Hinweis: Die Inhalte auf dieser Seite wurden teilweise von KI generiert und können Fehler enthalten.
„Wir haben mehr als dreihundert Sessions. [...] Eine unglaubliche Vielfalt an Sessions und eine echte Herausforderung, wirklich das Passende für sich selber zu finden.“
„Es ist nicht nur so, dass man die Best Matches bekommt [...] sondern es wird auch abgewogen, dass man auch über den Tellerrand hinausschaut.“
„Zusammenfassungen sind langweilig, Protokolle will niemand schreiben.“
Das University:Future Festival (U:FF) 2025 bot über 300 Programmpunkte an, was für Teilnehmer:innen eine Herausforderung bei der Auswahl relevanter Sessions darstellt. Um die Orientierung zu erleichtern und die Nachbereitung zu verbessern, entwickelten die Technische Hochschule (TH) Lübeck und das Karlsruher Institut für Technologie (KIT) zwei KI-gestützte Tools:
Die Session gab Einblicke in die Konzeption, den Einsatz und die bisherigen Erfahrungen mit diesen Tools.
Die KI-gestützten Tools SessionAIzer und SummarAIzer zeigen das Potenzial, Konferenzerlebnisse zu personalisieren und die Dokumentation effizienter zu gestalten. Trotz kurzer Entwicklungszeit und Herausforderungen bei der Integration in bestehende Systeme bieten sie eine skalierbare Lösung für große Veranstaltungen. Für zukünftige Anwendungen empfehlen sich:
Die Ergebnisse des SummarAIzer werden zeitnah nach dem Festival (innerhalb weniger Tage) auf der U:FF-Website und im SessionAIzer verlinkt und über die Seite des SummarAIzer verfügbar sein.
Die Empfehlungen basieren zu 50 % auf semantischer Ähnlichkeit der Nutzerinteressen, zu 20 % auf der Filtertreue und zu 30 % auf der Favoritenähnlichkeit. Zudem wird ein 'Diversity Reranking' eingesetzt, um die Entdeckung weniger bekannter Sessions zu fördern und Filterblasen zu vermeiden.
Die Entwicklung erfolgte in einer sehr kurzen Zeitspanne von drei bis vier Monaten, weshalb das Marketing und die Integration in die Website-Gestaltung erst sehr spät vor dem Festival erfolgten.
Die Zusammenfassungen werden zeitnah in den nächsten Tagen auf der U:FF-Website und im SessionAIzer sowie auf der Seite des SummarAIzer veröffentlicht; erste Ergebnisse wurden bereits generiert.
| Begriff | Definition |
|---|---|
| SessionAIzer | Ein KI-gestützter, personalisierter Programmguide, der basierend auf Nutzerprofilen und Interessen einen konfliktfreien Zeitplan für Konferenzbesucher erstellt. |
| SummarAIzer | Ein System zur automatisierten Erstellung strukturierter Textzusammenfassungen, Zitaten und visuellen Elementen aus Audioaufzeichnungen von Sessions. |
| Diversity Reranking | Ein algorithmischer Prozess, der die Empfehlungen mischt, um Filterblasen zu vermeiden und die Entdeckung weniger bekannter Sessions zu fördern. |
| Semantische Ähnlichkeit | Ein Kriterium der Empfehlungslogik, das die inhaltliche Übereinstimmung zwischen den Nutzerinteressen und den Session-Beschreibungen bewertet. |
| Mermaid | Ein Tool bzw. Format, mit dem die KI aus Textbeschreibungen in Markdown visuelle Diagramme und Mindmaps rendern kann. |
| KI-Servicezentren | Externe Infrastrukturen (wie KISSKI oder GWGDW), die die notwendigen Rechenressourcen und Modelle für die Verarbeitung der Daten bereitstellen. |
| Sessionize | Eine Veranstaltungsplattform, die als Datenquelle für die Programm- und Sessioninformationen dient. |
| Kompetenz-Taxonomie | Ein strukturiertes Mapping-System, mit dem die Inhalte der Sessions bestimmten Kompetenzbereichen zugeordnet werden. |
mindmap
root)Orientierung statt Overload: Session-Wahl & Dokumentation mit KI beim U:FF(
["Program-Overload bekämpfen"]
["330+ Sessions, 21 Stages"]
["Personalisierte Empfehlungen"]
["SessionAIzer"]
["Konfliktfreier Zeitplan"]
["Diversity Reranking"]
["SummarAIzer"]
["Audio zu strukturierten Zusammenfassungen"]
["Zitate, Glossare, Mindmaps, uvm"]
["Algorithmische Empfehlungen"]
["50% semantische Ähnlichkeit"]
["20% Filtertreue, 30% Favoriten"]
["Best Practices KI-Dokumentation"]
["Transparenz Datenschutz"]
["Nachhaltiger Wissenskorpus"]