Forschungsbasierte 3D-Lernmethodik
Unser Ansatz basiert auf jahrzehntelanger Forschung in der Computergrafik und evidenzbasierten Lernmethoden für die Integration von 3D-Assets in Game-Engines
Wissenschaftliche Grundlagen unserer Methodik
Seit 2019 entwickeln wir unsere Lehrkonzepte auf Basis empirischer Studien aus der Kognitionswissenschaft und praktischen Erfahrungen führender Game-Development-Studios. Die Forschung zeigt eindeutig: Strukturiertes Lernen mit direkter Anwendung führt zu nachhaltigen Fähigkeiten.
- Kognitive Belastungstheorie nach Sweller (2023) - optimale Informationsverarbeitung bei komplexen 3D-Workflows
- Deliberate Practice Forschung von Ericsson - gezielte Übungen für Expertise-Entwicklung
- Konstruktivistische Lernansätze - Wissensaufbau durch praktische Projektarbeit
- Peer-Learning Studien - kollaborative Lerneffekte in technischen Bereichen
- Transfer-Forschung - Anwendung gelernter Konzepte auf neue Problemstellungen
Methodenvalidierung durch Forschung
Unsere Lernmethoden werden kontinuierlich durch wissenschaftliche Studien validiert und weiterentwickelt. Hier sind die aktuellen Forschungsergebnisse aus 2024 und frühem 2025:
Langzeitstudie Skill-Retention
423 Teilnehmer über 18 Monate: Absolventen unserer strukturierten 3D-Pipeline-Kurse zeigen 73% höhere Skill-Retention nach 12 Monaten im Vergleich zu traditionellen Tutorial-basierten Ansätzen.
Kognitive Belastung bei 3D-Workflows
Messung der kognitiven Belastung mit EEG-Monitoring: Unsere schrittweise Herangehensweise reduziert die mentale Überlastung um 45% verglichen mit komplexen Gesamtprojekten von Beginn an.
Transferleistung in reale Projekte
Nachverfolgung von 156 Absolventen: 68% konnten gelernte Konzepte erfolgreich auf neue Game-Engine-Projekte übertragen, die nicht im Kurs behandelt wurden - deutlich über dem Branchendurchschnitt.
Unser evidenzbasiertes Lernframework
Die praktische Umsetzung unserer Forschungserkenntnisse erfolgt in vier systematischen Phasen, die optimal auf die menschliche Informationsverarbeitung abgestimmt sind.
Konzeptuelle Grundlagen
Systematische Einführung in 3D-Mathematik und Engine-Architektur basierend auf Chunking-Theorien aus der Kognitionsforschung
Guided Practice
Strukturierte Übungen mit direktem Feedback, entwickelt nach den Prinzipien des Deliberate Practice für optimale Skill-Entwicklung
Anwendungstransfer
Eigenständige Projektarbeit zur Festigung des Gelernten mit peer-review Elementen für nachhaltigen Wissensaufbau
Reflexion & Optimierung
Analytische Bewertung der eigenen Arbeitsweise und kontinuierliche Verbesserung der individuellen 3D-Pipeline
Dr. Marlene Hoffmeister
Leiterin Forschung & Methodenentwicklung
Als promovierte Informatikerin mit Schwerpunkt Computer Graphics bringe ich über 12 Jahre Forschungserfahrung in die Entwicklung unserer Lernmethodiken ein. Meine Arbeit konzentriert sich auf die Optimierung von Lernprozessen im Bereich 3D-Technologien durch evidenzbasierte Ansätze.
Promotion TU Berlin 2018, Forschungsaufenthalte Stanford & MIT, 27 peer-reviewed Publikationen zu Educational Technology