird als gro\u00dfe Entlastung empfunden. Mehr Fokus liegt auf den Inhalten. Viele der Lehrende sehen auch die weite Verbreitung von Jupyter als gro\u00dfen Vorteil an, zumal die Notebooks auch \u00fcber das Studium hinaus wieder- und weiterverwendet werden k\u00f6nnen.<\/p>\n\n\n\n\n\n\n\n

Data Literacy & Future Skills \u2013 Buzzwords werden greifbar<\/h2>\n\n\n\n

Data Literacy<\/strong> ist die F\u00e4higkeit, Daten zu verstehen, zu interpretieren, kritisch zu bewerten und zur Entscheidungsfindung zu nutzen. Sie geh\u00f6rt zu den sogenannten Future Skills <\/strong>\u2013 Kompetenzen, die in unserer datengetriebenen Arbeitswelt und Gesellschaft l\u00e4ngst unverzichtbar geworden sind und die auch im Studium gezielt gef\u00f6rdert werden sollten.<\/p>\n\n\n\n

Dabei zeigt sich: Data Literacy ist keine einheitliche F\u00e4higkeit, sondern eine Kombination aus verschiedenen Kompetenzen \u2013 und ihre Auspr\u00e4gung h\u00e4ngt stark von der jeweiligen Disziplin ab. Im Artikel \u201eFuture Skills: Ein Framework f\u00fcr Data Literacy“12<\/a><\/sup>Sch\u00fcller, K. , Busch, P. , Hindinger, C. , Future Skills: Ein Framework f\u00fcr Data Literacy, (2019), Hochschulforum Digitalisierung, Nr.47, https:\/\/hochschulforumdigitalisierung.de\/sites\/default\/files\/dateien\/HFD_AP_Nr_47_DALI_Kompetenzrahmen_WEB.pdf<\/a><\/span> legen die Autorinnen einen Forschungsbericht und einen Kompetenzrahmen vor, der f\u00fcnf Dimensionen umfasst: Wissen, Fertigkeiten, F\u00e4higkeiten, Motivation und (Wert-)Haltung. Will man Data Literacy in all diesen Dimensionen entwickeln, ergibt sich ein anspruchsvolles, f\u00e4cher\u00fcbergreifendes Lehrziel.<\/p>\n\n\n\n

Die Vermittlung und Pr\u00fcfung dieser Kompetenzen im Hochschulkontext bleibt eine Herausforderung. Jupyter Notebooks k\u00f6nnen hier als Lehr-Werkzeug wichtige Beitr\u00e4ge leisten \u2013 insbesondere in den Bereichen Fertigkeiten, Digital- und Datenkompetenz, Transparenz, Reproduzierbarkeit und Kollaboration.<\/strong><\/p>\n\n\n\n

\"Das\n\t\t\t\n\t\t\t\t\n\t\t\t<\/svg>\n\t\t<\/button>

Schreiben, Daten importieren oder erzeugen, programmieren, ausf\u00fchren, analysieren und interpretieren, weitergeben. Jupyter Notebooks bieten viele Rahmenbedingungen f\u00fcr Data Literacy und Future Skills (Bild: \u00a9 Isabell Schaffer \/ Jupyter Project)<\/figcaption><\/figure>\n\n\n\n

Dass sich mit Jupyter Programmierung und Datenanalyse \u00fcben lassen, wurde bereits mehrfach erw\u00e4hnt. Doch die Einsatzm\u00f6glichkeiten gehen weiter: Notebooks k\u00f6nnen auch komplette inhaltliche Abhandlungen enthalten \u2013 sie eignen sich f\u00fcr Data Storytelling<\/strong>, also das Erz\u00e4hlen von Erkenntnissen auf Basis von Daten. Ein gut strukturiertes Notebook verbindet Code, Visualisierung und Reflexion zu einer nachvollziehbaren Argumentation: vom ersten Datenimport \u00fcber die Analyse bis zur Interpretation der Ergebnisse. Ob Praktikumsbericht, Projektdokumentation, Lerntagebuch oder Abschlussarbeit \u2013 Jupyter erm\u00f6glicht, dass Daten nicht nur ausgewertet, sondern erz\u00e4hlerisch in den fachlichen Kontext <\/strong>eingebettet werden.<\/p>\n\n\n\n

Da auch der zugrundeliegende Code enthalten ist, wird die Herangehensweise transparent. Aus dem Nachvollziehen von Schritten wird die M\u00f6glichkeit zur Reproduktion \u2013 und letztlich zur Weiterentwicklung mit neuen Fragestellungen (Reproducible Science<\/strong>).<\/p>\n\n\n\n

Zudem erm\u00f6glichen Jupyter Notebooks sowohl synchrone als auch asynchrone Zusammenarbeit: Sie k\u00f6nnen live gemeinsam bearbeitet oder standardisiert weitergegeben werden. Gerade diese Form der kollaborativen, transparenten Arbeit ist ein zentraler Aspekt von Future Skills \u2013 und ein gutes Beispiel daf\u00fcr, wie digitale Werkzeuge wie Jupyter dabei konkret unterst\u00fctzen.<\/p>\n\n\n\n

Jupyter Notebooks bieten Ihnen zwar keinen Ersatz f\u00fcr ein didaktisches Konzept \u2013 aber ein Werkzeug mit den richtigen Rahmenbedingungen um Future Skills und Data Literacy zu f\u00f6rdern.<\/p>\n\n\n\n

Checkliste f\u00fcr Lehrende: Das brauchen Sie f\u00fcr die Welt von Jupyter<\/h2>\n\n\n\n

Alle Angeh\u00f6rigen der Universit\u00e4t Bremen k\u00f6nnen sich mit ihrem Uni-Account auf dem JupyterHub anmelden. Dort stehen sofort nutzbare Standard-Profile mit Python, R und Java zur Verf\u00fcgung. 
Wer spezifischere Anforderungen hat, kann sich eigene Profile anlegen \u2013 individuell konfigurierbar in Bezug auf Programmiersprache und Bibliotheken. \u00dcber ein Formular lassen sich Profile bequem erstellen und bei Bedarf anpassen. Aktuell k\u00f6nnen Profile f\u00fcr Python, R, Java und Haskell \u2013 diese sind auch kombinierbar \u2013 oder Erweiterungen wie RStudio oder Quarto eingerichtet werden. Weitere Sprachen sind auf Anfrage m\u00f6glich. Standardm\u00e4\u00dfig stehen pro Nutzer:in 4,5\u202fGB Speicher und 2\u202fGB Arbeitsspeicher zur Verf\u00fcgung.<\/p>\n\n\n\n

\n
\n

F\u00fcr den Einsatz in der Lehre k\u00f6nnen individuelle Lehr-Profile<\/strong> mit Veranstaltungen in Stud.IP<\/strong> verkn\u00fcpft werden. Lehrende legen fest, welche Inhalte und Konfigurationen bereitgestellt werden \u2013 die Teilnehmenden sehen automatisch das zugeh\u00f6rige Profil in ihrer Jupyter-Umgebung. Zus\u00e4tzlich k\u00f6nnen Studierende in Verbindung mit Studiengruppen<\/strong> eigene Profile erstellen und gemeinsam mit Kommiliton:innen nutzen \u2013 eine Funktion, die selbstorganisiertes und kollaboratives Arbeiten f\u00f6rdert. Lehrende und Tutor:innen k\u00f6nnen in Echtzeit kollaboratives Arbeiten in ihren Veranstaltungen erm\u00f6glichen \u2013 ob im Kurs oder in \u00dcbungen. Bei Bedarf k\u00f6nnen Gr\u00f6\u00dfe von RAM und Speicher angepasst werden. Materialien lassen sich \u00fcber GitLab<\/strong>oder \u00fcber das integrierte Hausaufgaben-Tool<\/strong> bereitstellen. Falls Ihr Fachbereich kein eigenes GitLab betreibt, k\u00f6nnen Sie das GitLab des ZMML nutzen (Zugang aktuell per Whitelist).<\/p>\n<\/div>\n\n\n\n

\n

Was brauche ich als Lehrende:r, um mit JupyterHub zu starten?<\/strong><\/h3>\n\n\n\n

\u2705 Uni-Account der Universit\u00e4t Bremen
\u2705 Eine Lehrveranstaltung in Stud.IP
<\/strong>\u2705 Kurze Beschreibung der Veranstaltung (Deutsch\/Englisch)
\u2705 Entscheidung \u00fcber:<\/p>\n\n\n\n