Antizipative Modellierung des Benutzerverhaltens mit Hilfe von Aktionsvorhersage-Algorithmen

Autoren: Alexander Künzer, Frank Ohmann & Ludger Schmidt

Es wird die Entwicklung eines adaptiven Hilfesystems bzw. Tutors für eine multimodale Benutzungsschnittstelle zum 3D-Laserschweißen in Autonomen Produktionszellen vorgestellt. Dabei wird ein generischer und antizipativer Ansatz verfolgt, welcher kein spezifisches Domänenwissen benötigt, sondern lediglich das Benutzerverhalten beobachtet. Verschiedene Vorhersagealgorithmen aus der Literatur werden untersucht und zwei eigene Aktionsvorhersage-Algorithmen (KO- und LEV-Algorithmus) vorgestellt. Diese basieren auf der Ähnlichkeit von Benutzersequenzen bzw. der Häufigkeit von Untersequenzen innerhalb der Datenbasis. Alle Algorithmen werden sowohl innerhalb eigener Szenarios als auch mit den Referenzdaten von Greenberg bewertet. In allen untersuchten Fällen erreichte der KO-Algorithmus die höchsten Vorhersagegüte. Aufbauend auf diesen Ergebnissen wurden das Hilfe- und das Tutorsystem bewertet. Es zeigte sich, dass die verschiedenen Algorithmen gut geeignet sind, das Benutzerverhalten zu prognostizieren und dass eine adaptive Hilfe die Ähnlichkeit mit den Interaktionssequenzen der Experten steigert.