Software Engineering prototypischer KI-Implementierungen im Zusammenhang mit domänenspezifischen Problemen des Projekts TAHAI (TrustAdHocAI)

Software Engineering prototypischer KI-Implementierungen im Zusammenhang mit domänenspezifischen Problemen des Projekts TAHAI (TrustAdHocAI)

Diese Publikation zitieren

Software Engineering prototypischer KI-Implementierungen im Zusammenhang mit domänenspezifischen Problemen des Projekts TAHAI (TrustAdHocAI) (2025), Logos Verlag, Berlin, ISBN: 9783832581022

Inhaltsverzeichnis

  • BEGINN
  • Kapitel 1 – Motivation zum experimentellen Prototyping
  • 1. Kurzüberblick zum Projekt TAHAI
  • 2. Ziele des experimentellen Prototypings
  • 3. Einordnung der Prototypen des Projekts TAHAI
  • 4. Organisation und Prozess zur Implementierung
  • 5. Aktualität der Ergebnisse
  • 6. Dank
  • Kapitel 2 – Rapid Prototyping – Supported by Large Language Models
  • 1. Motivation und Überblick
  • 2. Verfolgte Forschungsfragen
  • 3. Existierende Arbeiten
  • 4. Vergleich verschiedener LLM-Ansätze
  • 5. Praxisorientierte Fallstudien
  • 6. Herausforderungen und Grenzen
  • 7. Zusammenfassung und Ausblick
  • 8. Quellen
  • Anlagen zu Kapitel 2
  • Kapitel 3 – Fallstudie zur KI-gestützten Anonymisierung deutschsprachiger Transkripte
  • 1. Motivation
  • 2. Grundlegende Aspekte der Anonymisierung
  • 3. KI-basierte Anonymisierung
  • 4. Konzeption durchzuführender Teststellungen
  • 5. Ausgewählte Ergebnisse der prototypischen Tests zur Anonymisierung
  • 6. Reflektion und Ausblick
  • 7. Quellen
  • Anlagen zu Kapitel 3
  • Kapitel 4 – KI-gestützte Analyse transkribierter und anonymisierter Mediationssitzungen
  • 1. Motivation
  • 2. Analyseziele
  • 3. Technische Ansätze
  • 4. Prototypische Evaluation
  • 5. Ergebnisse
  • 6. Reflektion
  • 7. Ausblick
  • 8. Quellen
  • Anlage zu Kapitel 4
  • Kapitel 5 – KI-Analyse transkribierter Mediationssitzungen mit Hilfe einer Low–Code orientierten Softwarelösung
  • 1. Motivation und Ziele
  • 2. Existierende Arbeiten
  • 3. Auswahl einer LCAP
  • 4. Aspekte der Umsetzung
  • 5. Vergleich der High-Code und Low-Code-Implementierung
  • 6. Reflektion und Ausblick
  • 7. Quellen
  • Anlagen zu Kapitel 5
  • Kapitel 6 – KI-gestützte Graffiti-Erkennung an Bahnhöfen
  • 1. Überblick zur Fallstudie
  • 2. Problemorientierte Motivation
  • 3. Datengenerierung und experimenteller Aufbau
  • 4. Implementierte Methoden
  • 5. Evaluierungsmethodik
  • 6. Unkommentierte Ergebnisdarstellung
  • 7. Analyse der Ergebnisse
  • 8. Vergleich mit wissenschaftlichem Stand
  • 9. Schlussfolgerungen
  • 10. Zusammenfassung und Ausblick
  • 11. Quellen
  • Anlagen zu Kapitel 6

Ähnliche Titel