Abschlussarbeiten

KI-basierte Systeme könnten Menschen dabei unterstützen funktionale und kreative Inhalte zu erstellen, z.B. Social-Media-Posts, Blog-Einträge, wissenschaftliche Texte, Hausaufgaben, Seminararbeiten oder Kurzgeschichten. Doch wie sollten diese Systeme gestaltet werden um gute Ergebnisse zu erzielen und welchen Einfluss hat eine Zusammenarbeit mit solchen „generativen KI-Systemen“ auf die Ergebnisse und den Menschen?
Wir unterstützen Abschlussarbeiten (Bachelor- & Masterarbeiten), die die Zusammenarbeit eines Menschen mit einem KI-System aus konzeptioneller oder empirischer Perspektive untersuchen. Potentielle Themenschwerpunkte sind:

• Entwicklung, Umsetzung und Evaluation unterschiedlicher Zusammenarbeits-Modi (z.B. verschiedene KI-System-UI-Optionen, verschiedene Zusammenarbeitsprozesse/-Protokolle) für einen konkreten Anwendungsfall (z.B. eine konkrete Art von Texten), z.B.:
  • Wie sollten KI-Vorschläge dargestellt werden, damit Menschen sie optimal nutzen können?
  • Wie kann die KI in den Arbeitsprozess des Menschen eingebunden werden?
  • Wie viel Autonomie sollten Mensch und KI haben?
• Explorative Studien oder vergleichende Experimente mit bestehenden oder leicht-gewichtigen, selbstentwickelten Anwendungen zur Erforschung der Eigenschaften der Arbeitsergebnisse oder des Einflusses auf den Menschen, z.B.:
  • Wie unterscheiden sich Ergebnisse (Texte) die von (a) Menschen und (b) Mensch + KI geschrieben werden?
  • Welche positiven und negativen Effekte können eintreten, wenn Mensch und KI gemeinsam Texte erstellen?
  • Wie wirkt sich die Arbeit mit einer solchen KI auf den Lernerfolg (schulisch, universität oder beruflich) aus?

Der Fokus liegt entsprechend explizit nicht auf der technischen Verbesserung von KI-Algorithmen (bestehende KI-Systeme können und sollen genutzt werden), sondern auf der Verbesserung der Zusammenarbeit von Mensch und KI, z.B. hinsichtlich Effektivität und Effizienz der Aufgabenbearbeitung, Autonomie des Menschen, Akzeptanz der KI durch den Menschen. Die genannten Fragen sind lediglich Beispiele und wir sind offen für die Disskussion zu konkreten Themen und Interessen. Die Entwicklung einer eigenen Anwendung ist möglich, aber nicht notwendig. Eine Abschlussarbeit gemeinsam mit Unternehmen ist möglich.

Abschlussarbeiten können in deutscher oder englischer Spache angefertigt werden.

Key Words:

Smart City, Urban Planning and Design, Smart Mobility, Machine Learning (insb. Natural Language Processing), Data Science

Hintergrund:

Die Urbanisierung hat in den vergangenen Jahren zu einem starken Wachstum von Städten und Metropolregionen geführt und unterschiedliche Organisationen prognostizieren, dass diese Entwicklung in den kommenden Jahren anhalten. So hat z. B. die UNO berechnet, dass bis zu Jahr 2050 weltweit über 70 % der Bürgerinnen und Bürger in städtischen Umgebungen wohnen, was einer Steigerung von bis zu 25 % entspricht. Die Wachstumsraten variieren allerdings stark nach Land und Region. So Leben in Europa bereits fast 60 % der Bürgerinnen und Bürger in Städten, sodass das lokale Wachstum hier durchschnittlich nur ca. zwei Prozent betragen wird, während dies in Afrika und Asien 4 % bis 5 % erreichen kann. Diese Entwicklung erzeugt neue und fördert existierende Konflikte, die z. B. die urbane Mobilität, den Wohnungsmarkt oder Erholungsflächen betreffen und sich unterschiedlich tangieren.  

Für die (Weiter)-Entwicklung von Städten setzen verantwortliche Akteure zunehmend auf die Einbindung von Bürgerinnen und Bürger sowie lokaler politischer Organisationen und Vereinen, um ein partizipatives Design bei z. B. Bauvorhaben o. Ä. zu ermöglichen. Darüber hinaus entstehen durch digitale Diskussionen in sozialen Medien als auch im politischen Raum (u. a. Bürgerschaft und Bezirksversammlungen) weitere Daten und Informationen, die in Beschlüssen aggregiert werden. Für geplante oder gewünschte Baumaßnahmen sind Beschlüsse, sofern betreffend für die durchführenden Akteure als auch die Regierung von hohem Interesse, weil daraus resultierende Aufträge zu (politischen) Handlungen und damit zu städtischen Veränderungen führen können. Beschlüsse und Themen der Bezirksversammlungen sind dabei von besonderer Bedeutung, da diese einen unmittelbaren Einfluss auf die Entwicklungen in den Quartieren und Stadtteilen haben. Entsprechend ist es hilfreich, wenn diese frühzeitig erkannt werden, sodass Vertreterinnen und Vertreter als auch Bürgerinnen und Bürger frühzeitig in Entwicklungs- und Abstimmungsprozesse eingebunden, um so ein co-kreatives Design zu ermöglichen und Teilnehmerinnen und Teilnehmer damit die Möglichkeit erhalten, bei der Entwicklung der eigenen Umgebung mitzuwirken. 

Aufgabenstellung:

Es können je nach Stuidum (Bachelor oder Master), inhaltlichen Schwerpunkt und Interesse verschiedenste Aufgabenstellungen und Forschungsfragen bearbeitet werden. Zudem sind Kooperationen mit Organisationen und/oder Unternehmen grundsätzlich möglich, aber nicht erforderlich. Folgende Themenbereiche sind von besonderem Interesse und können bearbeitet werden:

• Analyse und Entwicklung von Prototypen zur Unterstützung von digitalen Bürgerbeteiligungen im urbanen oder ruralen Raum mit dem Ziel, diese skalierbar und effizient anzubieten. Dabei ist auch die Qualität von Beiträgen entscheidend, da digitale Szenarien von vor Ort Formaten abweichen und unterschiedliche Gegebenheiten, Funktionen und Designs unterschiedliche Zielgruppen ansprechen.
• Entwicklung von Prototypen zur automatisierten Auswertung von Daten aus Bürgerbeteiligungen. Der zunehmende Erfolg von digitalen Beteiligungen verdeutlicht das Interesse von Bürgerinnen und Bürgern, ihre Umgebung mitgestalten zu wollen und führt, wie vergangene Projekte belegen, zu besseren Ergebnissen bzw. Stadtplanungsprojekten. Gleichzeitig ist das Volumen der erhobenen Daten in Bürgerbeteiligungen steigend, was die Auswertung erschwert und Kosten erhöht. Daher ist zu untersuchen, wie Auswertungsprozesse mithilfe von AI/ML automatisiert und Experten unterstützt werden können. Abschlussarbeiten zu diesem Thema können in Kooperation mit dem Landesbetrieb Geoinformation und Vermessung geschrieben werden und existierenden Daten aus vergangenen Beteiligungsprojekten mithilfe der Hamburger Plattform DIPAS können nach Bedarf und in Abstimmung mit den Kooperationspartner herausgegeben werden.
• Exploration systematischer und automatisierter Erhebungen von öffentlich zugänglichen Beschlüssen der Hamburger Bezirksversammlungen inklusive inhaltlicher Auswertung (z. B. Selektion und/oder Zusammenfassung) dieser für (Bau-)Vorhaben im Bereich der städtischen Mobilität. Möglicher Titel einer Abschlussarbeit "Intelligente Erfassung und Auswertung von Anforderungen von städtischen Akteuren zur Förderung der urbanen Mobilität".
• Systematischer Vergleich existierender Machine Learning Verfahren für natürliche Sprache mithilfe von Volltexten und/oder Tweets zum zusammenfassen und/oder bewerten von Texten in Hinblick auf Inhalt und/oder Stimmung (Sentiment Analysis). Dabei sind Aussagen zu Mobilität, im Sinne von Smart Mobility,  von besonderem Interessse. 
• Entwicklung von Konzepten und/oder Prototypen zum Thema Smart Stadion, um z. B. die Navigation im Stadion für Zuschauerinnen und Zuschauer mithilfe einer mobilen Anwendung zu unterstützen. Analog dazu können auch intelligente Parkplatzmanagementsysteme betrachtet werden, die für Autos, Motorräder und/oder Fahrräder genutzt werden können.

Die Themenbereiche können in Zusammenarbeit mit unterschielichen Partner der Arbeitsgruppe wie der HOCHBAHN, dem HSV/Future Dock oder dem Landesbetrieb Geoinformation und Vermessung bearbeitet werden.

Die Themen sind insbesondere für Studierende der Informatik, Wirtschaftsinformatik, Mensch-Computer-Interaktion, Software-System-Entwicklung, IT-Management und -Consulting und Intelligent Adaptice Systems geeignet.
Abschlussarbeiten können in deutscher oder englischer Spache angefertigt werden.

Hintegrund

Ideation Meetings dienen dazu, das kreative Potenzial von Teams durch die Entwicklung neuer und nützlicher Lösungen für vordefinierte Herausforderungen zu nutzen. In diesem Projekt wollen wir konkrete Gestaltungsmuster für KI-gestütztes Live-Feedback für virtuelle Ideation Meetings entwickeln sowie die Teamdynamik in virtuellen Teams mit KI-Feedback im Allgemeinen kennenlernen. Mit zunehmendem Funktionsumfang kann die automatisierte Moderation intuitiver in kollaborative Arbeitspraktiken integriert werden und sollte auch für weniger erfahrene ModeratorInnen und Teams robuste und effektive Kollaborationsprozesse fördern. Im Bereich der kreativen Zusammenarbeit stellt sich die Frage, wie intelligente Benutzerschnittstellen (IUIs) und Meeting-Assistenten zur Erleichterung der Teamzusammenarbeit in verschiedenen Phasen dieser spezifischen Prozesse eingesetzt werden können. Virtuelle Meetings bieten sich für den Einsatz von KI zur Unterstützung menschlicher ModeratorInnen an, indem sie Signale innerhalb eines Teams erkennen oder bei der Strukturierung des Meetings helfen, da die gesamte Kommunikation über digitale Kanäle vermittelt wird, die abgehört werden können. Angesichts dieser vielversprechenden Potenziale der KI-Unterstützung wollen wir die Anwendbarkeit (und die Randbedingungen) von KI (z.B. manifestierte Assistenzsysteme mit IUIs) für virtuelle Gruppenmeetings untersuchen.

Aufgabenstellung:

Wir unterstützen Abschlussarbeiten, die verschiedene Aspekte des Einsatzes von digitalen ModeratorInnen, aus theoretischer, konzeptioneller, technischer oder empirischer Perspektive untersuchen. Mögliche Themenschwerpunkte sind dabei:

• Aufgabenteilung zwischen menschlichen ModeratorInnen und KI-basierten ModeratorInnen in Ideation Meetings
• Entwicklung, Umsetzung und Evaluation empirischer Studien (Wizard-of-Oz), die Reaktion auf unterschiedliche Interventionen des/der KI-ModeratorsIn untersuchen
• Teambeobachtungsstudien (mit INTERACT Labor) die Einfluss von KI-basierten ModeratorInnen auf die Teamzusammenarbeit in Ideation Teams untersuchen

Hinweise

Informatik/Psychologie: 70/30

Software/Hardware: 90/10

Theorie/Praxis: 30/70

Wir unterstützen Abschlussarbeiten, die die Zusammenarbeit eines Menschen mit einem KI-System aus konzeptioneller oder empirischer Perspektive untersuchen. Für experimentell-empirische Arbeiten steht hierbei insbesondere ein INTERACT-Labor zur Verfügung, welches z.B. Eyetracking-Studien ermöglicht. Potentielle Themenschwerpunkte sind:

• Entwicklung, Umsetzung und Evaluation (z.B. im o.g. Labor) unterschiedlicher Zusammenarbeits-Modi (z.B. verschiedene KI-System-UI-Optionen, verschiedene Zusammenarbeitsprozesse/-Protokolle) für einen konkreten Anwendungsfall

• Untersuchung bestehender Mensch-KI-Kollaborationsszenarien über verschiedene Anwendungsfälle hinweg und Ableitung gemeingültiger Grundsätze

• Entwicklung und Evaluation von Taxonomien zur Strukturierung des Lösungsraums bei der Gestaltung der Schnittstelle des KI-Systems (bzgl. Input und/oder Output des KI-Systems)

Der Fokus liegt entsprechend explizit nicht auf der technischen Verbesserung von KI-Algorithmen, sondern auf der Verbesserung der Zusammenarbeit von Mensch und KI, z.B. hinsichtlich Effektivität und Effizienz der Aufgabenbearbeitung, Autonomie des Mensch, Akzeptanz der KI durch den Menschen.

Hintergrund: 

Menschliche Zusammenarbeit steht seit langer Zeit im Interesse sozio-technischer Forschung. Disziplinen wie CSCW und Collaboration Engineering befassen sich damit, Kollaborationsprozesse in Teams zu verstehen und zu gestalten und IT-Werkzeuge effektiv einzusetzen, um Kollaboration zu unterstützen. Rasante Fortschritte in Forschung und Entwicklung zu Machine-Learning, Natural-Language-Processing, Artifical Intelligence und Neuronal Networks führend zwischenzeitlich dazu, dass kognitive Assistenten, Chatbots und zunehmend intelligente Systeme ihren Weg in unseren Arbeitsalltag und unser Privatleben finden. Mit den praktischen Anwendungen verändern sich auch die Forschungsfragen im Bereich der Kollaborationsunterstützung. Wie verändern sich die Interaktion, die Kommunikation, die Teamdynamik etc., wenn Teams zu hybriden Kollaborationssystemen werden, in denen kognitive Assistenten mit menschlichen Teammitgliedern zusammenarbeiten? Wie müssen sich unsere Methoden, Theorien und Gestaltungsansätze weiterentwickeln? Welche neuen Möglichkeiten entstehen, wenn „Maschinen“ nicht mehr nur statische Werkzeuge (wie z.B. Gruppenunterstützungssysteme) sind, die vom menschlichen Prozessgestalter mit fester Agenda oder generischem Funktionsumfang vorkonfiguriert werden, sondern als selbstgesteuerte Akteure im Zusammenarbeitsprozess (als Teilnehmer oder Facilitator) situativ reagieren können?

 Aufgabenstellung:

Grundsätzlich sind je nach Phase im Studium (Bachelor oder Master), sowie des aktuellen Erkenntnisinteresses der Betreuerin und des Studenten/der Studentin, verschiedenste Aufgabenstellungen denkbar, bspw.

• Transfer von Methoden und Gestaltungsansätzen u.a. des Collaboration Engineering zur Entwicklung von hybriden Mensch-Computer-Kollaborationsprozessen oder –systemen (z. B. Customer Support, internal/external support)
• Konzeptionelle und empirische Arbeiten zu hybriden Arbeitspraktiken in der Wissensarbeit für
  (a) eine Arbeitsteilung und Aufgabenallokation zwischen Menschen und  kognitiven Assistenten entsprechend ihrer jeweiligen Stärken
  (b) eine nachvollziehbare Übergabe von Aufgaben/Arbeitsständen von kognitiven Assistenten an WissensarbeiterInnen 
  (c) eine transparente Darstellung von Entscheidungen der kognitiven Assistenten, die als Entscheidungsgrundlage für WissensmitarbeiterInnen dienen sollen
  (d) die Förderung menschenunterstützten maschinellen Lernens von kognitiven Assistenten
• Konzeptionelle und empirische Arbeiten zu Interaktionsmechanismen, Anreizsystemen, Anforderungen an die Kollaborationsunterstützung etc. in hybriden Teams (menschliche Akteure + kognitive Assistenten/künstliche Intelligenzen/Chatbots)
• Konzeptionelle und empirische Arbeiten zu Gamification in hybriden Teams
• Status-quo-Analyse zu Ansätzen, Methoden, Instrumenten bzw. Anforderungen an Kollaborationsunterstützung für hybride KollaborationssystemeAnalyse etablierter Methoden und Gestaltungsansätze des Collaboration Engineering und Identifikation von Weiterentwicklungsbedarfen (z.B. des Collaboration Process Design Approaches oder der thinkLet Pattern-Sprache) im Zeitalter hybrider Kollaboration
• Konzeption, Entwicklung und Evaluation eines Chatbots als Facilitator (Moderator) von Kollaborationsprozessen für ein ausgewähltes Anwendungsszenario (z.B. Customer Service, Softwareengineering-Teams, Innovationscommunities etc.)
• Konzeption, Entwicklung und Evaluation von Gestaltungsmustern (thinkLets) für ausgewählte Kollaborationsaktivitäten unter Einsatz kognitiver Systeme für potentiell automatisierbare Arbeitsschritte (z.B. Sammlung und Pre-Processing von Information, Filtern und Zusammenfassen von Inhalten, Kategorisierung, Identifikation von Konflikten und Fehlern etc.)
• Konzeption und prototypische Implementierung zur Flexibilisierung bislang linearer Mass-Collaboration-Prozesse mit Chatbot-Unterstützung, z.B. im Crowd Work

Hintergrund: 

Durch die Pandemie bedingt haben sich hybride Arbeitsformen stark verbreitet und damit verbunden ist die Nachfrage nach digitalen Arbeitsplatztechnologien gestiegen. Digitale Technologien wie People Analytics und Process Mining sammeln, speichern und analysieren Mitarbeiterdaten in vielen Unternehmen. Das Ziel dieser Technologien ist es, objektive Managemententscheidungen zu unterstützen, die Effizienz von Teams zu steigern und Transparenz für Manager und Teams zu schaffen. Allerdings stehen der Einführung dieser Technologien Hindernisse wie Datenschutzbedenken und die Überwachung von Mitarbeitern entgegen. Wer kann welche Daten einsehen und wie werden die Daten verwendet? Wie können (agile) Teams von ihren Daten profitieren? Die Art und Weise, wie die Transparenz in den Tools umgesetzt wird, spielt eine entscheidende Rolle für die Akzeptanz der Technologie.

 Aufgabenstellung:

Das Thema kann sowohl im Rahmen einer Bachelor- als auch einer Masterarbeit bearbeitet werden, wobei der Umfang entsprechend angepasst werden kann. Die Arbeit soll das sozio-technische Zusammenspiel zwischen einer digitalen Arbeitsplatztechnologie, z.B. People Analytics oder Process Mining, und einem Team im Hinblick auf transparenzrelevante Fragestellungen untersuchen. Sie kann sich auf einen der folgenden Aspekte konzentrieren, ist aber nicht auf diese beschränkt:

• Untersuchung des Status quo, wie Teams Tools wie People Analytics oder Process Mining nutzen (Nutzen, Risiken, Anwendungsfälle, Änderung von Rollen und Führung)

• Ableiten von Designanforderungen für digitale Arbeitsplatztechnologien, die die Transparenz in Teams fördern

• Implementierung und Evaluation eines Prototyps zur Verbesserung der Transparenz in Teams

Das Thema kann vorzugsweise mit qualitativen Methoden (Case Studies) oder designorientierten Methoden (Design Science Research, Action Design Research) erforscht werden. Aufgrund des Kontexts ist die Zusammenarbeit mit Unternehmen sehr willkommen.

Hintergrund:

Kreativitätstechniken und nutzerzentrierte Gestaltungsansätze wie Design Thinking bieten für Organisationen enorme Potentiale, wünschenswerte und innovative Lösungen kollaborativ zu entwickeln. Design Thinking ist dabei ein Ansatz, der verschiedene Stakeholder mit unterschiedlichem Hintergrund in einen mehrphasigen Problemlösungsprozess einbindet und derzeit viel Beachtung in Forschung und Praxis findet. Im Gegensatz zu anderen Methoden ist Design Thinking weniger ein strikter Prozess, sondern mehr eine Sammlung von Methoden und Werkzeugen, die zur Problemlösung angewandt werden können. Auf Grund dieser Flexibilität, der sehr heterogenen Teamzusammensetzung und der Breite höchst interaktiver Methoden, verlangt Design Thinking hohe Moderations- und Methodenkompetenz auf Seiten der ModeratorInnen. ModeratorInnen haben die fordernde Aufgabe, Team und Prozess gleichzeitig im Auge zu behalten und steuern. Der Erfolg von Design Thinking hängt häufig zentral von einer guten Moderation ab.

Ein vielversprechender Ansatz, ModeratorInnenen zu entlasten und Design Thinking auch für weniger erfahrene Teams und ModeratorInnen zugänglich zu machen, liegt in der Augmentierung durch digitale Assistenzsysteme, z.B. sprachbasierte Agenten.

Aufgabenstellung:

Wir unterstützen Abschlussarbeiten, die verschiedene Aspekte des Einsatzes von digitalen Assistenzsystemen/Conversational Agents im Design Thinking, aus theoretischer, konzeptioneller, technischer oder empirischer Perspektive untersuchen. Mögliche Themenschwerpunkte sind dabei (beschränken sich aber nicht auf diese):

• Anforderungen and Assistenzsysteme im DT aus Nutzer- und ModeratorInnenperspektive
• Aufgabenteilung zwischen menschlichen ModeratorInnen und sprachbasierten Agenten im DT
• Entwicklung, Umsetzung und Evaluation von Prototypen zur Unterstützung ausgewählter Methoden des DT
• Einfluss von sprachbasierten Agenten auf die Teamzusammenarbeit in DT Teams

Eigene Vorschläge für Abschlussarbeiten entlang dieser inhatlichen Schwerpunkte sind gern gesehen.

Virtual group meetings are omnipresent in times of the COVID-19 pandemic. At the same time, however, virtual meetings incur numerous technological limitations and HCI challenges. In particular, most current virtual meeting solutions hinder perception of correct gaze, body language, emotions, deictic relations, or eye-to-eye contact. Moreover, in virtual meetings the communication between multiple people is captured via microphones and cameras in real-time and, thus, they cause several ethical, societal, legal, and privacy issues.

In this thesis, the student should develop and evaluate advanced virtual group meeting analytics and feedback mechanisms for video conference tools such as Zoom or BigBlueButton by using AI-based detection of emotions, body language, or attention.

Orientation

Informatics/Psychology: 70/30
Software/Hardware: 90/10
Theory/Practice: 30/70