TUna wurde als eines der elf großen fuTUre fit-Projekte ins Leben gerufen und verfolgt ein klares Ziel: Studierende dabei zu unterstützen, sich im Universitätsalltag besser zurechtzufinden. Das nutzer_innenzentrierte Tool wird nicht nur technisch innovativ sein, sondern wird auch eng mit Studierendenvertretungen, dem Student Support sowie auf Fakultätsebene abgestimmt. So entsteht ein bedarfsgerechter, praxisnaher und datenschutzkonformer digitaler Helfer, an dessen Entwicklung zahlreiche Angehörige und Bereiche der TU Wien beteiligt sind. Damit nutzt die TU Wien digitale Technologien nicht nur als Forschungsgegenstand, sondern treibt die digitale Transformation auch innerhalb der eigenen Institution voran, ganz im Sinne des strategischen Ziels Nr. 4 der TU Wien.

Steckbrief

Projektleitung: Julia Neidhardt und Thomas E. Kolb

Wer ist an dem Projekt beteiligt?

TUna wird von der Forschungsgruppe Data Science gemeinsam mit dem Team Data Science des dataLAB sowie einem interdisziplinären Team aus den Bereichen Forschung, Softwareentwicklung und Hochschuldienstleistungen durchgeführt. Das Projekt wird gemeinsam mit dem Student Support, der Zulassungsstelle, dem Dekanat der Fakultät für Informatik, der Hochschülerinnen- und Hochschülerschaft an der TU Wien (HTU) und Fachschaft Doktorat (FSDr) durchgeführt. Diese Partner bringen Fachwissen, operative Perspektiven und die Sichtweise der Studierenden ein, um sicherzustellen, dass TUna den tatsächlichen Bedürfnissen entspricht und nachhaltig in die Dienstleistungslandschaft der TU Wien integriert werden kann.

Wobei hilft das Projekt und für wen ist es gedacht?

Der Schwerpunkt liegt auf Studierenden und der Beantwortung ihrer studienbezogenen Fragen. TUna unterstützt Studierende bei der Navigation durch das Studium und das Universitätsleben, indem es schnelle, zuverlässige Antworten und klare Anleitungen zu häufig gestellten Fragen und Prozessen bietet. Es ist für den täglichen Gebrauch konzipiert, insbesondere dann, wenn Informationen über verschiedene Portale und Websites verteilt sind. Auch Service- und Beratungsstellen profitieren davon, denn TUna zielt darauf ab, wiederkehrende Standardanfragen zu reduzieren und die Weiterleitung zu den richtigen Informationen und Ansprechpartner_innen zu verbessern.

Was macht das Projekt besonders?

TUna kombiniert einen nutzer_innenzentrierten Ansatz mit vertrauenswürdigen KI-Praktiken. Es ist darauf ausgelegt, zuverlässige Quellen zu zitieren, auf Benutzer_innenfreundlichkeit und Fairness zu überprüfen sowie sich durch strukturierte Feedbackschleifen kontinuierlich zu verbessern. Das System wird vor Ort betrieben und folgt den Grundsätzen des „Privacy by Design“ sowie einem sorgfältigen Umgang mit Protokollierung und Zugriff. TUna ist außerdem modular aufgebaut, sodass im Laufe der Zeit zusätzliche Datenquellen und Funktionen integriert werden können.

Welche Veränderungen wird es für die TU Wien mit sich bringen?

TUna hilft Studierenden dabei, verlässliche Informationen zu finden und Routineaufgaben mit weniger Hindernissen zu erledigen. Den Serviceeinheiten wird es helfen, indem es Standardfragen reduziert und die Konsistenz der Antworten verbessert. Langfristig stärkt das Projekt die digitale Servicequalität der TU Wien und bietet ein wiederverwendbares Modell für verantwortungsvolle KI-gestützte Supportdienste innerhalb der Universität.

Wie ist der aktuelle Stand und was sind die nächsten Schritte?

Das Projekt startete am 1. Januar und hat eine Laufzeit von einem Jahr. Es ist in phasenweise Arbeitspakete gegliedert, die von der Erfassung der Anforderungen über die Datenintegration bis hin zur Prototypentwicklung und Evaluierung reichen. 

Im Laufe der letzten Monate wurden Interviews mit verschiedenen beratenden Stellen an der TU Wien sowie der HTU durchgeführt, sowie bereits eine erste prototypische Entwicklungsphase abgeschlossen. Die nächsten Schritte umfassen die Verbindung mehrerer produktiver Datenquellen, den Aufbau eines funktionierenden Prototyps mit Tool-Aufruf und Benutzer_innenspeicher sowie die Durchführung von Usability- und Fairness-Evaluierungen mit iterativen Verbesserungen. Die letzte Phase konzentriert sich auf die interne Einführung, die Dokumentation und einen Fahrplan für die nachhaltige weitere Nutzung.

Kontakt

Assistant Prof. Dr.in Julia Neidhardt & Univ. Ass. Dipl.-Ing. Thomas E. Kolb
TU Wien, Faculty of Informatics
Institute of Information Systems Engineering
Research Unit of Data Science

Dipl.-Ing. Daniel Niederlechner
TU Wien, Campus IT
Service Unit of High Performance Computing (dataLAB)

Kontakt: “tuna@list.tuwien.ac.at”