Im Oktober 2021 startete das Projekt DIAS an der Hochschule Ansbach mit dem Ziel Studierende zu begleiten, zu motivieren und zu befähigen das Studium besser zu organisieren und erfolgreich abzuschließen. DIAS nimmt dabei verschiedene Funktionen als Planer, Motivator, Analysator und Kommunikator in Form eines KI-basierten Chatbots, einer SmartStudy App und weiteren Modellen ein. Studierende können unter anderem über die Homepage der Hochschule sowie einem Hologramm und eines Terminals auf dem Gelände der Hochschule mit DIAS interagieren.

DIAS Funktionen

Zielsetzung und Evaluation

  • Förderung der individuellen Betreuung
  • Entlastung der Verwaltung und der Lehrenden
  • Senkung der Abbrecherquote
  • Förderung des Informationsflusses
  • Steigerung der Motivation
  • Unterstützung des Selbstmanagement
  • Steigerung der leichteren und transparenteren Informationsbeschaffung

Das ausführliche Evaluationskonzept kann hier eingesehen werden:

Projektansatz

Für die Entwicklung des Chatbots wird der sogenannte Conversation Driven Design (CDD) Ansatz genutzt. CDD ist ein Prozess, bei dem die KI durch die Anwendung und das Feedback der Nutzer stetig verbessert wird. Um einen KI-Assistenten zu entwickeln, muss dieser den Nutzenden verstehen können. Dafür setzt das CDD genau beim Nutzenden an: In jeder Phase der Chatbot-Entwicklung orientiert sich der Bot direkt beim tatsächlichen Nutzenden und lernt bei jeder Konversation dazu was dieser möchte und wie er es sagt. So passt sich der Bot an die Sprache und das Verhalten an. Indem wir als Entwickler diese anonymisierten Unterhaltungen, ohne jegliche personenbezogenen Daten, überwachen und zu weiteren Trainingszwecken verwenden, können Fehler oder Lücken direkt erkannt werden. So wird der Chatbot stetig besser – learning by doing! Dadurch hilft im besten Fall nicht nur der Bot dem Nutzenden, sondern der Nutzende auch dem Bot.

DIAS 1.0

Die erste Instanz des virtuellen Assistenten wurde auf Basis der RASA-Plattform entworfen. Hierbei wurde ein Machine Learning Modell mit Beispielen trainiert, welche das Modell entsprechend der Intention klassifiziert. Abhängig vom Intent wird eine passende Antwort ausgegeben. Mit jeder richtigen Antwort steigt das Confidence Level der Zuordnung. Implementiert wurden zudem Knowledge Graphen. Sie ermöglichen die Verbindung heterogener Daten aus unterschiedlichen Quellen. Aus diesem Grund eignen sie sich insbesondere für die Anwendung an Universitäten, die viele verschiedene Informationsquellen kombinieren müssen.

DIAS 2.0

Im Laufe des DIAS-Projekts entstanden innovative Technologien im NLP-Bereich wie beispielsweise performantere Modelle und Frameworks, welche größere Sprachmodelle zugänglich machen. Durch Generative KI-Modelle wie ChatGPT stiegen Möglichkeiten zur Innovationsfähigkeit an, sodass eine zweite Version des Assistenten entwickelt wurde.
Die Architektur des DIAS 2.0 basiert auf der Nutzung eines LLM (Large Language Model) in Verbindung mit dem ReAct-Framework. Dieses ermöglicht dem Sprachmodell Tools zu nutzen, welche Informationen aus Datenbanken bereitstellen, die das Sprachmodell zur Generierung einer Antwort nutzen kann. Damit können Fragen in einer natürlich wirkenden Konversation präzise und dynamisch beantwortet werden. Die grundlegenden sprachlichen Fähigkeiten eines LLMs ermöglichen die regelmäßige Aktualisierung der Datenbanken, um dem Sprachmodell Zugang zu den neuesten Informationen zu ermöglichen.

Projektfortschritt

Projektstand November 2023: Nach der Teamfindung und verschiedenen Workshops zur agilen Arbeitsweise im Projekt wurde die Infrastruktur und Architektur des Assistenzsystems festgelegt. Essenziell zur Aufstellung der Anforderungen war die Einbeziehung der Studierenden durch eine Fokusgruppe. Darauf basierend wurde der Kommunikator auf der Startseite der Hochschule gelauncht und bereits mehrfach aktualisiert. Der Chatbot steht ebenso vor Ort durch ein Terminal im Gebäude 54 zur Verfügung. Enthalten sind neben der Beantwortung allgemeiner Fragen, ebenso Lerntipps und eine Ausführung der Analysatorfunktion d. h. die Studienfortschrittsprognose. Ebenso erfolgte die Weiterentwicklung der Planer- und Motivatorfunktion durch die finale Version der SmartStudy App.
Anstöße zu Anpassungen erfolgen kontinuierlich im Rahmen der Evaluation. Die Aktualisierung der Modelle entwickelten sich daher durch das Feedback einer weiteren Fokusgruppe zu den Analysator Modellen sowie eine Feedbackumfrage zum Kommunikator und Einzelinterviews zur Anwendung der SmartStudy App. Zuletzt wurde der Intelligente Assistent mit allen Modellen an fünf Modellstudiengängen der HS Ansbach getestet. Hierzu wird derzeit die Auswertung finalisiert. In den nächsten Monaten sind die Aufstellung eines Hologrammes, weitere Anpassungen sowie Evaluationsmaßnahmen zur kontinuierlichen Wirkungsanalyse aller Funktionen geplant.

 

DIAS Zugang

Vor Ort ist DIAS über ein Hologramm (derzeit Testphase) und ein Terminal (Gebäude 54) verfügbar. Der intelligente Assistent steht zudem rund um die Uhr auf der Startseite der Hochschule Ansbach zur Verfügung. Dabei kann innerhalb des intelligenten Chatbots das Analyse-Model zur Studienfortschrittsprognose mit der Eingabe "Fortschrittsprognose" aufgerufen werden. Weiterhin ist das zweite Analyse-Model, ein Quiz Model zur Reflektion des Lernfortschritts, in den DIAS Chatbot implementiert (derzeit Evaluierungsphase).

Im Fokus das Selbstmanagement des eigenen Lernverhaltens und die eigene Motivation zu erhöhen, steht die SmartStudy App. Als Stand Alone App findet hier keine Datenspeicherung und -einsicht seitens DIAS statt, sodass die Daten ausschließlich beim Nutzer bleiben. Im Folgenden besteht die Möglichkeit die SmartStudy App runterzuladen:

Smart Study App:

DateiModellStand
DIAS-Android.apkSmart Study App
Android Version
12.12.23
DIAS-Windows.zipSmart Study App
Windows Version
12.12.23
Kurzanleitung.pdfKurzanleitung12.12.23
SmartStudy-TutorialVideo.mp4Tutorial Video12.12.23

 

Projektablauf 2022

Ansprechpartner

Prof. Dr. Sigurd Schacht – Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Prof. Dr. Sigurd Schacht

Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

0162 2304401 Retti 063 (Rettistraße 56, 91522 Ansbach) nach Vereinbarung vCard

Prof. Dr. Sigurd Schacht

Prof. Dr. Sigurd Schacht – Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)

Funktionen:

  • Studiengangsleiter Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
  • Studienfachberatung Angewandte Künstliche Intelligenz und Digitale Transformation (KDT)
  • Professor Innovation und Entrepreneurship (IUE)
  • Professor Smart Energy Systems (SES)
  • Koordinator der Fakultät Wirtschaft Zentrum für angewandte KI und Transfer (AN[ki]T)

Lehrgebiete:

  • Angewandte Künstliche Intelligenz
  • Digitale Geschäftsprozesse
  • Digitale Transformation und Change Management

Vita:

Sigurd Schachts Lehre und Forschung ist fokussiert auf die Anwendung der Verfahren der künstlichen Intelligenz in Unternehmen und Gesellschaft. Vor seiner Tätigkeit an der HS Ansbach, war er Professor an der HS Heilbronn und langjährig bei zwei der BIG-4-Prüfungsgesellschaften tätig.

Publikationen:

  • Schacht, S., & Lanquillon, C. (2019). Blockchain und maschinelles Lernen. Springer Vieweg.
  • Schacht S. (2019): Blockchain eine Einführung. Wirtschaftsmagazin w.news der IHK Heilbronn.
  • Schacht S. et. al (2018): Predictive IT-Service Operation. In Loose T. (Hrsg.): Tagungsband Workshop 2018 ASIM/GI-Fachgruppe, Heilbronn 2018
  • Huettner O., Lanquillon C., Schacht S. (2018): Towards State of the Art in open-set Face Identification. In Loose T. (Hrsg.): Tagungsband Workshop 2018 ASIM/GI-Fachgruppe, Heilbronn 2018
  • Lanquillon, C; Schacht, S. (2016): A Big Data Change Detection System, in: Hertweck, D./ Decker, C. (Hrsg.): Digital Enterprise Computing 2016, Lecture Notes in Informatics (LNI), Gesellschaft für Informatik, Bonn 2016
  • Schacht, S., Lanquillon, C., Schmieder K., Effenberger J. (2016): Business element management as necessary part of the digital transformation in enterprises. 09/2016, DOI: 10.13140/RG.2.2.22864.00004
  • Schacht, S.; Küller, P. (2015): Enterprise Architecture Management und Big Data, in Dorschel, J. (Hrsg.): Praxishandbuch Big Data: Wirtschaft – Recht – Technik, Springer Gabler, 2015
  • Schacht, S. (2015): Von Big Data zum Wertbeitrag für das Unternehmen. Deloitte & Touche Unternehmergespräche Mai 2015, Nürnberg.
  • Schacht, S. (2008): Die Genossenschaften im Wettstreit der Unternehmensformen in ausgewählten EU-Staaten. Forschungsinstitut für Genossenschaftswesen an der Universität Erlangen-Nürnberg, 2008.
Prof. Dr. Torsten Schmidt – Professor Künstliche Intelligenz und Kognitive Systeme (KIK)

Prof. Dr. Torsten Schmidt

Professor Künstliche Intelligenz und Kognitive Systeme (KIK)

0981 4877-262 51.1.5 nach Vereinbarung vCard

Prof. Dr. Torsten Schmidt

Prof. Dr. Torsten Schmidt – Professor Künstliche Intelligenz und Kognitive Systeme (KIK)

Professor Künstliche Intelligenz und Kognitive Systeme (KIK)

Funktionen:

  • Professor Künstliche Intelligenz und Kognitive Systeme (KIK)
  • Mitglied Fakultätsrat Technik
  • Beauftragter für Studierende mit Behinderung und chronischen Erkrankungen

Lehrgebiete:

  • Künstliche Intelligenz / Maschinelles Lernen
  • Zeitreihenprädiktion
  • Deep Medicine
  • Automatisierungstechnik
  • Mathematik 1 / 2
  • Physik 1 / 2

Forschungsgebiete:

  • Zeitreihenprädiktion und deren Anwendungen
  • Effektive Lernalgorithmen für kleine Datenmengen
  • Multiphysikalische Greybox-Modelle und Algorithmen
  • Theoretische Grundlagen des Quantencomputing
Sudarshan Kamath Barkur – Wissenschaftlicher Mitarbeiter (Projekt DIAS)

Sudarshan Kamath Barkur

Wissenschaftlicher Mitarbeiter (Projekt DIAS)

RET 063, Rettistraße 56, 91522 Ansbach nach Vereinbarung vCard

Sudarshan Kamath Barkur

Sudarshan Kamath Barkur – Wissenschaftlicher Mitarbeiter (Projekt DIAS)

Wissenschaftlicher Mitarbeiter (Projekt DIAS)

Funktion

  • Wissenschaftlicher Mitarbeiter (Projekt DIAS)
Betiel Woldai – Wissenschaftliche Mitarbeiterin - IT Projektmanagement (Projekt DIAS)

Betiel Woldai

Wissenschaftliche Mitarbeiterin - IT Projektmanagement (Projekt DIAS)

Retti 063, Rettistraße 56, 91522 Ansbach nach Vereinbarung vCard

Betiel Woldai

Betiel Woldai – Wissenschaftliche Mitarbeiterin - IT Projektmanagement (Projekt DIAS)

Wissenschaftliche Mitarbeiterin - IT Projektmanagement (Projekt DIAS)

Funktionen:

  • Wissenschaftliche Mitarbeiterin - IT Projektmanagement (Projekt DIAS)