Masterarbeit – Max Mustermann
Die Automatisierung ist in interaktiven Systemen allgegenwärtig [13]. Obwohl die Automatisierung je nach Art und Zielsetzung variiert, ist sie auf jeder Ebene interaktiver Systemarchitekturen präsent, von der Ebene der Hardware-Eingabegerätetreiber (z. B. Mausbeschleunigung [3]) über die Ebene der Interaktionstechniken (z. B. multimodale Fusion wie Finger-Clustering [20] oder anspruchsvollere wie der Bubble Cursor [15], der in einem einzigen Entwurf die Automatisierung sowohl auf der Eingabe- als auch auf der Ausgabeebene integriert) bis hin zur Ebene der interaktiven Anwendung (z. B. Autovervollständigung [14] oder die automatische Erzeugung visueller oder textueller Komponenten).
KI-Technologien (z. B. maschinelles Lernen, regelbasierte Systeme) ermöglichen die Durchführung komplexer Aufgaben, die auf das Endziel autonomer Systeme abzielen, z. B. selbstfahrende Autos oder autonome Kochkünstler [21]. Andererseits birgt eine stärkere Automatisierung auch ein größeres Fehlerpotenzial (bekannt als Holzfäller-Analogie). Darüber hinaus bringen viele KI-Technologien aufgrund ihres Black-Box-Charakters Probleme auf der Betriebsebene mit sich, d. h. wenn Benutzer mit einer interaktiven Anwendung interagieren, in die sie eingebettet sind [2]. Um dieses Problem anzugehen, wurde in einem kürzlich erschienenen Beitrag [24] der potenzielle Nutzen einer Öffnung dieser Box und der Hinzufügung von Erklärungen aufgezeigt.
Generative KI kann zum Beispiel verschiedene Arten von Daten (Bilder, Text, Layout, Personas, ... ) generieren, die von Modellen gesteuert werden, die mit spezifischen Trainingsdaten trainiert wurden. Generative KI ist vor allem für ihre Fähigkeit bekannt, Texte und Bilder zu generieren. Sie wird jedoch auch immer häufiger als unterstützendes Werkzeug während des technischen Lebenszyklus für den Aufbau interaktiver Systeme eingesetzt. Forscher haben damit begonnen, den Einsatz von großen Sprachmodellen für verschiedene Aspekte des menschenzentrierten Entwicklungsprozesses zu untersuchen [25]. Bisher wurde generative KI zur Unterstützung datengesteuerter Entwürfe und zur Erstellung von Prototypen [8, 17, 26], zur Mensch-Roboter-Interaktion [28], zur Integration multimodaler Interaktionstechniken [29] und sogar zur Rückmeldung über die Gestaltung von Benutzeroberflächen [12] und die Nutzung in einem breiteren sozialen Kontext [23] eingesetzt.
Die Integration von KI-Technologien kann auf verschiedenen Ebenen erfolgen, von der Mikro- bis zur Makroebene, was unterschiedliche (und möglicherweise widersprüchliche) technische Ansätze erfordert. So stellen sich auf der technischen Ebene je nach Art der verwendeten KI-Technologien und der Art der Interaktionen, die den Nutzern solcher Systeme geboten werden, unterschiedliche Fragen. Abgesehen von den Erklärungen stellen sich auch Fragen im Zusammenhang mit der Anzeige/Visualisierung [18] und der Steuerung/Befehlsgebung [19]. Was die Zuverlässigkeit anbelangt, so ist diese trotz mehrfacher Iterationen nach wie vor sehr gering (ca. 80 % Genauigkeit bei einfachen Datensätzen), in einigen Bereichen, wie z. B. bei Lebensmittelallergien, die im Falle einer schweren Pathologie als kritisch angesehen werden könnten, sogar noch viel geringer [24].
Trotz der vielen Herausforderungen, die KI-Technologien für interaktive Systeme mit sich bringen, überwiegt das Potenzial für eine mühelose und nahtlose Interaktion mit Systemen bei weitem die Kosten für die Entwicklung brauchbarer Systeme. Mit diesem Workshop wollen wir eine Plattform für Wissenschaftler bieten, die sich mit dem Design, der Entwicklung, der Evaluierung und dem Einsatz interaktiver Systeme unter Einbeziehung von KI-Technologien beschäftigen, um diese technischen Herausforderungen anzugehen. Diese Plattform soll dem Ideenaustausch, der Diskussion und der Zusammenarbeit dienen und so die Entwicklung KI-gestützter interaktiver Systeme auf interdisziplinäre Weise vorantreiben.
Für weitere Informationen siehe https://sites.google.com/view/eis-emb-aitech/