KI-basierter Tutor für Fahrerassistenzsysteme: Entwicklung und Evaluation eines LLM-gestützten Prototyps

Institute

Lehrstuhl für Ergonomie

Type

Bachelor's Thesis / Semester Thesis / Master's Thesis /

Content

experimental / constructive /  

Description

Hintergrund:

Fahrerassistenzsysteme (z.B. ACC, LKA) sind komplex und werden von Nutzenden häufig missverstanden. In bisherigen Arbeiten wurden statische und adaptierbare Tutorials entwickelt, die diese Systeme erklären und durch Quizfragen Wissen überprüfen. Als nächster Schritt soll ein KI-basierter, dialogischer Tutor entwickelt und im Fahrsimulator evaluiert werden: Eine LLM-gestützte Anwendung, die beim Fahrzeugeinstieg oder bei Rückfragen ein personalisiertes Lernangebot macht und vorhandene Tutorial-Kapitel passend vorschlägt.

Ziele der Arbeit:

• Konzeption und prototypische Implementierung eines moderierten Bot-Dialogs, der auf Vorwissen, Erfahrung und Nutzereingaben reagiert

• Nutzung und Integration der bestehenden Tutorial- und Quizinhalte (strukturierte Aufbereitung)

• Entwicklung einer Technikpipeline für die Anbindung eines LLM (z.B. Retrieval-Augmented Generation, regelbasierte Filter, Logging)

• Evaluation des Prototyps in Form von funktionalen Tests und ggf. ersten Nutzerstudien (z.B. Usability, Verständlichkeit, Akzeptanz)

Mögliche Teilaufgaben:

• Design/Weiterentwicklung einer Systemarchitektur (Backend, Schnittstellen, Frontend)

• Anbindung an ein LLM (z.B. ChatGPT API oder Open-Source-Modelle)

• Implementierung einer Moderations- und Retrieval-Logik, um korrekte und sichere Antworten zu gewährleisten

• Optimierung von Prompt-Strategien zur Steuerung und Qualitätssicherung der LLM-Ausgaben (z.B. Vergleich verschiedener Prompts durch automatisierte Testläufe und Analyse der Fehlerrate)

• Aufbau eines Dialog-Frontends (z.B. Web-UI) und Integration in den Fahrsimulator des Lehrstuhls

• Dokumentation und Evaluierung des Prototyps

Requirements

Voraussetzungen:

• Interesse an Mensch-Maschine-Interaktion, KI-Anwendungen und Prototyping

• Sehr gute Programmierkenntnisse (z.B. in JavaScript oder Python); Erfahrung mit APIs, Web-Frameworks und der Optimierung von Prompt-Strategien; Kenntnisse in Webentwicklung (Frontend/Backend) oder LLM-Integration von Vorteil

• Gute analytische Fähigkeiten sowie eine selbstständige und strukturierte Arbeitsweise

• Studium der Informatik, Medieninformatik, Human Factors oder eines vergleichbaren Studiengangs

 

Bei Interesse senden Sie bitte eine formlose E-Mail mit einer kurzen Motivation (3-4 Sätze), Ihrem Lebenslauf und einer aktuellen Notenübersicht an verena.i.pongratz@tum.de. Ich freue mich auf Ihre Bewerbung!

Tags

LfE Pongratz

Possible start

sofort

Contact

Verena Pongratz, M.Sc.
verena.i.pongratztum.de