Die fortschreitende Entwicklung Künstlicher Intelligenz eröffnet Potenzial zur Unterstützung und Individualisierung der Hochschullehre. Insbesondere die zunehmende Diversität der Lernvoraussetzungen macht es erforderlich, Lernangebote stärker zu personalisieren. Auch im medizinischen Bereich bieten KI-Chatbots großes Potenzial, speziell bei der Datenanalyse und der Interaktion mit Patientinnen und Patienten. Durch ihre ständige Verfügbarkeit können sie zur Entlastung von medizinischem Personal beitragen. Im Rahmen des Projekts werden neue Methoden zur Verbesserung des auf einem Large Language Model (LLM) basierenden Tutor-Chatbots „KIWi“ erforscht. Im Fokus steht die Personalisierung, sodass KIWi nicht nur Anfragen zu Vorlesungen des Studiengangs Medizintechnik zuverlässig beantworten kann, sondern sich auch auf die individuellen Kenntnisse der Studierenden anpasst, Wissenslücken erfasst und Lernempfehlungen gibt. Zur Umsetzung dieser Personalisierung soll die bisher einfache Struktur des Chatbots durch ein agentenbasiertes System ersetzt werden. Neben der Verbesserung der Hochschullehre mittels KI beschäftigt sich das Projekt mit dem Einsatz von LLMs im Gesundheitswesen. Es wird ein agentenbasiertes Therapieassistenzsystem entwickelt, welches Ärztinnen und Ärzte bei Entscheidungen hinsichtlich der leitlinienkonformen Antibiotikatherapie unterstützen soll. Im Rahmen dieses Projekts werden an der EAH Kompetenzen aufgebaut, die die Entwicklung und Implementierung von KI-Lösungen ermöglichen, welche auf effektive Weise mit Nutzerinnen und Nutzern interagieren und sowohl das Lernen als auch die biomedizinische Forschung unterstützen.
Anschubprojekt des ZAKI
Ziele des Projekts
- Personalisierung des Tutor-Chatbots „KIWi“ durch Implementierung eines agentenbasierten Systems
- Implementierung eines agentenbasierten Therapieassistenzsystems zur Unterstützung der leitlinienkonformen Antibiotikatherapie
- Entwicklung eines umfangreichen Evaluierungsframeworks für das Therapieassistenzsystem
