Thilo Dieing, Lehrstuhl für Künstliche Intelligenz: TransforMA und NEST-BW

Was ist Ihr aktuelles Forschungsthema?
Ein erstes Forschungsthema am Lehrstuhl für KI erfolgte in Projekt TransforMA. Hier war ich Teil eines sechsköpfigen Studententeams, im Rahmen des Mannheim Master in Data Science, das sich näher mit Sprachanalyse auseinandersetzen wollte. Nach dem erfolgreichen TransforMA Projekt, in dem wir einen audiobasierten, multilinguale Rezept-Chatbot namens Foodle gebaut haben, bin ich nun Teil des KI-Teams im Projekt NEST-BW. Ziel ist es, durch den Einsatz von geeigneten KI-Maßnahmen die Studienorientierung für Studieninteressierte optimaler zu gestalten, um so ein besseres Match zwischen Studienanfängern und ihrem Studienprogramm zu ermöglichen. Das soll zu einer niedrigeren Abbruchrate führen. Im Rahmen dessen haben wir zum Beispiel einen auf Generativer KI basierten Chatbot entwickelt, welcher Studieninteressierten alle wichtigen Fragen rund um die Orientierungsphase und die möglichen Studiengänge beantworten kann. Wichtig hierbei ist uns besonders der sichere Umgang mit solchen Tools, um eine negative Beeinflussung zu vermeiden.
Für alle, die noch nicht so tief in das Thema Data Science eingestiegen sind: Wie würden Sie einem Kind erklären, woran Sie arbeiten?
Stell dir vor, du möchest wissen, ob und was für ein Studium du später mal machen willst. Bei dieser Frage kann unser Chatbot, also ein Computer, der so gut wie ein Mensch mit dir sprechen kann, helfen. Aber der Chatbot ist noch schlauer, weil er eine riesige Menge an Wissen über verschiedene Studiengänge hat. Und das Beste daran: Der Chatbot weiß nicht nur viel, sondern er kann auch schnell nachschauen, was genau zu deinen Interessen und Talenten passt.
Wenn du also eine Frage hast, zum Beispiel „Was kann ich studieren, wenn ich gerne Tiere mag?“, dann gibt der Chatbot dir nicht nur eine Antwort, sondern er sucht in einer riesigen Sammlung von Infos, was am besten zu dir passt. Er hilft dir zu verstehen, welche Studiengänge es gibt, was man dabei lernen kann und wo man das Studium machen kann. Das ist wie ein kluger Freund, der dir bei der Orientierung hilft, damit du später das Studium findest, das zu dir passt.
Alle sprechen über Data Science – wie würden Sie die Bedeutung des Themas für sich selbst in drei Worten beschreiben?
Unsere Welt entschlüsseln
Welche Berührungspunkte mit Data Science hat Ihre Arbeit? Welche Methoden nutzen Sie bereits und welche wären zukünftig interessant für Sie?
In unserer Arbeit zieht sich Data Science wie ein roter Faden durch jeden Aspekt und ist damit unabdingbar. Momentan liegt bei uns ein großer Fokus auf NLP (Natural Language Processing) Methoden sowie auf der Optimierung von open-source Large Language Modellen (LLM) und der Etablierung von einheitlichen Daten. Zukünftig planen wir noch den weiteren Gebrauch von selbst trainierten Klassifizierungsmodellen um bestehende Lösungen weiter zu verbessern. Interessant für mich wäre noch der Einbezug zusätzlicher Felder, wie Sprach- und Bilderkennung, um zum Beispiel richtige Gespräche mit einem Chatbot führen zu können und so die Nutzererfahrung noch persönlicher zu gestalten.
Wie hoch ist der Wert von Data Science für Ihre Arbeit? Wäre Ihre Forschung ohne Data Science überhaupt möglich?
Ohne Data Science wäre unsere Arbeit komplett unmöglich. Sie bildet das Fundament unserer gesamten Forschung und Entwicklung. Insbesondere im Bereich der KI-gestützten Studienorientierung und der Entwicklung von Chatbots spielt Data Science eine zentrale Rolle. Durch die Analyse großer Datenmengen können wir personalisierte Empfehlungen für Studienrichtungen erstellen, die auf den individuellen Interessen und Fähigkeiten der Studierenden basieren. Mithilfe von Algorithmen für maschinelles Lernen können wir diese Modelle kontinuierlich verbessern und anpassen, um genauere Vorhersagen zu treffen.
Ein weiterer wesentlicher Bestandteil unserer Arbeit ist der Chatbot, der durch natürliche Sprachverarbeitung und andere Data Science Methoden auf die Bedürfnisse der Nutzer eingeht. Data Science ermöglicht es uns, große Text- und Gesprächsdaten zu analysieren, um den Chatbot zu trainieren, sodass er immer relevantere Antworten liefert und damit eine effektive Studienberatung ermöglicht. Die Fähigkeit, Daten zu analysieren, zu interpretieren und in nutzbare Informationen zu verwandeln, ist unerlässlich, um diese Systeme erfolgreich zu entwickeln und zu betreiben. Ohne diese datengetriebenen Ansätze wäre es nicht möglich, solche intelligenten Systeme zu schaffen, die so individuell und präzise auf die Bedürfnisse der Studierenden eingehen können.
Welche Entwicklungsmöglichkeiten sehen Sie für das Thema Data Science in Bezug auf Ihr Fachgebiet?
Da vieles, an dem wir momentan arbeiten, aktiv beforscht wird, sehen wir auch sehr viel Entwicklung. Modelle werden fast täglich/wöchentlich besser. Eine Entwicklungsmöglichkeit, auf die ich sehr gespannt bin, ist die Verbindung von Large Language Modellen und Knowledge Graphs, um so Argumentationen (Reasoning) zu ermöglich. Diese Kombination verspricht, den momentanen Stand in einem großen Schritt weiter voranzubringen.