eprints (HSR Hochschule für Technik Rapperswil)
Not a member yet
1196 research outputs found
Sort by
Development of a Deep Learning Model for Object Detection
No full textAutonomous cleaning robots are increasingly vital in keeping large-scale environments like warehouses and factories clean. This project presents the development and evaluation of a machine learning-based object detection system for KEMARO’s industrial cleaning robots. The primary objective was to address the robot’s current limitations in detecting small, valuable, or dangerous objects, such as keys or cables, which are overlooked by the current computer vision algorithms. The project explored state-of-the-art sensor technologies, including depth cameras, alongside advanced deep learning models such as YOLO and FastSAM.
High-quality real-world data was recorded using the Intel RealSense D435 with various configurations, including color recording and different resolutions, while maintaining the same approximate height and tilt to the camera placement of KEMARO’s K900 cleaning robot.
A key innovation of the study was the adaptation of YOLO for RGB-D input, allowing depth information to complement color image data. Data scarcity was addressed through a combination of real-world data collection and synthetic dataset generation using Blender. Various training configurations were tested to evaluate the generalization of the object detection models in real-world scenarios.
The results demonstrate that synthetic data can improve training outcomes when combined with real-world data, but challenges remain in model stability and the quality of depth information. Feeding RGB instead of grayscale images to the model achieved better results in object detection. While incorporating depth (RGB-D) increased model object detection performance when using perfect depth-maps, it proofed to be disadvantageous with imperfect and noisy real-world depth maps.
A roadmap for deep learning based object detection was also developed for KEMARO, providing recommendations for data governance, sensor improvements, and iterative hardware upgrades
Analysis of Risks and Mitigation Strategies in RAG
No full textLarge Language Models (LLMs) have become incredibly popular with the introduction of chatbots such as ChatGPT or Gemini. LLMs are very good at Natural Language Processing (NLP), which means they have the ability to understand and communicate in human language. However, they are limited to the knowledge used during training, so it is difficult and resource-intensive to keep them up-to-date and/or to integrate domain-specific knowledge. In addition, LLMs tend to hallucinate and give inaccurate answers when the specific data is not available in the language model.
To address these issues, Retrieval-Augmented Generation (RAG) has been introduced. This novel approach facilitates the incorporation of up-to-date and domain-specific data, while reducing the hallucination of LLMs by providing missing information in a targeted manner. These substantial benefits have led to the popularity of RAG.
While this approach offers significant benefits, at the same time it introduces new security challenges to the development and operation of RAG systems, that need to be addressed. Since this is a relatively new topic, getting an overview of the risks and mitigation strategies can be tedious. The information is scattered across many sources and each risk and mitigation strategy found needs to be evaluated individually to determine if it applies to one's RAG implementation.
We fill this gap by presenting a high-level framework (called a landscape) for systematically identifying and evaluating privacy and security related risks associated with RAG systems. It also outlines potential mitigation strategies tailored to these risks, thereby providing possible approaches for protecting RAG systems. By consolidating and analyzing current research and practice, we provide a risk and mitigation landscape that facilitates risk assessment and helps secure RAG pipelines, thereby supporting the responsible use of this promising technology.
Keywords: Retrieval-Augmented Generation (RAG), Framework, Security Risks, Mitigation Strategies, Large Language Model (LLM
Urban Sprawl Metrics
No full textDas Thema der Zersiedelung ist nicht nur Bestandteil der Geographie, sondern auch eine gesellschaftliche Angelegenheit.
Dies zeigt sich vor allem in der Schweiz, wo die Zersiedelung in den letzten Jahren stark zugenommen hat.
Die "Zersiedlungsinitiaive vom 10. Februar 2019 bezeugt die Dringlichkeit der Thematik in der Politik.
Unter Zersiedelung versteht man die turbulente Ausdehnung der Siedlungsfläche auf Kosten der Landwirtschafts- und Naturflächen.
Das Bundesamt für Raumentwicklung (ARE) hat das Ziel zu überprüfen, wie man in der Planung Zersiedelungswerte einbetten kann, um die Zersiedelung unter anderem zu messen und folglich zu begrenzen.
Bereits Jäger und Schwick begründeten in ihrem Buch "Zersiedelung messen und begrenzen" Methoden zur Messung der Zersiedelung.
Für ein erstes Werkzeug der Eidgenössischen Forschungsanstalt für Wald, Schnee und Landschaft (WSL) ist die kommerzielle Software ArcGIS notwendig, worauf Horiguchi und Schwab (2020) das quelloffene Plugin "USM Toolset" für das Open Source Tool QGIS entwickelten.
Dieses bestehende QGIS-Plugin soll um eine quelloffene Erweiterung ergänzt werden, die eine Weboberfläche bietet.
Zusätzlich soll eine Schnittstelle (API) bereitgestellt werden.
Darüber hinaus ist die effiziente und wartbare Implementierung der Berechnungen ein weiteres Ziel.
Im Rahmen dieser Arbeit wurden diverse Varianten einer effizienten Parallelisierung der Berechnung implementiert und anhand ihrer Performance evaluiert.
Zusammen mit einer API-Schnittstelle, die es ermöglicht, einzelne Metriken zur Zersiedelung zu berechnen, wurde die Erweiterung realisiert.
Durch die Erweiterung können Metriken der Zersiedelung ohne QGIS berechnet werden.
Die Kalkulation einer kleinen Gemeinde der Schweiz ist in wenigen Sekunden abgeschlossen.
Mit dem Einsatz von Just-in-Time-Compilern und Parallelisierungsmethoden verbesserte sich die Performance, sodass Resultate für mittelgrosse Gemeinden in wenigen Sekunden berechnet werden können.
Eine API-Schnittstelle nach der OpenAPI Spezifikation ermöglicht die Integration in andere Anwendungen.
Die Berechnung der Metriken der Zersiedelung in einem Webservice kann effizient und wartbar implementiert werden.
Dies bietet die Möglichkeit, diese Berechnungsmethoden einer breiteren Öffentlichkeit und Anwenderschaft zur Verfügung zu stellen.
Raumplaner, Architekten, NGOs und politische Entscheidungsträger können so die Auswirkungen von geplanten Massnahmen auf die Siedlungsstruktur analysieren und visualisieren
Proof of Concept: Integrierte Webshoplösung fur Abacus
No full textDer Softwarehersteller Abacus Research AG hat als Teil ihrer Enterprise-Resource-Planning ERP Lösung 'Abacus' bis anhin eine E-Commerce-Applikation namens 'AbaShop' entwickelt.
Da die Wartung dieser Shop-Lösung per Ende des Jahres 2025 eingestellt wird, steht die Customize AG, ein Vertriebspartner von Abacus und Industriepartner dieser Arbeit, vor der Aufgabe eine Nachfolgelösung für ihre bestehenden und zukünftigen Shop-Kunden zu finden. Um dies zu ermöglichen, stellt die Abacus eine neue RESTful HTTP-Schnittstelle zur Verfügung, über welche Kunden in Zukunft ihre eigenen Shop-Lösungen an das ERP anbinden können.
In dieser Studienarbeit wurden die Anforderungen der Kunden der Customize AG an die Shop-Lösung in Form von Use Cases festgehalten. Diese beinhalten sowohl bestehende als auch neue, häufig nachgefragte Funktionen. Basierend auf diesen Use Cases erfolgte eine Analyse der neuen Abacus-Schnittstelle um die Machbarkeit eines integrierten Webshops zu beurteilen. Durch eine Nutzwertanalyse wurden verschiedene E-Commerce-Frameworks evaluiert, um zu entscheiden, ob die Customize AG auf eine Eigenentwicklung setzt oder ein bestehendes Shop-System in Abacus integrieren soll. Um die Machbarkeit des erarbeiteten Konzepts aufzuzeigen, wurde ein Proof of Concept (PoC) implementiert.
Der in dieser Arbeit entwickelte Proof of Concept basiert auf einem Plugin für das Shop-System 'nopCommerce'. Anhand einer Auswahl von Use Cases konnte aufgezeigt werden, dass die neue Abacus-Schnittstelle die Anforderungen der Kunden erfüllt. Notwendige API-Erweiterungen wurden identifiziert und dokumentiert. Mittels einem Synchronisationsdienst werden die Produkt-Stammdaten aus dem Abacus mit dem Shop-System abgeglichen. Im Warenkorb werden kundenspezifische Preise und Rabatte ausgegeben und die getätigten Bestellungen werden automatisch als Aufträge in Abacus erfasst. Ebenfalls wird aufgezeigt, wie die restlichen Anforderungen auf Basis des entwickelten Prototyps umgesetzt werden können
Development of a Scalable and Distributed Streaming Platform
No full textThe increasing demand for video streaming services highlights a gap in the availability of free and open-source tools that support scalable and distributed streaming with video conversion capabilities. Existing platforms like YouTube and Vimeo offer scalability and conversion but are neither open source nor self-hostable. Conversely, open-source solutions such as Jellyfin and PhotoPrism lack the ability to convert videos upon upload and do not scale efficiently.
This thesis aims to develop a backend server that facilitates scalable and distributed video streaming with integrated conversion capabilities. The objective is to create a free and open-source solution that addresses the limitations of current offerings in the market.
The development process began with an evaluation of streaming technologies, focusing on factors such as client support, openness of the standard, and streaming requirements. Dynamic Adaptive Streaming over HTTP (DASH) was selected due to its open standard, extensive client support, and compatibility with royalty-free formats such as WebM-DASH. To achieve scalability, the server was designed to be stateless. Video files are automatically converted and published post-upload utilizing a message queue system for signaling, ensuring scalable and atomic conversion tasks.
Using DASH as the underlying streaming technology allowed the use of modern video formats, reducing storage requirements. The stateless design enabled horizontal scaling, while the message queue ensured efficient handling of video conversion tasks. Each conversion task is processed exactly once and in the order received, ensuring reliability and temporal decoupling.
The developed streaming platform successfully meets the needs for a scalable, distributed, and open-source video streaming service with integrated conversion capabilities. It fills the existing gap by providing a self-hostable solution that leverages modern streaming standards and scalable architecture, making it a valuable tool for communities and organizations seeking an alternative to proprietary platforms
Konzeption und Prototyp eines konfigurierbaren Storefrontsystems mit Plugin- und Theme-Architektur
No full textDie Abacus Research AG hat im Rahmen ihrer ERP-Lösung 'Abacus' die E-Commerce-Applikation 'AbaShop' entwickelt, deren Wartung Ende 2025 eingestellt wird. Aus diesem Grund muss die Customize AG, ein Vertriebspartner von Abacus, eine Nachfolgelösung für ihre Shop-Kunden finden. In einer vorangegangenen Studienarbeit wurde das E-Commerce-System 'nopCommerce' evaluiert und über das entwickelte Plugin 'Abacus Connector' an das ERP angebunden. Um die individuellen Anforderungen der breiten Kundschaft mit einem System bedienen zu können, soll ein Storefrontsystem entwickelt werden, das die Services von nopCommerce nutzt und den Consultants von Customize vielfältige Möglichkeiten zur Konfiguration des Webshop-Frontends bietet.
In dieser Bachelorarbeit wurden gemeinsam mit den Consultants die Anforderungen an die Konfigurationsmöglichkeiten des Storefrontsystems anhand von Kunden-Use-Cases erfasst. Die Implementierung eines Prototyps zeigt, wie individuelle Anforderungen durch die erhobenen Use-Cases abgedeckt werden können. Durch einen Benutzertest wurde sichergestellt, dass die Consultants die Kundenanforderungen über die Konfigurationsmöglichkeiten erfüllen können. Die Entwicklung eines Migrationspfades zeigt auf, wie Kunden von 'AbaShop' auf das neue Storefrontsystem migrieren können.
Die Implementierung einer RESTful HTTP-Schnittstelle als Plugin für nopCommerce ermöglicht einen 'headless' Zugriff auf dessen Services. Der entwickelte Storefront Prototyp bietet ein Kernsystem mit Standard-Webshop-Funktionalitäten für alle Kunden. Die Integration einer Plugin- und Theme-Architektur ermöglicht umfangreiche kundenspezifische Anpassungen des Kernsystems. Themes können das visuelle Erscheinungsbild des Storefronts komplett verändern, während Plugins eigene Seiten und Logik hinzufügen. Die Entwicklung von zwei Themes und mehreren Beispiel-Plugins zeigt, wie Consultants das Storefrontsystem individualisieren können. Darüber hinaus ermöglicht ein Admin-Bereich umfassende Konfigurationen, um einfache Kundenanforderungen schnell umzusetzen, ohne ein Theme oder Plugin entwickeln zu müssen
AI as a Teachers Assistant
No full textIntroduction:
Introduction: The digital transformation of higher
education has led to a significant shift in teaching
methods, with blended learning emerging as a
favored approach. In this paradigm, traditional faceto-face teaching is combined with online learning,
resulting in the well-known inverted classrooms. In
this setting, students begin with self-study, supported
by multimedia materials, followed by interactive faceto-face sessions.
However, experience shows that students may
struggle with self-study, highlighting the need for AIsupported learning assistants. These assistants
should provide students with personalized guidance,
feedback, and assessment, adapting to their
individual needs and learning styles. By leveraging AI,
primarily large language models (LLMs), these
assistants can help students progress towards
competency in an efficient and effective manner.
Approach: Three state-of-the-art LLMs (GPT-3.5,
GPT-4 and Mixtral-8x7B) are evaluated on three
subtasks based on lecture notes about political rights
in Switzerland:
- Generating questions
- Evaluating answers
- Providing feedback on the current study level
The models are fine-tuned and the quality of their
outputs were compared to their non-fine-tuned
equivalents.
A prototype application for a chat bot that supports
multiple languages, model selection from a graphical
user interface and an approach that combines chat
history and RAG is built. Model access is wrapped
under an abstracted class, allowing extensibility and
enabling rapid integration of new models.
Administrators assign documents and system
prompts to individual chat bots, giving them granular
control over their behavior and available information.
The documents get embedded with a locally hosted
Multilingual-E5-base instance.
Result: Our work has shown that while there is
potential in using LLMs as assistants for pre-study. It
was shown that existing chat models can work well on
text-based lecture scripts out of the box. However,
they could not interpret lecture scripts using images
and text. The vast range of possible user inputs in this
case makes finetuning challenging, as it would
require an enormous amount of specific training data.
Given that the non-finetuned versions already perform
well, finetuning with few datapoints actually worsened
the overall quality of the output.
The prototype serves as a blueprint for history-aware
and RAG-enabled chat bot applications. When
provided with a locally hosted Mixtral-8x7B instance,
the entire RAG process can be done locally. This
gives its users control over the use of their data and
ensures that classified information can be used to
enhance the chat bots.
In its current form, the prototype is primarily limited by
its resource consumption and therefore scalability
concerns
LLM Assisted Development
No full textA. Introduction
In recent years, Large Language Models (LLMs) have become valuable tools for developers with their ability to quickly scaffold code and act as an impactful accelerator for development teams around the world. With code being heavily standardized on a global scale and an abundance of training data freely available on platforms such as GitHub, it is easy to intuit possible reasons for their performance. While these assumptions hold true for popular languages such as Java, Python or C#, there has been little research in the usage of LLMs as development tools for less commonly used languages such as Haskell. With this project we aim to explore LLM based development support for Haskell and develop an environment, in which such research can be conducted in a quick and efficient manner.
B. Approach
Four stateoftheart models (Llama 2, Code Llama, GPT3.5 and GPT4) were evaluated based on their performance on tasks typically faced by an automated development support tool. The tasks were scoped and classified into three major categories:
Code Generation, Debugging and Testing. For each of these categories, quantifiable metrics for the evaluation of the model performance were defined. These criteria must be interpretable as quantifiable metrics to allow a comparative analysis between models. These metrics were then weighted according to their importance, based on the insight of experts in the field of Haskell development. Each task was executed with three sorting algorithms of varying cognitive complexity in sample implementations. Cognitive complexity was selected as the complexity measure after careful evaluation, to ensure that the ordering of the algorithms is based on complexity of interpretability. Utilizing cognitive complexity inspired us to frame LLMs as entities whose performance can be analysed through the lens of cognitive load theory. This enabled the differentiation between errors caused by the complexity of a provided algorithm (intrinsic load) and errors caused by unclear instructions (extraneous load). To accelerate the evaluation processes, a development environment, enabling both the automated testing of generated Haskell code using Jupyter notebooks and the utilization of cloud hosted models with modern LLM tooling like LangChain, was created.
C. Conclusion
Our work has shown that there are large gaps in output quality between each model. We have encountered outliers, but we are confident that these outliers were not caused by the intrinsic complexity of the algorithms provided and can be explained with extraneous complexity that lead to the model not understanding the task. This problem can be resolved with further prompt engineering and finetuning, which is why we are optimistic about the viability of models such as GPT4 or Code Llama as supporting tools for Haskell development. Using Chain of Thought Prompting, which leads models to break down given tasks into sequential subtasks, tends to increase the outputquality in general. However the sequential nature of it lead to inconsistencies in the compositions of Haskell’s higherorder functions. It lead the models to neglect critical nuances in function composition, resulting in erroneous code generation
Applikation zur Verbesserung des Lernprozesses im Golfsport
No full textIn dieser Masterarbeit beschäftigen sich zwei Studierende der Ostschweizer Fachhochschule OST im Studiengang MAS HCID von April 2023 bis Januar 2024, im Rahmen eines Praxisprojektes, mit der Weiterentwicklung einer Golf Trainings-App. Die Grundlage der App bilden zwei Arbeiten, die in den beiden vorangegangenen CAS «User Research & Visioning» und «Interaction Design» von je einer anderen Gruppenkonstellation erarbeitet werden. Praxispartner und Auftraggeber dieser Praxisarbeit ist die Juniorenkommission des Golfclubs Waldkirch.
Der Golfsport bzw. der Bewegungsablauf des Golfschwungs ist sehr komplex. Um den Golfsport auf einem hohen Niveau ausüben zu können, ist regelmässiges Üben und der Besuch von Kursen oder Einzellektionen unabdingbar. Im Golfsport ist es etabliert, regelmässig den Golfschwung und die Bewegungen durch ein Golflehrer überprüfen und falsche Bewegungen korrigieren zu lassen. Diese Korrekturen müssen anschliessend gefestigt und geübt werden, um Fehlhaltungen und Fehlschläge zu vermeiden oder sich solchen zu entwöhnen. Hier setzt die Golf Trainings-App «hio.training» an. Das Gelernte soll Niveaugerecht mit «Hausaufgaben» von jedem Schüler individuell geübt und gefestigt werden. Die App hilft bei der Kursplanung, beim Durchführen von Lektionen, bei der Kommunikation und beim Zuweisen von Übungen und individuellen Korrekturen. Dabei unterstützt die App einerseits den Golflehrer bei der Durchführung von Trainings und andererseits die Schüler beim Üben und Verinnerlichen von Abläufen und Korrekturanweisungen. Aus den beiden zuvor erstellten Arbeiten, deren Fokus bei allgemeinen Anforderungen und einem validierten Prototyp lag, ging nicht hervor, wie Übungen und individuelle Korrekturen für Golfschüler strukturell und visuell aufgebaut sein müssen, um einen Mehrwert für das Golfspiel der Schüler und das Erlebnis eines Golftrainings zu bieten. Diese Hauptfrage versucht die vorliegende Arbeit zu beantworten.
### Methodik
Das Projektteam hat zur Umsetzung und Beantwortung der Fragestellungen das Vorgehensmodell «Lean UX» gewählt. Das Vorgehen wird, wo sinnvoll, mit Methoden anderer Vorgehensmodelle oder etablierten Methoden aus der Domäne des User Centered Designs (UCD) ergänzt. Unter anderem wird das «Lean UX» Modell ausgewählt, weil es sich mit seinen Prinzipien als potente Outcome-Maschine präsentiert. Und obwohl die Verfasser kaum Erfahrung im praktischen Umgang mit dem Modell haben, wollen die verlockenden vermittelten Zusagen auf die Probe gestellt werden – möglichst wenig Verschwendete Ressourcen und schnell Resultate erzielen, wie es eines der Prinzipien beschreibt, soll das Ziel sein. Fokus auf das Relevante, und nahe am Nutzer sein, ist die entschiedene Devise. Während ca. sieben Monaten werden auf dem Golfplatz in Waldkirch Trainings beobachtet, Golfschüler sowie Golf-Pros befragt und in fünf Iterationen die zuvor erstellten Hypothesen, welche durch das Erarbeiten des Lean UX Canvas entstanden sind, zu validieren. Es werden verschiedene Techniken und Methoden angewendet, um das während den ersten beiden Studienjahren Gelernte in der Praxis zu erproben. Dazu zählen beispielsweise rudimentäre Low-Fi Paper Prototypen, bis hin zu High-Fi Prototypen, die einem zuvor erarbeiteten Styleguide entsprechen.
### Ziele
Neben den persönlichen Lernzielen der beiden Studenten, das Gelernte des Studiums in einem Praxisprojekt unter Anwendung eines noch unbekannten Vorgehens zu vertiefen, stehen folgende primären Fragestellungen im Raum:
- Wie müssen Übungen und Hausaufgaben visuell (Erscheinung) und strukturell (Syntax) aufgebaut und in der App vorhanden sein (Informationsarchitektur), damit diese für Golf Lektionen Modular und ohne Texteingabe effizient und effektiv zusammengestellt werden können?
- Wie lernt der Mensch generell, wie lernt er im sportlichen Kontext und was ist spezifisch im Golfsport relevant?
- In welche Leistungsstufen lassen sich Schüler sinnvollerweise kategorisieren (Leistungsgruppen)?
- Welches sind Haupt Use Cases für die Verwendung der App für Golf-Pros?
- Welche Kommunikationsmöglichkeiten sollte die App umfassen und in welcher Form / Ausführung sollten diese zur Verfügung stehen, damit die Golf-Pros und Schüler optimal miteinander kommunizieren können?
- Vertiefen der Empfehlungen aus den beiden zuvor erarbeiteten Berichten.
- Kennenlernen und Anwenden von Lean UX als Vorgehensmodell.
### Resultate
Während des Erarbeitens der Grundlagen entsteht ein Set von Hypothesen, die es zu prüfen und validieren gilt. Das Set beläuft sich auf zehn Haupthypothesen, von denen sich fünf als risikoreich herausstellen und deshalb validiert werden. Die Projektgruppe beschäftigt sich mit den drei identifizierten Hauptthemen «Koordination», «Unterstützung» und «Auswertung». Diese Themen beinhalten Funktionen zur Umsetzung von Übungen, Hausaufgaben und individuelle Korrekturen, die vertieft analysiert und mit den Golf-Pros in mehreren Iterationen getestet und optimiert werden. Dabei steht jeweils die folgende These als wichtige Voraussetzung zur Nutzung der App im Vordergrund: «Wir glauben, dass die App während jedes Trainings benutzt wird, wenn der Golf-Pro mit wenigen Klicks individuelle und effektive «Tasks» für Schüler zusammenstellen kann. Dadurch verbessert sich die Lehr- und Lernerfahrung der Schüler, was zu einer neuen, verbindlicheren Trainingskultur führt, die messbar und nachhaltig ist.».
Schlussendlich entsteht ein Konzept für eine App, umgesetzt als High-Fi Prototyp in Figma, das durch Golf-Pros validiert und bestätigt wird. Dieser Prototyp dient als Vorlage für ein weiteres Team, das die App parallel zu dieser Arbeit als MVP umsetzt, sodass eine erste Version Anfang 2024 während der Golf Saison mit einer Trainingsgruppe getestet und in der Praxis validiert werden kann
Interaktion in natürlicher Sprache
No full textIm Laufe dieser Masterarbeit wird ein codierter Prototyp für einen persönlichen intelligenten
Sprachassistenten entwickelt, der insbesondere für ältere, in einem Pflegeheim lebende
Menschen gedacht ist. Anhand der Entwicklung wird ein möglichst umfassendes Verständnis
der Interaktion zwischen Menschen und Computern mittels natürlicher Sprache angestrebt.
Dazu werden zwischenmenschliche Dialoge erhoben und ausgewertet, Dialogstrukturen
analysiert und die Regeln des Turn-Taking untersucht. Diese Aspekte sind zentrale
Bestandteile in der Entwicklung und Nutzung von sprachbasierten Assistenten.
Da zu Beginn der Arbeit kein bestimmter Anwendungsfall vorhanden war, mussten ein
sinnvoller Einsatz und eine Gruppe von Nutzenden gesucht und gefunden werden. Das
Vorgehensmodell LeanUX wurde angewendet, um in kurzer Zeit Anwendungsfälle auf ihren
Nutzen überprüfen zu können. Ausgehend von technologischen Möglichkeiten soll flexibel auf
Bedürfnisse eingegangen und die Grenzen der aktuellen Technologien sollen aufgezeigt
werden.
Diese Arbeit befasst sich ebenfalls mit dem Prozess der Produktentwicklung, in dem künstliche
Intelligenz Aufgaben des Menschen übernimmt. Es wird beschrieben, weshalb bekannte
Vorgehensmodelle und Artefakte wie Persona, Journey und Dialogmodelle wenig zielführend
sind. Um die aufgeworfenen Forschungsfragen beantworten zu können, werden Experimente
durchgeführt, in welchen Menschen die Aufgabe eines Systems übernehmen. Über fünf Zyklen
hinweg wird der Mensch sukzessive durch ein System ersetzt, um am Ende einen codierten
Prototyp unter realen Bedingungen mit Nutzenden auf seine Nutzbarkeit und Nützlichkeit zu
überprüfen. Dessen Entwicklung dient als praktisches Beispiel und soll es ermöglichen, die
theoretischen Erkenntnisse in die Praxis umzusetzen und zu testen. Die Entwicklung und die
Analyse des Prototyps bieten wertvolle Einblicke in die Herausforderungen und Potenziale der
Sprachinteraktionstechnologie. Dabei werden auch ethische Aspekte in der Interaktion von
Menschen mit künstlicher Intelligenz untersucht.
Zusammenfassend soll mit dieser Arbeit ein elementarer Beitrag zum Verständnis der
menschzentrierten Entwicklung von Sprachinteraktionssystemen geleistet werden. Es werden
detaillierte Analysen der Dialogstrukturen und Interaktionsmechanismen sowie praktische
Ansätze für die Gestaltung nutzungsfreundlicher und ethisch verantwortungsvoller
Sprachassistenten aufgezeigt. Die Ergebnisse dieser Arbeit sind daher von grosser Relevanz
für die Forschung und Entwicklung im Bereich der Mensch-Computer-Interaktion im Umgang
mit künstlicher Intelligenz