Aufzeichnung des Calls …

Anwendungsfall: Automatisierte Anreicherung von Audiotranskriptionen mit Bildmaterial

1. <WER> – Ich bin… (Kontext): Ich bin Dr. Dirk Peters, Experte, Dozent und Berater für Elektrotechnik mit Schwerpunkt Verantwortung und KI in der Elektrotechnik. Im Rahmen meiner Tätigkeit führe ich regelmäßig Kundenbegehungen durch, bei denen ich potenzielle Sicherheitsrisiken und Optimierungsmöglichkeiten im Bereich Elektrotechnik dokumentiere. Diese Begehungen halte ich per Audio fest und lasse sie anschließend transkribieren, um sie in Tabellenform aufzubereiten.
2. <WAS> – Ich will… (Ergebnis/Ziel): Ich möchte die erstellten Tabellen aus den Audiodateien automatisiert mit den Bildern anreichern, die ich während der Begehung aufnehme. Ziel ist es, durch die Verknüpfung von Audio, Text und Bild einen umfassenden Begehungsbericht zu erstellen, der meinen Kunden klare visuelle Bezüge zu den dokumentierten Erkenntnissen bietet und mir Zeitersparnis bringt.
3. <WEN> – Für… (Wer, die Zielgruppe): Diese automatisierten, visuell angereicherten Begehungsberichte sind für meine Kunden im Bereich Elektrotechnik gedacht. Sie sollen eine verständliche und visuell unterstützte Dokumentation der vor Ort festgestellten Sachverhalte erhalten.
4. <WOFÜR> – Damit… (Nutzen, der durch das Ergebnis entsteht): Durch die automatisierte Integration von Bildern und Text werden die Begehungsberichte für meine Kunden anschaulicher und leichter nachvollziehbar. Gleichzeitig wird mein Arbeitsprozess beschleunigt, da ich die Bilder nicht manuell den jeweiligen Inhalten zuordnen muss, was mir bei regelmäßigen Begehungen viel Zeit spart.
5. <VORHANDEN> – Was ist vorhanden:
   • Ein bestehendes GPT-Skript bzw. eine Makro-Routine, die das Audiomaterial transkribiert und die Inhalte in eine strukturierte Tabelle umwandelt.
   • Ein iPhone oder andere Kamera zur Dokumentation der Begehung, mit deren Hilfe Bilder aufgenommen werden, die bestimmte Textstellen oder Erkenntnisse illustrieren sollen.
6. <FEHLT> – Was fehlt… (Hindernisse/Herausforderungen):
   • Eine Möglichkeit, die während der Begehung aufgenommenen Bilder automatisiert der richtigen Zeile oder dem passenden Abschnitt in der Tabelle zuzuordnen, basierend auf Kontextinformationen oder Zeitstempeln.
   • Eine Lösung, die erkennt, welches Bild zu welchem Abschnitt des transkribierten Textes passt, sodass die Integration vollständig ohne manuelles Eingreifen erfolgt.

Aufgabe für die Gruppen: Entwickelt eine KI-gestützte Lösung, die Dr. Peters dabei hilft, die Bilder, die er während der Kundenbegehung aufnimmt, automatisch mit den passenden Abschnitten der transkribierten Tabellen zu verknüpfen. Die Lösung sollte in der Lage sein, anhand von Zeitstempeln, Kontextinformationen oder sonstigen KI-gestützten Zuordnungsmechanismen die richtige Verbindung zwischen Bild und Text herzustellen und so einen umfassenden und aussagekräftigen Begehungsbericht zu erzeugen.

Diese Aufgabe fordert die Gruppen heraus, eine Kombination aus Audio-, Bild- und Textdaten automatisiert zu verarbeiten und sinnvoll zusammenzuführen. Es bietet Spielraum für kreative Ansätze, wie KI zur Mustererkennung und Bildzuordnung eingesetzt werden kann, um Dr. Peters‘ Workflow zu optimieren und den Dokumentationsprozess effizienter zu gestalten.