Klingt interessant? Das ist die konkrete Forschungsfrage:
LLMs als intelligente Benutzerschnittstelle für komplexe Optimierungs- und Analysesoftware
- Klassische Chatbot-Interfaces erlauben freie Texteingaben, bilden aber die tatsächlichen Nutzungskontexte komplexer Fachsoftware nur unzureichend ab. Es ist offen, welche Interaktionsformen für anspruchsvolle Analyseaufgaben besser geeignet sind.
- Insbesondere stellt sich die Frage, ob LLM-basierte Interfaces nicht nur reaktiv auf Nutzereingaben antworten, sondern auch proaktiv Hinweise, Rückfragen oder Handlungsempfehlungen auslösen sollten.
- Zu untersuchen ist, wie sich unterschiedliche Interaktionsparadigmen – etwa Chat, formularbasierte Steuerung, generierte UI-Elemente oder proaktive Assistenz – auf Nutzbarkeit, Vertrauen, Geschwindigkeit und Ergebnisqualität auswirken.
Diese Methodik stellen wir uns vor:
- Entwicklung und Vergleich mehrerer LLM-basierter Interface-Konzepte für eine komplexe Softwareanwendung im OPTANO Kontext.
- Implementierung eines Demonstrators mit mindestens zwei Interaktionsmodi, z. B. klassischer Chat versus proaktive, kontextabhängige Assistenz auf Basis von Nutzungs- oder Systemdaten.
- Evaluation mittels Nutzertests und qualitativer Interviews sowie quantitativer Metriken wie Bearbeitungszeit, Fehlerquote, wahrgenommene Nützlichkeit und Kontrollgefühl.
Diese Kenntnisse benötigts du:
- Programmiererfahrung, idealerweise in C#
- Grundkenntnisse in Human-Computer Interaction, UX oder empirischer Evaluation
- Grundverständnis von LLMs, Prompting und agentischen Systemen