Master Thesis 2024 an der TH Würzburg-Schweinfurt
Case Study · RAG Educational AI System
Ein RAG-System für bessere Lernunterstützung.
Für meine Masterarbeit habe ich ein Educational-AI-System gebaut, das Vorlesungsunterlagen nutzt, Lernfragen generiert und Fortschritt adaptiv bewertet.
Warum relevant
RAG nicht als Demo, sondern als Lernsystem.
Der Case zeigt, wie Retrieval, Fragen, Bewertung und UX zusammenarbeiten müssen, damit ein AI-System im Produktkontext sinnvoll wird.
Schnell prüfbar
Was der Case zeigt.
Der Case ist der stärkste Beleg für meine Arbeit an RAG, LLM-nahen Produktflows, Python, JavaScript, PostgreSQL und Ollama.
Studierende beim Lernen mit Vorlesungsunterlagen unterstützen
RAG-Chatbot, generierte Lernfragen, Fortschrittsbewertung und Gamification
Note 1.0 · ITHET 2024 Paper · Renkhoff Award 2026
Systemfluss
Von Unterlagen zu aktiver Lernunterstützung.
Der Kern war nicht “Chatbot bauen”. Der Kern war ein Lernflow, der Quellen nutzt, Fragen stellt und Fortschritt sichtbar macht.
01Lecture Slides02Retrieval03Question Generation04Adaptive Assessment05Progress Tracking
Research Proof
Masterarbeit 1.0, ITHET 2024, Renkhoff Award 2026.
Der Case ist stark, weil er nicht nur “RAG ausprobiert” sagt, sondern ein bewertetes System mit Veröffentlichung, Thesis-Ergebnis und Auszeichnung verbindet.
Technischer Fokus
Quellenlogik, Lernfragen, Fortschritt.
Für AI-Produktarbeit ist daran relevant: Wie wird aus Dokumenten ein nutzbarer Flow, und wie bleiben Grenzen, Bewertung und UX sichtbar?
Build-Entscheidungen
Warum das für AI-Teams interessant ist.
Viele AI-Prototypen scheitern nicht am Modell, sondern an Quellen, Bewertung, UX und Integration. Genau an dieser Schnittstelle lag der Case.
Antworten und Lernfragen sollten aus Vorlesungsunterlagen entstehen, nicht aus freiem Modellraten.
Retrieval, Question Generation und Fortschrittsbewertung wurden als ein Lernflow gedacht.
Die UI musste den Lernprozess unterstützen, nicht nur eine Chatbox zeigen.
Das Projekt verbindet Research, Produktlogik und eine konkrete technische Umsetzung.
Nächster Schritt
Wenn Sie einen RAG-Prototyp prüfen oder produktisieren wollen.
Ich kann bei Quellenlogik, Evaluation, UI-Flow und technischer Umsetzung helfen — besonders, wenn aus einer Demo ein belastbares Produkt werden soll.