Refine
Document Type
- Bachelor Thesis (2)
Language
- German (2)
Has Fulltext
- yes (2)
Is part of the Bibliography
- no (2)
Keywords
- Python (2) (remove)
Institute
Open Access
- Open Access (2) (remove)
Oft anfallende Prozesse und Aufgaben im IT-Umfeld kosten viel Zeit und personelle Ressourcen. Zudem können bei einer manuellen Ausführung dieser Aufgaben Fehler entstehen. Die Effizienz und die Wettbewerbsfähigkeit derer Unternehmen sinkt, die diese Aufgaben nicht unter Kontrolle haben. Ziel ist es wiederkehrende Aufgaben mit wenig Aufwand zu automatisieren und so das Fehlerpotential zu vermindern.
Eine besondere Herausforderung ergibt sich hierbei in der Aggregation der diversen verteilten Konten, wie Mitarbeiterlaptop, Server und online genutzte Dienste.
In dieser Arbeit sollen zunächst Anforderungen an die zu entwickelnde Lösung festgelegt werden. Die erarbeiteten Anforderungen sollen anschließend den vorhandenen Lösungen gegenübergestellt werden, um diese bewerten zu können. Anschließend erfolgt die Implementierung einer neuen oder Anpassung und Erweiterung einer vorhandenen Lösung.
In den letzten Jahren haben Recommender Systeme zunehmend an Bedeutung gewonnen. Diese Systeme sind meist für Bereiche des E-Commerce konzipiert und berücksichtigen oftmals nicht den aktuellen Kontext der nutzenden Person. Recommender Systeme können allerdings nicht nur im E-Commerce zum Einsatz kommen, sondern finden ihren Anwendungszweck auch im Gesundheitswesen. Ziel dieser Bachelorarbeit ist es, ein Recommender System zu entwickeln, das den aktuellen Kontext der nutzenden Person (Chatverlauf, demografische Daten) besser berücksichtigen kann. Dazu befasst sich diese Arbeit mit der Konzeption und prototypischen Umsetzung eines kontextsensitiven Recommender Systems für einen bereits existierenden Chatbot aus dem Gesundheitswesen. Das in dieser Arbeit konzipierte und entwickelte Recommender System soll Mitarbeitende aus dem Gesundheits- und Sozialwesen entlasten und ihnen hilfreiche sowie thematisch sinnvolle Informationen zur Verfügung stellen. Basierend auf festgelegten Anforderungen wurde ein Konzept für das Recommender System entwickelt und zu Teilen als Prototyp umgesetzt. Abschließend wurde der Prototyp im Hinblick auf die Anforderungen evaluiert. Zudem fand eine technische Evaluation und eine Evaluation mithilfe von Anwendenden statt, welche den implementierten Prototypen bereits existierenden Systemen gegenüberstellte. Die von dem Prototyp empfohlenen Textausschnitte erzielten in der Evaluation mit nutzenden Personen eine thematisch signifikant höhere Übereinstimmung mit den Chatdaten.