Die Motivation liegt in der Untersuchung von Gestaltungsansätzen für KI-Interfaces, insbesondere für Roboter als verkörperte Form künstlicher Intelligenz. Ziel ist es, herauszufinden, wie das Aussehen und Verhalten von Robotern optimiert werden kann, um ihre Akzeptanz in Büro- und Unternehmenskontexten zu erhöhen.

Der KI-Aspekt des Demonstrators:

Der Demonstrator zeigt konkrete Umsetzungsansätze für KI-Interfaces in einem Teamkontext. Der androide Roboter „Elenoide“ verkörpert künstliche Intelligenz, indem er reaktive Assistenzfunktionen übernimmt. Dies bedeutet, dass er erst auf Anfragen reagiert, anstatt eigenständig und proaktiv zu agieren.

Ziele des Demonstrators:

Die Demonstratoren sollen zeigen, wie KI-Technologien gestaltet werden müssen, um die Akzeptanz im Arbeitskontext zu erhöhen. Durch die Simulation eines menschenähnlichen Roboters in einer Assistenzrolle werden wichtige Designprinzipien für erfolgreiche Mensch-Roboter-Interaktionen veranschaulicht.

Ergebnisse:

• Die reaktive Unterstützung durch den Roboter wird von den Teammitgliedern geschätzt, während proaktives Verhalten oft als störend empfunden wird.
• Eine hohe Menschenähnlichkeit des Roboters fördert die Zusammenarbeit.
• Die langfristige Interaktion mit dem Roboter führt zu einer positiven Bewertung seiner Assistenzfähigkeiten.

Mehrwert:

Unternehmen erhalten durch die Demonstratoren wertvolle Erkenntnisse darüber, wie KI-Interfaces gestaltet werden können, um produktive und akzeptierte Zusammenarbeit zwischen Menschen und Robotern zu ermöglichen. Sie bieten praktische Orientierungshilfen zur erfolgreichen Integration von KI-Technologien im Arbeitsalltag.

Publikationen

• Heitlinger, L., Stock-Homburg, R., Wolf, F., & Wirtz, J. (2024). After the First Glance! Robot Acceptance and Long-term Performance in Human-Robot Teams.
• Knof, M., Stock-Homburg, R., & Wirtz, J. (2024). Navigating the Rise of Service Robots–Success Factors, Trade-Offs, and Implementation.
• Prasad, V., Kshirsagar, A., Stock-Homburg, D. K. R., Peters, J., & Chalvatzaki, G. (2024). MoVEInt: Mixture of Variational Experts for Learning Human-Robot Interactions from Demonstrations. IEEE Robotics and Automation Letters.
• Stock-Homburg, R., & Heitlinger, L. (2024). Introduction to the “Shaping Future Interactions with Social Robots and Service Robots” Minitrack at HICSS-57 (No. 143057).
• Heitlinger, Lea (2025). From Services to Offices: Investigating the Integration of Service Robots into Our Lives.

Wo, wann und in welchem Rahmen kann ich den Demonstrator begutachten?

Nach Absprache.