Kontext
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:
- SessionAIzer: Ein personalisierter Programmguide, der basierend auf Nutzer:innen-Profilen einen optimierten Zeitplan erstellt.
- SummarAIzer: Ein System zur automatisierten Erstellung strukturierter Zusammenfassungen von Sessions, inklusive Zitaten, Glossaren und visuellen Elementen wie Mindmaps.
Die Session gab Einblicke in die Konzeption, den Einsatz und die bisherigen Erfahrungen mit diesen Tools.
Kernaussagen
1. Bekämpfung des „Program-Overloads“
- Das U:FF 2025 umfasste 21 Stages, über 300 Sessions und mehr als 7 Stunden Programm pro Tag, was die Auswahl relevanter Inhalte erschwerte.
- Ziel der KI-Tools war es, personalisierte Empfehlungen zu liefern und die Dokumentation effizienter zu gestalten, um den „Overload“ zu reduzieren.
- Die Tools wurden in einer kurzfristigen Kooperation (3–4 Monate) zwischen TH Lübeck und KIT entwickelt, unterstützt durch externe Partner wie den Stifterverband und KI-Servicezentren (z. B. KISSKI, GWGDW).
2. Personalisierte Programmplanung mit SessionAIzer
- Funktionsweise:
- Erstellt einen konfliktfreien Zeitplan basierend auf Nutzer:innen-Profilen (Interessen, Filter wie Standort oder Sprache).
- Berücksichtigt semantische Ähnlichkeit (ca. 50 %), Filtertreue und Favoritenähnlichkeit.
- Nutzt „Diversity Reranking“, um weniger bekannte Sessions zu fördern und die Entdeckung neuer Themen zu unterstützen.
- Technische Umsetzung:
- Integration mit Sessionize und Talk (Konferenztools) über API-Schnittstellen.
- Algorithmus priorisiert zunächst beste Matches, füllt dann Lücken mit alternativen Vorschlägen.
- Nutzer:innen-Feedback:
- Die Tools wurden erst spät im Festival-Marketing beworben, was die Nutzung einschränkte.
- Gewünschte Erweiterungen: mehr Kontextfilter (z. B. Präferenz für Outdoor-Sessions oder Wetterbedingungen).
3. Effiziente Dokumentation mit SummarAIzer
- Funktionsweise:
- Wandelt Audioaufzeichnungen von Sessions in strukturierte Textzusammenfassungen um.
- Enthält Kernpunkte, Zitate, Glossare und visuelle Elemente (z. B. Mindmaps via Mermaid/Markdown).
- Nutzt externe KI-Servicezentren für die Verarbeitung, um lokale Ressourcen zu schonen.
- Beispielhafte Inhalte:
- Metadaten (Referent:innen, Zeit, Ort).
- Wortwolken und Kompetenz-Taxonomien.
- Modulare Generierung je nach Bedarf (z. B. für Nachhaltigkeit im Digital Learning Campus).
- Qualitätssicherung:
- Erste Tests (z. B. bei der MoodleMoot 2025) zeigten gemischte Ergebnisse – Referent:innen prüften die Zusammenfassungen oft nur oberflächlich.
- Diskussion: Schnelligkeit vs. Korrektheit – Sollten Zusammenfassungen vor Veröffentlichung geprüft werden?
4. Algorithmische Empfehlungslogik
- Gewichtung der Empfehlungen:
- 50 % semantische Ähnlichkeit (basierend auf Nutzer:innen-Interessen).
- 20 % Filtertreue (z. B. Standort, Sprache).
- 30 % Favoritenähnlichkeit (Berücksichtigung von Sessions, die ähnliche Nutzer:innen favorisiert haben).
- Diversity Reranking:
- Ziel: Vermeidung von „Filterblasen“ durch Hervorhebung weniger bekannter Sessions.
- Algorithmus mischt Ergebnisse aus verschiedenen Themen und Formaten, um Vielfalt zu fördern.
5. Best Practices und Potenziale von KI-Dokumentation
- Technische Empfehlungen:
- Transparenz beim Datenschutz: Klare Kommunikation über Zweck und Speicherung von Aufzeichnungen.
- Metadaten ergänzen: Transkripte um Informationen wie Referent:innen, Zeit und Ort anreichern.
- Strukturvorgaben für KI: Klare Anweisungen zur Formatierung (z. B. Mermaid für Diagramme).
- Über die reine Zusammenfassung hinaus:
- Big-Data-Analysen: KI kann Übereinstimmungen oder Widersprüche über viele Vorträge hinweg identifizieren (z. B. für Chatbots während der Konferenz).
- Nachhaltiger Wissenskorpus: Aufbau einer wachsenden Datenbank für zukünftige Veranstaltungen.
- Praktische Tipps für eigene Umsetzung:
- Einfache Hardware: Nutzung von Funkmikrofonen und Open-Source-Tools wie MidiDD für Transkriptionen.
- Lokale Modelle: Wo möglich, lokale KI-Modelle einsetzen, um Datenschutz zu gewährleisten.
Fazit
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:
- Frühere Einbindung in das Festival-Marketing, um die Nutzung zu steigern.
- Erweiterung der Filteroptionen (z. B. Präferenzen für Räumlichkeiten oder Wetterbedingungen).
- Weiterentwicklung der KI-Analysen für übergeordnete Erkenntnisse (z. B. Widersprüche zwischen Sessions).
- Transparente Kommunikation über Datenschutz und Zweck der Tools, um Vertrauen zu schaffen.
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.
