Matching-Plattform für praxisrelevante Abschlussarbeiten

Problem und Ausgangslage

In der Schweiz entstehen jährlich über 95.000 wissenschaftliche Abschlussarbeiten (Bachelor-, Master- und Doktorarbeiten) mit grossem Innovationspotenzial für den Wirtschaftsstandort. Dieses Potenzial bleibt jedoch häufig ungenutzt, da Studierende, Unternehmen und Dozierende an Hochschulen nicht zueinanderfinden, obwohl eine solche Vernetzung von allen aktiv gesucht wird. Eine bessere Vernetzung ist aus drei Gründen essenziell: 97% der Studierenden streben keine wissenschaftliche Karriere an, sondern möchten nach dem Studienabschluss in der Praxis tätig sein; 99,7% der Schweizer Unternehmen haben keinen oder nur eingeschränkten Zugang zu wissenschaftlichen Erkenntnissen und hochqualifizierten Studierenden; Hochschulen sind gefordert, ihre Lehre stärker an den Bedürfnissen der Gesellschaft und Wirtschaft auszurichten.

 

Ziel des Forschungsprojektes

Unser Forschungsprojekt verfolgt das Ziel, eine automatisierte, KI-gestützte Matching-Plattform zu entwickeln, die es Studierenden ermöglicht, praxisrelevante Themen für Abschlussarbeiten zu entdecken und direkten Kontakt mit Unternehmen aufzunehmen. Unternehmen wiederum erhalten die Möglichkeit, auf der Plattform spezifische Themen zu platzieren, die sich an den konkreten Herausforderungen ihres Marktumfelds orientieren, und sich so wissenschaftliche Erkenntnisse sowie frühzeitigen Zugang zu hochqualifizierten Studierenden sichern. Dozierende profitieren, indem sie mit Experten aus der Praxis verbunden werden, die in ihren Forschungsbereichen aktiv sind.

Die Entwicklung einer automatisierten Matching-Plattform erfordert fundierte Forschungsarbeit und eine eingehende Analyse der spezifischen Bedürfnisse und Anforderungen der beteiligten Akteure. Diese Analyse ist essentiell, um ein datenbasiertes Large Language Model (LLM) effektiv für den Einsatz im Kontext von Abschlussarbeitsprojekten zu entwickeln und einen multidimensionalen, skalierbaren Matching-Prozess zu etablieren.

 

Projektwebseite

Mehr Informationen sind auf unserer Projektwebseite zu finden.

 

Kategorie

Innosuisse

Referenznummer

115.877 IP-SBM

Projektstart

15.05.2024

Projektende

14.05.2026

Projektstatus

laufend

Bereich

Team Leimeister

Problem und Ausgangslage

In der Schweiz entstehen jährlich über 95.000 wissenschaftliche Abschlussarbeiten (Bachelor-, Master- und Doktorarbeiten) mit grossem Innovationspotenzial für den Wirtschaftsstandort. Dieses Potenzial bleibt jedoch häufig ungenutzt, da Studierende, Unternehmen und Dozierende an Hochschulen nicht zueinanderfinden, obwohl eine solche Vernetzung von allen aktiv gesucht wird. Eine bessere Vernetzung ist aus drei Gründen essenziell: 97% der Studierenden streben keine wissenschaftliche Karriere an, sondern möchten nach dem Studienabschluss in der Praxis tätig sein; 99,7% der Schweizer Unternehmen haben keinen oder nur eingeschränkten Zugang zu wissenschaftlichen Erkenntnissen und hochqualifizierten Studierenden; Hochschulen sind gefordert, ihre Lehre stärker an den Bedürfnissen der Gesellschaft und Wirtschaft auszurichten.

 

Ziel des Forschungsprojektes

Unser Forschungsprojekt verfolgt das Ziel, eine automatisierte, KI-gestützte Matching-Plattform zu entwickeln, die es Studierenden ermöglicht, praxisrelevante Themen für Abschlussarbeiten zu entdecken und direkten Kontakt mit Unternehmen aufzunehmen. Unternehmen wiederum erhalten die Möglichkeit, auf der Plattform spezifische Themen zu platzieren, die sich an den konkreten Herausforderungen ihres Marktumfelds orientieren, und sich so wissenschaftliche Erkenntnisse sowie frühzeitigen Zugang zu hochqualifizierten Studierenden sichern. Dozierende profitieren, indem sie mit Experten aus der Praxis verbunden werden, die in ihren Forschungsbereichen aktiv sind.

Die Entwicklung einer automatisierten Matching-Plattform erfordert fundierte Forschungsarbeit und eine eingehende Analyse der spezifischen Bedürfnisse und Anforderungen der beteiligten Akteure. Diese Analyse ist essentiell, um ein datenbasiertes Large Language Model (LLM) effektiv für den Einsatz im Kontext von Abschlussarbeitsprojekten zu entwickeln und einen multidimensionalen, skalierbaren Matching-Prozess zu etablieren.

 

Projektwebseite

Mehr Informationen sind auf unserer Projektwebseite zu finden.

 

Personen

Prof. Dr.

Philipp Alexander Ebel

Projektverantwortlich
Zum Detail
north