DIAS – Der digitale Studienassistent

Für die Entwicklung des Chatbots wird der sogenannte Conversation Driven Design (CDD) Ansatz genutzt. CDD ist ein Prozess, bei dem die KI durch die Anwendung und das Feedback der Nutzer stetig verbessert wird. Um einen KI-Assistenten zu entwickeln, muss dieser den Nutzenden verstehen können. Dafür setzt das CDD genau beim Nutzenden an: In jeder Phase der Chatbot-Entwicklung orientiert sich der Bot direkt beim tatsächlichen Nutzenden und lernt bei jeder Konversation dazu was dieser möchte und wie er es sagt. So passt sich der Bot an die Sprache und das Verhalten an. Indem wir als Entwickler diese anonymisierten Unterhaltungen, ohne jegliche personenbezogenen Daten, überwachen und zu weiteren Trainingszwecken verwenden, können Fehler oder Lücken direkt erkannt werden. So wird der Chatbot stetig besser – learning by doing! Dadurch hilft im besten Fall nicht nur der Bot dem Nutzenden, sondern der Nutzende auch dem Bot.

Die erste Instanz des virtuellen Assistenten wurde auf Basis der RASA-Plattform entworfen. Hierbei wurde ein Machine Learning Modell mit Beispielen trainiert, welche das Modell entsprechend der Intention klassifiziert. Abhängig vom Intent wird eine passende Antwort ausgegeben. Mit jeder richtigen Antwort steigt das Confidence Level der Zuordnung. Implementiert wurden zudem Knowledge Graphen. Sie ermöglichen die Verbindung heterogener Daten aus unterschiedlichen Quellen. Aus diesem Grund eignen sie sich insbesondere für die Anwendung an Universitäten, die viele verschiedene Informationsquellen kombinieren müssen.

Im Laufe des DIAS-Projekts entstanden innovative Technologien im NLP-Bereich wie performantere Modelle und Frameworks, sodass größere Sprachmodelle zugänglich wurden und eine zweite Version des Assistenten entwickelt wurde.
Die Architektur des DIAS 2.0 basiert auf der Nutzung eines Large Language Model (LLM) in Verbindung mit dem ReAct-Framework. Dieses ermöglicht dem Sprachmodell Tools zu nutzen, welche Informationen aus Datenbanken bereitstellen, die das Sprachmodell zur Generierung einer Antwort nutzen kann. Damit können Fragen in einer menschenähnlichen Konversation präzise und dynamisch beantwortet werden.

Durch Generative KI-Modelle wie ChatGPT stiegen Möglichkeiten zur Innovationsfähigkeit an, sodass eine dritte Version des Assistenten entwickelt wurde. DIAS 3.0 basiert auf der Verbindung des Retrieval-Augmented Generation Ansatz (RAG) und eines entwickelten Knowledge Graphen (KG). Der Einsatz eines KG ermöglicht dem Chatbot, Verknüpfungen zwischen verschiedenen Wissensbereichen in Form von Entitäten zu verstehen und komplexe, miteinander verknüpfte Informationen bereitzustellen. RAG durchsucht große Datenmengen (z.B. gecrawlte Informationen der Hochschulwebseite) nach relevanten Informationen und generiert basierend auf diesen Informationen eine kohärente und präzise Antwort. Die grundlegenden sprachlichen Fähigkeiten des Sprachmodells ermöglichen natürliche Sprache zu verstehen, zu verarbeiten und natürliche kontextbezogene Antworten auf komplexe Fragen zu generieren. Zuletzt kann durch die automatisierte Aktualisierung der Datenbank auf die neuesten Informationen zugegriffen werden.

Smart Study App:

Die Open Source-basierte Entwicklung soll weiteren Hochschulen und Bildungseinrichtungen zur Nutzung offenstehen. Forschungsergebnisse konnten bislang durch wissenschaftliche Veröffentlichungen und (inter-)nationale Konferenzbesuche geteilt werden.