Institutsseminar/2026-07-03

Aus SDQ-Institutsseminar
Version vom 12. Januar 2026, 10:16 Uhr von Dominik Fuchß (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „{{Termin |datum=2026-07-03T14:00:00.000Z |raum=Raum 010 (Gebäude 50.34) |prof=Ralf Reussner }}“)
(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)
Termin (Alle Termine)
Datum Freitag, 3. Juli 2026
Uhrzeit 14:00 – 16:15 Uhr (Dauer: 135 min)
Ort Raum 010 (Gebäude 50.34)
Prüfer/in Ralf Reussner
Webkonferenz
Vorheriger Termin Mo 15. Juni 2026
Nächster Termin Fr 25. September 2026
Die Dauer dieses Termins beträgt derzeit 135 Minuten. Bitte ggf. einen weiteren Raum reservieren und den Termin auf zwei Räume aufteilen. Dazu unter Termine eine zusätzliche Terminseite anlegen und die Vorträge neu zuweisen. Falls der Termin dennoch stattfinden soll, bitte im Gruppenkalender die Dauer anpassen und überprüfen, ob der Raum für die ganze Zeit gebucht ist.

Termin in Kalender importieren: iCal (Download)

Vorträge

Improving Information Extraction from Logistics Negotiations using Large Language Models
Vortragende(r) Jonas Strittmatter
Vortragstyp Masterarbeit
Betreuer(in) Dominik Fuchß
Vortragssprache Deutsch
Vortragsmodus in Präsenz
Kurzfassung Kurzfassung
LLM Agent for Instance Model Generation
Vortragende(r) Fatih Çatalkaya
Vortragstyp Masterarbeit
Betreuer(in) Maximilian Hummel
Vortragssprache Englisch
Vortragsmodus in Präsenz
Kurzfassung TBA
To Opt in or Opt out – Optimizing Copilot Suggestions
Vortragende(r) Julika Krüger
Vortragstyp Masterarbeit
Betreuer(in) Anne Koziolek
Vortragssprache Englisch
Vortragsmodus in Präsenz
Kurzfassung Generative AI-assisted programming tools such as GitHub Copilot have increasingly shaped modern software development. Despite their widespread use, prior research has indicated that frequent or multi-line suggestions can distract the developer and break their flow. To address this, we propose an alternative presentation approach for AI-generated code suggestions that aims to minimize disruptions by introducing an opt-in mechanism, where suggestions are displayed only upon explicit user request, and evaluate its impact on the overall programming experience.

Neuen Vortrag erstellen

Bitte melde Dich mit Deinen KIT-Zugangsdaten an. Falls Du trotz Anmeldung diese Meldung siehst, bitte eine/-n Wissensmanager/-in darum, Dich zur richtigen Gruppe hinzuzufügen.

Hinweise