GenAI Challenge: Die besten Ideen wurden ausgezeichnet
Die GenAI Challenge der ETH-Bibliothek hat gezeigt, wie vielfältig generative KI an der ETH Zürich genutzt wird und wie viel Potenzial in ihr steckt.
Im Rahmen der GenAI Challenge der ETH-Bibliothek wurden am 17. Juni die besten Beiträge ausgezeichnet. Der Wettbewerb lud Studierende und Mitarbeitende der ETH Zürich dazu ein, ihre Best Practices im Umgang mit generativen KI-Tools (genAI) zu zeigen, mit dem Ziel, den Wissensaustausch innerhalb der ETH-Community zu fördern.
Vielfältige Anwendungsfälle
Die eingereichten Beiträge von Mitarbeitenden zeigten ein breites Spektrum an Anwendungsmöglichkeiten, von der Visualisierung komplexer mathematischer Konzepte mit interaktiven Apps bis hin zur Simulation von Arzt-Patienten-Interaktionen oder der Verbesserung von Architekturentwürfen mit Sensoren und KI. Die besten Beiträge von Studierenden fokussierten sich hingegen auf die Automatisierung der Digitalisierung handschriftlicher Notizen und die Entwicklung einer Lernhilfe zur Ergänzung von Vorlesungsnotizen. Dabei überzeugten die Gewinnerinnen und Gewinner insbesondere durch ihre kreative Antwort auf bestehende Forschungs- und Lernbedürfnisse
Auszeichnung für Innovation
Die besten Beiträge in beiden Kategorien wurden mit Projekt Neptun-Gutscheinen im Wert von bis zu CHF 500.- prämiert. Die Preisverleihung würdigte nicht nur die innovativsten Ideen, sondern bot den Teilnehmenden auch eine Plattform zum Austausch und zur Diskussion der Rolle von genAI in Forschung, Lehre und täglichen Arbeitsabläufen an der ETH.
Herzlichen Glückwunsch an alle Gewinnerinnen und Gewinner und vielen Dank an alle Teilnehmenden für ihren wertvollen Beitrag zur Gestaltung eines reflektierten und innovativen Umgangs mit KI!
Das sind die Gewinnerinnen und Gewinner der GenAI Challenge
Kategorie Mitarbeitende
1. Dr. Claudia Schlegel, Tim Fischer, Patrick Frei, Sarah Gutmann:
KI-basiertes Rollenspiel für Arzt-Patient-Interaktionen in der medizinischen Ausbildung
2. Dr. Johannes Schmitt:
Code-Generierung mit Claude AI zur Visualisierung mathematischer Konzepte
2. Dr. Anton Savov, Wenqian Yang:
Architekturmodellierung mit Sensoren und genAI
Kategorie Studierende
1. Hongyuan Zhang, Monica Andrea Garcia Otalora:
Transkription handschriftlicher Notizen mit genAI
2. Jianzhou Yao:
Tool zum Kommentieren von Vorlesungsfolien