Problemstellung

In Notfallsituationen zählt jede Sekunde, und oft fehlt es an sofort verfügbarer professioneller Hilfe. Gleichzeitig ist das Wissen um Erste-Hilfe-Maßnahmen in der Bevölkerung nicht immer ausreichend vorhanden oder im entscheidenden Moment präsent. Die Technologie der generativen künstlichen Intelligenz bietet hierfür innovative Möglichkeiten, um in solchen kritischen Momenten Unterstützung zu leisten und Leben zu retten.

Das Ziel dieses Projekts ist die Entwicklung und prototypische Implementierung eines mobilen Erste-Hilfe-Assistenten, der auf Large Language Models basiert. Dieser Assistent soll Nutzern in Echtzeit Anleitungen und Unterstützung bei der Durchführung von Erste-Hilfe-Maßnahmen bieten, basierend auf den aktuellen Umständen und Symptomen des Betroffenen. Durch die Nutzung aktueller Sprachmodelle und interaktiver Schnittstellen soll der Assistent in der Lage sein, Laien durch den Prozess der Ersten Hilfe zu führen, von der Beurteilung der Situation bis hin zu spezifischen Handlungsanweisungen. Dabei soll im Projekt zunächst mit textuellen Eingaben gestartet werden und im Verlauf durch Multimodalität (bspw. Bilderkennung oder Spracherkennung) erweitert werden. Die Vision ist dabei einen Assistenten in der Rettungshotline zu schaffen, welcher für triviale Anfragen das Rettungspersonal entlasten kann, aber andererseits auch dynamisch auf Ernstsituationen reagieren kann. Die Integration sollte zumindest webbasiert im Browser laufen, aber kann auch auf weitere Plattformen erweitert werden (bspw. mobile Plattformen). Entsprechende Hardware (KI-Workstation 2x RTX4090) kann vom Lehrstuhl zur Verfügung gestellt werden.

Anforderungen an das Projektteam

Die Ausgestaltung der Aufgabenstellung bleibt dem Projektteam überlassen, jedoch sollen nachfolgende Anforderungen erfüllt werden.

• Anforderungserhebung, Konzeptualisierung und prototypische Entwicklung des Conversational Agents
• Wahl geeigneter generative AI-Technologien (z.B. LangChain)
• Identifikation relevanter Informationen als Grundlage für das KI-Training
• Prototypische Realisierung und Evaluation des Prototyps
• Verwaltung des Source-Codes in einem Git-Repository (wird vom Lehrstuhl bereitgestellt)
• Abschlusspräsentation der Ergebnisse

Voraussetzungen

• Studierende der Wirtschaftsinformatik oder Angewandten Informatik im Bachelor mit mindestens 90 CP oder im Master.
• Bereitschaft sich mit einem neuen Wissensgebiet vertiefend auseinanderzusetzen und potenzielle Softwarelösungen zu realisieren.
• Vorkenntnisse in Programmierung (idealerweise Python, Webtechnologien) vorteilhaft; Kenntnisse bei der Realisierung von KI-Problemen vorteilhaft

Problemstellung

Der Erwerb wissenschaftlicher Schreibkompetenzen ist ein wesentlicher Baustein der Hochschulbildung. Studierende und Wissenschaftler stehen vor der Herausforderung, ihre Forschungsprojekte auch bei komplexen Themen klar und verständlich darzustellen. Untersuchungen zeigen, dass zahlreiche Studierende und Wissenschaftler Schwierigkeiten bei der Formulierung wissenschaftlicher Texte haben. Dies äußert sich in unklaren Formulierungen oder einer übermäßigen Verwendung von Fachtermini, wodurch die Vermittlung der Inhalte erschwert wird. Darüber hinaus stellt die Strukturierung der Arbeit und die Erarbeitung eines „roten Fadens“ Studierende immer wieder vor Herausforderungen.

Generative künstliche Intelligenz eröffnet neue Wege, um wissenschaftliche Arbeiten zu strukturieren, Texte zu optimieren und die Motivation während des oft mühseligen Schreibprozesses über längere Zeit aufrechtzuerhalten. Sprachmodelle wie ChatGPT bringen das Potenzial mit sich, eine fortwährende, personalisierte Unterstützung während des gesamten Schreibprozesses anzubieten. Allerdings sind bisherige Anwendungen nicht speziell darauf ausgerichtet, Studierende oder Wissenschaftler gezielt bei dieser Aufgabe zu unterstützen.

Vor diesem Hintergrund ist das Ziel des Projekts die prototypische Implementierung einer pädagogisch-technischen Lernumgebung, die Studierende und Wissenschaftler während des gesamten Schreibprozesses im Rahmen eines Coachings unterstützt. Im Fokus steht die Analyse von Struktur sowie einzelner Textbausteine (Sätze und Absätze), zu denen der Nutzer qualitatives Feedback und Verbesserungsvorschläge erhält. Der Lernfortschritt soll zudem nachverfolgt werden (Scoring etc.), häufige Fehler hervorgehoben und Anreize für das kontinuierliche Schreiben und dessen Optimierung geschaffen werden (Nudging etc.). Daneben soll der Writing Coach den für das Schreiben notwendigen Fokus fördern. Als Teil einer semesterübergreifenden Studie werden die Ergebnisse der vorangegangenen Gruppe bereitgestellt, die bereits konkrete Anforderungen an das System beinhalten. Diese Ergebnisse dienen als Grundlage für die Gestaltung und Entwicklung des Writing Coachs.

Anforderungen an das Projektteam

Die Ausgestaltung der Aufgabenstellung bleibt dem Projektteam überlassen, jedoch sollen nachfolgende Anforderungen erfüllt werden.

• Entwicklung eines Prototyps anhand von Mockups
• Recherche und begründete Auswahl geeigneter generative AI-Dienste, die über eine API eingebunden werden.
• Erstellung geeigneter Prompts zur Optimierung von Textbausteinen im wissenschaftlichen Kontext.
• Gestaltung und Entwicklung des AI Science Writing Coach als Cross-Plattform App und/oder Word-Add-In.
• Prototypenevaluation mit qualifizierten Probanden.

Voraussetzungen

• Studierende der Wirtschaftsinformatik oder Angewandten Informatik im Bachelor mit mindestens 90 CP oder im Master.
• Interesse an wissenschaftlichen Arbeitsweisen und die Intention, den eigenen wissenschaftlichen Schreibstil zu verbessern.
• Bereitschaft sich mit einem neuen Wissensgebiet vertiefend auseinanderzusetzen und potenzielle Softwarelösungen zu realisieren.
• Vorkenntnisse in Programmierung (idealerweise in .NET und C#) vorteilhaft

Problemstellung

Streaming ist ein zentraler Bestandteil der heutigen Popkultur geworden. Bekannte Streamer wie MontanaBlack, Ninja oder xQc ziehen täglich Millionen Zuschauer an. Aus stundenlangen Live-Streams die besten Highlights herauszuschneiden, ist dabei jedoch eine kosten- und zeitintensive Aufgabe. Im Zeitalter von KI stellt sich daher die Frage, ob sich dieser Prozess automatisieren lässt.

Vor diesem Hintergrund ist das Ziel des Projekts die Entwicklung und prototypische Implementierung eines Tools basierend auf Large Language Models (LLMs), welches die automatisierte Erstellung von Highlight-Zusammenstellungen aus Livestreams ermöglicht. „TwitchHighlighter“ soll durch die Analyse von Videoinhalten, Zuschauerinteraktionen und anderen Metadaten mittels generativer KI in der Lage sein, die spannendsten und unterhaltsamsten Momente eines Streams zu identifizieren und zu extrahieren, damit die Erstellung von Best ofs für die Content Creator:innen vereinfacht wird.

Anforderungen an das Projektteam

Die Ausgestaltung der Aufgabenstellung bleibt dem Projektteam überlassen, jedoch sollen nachfolgende Anforderungen erfüllt werden.

• Wahl geeigneter generative AI-Technologien
• Entwicklung eines Prototyps
• Prototypenevaluation
• Verwaltung des Source-Codes in einem Git-Repository (wird vom Lehrstuhl bereitgestellt)
• Abschlusspräsentation der Ergebnisse

Voraussetzungen

• Studierende der Wirtschaftsinformatik oder Angewandten Informatik im Bachelor mit mindestens 90 CP oder im Master.
• Bereitschaft sich mit einem neuen Wissensgebiet vertiefend auseinanderzusetzen und potenzielle Softwarelösungen zu realisieren.
• Vorkenntnisse in Programmierung (idealerweise in Python) vorteilhaft. Kenntnisse bei der Verwendung von API-Schnittstellen für Bots sind vorteilhaft

Problemstellung

Der Aktienmarkt ist ein komplexes und dynamisches Umfeld, in dem Investoren und Händler ständig nach zuverlässigen Informationen und Analysen suchen, um fundierte Entscheidungen zu treffen. Mit der rasanten Entwicklung von Large Language Models (LLMs) im Bereich der generativen KI eröffnen sich neue Perspektiven für die Analyse von Finanzmärkten und die Unterstützung von Anlageentscheidungen.

Das Ziel dieses Projekts ist die Entwicklung und prototypische Implementierung von "StockGPT", einem Aktienhandelsexperten auf der Basis von Large Language Models. StockGPT soll Nutzern eine Hilfestellung zu allgemeinen Fragen im Bezug auf den Aktienhandel geben können (keine Anlageberatung). Entsprechende Hardware (KI-Workstation 2x RTX4090) kann vom Lehrstuhl zur Verfügung gestellt werden.

Anforderungen an das Projektteam

Die Ausgestaltung der Aufgabenstellung bleibt dem Projektteam überlassen, jedoch sollen nachfolgende Anforderungen erfüllt werden.

• Anforderungserhebung, Konzeptualisierung und prototypische Entwicklung des Conversational Agents
• Wahl geeigneter generative AI-Technologien (z.B. LangChain)
• Identifikation relevanter Informationen als Grundlage für das KI-Training
• Prototypische Realisierung und Evaluation des Prototyps
• Verwaltung des Source-Codes in einem Git-Repository (wird vom Lehrstuhl bereitgestellt)
• Abschlusspräsentation der Ergebnisse

Voraussetzungen

• Studierende der Wirtschaftsinformatik oder Angewandten Informatik im Bachelor mit mindestens 90 CP oder im Master.
• Bereitschaft sich mit einem neuen Wissensgebiet vertiefend auseinanderzusetzen und potenzielle Softwarelösungen zu realisieren.
• Vorkenntnisse in Programmierung (idealerweise Python, Webtechnologien) vorteilhaft; Kenntnisse bei der Realisierung von KI-Problemen vorteilhaft

Problemstellung

Im dynamischen Forschungsfeld der Wirtschaftsinformatik und des Information System (IS) Research ist der schnelle Zugriff auf aktuelle Forschungsergebnisse, Methoden und Technologien entscheidend für den Erfolg von Wissenschaftlern, Studierenden und Praktikern. Zeitgleich beinhaltet das breite Feld an Publikationsorganen ein undurchsichtiges Feld an Wissensquellen, um relevante Quellen und Studien zu finden. Die wachsende Fülle an verfügbaren Informationen macht es dabei zunehmend schwierig, relevante Inhalte effizient zu identifizieren und zu nutzen. Hier bietet die generative künstliche Intelligenz (KI) neue Möglichkeiten, den Zugang zu und die Verarbeitung von Informationen zu revolutionieren.

Das Ziel dieses Projekts ist die Entwicklung und prototypische Implementierung eines Chatbots auf Basis von generativer KI, speziell konzipiert für den Bereich der Informationssysteme. Der IS-Research-GPT Chatbot soll Nutzern ermöglichen, auf intuitive Weise mit der umfangreichen Wissensbasis der Informationssystemforschung zu interagieren. Durch die Nutzung von Large Language Models wird der Chatbot in der Lage sein, Fragen zu beantworten, Forschungszusammenfassungen zu liefern, Literaturhinweise zu geben und sogar bei der Formulierung von Forschungsfragen oder -hypothesen zu assistieren. Zielsetzung ist die Zugänglichkeit und Demokratisierung von wissenschaftlichen Erkenntnissen. Die Integration sollte zumindest webbasiert im Browser laufen, aber kann auch auf weitere Plattformen erweitert werden (bspw. mobile Plattformen). Entsprechende Hardware (KI-Workstation 2x RTX4090) kann vom Lehrstuhl zur Verfügung gestellt werden.

Anforderungen an das Projektteam

Die Ausgestaltung der Aufgabenstellung bleibt dem Projektteam überlassen, jedoch sollen nachfolgende Anforderungen erfüllt werden.

• Anforderungserhebung, Konzeptualisierung und prototypische Entwicklung des Conversational Agents
• Wahl geeigneter generative AI-Technologien (z.B. LangChain)
• Identifikation relevanter Informationen als Grundlage für das KI-Training
• Prototypische Realisierung und Evaluation des Prototyps
• Verwaltung des Source-Codes in einem Git-Repository (wird vom Lehrstuhl bereitgestellt)
• Abschlusspräsentation der Ergebnisse

Voraussetzungen

• Studierende der Wirtschaftsinformatik oder Angewandten Informatik im Bachelor mit mindestens 90 CP oder im Master.
• Bereitschaft sich mit einem neuen Wissensgebiet vertiefend auseinanderzusetzen und potenzielle Softwarelösungen zu realisieren.
• Vorkenntnisse in Programmierung (idealerweise Python, Webtechnologien) vorteilhaft; Kenntnisse bei der Realisierung von KI-Problemen vorteilhaft

Problemstellung

Künstliche Intelligenz gewinnt dank fortschreitender Technologien, zunehmender Datenverfügbarkeit und wachsender Rechnerkapazitäten immer mehr an Bedeutung. Die Verarbeitung visueller Daten durch maschinelles Lernen ist einer der wichtigsten technologischen Durchbrüche in diesem Bereich. Angesichts dieser Entwicklung werden Methoden des maschinellen Sehens zunehmend zur Analyse von Körperhaltung und -bewegung eingesetzt.

Im Gesundheits- und Fitnessbereich haben sich bereits zahlreiche Fitness-Apps etabliert, die Trainingspläne erstellen, Übungsabläufe erläutern und Ernährungstipps geben. Zahlreiche Dienste bieten Trainingsanreize und überwachen den Trainingsfortschritt. Während die korrekte Ausführung von Kraftübungen wie Kreuzheben die Wirbelsäule und die umliegende Muskulatur stärkt, können falsche Bewegungsmuster (gebeugter Rücken, zu breiter Stand usw.) zu Verletzungen oder bleibenden Schäden führen. Im Gegensatz zu professionellen Trainern sind Fitness-Apps jedoch bislang nicht in der Lage, die Bewegungsabläufe während der Übungsausführung zu überwachen und Sportler gezielt anzuleiten.

Vor diesem Hintergrund ist das Ziel des Projekts die prototypische Realisierung eines Fitness-Coaches, der Sportler:innen bei der korrekten Ausführung von Krafttrainingsübungen (Langhantel-Kniebeugen, Kreuzheben etc.) begleitet. Im Mittelpunkt steht dabei die Entwicklung eines Lösungsansatzes auf Basis des maschinellen Lernens (ML), mit dem die korrekte Übungsausführung überwacht werden soll. Als Teil einer semesterübergreifenden Studie werden die Ergebnisse der vorangegangenen Gruppe bereitgestellt. Diese Ergebnisse dienen als Grundlage für die Gestaltung und Entwicklung des ML-Ansatzes zur Analyse der Bewegungsabläufe einer zuvor ausgewählten Übung. Das System soll die Bewegungsabläufe aufzeichnen und mit einer idealen Übungsausführung vergleichen und darauf basierend Korrekturhinweise ausgeben.

Anforderungen an das Projektteam

Die Ausgestaltung der Aufgabenstellung bleibt dem Projektteam überlassen, jedoch sollen nachfolgende Anforderungen erfüllt werden.

• Ableitung der Parameter des ML-Modells für mindestens eine Übung
• Beschaffung geeigneter Videodaten für das Training des Modells
• Prototypische Entwicklung des Coaching-Systems
• Evaluation des Prototyps mit qualifizierten Probanden

Voraussetzungen

• Studierende der Wirtschaftsinformatik oder Angewandten Informatik im Bachelor mit mindestens 90 CP oder im Master
• Interesse an sportlichen Aktivitäten und deren kontinuierlicher Verbesserung
• Bereitschaft sich mit einem neuen Wissensgebiet vertiefend auseinanderzusetzen und potenzielle Softwarelösungen zu realisieren
• Bereitschaft, sich eingehend mit Technologien des maschinellen Lernens zu befassen
• Vorkenntnisse in Programmierung (idealerweise Python) vorteilhaft

Problemstellung

In der heutigen Zeit spielt künstliche Intelligenz eine immer größere Rolle in der Forschung. Die fortschreitende Entwicklung und Anwendung generativer KI-Technologien eröffnen neue Horizonte in zahlreichen Wissenschafts- und Anwendungsbereichen. Dabei ist die Untersuchung des Einflusses dieser Technologien auf Individuen ein aufwändiges Unterfangen. Vor allem das Messen und Evaluieren von Verhaltensstudien, die den Einsatz von generativer KI beinhalten, stellt bislang eine zentrale Herausforderung in der Wirtschaftsinformatik-Forschung dar.

Vor diesem Hintergrund ist die Zielsetzung des Projekts die Entwicklung eines Evaluierungsframeworks, welches Forschenden ermöglichen soll, Studien mit generativer KI-Technologien zu planen, systematisch durchzuführen und auszuwerten. Das Framework soll darauf abzielen, die gesamte Studienprozedur zu unterstützen – von dem Anzeigen von Begleitmedien über die Messung von Datenpunkten verschiedener Stimuli bis hin zur Integration von generative AI-Tools. Im Speziellen soll in diesem Studienprojekt das Evaluierungsframework für den Einsatz einer Studie über generative AI in der Softwareentwicklung erstellt werden. Bestehende Frameworks für Verhaltensexperimente (oTree, PsychoPy, jsPsych) können als Ausgangsbasis dienen, um das Evaluierungsframework für die Nutzung von generative AI anzupassen.

Anforderungen an das Projektteam

Die Ausgestaltung der Aufgabenstellung bleibt dem Projektteam überlassen, jedoch sollen nachfolgende Anforderungen erfüllt werden.

• Anforderungserhebung, Konzeptualisierung und prototypische Entwicklung des Evaluierungsframeworks
• Prototypische Realisierung und Evaluation des Prototyps
• Verwaltung des Source-Codes in einem Git-Repository (wird vom Lehrstuhl bereitgestellt)
• Abschlusspräsentation der Ergebnisse

Voraussetzungen

• Studierende der Wirtschaftsinformatik oder Angewandten Informatik im Bachelor mit mindestens 90 CP oder im Master.
• Bereitschaft sich mit einem neuen Wissensgebiet vertiefend auseinanderzusetzen und potenzielle Softwarelösungen zu realisieren.
• Vorkenntnisse in Programmierung (idealerweise Python, Webtechnologien) vorteilhaft

Problemstellung

Die zunehmende Verbreitung von Drohnentechnologie hat in den letzten Jahren eine Vielzahl von Anwendungsfeldern eröffnet, von der Luftbildfotografie bis hin zur Katastrophenhilfe und Überwachung. Drohnen sind zu unverzichtbaren Werkzeugen in verschiedenen Branchen geworden, darunter die Landwirtschaft, die Luft- und Raumfahrt, die Logistik und die Unterhaltungsindustrie. Trotz ihrer vielseitigen Einsatzmöglichkeiten bleibt jedoch eine zentrale Herausforderung bestehen: Die meisten Drohnen müssen manuell überwacht und gesteuert werden, was die Effizienz und den breiteren Einsatz dieser Technologie einschränkt.

Vor diesem Hintergrund beschäftigt sich das Projekt mit der Fragestellung, ob komplexe Tätigkeiten, wie die Überwachung und Steuerung von Drohnen, auf Basis von LLMs autonom durchgeführt werden können. Zielsetzung ist daher die Entwicklung eines LLM-basierten Agenten für die Drohnensteuerung. Entsprechende Hardware (KI-Workstation 2x RTX4090) kann vom Lehrstuhl zur Verfügung gestellt werden.

Anforderungen an das Projektteam

Die Ausgestaltung der Aufgabenstellung bleibt dem Projektteam überlassen, jedoch sollen nachfolgende Anforderungen erfüllt werden.

• Anforderungserhebung, Konzeptualisierung und prototypische Entwicklung des LLM-OS Frameworks
• Wahl geeigneter generative AI-Technologien (z.B. Autogen)
• Integration des autonomen Agenten auf die Drohne
• Evaluation der Fähigkeiten des Agenten in realer Erprobung.
• Verwaltung des Source-Codes in einem Git-Repository (wird vom Lehrstuhl bereitgestellt)
• Abschlusspräsentation der Ergebnisse

Voraussetzungen

• Studierende der Wirtschaftsinformatik oder Angewandten Informatik im Bachelor mit mindestens 90 CP oder im Master.
• Bereitschaft sich mit einem neuen Wissensgebiet vertiefend auseinanderzusetzen und potenzielle Softwarelösungen zu realisieren.
• Vorkenntnisse in Programmierung (idealerweise Python, Webtechnologien) vorteilhaft; Kenntnisse bei der Realisierung von KI-Problemen oder mit Drohnen vorteilhaft

Problemstellung

Der Schiffsverkehr stellt die Hauptschlagader des Welthandels dar. Monatlich werden Millionen von Tonnen an Gütern über die Weltmeere transportiert, was die Häfen vor immer größere Herausforderungen stellt. Neben der Be- und Entladung ist insbesondere die Steuerung und Überwachung des Schiffsverkehrs eine komplexe Aufgabe, die durch zunehmenden Verkehr und die Notwendigkeit einer nachhaltigen Logistik weiter verstärkt wird.

Vor diesem Hintergrund zielt das Projekt darauf ab, innovative Lösungen für die Überwachung und Steuerung des Schiffsverkehrs zu entwickeln. Durch die Entwicklung eines Machine Learning Modells sollen Schiffe automatisiert erkannt, klassifiziert und in Echtzeit verfolgt werden. Dies ermöglicht eine effizientere Gestaltung der Hafenlogistik und trägt zur Sicherheit und Umweltverträglichkeit des Schiffsverkehrs bei. Entsprechende Hardware (KI-Workstation 2x RTX4090) kann vom Lehrstuhl zur Verfügung gestellt werden.

Anforderungen an das Projektteam

Die Ausgestaltung der Aufgabenstellung bleibt dem Projektteam überlassen, jedoch sollen nachfolgende Anforderungen erfüllt werden.

• Anforderungserhebung, Konzeptualisierung und prototypische Entwicklung des ML-Modells
• Wahl geeigneter ML-Technologien
• Identifikation relevanter Informationen als Grundlage für das KI-Training
• Training und Evaluation des Modells
• Verwaltung des Source-Codes in einem Git-Repository (wird vom Lehrstuhl bereitgestellt)
• Abschlusspräsentation der Ergebnisse

Voraussetzungen

• Studierende der Wirtschaftsinformatik oder Angewandten Informatik im Bachelor mit mindestens 90 CP oder im Master.
• Bereitschaft sich mit einem neuen Wissensgebiet vertiefend auseinanderzusetzen und potenzielle Softwarelösungen zu realisieren.
• Vorkenntnisse in Programmierung (idealerweise Python) vorteilhaft; Kenntnisse bei der Realisierung von KI-Problemen sind vorteilhaft