Abschlussarbeiten

Meine Expertise und mein inhaltlicher Schwerpunkt für Abschlussarbeiten liegt auf Games/Simulation/Visualisierung und Künstliche Intelligenz KI (für den Studiengang Medieninformatik und für den Studiengang Data-Science)

1) Masterarbeit in Kooperation mit Prof. Ilona Buchem: Adaptives Feedback- und Scaffolding-System für Jobinterviews mit Furhat

Inspiration: A Theory of Adaptive Scaffolding for LLM-Based Pedagogical Agents: arxiv.org/pdf/2508.01503 

In dieser Masterarbeit soll auf der bestehenden Furhat-Interviewanwendung (inklusive TurnGPT-, VAP- und RAG-Integration) aufgebaut und ein System entwickelt werden, das Studierenden während eines simulierten Jobinterviews gezieltes, lernförderliches Feedback gibt. Auf Grundlage des theoretischen Scaffolding-Frameworks aus der Forschungsarbeit („A Theory of Adaptive Scaffolding for LLM-Based Pedagogical Agents“) soll Furhat in die Lage versetzt werden, Antworten der Studierenden anhand vorher definierter Kriterien (z. B. Struktur, Klarheit, Relevanz, Beispiele) zu bewerten und darauf basierend adaptive Unterstützung zu geben. Dies umfasst unter anderem motivierende Rückmeldungen zur Stärkung der Selbstwirksamkeit (Self-Efficacy) und konkrete Handlungsempfehlungen und Ziele für die nächste Interviewantwort. Die technische Umsetzung baut auf dem bestehenden Turn-Taking (VAP + TurnGPT) auf, sodass Feedback natürlich in die Gesprächssituation integriert wird. Die Masterarbeit untersucht, wie sich solches adaptives Scaffolding auf wahrgenommene Nützlichkeit, Lernfortschritt und Kompetenzentwicklung auswirkt.

2) Masterarbeit in Kooperation mit Prof. Ilona Buchem: Integration von Studierenden-CVs in eine RAG-basierte Interviewplattform mit Furhat

Inspiration: App for Resume-Based Job Matching with Speech Interviews and Grammar Analysis: A Review: arxiv.org/pdf/2311.14729

Diese Masterarbeit konzentriert sich auf die technische Erweiterung des bestehenden Systems durch die Einbindung eines individuellen Lebenslaufs (CV) der Studierenden als PDF in die RAG-Pipeline. Ziel ist es, Furhat zu einem personalisierten Interviewer weiterzuentwickeln, der Fragen und Gesprächsverläufe dynamisch auf Grundlage der tatsächlichen Qualifikationen, Erfahrungen und Projekte der befragten Person gestaltet. Der Lebenslauf wird über PDF-Parsing, Chunking und Embedding in den Wissensspeicher integriert und dient als Grundlage für CV-spezifische Fragen („Sie erwähnen Projekt X – können Sie Ihre Rolle genauer beschreiben?“) sowie für inhaltliche Einschätzungen der Antworten. Die Masterarbeit untersucht, wie diese Form der Personalisierung die Authentizität, Relevanz und Lernwirksamkeit des Interviewtrainings beeinflusst und wie CV-basierte Informationen technisch sinnvoll mit TurnGPT, VAP und LLM-gestützten Interviewstrategien kombiniert werden können.