Motivation

In mobiler Augmented Reality (AR) sind Nutzer*innen häufig von zu vielen oder zu wenigen Informationen überfordert. Je nach Situation benötigen sie entweder eine schnelle visuelle Zusammenfassung oder ausführliche Inhalte – aktuelle Systeme stützen sich jedoch auf manuell vordefinierte Regeln und statische Designs.

Diese Arbeit untersucht, wie Künstliche Intelligenz (KI) kontextsensitive Detailstufen (Levels of Detail, LoD) für AR-Schnittstellen dynamisch erzeugen kann – sowohl innerhalb einer einzelnen Modalität (z. B. Text-zu-Text) als auch modalitätsübergreifend (z. B. Text-zu-Icon).

Du wirst:

• Informationsbedarfe in mobilen AR-Anwendungsfällen analysieren (z. B. Navigation, urbane Orientierung, Mobilitätshilfen),
• Methoden zur automatischen Generierung von LoD-Darstellungen mit NLP oder multimodalen KI-Modellen entwerfen,
• einen Prototyp zur Echtzeit-Umschaltung zwischen ausführlichem Text, Zusammenfassungen und visuellen Indikatoren entwickeln,
• den Einfluss auf Nutzbarkeit und kognitive Belastung in dynamischen Szenarien evaluieren.