globaldatanetmenu

Intelligente Lehrassistenz durch Generative KI

Entwicklung eines digitalen Lehrers als Chatbot zur Verbesserung der Lernerfahrung.

SingleCaseStudies

.Challenge

University4Industry stand vor der Herausforderung, dass die Tutoren durch die Vielzahl an Anfragen der Lernenden stark ausgelastet wurden, was einen erheblichen Teil ihrer Zeit und Energie beanspruchte. Die Institution erkannte den Bedarf an einer Lösung, die personalisierte Antworten bieten könnte – ähnlich wie es eine aufmerksame Lehrkraft tun würde. Dies bedeutete, Erklärungen an den Hintergrund jedes Lernenden anzupassen: technische Details für Lernende mit technischem Vorwissen und geschäftsorientierte Antworten für solche mit einem betriebswirtschaftlichen Fokus.

Zusätzlich wollte der Kunde das Lernerlebnis während der Kurse verbessern, indem diese interaktiver gestaltet wurden und der Lernprozess mehr einer individuellen Betreuung im Unterricht ähnelte, wobei der jeweilige Hintergrund der Lernenden berücksichtigt wird.

Der digitale Tutor muss dabei den nahtlosen Zugang zu den abonnierten Kursinhalten sicherstellen und gleichzeitig Zugriffsbeschränkungen gemäß den Richtlinien des Kunden durchsetzen.

.Solution

Wir haben diese Herausforderungen kosteneffizient gelöst und gleichzeitig lange Startzeiten vermieden, ohne dabei die Leistung zu beeinträchtigen. Deshalb haben wir uns entschieden, unsere Dienste mithilfe von FastAPI und ECS Fargate (einem Service zum Ausführen von Containern auf AWS) zu betreiben. So konnten wir sicherstellen, dass unser Chatbot immer verfügbar und sofort bereit war, Anfragen von Lernenden zu beantworten, und ihn durch einen Application Load Balancer zuverlässig und skalierbar gestalten.

Die Basis unserer Lösung bildete Amazon Bedrock, ein verwalteter AWS-Service, der den Zugang zu leistungsstarken KI-Modellen bietet, zusammen mit der Technik der Retrieval-Augmented Generation (RAG). Diese Technik funktioniert, indem Dokumente in einen Datenspeicher (wie S3) hochgeladen und so eine Wissensdatenbank aufgebaut wird. Anschließend werden mithilfe eines Foundation-Modells Embeddings erzeugt – spezielle Vektoren, die Informationen aus unserer Wissensdatenbank in einem Format speichern, das für die KI „lesbar“ ist. Dadurch kann die KI gezielt relevante Informationen aus Dokumenten abrufen und in ihre Antworten einfließen lassen. Um die Kosten weiter zu reduzieren, wechselten wir von der Standard-Vektordatenbank von Bedrock zu Amazon Aurora Managed PostgreSQL, was unsere monatlichen Datenbankkosten fast um das Dreifache senkte.

Ein „Prompt“ ist ein Anweisungssatz, den wir über Bedrock an ein ausgewähltes LLM (in diesem Fall Anthropic Claude) senden. So stellen wir sicher, dass der Chatbot nur die von uns festgelegte Rolle übernimmt – hier ein Lernbegleiter, der gemäß den Werten von U4I agiert. Der Prompt legt den Ton und die Nutzererfahrung des Chatbots fest und verhindert Missbrauch. Zudem erzwingen wir mit dem Prompt, dass das LLM Antworten ausschließlich auf Basis der bereitgestellten Dokumente und des spezifischen Kontexts generiert, um sogenannte „Halluzinationen“ zu vermeiden. Ein wesentlicher Teil dieses Kontexts ist der Chatverlauf zwischen Chatbot und Lernendem, der den Dialog natürlicher gestaltet.

Der Prompt ermöglicht es uns auch, den Chatbot flexibel an verschiedene Anforderungen anzupassen. In diesem Projekt hatten wir zwei Chatbot-Typen: den Q&A-Bot und den „Teacher Bot“. Der Q&A-Bot beantwortet Fragen basierend auf dem Wissen und der Erfahrung des Lernenden und verhält sich eher passiv – er wartet auf Fragen und antwortet in der Rolle eines freundlichen und engagierten Tutors. Der „Teacher Bot“ hingegen ist aktiv und stellt während des Kurses Fragen und Aufgaben, überprüft Antworten und gibt bei Bedarf Korrekturen und Erklärungen – ebenfalls im Ton eines freundlichen Tutors.

Den richtigen Ton zu treffen war eine besondere Herausforderung, da wir wollten, dass die Lernenden sich wohlfühlen, Fragen zu stellen, aber auch durch die Antworten gefordert werden. Glücklicherweise war University4Industry intensiv in den Prozess eingebunden und gab uns kontinuierliches Feedback zu Ton und Formatierung. Dieses Feedback hat maßgeblich zum Erfolg des Projekts beigetragen.

Die Daten, die wir verwendeten, eigneten sich hervorragend für die RAG-Technik: Sie bestanden aus Kursmaterialien wie Skripten und Präsentationen, die klar strukturiert und begrifflich reichhaltig waren – fast wie eine Enzyklopädie. Die zentrale Herausforderung bestand darin, den Zugang zu den Informationen, die die Chatbots abrufen konnten, zu steuern. Der Teacher Bot sollte nur Fragen und Erklärungen zu dem Kurs bieten, den der Lernende gerade belegt, während der Q&A-Bot nur auf Informationen aus Kursen zugreifen sollte, auf die der Lernende zugriffsberechtigt war. Das haben wir durch Amazon Bedrock und eine Technik namens Metadaten-Tagging erreicht. Jedes Dokument in der Wissensdatenbank wurde mit Kursnamen und anderen relevanten Informationen, wie etwa der Kursposition, versehen. Bei der Dokumentenabfrage für den Prompt haben wir dann anhand dieser Metadaten gefiltert.


Solution
Benefits

.Benefits

  • Reduzierte Arbeitsbelastung für Lehrkräfte
  • Personalisierte Lernerfahrung
  • Geschützter Zugriff auf Kursinhalte

Lernende erhalten nun maßgeschneiderte Antworten basierend auf ihrem Wissen und Hintergrund und genießen dabei die gleiche Erfahrung, die ihnen ein Lehrer bieten würde. Gleichzeitig wird der Druck von den Kurslehrern genommen. Dies führt zu einer erheblichen Reduzierung der Lehrerzeit und -kosten um bis zu 33%, je nach Kurs. Darüber hinaus wird erwartet, dass sich diese Effizienz weiter verbessert, wobei Prognosen auf potenzielle Zeit- und Kosteneinsparungen von bis zu 50% hindeuten, sobald der Chatbot ausgereift ist. Dies ermöglicht es den Lehrern, sich auf komplexere Aktivitäten wie Kursentwicklung und personalisiertes Feedback zu konzentrieren.

.Testimonial

Jan Veira

Jan Veira

Geschäftsführer & Mitgründer

Wir bei University4Industry sind äußerst zufrieden mit unserer Zusammenarbeit mit globaldatanet. Die Entwicklung unseres Chatbots KARL auf AWS verlief hervorragend. Die Ideenfindung und Priorisierung zu Beginn des Projekts waren exzellent, und wir waren beeindruckt, wie schnell aus einer Idee ein fertiges Produkt wurde. Das Fachwissen des Teams in AWS-Services und Generative AI war beeindruckend. Das Projektmanagement und die Umsetzung verliefen reibungslos, und die Zusammenarbeit mit unserem internen Entwicklungsteam war erstklassig. Insgesamt war die Zusammenarbeit mit globaldatanet eine durchweg positive Erfahrung. Wir sind begeistert von den Ergebnissen und freuen uns auf zukünftige Projekte.

University4Industry

Seit der Gründung von University4Industry (U4I) im Jahr 2015 ist es die Mission von Jan Veira und Dr. Wolfgang Huhn, Unternehmen und ihre Mitarbeiter effizient für die Herausforderungen der Zukunft zu befähigen. Ihre umfassende Unterstützung führender Unternehmen hat gezeigt, dass Reskilling und Upskilling nur durch unternehmensspezifischen Kompetenzaufbau erfolgreich sind. Die Expertise des renommierten B2B-Unternehmens mit Hauptsitz in München basiert auf seinem erfahrenen Team und seinem ständig wachsenden Ökosystem von mehr als 1.000 Experten und über 120 Partnerinstitutionen. Getreu dem Motto "Lernen, um zu handeln" unterstützt U4I heute 4 von 5 deutschen Automobilherstellern, 7 von 15 DAX-Unternehmen sowie 3 der 5 größten deutschen Maschinen- und Anlagenbauer und strebt an, der führende Partner für unternehmensspezifischen Kompetenzaufbau zu sein.

.Ready to take your business to the next level?

Are you looking for a team that goes a step further? We are ready for all tasks!

Address
.Germanyup
.Serbiaup
  • Alter Teichweg 11-13 - 22081
    Hamburg
Email

hello@globaldatanet.com

globaldatanetCloud Development, Optimization & Automation

.Navigation

.Social

  • follow globaldatanet on instagram
  • follow globaldatanet on facebook
  • follow globaldatanet on twitter
  • follow globaldatanet on linkendin
  • follow globaldatanet on twitch
  •  listen to our serverless world podcast
  • follow globaldatanet's tech rss feed
  • follow globaldatanet at github
© 2024 by globaldatanet. All Right Reserved
Your privacy is important to us!

We use cookies on our website. Some of them are essential,while others help us to improve our online offer.
You can find more information in our Privacy policy