Problemstellung:
Aufgrund der jüngsten technologischen Entwicklungen im Bereich der natürlichen Sprachverarbeitung (NLP) gibt es ein wachsendes Interesse an der Nutzung künstlicher Intelligenz zur Unterstützung von Lernenden im Bildungsbereich. Ein Beispiel hierfür ist ChatGPT, welches das Lernen und Arbeiten in Bildungseinrichtungen bereits stark verändert. Lernende greifen zunehmend auf große Sprachmodelle (LLMs) zurück, um Inhalte zu erstellen, Texte zu verfassen oder sich komplexe Sachverhalte verständlich erklären zu lassen. Es fehlt jedoch eine individualisierte Lösung, die gezielt auf den jeweiligen Lernfortschritt der Lernenden eingeht und sie bei der Vor- und Nachbereitung von Lehrmaterialien unterstützt. Durch die Erfassung des individuellen Lernstandes ermöglicht der KI-Helfer neben der reinen Inhaltsgenerierung auch eine gezielte Steuerung des Wissensaufbaus anhand einer kontinuierlichen Dokumentation des eigenen Wissenszuwachses.

Das Ziel ist daher die Entwicklung und prototypische Umsetzung eines generativen KI-gestützten digitalen Helfers, der Lernende auf ihrem Bildungsweg begleitet. Dabei sollen flexibel aufbereitete Materialien und Hilfestellungen bereitgestellt werden, die individuell auf den Wissensstand der Nutzenden abgestimmt sind. Durch die ständige Verfügbarkeit dieses digitalen Helfers wird es möglich, zeit- und ortsunabhängig auf lernrelevante Inhalte zuzugreifen und so den individuellen Wissenserwerb zu stärken. Auf diese Weise wird eine effiziente und nachhaltige Unterstützung im Bildungsbereich geschaffen, die das Potenzial hat, die Lernbereitschaft und den Wissenszuwachs maßgeblich zu steigern.
 

Anforderungen an das Projektteam:
Die konkrete Ausgestaltung der Aufgabenstellung obliegt dem Projektteam, wobei nachfolgende Anforderungen zu erfüllen sind:

• Erstellung eines Projektplans, Verteilung der Aufgaben auf die Gruppenmitglieder
• Anforderungserhebung, Konzeptualisierung und prototypische Entwicklung des digitalen Helfers
• Auswahl geeigneter generativer KI-Technologien
• Identifizierung von Anwendungsszenarien
• Realisierung und Evaluation des Prototyps
• Verwaltung des Quellcodes
• abschließende Präsentation und Dokumentation

Voraussetzungen: 

• Studierende (B.Sc.) ab 90 CP oder Studierende (M.Sc.) der angewandten Informatik bzw. Wirtschaftsinformatik
• Interesse an der Einarbeitung in ein neues Fachgebiet und der Entwicklung möglicher digitale Anwendungen
• Grundkenntnisse in Programmierung von Vorteil, aber nicht zwingend erforderlich
   

Sonstige Informationen:

• Zielgruppe: Studierende (B.Sc.) bzw. (M.Sc.)
• Sprache: deutsch oder englisch

Problemstellung

Datenbasierte Entscheidungsprozesse gewinnen in nahezu allen Branchen zunehmend an Bedeutung. Um aus Rohdaten verwertbare Erkenntnisse zu gewinnen, bedarf es eines strukturierten und durchgängigen BI-Prozesses, der alle Phasen von der Datenhaltung bis zur Analyse abdeckt. Hierbei spielen relationale Datenbanken, ETL-Prozesse (Extraktion, Transformation, Laden), Visualisierungstools sowie moderne Verfahren der prädiktiven Analyse eine zentrale Rolle. Insbesondere durch den ergänzenden Einsatz von maschinellem Lernen können neue Potenziale für die automatisierte Vorhersage, Klassifikation und Mustererkennung erschlossen werden. In der Praxis fehlt es jedoch häufig an integrierten Lösungen, die klassische BI-Elemente mit maschinellem Lernen kombinieren und dabei den gesamten Datenverarbeitungsprozess abbilden.

Im Rahmen dieses Projekts wird ein vollständiger End-to-End-BI-Prozess prototypisch umgesetzt. Die zentralen Arbeitsschritte umfassen den Aufbau einer relationalen SQL-Datenbank mit einem strukturierten Datensatz sowie die Modellierung eines geeigneten Datenmodells (z. B. Star- oder Snowflake-Schema). Darauf aufbauend erfolgt die Umsetzung eines ETL-Prozesses zur Integration der Daten in ein BI-Tool, gefolgt von der Erstellung eines interaktiven Dashboards zur Analyse der aufbereiteten Daten. Ergänzend wird ein Machine-Learning-Modell zur prädiktiven Analyse (z. B. Prognose oder Segmentierung) entwickelt und dessen Ergebnisse in das Dashboard integriert. Die Systemarchitektur sowie alle Umsetzungsschritte werden dokumentiert und präsentiert.

Anforderungen an das Projektteam

Die konkrete Ausgestaltung der Aufgabenstellung obliegt dem Projektteam, wobei nachfolgende Anforderungen zu erfüllen sind:

• Erstellung eines Projektplans, Verteilung der Aufgaben auf die Gruppenmitglieder
• Konzeption der Datenarchitektur und Auswahl geeigneter BI-Tools
• Aufbau einer relationalen SQL-Datenbank mit einem strukturierten Datensatz
• Modellierung eines geeigneten Datenmodells (z. B. Star- oder Snowflake-Schema)
• Umsetzung eines ETL-Prozesses zur Integration der Daten in ein BI-Tool
• Erstellung eines Dashboards zur interaktiven Analyse der aufbereiteten Daten
• Entwicklung eines Machine-Learning-Modells zur prädiktiven Analyse (z. B. Prognose oder Segmentierung)
• Integration der ML-Ergebnisse in das BI-Dashboard
• Validierung der Ergebnisse und technische Dokumentation inkl. Architektur- und Datenflussdiagrammen
• abschließende Präsentation und Dokumentation

Voraussetzungen: 

• Studierende (B.Sc.) ab 90 CP oder Studierende (M.Sc.) der angewandten Informatik bzw. Wirtschaftsinformatik
• Bereitschaft zur Einarbeitung in ein neues Themengebiet sowie Interesse an der Entwicklung digitaler Anwendungen im BI und DA
• Grundkenntnisse in Datenbanken und Programmierung von Vorteil, aber nicht zwingend erforderlich
• Einsatz von Open-Source- oder frei verfügbaren Tools wird empfohlen

Sonstige Informationen:

• Zielgruppe: Studierende (B.Sc.) bzw. (M.Sc.)
• Sprache: deutsch oder englisch