Laberdetektor – KI-gestützte Analyse der inhaltlichen Relevanz von Meetingbeiträgen
TL;DR: Das Projekt Laberdetektor zielt darauf ab, mithilfe von Künstlicher Intelligenz die Qualität und thematische Relevanz von Beiträgen in Meetings zu analysieren. Es soll ein interdisziplinärer Ansatz verfolgt werden, der sprachliche, inhaltliche und emotionale Aspekte berücksichtigt und so den Grundstein für ein System legt, das erkennt, wann ein Meeting in inhaltliche Beliebigkeit abgleitet.
Projektvorschlag (Bachelor- oder Masterarbeit) Titelvorschlag: Laberdetektor – KI-gestützte Analyse der inhaltlichen Relevanz von Meetingbeiträgen
Ausgangssituation: In vielen Meetings nimmt die inhaltliche Qualität der Beiträge im Verlauf spürbar ab. Während zu Beginn meist konzentriert und themenbezogen diskutiert wird, verlieren sich die Gespräche später oft in Wiederholungen, Anekdoten oder Nebenthemen. Eine objektive Einschätzung, wann und wie stark der inhaltliche Fokus verloren geht, fehlt bislang.
Ziel der Arbeit: Ziel des Projekts ist es, Ansätze zu entwickeln, mit denen die Relevanz und inhaltliche Qualität von gesprochenen Beiträgen in Meetings automatisiert bewertet werden können. Dazu sollen Methoden aus der Sprachverarbeitung (NLP), Sentiment- und Themenanalyse sowie ggf. psychologische Modelle der Kommunikation kombiniert werden.
Aufgabenstellung:
- Analyse existierender Forschungsansätze zur automatisierten Gesprächsanalyse und Qualitätsbewertung
- Untersuchung von Kriterien, die „gute“ Beiträge im Meeting-Kontext ausmachen (z. B. thematische Nähe, Informationsgehalt, emotionale Angemessenheit)
- Entwicklung eines geeigneten Annotationsschemas und Datensets
- Konzeption und prototypische Implementierung eines KI-Modells zur Erkennung der Beitragstiefe
- Evaluation anhand realer oder simulierter Meeting-Transkripte
Besonderheit / Interdisziplinarität: Das Projekt verbindet Informatik mit Kommunikationspsychologie und Linguistik. Neben technischen Methoden sind also auch theoretische Modelle von Gesprächsdynamik, Aufmerksamkeit und Motivation relevant.
Anforderungen:
- Interesse an Sprachverarbeitung, KI und Kommunikation
- Grundkenntnisse in Machine Learning und Textanalyse (z. B. mit Python, NLP-Frameworks)
- Bereitschaft zu interdisziplinärem Arbeiten (Schnittstelle zwischen Technik und Psychologie)
- Eigenständige, explorative Arbeitsweise
Schlussfolgerung:
Der Laberdetektor ist ein humorvoll benannter, aber ernst gemeinter Versuch, Meetings besser zu verstehen. Das Projekt bietet die Chance, ein gesellschaftlich relevantes, interdisziplinäres Thema mit modernen KI-Methoden zu verbinden – und vielleicht sogar dazu beizutragen, künftige Meetings effizienter und gehaltvoller zu gestalten.