PJ Case Studies: Artificial Intelligence in Business

Ziel und Inhalt der Lehrveranstaltung

Das Ziel dieser Lehrveranstaltung ist es, mit den Studierenden konkrete Anwendungsbeispiele auf Basis von LLMs schrittweise zu erarbeiten und umzusetzen. Die Untersuchung der Möglichkeiten und Herausforderungen von LLMs, die in verschiedenen Anwendungsbereichen eingesetzt werden können, ist dabei ein Schwerpunkt. Außerdem sollen alle Phasen eines Software-Entwicklungsprojekts durchlaufen werden. Dabei ist auch die Frage zu untersuchen, ob sich ein Software-Entwicklungsprojekt auf der Basis von LLMs von einem ohne LLMs unterscheidet bzw. unterscheiden sollte (wenn ja, wie?).

Beispielhafte Aufgabenstellungen (die in den ersten Stunden der Lehrveranstaltung gemeinsam erarbeitet werden) sind:

• Gegenüberstellung von LLMs bei gleicher Aufgabenstellung und Vergleich von Trainingsaufwand und Ergebnissen
• z.B. IBM WatsonX vs. OpenAI GPT-Modelle
• z.B. Gemini - Llama 3 - GPT: kleinerer, aber komplexer Use Case - tiefgehend analysiert
• Vergleich von Modellen hinsichtlich domämemspezifischer Fähigkeiten / Ausprägungen
• z.B. Codegenerierung: Microsoft/GitHub Copilot vs. IBM WatsonX (Granite-LLM-Familie)
• z.B. Umsetzung einer spezifischen Aufgabenstellung mit einem domänenspezifischen LLM vs. einem allgemein verwendbaren LLM
• Industrieprojekte
• z.B. Erarbeitung einer konkreten Aufgabenstellung inkl. Evaluierung mit WatsonX und Red Hat OpenShift in Zusammenarbeit mit IBM Österreich
• z.B. Umsetzung einer hochspezialisierten (Teil-) Aufgabe aus dem Bankenbereich, z.B. „Anti-Geldwäsche“ (Aufteilung einer Aufgabe in Teilaufgaben, über mehrere Semester hinweg, d.h. andere Studierende in Folgejahren arbeiten weiter)
• Entwicklung von Prototypen, um aktuelle „Hypes“ auf Zukunftsfähigkeit zu testen
• Beispiel: Tools, die Verträge auf DORA-Compliance prüfen und darauf aufsetzbare, prototypische Weiterentwicklungen
• Bearbeitung von ethischen, sozialen und rechtlichen Aspekten bei der Nutzung von LLMs

Organisation und Methodik der Lehrveranstaltung

Die Lehrveranstaltung umfasst insgesamt 4 Semesterwochenstunden (siehe KUSSS). Es kann sein, dass Teile der Stunden im Laufe des Semesters geblockt werden (z.B. längere Hackathon-Einheit; Zeit nach Übereinkunft).

Bewertung und Benotung

Die Erarbeitung der Aufgabenstellungen und der Umsetzungen erfolgt in Gruppen. Neben der inhaltlichen Ausarbeitung wird im Zuge der Lehrveranstaltung auch auf

• Genauigkeit der wissenschaftlichen Arbeit
• Erarbeitung der Use Cases und Requirements
• Dokumentation der Herleitung von Entscheidungen
• Verknüpfung der Aspekte "Mensch" – "Aufgabe" – "Technik"

wertgelegt. Darüber hinaus ist über die gesamte Dauer der Lehrveranstaltung ein genaues Projekttagebuch zu führen, das folgende Inhalte aufweist:

• Aufgabenaufteilung und Zeitaufzeichnung der Gruppenmitglieder
• Getroffene Entscheidungen inkl. Begründung
• Priorisierung und Themenspeicher
• Welche Themen wurden bewusst "geparkt", um den Umfang der LVA nicht zu überschreiten
• Planungsunterlagen und Burn-Down-Charts

Änderungen vorbehalten. Datum: 30.08.2024

Hinweis: Die Lehrveranstaltung darf nur bei Absolvierung des Studienschwerpunkts "Artificial Intelligence in Business" im Master WIN gewählt werden.

Die Lehrveranstaltungsleitung: Hon.-Prof. DI Mag. Dr. Hermann Sikora und Alexander Porod, MSc.